[Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL PROYECTO FIN DE CARRERA CONTROL AVANZADO DE UNA CALDERA. AUTOR: David Morales Galán MADRID, Junio de 2010 [Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL RESUMEN DEL PROYECTO El control de procesos de forma automática se ha configurado como uno de los grandes artífices del progreso industrial en lo que ahora se conoce como la segunda revolución industrial. El uso intensivo de las técnicas de medición y control han desembocado en un nueva concepción de los procesos industriales. Para la implementación de los controles se requiere de grandes inversiones en los equipos pero que reducen enormemente los costes de los procesos industriales y tienen otros muchos beneficios intangibles como el ahorro en mano de obra o la eliminación de errores. Además, la evolución de los microprocesadores y el mundo digital ha propiciado la aplicación de ideas y algoritmos de control a sistemas físicos que hasta hace no mucho eran muy difíciles de analizar o controlar. Las aplicaciones hoy en día son múltiples: control de máquinas herramientas, suelos con sistemas de calefacción, control de procesos químicos, etc. En la línea de lo expuesto, este proyecto tratará sobre el diseño del control de una caldera industrial, que seguirá el esquema implementado con Simulink de la Figura 1. Resumen I [Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 1: Esquema Simulink del sistema control con caldera. Siguiendo lo expuesto en la Figura 1, la caldera objeto de estudio presenta tres salidas a controlar (presión de vapor, exceso de oxígeno y nivel de agua), tres entadas al sistema o mandos (caudal de combustible, aire y agua) y una perturbación medible (demanda de vapor). Como en la mayoría de procesos industriales el sistema a estudiar es no lineal, siendo necesario un diseño entorno a un punto de trabajo, y multivariable. La existencia de una multiplicidad de variables a controlar supone una de los principales problemáticas del proyecto al presentar sus respuestas acoplamientos entre ellas. Como en cualquier diseño de control se procederá a identificar en primer lugar la dinámica que caracteriza el proceso a estudiar, es decir, de la caldera. Este primer paso es de gran importancia ya que de él dependerá la fiabilidad del control diseñado a posteriori. Resumen II [Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Es importante destacar que este proyecto surge con motivo del concurso 2009-2010 propuesto por el Grupo de Ingeniería de control de CEA. Se propone la elaboración de un control que ofrezca mejores prestaciones que el proporcionado por el concurso por lo que servirá de referencia para los controles desarrollados. En consecuencia, se ha procedido en primer lugar a optimizar y mejorar dicho control propuesto para, a continuación, estudiar métodos más complejos como el control predictivo. Como resultado del proyecto, se ha logrado a través de dos procedimientos distintos un sistema estable y robusto frente a perturbaciones con una notable mejoría respecto del control de partida. Como ejemplo se recoge en la Figura 2 la respuesta ante un escalón en la perturbación medible (demanda) de la primera variable a controlar (presión de vapor), con los dos modelos de control que finalmente han resultado satisfactorios: PI optimizado y control predictivo monovariable. Presión de vapor y consigna (%) 60.5 60 59.5 Caso referencia Predictivo monovariable Consigna PI optimizado 59 58.5 58 57.5 0 200 400 600 800 1000 1200 Tiempo (sg) 1400 1600 1800 2000 Figura 2: Respuesta de la primera salida (presión de vapor) ante un escalón en la perturbación. Resumen III [Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL ABSTRACT Automatic control process is configured as one of the major architects of industrial progress developed in what is now known as the second industrial revolution. The intensive use of measurement and control techniques has led to a new conception of industrial processes. For the implementation of controls it is required large investments in equipment but, on the other hand, it greatly reduces costs of industrial processes and has many other intangible benefits such as savings in worker salaries or debugging. In addition, the development of microprocessors and the digital world has led to the implementation of ideas and control algorithms to physical systems that in the past were very difficult to analyze or control. Applications today are many: control of machine tools, floor heating systems, control of chemical processes, etc. In line with the above, that project will focus on the design of the control of an industrial boiler, which will continue the scheme implemented with Simulink (Matlab) in Figure 1. Abstract I [Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figure 1: Simulink diagram of the boiler control system. Following what it is showed in Figure 1, the boiler under consideration has three control outputs (steam pressure, excess oxygen and water level), three inputs to the system or controls (fuel flow, air and water) and a measurable disturbance (steam demand). As in most industrial processes the system under study is nonlinear, requiring a design around a working point, and multivariable. The existence of a multiplicity of variables to control is one of the main problems of the project because of the interference between them. As in any control design the first goal must be the identification of the dynamics that characterize the process to be studied, the boiler. This first step has great importance because the reliability of the designed control will depend on it. Abstract II UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL It can be stood that this project comes up on the occasion of the 2009-2010 contest proposed by the Control Engineering Group of CEA. It proposes creating a control that offers better features than the provided by the contest. This control will work as a reference for the developing controls. The first goal to achieve is to optimize and improve the proposed control and then consider more complex methods such as predictive control. As a result of the project, it was achieved a stable and robust control against disturbances with a significant improvement over the initial control through two different procedures. An example is shown in Figure 2: the response of the first variable to be controlled (vapor pressure) to a step in the measurable disturbance (steam demand) with the two control models that have been successfully implemented. Presión de vapor y consigna (%) 60.5 60 59.5 Caso referencia Predictivo monovariable Consigna PI optimizado 59 58.5 58 57.5 0 200 400 600 800 1000 1200 Tiempo (sg) 1400 1600 1800 2000 Figure 2: Response of steam pressure to a step in the disturbance. Abstract. III UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Documento Nº1 Memoria Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice Parte I Memoria ................................................................................................................................. 1 Capítulo 1 Introducción ..................................................................................................................... 1 1.1 Estado del arte ........................................................................................................................... 1 1.2 Motivación del proyecto ........................................................................................................ 2 1.3 Objetivos del proyecto............................................................................................................ 3 1.4 Metodología de trabajo y recursos a utilizar ................................................................. 4 1.5 Estructura de la memoria ..................................................................................................... 5 Capítulo 2 Descripción de la planta y del sistema de control ............................................. 7 2.1 Modelo de la caldera ............................................................................................................... 7 2.2 Sistema de control PID de referencia ............................................................................ 11 2.3 Resultados obtenidos con el controlador de referencia ........................................ 12 2.4 Índice de calidad. Comparativa con el caso de referencia ..................................... 14 Capítulo 3 Modelado de la planta para el sistema de controles ...................................... 16 3.1 Procedimiento de identificación ..................................................................................... 17 3.2 Resultados obtendidos ........................................................................................................ 18 Capítulo 4 Optimización del control multivariable PID ..................................................... 31 4.1 Determinación inicial de los controles PID. Diseño por respuesta en frecuencia ..................................................................................................... 32 4.2 Optimización de los parámetros de los controles .................................................... 42 4.3 Resultados ................................................................................................................................ 44 Capítulo 5 Discretización ............................................................................................................... 61 Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 5.1 Introducción a la discretización y resultados............................................................. 61 5.2 Conclusiones ........................................................................................................................... 74 Capítulo 6 Desarrollo de un control predictivo ..................................................................... 75 6.1 Fundamentos del control predictivo ............................................................................. 75 6.2 Diseño de un control predictivo monovariable ......................................................... 86 6.3 Diseño de un control predictivo multivariable .......................................................... 95 Capítulo 7 Resultados y conclusiones del proyecto............................................................. 99 Bibliografía de la memoria .......................................................................................................... 104 Parte II Estudio económico ..................................................................................................... 105 1. Estudio económico ................................................................................................................ 106 Bibliografía estudio económico ................................................................................................. 108 Parte III Código fuente ............................................................................................................... 109 1. Diseño de un control PID por respuesta en frecuencia ........................................... 111 2. Programa “coeficientes_multivariable.m” .................................................................... 113 3. Programa “ajuste.m” ............................................................................................................. 115 4. Programa “evalúa_control_caldera.m” ........................................................................... 119 Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice de figuras Figura 2.1 Planta industrial de generación de vapor ............................................................. 8 Figura 2.2: Esquema simplificado de la caldera industrial ............................................... 10 Figura 3.1: Representación proceso de ajuste ....................................................................... 17 Figura 3.2: Salida con ajuste del término G11(s) .................................................................. 19 Figura 3.3: Salida con ajuste del término G22(s) .................................................................. 20 Figura 3.4: Salida con ajuste del término G33(s) .................................................................. 22 Figura 3.5: Salida y ajuste del término cruzado G13(s) ..................................................... 23 Figura 3.6: Salida y ajuste del término cruzado G21(s) ..................................................... 24 Figura 3.7: Esquema Simulink G31(s) ...................................................................................... 26 Figura 3.8: Esquema en Simulink del detalle del ajuste..................................................... 27 Figura 3.9: Salida y ajuste del término cruzado G31(s) ..................................................... 28 Figura 4.1: Mando ante escalón en referencia del 6% en control .................................. 36 Figura 4.2: Salida ante escalón en referencia del 6% en control1 ................................. 37 Figura 4.3: Mando ante escalón en referencia del 6% en control 2 .............................. 38 Figura 4.4: Salida ante escalón en referencia del 6% en control 2 ................................ 39 Figura 4.5: Mando ante escalón en referencia del 6% en control 3 .............................. 41 Figura 4.6: Salida ante escalón en referencia del 6% en control 3 ................................ 41 Figura 4.7: Esquema de ajuste de parámetros en Simulink ............................................. 44 Figura 4.8: Esquema en Simulink para realizar el segundo ajuste ................................ 47 Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 4.9: Nichols en lazo abierto del control1 ................................................................... 52 Figura 4.10: Nichols en lazo abierto del control2................................................................. 53 Figura 4.11: Nichols en lazo abierto del control3................................................................. 54 Figura 4.12: Nichols en lazo abierto controlador 1 ............................................................. 57 Figura 4.13: Nichols en lazo abierto controlador 2 ............................................................. 58 Figura 4.14: Nichols en lazo abierto controlador 3 ............................................................. 58 Figura 4.15: Comparativa de los Nichols vs caso referencia ............................................ 59 Figura 5.1: Esquema proceso de discretización .................................................................... 63 Figura 5.2: Esquema Simulink de la caldera con los controles discretizados ........... 67 Figura 5.3: Nichols en lazo abierto control 1 ......................................................................... 68 Figura 5.4: Diagrama Bode en lazo cerrado del control 1 ................................................. 68 Figura 5.5: Zoom diagrama Bode con amplitud de pico .................................................... 69 Figura 5.6: Nichols en lazo abierto control 2 ......................................................................... 70 Figura 5.7: Diagrama Bode en lazo cerrado del control 2 ................................................. 71 Figura 5.8: Zoom diagrama Bode con amplitud de pico .................................................... 71 Figura 5.9: Nichols en lazo abierto control 3 ......................................................................... 72 Figura 5.10: Diagrama Bode en lazo cerrado del control 3 .............................................. 73 Figura 5.11: Zoom diagrama Bode con amplitud de pico .................................................. 73 Figura 6.1 Esquema de control predictivo-adaptativo ....................................................... 78 Figura 6.2. Trayectorias de referencia ...................................................................................... 84 Figura 6.3 Esquema Simulink del control predictivo .......................................................... 87 Figura 6.4: Esquema Simulink control predictivo monovariable .................................. 88 Figura 6.5: Parámetros a introducir en el bloque predictivo monovariable ............. 89 Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.6 Salida2 (exceso de oxígeno) para tiempo de muestreo encontrolador 1 ts=30s .................................................................................................................. 92 Figura 6.7 Salida3 (exceso de oxígeno) para tiempo de muestreo en controlador 1 ts=30s ............................................................................................. 93 Figura 6.8 Esquema Simulink del control predictivo multivariable ............................. 96 Figura 6.9 Parámetros a introducir en el bloque predictivo multivariable....................................................................................................................................... 98 Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice de tablas Tabla2.1: Puntos de operación de los mandos y salidas de la caldera ......................... 11 Tabla 2.2: Parámetros de los controladores de referencia ............................................... 12 Tabla 2.3 Resultados obtenidos con los controladores referencia ante un escalón en demanda de vapor del 20% .............................................. 14 Tabla 4.1: Parámetros iniciales de diseño para los tres controles................................. 42 Tabla 4.2: Gráficas de mandos y salidas del 1º ajuste de parámetros .......................... 46 Tabla 4.3: Funciones de transferencia de los controles referencia y los que se procede a evaluar ..................................................................................................... 49 Tabla 4.4: Gráficas de mandos y salidas resultantes del tercer ajuste ......................... 51 Tabla 4.5: Índices de calidad J en función de w para el tercer ajuste ........................... 51 Tabla 4.6: Gráficas de mando y salida para ajuste con amortiguamiento .................. 56 Tabla 4.7: Índices de calidad J en función de w para ajuste con amortiguamiento .............................................................................................................................. 56 Tabla 4.8: Datos característicos de la respuesta en frecuencia de los controles optimizados y del modelo referencia ....................................................... 60 Tabla 5.1: Tiempos de muestreo y retraso correspondiente ........................................... 64 Tabla 5.2: Funciones de transferencia discretizadas .......................................................... 66 Tabla 5.3: Valores característicos de la respuesta en frecuencia del control 1 ........ 70 Tabla 5.4: Valores característicos de la respuesta en frecuencia del control 2 ........ 72 Tabla 5.5: Valores característicos de la respuesta en frecuencia del control 3 ........ 74 Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Tabla 5.6: Comparativa de los índices de calidad de los dos controles discretizados y el control analógico .............................................................. 74 Tabla 6.1 Funciones de transferencia y constantes de tiempo ....................................... 91 Tabla 6.2: Valores de los parámetros de los tres controles predictivos ...................... 92 Tabla 6.3 Gráficas resultantes de salida y mando del control predictivo en comparación con el caso referencia ............................................... 95 Tabla 6.4: Comparativa de los índices de calidad del control predictivo y el PID ............................................................................................................. 95 Tabla 7.1 Gráficas de la respuesta temporal ante escalón en perturbación de los controles válidos ...................................................................................................................... 103 Tabla 7.2 Índices de calidad de los dos controles válidos PI optimizado y predictivo monovariable ............................................................................. 103 Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL PARTE I MEMORIA Memoria UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 1 Introducción 1.1 Estado del arte Las calderas se hayan ampliamente extendidas tanto para uso industrial como no industrial para la generación de electricidad, calefacción, agua sanitaria, etc. Su objetivo principal consiste en transformar en energía térmica la energía química que proviene de la combustión de un combustible para transferirla al agua y generar vapor, fuente de energía útil para muchos procesos. Existen multitud de diseños con características particulares pero las calderas se pueden clasificar básicamente en dos grandes grupos: pirotubulares y acuotubulares. En las pirotubulares los gases calientes procedentes de la combustión circulan por el interior de unos tubos estando bañados por el agua de la caldera. Sin embargo, en las acuotubulares el agua circula por interior de tubos formando un sistema cerrado y siendo calentado por los gases calientes. Son utilizadas generalmente cuando se requiere de grandes cantidades de vapor como, por ejemplo, en centrales termoeléctricas. Ésta última es el modelo de caldera que se estudiará en este trabajo. Las calderas son sistemas complejos que presentan comportamientos no lineales, multivariables (más de una entrada y salida) y con numerosas Parte I. Memoria Página 1 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL interferencias o acoplamientos. Para su control la industria viene adoptando distintas estrategias entre las que se pueden destacar: control de uno, dos y tres elementos, control maestro, control de combustión, con corrección de oxígeno, control de temperatura, de presión, etc. Todas estrategias mencionadas se basan principalmente en la aplicación de controladores PID a lazos simples, linealizando previamente el sistema entorno a un punto de trabajo lo que supone una aproximación ya que el modelo de las calderas es no lineal. Estos métodos vienen siendo el estándar de aplicación en la industria de los últimos años [1]. Sin embargo, en muchos casos resultan ser ineficientes provocando grandes consumos de combustible y contaminación. La necesidad de nuevos controles que ofrezcan mejores prestaciones a nivel de eficiencia, seguridad y de emisiones ha posibilitado la investigación y profundización de sistemas de control más avanzados como el predictivo, adaptativo o basado en redes neuronales. El control predictivo se postula como una gran solución a los problemas citados y está gozando de una creciente popularidad. Este proyecto tratará desarrollar un control predictivo que se adapte adecuadamente a la caldera estudiada verificando las ventajas que aporta respecto de un sistema PID que también será optimizado y mejorado. 1.2 Motivación del proyecto. Este proyecto surge con motivo a la propuesta BENCHMARK 2009-10 del concurso de diseño de controladores, que a iniciativa del Grupo de Ingeniería de Control de CEA se viene convocando anualmente. En este caso, el proceso elegido es una caldera industrial que consta de tres salidas o variables a controlar y que presenta acoplamientos entre ellas, Parte I. Memoria Página 2 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL principal dificultad del presente proyecto. En definitiva, se aborda el control de un proceso multivariable 3x3 no lineal y caracterizada por una gran interacción y fuertes restricciones en la magnitud y variación de las señales de control. Se partirá de tres controladores PID independientes para cada salida propuestos por el concurso y que funcionarán como referencia y comparativa de los controladores desarrollados. Para la comparativa se empleará un índice de calidad, concepto que se explicará en los siguientes capítulos. Por tanto, el objetivo principal será el de lograr un controlador que mejore sustancialmente, tanto en respuesta temporal como en estabilidad, el modelo de referencia basado en PID independientes. Para ello, se tratará de optimizar dichos controles y se hará uso de otras teorías de control más avanzadas como la predictiva. 1.3 Objetivos del proyecto De la motivación del proyecto se desprenden los siguientes objetivos: Estudio de los modelos suministrados por BENCHMARCK consistentes en una estrategia descentralizada de tres controladores PID que no contemplan los acoplamientos. Revisar y mejorar los modelos suministrados a través de un ajuste de los parámetros, atendiendo tanto a las características temporales como a la respuesta en frecuencia. En caso de que las interacciones entre los lazos sean fuertes, como es de prever, un modelo de control descentralizado como el suministrado puede no ser adecuado. Por ello, la optimización se efectuará considerando los acoplamientos. Parte I. Memoria Página 3 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Desarrollo de un control de tipo predictivo monovariable y otro multivariable. Dicho control ofrece unas mejores prestaciones que las que proporciona el control clásico PID aunque requiere un modelo detallado de la planta. Supone una alternativa más robusta y sofisticada respecto de los controles más tradicionales. Comparación de todos los modelos desarrollados con el fin de extraer conclusiones. 1.4 Metodología de trabajo y recursos a utilizar. De acuerdo a los objetivos expuestos anteriormente se va a proceder a estructurar el proyecto en tres fases claramente diferenciadas: Fase1: Estudio del funcionamiento de los sistemas de control suministrados y mejora de éstos. Dado que los controladores proporcionados no están bien ajustados puesto que tan sólo se emplean las acciones proporcional e integral prescindiendo de la derivativa se procederá en un primer momento a hacer un mejor uso de las tres acciones (P,I y D) así como de sus otros grados de libertad (filtro en la acción derivativa, estructuras PI-D,I-PD). Fase2: Diseño de un sistema de control más sofisticado: control predictivo Tras una primera fase en la que se analiza la estrategia más simple, se procede a estudiar el sistema predictivo tanto en versión monovariable como la multivariable (que considera los acoplamientos en su dinámica interna). Parte I. Memoria Página 4 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Fase3: Comparación de los resultados obtenidos con los distintos controladores. Una vez reunida toda la información necesaria se evaluarán todos los controladores de forma conjunta con el objetivo de identificar el más adecuado para el control de la caldera industrial. Para el desarrollo del proyecto se va a emplear el programa de cálculo Matlab y la librería Simulink. Las razones principales para su uso son su rapidez y facilidad de depuración, además de ser el programa elegido por el concurso de diseño de controladores BENCHMARK. 1.5 Estructura de la memoria La presente memoria se ha desarrollado según la estructura siguiente: En el segundo capítulo se presenta un estudio minucioso acerca de las características de la caldera industrial, sus requerimientos y requisitos de funcionamiento. Ante la necesidad de conocer el modelo matemático de la planta (caldera) para el diseño de los controles, en el capítulo tercero se procederá a la identificación de la dinámica de la misma obteniendo las funciones de transferencia correspondientes. En el capítulo cuarto, y partiendo de las funciones de transferencia antes citadas, se estudiarán los posibles diseños de los controles. A continuación se ajustarán para reducir el efecto que produce la perturbación (demanda) en las diferentes variables a controlar. Parte I. Memoria Página 5 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En el capítulo quinto se procederá a una discretización del mejor control obtenido hasta el momento ya que este paso es fundamental para su implementación como sistema digital en un microprocesador. En el capítulo sexto se estudiará el control predictivo en sus dos versiones, monovariable y multivariable, y su aplicación concreta al proceso. Por último en el capítulo séptimo se presentarán tanto los resultados finales del proyecto como las conclusiones. Parte I. Memoria Página 6 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 2 Descripción de la planta y del sistema de control. 2.1 Modelo de la caldera Como se explicó en el capítulo de introducción el proceso elegido es una caldera industrial, la cual se ha implementado en Simulink y que reproduce con pequeñas modificaciones el modelo de caldera propuesto por G.Pellegrinetti y J.Benstman en 1996 [2]. La caldera forma parte de una unidad de cogeneración usada para calefacción y generación de energía eléctrica diseñada para suministrar un caudal de vapor de 22.10 kg/s a una presión de 2.24MPa. Su funcionamiento se basa en la conversión en vapor del agua introducida en el calderín a partir de la transferencia de calor por los tubos. Esta energía se obtendrá a partir de la combustión de aire y combustible en el hogar, el cual está formado por tubos de agua que reciben directamente el calor de la llama consiguiendo la máxima transferencia de calor. Los gases resultantes de la combustión se enfrían y abandonan el depósito. El funcionamiento del ciclo se puede observar a través de la representación gráfica de la Figura 2.1. Parte I. Memoria Página 7 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 2.1 Planta industrial de generación de vapor Para un correcto funcionamiento de la caldera se debe de cumplir una serie de requerimientos básicos que se exponen a continuación: El vapor resultante del ciclo deberá mantenerse a unos niveles de presión y temperatura óptimos de tal forma que no se vean influenciados por las variaciones en la demanda de vapor. En el diseño del controlador se considerará que la temperatura se encuentra Parte I. Memoria Página 8 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL internamente regulada por lo que sólo habrá que atender al nivel de presión. La combustión deberá ser eficaz independientemente de la carga a la que esté sometida con el fin de cumplir con los estándares de seguridad, eficiencia energética y condiciones ambientales. Este objetivo se consigue fijando un porcentaje de oxígeno en exceso respecto de la combustión estequiométrica, siendo necesario que el sistema de control tenga una medida instantánea de dicha variable (exceso de oxígeno). Con el fin de evitar sobrecalentamientos indeseados en las piezas del calderín e inundaciones de las líneas de vapor será necesario tener una medida instantánea del nivel de agua en el calderín con el fin de mantener dicho nivel a un valor fijo y especificado. En resumen, el sistema de control presenta tres variables a controlar: presión de vapor, exceso de oxígeno y nivel del agua en el calderín. Para lograr este objetivo el control podrá actuar sobre otras tres variables (mandos): combustible, aire y agua. Las variaciones en la demanda de vapor se tomarán como una perturbación medible del sistema, que como es lógico no podrá ser manipulada. El esquema simplificado de la caldera se presenta en la Figura 2.2. Parte I. Memoria Página 9 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Combustible Entradas (mandos) Aire Oxígeno Perturbación Presión de vapor Exceso de oxígeno Variables a controlar (salidas) Nivel de agua Demanda de vapor Figura 2.2: Esquema simplificado de la caldera industrial. Las tres variables de entrada podrán ser manipuladas en un rango del 0% al 100%.Además el caudal de aire presenta una limitación en la velocidad de cambio, no pudiendo superar el valor de 1%/s. Sin embargo todas ellas están afectadas de ciertos retardos desconocidos. El modelo proporcionará información de sus tres variables de salida en % estando todas ellas afectadas por ruido para simular unas condiciones similares a una planta industrial. Debido a que el modelo de la caldera es no lineal se procederá a trabajar en su punto de trabajo habitual tal y como se recoge en la Tabla 2.1: Parte I. Memoria Página 10 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Entradas Salidas Combustible (0)=35.2% Presión de vapor(0)=60% Aire(0)=36.01% Exceso de oxígeno(0)=50% Agua(0)=57.57% Nivel de agua(0)=50% Demanda de vapor(0)=46.36% Tabla2.1: Puntos de operación de los mandos y salidas de la caldera. 2.2 Sistema de control PID de referencia Como se indicó en el capítulo introductorio se partirá del controlador de referencia propuesto por el concurso que consiste en tres PID descentralizados que se encargan independientemente de controlar cada una de las variables (presión de vapor, exceso de oxígeno y nivel de agua) y que están definidos a partir de los siguientes parámetros de la Tabla 2.2. Parte I. Memoria Página 11 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Controlador referencia 1 2.5 50 s Controlador referencia 2 0.1 20 s Controlador referencia 3 1.25 50 s Tabla 2.2: Parámetros de los controladores independientes de referencia. Como se puede observar en la Tabla 2.2 en los controladores de referencia tan sólo se emplean las acciones proporcional e integral prescindiendo de la derivativa presentando por ello un gran margen de mejora. 2.3 Resultados obtenidos con el controlador de referencia Con este primer controlador de referencia se hace trabajar a la caldera en el punto de operación inicial durante los 100 primeros segundos, estando únicamente sometida a las perturbaciones no medibles asociadas al ruido en las tres variables controladas y a la demanda de vapor. Se observa que las tres variables de salida están perfectamente reguladas moviéndose en unas bandas inferiores al 1%. En el instante t=100segundos se provoca un cambio brusco en forma de escalón en la demanda de vapor (perturbación medible) con un valor del 20%.Como consecuencia de este cambio se puede apreciar que las salidas recuperan sus respectivas consignas con oscilaciones y rapidez variable dependiendo del caso. Parte I. Memoria Página 12 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Se puede destacar que las salidas recuperan la consigna en un tiempo aproximado de 1900 segundos. La evolución de los caudales (mandos) es creciente y suave a excepción del caudal de agua que inicialmente responde en dirección contraria. Todos los resultados se encuentran recogidos en la Tabal 2.3. Salida1(presión vapor) Mando1 (combustible) Caudal de combustible (%) Presión de vapor y consigna (%) 90 60.5 Control referencia Control referencia Referencia (60%) 80 60 70 59.5 60 59 50 58.5 40 58 30 57.5 0 200 400 600 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Salida2(exceso oxígeno) 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Mando2 (aire) Caudal de aire (%) Oxígeno en exceso y consigna (%) 90 55 Control referencia Control referencia Referencia(50%) 80 50 70 45 60 40 50 35 30 40 0 200 400 600 Parte I. Memoria 800 1000 1200 1400 Tiempo (sg) 1600 1800 2000 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Página 13 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida3 (nivel de agua) Mando3 (agua) Caudal de agua de alimentación (%) Nivel en el calderín y consigna (%) 90 54 control referencia Control referencia Referencia(50%) 53 85 52 80 51 75 50 70 49 65 48 60 47 55 46 50 45 45 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Tabla 2.3 Resultados obtenidos con los controladores referencia ante un escalón en demanda de vapor del 20%. Este modelo expuesto así como sus resultados va a suponer el punto de partida y la referencia para verificar si los controles que se desarrollarán son más adecuados o no. 2.4 Índice de calidad. Comparativa con el caso de referencia Para comprobar si los controles diseñados ofrecen mejores prestaciones que el control referencia será imprescindible el uso de un índice de calidad que muestre las mejorías de una forma cuantitativa. El índice de calidad que será utilizado en el presente proyecto se rige por la siguiente expresión: [Ec.2.1] Parte I. Memoria Página 14 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Donde (t)- es el error de la i-ésima variable controlada (error a la salida), es la i-ésima variable manipulada (mando), tfinal es la duración de la simulación y tcambio es el instante de tiempo en el que se ha provocado el correspondiente cambio. El error introducido por la integral del valor absoluto de la derivada del mando vendrá ponderado por el coeficiente w en una escala de 0 a 1, lo cual condicionará mucho el diseño cuando se tomen valores altos de w. El cálculo del índice de calidad J se va a realizar de una forma relativa respecto del control de referencia propuesto (Jcontrol_referencia/Jcontrol_propuesto) según los distintos pesos del coeficiente w. Por tanto a medida que el índice J sea más pequeño el control será mejor. Parte I. Memoria Página 15 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 3 Modelado de la planta para el diseño de controles En primer lugar y antes de empezar a desarrollar los controles es necesario identificar las funciones de transferencia del sistema. Puesto que no se dispone de una caldera industrial de estas características resulta imposible realizar ensayos por lo que para realizar la identificación de la planta tendremos que recurrir a la simulación de ésta a parir del modelo de Simulink proporcionado. De esta forma y partiendo del modelo de Simulink se va a proceder a introducir un escalón en cada una de las variables de entrada( combustible, aire y agua) sobre sus respectivos puntos de trabajo registrando las salidas obtenidas en el sistema (presión de vapor, exceso de oxígeno y nivel de agua). Una vez registrada se podrá obtener la relación entrada-salida (función de transferencia) a través de un proceso de ajuste. Es importante indicar que la salida obtenida tendrá que estar comprendida entorno al 10% aproximadamente ya que para que el ajuste sea válido tenemos que movernos en puntos cercanos al punto de trabajo. Por ello la amplitud del escalón introducido variará en cada caso. También será necesario considerar la amplitud del ruido a la salida que en ningún caso podrá alterar significativamente la salida medida. Parte I. Memoria Página 16 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 3.1 Procedimiento de identificación. El proceso de ajuste desarrollado está basado en la optimización a partir del algoritmo de Gauss-Newton. Se parte de unos parámetros aproximados de la planta de tal forma que la diferencia entre la salida obtenida con estos parámetros y la ensayada (error) es integrada y posteriormente optimizada con el algoritmo reajustando los parámetros. La complejidad de la expresión de la planta se incrementará gradualmente hasta conseguir el ajuste óptimo. Por ejemplo se partirá de un primer orden para ir añadiéndole polos y ceros. El procedimiento a seguir se puede observar en el esquema de la Figura 3.1. Planta Error Optimización GaussNewton Figura 3.1: Representación proceso de ajuste. Parte I. Memoria Página 17 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Es importante puntualizar que cuando se indica en la figura 1.2 la entrada y salida del ensayo en realidad se refiere a la entrada y salida obtenida como resultado de la simulación puesto que no tenemos una caldera para realizar el ensayo. 3.2 Resultados obtenidos 3.2.1 Diagonal principal G11(s): Combustible-Presión de vapor La entrada introducida será un escalón desde el punto de trabajo (35.2) hasta 70. La salida obtenida con su respectivo ajuste será la presentada en la Figura 3.2. Parte I. Memoria Página 18 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) Amplitud(%) INGENIERO INDUSTRIAL Tiempo (seg.) Figura 3.2: Salida con ajuste del término G11(s) Función de transferencia: Parte I. Memoria Página 19 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL G22(s): Aire-exceso de oxígeno: La entrada introducida será un escalón desde el punto de trabajo (36) hasta 38. En este caso la amplitud del escalón es mucho menor que en el primer caso (g11) con el fin de obtener una salida entorno al 10%.Como el ruido obtenido a la salida es grande y alteraba la señal se ha optado por llegar al 12%. La salida obtenida con su respectivo ajuste será la presentada en la Figura Amplitud(%) 3.3. Tiempo (seg.) Figura 3.3: Salida con ajuste del término G22(s) Parte I. Memoria Página 20 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Función de transferencia: G33(s) :Agua-Nivel de agua En este caso cuando se introduce un escalón la salida diverge y crece indefinidamente lo que hace necesario realimentar en lazo cerrado para medir de forma adecuada la salida. Se introduce un escalón desde el punto de trabajo (57.57%) hasta 65% y se realimenta con un control proporcional con Kp=2.Como es lógico la función de transferencia de la planta presentará necesariamente un polo en s=0 debido a la divergencia ya comentada. La salida obtenida con su respectivo ajuste se presenta en la Figura 3.4. Parte I. Memoria Página 21 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) Amplitud(%) INGENIERO INDUSTRIAL Tiempo (seg.) Figura 3.4: Salida con ajuste del término G33(s) Función de transferencia: Parte I. Memoria Página 22 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 3.2.2 Términos cruzados: G13(s): Agua-Presión de vapor: Este término de la matriz de funciones de transferencia la obtenemos introduciendo en la entrada 3(agua) un escalón desde el punto de trabajo Uo(3)(57.57%) hasta 90% .La salida registrada(presión de vapor) con su Amplitud(%) ajuste se presenta en la Figura 3.5. Tiempo (seg.) Figura 3.5: Salida y ajuste del término cruzado G13(s) Parte I. Memoria Página 23 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Función de transferencia: G21(s): Combustible-Exceso de oxígeno Como en el resto de casos se introduce un escalón desde 35.2% (punto de trabajo) hasta 36.5% obteniendo la salida y ajustes óptimos de la Figura 3.6. Amplitud(%) Salida con ajuste: Tiempo (seg.) Figura 3.6: Salida y ajuste del término cruzado G21(s) Parte I. Memoria Página 24 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Se puede observar en la Figura 3.6 que el ruido obtenido es significativamente mayor que en otros casos con un escalón de entrada mayor. Sin embargo, resulta inevitable si no queremos obtener una salida fuera del rango del 10% comentado anteriormente. Función de transferencia G31(s): Combustible-Nivel de agua Como ha ocurrido anteriormente el sistema diverge si se introduce un escalón siendo necesaria la realimentación en lazo cerrado. Se introduce un escalón en la referencia desde 35.21% (punto de trabajo) hasta 50% y se realimenta con un control proporcional de Kp=8 según se observa en el esquema de la Figura 3.7. Parte I. Memoria Página 25 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 3.7: Esquema Simulink G31(s) Para el ajuste de parámetros del término G31(s) será necesario restarle, haciendo uso de la función de transferencia G33(s) anteriormente calculada, el efecto que producirá la entrada en el mando (agua) en la salida (nivel de agua) puesto que se está obteniendo la relación entre combustible-nivel de agua. Este procedimiento se puede ver en la siguiente Figura 3.8: Parte I. Memoria Página 26 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Resta del término agua-nivel de agua. Figura 3.8: Esquema en Simulink del detalle del ajuste. Parte I. Memoria Página 27 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Amplitud(%) La salida (nivel de agua) y su ajuste es la presentada en la Figura 3.9. Tiempo (seg.) Figura 3.9: Salida y ajuste del término cruzado G31(s). Función de transferencia: Parte I. Memoria Página 28 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL El resto de funciones de transferencia entre las variables cruzadas son nulas por lo que a modo de resumen podemos sacar las siguientes conclusiones: 1. El caudal de aire sólo influye en el exceso de oxígeno en los gases. 2. El exceso de oxígeno sólo está afectado por los caudales de combustible y aire, y más concretamente por su proporción. 3. El nivel en el calderín tiene carácter integrador para los dos caudales que le afectan (combustible y agua), como se ha explicado en el cálculo de las funciones G31(s) y G33(s). 4. La presión de vapor presenta un comportamiento estable para los dos caudales que le afectan (combustible y agua). Este análisis permite postular un modelo lineal en el punto de operación descrito por la siguiente ecuación matricial (Ec.3.1) entre las funciones de entrada de las entradas y de las salidas: (Ec.3.1) A continuación se muestra una tabla con todas las funciones de transferencia calculadas en los apartados anteriores: Parte I. Memoria Página 29 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Tabla funciones de transferencia Salida 1 (presión de vapor) Salida 2 (exceso oxígeno) Salida3 (nivel de agua) Entrada 1 (combustible) G11= G12= G13= Entrada 2 (aire) Entrada 3 0 0 G22= 0 G33= (agua) Parte I. Memoria Página 30 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 4 Optimización del control multivariable PID Una vez realizada la identificación de la planta que caracteriza la caldera industrial se procede en un primer momento, al diseño de unos controladores PID a partir de la respuesta en frecuencia. Este primer diseño se realiza con la función de servir de estimación y de punto de partida para una posterior optimización, ya que a priori este modelo inicial no cumplirá con las exigencias de rapidez y sobrepaso necesarias para mejorar el controlador de referencia. Para la optimización de empleará de nuevo un programa basado en el algoritmo de Gauss-Newton. Se comprobarán los márgenes de estabilidad tras cada ajuste ya que no interesa un sistema muy rápido y con buenas características de respuesta si en algún momento se pudiera volver inestable. Por tanto y al no tiene ninguna aplicación práctica se tratarán de evitar márgenes de estabilidad estrechos. Parte I. Memoria Página 31 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4.1 Determinación inicial de los controles PID. Diseño por respuesta en frecuencia. Con las funciones de transferencia de la diagonal principal y cruzadas se procede al diseño por respuesta en frecuencia de los controles PID descentralizados para, posteriormente, reajustar y optimizar la respuesta considerando el efecto de los acoplamientos entre las variables a controlar. Las condiciones de las que se parte para el diseño en frecuencia de los controles PID son las expuestas a continuación: Margen de fase = 50º Ángulo de retraso del PI (positivo)= 5º Factor de filtrado=0.1 Con el objetivo de partir de un control que proporcione una respuesta lo más rápida posible antes del ajuste se tomará el máximo ángulo de adelanto posible para el valor del factor de filtrado fijado (0.1) que se determina según la siguiente expresión: Por tanto: Para el diseño inicial de los controles se establecerá como condición que el mando tome un valor moderado, nunca superior al 100%, ante un escalón en la referencia del 6%. Parte I. Memoria Página 32 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Diseño función de transferencia C1(s): La función de transferencia de la que se parte es la siguiente: Atendiendo a las condiciones de diseño del control PID mostrado anteriormente se procede a determinar los parámetros del formato serie cuya expresión y esquema se muestra en (I). Puesto que en la implantación de los controles se va a emplear la versión en paralelo de los controles PID es necesario establecer la equivalencia serieparalelo para su correcta utilización. La expresión y esquema del formato paralelo se presenta en (II). referencia mando salida Parte I. Memoria Página 33 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL referencia mando salida Para la función de transferencia dada se muestran a continuación los parámetros correspondientes tanto para el formato serie como para el paralelo equivalente. Parámetros del formato serie: Frecuencia de corte: w0 =0.0292 rad/s Parámetro del PI: I = 0.1034 Parámetro del PD D=0.0282 Ganancia K =0.0122 Parte I. Memoria Página 34 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Parámetros del formato paralelo: Ganancia Kp=0.0152 Parámetro del PI Ti=0.1288 Parámetro del PD Td=0.0198 N=7.0309 Una vez determinados los parámetros se verifica el correcto funcionamiento con las respuestas de mando y salida ante un escalón del 6% en la referencia tal como se muestra en las Figuras 4.1 y 4.2. Figura 4.1: Mando ante escalón en referencia del 6% en control 1 Parte I. Memoria Página 35 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 7 6 Amplitud(%) 5 4 3 2 1 0 200 250 300 350 400 450 500 550 Tiempo(seg.) Figura 4.2: Salida ante escalón en referencia del 6% en control1 El mando se encuentra acotado al 30%, por lo tanto cumple con el requisito de diseño de no superar el 100%. Diseño función de transferencia C2(s): La función de transferencia de la que se parte es la siguiente: Con dicha función y las condiciones de diseño expuestas anteriormente se obtienen los siguientes parámetros del control serie y paralelo equivalente: Parte I. Memoria Página 36 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Parámetros del formato serie Frecuencia de corte: w0 =0.0901 rad/s Parámetro del PI: I = 3.0396 Parámetro del PD D=0.8281 Ganancia K =0.0491 Parámetros del formato paralelo: Ganancia Kp=0.0612 Parámetro del PI Ti=3.7849 Parámetro del PD Td=0.5822 N=7.0309 De nuevo en las Figuras 4.3 y 4.4 la comprobación del mando y de la salida ante escalón en referencia del 6%. 1.2 1 Amplitud(%) 0.8 0.6 0.4 0.2 0 180 200 220 240 260 280 300 320 340 360 Tiempo(seg.) Figura 4.3: Mando ante escalón en referencia del 6% en control 2 Parte I. Memoria Página 37 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 7 6 Amplitud(%) 5 4 3 2 1 0 200 250 300 350 Tiempo(seg.) Figura 4.4: Salida ante escalón en referencia del 6% en control 2 Diseño función de transferencia C3(s): La función de transferencia de la que se parte es la siguiente: A continuación los parámetros del control en formato serie y paralelo equivalente: Parte I. Memoria Página 38 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Parámetros del formato serie: 1. Frecuencia de corte: w0= 0.00902 rad/s 2. Parámetro del PI: I = 110.9503 3. Parámetro del PD D=30.2262 4. Ganancia K =0.6072 Parámetros del formato paralelo: 1. Ganancia Kp=0.7561 2. Parámetro del PI Ti=138.1592 3. Parámetro del PD Td=21.2520 4. N=7.0309 En las figuras 4.5 y 4.6 la comprobación del mando y salida ante escalón del 6% en referencia como en los dos casos anteriores. Parte I. Memoria Página 39 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 35 30 Amplitud(%) 25 20 15 10 5 0 200 250 300 350 400 450 Tiempo(seg.) Figura 4.5: Mando ante escalón en referencia del 6% en control 3 8 7 6 Amplitud(%) 5 4 3 2 1 0 -1 0 500 1000 1500 Tiempo(seg.) Figura 4.6: Salida ante escalón en referencia del 6% en control 3 Parte I. Memoria Página 40 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL De forma resumida se pueden comprobar los distintos parámetros finales de diseño en la Tabla 4.1: G11(S) G22(s) G33(s) Parámetros serie Parámetros paralelo w0 =0.0292 rad/s Kp=0.0152 I = 0.1034 Ti=0.1288 D =0.0282 Td=0.0198 K = 0.0122 N=7.0309 w0 =0.0901 rad/s K=0.0612 I = 3.0396 Ti=3.7849 D=0.8281 Td=0.5822 K=0.0491 N=7.0309 w0= 0.00902 rad/s K=0.7561 I= 110.9503 Ti=138.1592 D =30.2262 Td=21.2520 K =0.6072 N=7.0309 Tabla 4.1: Resumen de los parámetros iniciales de diseño en frecuencia para los tres controles. Parte I. Memoria Página 41 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4.2 Optimización de los parámetros de los controles: A partir de los diseños iniciales de los controles se va a proceder a optimizarlos teniendo en cuenta su respuesta ante un escalón en la perturbación (demanda). El objetivo principal de este reajuste será el de mejorar el índice de calidad del control de referencia propuesto por el Grupo de Ingeniería de Control de CEA, compuesto como ya se ha visto por tres controladores PI descentralizados. A continuación y a modo de recordatorio se indica la expresión del índice de calidad: El proceso de optimización que se va a emplear en este apartado es el mismo que el utilizado en el ajuste de los parámetros de identificación de la planta realizado anteriormente. Como se indicó, dicha optimización está basada en el algoritmo de Gauss-Newton. El archivo “ajuste.m” que contiene dicho algoritmo se puede encontrar en el apartado de anexos de este proyecto. Teniendo en cuenta estos condicionantes se va a proceder en primer lugar a optimizar los controles de una forma descentralizada para obtener una primera aproximación y ver si es considerable el efecto de las funciones de transferencia cruzadas. Para el ajuste se deja fijo N=7.0309 y los demás parámetros variables siendo el esquema de ajuste del modelo descentralizado el mostrado en la Figura 4.7. Parte I. Memoria Página 42 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 4.7: Esquema de ajuste de parámetros en Simulink. Como puede advertirse en el esquema de la Figura 4.7, se suma el valor del punto de trabajo en el mando con el objetivo de eliminar en el ajuste el transitorio inicial al que tiende el sistema. Gracias a ello se consigue que el sistema arranque siempre en su punto de trabajo con lo que de aquí en adelante todas las gráficas se obtendrán aplicando esta operación. Parte I. Memoria Página 43 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4.3 Resultados 4.3.1 Resultados del primer ajuste de los controles de forma descentralizada. Los resultados obtenidos después de un primer ajuste sin tener en cuenta los efectos de los acoplamientos se recogen en la Tabla 4.2: Salida1(presión vapor) Mando1 (combustible) Salida2(exceso oxígeno) Mando2 (aire) Parte I. Memoria Página 44 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida3 (nivel de agua) Mando3 (agua) Tabla 4.2: Gráficas de mandos y salidas del primer ajuste de parámetros El índice de calidad J calculado es 0.4094 para w=0.Sin embargo para w=1(máximo peso para las desviaciones del mando) se obtiene J=29.53. De los gráficos y de los índices obtenidos se pueden sacar las conclusiones expuestas a continuación: A. En primer lugar se observa, como era de prever, una clara influencia del mando1 en las salidas 2 y 3 así como del mando 3 sobre la salida1. Estas influencias empeoran en gran medida el índice de calidad. B. En segundo lugar el efecto del control del PD afecta negativamente al índice J para valores de w altos puesto que al optimizar la acción diferencial logra una respuesta en la salida mejor pero a costa de una reacción de los mandos rápida en exceso provocando mucho ruido. Claro de ejemplo de ello es el valor que toma J (29.53) cuando se pondera con w=1 el efecto de las Parte I. Memoria Página 45 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL desviaciones del mando. Este valor de J resulta inadmisible para los objetivos marcados. Por las razones comentadas se procede a optimizar los parámetros en un segundo ajuste teniendo en cuenta el efecto de las variables cruzadas además de controlar en mayor medida el efecto de la parte diferencial. Como en este primer ajuste se va a dejar fijo N=7.0309 y variables el resto de parámetros siendo el esquema seguido el de la Figura 4.8. Figura 4.8: Esquema en Simulink para realizar el segundo ajuste Parte I. Memoria Página 46 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En el esquema de la Figura 4.8 se muestra como se introducen los tres controles, dos de ellos con los parámetros (Kp, Td, Ti, N) fijos y el otro con los parámetros variables a excepción, como ya se ha comentado, de N que tiene el valor de 7.0309. Se buscará que en la iteración las tres salidas tiendan a cero de forma conjunta. En primer lugar se ajusta el control de la salida1 por ser el que más afecta al resto de salidas, seguido del control 3 para terminar con el control 2. 4.3.2 Resultados segundo ajuste de los controles teniendo en cuenta la influencia de las variables cruzadas. En este segundo ajuste se obtiene una mejora del índice J pero sin alcanzar los niveles requeridos. Sin embargo se puede extraer una conclusión muy importante: El coeficiente correspondiente al PD (Td) de los tres controladores teniendo en cuenta los efectos cruzados tiende a un valor muy pequeño con lo que se indica que el efecto de dicho control diferencial tiene que ser muy reducido para alcanzar unos niveles de calidad altos. Por ello y partiendo de los parámetros obtenidos en este segundo ajuste se procede a ajustar el parámetro N que antes estaba fijo. Como era de esperar este también se hace muy pequeño dando como resultado Td=7.3880e-2 y N=2.4638e-3 . En conclusión, los valores tan pequeños de Td y N que se han obtenido indican claramente que se debe de prescindir de la parte diferencial si se quiere mejorar el índice de calidad. Esto es debido a que el efecto diferencial afecta principalmente de manera negativa al mando ya que un exceso de rapidez en la salida se traduce en más oscilaciones y valor más alto en el mando, lo que se comprueba al ponderar con el coeficiente w el índice de calidad. Puesto que el mando tiene una gran importancia ya que supone un coste económico alto se ha preferido eliminar el efecto diferencial. Parte I. Memoria Página 47 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Consecuencia de ello, se va a realizar un tercer y último ajuste en el que solo se tendrá en cuenta la optimización de la parte proporcional-integral. De esta forma Td y N tomarán valor nulo, es decir, no hay acción diferencial. 4.3.3 Resultados tercer ajuste sin acción diferencial. Empleando el modelo Simulink del segundo ajuste resultan los siguientes parámetros finales en el formato [Kp,Ti,] para cada uno de los tres controladores: PID1: [6.64e-1 4.52 ] PID2: [2.3417e-1 4.2563] PID3: [2.9 29] Los resultados obtenidos en comparación con los casos de referencia y las expresiones de los controles finales se recogen en la Tabla 4.4.En la Tabla 4.3 las funciones de transferencia de los controles referencia y los controles a evaluar. C1(s) C2(s) C3(s) Caso referencia Caso a evaluar Tabla 4.3: Funciones de transferencia de los controles referencia y los que se procede a evaluar. Parte I. Memoria Página 48 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 1( Presión de vapor) Mando 1(Combustible) Salida 2 (Exceso de oxígeno) Mando 2( Aire) Parte I. Memoria Página 49 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 3 (Nivel de agua) Mando 3(Agua) Tabla 4.4: Gráficas de mandos y salidas resultantes del tercer ajuste. Los índices de calidad J resultantes de éste último ajuste alcanzan claramente los objetivos propuestos siendo mejor para cualquier valor del coeficiente w, como se muestra en la tabla 4.5. w 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 J 0.2614 0.3379 0.4075 0.4710 0.5292 0.5828 0.6322 0.6780 0.7206 0.761 0.79 Tabla 4.5: Índices de calidad J en función de w para el tercer ajuste. Como se observa en las gráficas, las salidas 2 y 3 presentan oscilaciones (poco amortiguamiento) que podría ser indicativo de unos márgenes de estabilidad un poco pequeños, además de las complicaciones que pueda presentar en la respuesta temporal. Para salir de dudas se muestran los gráficos de Nichols de los tres controladores en lazo abierto en las Figuras 4.9, 4.10 y 4.11 mostradas a continuación: Parte I. Memoria Página 50 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL System: caso_evaluar1 Phase Margin (deg): 50.7 Delay Margin (sec): 25.1 Nichols Chart At frequency (rad/sec): 0.0353 Closed Loop Stable? Yes 0 System: referencia1 Phase Margin (deg): 110 Delay Margin (sec): 100 At frequency (rad/sec): 0.0192 Closed Loop Stable? Yes caso_evaluar1 referencia1 -5 -10 Open-Loop Gain (dB) -15 -20 -25 -30 System: caso_evaluar1 Gain Margin (dB): 30.7 At frequency (rad/sec): 0.229 Closed Loop Stable? Yes -35 -40 -45 -50 -180 -135 Open-Loop Phase (deg) -90 Nichols Chart 0 caso_evaluar1 referencia1 -5 -10 Open-Loop Gain (dB) -15 -20 -25 -30 -35 -40 -45 -50 -180 -135 Open-Loop Phase (deg) -90 Figura 4.9: Nichols en lazo abierto del control1 Parte I. Memoria Página 51 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Nichols Chart 20 System: caso_evaluar2 Phase Margin (deg): 13.3 Delay Margin (sec): 1.22 At frequency (rad/sec): 0.19 Closed Loop Stable? Yes 10 System: caso_evaluar2 Gain Margin 0 (dB): 10.4 At frequency (rad/sec): 0.322 Closed Loop Stable? Yes caso_evaluar2 referencia2 System: referencia2 Phase Margin (deg): 104 Delay Margin (sec): 48.7 At frequency (rad/sec): 0.0371 Closed Loop Stable? Yes Open-Loop Gain (dB) -10 -20 -30 -40 -50 -60 System: referencia2 Gain Margin (dB): 59.9 At frequency (rad/sec): 3.3 Closed Loop Stable? Yes -70 -80 -180 -135 Open-Loop Phase (deg) -90 Nichols Chart System: x Phase Margin (deg): 13.3 Delay Margin (sec): 1.22 At frequency (rad/sec): 0.19 Closed Loop Stable? Yes 5 Open-Loop Gain (dB) 0 -5 System: x Gain Margin (dB): 10.4 At frequency (rad/sec): 0.322 Closed Loop Stable? Yes -10 -15 -20 -182 -180 -178 -176 -174 -172 Open-Loop Phase (deg) -170 -168 -166 Figura 4.10: Nichols en lazo abierto del control2 Parte I. Memoria Página 52 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Nichols Chart caso_evaluar3 referencia3 15 10 System: caso_evaluar3 Phase Margin (deg): 12.4 Delay Margin (sec): 5.48 At frequency (rad/sec): 0.0396 Closed Loop Stable? Yes Open-Loop Gain (dB) 5 0 -5 System: caso_evaluar3 Gain Margin (dB): 6.19 At frequency (rad/sec): 0.0712 Closed Loop Stable? Yes System: referencia3 Phase Margin (deg): 25.6 Delay Margin (sec): 24.1 At frequency (rad/sec): 0.0185 Closed Loop Stable? Yes System: referencia3 Gain Margin (dB): 15.7 At frequency (rad/sec): 0.0867 Closed Loop Stable? Yes -10 -15 -20 -25 180 210 Open-Loop Phase (deg) Figura 4.11: Nichols en lazo abierto del control3 Como era de esperar las oscilaciones presentes en las salidas 2 y 3 son causadas por un margen de fase pequeño como puede comprobarse en las Figuras 4.9, 4.10 y 4.11.En general los márgenes han empeorado por el ajuste en comparación con el caso referencia. Obsérvese que incluso el margen de fase del controlador 3 de referencia es pequeño. Sin embargo, el margen de ganancia es suficiente en todos los casos. En consecuencia, este margen de fase es insuficiente para garantizar un mínimo nivel de seguridad en el control por lo que es necesario realizar un cuarto ajuste que mejore el margen a pesar de que empeore el índice de calidad. De nuevo se realizará sin acción diferencial. Parte I. Memoria Página 53 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4.3.4 Resultados cuarto ajuste con más amortiguamiento: Con este cuarto ajuste se va a pretender alcanzar un margen de fase mínimo de 40º optimizando el índice de calidad en la medida de lo posible. El mejor ajuste alcanzado es el siguiente: PID1: [6.65e-1 4.52 7.3880e-2 2.4638e-3] PID2: [2.35e-1 8.5 7.3880e-2 2.4638e-3] PID3: [2.5 80 7.3831e-2 2.4638e-3] Sus salidas y mandos así como el índice de calidad se presentan en las Tablas 4.6 y 4.7. Salida 1( Presión de vapor) Mando 1(Combustible) Presión de vapor y consigna (%) Caudal de combustible (%) 60.5 90 Caso referencia Caso a evaluar Caso referencia Caso a evaluar 60 80 59.5 70 59 60 58.5 50 58 57.5 40 0 200 400 600 Parte I. Memoria 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Página 54 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 2 (Exceso de oxígeno) Mando 2 (Aire) Oxígeno en exceso y consigna (%) Caudal de aire (%) 55 100 Caso referencia Caso a evaluar Caso referencia Caso a evaluar 90 50 80 45 70 60 40 50 35 40 30 0 200 400 600 30 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 0 200 Salida 3 (Nivel de agua) 400 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Mando 3 (Agua) Caudal de agua de alimentación (%) Nivel en el calderín y consigna (%) 90 54 Caso referencia Caso a evaluar 53 80 51 75 50 70 49 65 48 60 47 55 46 50 45 0 200 400 600 Caso referencia Caso a evaluar 85 52 45 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Tabla 4.6: Gráficas de mando y salida para ajuste con amortiguamiento. w 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 J 0.4443 0.5061 0.5624 0.6137 0.6608 0.7041 0.7441 0.7811 0.8154 0.8474 0.8773 Tabla 4.7: Índices de calidad J en función de w para ajuste con amortiguamiento. Parte I. Memoria Página 55 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Se observa que los índices son ligeramente peores respecto de los ajustes anteriores. Sin embargo, la estabilidad del sistema debe ser prioritaria al nivel de calidad alcanzado. Las respuestas en frecuencia del lazo abierto se recogen individualmente para cada control en las Figuras 4.12, 4.13, 4.14. En la Figura 4.15 las respuestas de todos los controles de forma conjunta respecto de los modelos de referencia. Los valores de interés de las mismas se recogen en la Tabla 4.8. Controlador 1 Nichols Chart 10 Open-Loop Gain (dB) 0 System: caso_evaluar1 Phase Margin (deg): 50.7 Delay Margin (sec): 25.1 At frequency (rad/sec): 0.0353 Closed Loop Stable? Yes -10 -20 System: caso_evaluar1 Gain Margin (dB): 30.7 At frequency (rad/sec): 0.229 Closed Loop Stable? Yes -30 -40 -180 -150 Open-Loop Phase (deg) -120 Figura 4.12: Nichols en lazo abierto controlador 1 Parte I. Memoria Página 56 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Controlador 2 Nichols Chart 20 10 Open-Loop Gain (dB) 0 System: caso_evaluar2 Phase Margin (deg): 40.5 Delay Margin (sec): 4.41 At frequency (rad/sec): 0.16 Closed Loop Stable? Yes -10 -20 -30 System: caso_evaluar2 Gain Margin (dB): 47 -40 At frequency (rad/sec): 2.41 Closed Loop Stable? Yes -50 -60 -70 -80 -180 -150 Open-Loop Phase (deg) -120 Figura 4.13: Nichols en lazo abierto controlador 2 Controlador 3 Nichols Chart 10 System: caso_evaluar3 Phase Margin (deg): 40 Delay Margin (sec): 25.1 At frequency (rad/sec): 0.0278 Closed Loop Stable? Yes 5 Open-Loop Gain (dB) 0 -5 -10 System: caso_evaluar3 Gain Margin (dB): 10.4 -15 At frequency (rad/sec): 0.0934 Closed Loop Stable? Yes -20 -25 -30 180 210 Open-Loop Phase (deg) Figura 4.14: Nichols en lazo abierto controlador 3 Parte I. Memoria Página 57 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Nichols Chart 10 0 Open-Loop Gain (dB) -10 referencia1 referencia2 referencia3 caso_evaluar1 caso_evaluar2 caso_evaluar3 -20 -30 -40 -50 -60 -70 -80 -180 -135 Open-Loop Phase (deg) -90 Figura 4.15: Comparativa de los Nichols en lazo abierto finales con el caso referencia. Parte I. Memoria Página 58 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Margen Referencia Caso a Referencia Caso a Referencia Caso a 1 evaluar1 2 evaluar2 3 evaluar3 110 50.7 104 40.5 24.1 40 No corta 30.7 59.3 47 15.7 10.4 de fase Margen de ganancia Tabla 4.8: Datos característicos de la respuesta en frecuencia de los controles optimizados y del modelo referencia. En el tercer control el modelo referencia presentaba un margen de fase muy pequeño, que gracias al nuevo ajuste se ha establecido en 40º.A consecuencia de ello se ha rebajado el margen de fase respecto del modelo referencia en los controles 1 y 2. 4.3.5 Conclusiones Primer y segundo ajuste: los resultados obtenidos indican una clara influencia de las mandos 1 y 3.No es posible un ajuste descentralizado. Tercer ajuste: Necesidad de eliminación de la acción diferencial ya que un exceso de rapidez en el mando empeora el índice de calidad. Cuarto ajuste: oscilaciones en la salida son causados por márgenes de estabilidad demasiado estrechos. Hay que ajustar teniendo en cuenta los márgenes de ganancia y fase aunque sea en Parte I. Memoria Página 59 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL perjuicio del índice de calidad para asegurar un margen de seguridad adecuado. El aumento de margen de fase en el control 3 ha provocado que para mantener el índice de calidad en buenas condiciones haya sido necesario reducir el margen de fase en los controles 2 y 3 ya que la entrada 3 tiene una incidencia significativa sobre la 1. El control final obtenido en el ajuste 4 es el que se procederá a discretizar. Parte I. Memoria Página 60 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 5 Discretización 5.1 Introducción a la discretización y resultados. Para la implementación de los controles diseñados en un sistema real es preciso proceder a una discretización de los mismos. El proceso de control se encuentra normalmente integrado en un microprocesador el cual actúa sobre el mando a partir de la comparación entre la señal muestreada de la salida de la planta analógica y de la referencia. Al mando discreto resultante a la salida del control se le aplica un retenedor de orden cero que se encarga de mantener la salida constante entre instantes de muestreo cuya transformada de Laplace es la función de transferencia siguiente: [Ec.5.1] El proceso de discretización se ilustra en la figura siguiente (Figura 5.1) a través sistema mixto que emplea la planta analógica, el control PID digital y el conjunto muestreador-retenedor. Dicho esquema es empleado para realizar la simulación de la respuesta temporal de un sistema de control ya que refleja fielmente la respuesta que se obtendrá en el ensayo real. Parte I. Memoria Página 61 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Planta analógica Parte digital Figura 5.1: Esquema proceso de discretización. Un aspecto importante en la discretización de un sistema de control es la selección del periodo de muestreo, la cual implica considerar temas muy variados: especificaciones del sistema de control, hardware disponible, precio del mismo, coste de desarrollo del software, etc. En este proyecto entre los requisitos de diseño del concurso se establece como periodo de muestreo Ts=0.2 seg. El sistema del muestreador y el retendedor de orden cero introducen un retardo de la mitad del periodo de muestreo (Ts/2), lo cual puede condicionar el diseño de los controles de la caldera y en el caso de que dicho retraso tuviese una significativa influencia habría que rediseñar y optimizar de nuevo los controles calculados teniendo en cuenta el retraso a la hora de diseñar el control a partir de la planta. Parte I. Memoria Página 62 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Para ver el nivel de influencia del retardo se establece una relación entre el periodo de muestreo con la rapidez del sistema según la expresión 2 lo que permite clasificar los tiempos de muestreo en pequeños, medianos y grandes de la forma en que se recoge en la Tabla 5.1 [3]. [Ec.5.2] Periodo de Grande Mediano Pequeño muestreo 2 1 0.5 0.2 0.1 57.3 28.6 14.3 5.7 2.9 Tabla 5.1: Tiempos de muestreo y retraso correspondiente. En el caso de que el tiempo de muestreo del presente trabajo quede encuadrado dentro de los tiempos considerados pequeños no sería necesario rediseñar los controles sino que directamente se transformarían las funciones de transferencia de los controles del dominio en s al dominio en z, siendo en este caso válido el diseño a partir del modelo continuo o analógico. En el caso de obtener periodos medianos o grandes habría que diseñar con alguno de los dos modelos siguientes según convenga: Modelo analógico modificado: Aproxima el efecto de muestreo y retención con un retardo de ts/2. Es válido para ts pequeños y medianos. Modelo digital: Se emplea para el diseño el modelo discretizado de la planta. Es válido para cualquier tiempo de muestreo. Por su Parte I. Memoria Página 63 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL mayor complejidad se suele emplear especialmente para periodos de muestreo grandes. Hay que tener en cuenta que dicho diseño a partir del modelo continuo es una aproximación por lo cual el margen de fase quedará retrasado según el valor correspondiente de la Tabla , hecho que se comprobará posteriormente a mediante los correspondientes gráficos de Nichols. A continuación se comprobará la clasificación según la velocidad del sistema atendiendo a la w de cruce obtenida en los diseños de los controles PID. PID1 PID2 PID3 =0.007 =0.032 =0.005 Por suerte los tiempos de muestreo han quedado dentro de los denominados pequeños por lo que se comprueba que el diseño a partir del modelo continuo es válido y se procede directamente a la discretización. Para ello se tienen diversas opciones pero en este proyecto se va a optar por usar las denominadas transformaciones racionales que se caracterizan por poder traducirse fácilmente en algoritmo. Se usarán dos: derivada en adelanto (Ec.5.3) y transformación trapezoidal (Ec.5.4). Parte I. Memoria Página 64 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En la siguiente Tabla 5.2 se recogen las expresiones discretizadas de los controles obtenidos en el cuarto ajuste con más amortiguamiento con los dos métodos mencionados. C1(z) C2(z) C3(z) Control analógico Derivada en adelanto Integración trapezoidal Tabla 5.2: Funciones de transferencia discretizadas. Con los controles discretizados y el control original se procede al análisis de las respuestas temporales y en frecuencia del sistema con los controles citados anteriormente. Puesto que las respuestas ante un escalón en la perturbación van a ser muy parecidas se va a comparar directamente los índices de calidad obtenidos a partir de las respuestas del modelo mixto con la caldera analógica y el control digital (Figura 5.2).Para el análisis de la respuesta en frecuencia se van a comparar los gráficos de Nichols en lazo Parte I. Memoria Página 65 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL abierto y de Bode en lazo cerrado de las dos discretizaciones y para cada uno de los controles originales. Figura 5.2: Esquema Simulink de la caldera con los controles discretizados. Parte I. Memoria Página 66 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Controlador 1 Nichols Chart 0 Trapezoidal Derivada Analógico Open-Loop Gain (dB) -5 -10 -15 -20 -25 -30 -180 -150 Open-Loop Phase (deg) Figura 5.3: Nichols en lazo abierto control 1 Parte I. Memoria Página 67 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bode Diagram trapezoidal1 derivada1 analógico1 1.5 Magnitude (dB) 1 0.5 0 -0.5 -1 -1.5 -2 10 Frequency (rad/sec) Figura 5.4: Diagrama Bode en lazo cerrado del control 1 Bode Diagram trapezoidal1 derivada1 analógico1 1.5 Magnitude (dB) 1 0.5 0 -0.5 -1.6 10 -1.5 -1.4 10 10 -1.3 10 Frequency (rad/sec) Figura 5.5: Zoom diagrama Bode con amplitud de pico. Parte I. Memoria Página 68 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Am Analógico φm ωo ωu Apico(dB) ωcorte 30.7 50.7 0.0353 0.229 1.36 0.0575 Trapezoidal 28.5 50.4 0.0353 0.204 1.39 0.0576 modificado Derivada por 27.6 50.3 0.0353 0.193 1.42 0.0576 adelanto Tabla 5.3: Valores característicos de la respuesta en frecuencia del control 1. Controlador 2 Nichols Chart 0 Trapezoidal Derivada Analógico Open-Loop Gain (dB) -10 -20 -30 -40 -50 -60 -70 -180 -150 Open-Loop Phase (deg) Figura 5.6: Nichols en lazo abierto control 2 Parte I. Memoria Página 69 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bode Diagram 4 trapezoidal2 derivada2 analógico2 3 Magnitude (dB) 2 1 0 -1 -2 -3 -4 -1 10 Frequency (rad/sec) Figura 5.7: Diagrama Bode en lazo cerrado del control 2 Bode Diagram 4 trapezoidal2 derivada2 analógico2 3 Magnitude (dB) 2 1 0 -1 -0.9 10 -0.8 -0.7 10 10 Frequency (rad/sec) Figura 5.8: Zoom diagrama Bode con amplitud de pico. Parte I. Memoria Página 70 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Analógico modificado Am φm ωo ωu 47 40.5 0.16 2.41 Apico(dB) ωcorte 3.26 Trapezoidal 28.6 39.6 0.16 0.832 3.48 0.249 0.25 Derivada por 28.6 39.5 0.16 0.832 3.5 0.249 adelanto Tabla 5.4: Valores característicos de la respuesta en frecuencia del control 2. Controlador 3 Nichols Chart 0 Trapezoidal Derivada Analógico Open-Loop Gain (dB) -2 -4 -6 -8 -10 180 210 Open-Loop Phase (deg) Figura 5.9: Nichols en lazo abierto control 3 Parte I. Memoria Página 71 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bode Diagram 4 trapezoidal3 derivada3 analógico3 Magnitude (dB) 3 2 1 0 -1 -2 -2 10 Frequency (rad/sec) Figura 5.10: Diagrama Bode en lazo cerrado del control 3 Bode Diagram trapezoidal3 derivada3 analógico3 4 Magnitude (dB) 3.5 3 2.5 2 -1.9 10 -1.8 10 -1.7 10 -1.6 10 -1.5 10 -1.4 10 Frequency (rad/sec) Figura 5.11: Zoom diagrama Bode con amplitud de pico. Parte I. Memoria Página 72 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Analógico modificado Am(dB) φm ωo 10.4 0.0278 0.0934 3.83 0.063 39.8 0.0278 0.0927 3.88 0.063 39.8 0.0278 0.0927 3.88 0.063 Trapezoidal 10.3 40 ωu Apico(dB) ωcorte Derivada por 10.3 adelanto Tabla 5.5: Valores característicos de la respuesta en frecuencia del control 3. w 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Janalógico 0.4443 0.5061 0.5624 0.6137 0.6608 0.7041 0.7441 0.7811 0.8154 0.8474 0.8773 Jtrapezoidal 0.4544 0.5161 0.5722 0.6234 0.6704 0.7135 0.7534 0.7903 0.8246 0.8565 0.8863 Jderivada 0.4435 0.5051 0.5611 0.6122 0.6591 0.7022 0.7420 0.7788 0.8130 0.8449 0.8746 Tabla 5.6: Comparativa de los índices de calidad de los dos controles discretizados y el control analógico. Del análisis tanto de la respuesta temporal como en frecuencia se desprende que las dos discretizaciones presentan un ajuste muy bueno al modelo analógico, siendo muy próximas entre sí y estables en lazo cerrado. En efecto, el tiempo de muestreo es lo suficientemente pequeño como para no afectar al diseño de los controles. Parte I. Memoria Página 73 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En atención a los datos obtenidos, la discretización trapezoidal presenta de forma ligera mejores márgenes de estabilidad y amplitudes de pico que la derivada en adelanto mientras que los índices de calidad son un poco peores. En definitiva, cualquiera de las dos discretizaciones es válida, la elección dependerá de los requisitos concretos que se deseen en cada caso. 5.2 Conclusiones La optimización de los controles diferencial-integral ha producido resultados cuantitativamente mejores respecto de los que se partía (modelo referencia). Sin embargo, la imposibilidad de hacer uso de la acción diferencial deja un considerable margen de mejora. Puesto que los controles PID presentan numerosas carencias se va a diseñar en el siguiente apartado un control de tipo de predictivo que a priori va a permitir obtener una respuesta mejor a la salida sin abusar excesivamente del mando y asegurando la estabilidad. Parte I. Memoria Página 74 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 6 Desarrollo de un control predictivo Como se ha podido observar con lo desarrollado hasta este momento, las metodologías de diseño tradicionales como los controladores PID presentan algunas limitaciones que impiden conseguir unos sistemas de control con mejores características y más eficientes. En consecuencia se precisa de profundizar en sistemas más complejos y que ofrezcan mejores y mayores posibilidades. Uno de ellos es el control predictivo , de gran importancia en el mundo de la industria, y que se va a aplicar en este proyecto para la caldera industrial. 6.1 Fundamentos del control predictivo. Las limitaciones de la metodología de control PID ha propiciado el desarrollo de nuevas teorías de control. Así, por ejemplo, cabe destacar la aparición del control óptimo como concepto general (que se plasma en distintos métodos concretos) destinado a conseguir objetivos tales como: eficiencia ahorro energético calidad seguridad etc. Parte I. Memoria Página 75 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL El control predictivo es una aplicación concreta del control óptimo, cuyo principio básico de funcionamiento es igualar la salida predicha del sistema con una salida deseada predefinida basándose en un modelo de proceso. Con este objetivo se hará uso de una función objetivo que generalmente, suele minimizar el cuadrado del error de seguimiento de la trayectoria de la variable de proceso (salida) respecto de la salida deseada. El controlador predictivo emplea un modelo del proceso con el fin de predecir su comportamiento futuro en un horizonte de tiempo definido calculando los valores de las variables manipuladas en cada periodo de muestreo de acuerdo con los valores de consigna deseados y las restricciones y condiciones de operación del proceso. Resumen: En qué se basa el modelo de predicción: El control predictivo basado en modelos se basa en las siguientes ideas: 1. Se usa un modelo del proceso para predecir su comportamiento futuro, sobre un horizonte de predicción N. Los valores predichos de las salidas y (t+k/t), para k=1,.., N, donde y (t+k/t) es el valor predicho de la salida en el instante t+k a partir del valor en el instante actual t. De esta forma, depende de los valores hasta el instante t (valores pasados de las entradas y las salidas) y de los valores futuros de las señales de control u (t+k/t). 2. Se establece una trayectoria de referencia futura w(t+j) que describe como se desea conducir el proceso desde el valor actual y(t) a la consigna futura deseada r(t+j). 3. Se calculan los valores futuros de control {u(t), u(t+1),...,u(t+N)} tratando de minimizar la función error e(t)=w(t+j)-y(t+j). Parte I. Memoria Página 76 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Normalmente se incluye una estructuración en la ley de control, introduciendo un horizonte de control N. Esta optimización puede incluir restricciones en los valores futuros de las variables del proceso, por ejemplo, la salida, la señal de control o la variación de la señal de control. 4. Inicialmente se aplica a la planta el primer elemento del mando u(t/t) olvidando el resto para volver a repetir el proceso en el instante de muestreo siguiente. Así se obtiene una nueva ley de control u(t+1/t+1) diferente de la de la señal de control calculada anteriormente u(t+1/t). 6.1.1 Partes fundamentales del control predictivo Los elementos que caracterizan el control predictivo basado en modelos son los que se presentan en la Figura 6.1: Referencia Predicción Planificador trayectoria Modelo predictivo Señal de control Proceso real salida Mecanismo adaptación Figura 6.1 Esquema de control predictivo-adaptativo Parte I. Memoria Página 77 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL La descripción de los bloques presentados en la Figura puede ser resumida de la siguiente forma: Planificador de trayectoria: Genera la señal de salida guiando el proceso de salida al punto final que se desea de una forma óptima. Modelo predictivo: Calcula la señal de control (mando) necesaria para conseguir igualar la salida tras el proceso real con la deseada que ha establecido previamente el planificador de trayectoria. Mecanismo de adaptación de parámetros: Ajusta los parámetros del modelo predictivo para anular el error que se pueda producir entre la salida y la establecida por el planificador. De la misma forma, se encarga de informar de las desviaciones producidas para que pueda redefinir la trayectoria establecida anteriormente. Para cada uno de estos elementos hay varias opciones, según la elección que se realice tendremos los diferentes métodos de control predictivo basado en modelos. Se va a ir viendo ahora cada uno de estos elementos básicos. 6.1.1.1 Modelos de predicción. Cualquier tipo de modelo a partir del cual se puedan calcular las predicciones se puede utilizar para la estrategia de control predictivo, algunos de los más utilizados para el modelo del proceso son [4]: Modelo respuesta impulsional. La salida del proceso es: Parte I. Memoria Página 78 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL donde hj son las muestras de la respuesta impulsional unidad y q-1 es el operador retardo unidad, con q-1u(t)=u(t-1) y H(q-1)=h1 q-1+h2 q-2+...+hn q-n. La mejor predicción usando este modelo es: Obsérvese que u (t+k/t)=u(t+k) para k<0. Las ventajas de este modelo son: - Requiere poca información a priori. - Puede describir fácilmente dinámicas poco usuales. - La predicción es simple y menos sensible a errores puesto que no existen términos recursivos. Este modelo no se pude usar con sistemas inestables lo que supone su principal desventaja. Modelo respuesta al escalón. Se supone que la respuesta al escalón se estabilizada tras n períodos de muestreo. donde gj son las muestras de la respuesta al escalón unidad y u(t)=u(t)-u(t1), y0 es el efecto acumulativo de los incrementos de control después de n muestras, estabilizado a un valor constante. La predicción de la salida del proceso es: Parte I. Memoria Página 79 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Este modelo tiene las mismas ventajas e inconvenientes que el modelo respuesta impulsional. Modelo de función de transferencia. El proceso se describe por la ecuación en diferencias: o La predicción de la salida del proceso es: u(t+k/t) Las ventajas principales de este modelo son: - Se puede utilizar para modelar sistemas inestables o poco amortiguados. - El número de parámetros es pequeño. Por otro lado el modelo presenta las siguientes desventajas: - Es necesario presuponer el orden del sistema, es decir, n y m. - La predicción puede hacerse más difícil debido a su naturaleza recursiva. -Es posible que aumente la sensibilidad frente a los errores. Este último modelo basado en la función de transferencia es el que se va a adoptar para el desarrollo de este proyecto. Tomando u(k) como entrada en el instante k ,y(k) medida en el instante k como salida e el modelo basado en función de transferencia tiene la siguiente expresión: (Ec.6.1) Parte I. Memoria Página 80 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Como en general no se puede saber a priori la dinámica exacta del lazo abierto descrita por la expresión anterior se empleará como modelo predictivo una estimación de la expresión anterior: (Ec.6.2) Donde es la salida predicha en el instante k para el próximo instante k+1.Comose puede observar en esta expresión no se incluye la perturbación ya que ésta es desconocida. El número de parámetros así como su valor pueden ser diferentes a los de Ec.3.1. Además el valor de estos parámetros podrá ser actualizado en cada instante k por media del mecanismo de adaptación antes citado. 6.1.1.2 Cálculo del mando a aplicar en el proceso real: Una vez definido el modelo de predicción así como la trayectoria definida por el planificador se procede al cálculo del mando de la siguiente forma: Esta última expresión describe las dos operaciones básicas en el control predictivo: i. Cálculo de la trayectoria deseada. ii. Cálculo del control u (k). 6.1.1.3 Trayectoria deseada. Una de las partes importantes del control predictivo es la elección de la trayectoria de referencia. Esta trayectoria es la que se desearía conseguir para alcanzar, en un horizonte dado (h), a la referencia futura. Es decir, en el Parte I. Memoria Página 81 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL instante de tiempo k tenemos una predicción de la referencia futura a la cual queremos aproximarnos de una manera más o menos suave (Figura 6.2). A partir de esta predicción, obtenemos la secuencia de referencias desde k hasta k+h. Es ésta una de las principales ventajas del control predictivo sobre, por ejemplo, los controles PID clásicos. En estos últimos, la referencia se conoce en el mismo instante en que se necesita, por lo que el esfuerzo de regulación es más brusco. Sin embargo, con la metodología predictiva, el regulador dispone de un tiempo para alcanzar la referencia, siendo la respuesta más suave. Como es lógico la velocidad de la trayectoria fijará, en cierto sentido, la velocidad del control predictivo. Normalmente, suelen emplearse filtros con la finalidad de suavizar la referencia siendo lo más empleados los siguientes: - Filtros de primer orden. Son los más sencillos. Siendo la secuencia de referencias futuras, se obtiene la siguiente expresión: wk .wk 1 (1 ).rk - Filtros de segundo orden. Estos filtros permiten que la respuesta inicial tenga una derivada nula evitando las discontinuidades en el origen de la trayectoria deseada. Para lograr un filtro lo más rápido posible sin amortiguaciones es frecuente que se empleen dos polos iguales y amortiguamiento crítico: wk n .rk 2. . n .wk 1 n .wk 2 2 - 2 Existen otros filtros de mayor complejidad como, por ejemplo: wk rk k .(rk y k ) Parte I. Memoria Página 82 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.2. Trayectorias de referencia En este proyecto se va a partir de un planificador de trayectoria sin filtro ya que por la naturaleza del sistema no parece estrictamente necesario. En caso de querer optimizar el control resultante se procederá a añadir el filtro. Por tanto el planificador de trayectoria es el encargado de generar una salida deseada. Como principio de diseño, la salida deseada se ajustará a una trayectoria que partiendo de los actuales valores de la salida alcance el punto final establecido de una forma suave y poco abrupta y al mismo tiempo rápida y sin sobrepasos. Parte I. Memoria Página 83 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Una forma sencilla y eficiente de generar esta trayectoria consiste en usar la salida de un modelo estable introduciendo el punto final al que debe llegar como entrada siendo las salidas del proceso actual las condiciones iniciales. De esta forma la trayectoria quede definida como: [Ec.6.4] Una forma razonable de obtener los parámetros p q es con la respuesta a un punto de referencia constante empezando en las condiciones iniciales y(k) e y(k-1) . Este tipo de respuesta es típicamente la correspondiente a un segundo orden críticamente amortiguado y de ganancia estática unitaria, siendo ésta la empleada en el proyecto. 6.1.1.4 Adaptación de parámetros. De acuerdo al principio por el que se rige el control predictivo, en esta ocasión se establece la predicción para el instante k+d en vez de k+1.El control predictivo calcula la acción de control u(k) con la intención de predecir la salida en el instante k+d. Se puede expresar la salida deseada de la siguiente forma [5]: Parte I. Memoria Página 84 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Esta ecuación también puede ser expresada de la siguiente forma: De tal forma que: El error será: Teniendo en cuenta la expresión del error y aplicando un algoritmo de optimización basado en mínimos cuadrados con el objetivo de conseguir [5]: Se obtiene las siguientes dos expresiones de los parámetros y del error resultante: (k-1) [Ec.6.5] [Ec.6.6] Parte I. Memoria Página 85 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 6.2 Diseño de un control predictivo monovariable El control basado en las ideas expuestas en los párrafos anteriores que se ha implementado en Simulink es el que se recoge en la siguiente Figura 6.3. El esquema contiene cálculo del mando (modelo de predicción), predictor (planificador de trayectoria) y la caja para la adaptación de parámetros. Figura 6.3 Esquema Simulink del control predictivo. Parte I. Memoria Página 86 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En este apartado el control implantado en la caldera será de tipo monovariable, es decir, se asignará un predictor independiente para cada una de las tres salidas (Figura 6.4), lo que supone que el control no considerará el efecto de las variables cruzadas. Para tenerlo en cuenta se desarrollará en el siguiente apartado un controlador predictivo multivariable. Los grados de libertad que presenta la caja del control predictivo son tres: número de muestras, tiempo de muestreo y amplitud incremental del mando. Se introducirá la planta discretizada con retenedor de orden 0 a través del comando c2d (planta,ts) de Matlab y que estará por tanto en función del tiempo de muestreo deseado. Los mandos máximo y mínimo se ajustan al valor 100 y 0 respectivamente (Figura 6.5). Figura 6.4: Esquema Simulink control predictivo monovariable Parte I. Memoria Página 87 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.5: Parámetros a introducir en el bloque predictivo monovariable. Para conseguir una respuesta óptima y un índice de calidad bueno se probará por tanteo hasta conseguir la mejor solución. 6.2.1 Resultados predictivo monovariable. Inicialmente se ha tratado de ajustar los valores partiendo de un tiempo de muestreo común. Sin embargo, la gran influencia de las variables entre sí, Parte I. Memoria Página 88 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL unido a la diferencia de rapidez en sus dinámicas, ha provocado que se tenga que optar por un tiempo de muestreo distinto en cada caso. Esta medida no plantea especiales inconvenientes ya que dichos controles serán implementados en microprocesador y es factible el establecimiento de distintos periodos de muestreo. Por otro lado, atendiendo a las funciones de transferencia y sus respectivas constantes de tiempo (Tabla 6.1) se pueden estimar inicialmente los tiempos de muestreo a los que funcionará el predictivo. Obsérvese que la constante de tiempo de la función G11(s) es significativamente mayor que las de G22(s) y G33(S) por lo que el tiempo de muestreo a priori también lo será. A medida que el tiempo de muestreo se hace más grande es necesario dejar un incremento en el mando mayor ya que en caso de limitarlo en exceso para tiempos de muestreo grandes no consigue alcanzar la salida deseada. Parte I. Memoria Página 89 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Tabla 6.1 Funciones de transferencia y constantes de tiempo dominantes Como se ha comprobado en apartados anteriores la primera variable a controlar (presión de vapor) influye notablemente sobre las otras dos. Por ello al tantear con tiempos de muestreo mayores los incrementos de mando afectan a las otras dos salidas provocando grandes oscilaciones e índices de calidad muy malos. Por ello y al contrario de lo que se pudiera pensar inicialmente se ha optado por seleccionar un tiempo de muestreo muy pequeño (0.05 s) que permita un mando suave (Tabla 6.2). Los valores finales óptimos de los tres grados de libertad para cada controlador son los recogidos en la Tabla 6.2. Parte I. Memoria Página 90 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Horizonte de Tiempo de Incremento predicción muestreo(s) del mando(%) Predictor 1 20 0.05 0.1 Predictor 2 25 1 0.5 Predictor 3 20 4 2 Tabla 6.2: Valores de los parámetros de los tres controles predictivos. Para ejemplificar la imposibilidad de adoptar un periodo de muestreo mayor en el controlador 1 se ha tomado como tiempo de muestreo 30 s permitiendo mayor margen en el mando y manteniendo los parámetros de los controladores 2 y 3 constantes (Tabla 6.2).Las salidas de exceso oxígeno y nivel de agua (2 y 3) se recogen en las Figuras 6.6 y 6.7 que muestran claramente las oscilaciones e inestabilidad que se produce. 70 65 60 55 50 45 40 35 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Figura 6.6 Salida2 (exceso de oxígeno) para tiempo de muestreo en controlador 1 ts=30s Parte I. Memoria Página 91 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 52 51 50 49 48 47 46 45 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Figura 6.7 Salida3 (exceso de oxígeno) para tiempo de muestreo en controlador 1 ts=30s Las gráficas resultantes para los valores de la Tabla 6.2 en comparación con el caso referencia se muestran en la Tabla 6.3. Por último, se recoge en la Tabla 6.4 una comparativa de los índices de calidad logrados con el predictivo y los conseguidos con el mejor ajuste con los controles PID (cuarto ajuste sin acción diferencial ni oscilaciones) desarrollado en el apartado anterior. Parte I. Memoria Página 92 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 1( Presión de vapor) Mando 1(Combustible) Presión de vapor y consigna (%) Caudal de combustible (%) 60.5 90 Caso referencia Caso a evaluar 60 Caso referencia Caso a evaluar 80 59.5 70 59 60 58.5 50 58 40 57.5 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 Salida 2 (Exceso de oxígeno) 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Mando 2 (Aire) Oxígeno en exceso y consigna (%) Caudal de aire (%) 55 100 Caso referencia Caso a evaluar Caso referencia Caso a evaluar 90 50 80 45 70 40 60 50 35 40 30 0 200 400 600 Parte I. Memoria 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Página 93 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 3 (Nivel de agua) Mando 3 (Agua) Nivel en el calderín y consigna (%) Caudal de agua de alimentación (%) 54 90 Caso referencia Caso a evaluar 53 Caso referencia Caso a evaluar 85 52 80 51 75 50 70 49 65 48 60 47 55 46 45 50 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 45 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Tabla 6.3 Gráficas resultantes de salida y mando del control predictivo en comparación con el caso referencia. w 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Jpredictivo 0.2641 0.3002 0.3331 0.3631 0.3906 0.4159 0.4392 0.4609 0.4809 0.4996 0.5171 JPID 0.4443 0.5061 0.5624 0.6137 0.6608 0.7041 0.7441 0.7811 0.8154 0.8474 0.8773 Tabla 6.4 Comparativa de los índices de calidad del control predictivo y el PID Los resultados de la tabla reflejan unos índices considerablemente mejores que los obtenidos con la metodología de control PID, confirmando de esta Parte I. Memoria Página 94 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL forma que el control predictivo proporciona un mejor resultado que con la metodología de control tradicional. 6.3 Diseño de un control predictivo multivariable Con el objetivo de mejorar los resultados obtenidos en el apartado anterior se procede al diseño de un control multivariable. En este caso se emplea un único controlador para toda la caldera que realiza el proceso de predicción teniendo en cuenta el efecto de las variables cruzadas. Por tanto el esquema utilizado es el presentado en la Figura 6.8. Parte I. Memoria Página 95 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.8 Esquema Simulink del control predictivo multivariable. Para que el controlador tenga en cuenta los efectos cruzados es preciso introducir como parámetro los coeficientes de los polinomios característicos en Z tanto de las salidas como de los mandos. De este modo los coeficientes se toman a partir de la siguiente expresión: (Ec 6.7) Parte I. Memoria Página 96 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En consecuencia: (Ec.6.8) La matriz de polinomios característica de la salida será: En base a la Ec. 6.8 para cada salida se obtendrá una matriz de polinomios característicos de los mandos: La matriz que englobe a todas los polinomios característicos de los mandos será: matBu=( .. Para el cálculo de éstas matrices se ha empleado el programa coeficientes_multivariable” que se encuentra en el Anexo de este proyecto. Como en el caso del control predictivo monovariable se tienen 3 grados de libertad: tiempo de muestreo, horizonte de predicción y amplitud del mando (Figura 6.9). Cabe decir que las matrices antes indicadas están en función del tiempo de muestreo por lo que los coeficientes cambiarán cuando lo haga éste. Parte I. Memoria Página 97 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.9 Parámetros a introducir en el bloque predictivo multivariable. Como en el caso del control monovariable los parámetros se optimizarán a tanteo. 6.3.1 Resultados y conclusiones del predictivo multivariable El control predictivo multivariable supone establecer un tiempo de muestreo común a todas las variables a controlar. Como se pudo observar en el apartado anterior del control monovariable está situación provocaba Parte I. Memoria Página 98 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL inestabilidades por la gran influencia de los efectos cruzados y la diferencia entre las constantes de tiempo. La implementación de un control multivariable que en el modelo de predicción contemple dichos efectos no ha sido suficiente para unificar el control bajo un mismo periodo de muestreo. No ha sido posible encontrar una solución óptima que mejore los índices de calidad desarrollados anteriormente. De este apartado se desprende que la presión de vapor (salida 1) condiciona el diseño del resto de controles por su fuerte influencia y su constante de tiempo notablemente mayor a la de las otras dos variables a controlar. Parte I. Memoria Página 99 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 7 Resultados y conclusiones del proyecto En el presente proyecto se partía del modelo implementado en el entorno de Simulink de una caldera industrial. El objetivo principal consistía en lograr un control que mejorase el aportado por el Grupo de Ingeniería responsable del concurso en que se basa este proyecto. El control de la caldera presentaba como principal problema el acoplamiento de efectos de las variables a controlar. En primer lugar, el controlador de referencia de partida, basado en un controlador PI para cada una de las salidas, hacia pensar que el margen de mejora era grande con un adecuado uso de la acción diferencial. Sin embargo y a la vista de los resultados obtenidos ha sido imposible aplicar dicha acción puesto que tanto el índice de calidad como la respuesta temporal ante un escalón en la perturbación empeoraban considerablemente. Conseguir una mayor velocidad a través de la acción diferencial repercutía en cambios bruscos en el mando que, al ser ponderados en la expresión del índice, ofrecían una respuesta peor. En consecuencia, de este primer estudio se ha obtenido como resultado un controlador PI optimizado (sin acción diferencial) para cada una de las tres salidas que ofrece una respuesta notablemente mejor que la del modelo de referencia. Parte I. Memoria Página 100 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Como consecuencia de las limitaciones del sistema de control anterior en el que no se ha podido hacer uso de la acción diferencial por los motivos expuestos ha sido necesario el diseño de un control más sofisticado: el control predictivo. El control predictivo que está indicado para resolver de forma efectiva problemas de control y automatización de procesos industriales que se caracterizan por presentar un comportamiento dinámico complicado, multivariable y/o inestable ha solucionado en gran parte el problema en cuestión. En el desarrollo del control predictivo se ha optado en primer lugar por una versión monovariable e independiente para cada una de las salidas en las que no se han considerado los acoplamientos en la dinámica interna de cálculo del propio control. Este primer diseño ha resultado muy satisfactorio al lograr un índice de calidad claramente mejor respecto del controlador de referencia como se ha observado en el Capítulo 6. Por otro lado, para mejorar los resultados del monovariable, se optó por diseñar un control multivariable que sí tuviera en cuenta los efectos de los acoplamientos y que pudiera arrojar por ello unos resultados mejores. Este diseño ha resultado ser un tanto decepcionante. La contemplación de dichos efectos no ha sido suficiente para mejorar los resultados del monovariable. Las diferencias entre las dinámicas presentes en la caldera unido a la fuerte influencia que la primera variable a controlar (presión de vapor) tiene sobre las otras dos han sido las razones fundamentales por las cuales no se ha logrado un mejor resultado tal y como se esperaba. Por tanto, los únicos controladores válidos son dos: el control PI optimizado y el control predictivo monovariable. Los resultados obtenidos en los dos controles en lo que se refiere a la respuesta temporal se encuentran recogidos a continuación a modo de comparativa en las Tablas 7.1 y 7.2: Parte I. Memoria Página 101 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 1( Presión de vapor) Mando 1(Combustible) Presión de vapor y consigna (%) Caudal de combustible (%) 60.5 90 60 80 59.5 70 Caso referencia Predictivo monovariable Consigna PI optimizado 59 58.5 58 57.5 Caso referencia Predictivo monovariable PI optimizado 60 50 40 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 Salida 2 (Exceso de oxígeno) 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Mando 2 (Aire) Oxígeno en exceso y consigna (%) 55 Caudal de aire (%) 100 90 50 80 45 70 Caso referencia Predictivo monovariable Consigna PI optimizado 40 Caso referencia Predictivo monovariable PI optimizado 60 50 35 40 30 0 200 400 600 Parte I. Memoria 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Página 102 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 3 (Nivel de agua) Mando 3 (Agua) Caudal de agua de alimentación (%) Nivel en el calderín y consigna (%) 90 54 Caso referencia Predictivo monovariable Consigna PI optimizado 53 52 85 80 51 75 50 70 49 65 48 60 47 55 46 50 45 0 200 400 600 45 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Caso referencia Predictivo monovariable PI optimizado 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Tabla 7.1 Gráficas de la respuesta temporal ante escalón en perturbación(demanda) de los dos controles válidos. w 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Jpredictivo 0.2641 0.3002 0.3331 0.3631 0.3906 0.4159 0.4392 0.4609 0.4809 0.4996 0.5171 JPI 0.4443 0.5061 0.5624 0.6137 0.6608 0.7041 0.7441 0.7811 0.8154 0.8474 0.8773 optimizado Tabla 7.2 Índices de calidad de los dos controles válidos: PI optimizado y predictivo monovariable. Como ya se ha demostrado a lo largo del proyecto el PI optimizado está ajustado a unos márgenes de estabilidad adecuados y el predictivo Parte I. Memoria Página 103 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL monovariable siempre se mantiene estable por las características propias del algoritmo predictivo en que está basado. En conclusión y a la vista de los resultados se puede concluir que el control más adecuado para ser implementado y que ofrece estabilidad y mejores índices de calidad es el predictivo monovariable con una clara diferencia respecto del PI optimizado. Parte I. Memoria Página 104 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bibliografía [1]José Renato Rodríguez; “Desarrollo de un sistema de control avanzado de la presión de vapor en una caldera de tubos de fuego”. Tesis doctoral, PUCP-2006 [2] Artículo Pellegrinetti y Benstman; “Nonlinear Control Oriented Boiler Modeling” (1996). [3]F.Luis Pagola; Control Digital; Universidad Pontificia Comillas. [4]Fco.Ignacio Argüello;“Modelización e implementación de un control predictivo en un microrobot autónomo”;ensayo. [5] P. J. Gawthrop, H. Demircioglu and I. Siller-Alcalá, “Multivariable Continuous time Generalised.Predictive Control: State Space Approach to linear and nonlinear Systems” IEE Proceedings Control Theory and Applications 1998. Parte I. Memoria Página 105 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL PARTE II ESTUDIO ECONÓMICO Parte II. Estudio económico Página 106 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 1. Estudio económico Los sistemas de control sobre procesos se han configurado como uno de los puntos más críticos e imprescindibles en cualquier actividad industrial. Atendiendo al caso concreto sobre el que versa el proyecto, el vapor es empleado para tres objetivos principalmente: generación de calor, materia prima y generación de electricidad. Las calderas son sistemas complejos formados por una serie de elementos interrelacionados entre sí y que requieren de sistemas robustos y eficientes de control. Un control eficaz de las condiciones de trabajo de una caldera es necesaria por tres razones: económica, seguridad y medio ambiental. En primer lugar, el control de ciertos parámetros como temperaturas y presiones son fundamentales a la hora de evitar ciertos peligros como la explosiones u otros accidentes. Por otro lado, un control funciona para lograr mantener unas condiciones óptimas de trabajo y que, por tanto, proporcionan un gran ahorro. Un ejemplo claro, es la fijación de un porcentaje de oxígeno respecto de la combustión estequiométrica para mantener unas condiciones de seguridad y eficiencia energética (Capítulo 2). Por último, la creciente y masiva demanda por parte de la sociedad de combustibles fósiles para desarrollar todas las actividades productivas puede conllevar a un agotamiento de los recursos. Además la combustión de estos fósiles provoca emisiones de dióxido de carbono nocivas para el medio ambiente. Puesto que las calderas son grandes consumidoras de combustible fósil se antoja fundamental el desarrollo de sistemas eficientes de control que administren adecuadamente los recursos disponibles [1]. La labor de construir un sistema de estas características no siempre resulta sencilla, siendo habitual grandes inversiones de tiempo y dinero. Por tanto, el proyecto que se ha desarrollado es perfectamente viable y, lo que es más importante, rentable. Se ha tratado de ofrecer distintas variantes Parte II. Estudio económico Página 107 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL factibles, con especial atención a los mandos a través del índice de calidad, para ofrecer soluciones que aparte de ser robustas y eficaces también son eficientes ya que se evita en la medida de lo posible incrementos bruscos en los mandos y, por ende, gastos innecesarios. Parte II. Estudio económico Página 108 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bibliografía [1]José Renato Rodríguez; “Desarrollo de un sistema de control avanzado de la presión de vapor en una caldera de tubos de fuego”. Tesis doctoral, PUCP-2006 Parte II. Estudio económico Página 109 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL PARTE III CÓDIGO FUENTE Parte III. Código fuente Página 110 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 1. Diseño de un control PID por respuesta en frecuencia % Diseño de un control PID por respuesta en frecuencia % [control,w0]=dis_afpi(planta,Mf,Fa,Fr,fa,sol,wmin,wmax) % Esta función diseña un control AF % control: Función de transferencia del control resultante % w0: pulsación de cruce % planta: Función de transferencia de la planta % Mf: Margen de fase en grados % Fa: adelanto de fase en grados % Fr: retraso de fase en grados (de debe especificar positivo) % fa : Factor de filtrado % sol: 0 (solución de K máxima) y 1 (solución de K mínima) % wmin: Mínima pulsación para la búsqueda de la pulsación de cruce % wmax: Máxima pulsación para la búsqueda de la pulsación de cruce % Método de diseño: Apuntes de Regulación Automática, Pagola (1992), pag. 132 %Parámetros Mf=50; Fa=54.9; Fr=5; fa=0.1; wmin=0.01; wmax=1000; aux1=mod(180/pi*angle(freqresp(p,wmin)),-360)+180+Fa-Fr-Mf; aux2=mod(180/pi*angle(freqresp(p,wmax)),-360)+180+Fa-Fr-Mf; sol=1; if (aux1*aux2)>=0 disp('No existe una raiz en el intervalo especificado') Parte III. Código fuente Página 111 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL control=[]; w0=[]; return end if (Fa>asin((1-fa)/(1+fa))*180/pi) fprintf('El adelanto de fase ha de ser menor que %f', asin((1fa)/(1+fa))*180/pi) control=[]; w0=[]; return end while (wmax-wmin)>1e-5 wmed=(wmin+wmax)/2; aux0=mod(180/pi*angle(freqresp(p,wmed)),-360)+180+Fa-Fr-Mf; if aux0*aux1<=0 wmax=wmed; else wmin=wmed; end end % Control AFPI (C(s)=K*(1+Ta*s)*(1+Ti*s)/(1+Ta*fa*s))/s w0=wmed C=1/abs(freqresp(p,w0)); %modulo de la planta if sol==0 x=(1-fa)/2/tan(Fa*pi/180)+sqrt(((1-fa)/2/tan(Fa*pi/180))^2-fa); else %x=(1-fa)/2/tan(Fa*pi/180)-sqrt(((1-fa)/2/tan(Fa*pi/180))^2-fa) Parte III. Código fuente Página 112 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL x1=((1/fa)-1)/(2*tan(Fa*pi/180))-sqrt((((1/fa)1)/(2*tan(Fa*pi/180)))^2-1/fa); end Ti=1/w0*tan((90-Fr)*pi/180) %variable I integral Ca=C*w0/sqrt(1+(Ti*w0)^2); Ta=(x1/w0) %modulo integral y planta %variable D del PD K1=sqrt(1+(fa*x1)^2)/(sqrt(1+x1^2)); %modulo del pd K2=Ca*K1 ; %modulo completo Kp/I Kp=K2*Ti control=tf(conv([K2*Ta K2],[Ti 1]),[Ta*fa 1 0]) return 2. Programa “coeficientes_multivariable.m” Programa destinado a obtener las matrices de los polinomios caracterismos en el control predictivo multivariable. %Funciones transferencia diagonales y cruzadas c11=tf([5.658 0.02982],[2814 557.6 22.01 0.1476]); c22=tf([449.1],[54.24 4080 793.7 75.03]); c33=tf([-0.07702 0.009998],[27.96 8.572 1 0]); c13=tf([-0.1646],[233.3 1]); c21=tf([3.138 -1.348],[0.009222 4.567 1.962 0.2108]); c31=tf([0.2513 -0.001516],[205.7 88.31 9.555 0.2818 0]); %tiempo de muestreo ts=1; %planta discretizada g11=c2d(c11,ts) Parte III. Código fuente Página 113 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL g22=c2d(c22,ts) g33=c2d(c33,ts) g13=c2d(c13,ts) g21=c2d(c21,ts) g31=c2d(c31,ts) %periodo de muestreo predictivo multivariable ts=1 %Matriz con los polinomios de las salidas desde q-1 a=[g11.den{1}(2) g11.den{1}(3) g11.den{1}(4)] b=[g22.den{1}(2) g22.den{1}(3) g22.den{1}(4)] c=[g33.den{1}(2) g33.den{1}(3) g33.den{1}(4)] m=[a 0 0;b 0 0;c 0 0]; matA=m' %Matriz elementos del mando %Primera salida y1=(B1/A1)*U1+(B2/A2)*U2+(B3/A3)*U3 B1=tf(g11.num{1},1)*tf(g13.den{1},1); B1=B1/B1.num{1}(1);%se divide coeficiente de mayor orden B2=tf(0); B3=tf(g13.num{1},1)*tf(g11.den{1},1); B3=B3/B3.num{1}(1); m1=[B1.num{1}(2) B1.num{1}(3) 0 0 0;B2.num{1} 0 0 0 0 ;B3.num{1}(2) B3.num{1}(3) B3.num{1}(4) 0 0]; M1=m1' %Segunda salida y2 B1=tf(g21.num{1},1)*tf(g22.den{1},1); B1=B1/B1.num{1}(1); B2=tf(g22.num{1},1)*tf(g21.den{1},1); B2=B2/B2.num{1}(1); B3=tf(0); m2=[B1.num{1}(2) B1.num{1}(3) B1.num{1}(4) B1.num{1}(5) 0;B2.num{1}(2) B2.num{1}(3) B2.num{1}(4) 0 0 ;B3.num{1} 0 0 0 0 ]; Parte III. Código fuente Página 114 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL M2=m2' %Tercera salida y3 B1=tf(g31.num{1},1)*tf(g33.den{1},1); B1=B1/B1.num{1}(1); B2=tf(0); B3=tf(g33.num{1},1)*tf(g31.den{1},1); B3=B3/B3.num{1}(1) m3=[B1.num{1}(2) B1.num{1}(3) B1.num{1}(4) 0 0 ;B2.num{1} 0 0 0 0 ;B3.num{1}(2) B3.num{1}(3) B3.num{1}(4) B3.num{1}(5) B3.num{1}(6)]; M3=m3' %Matriz completa mandos matBu = cat( 3, M1,M2,M3) %Matriz de perturbaciones B1=zeros(5,3); B2=zeros(5,3); B3=zeros(5,3); matBd = cat( 3, B1,B2,B3); 3. Programa “ajuste.m” Es el programa empleado en los procesos de optimización del proyecto. %%%%%%%%%%%%%% ALGORITMO DE AJUSTE DE UN SISTEMA %%%%%%%%%%%%%% POR MINIMOS CUADRADOS %clear all clear theta thaux dgn J format compact format short e Parte III. Código fuente Página 115 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL %%%%%%%% PARAMETROS Y VALORES INICIALES %%%%%%%%%%%%%%%%%% th=[3.9302 5.3284e1]; theta=th; Np=length(theta); %%%%%%%%%%%% PARAMETROS DEL ALGORITMO Tsamp=ts; % Intervalo fijo de integracion Nd=tfin/Tsamp; % Numero de datos en el ajuste tol1=1; % Tolerancia (variacion de la funcion objetivo 'V') tol2=1; % Tolerancia (variacion de los parametros 'theta') V=1; % Inicializacion del valor anterior la funcion objetivo Vaux=0.01; % Inicializacion del valor nuevo de la funcion objetivo dgn=ones(1,Np); % Direccion de Gauss-Newton (incremento de los parametros) niter=0; % Numero de iteraciones %%%%%%%%%%%%%% CHEQUEO DE LA ESTABILIDAD INICIAL % Matriz de estado del sistema (linealizacion) % [A,B,C,D]=linmod('sistema');% % Flag de estabilidad (¿la parte real de todos los % Autovalores de 'A' son negativas?) % stb=all(real(eig(A))<=0); % if stb==0 % disp('SISTEMA INESTABLE. MODIFICA LOS PARAMETROS DEL REGULADOR') % return % end %%%%%%%%%%%%%%%%%%%%%%% ALGORITMO DE AJUSTE while (100*(V-Vaux)/Vaux>tol1 | 100*max(abs(dgn./theta))>tol2) %& niter<10 Parte III. Código fuente Página 116 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL niter=niter+1; % Se incrementa el numero de iteraciones % Actualizacion de los parametros th=theta; %h0=theta(2); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Simulacion del sistema sim('sistema',tfin); %ys=[y(:);y1(:);y2(:)]; ys=y(:); %ym=[sal(:);sal1(:);sal2(:)]; ym=sal(:); error=ys-ym; % Funcion objetivo (error cuadratico medio) V=sqrt(sum((error).^2)/Nd); % Construccion de la matriz Jacobiana por diferencias finitas for i=1:Np thaux=theta; h=.001*abs(theta(i)); % Incremento para las derivadas if abs(theta(i))<10*sqrt(eps) h=.01*sqrt(eps); end thaux(i)=theta(i)+h; Actualizacion de los parametros th=thaux; %h0=thaux(2); sim('sistema',tfin); %yaux=[y(:);y1(:);y2(:)]; yaux=y(:); Parte III. Código fuente Página 117 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL %ym=[sal(:);sal1(:);sal2(:)]; ym=sal(:); error=yaux-ym; J(:,i)=(yaux-ys)/h; end % Representacion grafica de 'ys', 'ym' y del error=ys-ym clf stairs([ym ys error]) grid % BUSQUEDA DE 'MU' (ajuste del paso en la direccion de Gauss% Newton para garantizar una disminucion de la funcion objetivo mu=2; Vaux=V+10; stb=1; % Busqueda de 'mu' mientras no se reduzca la funcion objetivo o % el sistema sea inestable while Vaux > V | stb==0 mu=mu/2; thaux=theta+mu*dgn; % Actualizacion de los parametros del regulador th=thaux; %h0=thaux(2); % Matriz de estado del sistema (linealizacion) % Simulacion con los nuevos parametros if stb==0 yaux=zeros(size(yaux)); else sim('sistema',tfin); %yaux=[y(:);y1(:);y2(:)]; yaux=y(:); Parte III. Código fuente Página 118 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL %ym=[sal(:);sal1(:);sal2(:)]; ym=sal(:); error=yaux-ym; end % Actualizacion de la funcion objetivo Vaux=stb*sqrt(sum((yaux-ym).^2)/Nd); end % Parametros y funcion objetivo en pantalla theta=thaux; parametros_theta=[theta] Vaux end 4. Programa “evalua_control_caldera.m” Es el programa empleado para obtener los índices de calidad (J) respecto del control de referencia. % Programa para evaluar el control de la CALDERA % F. Morilla, octubre 2009 % Carga resultados de la simulación correspondiente al controlador que hace de referencia load pruebaCaldera_CL1.mat registrosr=registros; % Carga resultados de la simulación correspondiente al controlador que se quiere evaluar load monovariable Parte III. Código fuente Página 119 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL reg=[mando1(:,2) mando2(:,2) mando3(:,2) registros(:,4) salida1(:,2) salida2(:,2) salida3(:,2) registros(:,8) registros(:,9) registros(:,10)]; registros=reg; % Presenta los resultados figure(1) plot(t,registrosr(:,5),t,registros(:,5),t,registros(:,8),t,registr os1(:,5)) title('Presión de vapor y consigna (%)') xlabel('Tiempo (sg)') legend('Caso referencia','Caso a evaluar') figure(2) plot(t,registrosr(:,6),t,registros(:,6),t,registros(:,9),t,registr os1(:,6)) title('Oxígeno en exceso y consigna (%)') xlabel('Tiempo (sg)') legend('Caso referencia','Caso a evaluar') figure(3) plot(t,registrosr(:,7),t,registros(:,7),t,registros(:,10),t,regist ros1(:,7)) title('Nivel en el calderín y consigna (%)') xlabel('Tiempo (sg)') legend('Caso referencia','Caso a evaluar') figure(4) plot(t,registros(:,4)) title('Demanda de vapor (%)') xlabel('Tiempo (sg)') figure(5) plot(t,registrosr(:,1),t,registros(:,1),t,registros1(:,1)) title('Caudal de combustible (%)') xlabel('Tiempo (sg)') Parte III. Código fuente Página 120 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL legend('Caso referencia','Caso a evaluar') figure(6) plot(t,registrosr(:,2),t,registros(:,2),t,registros1(:,2)) title('Caudal de aire (%)') xlabel('Tiempo (sg)') legend('Caso referencia','Caso a evaluar') figure(7) plot(t,registrosr(:,3),t,registros(:,3),t,registros1(:,3)) title('Caudal de agua de alimentación (%)') xlabel('Tiempo (sg)') legend('Caso referencia','Caso a evaluar') % Evualúa la efectividad relativa del cambio de controlador for w=0:0.1:1, J=evaluaJCaldera(t,registrosr,registros,tcambio,w), End Parte III. Código fuente Página 121 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Documento Nº2 Pliego de condiciones Pliego de condiciones. UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice Capítulo 1 pliego de condiciones generales y económicas .................................................. 1 1.Condiciones generales................................................................................................................ 1 2.Condiciones económicas ........................................................................................................... 2 Capítulo 2 pliego de condiciones técnicas y particulares ..................................................... 4 1.Equipo informático ...................................................................................................................... 4 2.Normas de calidad. ...................................................................................................................... 4 3.Normas de Seguridad e Higiene. ............................................................................................ 5 4.Vida útil del proyecto.................................................................................................................. 5 Pliego de condiciones. UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 1 Pliego de condiciones generales 1.1 Condiciones generales Las condiciones y cláusulas que se establecen en este documento son de obligado cumplimiento por las partes contratantes. I. Tanto el administrador como el cliente se comprometen desde la fecha de la firma del contrato a llevar a cabo lo que se estipule. II. Ante cualquier reclamación o discrepancia en lo concerniente al cumplimiento de lo pactado por cualquiera de las partes, una vez agotada toda vía de entendimiento, se tramitará el asunto por la vía de lo legal. El dictamen o sentencia que se dicte será de obligado cumplimiento para las dos partes. III. Al firmarse el contrato, el suministrador se compromete a facilitar toda la información necesaria para la instalación y buen funcionamiento del sistema, siempre que sea requerido para ello. IV. Asimismo, el cliente entregará al suministrador todas las características distintivas del equipo comprado y aquellas otras que considere oportunas para el necesario conocimiento de la misma a efectos del diseño del presente equipo. V. El plazo de entrega será de tres meses, a partir de la fecha de la firma del contrato, pudiendo ampliarse en un mes. Cualquier Pliego de condiciones. Página1 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL VI. modificación de los plazos deberá contar con el acuerdo de las dos partes. VII. En caso de retrasos imputables al suministrador, se considerará una indemnización del 1 % del valor estipulado por semana de retraso.Existirá un plazo de garantía de un año a partir de la entrega del sistema. Dicha garantía quedará sin efecto si se demostrase que el sistema ha estado sometido a manipulación o uso indebido. VIII. Cumplido dicho plazo de garantía, el suministrador queda obligado a la reparación del sistema durante un plazo de cinco años, fuera del cual quedará a su propio criterio atender la petición del cliente. IX. En ningún momento tendrá el suministrador obligación alguna frente a desperfectos o averías por uso indebido por personas no autorizadas por el suministrador. 1.2 Condiciones económicas I. Los precios indicados en este proyecto son firmes y sin revisión por ningún concepto, siempre y cuando se acepten dentro del periodo de validez del presupuesto que se fija hasta Junio de 2010. II. El pago se realizará como sigue: 75% a la firma del contrato. 25% en el momento de entrega. III. La forma de pago será al contado mediante cheque nominativo o mediante transferencia bancaria. En ningún caso se aceptarán letras de cambio. Pliego de condiciones. Página3 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL IV. El suministrador se hará cargo de los gastos de embalaje y del transporte, dentro de la ciudad donde se encuentre la instalación. En caso de ser necesario transporte interurbano, el gasto correrá por cuenta del cliente. En todo caso, el responsable de los posibles desperfectos ocasionados por el transporte será el suministrador. V. Durante el plazo de garantía, la totalidad de los gastos originados por las reparaciones correrán por cuenta del suministrador. VI. Fuera de dicho plazo y durante los siguientes cinco años, los costes serán fijados mediante acuerdo por ambas partes. Pasados 5 años, éstos los fijará exclusivamente el suministrador. Pliego de condiciones. Página3 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 2 Pliego de condiciones técnicas y particulares 2.1 Equipo informático El equipo informático debe estar homologado conforme a la normativa Europea y Española a fecha de Junio de 2010. El equipo informático debe instalarse conforme a las indicaciones del fabricante, manteniendo las condiciones de humedad y temperatura entre los límites marcados. Los programas informáticos empleados han de contar con la licencia preceptiva y cumplir con las condiciones de la misma. En caso de usar programas de licencia GNU, se deberán respetar las condiciones de la misma. 2.2 Normas de calidad Los sistemas se diseñarán de forma que cumplan las normas UNE, CEI y EN aplicables a este tipo de productos, así como las normas ETSI (European Telecommunications Standards Institute) para sistemas de radiofrecuencia. Pliego de condiciones. Página4 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 2.3 Normas de seguridad e higiene El proyecto cumplirá con la Ley 31/95 de Prevención de Riesgos Laborales. 2.4 Vida útil del producto Los sistemas se diseñarán para una vida útil no inferior a 10 años en funcionamiento continuo. Pliego de condiciones. Página5 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Documento Nº3 Presupuesto Presupuesto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 1. Presupuesto En este documento se presentan los cálculos aproximados del coste del proyecto en lo que hace referencia a la compra de hardware y software necesarios y coste de ingeniería asociado. Coste de la mano de obra: Considerando que el coste de un ingeniero es de 50 euros por hora y que el tiempo invertido en el proyecto ha sido de 300 horas aproximadamente tenemos que el coste de la mano de obra es: Coste del software Para la elaboración del proyecto se ha requerido de las siguientes herramientas: 1. Matlab………..1500€ 2. Micrsoft office 2007…….600€ Coste del hardware Un PC comercial corriente es suficiente para la elaboración del proyecto. Según los precios de mercado se estima un valor final de 600€. Este coste se vería notablemente incrementado en el caso de querer comprobar a través de un ensayo real los resultados obtenidos en simulación. Como se ha comentado anteriormente, ha resultado imposible disponer de una caldera industrial que se ajuste a las características expuestas en el concurso, siendo el proyecto eminentemente teórico. Presupuesto Página1 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Coste total del proyecto El coste total es aproximado puesto que se han sobreestimado algunos factores como las licencias del software, que en muchos casos están incorporados en las empresas siendo necesario el cálculo de la parte proporcional de la amortización que corresponden a este proyecto. Presupuesto Página2 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Control avanzado de una cadera Fdo: David Morales Galán Madrid, Junio de 2010