Información del artículo
Resumen
El presente artículo muestra la aplicación de una estrategia de control predictivo no lineal basado en modelos (Nonlinear Model Predictive Control, NMPC) a una planta piloto en la que se controla la temperatura de un reactor. El controlador está basado en un modelo diagonal de Volterra de segundo orden para considerar efectos no lineales. Para calcular la acción de control se utiliza un método iterativo que requiere pocos recursos computacionales. El comportamiento del proceso y del controlador se presenta mediante resultados experimentales. Finalmente se comparan los resultados experimentales del NMPC con los resultados de un controlador predictivo lineal (MPC).
Palabras clave:
control predictivo no lineal
modelos de Volterra
secuencia pseudo-aleatoria
identificación
planta piloto
El Texto completo está disponible en PDF
Referencias
[Boyd and Chua, 1985]
S. Boyd, L.O. Chua.
Fading Memory and the Problem of Approximating Nonlinear Operators with Volterra Series.
IEEE Transactions on Circuits and Systems CAS, 32 (1985), pp. 1150-1161
[Camacho and Bordons, 2004]
Camacho, E.F. y C. Bordons (2004). Model Predictive Control. 2da edición. Springer-Verlag.
[Cueli, 2005]
Cueli, J.R. (2005). Control Predictivo para Procesos Repetitivos. Tesis doctoral. Universidad de Sevilla.
[Cueli and Bordons, 2006]
J.R. Cueli, C. Bordons.
Control Predictivo-Iterativo basado en modelo y aplicado a procesos por lotes.
Revista Iberoamericana de Automática e Informática Industrial, 3 (2006), pp. 63-74
[Cutler and Ramaker, 1980]
C.R. Cutler, B.C. Ramaker.
Dynamic Matrix Control – A Computer Control Algorithm.
Automatic Control Conference,
[Dorado, 2006]
Dorado, F. (2006). Control Predictivo no lineal basado en modelos de Volterra. Tesis doctoral. Universidad de Sevilla.
[Doyle et al., 2002]
Doyle, F.J., R.K. Pearson y B. A. Ogunnaike (2002). Identification and Control Using Volterra Models. Springer. London.
[Economou, 1986]
Economou, C.G. (1986). An Operator Theory Approach to Nonlinear Controller Design. Tesis doctoral. California Institute of Technology.
[Hugo et al., 1988]
P. Hugo, J. Steinbach, F. Stoessel.
Calculation of the maximum temperature in stirred tank reactors in case of breakdown of cooling.
Chemical Engineering Science, 43 (1988), pp. 2147-2152
[Lee et al., 2000]
J.H. Lee, K.S. Lee, W.C. Kim.
Modelbased iterative learning control with a quadratic criterion for time-varying linear systems.
Automatica, 36 (2000), pp. 641-657
[Maner et al., 1996]
B.R. Maner, F.J. Doyle, B.A. Ogunnaike, R.K. Pearson.
Nonlinear Model Predictive Control of a Simulated Multivariable Polymerization Reactor Using Second-order Volterra Models.
Automatica, 32 (1996), pp. 1285-1301
[Nowak and Van Veen, 1994]
R.D. Nowak, B.D. Van Veen.
Random and Pseudorandom Inputs for Volterra Filter Identification.
IEEE Transactions on Signal Processing, 42 (1994), pp. 2124-2135
[Parker et al., 2001]
R.S. Parker, D. Heemstra, F.J. Doyle, R.K. Pearson, B.A. Ogunnaike.
The identification of nonlinear models for process control using tailored “plant-friendly” input sequences.
Journal of Process Control, 11 (2001), pp. 237-250
[Ramírez et al., 1999]
D.R. Ramírez, D. Limón, J.G. Ortega, E.F. Camacho.
Model Based Predictive Control Using Genetic Algorithms Application to a Pilot Plant.
European Control Conference,
[Santos et al., 2001]
L.O. Santos, P.A.F.N.A. Afonso, J.A.A.M. Castro, N.M.C. Oliveira, L.T. Biegler.
On-line implementation of nonlinear MPC: an experimental case study.
Control Engineering Practice, 9 (2001), pp. 847-857
[Szeifert et al., 1995]
F. Szeifert, T. Chovan, L. Nagy.
Process dynamics and temperature control of fedbatch reactors.
Computers & Chemical Engineering, 19 (1995), pp. 447-452