A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

CONTROLE AVANÇADO Prof. André Laurindo Maitelli DCA-UFRN.

Apresentações semelhantes


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

1 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 ? forma de afetar especificações de desempenho;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; controlador.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 –Rapidez na resposta: tempo de subida, transferência em tempo mínimo; –Exatidão –Exatidão: sobre-sinal, erro de regime, rastreamento de referência; –Custo –Custo: mínima energia, mínimo combustível; –Segurança –Segurança: estabilidade, robustez à incertezas; –Conforto –Conforto: rejeição à distúrbios, capacidade de auto-diagnóstico; –Simplicidade –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 ? algoritmo PID clássico;Anos 60: qualquer algoritmo ou estratégia de controle que derivasse do PID clássico; Feedforward, Multivariável e Ótimo;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 ? FeNa 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 controle preditivo multivariávelUsa 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); SetPointsEnvia 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

14 Principais Vantagens Melhoria na qualidade dos produtosMelhoria na qualidade dos produtos: o uso de inferência reduz as variações nas propriedades dos produtos; Aumento no rendimento dos produtos mais nobres;Aumento no rendimento dos produtos mais nobres; Aumento da capacidade da unidadeAumento da capacidade da unidade: o controle preditivo multivariável respeita as restrições da unidade; Economia e consumo de energia;Economia e consumo de energia; Aumento da estabilidade operacional da unidadeAumento 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 Quando Utilizar Controle Avançado ?

16 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 característica preditiva otimização econômica;O Controle Avançado amplamente utilizado na indústria de processo é multivariável, tem característica preditiva e apresenta uma função linear de otimização econômica; modelo linear testesUtiliza um modelo linear do processo obtido através de testes efetuados na planta; Set- PointsAs 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 funcionalProjeto funcional: diretrizes para maximizar a lucratividade de determinado processo; Revisão e ajuste de malhas regulatóriasRevisão e ajuste de malhas regulatórias: sintonia dos controladores PID, avaliação da instrumentação (sensores, válvulas, etc); Identificação do processoIdentificação do processo: seleção do melhor modelo em uma classe, estimação dos parâmetros, validação; Implementação do controle preditivo multivariável;Implementação do controle preditivo multivariável; Treinamento de operadores.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 ImpraticávelImpraticável devido: –Incertezas no modelo G(s); –Processos de fase não-mínima; –Limitações no sinal de controle u. u y y G(s)1/G(s)

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 1 a ordem com atraso ou para processos de 2 a ordem sem atraso; Na prática, as características dos processos são não-lineares e/ou variantes; Possível solução: escalamento de ganho.

28 Controle Adaptativo

29 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 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; objetivos econômicos e restriçõesNo 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 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 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 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 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 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. Controle Antecipatório

48 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. Controle Antecipatório

49

50 Comportamento Dinâmico


Carregar ppt "CONTROLE AVANÇADO Prof. André Laurindo Maitelli DCA-UFRN."

Apresentações semelhantes


Anúncios Google