Implementação e comparação de performance de controladores preditivos multivariáveis MMPC, estruturados com modelo de perturbação de entrada ajustados às perturbações através da utilização do modelo matemático identificado de um forno industrial petroquímico.

• Ano de defesa: 2020
• Autor(a) principal: Chaves, Carlos Roberto
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Algoritmos; Análise de performance; Controle preditivo; Identificação de sistemas; Mathematical model; MOGA algorithm; Multivariable predictive control; Performance analysis; System identification; Unmeasured disturbance model
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-24052021-112840/

Na atualidade, dispõe-se de um número razoável de soluções tecnológicas para controle e otimização de sistemas ou processos multivariáveis, dentre estas tecnologias destaca-se o controle preditivo MPC. A busca pelas melhores soluções de controle para sistemas multivariáveis, através do controle preditivo, requer o conhecimento das relações de causa e efeito entre as variáveis de entrada e saída do processo. Todavia, pode-se gerar modelos dinâmicos dos processos que incluam, além das relações de causa e efeito entre as variáveis controladas e manipuladas, o efeito de perturbações não medidas.Esta particularidade do processo, poderá afetar a performance do controle preditivo quando não considerada, podendo levar, o controle da planta ou sistema, para regiões de instabilidade. A principal questão que se discute nesta tese é se a inclusão do modelo de perturbações não medidas (H) na estrutura do controlador preditivo pode melhorar o seu desempenho em relação à rejeição ou tratamento das perturbações estocásticas. Assim, esta tese visa desenvolver uma simulação e análise comparativa de desempenho entre os controladores preditivos com e sem modelo de perturbações não medidas. Os modelos do processo incluindo ou não os modelos de perturbações não medidas foram gerados a partir de dados coletados de um forno industrial de 50 MW. Os controladores MPC com e sem o modelo de perturbações não medidas foram testados através da simulação em ambiente computacional, visando uma avaliação do efeito no controle preditivo de inserir ou não esse modelo de perturbações. Ao final deste trabalho, a hipótese sobre a contribuição no desempenho do controlador preditivo com a inclusão do modelo de perturbações não medidas é confirmada através do critério IAE (integral do erro absoluto). Esse critério permite avaliar o comportamento do erro do processo obtido através da diferença entre SP (set-point) e PV (process-variable). Faz parte do escopo deste trabalho a utilização da ferramenta computacional MOGA (Multi-Objective Genetic Algorithm), para a otimização dos parâmetros de sintonia dos controladores preditivos com e sem o modelo de perturbações não medidas. O resultado da análise comparativa entre os controladores MPC, evidenciou através do critério IAE, que o controle preditivo MPC com modelo H, apresentou desempenho superior em relação ao controlador MPC sem modelo de perturbação não medida. Em resumo, o controle preditivo MPC com modelo de perturbação apresentou uma melhor capacidade de eliminar o erro em regime permanente, quando submetido a perturbações não medidas, permitindo que o processo opere em sua região ótima, contribuindo para a maximização da produção, redução dos índices de emissões atmosféricas e efluentes, aumento do ciclo de vida útil dos atuadores e incremento no tempo de campanha da planta industrial.