CONTROLADOR MPC MULTIVARIABLE ADAPTATIVO.

Procedimiento para controlar un proceso que tiene una pluralidad de variables manipuladas controlables de manera independiente y al menos una variable controlada dependiente de dichas variables manipuladas controlables de manera independiente,

comprendiendo el procedimiento las etapas de:

a. recopilar datos sobre dicho proceso (etapa 60) mediante la introducción por separado de perturbaciones de prueba en cada una de dichas variables manipuladas (etapa 105) y medir el efecto de las perturbaciones en dicha por lo menos variable controlada (etapa 110);

b. utilizar dichos efectos de las perturbaciones en dicha por lo menos variable controlada para generar un primer modelo lineal dinámico sobre dicha al menos una variable controlada en dichas variables manipuladas controlables de manera independiente (etapa 115);

c. intercambiar las variables controladas del elemento de control final con sus correspondientes variables de punto de ajuste del controlador PID manipulado controlable de manera independiente seleccionado (8, 9, 10) en dicho primer modelo lineal dinámico utilizando las matemáticas de eliminación de filas de la matriz para generar un segundo modelo lineal dinámico que tiene un nuevo conjunto de variables manipuladas controlables de manera independiente (etapa 70, etapa 160), teniendo dicho segundo modelo lineal dinámico la dinámica de dichas variables de punto de ajuste del controlador PID manipulado controlable seleccionado independientemente (8, 9, 10) eliminadas de dicho segundo modelo lineal dinámico;

d. medir el valor presente de dichas variables controlables manipuladas de forma independiente (etapa 110); e. calcular intervalos discretos de tiempo a partir de dichos datos obtenidos sobre dicho proceso, dichos valores presentes medidos y restricciones operativas preseleccionadas un conjunto de movimientos para tiempos presentes y futuros para al menos dichas variables manipuladas para obtener nuevos valores para dichas variables manipuladas y mover dicha al menos una variable controlada hacia por lo menos una de dichas restricciones operativas (etapa 188); y se caracteriza por las etapas de, antes de llevar a cabo la etapa e del procedimiento;

f. preestablecer las limitaciones operativas para dicha al menos una variable controlada;

g. preestablecer los límites de prueba para dicha al menos una variable controlada que cae dentro de dichas restricciones operativas;

usar el segundo modelo dinámico lineal para calcular un primer conjunto de vectores de predicción para dicha al menos una variable controlable (etapa 182);

colocar dicho segundo modelo lineal dinámico en un modo de prueba de adaptación (etapa 184) donde todos los controladores PID (8, 9, 10) se cambió a manual;

perturbar las variables controladas del elemento de control final con señales de excitación aleatorias (etapa 186); y siguiendo la etapa e del procedimiento, llevar a cabo la etapa de;

h. cuando el vector de predicción se encuentra fuera de los límites de prueba para dicha al menos una variable controlada (etapa 192), cambiar dicho proceso mediante el ajuste de dichas variables manipuladas para dicho conjunto de movimientos para tiempos presentes y futuros para causar que dicho proceso mueva dicha al menos una variable controlable dependiente hacia al menos una de dichas restricciones operativas.

Controlador MPC multivariable adaptativo Antecedentes de la invención El Control Predictivo de Modelo (MPC) se refiere a una clase de algoritmos que calculan una secuencia de ajustes variables manipulados con el fin de optimizar el comportamiento futuro de los procesos multivariables complejos. Originalmente desarrollado para satisfacer las necesidades de las refinerías de petróleo y de los procesos químicos, MPC se pueden encontrar ahora en una amplia variedad de áreas de aplicación incluyendo productos químicos, procesamiento de alimentos, automotriz, aeroespacial, metalurgia, celulosa y papel. Una implementación bien conocida de MPC en aplicaciones químicas y refinerías es el control de matriz dinámica o DMC.

El controlador MPC emplea un modelo de software del proceso para predecir el efecto de cambios pasados de variables manipuladas y perturbaciones mensurables en las variables de salida de interés. Las variables independientes se calculan con el fin de optimizar el comportamiento futuro del sistema en un intervalo de tiempo conocido como el horizonte de predicción. En el caso general, cualquier función objetivo deseada se puede utilizar para la optimización. La dinámica del sistema se describe mediante un modelo de proceso explícito, lo que puede tomar, en principio, un número de diferentes formas matemáticas. Las limitaciones de entrada y de salida del proceso se incluyen directamente en la formulación del problema de manera que se anticipan y se previenen las violaciones de restricciones futuras.

En la práctica una serie de enfoques diferentes se han desarrollado y comercializado en la implementación de controladores MPC. Las implementaciones más exitosas han hecho uso de un modelo lineal para la dinámica de la planta. El modelo lineal se desarrolla en una primera etapa mediante la recopilación de datos sobre el proceso mediante la introducción de alteraciones de prueba en variables independientes (manipuladas) y midiendo los efectos de las perturbaciones sobre las variables dependientes (controladas) . Esta etapa inicial se conoce como identificación.

Las patentes US 4.349.869 y 4.616.308 describen una implementación de control MPC llamado Control Dinámico de Matriz (DMC) . Estas patentes describen los algoritmos MPC sobre la base de los modelos lineales de una planta y describe cómo las limitaciones del proceso están incluidas en la formulación del problema. La identificación inicial del controlador MPC usando datos de proceso también se describe.

A modo de antecedente adicional, esta identificación de la dinámica del proceso requiere de una prueba previa en la que las variables manipuladas del proceso se mueven en algún patrón para determinar el efecto sobre las variables dependientes (controladas) . En un proceso químico o de refinería las variables independientes incluyen puntos de referencia del controlador PID (proporcional-integral-derivativo) para seleccionar las variables dependientes, las posiciones del elemento de control final de los controladores PID en manual, y temperaturas, flujos de materiales, presiones y composiciones que se determinan fuera del alcance del dominio del controlador. Para cualquier prueba de identificación del proceso, las variables independientes se fijan para el análisis de los datos. Además, la sintonización de alguno de los controladores PID en el dominio del controlador MPC es fija. El controlador MPC que se construye para utilizar los modelos de procesos dinámicos de la identificación debe tener exactamente la misma configuración de las variables independientes que existían cuando se realizó la identificación. Por lo tanto, la configuración del controlador PID que está presente durante la identificación integra la dinámica del regulador PID en el modelo dinámico. Como la dinámica PID es una parte del comportamiento de la planta, hay una relación inherente de variables que sucede a medida que se producen perturbaciones no medidas en el proceso. Los diferentes bucles de control PID responden a las perturbaciones no medidas y mueven muchas de las variables controladas en respuesta. Esto ha impedido históricamente siempre que los profesionales creen controladores MPC libres de la dinámica PID utilizando pruebas estándar de identificación.

La publicación de la patente US 2007/050053 y la solicitud PCT WO 03/060614 por el inventor aborda el tema mencionado y describe una metodología para la eliminación de la dinámica PID del modelo dinámico mediante el uso de un nuevo algoritmo matemático de matriz que intercambia las variables controladas de la posición del elemento de control final seleccionado (usualmente posiciones de la válvula) con sus correspondientes variables del punto de ajuste del controlador PID manipuladas independientemente controlables seleccionadas en el modelo lineal usando matemáticas de eliminación de filas de matriz para generar un segundo modelo lineal que tiene un nuevo conjunto de variables manipuladas controlables de manera independiente, teniendo el segundo modelo la dinámica de las variables del punto de ajuste del controlador PID manipuladas independientemente controlables seleccionadas eliminadas del modelo. Este segundo modelo lineal es un modelo de bucle abierto, basado en el las posiciones del elemento de control final solamente. Como es un modelo de respuesta de impulso finito de bucle abierto, se ha demostrado que puede funcionar 50 a 100 veces más rápido que en tiempo real. El documento US 2007/050053 10/047, 473 describe y reivindica el uso de este tipo de modelo, tanto en el control como en el desarrollo de simuladores de entrenamiento fuera de línea.

Una necesidad muy deseada pero no satisfecha en el control de procesos multivariables complejos, tales como la fabricación de productos químicos y el refinado de petróleo es el uso de un controlador adaptativo. En el pasado, la adición de un mecanismo de adaptación al MPC ha sido abordada de diversas maneras. Los investigadores se han centrado principalmente en la actualización del modelo de proceso interno que se utiliza en el algoritmo de control. Varios artículos revisan diversos mecanismos de control adaptativos para el control de procesos no lineales (Seborg, Edgar, y Shah, 1986; Bequette, 1991; Di Marco, Semino, y Brambilla, 1997) . Además, Qin y Badgwell (2000) proporcionan una buena visión general de las aplicaciones MPC no lineales que están disponibles actualmente en la industria. Como se ilustra en estos trabajos, los mecanismos de control adaptativos consideran el uso de un modelo de análisis no lineal, combinaciones de modelos empíricos lineales o una mezcla de ambos.

El documento US 2005/0149209A se refiere a un sistema de control de procesos multivariable adaptativo que utiliza dos o más modelos de entrada única y salida única (SISO) y un sistema de supervisión que detecta cambios en las entradas del proceso suficientes para iniciar un ciclo de adaptación. El supervisor determina un subconjunto de los modelos SISO a adaptarse sobre la base de qué entradas del proceso son las más correlacionadas con un error entre la salida medida y la salida del modelo. El documento US 5.740.033 se refiere a un controlador de modelo predictivo para un sistema de control de procesos, que incluye un modelador interactivo que tiene un modelo de proceso y un modelo de perturbación independiente. Un secuenciador ejecutivo proyecta un conjunto de valores de proceso futuros que se controlan y el modelador optimiza los cambios de control.

MPC utilizando modelos no lineales es probable que sea más común, ya que los usuarios exigen un mayor rendimiento y nuevas herramientas de software para que los modelos no lineales sean disponibles más fácilmente. Sin embargo, el desarrollo de adecuados modelos empíricos no lineales es muy difícil. No hay ninguna forma de modelo que sea claramente adecuada para representar los procesos generales no lineales. Desde el punto de vista teórico, el uso de un modelo no lineal cambia el problema de control desde un QP convexo a un programa no lineal (PNL) no convexo, cuya solución es mucho más difícil. No hay garantía, por ejemplo, que se pueda encontrar el óptimo global. Es importante señalar que debido a estos factores, ninguno de estos enfoques no lineales se ha implementado con éxito comercial en controladores a gran escala.

Un enfoque alternativo sería utilizar modelos de primeros principios desarrollados a partir de leyes de masa, inercia y conservación de la energía conocidas. Sin embargo, el coste de desarrollar un modelo de primeros principios razonablemente preciso es probable que sea prohibitivo hasta que nuevas herramientas de software y procedimientos de validación estén... [Seguir leyendo]

1. Procedimiento para controlar un proceso que tiene una pluralidad de variables manipuladas controlables de manera independiente y al menos una variable controlada dependiente de dichas variables manipuladas controlables de manera independiente, comprendiendo el procedimiento las etapas de:

a. recopilar datos sobre dicho proceso (etapa 60) mediante la introducción por separado de perturbaciones de prueba en cada una de dichas variables manipuladas (etapa 105) y medir el efecto de las perturbaciones en dicha por lo menos variable controlada (etapa 110) ;

b. utilizar dichos efectos de las perturbaciones en dicha por lo menos variable controlada para generar un primer modelo lineal dinámico sobre dicha al menos una variable controlada en dichas variables manipuladas controlables de manera independiente (etapa 115) ;

c. intercambiar las variables controladas del elemento de control final con sus correspondientes variables de punto de ajuste del controlador PID manipulado controlable de manera independiente seleccionado (8, 9, 10) en dicho primer modelo lineal dinámico utilizando las matemáticas de eliminación de filas de la matriz para generar un segundo modelo lineal dinámico que tiene un nuevo conjunto de variables manipuladas controlables de manera independiente (etapa 70, etapa 160) , teniendo dicho segundo modelo lineal dinámico la dinámica de dichas variables de punto de ajuste del controlador PID manipulado controlable seleccionado independientemente (8, 9, 10) eliminadas de dicho segundo modelo lineal dinámico;

d. medir el valor presente de dichas variables controlables manipuladas de forma independiente (etapa 110) ;

e. calcular intervalos discretos de tiempo a partir de dichos datos obtenidos sobre dicho proceso, dichos valores presentes medidos y restricciones operativas preseleccionadas un conjunto de movimientos para tiempos presentes y futuros para al menos dichas variables manipuladas para obtener nuevos valores para dichas variables manipuladas y mover dicha al menos una variable controlada hacia por lo menos una de dichas restricciones operativas (etapa 188) ; y se caracteriza por las etapas de, antes de llevar a cabo la etapa e del procedimiento;

f. preestablecer las limitaciones operativas para dicha al menos una variable controlada;

g. preestablecer los límites de prueba para dicha al menos una variable controlada que cae dentro de dichas restricciones operativas; usar el segundo modelo dinámico lineal para calcular un primer conjunto de vectores de predicción para dicha al menos una variable controlable (etapa 182) ; colocar dicho segundo modelo lineal dinámico en un modo de prueba de adaptación (etapa 184) donde todos los controladores PID (8, 9, 10) se cambió a manual; perturbar las variables controladas del elemento de control final con señales de excitación aleatorias (etapa 186) ; y siguiendo la etapa e del procedimiento, llevar a cabo la etapa de;

h. cuando el vector de predicción se encuentra fuera de los límites de prueba para dicha al menos una variable controlada (etapa 192) , cambiar dicho proceso mediante el ajuste de dichas variables manipuladas para dicho conjunto de movimientos para tiempos presentes y futuros para causar que dicho proceso mueva dicha al menos una variable controlable dependiente hacia al menos una de dichas restricciones operativas.

2. Procedimiento según la reivindicación 1, en el que dicha etapa de perturbación (etapa 186) también comprende perturbar dichos límites de prueba para dicha al menos una variable controlada con señales de excitación aleatorias.

3. Procedimiento según la reivindicación 1, en el que dicho proceso comprende al menos una variable no controlada que depende de dichas variables manipuladas y en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que dicha al menos una variable no controlada se limita a una restricción operativa predeterminada.

4. Procedimiento según la reivindicación 2, en el que dicho proceso comprende al menos una variable no controlada que es dependiente de dichas variables manipuladas y en el que dicha etapa de cálculo de dicho conjunto de movimientos para los tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que dicha al menos una variable no controlada se limita a una restricción operativa predeterminada.

5. Procedimiento según la reivindicación 3, en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que por lo menos una de dichas variables manipuladas está limitada a una restricción operativa predeterminada.

6. Procedimiento según la reivindicación 4, en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que por lo menos una de dichas variables manipuladas está limitada a una restricción operativa predeterminada.

7. Procedimiento según la reivindicación 1, en el que dicha etapa del cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) comprende el cálculo de dicho conjunto de movimientos empleando técnicas de programación cuadráticas.

8. Procedimiento según la reivindicación 7, en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que al menos una de dichas variables manipuladas está limitada a una restricción operativa predeterminada.

9. Procedimiento según la reivindicación 7, en el que donde dicho proceso comprende al menos una variable no

controlada que depende de dichas variables manipuladas y en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que dicha variable no controlada está limitada a una restricción operativa predeterminada.

10. Procedimiento según la reivindicación 1, en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) comprende el cálculo de dicho conjunto de movimientos empleando técnicas de programación lineal.

11. Procedimiento según la reivindicación 10, en el que dicha etapa del cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que al menos una de dichas variables manipuladas está limitada a una restricción operativa predeterminada.

12. Procedimiento según la reivindicación 10, en el que dicho proceso comprende al menos una variable no controlada que depende de dichas variables manipuladas y en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que dicha variable no controlada está limitada a una restricción operativa predeterminada.

13. Procedimiento según la reivindicación 1, en el que dicha etapa de cálculo de dicho conjunto de movimientos (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que al menos una de dichas variables manipuladas está limitada a una restricción operativa predeterminada.

14. Procedimiento según la reivindicación 13, en el que dicho proceso comprende al menos una variable no controlada que depende de dichas variables manipuladas y en el que dicha etapa de cálculo de dicho conjunto de movimientos para tiempos presentes y futuros (etapa 188) también comprende el cálculo de dicho conjunto de movimientos de tal manera que dicha variable no controlada está limitada a una restricción operativa predeterminada.