Control Predictivo / Predictive Control

Predictive control is a modern control strategy that has proven its capabilities to deal with complex multivariable processes as well as a high degree of industrial acceptance.

The research in this topic covers both, theory and applications in the field of advanced process control. In particular it is centred in the development of:

· Methods and Algorithms

· Software and industrial applications

· Hybrid predictive control involving real and logic-integer variables

· Neural-nets predictive control

· Predictive control for batch processes

· Robust predictive control

· Fault tolerant predictive control

El Control Predictivo Basado en Modelos, (CPBM/MBPC), es una técnica de control que está ganando una amplia aceptación industrial por sus potencialidades para resolver de forma realista problemas complejos de regulación, así como por su capacidad para vincular la regulación con la operación óptima de un proceso desde un punto de vista económico.

El Control Predictivo se basa en el empleo de modelos dinámicos que relacionan las variables manipuladas y controladas de un proceso. Estos permiten predecir su evolución futura y calcular, mediante un procedimiento de optimización, las actuaciones que lleven al proceso a los objetivos deseados.

Funcionamiento general de un controlador predictivo

El Control Predictivo es una tecnología moderna, capaz de hacer sustanciales mejoras en el control de procesos continuos, incluso en plantas con dinámicas difíciles. Esto incluye tanto procesos con retardos, mal amortiguamiento, ruidos, etc., como aquellos casos de control de una unidad de proceso completa (columna de destilación, reactor químico, etc.) de carácter multivariable, en los que existan restricciones en las variables y perturbaciones significativas.

Esta línea de investigación cubre aspectos tanto teóricos como de implementación práctica relacionados con el control avanzado de procesos entre los que podemos destacar las siguientes líneas de investigación:

w Métodos y algoritmos / Methods and Algorithms

Investigadores principales / Main researchers: César de Prada, Smaranda Cristea, Teresa Alvarez

The kind of systems considered this point are multivariable processes with constrains in both manipulated and controlled variables. One line of activity is centred in methods for solving on-line feasibility problems. They appear when using linear and non-linear programming tools as optimisers in the controller and the set of constraints defines in a given time instant an empty solution set according to the system dynamics and disturbances.

Another line of activity is the formulation of controllers with stability guarantee. For the nominal case, formulations based in d domain models have been developed that have the desired properties for both open loop stable and unstable systems without compromising feasibility. The same algorithms allows to avoid numerical problems that appear when other types of linear models, such as CARIMA, are used.

Another topic of interest is the development of algorithms for on-line dynamic optimisation of the set points of a MPC controller, taking into account the economy of the process unit being controlled.

Other work is related to non-linear processes, in particular non-symmetric systems that can be described by different linear models according to the sign of the control moves. Also the use of first principles models in the controller is another topic of current research. Other research is linked to robust formulations of predictive controllers where the process is described by a linear model plus a non-structured but bounded disturbance.

El equipo que trabaja en estos temas estudia problemas relativos a algoritmos de control multivariable con restricciones en las entradas y salidas. En particular se han desarrollado métodos para resolver problemas de factibilidad que aparecen cuando el conjunto de restricciones configuran momentáneamente una situación de incompatibilidad entre los límites impuestos a las variables y la dinámica del sistema. Del mismo modo se han abordado problemas de optimización dinámica de consignas de controladores predictivos desde el punto de vista económico en la operación de una unidad de proceso. Igualmente se desarrollan algoritmos basados en el operador d para resolver problemas de operación con dinámicas muy diferenciadas donde la robustez numérica es importante.

Otros problemas estudiados atañen a la formulación de controladores con garantías de estabilidad nominal de los que se han hecho formulaciones en el dominio d. También se estudian controladores para dinámicas no-lineales, en concreto sistemas asimétricos y sistemas basados en modelos de primeros principios. En particular para el control de sistemas no-lineales se han estudiado algoritmos basados en la linealización on-line de modelos en cada punto de trabajo.

w Sistemas y aplicaciones industriales / Industrial Applications and Systems

Investigadores principales / Main researchers: César de Prada, Smaranda Cristea, Teresa Alvarez, Jesús Mª Zamarreño, Teresa de Jesús Alvarez

Besides algorithms, the group develops software for advanced control as well as implements MPC applications in industry. Within the frame of an academy-industry consortium, we have developed HITO, a complete multivariable predictive control industrial system, with economic optimisation capabilities and able to communicate and work in conjunction with several commercial DCS. Another version of HITO is embedded in the expert system shell G2, allowing interaction with a supervisory layer. HITO also includes and identification toll called HIDEN that operates as a MATLAB Toolbox through a graphical interface. Another software includes advanced control libraries for the general-purpose simulation language ACSL.

The group tries to promote the use of advanced control in industry. In particular, it maintains closed links with the sugar industry, where it has implemented MPC controllers in evaporators, melters, etc. Also it co-operates in the LHC project at CERN, (Geneva) in the predictive control of the new particle accelerators. Another applications include the precipitation process of Aughinish Alumina in Ireland.

Un segundo aspecto de la actividad de esta línea de trabajo lo constituye el desarrollo de software para control industrial y aplicaciones de control predictivo en la industria. En el marco de un proyecto PACE denominado HITO, se ha desarrollado un sistema de control predictivo multivariable basado en una estación de trabajo capaz de comunicarse con sistemas de control distribuido comerciales.

Otra versión está integrada en un sistema experto, G2, y permite la interacción con un sistema de supervisión. El sistema incluye un módulo de identificación de procesos denominado HIDEN, que opera como una Toolbox de Matlab con una interface gráfica. El grupo trata de promover el uso de técnicas de control avanzado en la industria. En particular, mantiene vínculos estrechos con la industria azucarera, donde ha realizado aplicaciones de control predictivo en evaporados, refundidoras, etc. Igualmente se colabora con el proyecto LHC del CERN (Ginebra) en el control no-lineal de temperatura de los aceleradores. Otras aplicaciones incluyen el proceso de precipitación en Aughinish Alumina en Irlanda. Se dispone también de software que permite estudiar el comportamiento de procesos no-lineales simulados en el lenguaje ACSL con diversos reguladores predictivos.

w Control predictivo híbrido / Hybrid Predictive Control

Investigadores principales / Main researchers: César de Prada, Smaranda Cristea, William Colmenares.

This line of work considers the predictive control of multivariable continuous systems in which several decision variables are real ones, while another subset are integer or logic ones. This allows widening the application field of predictive control strategies to other kind of problems, such as to include operational rules, safety, etc. Current applications are devoted to production management of mixed continuous and batch processes, and continuous systems with on-off and logic variables.

This path leads to new problems in modelling, analysis and numerical solutions, leading to mixed integer non-linear programming problems. The group works in these aspects as well as in implementations including simulations and pilot plant tests.

Esta línea de trabajo aborda el control de procesos en los que parte de las variables de decisión son continuas y otra parte son de tipo binario y donde se introducen al mismo tiempo reglas de operación. Esto permite ampliar el campo de aplicación de las técnicas de control predictivo pero al mismo tiempo plantea diversos problemas nuevos de formulación, análisis y resolución numérica, ya que deben emplearse técnica de programación mixta entera, lineal y no-lineal.

Los trabajos se centran actualmente en la formulación del problema, implementación de soluciones en tiempo real y pruebas en planta piloto y simulación. En particular se estudia el problema de gestión de la producción en sistemas en los que están incluidos procesos batch y continuos.

w Control predictivo con redes neuronales / Neural Nets Predictive Control

Investigadores principales / Main researchers: Jesús Mª Zamarreño, Mª Jesús de la Fuente

The team works with state space and Elman type NN that are able to predict future values of the controlled variables by recursion, providing the benefits of its non-linear nature. They used these models as the internal ones of a predictive controller in a constrained, multivariable context, solving the associated implementation problems.

This control architecture has been successfully tested, both in simulations and in a real process.

En la industria de procesos es habitual y deseable en muchas ocasiones disponer de predicciones de determinadas variables para tomar medidas preventivas con antelación. Esta necesidad queda bien cubierta con un modelo no-lineal que sea capaz de predecir a varios pasos mediante iteraciones sucesivas teniendo en cuenta las características de cada intervalo de operación y las posibles señales de entrada al sistema. Esta es precisamente la forma de predecir de las redes recurrentes que se utilizan dentro de esta línea: la red neuronal en el espacio de estados (RNEE) y la red de Elman.

La capacidad de predicción es una de las características principales de cualquier algoritmo de control predictivo basado en modelos. Por lo tanto, la inclusión del modelo RNEE o del modelo neuronal de Elman en un algoritmo de control predictivo es el principal objetivo de este trabajo. Dado que se plantea obtener un controlador predictivo neuronal lo más completo posible, su característica no-lineal se completa con la inclusión de restricciones tanto en las señales de control y en sus variaciones como en las salidas que se obtendrán en el futuro para el sistema siendo controlado. Esta arquitectura ha sido aplicada con éxito tanto en sistemas en simulación para los dos tipos de modelos neuronales como en pruebas en una aplicación real, para el caso del modelo RNEE.

w Control predictivo de procesos batch / Predictive control of batch processes

Investigadores principales / Main researchers: Jesús Mª Zamarreño, Ana Isabel González, César de Prada

Batch o semibatch processes are quite different from the continuous ones: partly because the targets are usually defined for the end of the batch and many variables cannot be measured directly, partly due to its highly non-linear nature which is a consequence of the fact that they change its operating point along the batch. Because of it, they require specific approaches for several problems such as

ü Modelling and identification of the process

ü State estimation

ü Multiobjective nature of the cost function

ü Non-linear programming methods

ü Robust and stable controllers

The research covers these topics and tries to extend to them the MBPC methodology.

Esta línea se desarrolla en el marco de las extensiones de las estrategias de Control Predictivo basado en modelos (CPBM) a sistemas no lineales y específicamente a los procesos por lotes o más comúnmente aceptados por su denominación inglesa, como procesos batch.

Los problemas de control en los procesos batch han sido usualmente presentados como un problema de seguimiento para trayectorias de referencias variantes en el tiempo sobre un intervalo de tiempo finito. Durante un batch, las variables oscilan sobre amplios rangos y las dinámicas experimentan cambios significativos debido a la alta no-linealidad de estos procesos, lo cual hace difícil la tarea de encontrar un modelo adecuado para describirlos. Debido a esto, un sistema de control basado en modelo de manera convencional puede conducir a errores significativos y explica de forma muy genérica por qué actualmente son pocas las aplicaciones de estas técnicas a los procesos batch.

La idea está en caracterizar a los procesos batch, procesos muy comunes en la industria de procesos de múltiples sectores, resaltando sus peculiaridades, los trabajos realizados en busca de una norma estándar común y la situación actual de la introducción de técnicas de control avanzadas en los mismos. Especial interés se le dedica a los aspectos de modelado y estimación no lineal de estados. En la formulación del controlador predictivo se consideran varias alternativas para el modelo interno y se establece una metodología que en sus diferentes etapas trata de integrar las ventajas de la optimización fuera de línea.

w Control Predictivo Robusto / Robust Predictive Control

Investigadores principales / Main researchers: Fernando Tadeo, William Colmenares, Francisco J. del Valle

The aim is to translate to the MBPC domain, techniques used in the robust control field in order to solve the problems associated to changes in the process dynamics not taken into account in a linear model. In particular, two different strategies are been considered:

· Methods based in Youla parameterisation: This formulation allows to represent easily the whole set of controllers that stabilises a given system. In this way, it is possible to design optimally a predictive controller that, besides stabilising the system, complies which given requirements of robustness and performance.

· Methods based in LMIs: In this case the methods used solve every sampling time an optimisation problem of the type linear matrix inequalities, for which efficient software tools are available

Another approach considers non-linear models and linearizes them on-line every sampling time as a way of improving the control strategy.

Para solucionar los problemas de robustez de los controladores predictivos se estudian estrategias de control predictivo que utilicen técnicas desarrolladas dentro del control robusto. Se utilizan dos aproximaciones principales: Métodos basados en la parametrización de Youla y Métodos basados en desigualdades matriciales lineales (Ver explicación en la línea de Control Robusto)

w Control Predictivo Tolerante a Fallos / Fault Tolerant Predictive Control

Investigadores principales / Main researchers: María Jesús de la Fuente

In order to solve the problems that appears when a process or instrumentation fault takes place, a predictive controller can be coupled with a supervisory system that detects the fault and then acts accordingly.

This work considers two main points:

· The substitution of a faulty sensor by a software one that provides similar information.

· The substitution of the controller internal model by another one, in those cases when the fault can be assigned to the process itself, in order to maintain the system in operation in spite of the fault

Para solucionar los problemas que aparecen cuando hay un fallo en el proceso, bien un fallo en los sensores, actuadores o en el propio sistema, al controlador predictivo se le puede dotar de un sistema de supervisión que detecte los fallos o cambios del proceso, y actúe en consecuencia.

Este trabajo se aborda desde dos puntos de vista:

· Con fallos en los sensores, se puede sustituir el sensor dañado con un sensor software que de la misma información.

· Si el cambio es en el propio sistema, se puede cambiar el modelo utilizado en el controlador predictivo, para que el sistema siga funcionando bien a pesar del cambio producido.