CONTROLE GLOBAL E CONTROLE AVANADO DE PLANTAS INDUSTRIAIS

Prof. Dr. Ricardo de Arajo KalidDepto Engenharia Qumica da UFBA Laboratrio de Controle e Otimizao de Processos Industriais.1

CONTROLE GLOBAL E CONTROLE AVANADO DE PLANTAS INDUSTRIAIS

Prof. Dr. Ricardo de Arajo KalidDepto Engenharia Qumica da UFBA Laboratrio de Controle e Otimizao de Processos Industriais.2

Objetivos e programa do cursoObjetivo Data01 de agosto 03 e 05 de agosto 08 a 12 de agosto 15 e 17 de agosto 22 de agosto 29 e 31 de agosto 02 de setembro 05 de setembro Apresentar os principais aspectos que devem ser considerados no controle global e nas principais estratgias de controle de plantas industriais

ProgramaPorque fazer APC ou MPC: vantagens e desvantagens Metodologia LACOI para controle global: aplicao planta LACOI Metodologia LACOI para maximizao do desempenho de sistemas de controle Identificao e sintonia de malhas integradoras e em cascata: aplicao uma planta industrial Identificao multivarivel: teoria, uso do matlab e recomendaes Malhas feedforward: teoria, implementao no matlab, sintonia e recomendaes Malhas override, split-range, controle seletivo, inferencial, compensao de tempo morto: teoria, implementao no matlab e recomendaes Malhas override, split-range, controle seletivo, inferencial: aula prtica no matlab

3

Opes do tcnico/engenheiro empreendedor:

Objetivos Maximizao do lucro Minimizao dos custos Melhoria da qualidade Aumento da segurana operacional Diversificao da produo Aumento da produo Minimizao do impacto ambiental negativo Maximizao da eco2-eficincia

FerramentasTroca da tecnologia Aperfeioamento do processo Melhoria da gesto Seis sigma e/ou controle estatstico do processo (CEP) Integrao de processos: HEN, MEN, M&HEN Otimizao das condies operacionais Automao e/ou melhorar o controle automtico do processo (CAP): Projeto do processo Instrumentao correta Estruturas mais adequada Estratgia mais eficiente Sintonia de controladores.4

Pirmide da automao

Enterprise Resources Planning sistemas de gesto corporativa

ERP Otimizao

Controle PreditivoControle avanado no SDCD Controle bsico Instrumentao (sensores e atuadores)

PROCESSO ORGANIZAO5

FERRAMENTAS PARA ALCANAR OBJETIVOSQUALIDADE Controladores (PID) PID + Ctrl. Avanado (Feedforward + Inferencial + Ganho no linear + ...) Investimento PID + Ctrl.Avanado + Controle Preditivo Multivarivel (MPC)

Investimento Inicial

Inicial

PID + CA + MPC +OTIMIZAO

Investimento Inicial Investimento Inicial

SEGURANA e MEIO AMBIENTE

QUANTIDADE6

Metodologia para projeto de uma nova planta Ideal: Projeto esttico e dinmico simultneos

Possvel:1. Inicialmente: projeto estacionrio: Sntese e fluxograma Dimensionamento e simulao dos equipamentos

2. Depois: projeto do sistema de controle 3. Se o processo no for controlvel retornar ao projeto estacionrio.7

Projeto de um sistema de controlePor onde comear? Pelo processo !!!Infra-estrutura de instrumentao

Projeto do processo

Estrutura do sistema de controle

Algoritmos de controle e configurao do SDCD

Sintonia do controlador

As estruturas, estratgias de controle e sintonia dos controladores devem ser CONTINUAMENTE atualizadas.8

Manuteno de malhas de controle: resultado de auditoria em malhas de controle de processos 15% 20% Ok!Estrutura

30% Sintonia

5% Processo 30%Instrumentao e vlvulas

Variabilidade aceitvel Processo com problemas Instrumentao e vlvulas com problemas Estrutura e/ou Estratgia incorretas Sintonia inadequada9

Apenas 3 em 10 chamadas so problemas de sintonia outras causas: Processo modificado Mudana no fornecedor da matria-prima: exemplo Alterao da especificao do produto ou do ponto operacional Aumento ou diminuio da carga No-linearidade do processo Rudo elevado: exemplo Falha na instrumentao Transmissor saturado Inexistncia de trecho reto a montante e/ou a jusante das vlvulas de controle Vlvulas sub ou super-dimensionadas: exemplo Interao entre malhas Estrutura (pares PV-MV) de controle inadequada Resposta inversa ou sobre-elevada do processo Tempo morto elevado Estratgia de controle inadequada.10

Perturbao peridica

11

Qual a melhor medio para controle? E para otimizao?

Alta repetibilidade Baixa exatido

Baixa repetibilidade Alta exatido12

Histerese

13

OvershootOutput Overshoot ! [ !] % Input

(Output

(Input

14

Sequncia para manuteno e/ou maximizao de malhas de controle existentes1. 2. 3. 4. 5. Avaliar a controlabilidade/operabilidade do processo Avaliar a instrumentao Avaliar a estrutura do sistema de controle emparelhamento PV-MV ou DE-MV Avaliar as estratgias de controle implementadas: feedback, feedforward, cascata, split-range, inferencial, tempo morto ltima etapa:

Sintonia dos controladores pelo mtodo da TENTATIVA-e-ACERTO15

O processo pode ser controlado? Pequenas reas de trocas trmicas para o regime transiente Oscilaes externas que perturbam o processo/sistema Os balanos de massa e energia que no fecham Faixas de operao restritas Dimensionamento errado dos equipamentos de troca trmica, separao ou de reao Operadores mal treinados.16

Os elementos primrios de medio so apropriados quanto a: Resoluo Repetibilidade Tempo mdio entre falhas Quantidade

A instrumentao de campo adequada?

Os elementos primrios esto instalados corretamente? Os elementos finais de controle esto dimensionados corretamente? A manuteno dos sensores e vlvulas realizada periodicamente?.17

A estrutura de controle atual eficiente? As variveis controladas (PV) so as mais indicadas? As variveis manipuladas (MV) so as mais indicadas? Os pares PV-MV so os mais apropriados? A interao entre as malhas est prejudicando o desempenho das malhas de controle? A documentao das malhas de controle est correta?.

18

Outras estratgias sero mais eficazes?Problema Soluo Feedforward Controle preditivo multivarivel Compensao do tempo morto Controle preditivo multivarivel Filtros analgicos ou digitais Controle inferencial Filtro de Kalman Controle preditivo multivarivel Ganho no-linear Ganho programado Controle adaptativo Controle preditivo multivarivel Controle preditivo multivarivel Controle preditivo multivarivel com restries Desacoplamento Controle preditivo multivarivel Otimizao em tempo real ou em linha Controle Otimizante.19

Perturbaes externas Elevado tempo morto Rudo nas medies Variveis no medidas No linearidades Dinmica complexa Restries Interao entre variveis Impacto econmico

Mtodo LACOI para sintonia de controladores industriais1.

Obtenha o modelo do processo:Colete dados ou faa testes dinmicos na planta industrial Identifique as funes de transferncia PV-MV e DE-MV

2.

Estabelea o desempenho desejado:Perturbaes tpicas nos SPs e nos DEs Tempo de resposta em malha fechada Limites operacionais

3. 4. 5. 6.

Sintonize os controladores pelo mtodo P-L Sintonize os controladores pelo mtodo da SINTONIA TIMA Faa o ajuste fino da sintonia na planta industrial Estabelea um procedimento para verificao do momento adequado para nova sintonia das malhas ajustadas VOLTE AO PASSO 120

Mtodo LACOI para maximizao do desempenho de malhas ou sistemas de controle1. 2. 3. 4. 5. 6. 7. 8. Estudo do processo Estimativa dos benefcios econmicos com sistema de controle Definio dos objetivos da automao seguindo o PEN e PDAI Projeto qualitativo do sistema de controle Auditoria da instrumentao Especificao do desempenho esperado (alcanvel) para o sistema de controle Modelagem quantitativa: identificao do modelo dinmico Projeto quantitativo do sistema de controle

9. Sintonia pelo MTODO P-L 10. Sintonia pelo mtodo da SINTONIA TIMA 11. Validao quantitativa e estudo da robustez do sistema de controle em plataforma computacional 12. Implementao na planta industrial 13. Validao tcnica-econmica da soluo implementada 14. Auditoria e manuteno preditiva continuada.21

Descrio da planta LACOI

22

INFORMAES PARA AVALIAO ECONMICA DA PLANTA LACOI Preo de compra de A : pA = 1000*xA.^8 Preo de venda de B : pB = 10000*xB.^0.25 Preo de compra do combustvel: pC = 3000 Preo do tratamento do efluente: pE = 2000 Custo de processameno: cP = 500*Fp.^3 u.m. / t de A u.m. / t de produto u.m. / t de combustvel u.m. / t de efluente u.m.

Preo de venda de vapor: pV = 500*PV.^2/18.5 u.m. / t de produto O custo de processamento inclui todos os custos variveis, exceto os explicitados anteriormente xA - frao molar de A na alimentao xB - frao molar de B no produto PV - Presso do Vapor [=] kgf/cm Fp - vazo processada u.m. - unidade monetria23

AVALIAO ECONMICA COM CONTROLE AVANADO Avaliao econmica: INVESTIMENTO X BENEFCIOS Fluxo de caixa Ponto de equilbrio Valor presente lquido Valor futuro Taxa interna de retorno

Estimativa do investimento Avaliao preliminar (incerteza de 30%) Cotao com fornecedores (incerteza de 10%) Contratao dos servios (incerteza de 5%)

Estimativa dos benefcios Mtodo rpido (2,5 %) Mtodo baseado na SIMULAO DO PROCESSO Mtodos ESTATSTICOS Capabilidade Reduo de 50% da variabilidade

Mtodo do MELHOR OPERADOR

24

BENEFCIOS ECONMICOS COM CONTROLE AVANADO: Bibliografia Notas de aulas da disciplina Avaliao Econmica de Processos do CICOP do professor Mauricio Moreno Manual do toolbox de estatstica do MATLAB Embiruu, Marcelo. Relatrio tcnico: Avaliao de benefcios econmicos. 2002. Programa de Ps-graduao da UFBA Friedmann, Paul G., Economics of Control Improvement, ISA, 1995 Shunta, J. P, Achieving World Class Manufacturing Through Process Control, Prentice Hall, 1995 Marlin, T. E. e outros, Advanced Process Control Applications- Warren Centre Industrial Case Studies of Opportunities and Benefits, ISA, 1987. Latour, P. L. e outros, Estimating Benefits from Advanced Control, ISA Transactions, Vol.25, n.4, pag. 13-21, 1986. Martin, G. D. e outros, Estimating Control Function Benefits, Hydrocarbon Processing, June, pag. 68-73, 1991 Koppel, L. B., Quantify information system benefitsHydrocarbon Processing, June,1995. L. T. Amy Projetos de Automao da ISA25

Avaliao Econmica com CONTROLE AVANADO Estudos dos benefcios com CONTROLE AVANADO Diminuio da variabilidade Aumento da continuidade operacional Aumento da produo Melhoria da qualidade

Investimento para implementao do CONTROLE AVANADO Instrumentao Modificao no processo Software Engenharia

Relao custo/benefcios com o CONTROLE AVANADO Matemtica financeira (fluxo de caixa, valor presente, ponto de equilbrio, taxa de retorno, etc.)26

Estudos dos benefcios com CONTROLE AVANADO Qual o retorno econmico que o sistema de controle/automao proporcionar? Diminuio da variabilidade Aumento da continuidade operacional Aumento da produo Melhoria da qualidade Incremento da segurana operacional Operao mais estvel ...

?

27

Metodologias para estimativas dos benefcios com CONTROLE AVANADOExistem basicamente 5 mtodos: 1. Estimativa preliminar ou 2,5% 2. Utilizando simulao fenomenolgica do processo 3. Utilizando dados histricos Mtodo do melhor operador 4. Utilizando dados histricos Reduo de 50% da variabilidade 5. Utilizando dados histricos Estudo da capabilidade Qual o mais indicado? Depende do objetivo a ser atingido, do tempo e dos dados disponveis28

Benefcios com CONTROLE AVANADO: Diminuio da variabilidade da PVL IM I T E E S P E C I F I C A D O

C ON TR OLE S E T P O IN T

AV AN AD O

C O N T R O L E R E G U L A T R IO B S IC O / A V A N A D O

OPER A O N OR M AL

R E D U O D A S V A R IA E S

O P E R A O M A IS P R X IM A D O L IM I T E

29

Benefcios com CONTROLE AVANADO:

Aumento do lucro maximizando a receita ou a produo e/ou minimizando os custosLucro ou Produo Operacional Varivel Controlada

Antes de implementar o CA Aps de implementar o CA

Custo Operacional

30

Benefcios com CONTROLE AVANADO:

Aumento do lucro: maximizando a receita e/ou minimizando os custos Exemplo 1: Diminuio do consumo de vapor A implantao do CONTROLE AVANADO em colunas de destilao possibilita a diminuio consumo de vapor Mantendo a mesma qualidade dos produtos A diminuio do vapor implica em diminuio de custos operacionais, se o vapor tem custo

Exemplo 2: Aumento da produo A implantao do CONTROLE AVANADO em colunas de destilao possibilita a diminuio dos refluxos internos Se a coluna limitante para o aumento da produo A diminuio do refluxo interno permite aumento de carga para a coluna.31

Metodologias para estimativas dos benefcios com CONTROLE AVANADO Mtodo 1: Estimativa preliminar ou 2,5%

Procedimento: supor que haverou reduo do consumo de matria-prima de 2,5% ou reduo do consumo de energia de 2,5% ou aumento da produo em 2,5%

Vantagens:Rpido Barato Geralmente fornece um resultado conservador

DesvantagemFornece estimativa grosseira do benefcio possvel Geralmente fornece um resultado conservador

Quando usar o mtodo da estimativa preliminar? Quando no dispomos de tempo ou quando apenas necessrio uma estimativa preliminar dos benefcios.

32

Objetivos da automao da planta LACOIMetas: 1. Operar de forma estvel e suave 2. A planta deve operar nas condies abaixo quando a carga aumenta em 15% e quando diminui em 30% 3. Todas as restries abaixo devem ser RIGOROSAMENTE obedecidas 4. O lucro operacional deve ser maximizado Restries: rea 100: Tanque de carga Nvel mximo 3 metros Nvel mnimo 1 metro Vazo de make-up < 3.0 m/min Temperatura de descarga > 35 C rea 200: Trocador Todas as Temperaturas < 60 C rea 300: Fornalha Conc. O2 gases de exausto > 0.5 mol/m Temp. na sada da fornalha < 390 C Temp. gases de exausto < 1000 C rea 400: Reator CSTR Nvel mximo 1,2 metros Nvel mnimo 0,8 metros Vazo de catalisador entre 0 e 2 kg/min Restries: rea 500: Coluna de Destilao Frao molar do topo: xBtopo > 0.80 Frao molar do fundo: xBfundo < 0.30 Temperatura da alimentao entre 40 e 50 C Nvel do tambor de refluxo: entre 0.5 e 1.5 m Nvel do fundo da coluna: entre 0.5 e 1.5 m Obs.: condensador total, destilado saturado, presso constante rea 700: Caldeira Nvel mximo +50 mm Nvel mnimo -50 mm Presso do vapor entre 17 e 19 kgf/cm rea 900: Tratamento de efluente Vazo de efluente < 0.35 m/min Nvel tanque de efluente < 1.8 m

Vlvulas devem operar entre 15 e 85 % de abertura.33

Definio da estrutura do sistema de controle

Abordagem heursticaUtiliza regras prticas Baseada na experincia do engenheiro Hierarquiza o processo em unidades ou fases

Abordagem matemticaUtiliza ferramentas matemticas Utiliza modelos lineares (identicao, CONTROL STATION, MATLAB-SIMULINK) e no-lineares (simulao via HYSYS, ASPEN, etc) Baseada na teoria de sistemas de controle Pode abordar a planta globalmente

Abordagem hbridaUtiliza regras apreendidas Faz uso de indicadores matemticos (RGA, CN, MRI,...) Mtodo mais indicado.34

Definio da estrutura de controle: abordagem heurstica1.

mantenha sob controle o inventrio de massa do processo,variveis controladas PV process variable, variveis manipuladas MV manipulated variable, os pares PV-MV,

2.

mantenha sob controle o inventrio de energia do processo,PV MV PV-MV

3.

mantenha sob controle a qualidade do processoPV MV PV-MV.35

Definio da estrutura de controle: abordagem heurstica escolha das PVs

1. Variveis no auto-reguladas Nvel de tanque com descarga por bomba Temperatura de reaes exotrmicas

2. Variveis auto-reguladas mas sujeitas a restries 3. Variveis auto-reguladas que interage com outras variveis 4. Se o no MV < no PV, no aplicar 2 ou 3.36

Definio da estrutura de controle: abordagem heurstica escolha das MVs 1. Varivel mais influente na PV 2. Se duas correntes tm a mesma influncia, escolha a que tem menor vazo 3. a MV seja pouco sensvel as condies ambientais 4. melhor que a MV escolhida cause pouca interao com outras malhas de controle 5. A MV tem que agir rpido sobre a PV 6. Escolha, sempre que possvel, uma corrente de utilidades para ser a varivel manipulada.37

Projeto qualitativo do sistema de controle de uma planta industrial1. 2.

Iniciar pelos equipamentos mais crticos: 1 reatores, 2 separadores Fechar os balanos de massa globalControlar nveis de tanques Controlar presses de vasos Iniciar pelos equipamentos mais sensveis

3. 4.

Sangrar (controlar) concentraes de inertes e sub-produtos Fixar (controlar) vazes em correntes de recicloEscolher uma vazo para aumento da carga da unidade

5.

Fechar os balanos de energiaControlar temperaturas nos equipamentos crticos Controlar temperaturas em correntes de reciclo

6. 7. 8.

Fixar (controlar) temperaturas em correntes de reciclo Controlar a qualidade (concentraes) dos produtos Estabelecer controles para otimizar economicamente o sistemaHavendo graus de liberdade (variveis manipuladas) Utilizando graus de liberdade dinmicos: VMs liberadas pelas PVs sob controle.38

Definio qualitativa da estrutura e das estratgias do sistema de controle

Estrutura:Variveis de entrada:Variveis manipuladas (VM) Distrbios externos (DE)

Variveis de sada:Variveis controladas (PV) Variveis medidas Variveis inferidas

Variveis no-controladas

Emparelhamento (PV-MV) Estratgias de controleControles feedback: PV-MV Controles cascata: PV mestre PV escravo - MV Controles feedforward:DE-MV Controle seletivo Override Split-range Compensao de tempo morto

Automatizar estratgias operacionais j utilizadas Entrevistar operadores e engenheiros de processos para estabelecer possveis estratgias de controle.39

Auditoria da instrumentao1. 2. 3. 4.

Inspeo visual da instrumentao de campo Verificar o desempenho estacionrio dos elementos finais de controle (loop-teste e estanqueidade) e dos instrumentos de medio Verificar a relao sinal/rudos dos instrumentos de medio Verificar a disponibilidade e confiabilidade da instrumentaoFechar o balano de massa (erro tpico entre 0,5% e 3%) Fechar o balano de energia (erro tpico entre 0,5% e 5%)

5. 6.

Verificar a abertura das vlvulas de controle (15% < OP < 85%) Verificar o desempenho dinmico das vlvulas de controle:Resoluo Linearidade Repetibilidade Histerese Overshoot Banda morta

40

Auditoria da instrumentao (continuao)

Vazo de refluxo da XX FRC xx Diagnstico: Bom desempenho;Projeto Vazo Mxima (ton/h) Vazo Normal (ton/h) Vazo Mnima (ton/h) 45,321 34,862 Range Atual 46 0 Avaliao adequado Adequado Adequado Adequado Adequado Adequado Adequado Adequado Adequado Ruim adequado Ruim Adequado Adequado Adequado Ruim PV 24,31 21,01 18,18 Teste operacional Desvio padro (PV) 0,08 0,04 0,04 MV 50,70 53,20 56,70

6 5

3

azo(ton/h)

0

1

53 5

17 16

51

50 15 5500 6000 6500 7000 7500 8000 8500

Tempo (s)

Teste de degrau pequeno 26 Vazo (ton/h) 24 52 22 20 25500 50 27000 54Vazao (ton/h)

25

Vazo(ton/h)

MV (%)

MV (%)

7 5 27 00 Tempo (s) 27600

Tempo (s)

Tempo(s)

Obs = Todos os testes foram realizados com sucesso

26000

26500

26600

24,2 26000

2

2

56 55,5 55 54,5 54 5 ,5 5 52,5 52 5 ,5 5

24,5

24,4

24,

26050

Teste de Tempo de esposta

uido

26 00

18

%

5

1

Item Descrio Tipo de vlvula Eixo Excntrico Caracterstica da vlvula =% Pocicionador Sim CV (selecionado / mximo / calculado) 230 230 102 (escolhido / requerido / normal) Tamanho (Dimetro) / Schedule 6 Vazo tende a Abrir Fabricante --Estado Fsico Vapor Histerese (% / ton/h) 0,4 / 0,184 Banda Morta (%) 0 baixa robustez elemento negativo => instabilidade.56

NI - Niederlinski IndexNI ! det K MA

Kj !1

n

MA jj

NI < 0 => instabilidade integral NI >0 => nada se pode afirmar.

57

Singular Value Decomposition da GMA

?U , 7,V A! svd

MA

Wmin = Min(7) = MRI (Morari Resiliency Index) quanto maior melhor, mas se muito grande indica alta sensibilidade indica a controlabilidade do sistema

CN = Wmax/Wmin

(Conditional Number)58

ideal = 1 indica os graus de liberdade efetivos em regime dinmico.

Sintonia pelo mtodo P-L

59

Sintonia tima Obteno da sintonia tima que atenda simultaneamente aos objetivos Sintonia que obedea a TODAS as restries e limitaes da planta

60

Validao e anlise de sensibilidade Testar o projeto sistema de controle em diferentes cenrios: Simulando diferentes perturbaes Simulando falha de instrumentos Testando novas sintonias Testando novas estruturas e estratgias Novos objetivos operacionais e/ou de mercado Observando a robustez diante de: Erros de modelagem Rudos de medio No-linearidades Histerese de vlvulas Etc.

61

Cuidados na implantao do projeto do sistema de controle By field sinmino de faa de qualquer jeito As built obrigatrio Cuidado com os detalhes Equipe deve ser experiente Controle rgido dos documentos: manuais, catlogos, projeto geomtrico, etc. Treinamento de operadores reduz o tempo de comissionamento O(A) dono(a) ou pai (me) do projeto tem que acompanhar desde o incio at a operao.62

Validao tcnica-econmica a posteriori Os objetivos tcnicos/operacionais foram alcanados? Validao econmica: Aps 6 meses operando bater a foto B Desligar os controladores avanados e MPC Bater a foto C Comparar as 3 fotos : Foto A - antes do o novo sistema de controle Foto B - com o novo sistema de controle operando Foto C - com o novo sistema de controle desligado

Elaborar relatrios e artigos: Tcnico completo (para os cticos) Re$umo executivo (para Diretoria) Artigos em revistas e congressos (para alimentar a auto-estima e ganhar algumas viagens) No basta apenas botar o ovo... Tambm temos que cacarejar!63

Auditoria e manuteno preditiva continuada

Uma soluo de APC ou MPC ou RTO fica obsoleta em meses

CaWM03

64

Auditoria e manuteno preditiva continuada Prever recurso para MANUTENO no fluxo de caixa do projeto APC, MPC e RTO so como filhos: sempre precisam de carinho e ateno Para aplicar APC, MPC e RTO no basta cacarejar... APC, MPC e RTO so galinhas de ovos de ouro.65

Exemplo para estudo: Planta de HDA

66

Exemplo para desenvolver controle global: Planta LACOI

67

Autores:

Controle global - Bibliografia

Page Buckey Morari Stephanopoulos Balchen and Mumm Rijnsdorp Luyben & Luyben Erickson and Hedrick Rinard and Downs Sigurd Skogestad; Truls Larsson Jorge Trieweiler

Livros

68

CONTROLE GLOBAL E CONTROLE AVANADO DE PLANTAS INDUSTRIAIS

Prof. Dr. Ricardo de Arajo Kalid kalid@ufba.br (71) 3203.9811 ou (71) 9984.3316www.LACOI.ufba.br DEQ EP - UFBA.69

70

Operao de uma coluna de destilaoQC

NT R F z q

NF D xD

1

V

B xB

Tempo morto em cada prato ~ 3 a 6 segundos.71

Graus de liberdadeR HF BV

DV

QR

DL

DLn

F

QR

BL

10 vlvulas, 8 variveis controladas, podemos utilizar 2 vlvulas para a otimizao econmica do processo Em regime transiente o GL depende da estrutura de controle adotada, i.e., dos pares PV-MV.72

Esquemas tpicos de controle de colunas de destilao

R-V

D-V

RR-RB.

RR-V

R-B

Pg 63 da apostila 73

Regras prticas para escolha das variveis controladas Variveis que no so auto-reguladas Variveis auto-reguladas que violem restries Variveis auto-reguladas que tem interao com outras malhas A primeira regra absoluta, as demais podem ser relaxadas.74

Regras prticas para escolha das variveis manipuladas Influenciar a PV Relao linear com a PV Pouco sensvel as condies ambientais Provocar menor interao entre as malhas Pequeno atraso entre MV e a PV Escolha sempre que possvel uma corrente de utilidades Passe os distrbios para frente, mas cuidado com os reciclos.75

Sensibilidade da malha de controleOj GV Mj Gp

Sj !

xB j xO jCj

Bj

Gm

Ideal Sj ~1 Alta sensibilidade (Sj >> 1): 2% de resoluo na vlvula com sensibilidade de 10% na malha => 20% de incerteza Baixa sensibilidade (Sj 1% mudana na PV

76

Definio do prato mais sensvel para medio de composio ou temperaturaComposioe in e a u a lid a d e m e d i o le n ta " b a r a to " m a n u te n o c o m p lic a d a

TemperaturaEs tim a a m e d i o u a lid a d e r p id a

" c aro" m a n u te n o s im p le s

Sensibilidade da medio em relao a mudana da MV Erro esttico existente entre composio do produto e composio do prato de medio Erro dinmico existente entre composio do produto e composio do prato de medio Tipo de distrbio mais provvel.77

Localizao dos sensores de composio Fase vapor tem problemas com a condensao da amostra Quanto + perto da perturbao + rpida a correo Quanto + perto da descarga menos incerta a medio Recomenda-se medir o contaminante.78

Definio do prato de medio Mtodo 1: Pratos sucessivos Maior (T entre dois pratos sucessivos

79

Definio do prato de medio Mtodo 2: Simetria de sensibilidade Objetivo: diminuir problemas com no-linearidadeE feito da mudana da carga trmica do refervedor sobre perfil de temperatura 22 22 20 18 16 14 P rato 12 10 8 6 4 2 100 150 200 Temperatura (C ) P rato C aso base -0,5% QR +0,5% QR 20 18 16 14 12 10 8 6 4 2 -20 -10 0 10 Temperatura (C ) 20

80

Definio do prato de medio Mtodo 3: Mxima sensibilidade

No considera a iterao entre as malhas.81

Definio do prato de medio Mtodo 4: SVD da matriz de sensibilidade Compromisso entre sensibilidade e iterao entre as malhas

82

Definio do prato de medio Mtodo 5: Resposta variao da composio da alimentao A temperatura no prato # mantida constante Observamos o comportamento da concentraol) re za LK na a se ( 3 2 1 0 0 0 .0 2 0 .0 4 0 .0 6 0 .0 8 0 .1 0 .1 2 0 .1 4 l e H H K na a li e nta 0 .1 6 0 .1 8 0 .2

I

ol)

0 .8

re za H K no e stila do (

0 .6 0 .5 0 .4 0 .3 0 0 .0 2 0 .0 4 0 .0 6

0 .0 8 0 .1 0 .1 2 0 .1 4 ol de H H K na a li e nta o

I

0 .7

Te Te

e ra t ra cte # 1 4 6 e ra t ra cte # 6 14

4

Te Te

%

& % $

$

#

5 e ra t ra cte # 1 4 e ra t ra cte # 6

" ! " '

Ponto de partida

0 .1 6

0 .1 8

0 .2

83

Problemas com a medio de temperatura Se o perfil de T for experimental considerar a incerteza na medio Se o perfil de T for resultado de simulao essa tem que ser validada no topo, base e em todos os pratos Adio de LLK ou HHK desloca o perfil Perfil muito ngreme => utilize mdia de T Perfil muito suave, utilize (T .84

Adio de componente LLK22 20 18 16 14 P rato 12 10 8 6 4 2 60 80 100 120 140 160 emperatura (C ) 180 200 220 N F = 11 C om LK K S em LK K

A medio de temperatura no topo ir causar mudana indevida na MV

85

Perfil suave de temperatura Medir (T Medir ( (( T) Cuidado:(a)

( ) ecr sci o de(T0

(c)

(T

xB,H

2

(d)

(

1

(T

ecr sci o de

)

(T

1

0

(

)

(T

(T

(T

86

Controle inferencial da composio Compensao da presso e temperatura:

(x1 ! F T (T F P (P

FT e FP constantes que variam com o ponto de referncia adotado Algoritmo s 100% correto para: misturas binrias equilbrio trmico atingido equilbrio termodinmico atingido.87

Analisadores virtuais: Filtro de Kalman Considera o erro nas medies das PVs y para inferir o erro na medio da PVs x

Filtro de Kalman

88

Aplicao do Filtro de Kalman em uma coluna de destilao Vantagens: corrige o erro do modelo tem feedbackFT F z q FC

Filtro de Kaman

x corrigido ! x calc K T . T exp T calc KPTT PT

P .

exp

P calc

PC QC AC

NT R LC NF D xD TC 1 LT V LC TC

Desvantagens: + computao pouco conhecido.

B xB

89

Matriz de ganhos em estado estacionrio Sadas:1) Temperatura do topo 2) Concentrao do topo 3) Temperatura do fundo 4) Concentrao do fundo

Nmero de pares?

Entradas:1) Vazo de refluxo 2) Vazo de carga trmica 3) Vazo da alimentao 4) Temperatura da alimentao 5) Composio da alimentao.

( Sada ( Entrada K ( Si ! ( Ej90

ij

Determinao dos ganhos Defino o caso base Perturbo a varivel de entrada Mensuro a varivel de sada Clculo o Kpij

Cuidado! O ganho varivel com ponto operacional amplitude da perturbao

Incerteza na medio..91

Ferramentas e informaes em regime transiente Definio dos pares PV-MV Matriz de funes de transferncia92

Resposta do processo em malha aberta: 1a ordem Nvel num tanque com escoamento por gravidade Na coluna: escoamento de lquido em um pratoq1(t)

Modelo matemtico fenomenolgico:h(t) q2(t)3 Y X 2 .5

dy t XP y t ! K P x t dt

Resposta a perturbao degrau:

2 X e Y

1 .5

1

0 .5 t 0 0 10 t

te

43

420 30 40 50 o 60 70 80

3

93

Resposta do processo em malha aberta: a ordem com tempo morto 1 Modelo no domnio do tempo Modelo no domnio de Laplace Funo de transferncia em SModelo matemtico: Funo de transferncia:5

dy t XP y t ! K P xt X m dtResposta no domnio do tempo:

Y s KP s ! ! e X s X P s 1

X mS

y t ! y 0 A.K P 1 e t X m /X P

94

Resposta do processo em malha aberta: 2a ordem super-amortecido Tanques em srie, escoamento por gravidade Na coluna: escoamento de lquido entre pratosq1 q2 h2 q3 h1

Modelo matemtico fenomenolgico:d 2 y t dy t X2 2X\ y t ! K P xt 2 dt dt4 Y X 3 .5

3

Resposta a perturbao degrau:

X e Y

2 .5

2

1 .5

1

0 .5

te

76

0

10

6

t

20

30

40

50 o

60

70

80

95

Resposta do processo em malha aberta: 2a ordem super-amortecido com tempo mortoModelo matemtico:d 2 y t dy t X2 2X\ y t ! K P xt X m 2 dt dt

Funo de transferncia:

s ! Y s ! 2 2 K P e X s X s 2X\s 1

mS

Resposta no domnio do tempo: y t ! y 0 X 1.e t X m /X 1 X 2 .e t X m / X 2 A.K 1 X1 X 2 X X X1 ! , X2 ! 2 \ \ 1 \ \ 2 196

PROCESSO INTEGRADOR ou CAPACITIVO PURO Varivel no auto-regulada Problema grave para o sistema de controle Controle de nvel quando na descarga existe bomba Nvel no tambor de refluxo e na base da coluna8 7 6 Y X

5

Resposta a perturbao degrau:

X e Y

4 3

2 1 0

te

Modelo matemtico: dy t ! K .x t X m

dt

98

0

10

20

30

40

50 o

60

70

80

Y s K X m S s ! ! e s s97

RESPOSTA INVERSA Problema grave para o sistema de controle Competio entre fenmenos: um rpido, mas de pequena amplitude outro lento mas de grande amplitude

Controle de nvel da base manipulando carga trmica4 .5 Y X 4

Resposta a perturbao degrau:

3 .5

X e Y

3

2 .5

2

1 .5

1

te

Modelo matemtico fenomenolgico:

d 2 y t dy t dx t X m X 2X\ y t ! K P X d x t X m dt 2 dt dt 2

A@

0

10

20

30

40

50 o

60

70

80

98

Matriz Funo de Transferncia SISO: Single Input Single Output MISO: Multiple Input Single Output SIMO: Single Input Multiple Output MIMO: Multiple Input Multiple OutputDE

GDMV

PVsp

KM

+

E

-

GCB

OP

+ GP +

GV GM

PV

99

Matriz Funo de TransfernciaGD1n 1 GD 2 n do processo para perturbao externa: 1 / . GDnn G p12 . G p1n do processo G p 22 1 G p 2 n para varivel manipulada: 1 1 / G pn2 . G pnn 0 . 0 Gc22 1 / do controlador 1 1 0 (descentralizado): . 0 Gcnn MFT da vlvula e medio anlogo ao controlador descentralizado GD12 GD 22 1 GDn 2.100

GD11 G GD D 21 / GDn1 G p11 G p 21 Gp / G pn1 Gc11 0 Gc / 0

Controle inferencial da composio Compensao da presso e temperatura:

(x1 ! F T (T F P (P

FT e FP constantes que variam com o ponto de referncia adotado Algoritmo s 100% correto para: modelo termodinmico perfeito misturas binrias equilbrio termodinmico atingido.101

Analisadores virtuais: Filtro de Kalman Considera o erro nas medies das PVs y para inferir o erro na medio da PVs x

Filtro de Kalman

102

Aplicao do Filtro de Kalman em uma coluna de destilao Vantagens: corrige o erro do modelo tem feedbackFT F z q FC

Filtro de Kaman

x corrigido ! x calc K T . T exp T calc KPTT PT

P .

exp

P calc

PC QC AC

NT R LC NF D xD TC 1 LT V LC TC

Desvantagens: + computao pouco conhecido.

B xB

103

Cuidado!Os parmetros que caracterizam uma FT ganho esttico constante de tempo perodo natural de oscilao fator de amortecimento tempo morto outros parmetros

so variveis com ponto operacional amplitude da perturbao

104

Matriz de ganhos em estado estacionrio Sadas:1) Temperatura do topo 2) Concentrao do topo 3) Temperatura do fundo 4) Concentrao do fundo

Nmero de pares?

Entradas:1) Vazo de refluxo 2) Vazo de carga trmica 3) Vazo da alimentao 4) Temperatura da alimentao 5) Composio da alimentao.

( Sada ( Entrada K ( Si ! ( Ej105

ij

Matriz Funo de Transferncia SISO: Single Input Single Output MISO: Multiple Input Single Output SIMO: Single Input Multiple Output MIMO: Multiple Input Multiple OutputDE

GD + GP +PV

OP

GV

MV

106

Matriz Funo de TransfernciaGD11 GD12 . G GD 22 D 21 do processo GD ! para perturbao externa: / GDn1 GDn2 .

GD1n GD 2 n / GDnn

do processo para varivel manipulada: G p

G p11 G p12 G p 21 G p 22 / 1 G pn1 G pn2

. 1 1 .

G p1n G p2n / G pnn

MFT da vlvula e da medio so matrizes diagonais107

Determinao dos ganhos Defino o caso base Perturbo a varivel de entrada Mensuro a varivel de sada Clculo o Kpij

Cuidado! O ganho varivel com ponto operacional amplitude da perturbao

Incerteza na medio..108

Ferramentas e informaes em regime transiente Definio dos pares PV-MV Matriz de funes de transferncia109

RGA Matriz de ganhos relativos Diagrama de blocos de um sistema de controleDE

GDMV

PVsp

KM

+

E

-

GCB

OP

+ GP +

GV GM

PV

KMA = KP x KV x KH

RGA ! ?K M Ay K

? A1 T M110

Uso do RGA para estabelecer robustez de um sistema de controle Kmid - matriz identificada dos ganhos RGA da matriz Kmidid M

0.878 .082

0.864 .096

RG

id

35.0688 ! - 34.0688

- 34.0688 35.0688

Km - matriz de ganhos estacionrios RGA da matriz Km 0 880 KM ! 1 090 0 880 1 080 - 108 RGA ! 109

109 - 108

Concluso: valores elevados de RGA o sistema no robusto.Pg 73 da apostila 111

RGA: regras e sugestes Somatrio de cada linha e cada coluna = 1 Diagonal principal ideal: matriz identidade => existe interao razovel: > 0,5 e < 4 razovel: elemento negativo ou muito grande elemento muito grande => baixa robustez elemento negativo => instabilidade.112

NI - Niederlinki IndexNI ! det K M

Kj !1

n

M jj

NI < 0 => instabilidade integral NI >0 => nada se pode afirmar

113

Singular Value Decomposition da GM

?U , 7,V A! svd M Wmin = Min(7) = MRI (Morari Resiliency Index) quanto maior melhor, mas se muito grande indica alta sensibilidade indica a controlabilidade do sistema

CN = Wmax/Wmin

(Conditional Number)114

ideal = 1 indica os graus de liberdade em regime dinmico.

Exemplo: escolha da estrutura de controle utilizando RGA, NI, MRI, CN Artigo: Disturbance Sensitivity of Distillation Control Structures Autores: Kurt V. Waller, Kurt E. Haggblom, Peter M. Sandelin, Dan H. Finnerman AIChE Journal, May 1988, Vol. 34, No. 5

Estruturas: L-V D-V D/(L+D)-V D/(L+D)-V/B115

Programa em MATLAB para escolha da estrutura de controle utilizando mtodos quantitativos Programa AnaliseEstrutural.m% Estrutura L-V GM_ganho_LV = [ -0.045 +0.048 ; -0.23 +0.55 ] ; GM_cte_tempo_LV = [ 8.1 11 ; 8.1 10 ] ; GM_tempo_morto_LV = [ 0.5 0.5; 1.5 0.5 ] ; GL_ganho_LV = [ -0.001 +0.004; -0.16 -0.65 ] ; GL_cte_tempo_LV = [ 10 8.5 ; 5.5 9.2 ] ; GL_tempo_morto_LV = [ 1 1; 1 1 ] ; % Estrutura D-V : : % Estrutura D/(L+D)-V = R-V : : % Estrutura D/(L+D)-V/B = R-R : :

116

Programa em MATLAB para escolha da estrutura de controle utilizando mtodos quantitativos (cont.) Programa AnaliseEstrutural.m (continuao)% RGA em estado estacionrio RGA_LV = GM_ganho_LV .* inv(GM_ganho_LV') ; RGA_DV = GM_ganho_DV .* inv(GM_ganho_DV') ; RGA_RV = GM_ganho_RV .* inv(GM_ganho_RV') ; RGA_RR = GM_ganho_RR .* inv(GM_ganho_RR') ; RGA = [ RGA_LV(1,1) RGA_DV(1,1) RGA_RV(1,1) RGA_RR(1,1) ] ; % NI em estado estacionrio diag_LV = diag(GM_ganho_LV) ; diag_DV = diag(GM_ganho_DV) ; diag_RV = diag(GM_ganho_RV) ; diag_RR = diag(GM_ganho_RR) ; NI_LV = det(GM_ganho_LV) / ( diag_LV(1) * diag_LV(2) ) ; NI_DV = det(GM_ganho_DV) / ( diag_DV(1) * diag_DV(2) ) ; NI_RV = det(GM_ganho_RV) / ( diag_RV(1) * diag_RV(2) ) ; NI_RR = det(GM_ganho_RR) / ( diag_RR(1) * diag_RR(2) ) ; NI = [ NI_LV NI_DV NI_RV NI_RR ] ;

117

Programa em MATLAB para escolha da estrutura de controle utilizando mtodos quantitativos (cont.) Programa AnaliseEstrutural.m (continuao)disp(' Adimensionalizando para CN mnimo') GM = GM_ganho_LV ; adimen GM_ganho_LV_adim = DoGDi ; : : % MRI em estado estacionrio MRI_LV = min( svd(GM_ganho_LV_adim) ) ; MRI_DV = min( svd(GM_ganho_DV_adim) ) ; MRI_RV = min( svd(GM_ganho_RV_adim) ) ; MRI_RR = min( svd(GM_ganho_RR_adim) ) ; MRI = [ MRI_LV MRI_DV MRI_RV MRI_RR ] ;

% CN em estado estacionrio CN_LV = max( svd(GM_ganho_LV_adim) ) / min( svd(GM_ganho_LV_adim) ) ; CN_DV = max( svd(GM_ganho_DV_adim) ) / min( svd(GM_ganho_DV_adim) ) ; CN_RV = max( svd(GM_ganho_RV_adim) ) / min( svd(GM_ganho_RV_adim) ) ; CN_RR = max( svd(GM_ganho_RR_adim) ) / min( svd(GM_ganho_RR_adim) ) ; CN = [ CN_LV CN_DV CN_RV CN_RR ] ;

118

Programa em MATLAB para escolha da estrutura de controle utilizando mtodos quantitativos (cont.) Programa AnaliseEstrutural.m (continuao)% Resultados em estado estacionrio disp(' ') disp(' ') disp(' Anlise em estado estacionrio:') disp(' ') linha0 = sprintf(' L-V D-V D/(L+D)-V/B D/(L+D)-V') linha1 = sprintf('RGA: %8.3f %8.3f %10.3f %12.3f',RGA) linha2 = sprintf('NI : %8.3f %8.3f %10.3f %12.3f',NI ) linha3 = sprintf('MRI: %8.3f %8.3f %10.3f %12.3f',MRI) linha4 = sprintf('CN : %8.3f %8.3f %10.3f %12.3f',CN ) disp(linha0) disp(linha1) disp(linha2) disp(linha3) disp(linha4)

; ; ; ; ;

119

Programa em MATLAB para escolha da estrutura de controle utilizando mtodos quantitativos (cont.) Programa adimen.m:% Rotina para adimensionalizao da matriz de ganhos % Minimizao do nmero condicional % Estimativa inicial Di = diag(GM) ; Do = diag(GM) ; x0 = [ Di ; Do ] ; opcoes(14)=5000; x = fmins( 'CNmin' , x0 , opcoes , [] , GM ) ; Di = x(1:length(GM)) ; Do = x(length(GM)+1:2*length(GM)) ; DoGDi = diag(Do) * GM * diag(Di) ;

Funo objetivofunction [ CN ] = CNmin(x,GM) % Funo que define a funo objetivo: minimizar o CN Di = x(1:length(GM)) ; Do = x(length(GM)+1:2*length(GM)) ; DoGDi = diag(Do) * GM * diag(Di) ; maxValorSingularNorm = max(svd(DoGDi)) ; minValorSingularNorm = min(svd(DoGDi)) ; CN = maxValorSingularNorm/minValorSingularNorm

;

120

Sintonia de Controladores Industriais Escolha da rapidez e do vigor da ao de controle Tipos de controladores P + I + D: P: ao proporcional, parmetro Kc ou PB%=1/Kc I: ao integral, parmetro Xi ou 1/ Xi D: ao derivativa, parmetro XD Bias do controlador, normalmente 50% da faixa Controlador ideal:

1 det . Out ut t ! Bias Kc. et et dt X D . dt Xi 121

Controladores Industriais Discretos (Digitais) Algoritmo de posioB

1 Out ut k ! bias Kc I k Xi

(I k I k .(t X . (t k

Algoritmo de velocidade (mais recomendado) I k (t . ((I k

Output k ! (Output k Kc (I k X D. Xi (t

Ao proporcional e derivativa sobre a PV.122

Mtodos para Sintonia de Controladores Industriais Tentativa-e-erro mais aplicado menos eficiente

Baseados na funo de transferncia Cohen-Coon Integrais (pg 82 da apostila)

Baseados na resposta oscilatria em malha fechada (Ziegler-Nichols) Baseados na resposta desejada em malha fechada - mais recomendado Sempre observar o comportamento da MV.123

5 trabalho extra-classe Sintonizar o sistema de controle : opo 1: utilizando uma coluna da empresa opo 2: utilizando coluna fornecida pelo professor

Justificar, analisar e criticar os resultados encontrados. Parte do trabalho ser desenvolvida em sala de aula, no dia 08 de fevereiro Data de entrega: 10 de fevereiro124

Controle split range Controle feedforward Controle inferencial Controle de razo

PC1 PY1

PY2

LT1 PT1 TT1 AX1

LC1

XY1

LX

FT3

FFC3

Controle seletivoTT2a FT4 TT2b TT2c LT2 THS2 XY2

Controle preditivo multivarivel Controle em cascataLC2

Controle Avanado

FC2

FT2

125

Controle split range Controle feedforward Controle inferencial Controle de razo

PC1 PY1

PY2

LT1 PT1 TT1 AX1

LC1

XY1

LX

FT3

FFC3

Controle seletivoTT2a FT4 TT2b TT2c LT2 THS2 XY2

Controle preditivo multivarivel Controle em cascataLC2

Controle Avanado

FC2

FT2

126

CastataControlador primrio ou mestre ou masterFT

F1TC

TT

FC

F2

Controlador secundrio ou escravo ou slave

Voc quer saber mais sobre controle em cascata?

Objetivo: evitar variaes indesejadas na MV127

Volta

F1

Controle Feedback SimplesTC

TT

F2Controlador primrio ou mestre ou master

Controle em CascataF1TC

TT

FT

FC

Ainda continua interessado em controle em cascata?

F2Volta

Controlador secundrio ou escravo ou slave 128

Controle em Cascata

Controlardor escravo: Primeiro controlador a ser colocado em automtico. Devemos inicialmente sintonizar essa malha. A malha interna deve ser mais rpida que a externa. Controlardor mestre: Controlador a ser colocado em automtico e sintonizado aps o controlador escravo.

F1TC

TT

FT

FC

F2Volta 129

Estao de razo

FT1

FFC

Razo

F1Controlador de vazo

FT2

FC2

F2

O objetivo desta estratgia de controle manter a razo constante entre as vazes da alimentao do tanque misturador. O transmissor de vazo FT1 envia para a estao de razo FFC o valor da vazo da corrente F1. A estao de razo FFC calcula o set point do controlador FC2 para que a razo F1/F2 seja mantida. Quando a vazo F1 aumenta (ou diminui) a vazo F2 tambm aumenta (ou diminui), mantendo a razo constante entre essas duas vazes.130

F1Controlador feedforwardFT

TTTX

FC

Feedforward

F2

Controlador feedback

Objetivo:+ FW

Diminuir o efeito da perturbao externa131

Controle Feedforward

F1Controlador feedforward

TTTX

XY

TC

TT

FT

FC

F2Intrumento somador das aes feedback com feedforward Controlador feedback em cascata

132

4-12 mA

FY1

TC

TT

F1

FfrioNA

Controlador de ao inversa

FY2 12-20 mA Os lquidos deste grfico deve ser diferentes NF

Fquente

Split-range

Nesta estratgia duas vlvulas so controladas por um nico controlador. No exemplo acima o reator aquecido ou resfriado a depender da temperatura do meio reacional. Os instrumentos FY1 e FY2 possibilitam que a vlvula de fluido frio esteja completamente fechada quando a de fluido quente esta aberta e vice-versa.133

Controle Split-Range ou por Faixa DivididaNo exemplo abaixo, o controlador de temperatura (TC) envia um sinal menor que o bias do controlador, se a temperatura medida (TT) maior que a temperatura desejada (Tsp). Como o instrumento FY2 converte sinais de 12 a 20 mA para uma faixa de 4 a 20 mA, um sinal de entrada menor que 12 mA gera na sua sada um sinal de 4 mA, provocando o fechamento da vlvula de controle do fluido de aquecimento. Por outro lado, o instrumento FY1, converte sinais de 4 a 12 mA para uma faixa de 4 a 20 mA, assim um sinal de entrada menor que 12 mA, provoca a abertura da vlvula de controle do fluido de frio e consequentemente o resfriamento do reator. Desta forma, combinando a atuao dos instrumentos TC, FY1 e FY2 o reator aquecido ou resfriado conforme a necessidade.

4-12 mA

FY1

TC

TT

F1

FfrioNA

Controlador de ao inversa

FY2 12-20 mA Os lquidos deste grfico deve ser diferentes NF

Fquente

134

TC THS

Seletor de temperatura mais alta

FT1

FT2

FT3 FT4 FT5

Seleo Nesta estratgia o instrumento THS seleciona a temperatura mais alta, ento essa a temperatura que o controlador TC manter o mais prximo possvel do set point135

InferencialInstrumento que faz a inferncia da composio (analisador virtual)

TT PT AX AC

Algumas vezes a varivel que queremos controlar no pode ser medida diretamente, mas sim indiretamente. No esquema acima a concentrao inferida atravs da medio de temperatura e presso coluna.136

Controle InferencialNo exemplo abaixo, a concentrao no topo da coluna de destilao estimada ou inferida a partir das medies da temperatura e presso do sistema. As leis fsicas que regem o equilbrio lquidovapor permitem estabelecer uma relao matemtica entre as variveis do sistema:

x ! E .T F .POnde x a concentrao inferida, T a temperatura medida pelo TT, a presso medida pelo PT, e constantes especficas para cada processo. Essas constantes dependem das substncias presentes, da temperatura e presso do sistema. Portanto, conhecendo T e P e as constantes e podemos calcular, no instrumento AX, que resolve a equao acima, a concentrao de alguma componente do processo. importante destacar que o controle inferencial baseado em um modelo do processo. Portanto, como todo modelo est sujeito a erros, a inferncia apenas indica a concentrao aproximada do processo. Mas, essa estratgia de controle, quando bem montada, d excelentes resultados.

TT PT AX AC

Instrumento que faz a inferncia da composio (anlisador virtual)137

FT1 FT3

F1TT

FfrioControlador preditivo multivarivelNA FT2

XC

AT

Preditivo

FquenteNF

Os processos so todos multivariveis, pois tem mais de uma varivel manipulada, mais de uma varivel controlada e mais de uma perturbao atuando ao mesmo tempo. Nos casos mais crticos recomendado utilizar o controle preditivo multivarivel. Esse controlador por enxergar simultaneamente todos os efeitos das perturbaes e das variveis manipuladas sobre as todas variveis controladas tem um melhor desempenho que os controladores PID. No exemplo acima o Controlador XC, a partir das medies de temperatura, composio e vazes, calcula qual a vazo do fluido refrigerante e de aquecimento ideal para atingir os objetivos operacionais previamente estabelecidos.138

or do controle split rangePC1 PY1 PY2

dor mestre da malha em cascata?

nto da malha de controle por a composio?LT1 PT1 TT1 AX1 XY1 LX LC1

dor escravo da malha em cascata? ontrole razoFT3 FFC3

deTT2a FT4 TT2b TT2c LT2 LC2 THS2 XY2

do?

FC2

FT2

ados

Lquido139

Controle em Cascata Diagrama de blocos:Csp E1 O L

GL GFM

+

-

GC mestreB

E2

+ GP GHC +

C

-

GC escravo

GHF

Diagrama de blocos equivalente:Csp E1 O

L

GLM

+ GP GHC140

+

-

GC mestreB

GF equivalente

+

Controle Feedforward Diagrama de blocosL

GL GFF

Csp

E

+

-

GCB

O

+ + GH GV

+M

GP

C

+

141

Controle PID Preditivo Multimalha x Multivarivel Abordagem SISO No incorpora um modelo do processo Apenas possibilita otimizao tcnica Abordagem MIMO Incorpora um modelo do processo Permite otimizao tcnica e econmica

No prever o Capacidade de prever o comportamento futuro comportamento futuro No incorpora as restries a priori Incorpora as restries a priori142

Anlise e sntese qualitativa

Procedimento para definir a estrutura de controle Escolha dos objetivos Reconhecimento das perturbaes Escolha de possveis PVs e MVs, e pares PV-MV

Anlise e sntese quantitativa Escolha do prato timo de medio Obteno das funes de transferncia Aplicao dos ndices (RGA, NI, MRI, CN, TLC, RPN, CLP, DSC) para definio das PVs MVs emparelhamento PV-MV

Sintonia dos controladores Validao da estrutura desenvolvida.143

Trabalho de Final de Curso Utilizando uma coluna de destilao da empresa em que trabalha Estudar o sistema de controle Objetivos operacionais e de controle Anlise qualitativa Escolha dos pratos de medio de temperatura Identificao da matriz funo de transferncia Escolha da estrutura de controle: PVs, MVs e pares PV-MV Sintonia dos controladores

Justificar, analisar e criticar os resultados encontrados. Data de entrega: 28 de abril144

Controle em Cascata Diagrama de blocos:Csp E1 O L

GL GFM

+

-

GC mestreB

E2

+ GP GHC +

C

-

GC escravo

GHF

Diagrama de blocos equivalente:Csp E1 O

L

GLM

+ GP GHC145

+

-

GC mestreB

GF equivalente

+

Controle Feedforward Diagrama de blocosL

GL GFF

Csp

E

+

-

GCB

O

+ + GH GV

+M

GP

C

+

146

Controle PID Preditivo Multimalha x Multivarivel Abordagem SISO No incorpora um modelo do processo Apenas possibilita otimizao tcnica Abordagem MIMO Incorpora um modelo do processo Permite otimizao tcnica e econmica

No prever o Capacidade de prever o comportamento futuro comportamento futuro No incorpora as restries a priori Incorpora as restries a priori147

Anlise e sntese qualitativa

Procedimento para definir a estrutura de controle Escolha dos objetivos Reconhecimento das perturbaes Escolha de possveis PVs e MVs, e pares PV-MV

Anlise e sntese quantitativa Escolha do prato timo de medio Obteno das funes de transferncia Aplicao dos ndices (RGA, NI, MRI, CN, TLC, RPN, CLP, DSC) para definio das PVs MVs emparelhamento PV-MV

Sintonia dos controladores Validao da estrutura desenvolvida.148

QC

NT

R F z qNF

D xD1

V

B xB149

Planta LACOI

150

Planta LACOI fluxograma de controle Projeto qualitativo 05/08/2005

151

Planta LACOI fluxograma de controle Projeto qualitativo 25/10/2005

152