Aplicaciones Industriales para Control

Predictivo Multivariable
Resumen - En el siguiente documento se definirán se usan en el mercado. de hecho, el control
conceptos, ejemplos, antecedentes y aplicaciones predictivo es la estrategia de control basada en el
respecto al control predictivo multivariable (MPC), lo modelo que más se usa en aplicaciones de control
cual se define como una estrategia de optimización de procesos. Seborg (1994) afirma que en la
que hace uso de un modelo del proceso para predecir
industria petroquímica y en refinerías alrededor
el efecto de la acción de control sobre una planta.
del mundo existen centenas o hasta millares de
Palabras claves: control predictivo, multivariable, controladores predictivos; y en otra investigación,
optimización, procesos, aplicaciones. Quin y Badgwell (1996) contabilizan más de 2200
aplicaciones industriales sólo en el mercado
I. INTRODUCCIÓN americano, basándose en una muestra
Los procesos industriales por lo general son representativa de empresas suministradoras de
complejos, contienen muchas restricciones, softwares MPC. La popularidad del MPC en la
variables de disturbio, y por otro lado, las industria y en el medio académico se debe
operaciones son condicionadas cada vez más por fundamentalmente a las siguientes razones:
demanda económicas y ambientales. como
resultado estos proyectos deben satisfacer ya que ● Es multivariable.
cada vez son más exigentes los requisitos que se ● Resuelve problemas que poseen atrasos de
relacionan con la calidad de producto, seguridad, tiempo y no linealidades poco severas.
utilización de la energía y responsabilidad ● Puede ser formulado para incluir restricciones
ambiental [1]. rígidas.
● Puede incluir objetivos económicos en las
Como respuestas a estas demandas, algoritmos de funciones de optimización.
control predictivo basados en modelos como el Sin embargo, el control predictivo posee algunos
(MPC) vienen siendo estudiados ampliamente y retos para los ingenieros de control. Por ejemplo,
aplicado a grandes industrias como la de procesos la derivación de la ley de control puede ser muy
químicos, procesamiento de alimentos, complicada. También la necesidad de un buen
aplicaciones de automoción y aeroespacial. Esto modelo del sistema a ser controlado, ya sea
se debe principalmente a la capacidad de tratar fenomenológico o empírico, es imprescindible.
procesos multivariables que incluyan en su
formulación restricciones y su capacidad de II. MARCO TEÓRICO
acaparar procesos que presenten interacciones Espacios de estado
entre sus variables (sistemas acoplados). Cabe Es un modelo matemático de un sistema físico
resaltar que su ley de control es usualmente descrito mediante un conjunto de entradas, salidas
formulada como un problema de optimización, y variables de estado relacionadas por ecuaciones
lineal o no lineal, con restricciones o sin diferenciales de primer orden que se combinan en
restricciones, sabiendo que la teoría de sistemas se una ecuación diferencial matricial de primer
le conoce como control de horizonte reciente orden. Para prescindir del número de entradas,
(RHC) o de horizonte móvil, será referenciado salidas y estados, las variables son expresadas
como control predictivo basado en modelo (MPC) como vectores y las ecuaciones algebraicas se
o sencillamente como control predictivo, ya que escriben en forma matricial siempre y cuando el
este nombre fue en que adoptó en literatura de sistema es lineal e invariante en el tiempo.
ingeniería de controles de procesos [2].
Optimización
El acontecimiento de los algoritmos MPC es
La optimización es un término utilizado en el
comprobado por la gran variedad de controladores
ámbito de la informática que busca adaptar
predictivos que existen en el mercado. el control
programas informáticos para que realicen sus
predictivo es quizás una de las estrategias que más
tareas de una forma más eficiente y simplificar las
operaciones más complejas que requieren mucho NMPC dejan de serlo. Esto supone retos tanto
tiempo para su resolución. Virtualmente, la para la teoría estabilidad en NMPC como para la
optimización busca conseguir el mejor solución numérica [1].
rendimiento de una plataforma enfocada en el tipo
y la cantidad memoria es muy diferente a hacerlo MPC Industrial.
en una cuyo fuerte es la velocidad de los Los algoritmos de control se enfatizan aquí
procesadores. porque relativamente poca información disponible
sobre el desarrollo de la tecnología de
Mpc: Control predictivo en modelo identificación industrial. Las siguientes
Este controlador ha tenido una buena acogida en subsecciones describen algoritmos de clave en el
industrias petroleras y químicas dado que es un árbol evolutivo MPC.
controlador avanzado, que permite involucrar en
su acción de control las restricciones físicas y de
seguridad del proceso. El control predictivo tiene
internamente un mecanismo de optimización el
cual trata de encontrar la acción de control óptima
siempre respetando las restricciones establecidas
por el ingeniero de control, dentro de una ventana
de predicción. El controlador predictivo tal como
su nombre lo indica trata de predecir el
comportamiento dinámico de la planta con ayuda
de un modelo interno, es por eso que la obtención
de este modelo es muy importante para lograr
conseguir buenas predicciones de nuestro proceso Fig. 1. genealogía aproximado de algoritmos MPC lineales.

[1].

Restricción
Hay tres tipos de restricciones de uso común en la
tecnología MPC industrial; dura, blanda, y la
Gpc: Control predictivo generalizado aproximación de consigna. Las restricciones
Es uno de los modelos de control predictivo más duras, son aquellas que nunca debe ser violada,
reconocidos en la industria como también en el restricciones blandas, son aquellos para los que se
entorno académico, ya que se basa en tratar puede permitir alguna violación; la violación
problemas para una serie de plantas y con un normalmente se reduce al mínimo el uso de una
número racional de variables. El GPC sanción de segundo grado en la función objetivo.
básicamente estima una secuencia de futuras
señales de control tal que disminuya una función
objetiva definida para un horizonte de predicción.
Su automatización es una ecuación matemática
con función cuadrática que mide la distancia entre
la salida predecida del sistema y alguna secuencia
predecida este horizonte, más el desvió del
esfuerzo de control [3].

Mpc no Lineal
Es un tipo del Control Predictivo que está
caracterizado por el uso de modelos no lineales de
sistema en la predicción. Como en MPC lineal, el
NMPC requiere de la solución iterativa de
problemas de control en cuanto optimización en
un horizonte de predicción finito. Mientras estos
Fig. 2. Los tres tipos básicos de restricción; dura y blanda consigna aproximación.
problemas son convexos en MPC lineal, en Las restricciones duras (arriba) no deben ser violados en el futuro. restricciones
blandas (centro) pueden ser violados en el futuro, pero la violación está tipificada
en la función objetivo.
formulación de las diversas estrategias de control
MPC.
aproximación de consigna de limitación (parte inferior) penaliza las desviaciones
por encima y por debajo de la restricción. áreas sombras muestran violaciónes
penalizados en la optimización dinámica. Adaptado de Froisy (1994) . En la siguiente ilustración se podrá observar la
comparación de lo que sería el proceso de una
III. ESTADO DEL ARTE planta industrial convencional respecto a una
El concepto de usar una técnica de cómputo para planta que implementa un MPC.
solucionar el problema de control óptimo de lazo
abierto, cuya finalidad era el sintetizar un
controlador realimentado, fue probablemente el
área de estudio de muchos científicos en el campo
del control óptimo. Dentro de este contexto
Wiener (1942) introduce el concepto de la
predicción basada en modelo. Más adelante se
desarrolla, a mediados de 1950, el Principio
Máximo de Pontryagin, que viene a ser una
solución matemática elegante para el problema del
control predictivo basado en modelo (Balchen et
al., 1992). En la revisión hecha por García et al.
(1989), se cita a Propoi (1963) como el primero en
introducir explícitamente el concepto de horizonte
móvil finito, idea fundamental para la formulación
de su ley de control. Sin embargo, las aplicaciones
industriales no pudieron ser desarrolladas debido a
Fig. 3. Jerarquía de las funciones del sistema de control en una planta de procesamiento típico.
que la capacidad computacional requerida no estructura convencional se muestra a la izquierda; estructura MPC se muestra a la derecha.

estaba aún disponible a un precio aceptable hace

casi 30 años. Este hecho constituye la principal V. EJEMPLOS
razón por la cual soluciones teóricas no se hayan Se tomará como ejemplo, la implementación de
convertido en realizaciones prácticas[4]. un sistema de control predictivo multivariable de
un generador de vapor de tubos de agua,
IV. APLICACIONES
El MPC ganó rápidamente popularidad en el
entorno de control de procesos industriales,
debido a la simplicidad del algoritmo y al uso de
modelos basados en la respuesta al escalón, que a
pesar de poseer más parámetros que la
formulación en espacio de estados, termina siendo
preferido por ser más intuitivo y por necesitar
menos información previamente para el proceso
de identificación. Existen diversas aplicaciones,
las más conocida es la industria petroquímica, sin
embargo, existen aplicaciones en la industria de
celulosa y papel, del cemento, de PVC, en
generadores de vapor y en una serie de
aplicaciones industriales incluyendo hornos para
vidrio, en manipuladores de robots, en sistema de
tratamiento de aguas municipales, etc.

La mayoría de estas aplicaciones son

multivariables y poseen restricciones, presentando
algunas de ellas no linealidades. Problemas de
este tipo fueron los que incentivaron a la
las ecuaciones implícitas que gobiernan la Para la linealización, Pellegrinetti y Bentsman
dinámica del modelo son las siguientes: (1996) incorporan la perturbación ݊𝑊𝑊 dentro del
vector de variables de entrada 𝑥 para su
representación en forma de ecuación de espacio de
estados. Esto es fácil de notar al ver la última
columna de la matriz B que representa el vector
correspondiente a la perturbación ݊𝑊𝑊 y que
afecta al valor de 𝑥4 en función del tiempo;
perturbación que queda representada como 𝑥4 en
el vector de entradas 𝑥. De esta manera el modelo
matemático presentado se linealizó cerca de su
punto de operación nominal:

donde,

𝑥1 : variable de estado de la presión del domo

(𝑥𝑥𝑥/𝑥𝑥2 ) La ecuación de espacio de estados del sistema
linealizado es la siguiente:
𝑥2 : variable de estado de 𝑥2 (%)
𝑥3 : densidad del fluido en el sistema (𝑥𝑥/𝑥3 )
𝑥4 : variable exógena relacionada a la demanda de
vapor. (rango de 0 a 1)
𝑥1 : presión medida en el domo superior (PSI)
𝑥2 : nivel de exceso de oxígeno (%)
𝑥3 : nivel de agua (𝑥𝑥)
donde:
𝑥4 : flujo másico de vapor (𝑥𝑥/𝑥)
𝑥1 : flujo másico de combustible (rango de 0 a 1)
𝑥2 : flujo másico de aire (rango de 0 a 1)
𝑥3 : flujo másico de agua (rango de 0 a 1)
𝑥𝑥 : demanda de vapor.

Las variables ݊𝜂 son secuencias de ruidos

coloreados resultado de modelos de primer orden
incitados por ruido blanco con media cero. Los
modelos son los siguientes:
El modelo en diagrama de bloques de las multivariable: evolución histórica y
ecuaciones diferenciales no lineales tomadas del conceptos.”
trabajo de Pellegrinetti y Bentsman (1996) se
[4] javier garcia, “Sistemas de control - lazo
agrupará en un subsistema dentro de Simulink
abierto -lazo cerrado.” .
como se ve en la figura

VI. CONCLUSIÓN
El MPC no es ciertamente una estrategia de
control específica y sí un conjunto de métodos de
control desarrollados alrededor de ciertas ideas
comunes. Los algoritmos utilizados tienen una
característica en común la cual es que ambos
utilizan un modelo dinámico de la planta para
poder predecir las futuras acciones de las
variables manipuladas sobre las salidas, Los
diferentes algoritmos MPC difieren entre sí en el
modelo usado para representar el proceso y el
ruido. para concluir se puede decir que los MPC
son los sistemas de control más avanzados que
existen en este momento a pesar de su eficacia, no
es muy común verlo implementado en las
industrias debido a que muchas prefieren quedarse
en lo convencional.

Bibliografía

[1] S. J. Qin and T. A. Badgwell, “_review_A

survey of industrial model predictive
control technology.pdf,” vol. 11, pp. 733–
764, 2003.
[2] Sergio Castaño, “Control Predictivo
Basado en Modelo - MPC ݊ (Ejemplos y
Códigos MATLAB).” [Online].
Available:
https://controlautomaticoeducacion.com/c
ontrol-predictivo/. [Accessed: 27-Nov-
2018].
[3] J. M. Vargas Lara, “Control predictivo