x

¿Aún no está registrado?

Cree su cuenta. Regístrese en Elsevier y obtendrá: información relevante, máxima actualización y promociones exclusivas.

Registrarme ahora
Ayuda - - Regístrese - Teléfono 902 888 740
Buscar en

FI 2016

0,500
© Thomson Reuters, Journal Citation Reports, 2016

Indexada en:

SCIE /JCR, Scopus, ScienceDirect

Métricas

  • Factor de Impacto: 0,500(2016)
  • 5-años Factor de Impacto: 0,344
  • SCImago Journal Rank (SJR):0,212
  • Source Normalized Impact per Paper (SNIP):0,308

© Thomson Reuters, Journal Citation Reports, 2016

Revista Iberoamericana de Automática e Informática industrial 2017;14:234-45 - DOI: 10.1016/j.riai.2017.04.003
Control del Nivel de Pulpa en un Circuito de Flotación Utilizando una Estrategia de Control Predictivo
Pulp Level Control of a Flotation Circuit Using a Model Predictive Control Strategy
Cristián Troncoso G., , Alejandro Suárez S.
Departamento de Electrónica, Universidad Técnica Federico Santa María, Av. España n°1680, Valparaíso, Chile
Resumen

Este trabajo presenta el diseño y resultados de la implementación de una estrategia de control predictivo para el control del nivel de pulpa de un circuito de flotación primario de una minera ubicada en la tercera región de Chile, el cual está compuesto por cinco bancos de flotación. La estrategia considera una representación de estados que modela el nivel de cada banco (utilizando un modelo de múltiples entradas y una salida), el que es obtenido mediante un procedimiento de identificación de sistemas y utiliza un filtro de Kalman como estimador de estados. Para resolver el problema de optimización que calcula la acción de control a aplicar se utiliza un optimizador basado en algoritmos genéticos. Se presentan los resultados de la estrategia de control propuesta mediante datos experimentales.

Abstract

This work presents the design and implementation results of a model predictive control strategy used to control the pulp level of a Rougher flotation circuit in a mine located in the third region of Chile, which is composed by five flotation banks. The strategy considers a state space representation to model the pulp level of each bank (with a multiple input - single output model), which is obtained by a system identification procedure and uses a Kalman filter as a state estimator. To solve the optimization problem that calculates the control law, a genetic algorithm based optimization tool is used. Experimental data is used to show the results of the proposed control strategy.

Palabras clave
Control predictivo basado en modelo, Identificación de sistemas y estimación de parámetros, Filtro de Kalman, Rechazo a perturbaciones, Minería, metalurgia, metales y materiales
Keywords
Model predictive control, System identification and parameter estimation, Kalman filter, Disturbance rejection, Mining, metalurgy, metals and materials
Referencias
Desbiens et al., 1998
Desbiens, A., Hodouin, D., Mailloux, M., 1998. Nonlinear predictive control of a rougher flotation unit using local models. Proceedings of the IFAC-MMM Automation Symposium, 297-302.
Goldberg, 1989
D. Goldberg
Genetic algorithms in search optimization and machine learning
Addison-Wesley, (1989)
Goodwin et al., 2000
G. Goodwin,S. Graebe,M. Salgado
Control system design
1st Edition., Prentice Hall, (2000)
Haupt and Haupt, 2004
R. Haupt,S. Haupt
Practical genetic algorithms
John Wiley & Sons, (2004)
Hulbert, 1995
D. Hulbert
Multivariable control of pulp levels in flotation circuits
Proceedings 8th International Symposium on Control in Mining, Metals and Minerals, (1995), pp. 71-76
Kämpjärvi and Jämsä-Jounela, 2003
P. Kämpjärvi,S. Jämsä-Jounela
Level control strategies for flotation cells
Minerals Engineering, 16 (2003), pp. 1061-1068
Ljung, 1999
L. Ljung
System Identification: Theory for the user
Prentice Hall, (1999)
Martínez et al., 1998
M. Martínez,J. Senent,X. Blasco
Generalized predictive control using genetic algorithms (gagpc)
Engineering Applications of Artificial Intelligence, 11 (1998), pp. 355-377
Pannocchia, 2003
G. Pannocchia
Robust disturbance modeling for model predictive control with application to multivariable ill-conditioned processes
Journal of Process Control, 13 (2003), pp. 693-701
Pérez-Correa et al., 1998
R. Pérez-Correa,G. González,A. Casali,A. Cipriano,R. Barrera,E. Zavala
Dynamic modelling and advanced multivariable control of conventional flotation circuits
Minerals Engineering, 11 (1998), pp. 333-346
Putz and Cipriano, 2015
E. Putz,A. Cipriano
Hybrid model predictive control for flotation plants
Minerals Engineering, 70 (2015), pp. 26-35
Rojas and Cipriano, 2011
D. Rojas,A. Cipriano
Model based predictive control of a rougher flotation circuit considering grade estimation in intermediate cells
Dyna, 78 (2011), pp. 29-37
Rossiter, 2013
J. Rossiter
Model-based predictive control: a practical approach
CRC press, (2013)
Stenlund and Medvedev, 2002
B. Stenlund,A. Medvedev
Level control of cascade coupled flotation tanks
Control engineering practice, 10 (2002), pp. 443-448
Suárez and Gómez, 2011
A. Suárez,Z. Gómez
Sensor virtual entrenado usando el concepto de variables instrumentales y aplicado en la medición de temperatura en un convertidor teniente
Revista Iberoamericana de Automática e Informática Industrial, 8 (2011), pp. 54-63
Tulleken, 1990
H. Tulleken
Generalized binary noise test-signal concept for improved identification-experiment design
Automatica, 26 (1990), pp. 37-49
Zhu, 2001
Y. Zhu
Multivariable system identification for process control
Elsevier, (2001)
Autor para correspondencia. (Cristián Troncoso G. cristian.troncoso@alumnos.usm.cl)
Copyright © 2017. CEA