Control PID Multivariable de una Caldera de Vapor

P. Mercader; C. D. Cánovas; A. Baños

doi:10.4995/riai.2018.9034

Autores/as

P. Mercader Israel Institute of Technology
C. D. Cánovas Universidad de Murcia
A. Baños Universidad de Murcia

DOI:

https://doi.org/10.4995/riai.2018.9034

Palabras clave:

Control PID, Control en realimentación multivariable, Control de procesos, Funciones de sensibilidad, Optimización convexa

Resumen

Este documento presenta la propuesta de los autores para el Concurso en Ingeniería de Control 2016 (CIC2016) organizado por el Grupo Temático de Ingeniería de Control del Comité Español de Automática (CEA). Esta propuesta resultó ganadora en la categoría de estudiantes de máster y postgrado. El concurso consiste en el diseño de un sistema de control para una caldera de vapor, que es modelada por un modelo no lineal multivariable con tres entradas, tres salidas y una perturbación medible. El sistema de control propuesto en este documento se basa en el diseño de un controlador tipo proporcional integrador derivativo (PID) multivariable, mediante técnicas de optimización convexa. Además, se contempla el uso de más grados de libertad mediante el diseño de precompensadores para referencias y para la perturbación medible. Finalmente, se analiza el desempeño del sistema de control diseñado, bajo los escenarios propuestos en el concurso.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

P. Mercader, Israel Institute of Technology

Faculty of Civil and Environmental Engineering, Technion

C. D. Cánovas, Universidad de Murcia

Departamento de Informática y Sistemas

Citas

Apkarian, P., Noll, D., 2006. Nonsmooth Hâˆž synthesis. IEEE Transactions on Automatic Control 51 (1), 71–86. https://doi.org/10.1109/TAC.2005.860290

Åström, K. J., Bell, R. D., 2000. Drum-boiler dynamics. Automatica 36 (3), 363–378. https://doi.org/10.1016/S0005-1098(99)00171-5

Åström, K. J., Hägglund, T., 2006. Advanced PID control. ISA-The Instrumentation, Systems and Automation Society.

Åström, K. J., Panagopoulos, H., Hägglund, T., 1998. Design of PI controllers based on non-convex optimization. Automatica 34 (5), 585–601. https://doi.org/10.1016/S0005-1098(98)00011-9

Balko, P., Rosinová, D., 2017. Gain scheduling control with PWA model: A case study. IFAC-PapersOnLine 50 (1), 11373–11378. https://doi.org/10.1016/j.ifacol.2017.08.2042

Blasco, X., García-Nieto, S., Reynoso-Meza, G., 2012. Control autónomo del seguimiento de trayectorias de un vehículo cuatrirrotor. Simulación y evaluación de propuestas. Revista Iberoamericana de Automática e Informática Industrial RIAI 9 (2), 194–199. https://doi.org/10.1016/j.riai.2012.01.001

Boyd, S., Hast, M., Åström, K. J., 2016. MIMO PID tuning via iterated LMI restriction. International Journal of Robust and Nonlinear Control 26 (8), 1718–1731. https://doi.org/10.1002/rnc.3376

Boyd, S., Vandenberghe, L., 2004. Convex optimization. Cambridge University Press. https://doi.org/10.1017/CBO9780511804441

Camacho, E. F., Bordons, C., 2007. Model Predictive Control. Springer-Verlag London. https://doi.org/10.1007/978-0-85729-398-5

Fernández, I., Rodríguez, C., Guzmán, J., Berenguel, M., 2011. Control predictivo por desacoplo con compensación de perturbaciones para el benchmark de control 2009–2010. Revista Iberoamericana de Automática e Informática Industrial RIAI 8 (2), 112–121.

Fu, C., Tan, W., 2017. Partially decentralized control for a benchmark boiler. Journal of Control Engineering and Applied Informatics 19 (1), 77–84.

García-Sanz, M., Elso, J., Ega-a, I., 2006. Control del ángulo de cabeceo de un helicóptero como benchmark de dise-o de controladores. Revista Iberoamericana de Automática e Informática Industrial 3 (2), 111–116.

Garrido, J., Vázquez, F., Morilla, F., 2016. Multivariable PID control by decoupling. International Journal of Systems Science 47 (5), 1054–1072. https://doi.org/10.1080/00207721.2014.911390

Grant, M., Boyd, S., 2008. Graph implementations for nonsmooth convex programs. In: Recent Advances in Learning and Control. Lecture Notes in Control and Information Sciences. Springer-Verlag Limited, pp. 95–110. https://doi.org/10.1007/978-1-84800-155-8_7

Grant, M., Boyd, S., 2015. CVX: Matlab software for disciplined convex programming, version 2.1. Visitado en octubre de 2017. URL: http://cvxr.com/cvx

Hast, M., Åström, K. J., Bernhardsson, B., Boyd, S., 2013. PID design by convex-concave optimization. In: Proceedings European Control Conference. pp. 4460–4465. https://doi.org/10.23919/ECC.2013.6669312

Lipp, T., Boyd, S., 2016. Variations and extension of the convex–concave procedure. Optimization and Engineering 17 (2), 263–287. https://doi.org/10.1007/s11081-015-9294-x

Ljung, L., 1995. System Identification Toolbox for use with MATLAB

Mercader, P., Åström, K. J., Ba-os, A., Hägglund, T., 2017. Robust PID design based on QFT and convex–concave optimization. IEEE Transactions on Control Systems Technology 25 (2), 441–452. https://doi.org/10.1109/TCST.2016.2562581

Moliner, R., Tanda, R., 2016. Herramienta para la sintonía robusta de controladores PI/PID de dos grados de libertad. Revista Iberoamericana de Automática e Informática Industrial RIAI 13 (1), 22–31. https://doi.org/10.1016/j.riai.2015.05.003

Morilla, F., 2010. Benchmark 2009-10 grupo temático de ingeniería de control de CEA-IFAC: Control de una caldera. Visitado en octubre de 2017. URL: http://www.dia.uned.es/~fmorilla/benchmark09_10/

Morilla, F., 2012. Benchmark for PID control based on the boiler control problem. IFAC Proceedings Volumes 45 (3), 346–351. https://doi.org/10.3182/20120328-3-IT-3014.00059

Morilla, F., Rodríguez, C., 2016. Concurso en ingeniería de control 2016 (CIC2016): Control de una caldera de vapor. Visitado en octubre de 2017. URL: http://www.dia.uned.es/~fmorilla/CIC2016/

Nguyen, H.-N., 2014. Constrained Control of Uncertain, Time-Varying, Discrete-Time Systems. Springer-Verlag London. https://doi.org/10.1007/978-3-319-02827-9

Pellegrinetti, G., Bentsman, J., 1996. Nonlinear control oriented boiler modeling–a benchmark problem for controller design. IEEE Transactions on Control Systems Technology 4 (1), 57–64. https://doi.org/10.1109/87.481767

Romero-Pérez, J. A., Arrieta, O., Padula, F., Reynoso-Meza, G., García-Nieto, S., Balaguer, P., 2012. Estudio comparativo de algoritmos de auto-ajuste de controladores PID. resultados del benchmark 2010-2011 del grupo de ingeniería de control de CEA. Revista Iberoamericana de Automática e Informática Industrial RIAI 9 (2), 182–193. https://doi.org/10.1016/j.riai.2012.02.009

Rubin, D., Mercader, P., Nguyen, H.-N., Gutman, P.-O., Ba-os, A., 2017. Improvements on interpolation techniques based on linear programming for constrained control. IFAC-PapersOnLine 50 (1), 1403–1408. https://doi.org/10.1016/j.ifacol.2017.08.245

Sánchez, H. S., Reynoso-Meza, G., Vilanova, R., Blasco, X., 2015. Multistage procedure for PI controller design of the boiler benchmark problem. In: 20th Conference on Emerging Technologies & Factory Automation (ETFA). pp.1–4. https://doi.org/10.1109/ETFA.2015.7301547

Silva, G. J., Datta, A., Bhattacharyya, S., 2001. Controller design via Padé approximation can lead to instability. In: Proceedings of the 40th IEEE Conference on Decision and Control. Vol. 5. pp. 4733–4737. https://doi.org/10.1109/CDC.2001.980953

Skogestad, S., Postlethwaite, I., 2005. Multivariable feedback control: analysis and design, 2nd Edition. Wiley.

Sturm, J. F., 1999. Using SeDuMi 1.02, a MATLAB toolbox for optimization over symmetric cones. Optimization Methods and Software 11 (1-4), 625–653. https://doi.org/10.1080/10556789908805766

Varga, A., 1991. Balancing-free square-root algorithm for computing singular perturbation approximations. In: Proceedings of the 30th IEEE Conference on Decision and Control. pp. 1062–1065. https://doi.org/10.1109/CDC.1991.261486

Yuille, A. L., Rangarajan, A., 2003. The concave-convex procedure. Neural computation 15 (4), 915–936. https://doi.org/10.1162/08997660360581958

Zhou, K., Doyle, J. C., 1998. Essentials of robust control. Pearson.