Prof. André Laurindo Maitelli DCA-UFRN

Apresentação em tema: "Prof. André Laurindo Maitelli DCA-UFRN"— Transcrição da apresentação:

1 Prof. André Laurindo Maitelli DCA-UFRN
CONTROLE AVANÇADO Prof. André Laurindo Maitelli DCA-UFRN

2 Sumário Introdução ao Controle Avançado;
Controle Não-convencional: cascata, feedforward, override, split range, relação Controle Robusto; Controle Adaptativo; Identificação de Sistemas; Controle Preditivo; Controle Preditivo Multivariável; Aplicações de Controle Avançado.

3 Alguns Conhecimentos Necessários
Transformada de Laplace; Análise transitória e em regime; Lugar Geométrico das Raízes; Métodos de Resposta em Freqüência; Variáveis de Estado; Instrumentação industrial; Controladores PID.

4 INTRODUÇÃO

5 O que é Controle ? Um problema de controle consiste em determinar uma forma de afetar um sistema físico considerado de modo que o seu desempenho atenda às especificações de desempenho; O comportamento do sistema físico pode ser alterado através das variáveis manipuladas geradas por um controlador.

6 Especificações de Desempenho
Podem envolver requisitos como: Rapidez na resposta: tempo de subida, transferência em tempo mínimo; Exatidão: sobre-sinal, erro de regime, rastreamento de referência; Custo: mínima energia, mínimo combustível; Segurança: estabilidade, robustez à incertezas; Conforto: rejeição à distúrbios, capacidade de auto-diagnóstico; Simplicidade: modelos reduzidos, número pequeno de componentes.

7 Histórico 1769  Máquina a vapor de James Watt
1868  J. C. Maxwell desenvolve o modelo matemático para o controle de uma máquina a vapor 1913  Henry Ford desenvolve uma máquina de montagem utilizada na produção de automóveis 1927  H. W. Bode analisa amplificadores realimentados 1932  H. Nyquist desenvolve um método para analisar a estabilidade de sistemas 1952  Controle numérico desenvolvido pelo MIT 1954  George Devol desenvolve o primeiro projeto industrial robotizado 1970  Teoria de variáveis de estado e controle ótimo é desenvolvida 1980  Projeto de sistemas de controle robusto é desenvolvido 1990  Automação da manufatura é difundida 1995  Controle automático é largamente utilizado em automóveis e Sistemas robustos são utilizados na manufatura

8 O que é Controle Avançado ?
Anos 60: qualquer algoritmo ou estratégia de controle que derivasse do PID clássico; Anos 70: computadores de processo permitiram a implementação de controladores do tipo Feedforward, Multivariável e Ótimo; Proliferação de técnicas ditas avançadas de controle: avanços na indústria eletrônica, especialmente no desenvolvimento de dispositivos computacionais de baixo custo, ocorrida a partir dos anos 70.

9 O que é Controle Avançado ?
Na prática, controle avançado pode significar desde a implementação de esquemas de controle Feedforward ou em cascata até a de algoritmos de controle adaptativo ou de estratégias de otimização; Com a implementação de controle avançado os benefícios em termos de custos operacionais são entre 2 a 6%.

10 Controle Avançado Usa técnicas de controle preditivo multivariável a processos industriais para impedir que as variáveis de processo violem as suas restrições; Visa maximizar uma dada função de desempenho do processo (usualmente econômica); Envia os SetPoints para o controle regulatório; Utiliza técnicas de controle não-lineares: fuzzy, neural, adaptativo, robusto, etc; Realiza inferência de produtos.

11 Hierarquia da Automação

12 Benefícios do Controle Avançado

13 Benefícios do Controle Avançado

14 Principais Vantagens Melhoria na qualidade dos produtos: o uso de inferência reduz as variações nas propriedades dos produtos; Aumento no rendimento dos produtos mais nobres; Aumento da capacidade da unidade: o controle preditivo multivariável respeita as restrições da unidade; Economia e consumo de energia; Aumento da estabilidade operacional da unidade: a proteção das restrições, rejeição de perturbações e a natureza preditiva do controlador tornam o processo mais fácil de controlar.

15 Quando Utilizar Controle Avançado ?

16 Quando Utilizar Controle Avançado ?
Antes de partir para o controle avançado, deve-se tentar otimizar o controle regulatório: Sintonizando os parâmetros dos PID´s; Verificando a instrumentação. O investimento em Controle Avançado custa de dez a quinze vezes mais em relação a melhorias no sistema de controle regulatório.

17 Características O Controle Avançado amplamente utilizado na indústria de processo é multivariável, tem característica preditiva e apresenta uma função linear de otimização econômica; Utiliza um modelo linear do processo obtido através de testes efetuados na planta; As suas variáveis manipuladas são os Set-Points dos controladores PID do SDCD e atualizadas em torno de uma vez por minuto.

18 Implantação de CAV A implantação do controle avançado (CAV) envolve desde o projeto funcional, que define as diretrizes para maximizar a lucratividade de determinado processo, até a implementação do controle preditivo multivariável e o treinamento dos operadores e técnicos das empresas.

19 Passos da Implantação de CAV
Projeto funcional: diretrizes para maximizar a lucratividade de determinado processo; Revisão e ajuste de malhas regulatórias: sintonia dos controladores PID, avaliação da instrumentação (sensores, válvulas, etc); Identificação do processo: seleção do melhor modelo em uma classe, estimação dos parâmetros, validação; Implementação do controle preditivo multivariável; Treinamento de operadores.

20 Otimização em Tempo Real

21 MODELOS

22 Modelos de Processo Qualquer descrição de um sistema pode ser considerada como seu modelo; Em termos de propósitos de controle, o modelo deve conter informações que permitam predizer as conseqüências das mudanças das condições operacionais dos processos; Um modelo pode ser desde uma descrição matemática ou até qualitativa do comportamento de um processo.

23 Classificação dos Modelos

24 CONTROLADORES

25 Controle Baseado no Modelo
Modelo Inverso; PID; Adaptativo; Preditivo com Restrições; Multivariável; Robusto; Globalmente Linearizante.

26 Modelo Inverso Impraticável devido: Incertezas no modelo G(s);
y u y 1/G(s) G(s) Impraticável devido: Incertezas no modelo G(s); Processos de fase não-mínima; Limitações no sinal de controle u.

27 PID Clássico Utilizado em mais de 80% das malhas de controle existentes na indústria; Pode ser sintonizado (selecionados os 3 parâmetros) empiricamente ou pelo uso do modelo do processo; É ótimo para processos de 1a ordem com atraso ou para processos de 2a ordem sem atraso; Na prática, as características dos processos são não-lineares e/ou variantes; Possível solução: escalamento de ganho.

28 Controle Adaptativo

29 Controle Adaptativo Os parâmetros do modelo são atualizados periodicamente; Os parâmetros atualizados são então usados pelo controlador; São comercialmente disponíveis controladores PID com auto-sintonia; Permite o uso de modelos não-lineares: redes neurais, séries temporais não-lineares.

30 Controle Preditivo com Restrições

31 Controle Preditivo com Restrições
Controladores PID não são adequados para sistemas com grandes atrasos; Controladores preditivos são uma boa alternativa; Controle Preditivo Generalizado (GPC) é largamente usado na indústria; No GPC o cálculo do sinal de controle é um problema de otimização, onde objetivos econômicos e restrições (limites em fluxos, pressões, temperaturas, emissões na atmosfera, etc) podem ser incluídos na formulação do problema.

32 Controle Multivariável

33 Controle Multivariável
Processos com mais de uma entrada (Variável Manipulada) e/ou mais de uma saída (Variável de Processo); Exemplo: reator químico, em que nível, temperatura e pressão devem ser controlados; Em muitos casos a alteração de uma variável manipulada causa mudanças em mais de uma variável de processo (acoplamento).

34 Controle Robusto Quantificação das incertezas no modelo “nominal” do processo (faixa de operação); Projeto de um controlador que deve manter a estabilidade, bem como um desempenho especificado sobre a faixa de condições de operação.

35 Controle Globalmente Linearizante

36 Controle Globalmente Linearizante
Controladores adaptativos ou robustos não tem bom desempenho no controle de processos fortemente não-lineares; Processo é linearizado por realimentação de estado.

37 Controle Inferencial

38 Controle Inferencial Pela monitoração de variáveis secundárias é possível inferir a variável primária, geralmente uma medida da qualidade do produto; Os estimadores de inferência podem ser por equações de relação; O uso de Redes Neurais tem tido sucesso; Um exemplo típico é o controle de composição. Em misturas binárias em fase vapor, esta composição pode ser determinada a partir da pressão e da temperatura por meio de uma equação de estado.

39 Controle em Cascata, Relação e Antecipatório
Alternativas ao tradicional controle por realimentação; Não substituem o controlador por realimentação convencional, mas são alterações ou adições que possibilitam melhorar o desempenho do sistema de controle.

40 Controle em Cascata É um método simples, envolvendo dois controladores por realimentação em cascata; O controle em cascata é definido como a configuração onde o sinal de saída de um controlador é o SetPoint de pelo um outro controlador.

41 Controle em Cascata

42 Controle Convencional
exemplo

43 Controle em Cascata - exemplo

44 Operação Quando ocorre um aumento na vazão de entrada, o nível aumentará e o controlador de nível aumentará o sinal de Set Point para o controlador da vazão de saída, fazendo com que a mesma aumente, retornando o nível do tanque ao valor do Set Point ajustado para o mesmo; Quando ocorre uma mudança na pressão na linha de descarga, o controlador de vazão ajustará a válvula de saída antes que o nível do tanque seja significativamente alterado.

45 Controle de Relação Existem muitas situações nos processos industriais onde é necessário manter duas variáveis numa proporção ou relação definida; Uma variável flutua livremente de acordo com as exigências do processo e é chamada de variável livre; A outra variável é proporcional à variável livre e é chamada de variável manipulada; Exemplos: a mistura de aditivos à gasolina, mistura proporcional de reagentes de um reator químico e a mistura de fluxos quentes e frios para se obter uma determinada temperatura da mistura.

46 Controle de Relação exemplo

47 Controle Antecipatório
O controle antecipatório ou feedforward é proposto para suprir uma deficiência do controle por realimentação, que é a necessidade da existência de um erro para que o controlador tome alguma atitude; A idéia do controle antecipatório é medir os distúrbios que perturbam o processo e tomar uma atitude antes que os mesmos perturbem a saída do processo.

48 Controle Antecipatório
O distúrbio é medido e baseado num valor do Set-Point para a variável controlada, é calculado o valor necessário para a variável manipulada de maneira a evitar que a variável controlada seja alterada; Para tanto, é necessário o conhecimento da dinâmica do processo, o atraso de transporte, constante de tempo e ganho, no caso de um processo de primeira ordem.

49 Controle Antecipatório

50 Comportamento Dinâmico