Tesis
Implementação e avaliação de uma ferramenta de acompanhamento de controle preditivo para processos da indústria do petróleo
Autor
Vettorazzo, Carolina Maia
Institución
Resumen
TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação. O controle preditivo baseado em modelo (CPBM) é uma das técnicas de controle
moderno que provavelmente teve mais êxito nas aplicações na indústria. Porém,
uma das dificuldades encontradas na aplicação de CPBM é a sintonia e avaliação de
desempenho do sistema de controle.
Em geral, os diversos algoritmos de CPBM utilizam diferentes funções de custo
para calcular a lei de controle, porém a maioria deles considera como objetivo minimizar
o erro entre a saída futura e a referência desejada penalizando o esforço incremental
de controle. Assim, a sintonia desses controladores é diretamente dependente
das ponderações das variáveis controladas e das manipuladas e também da predição
calculada a partir do modelo de predição.
Algumas abordagens de avaliação de controle existentes não permitem definir
qual variável controlada tem o pior seguimento a referência e nem o motivo do desempenho
ruim. Existem ainda metodologias que auxiliam os projetistas a escolher
as de ponderações, mas que não garantem que as escolhas feitas são as melhores
possíves.
Por isso a necessidade de métodos de avaliação de desempenho de sistemas
de controle MPC é largamente reconhecida no meio industrial. Com base nisso, foram
utilizados seis índices, descritos em que avaliam o desempenho e a sintonia do
controlador: os Desvios Médios, o Índice de Seguimento de Referência Relativo, o
Índice de Supressão de Movimento, o Índice de Controle Relativo, o Índice do Erro
de Predição e o Índice de Estabilidade. Estes índices mostram se as variáveis estão
seguindo a referência de forma satisfatória e caso elas não estejam, os índices indicam
o porquê.
Este trabalho mostra, a partir de simulações de diversos cenários de operação
de uma planta real, que os índices são uma ferramenta de grande potencial para
avaliação do desempenho do controle e identificação dos problemas que impedem
um bom desempenho. Model Predictive Control (MPC) is probably one of the most successful control
techniques used in industrial applications. However, this technology has limitations like
the tuning procedure and the control system performance evaluation.
The various MPC algorithms propose different cost functions for obtaining the
control law, but the general aim is to minimize the error between the future output and
the reference signal, penalizing the control effort necessary for doing so. Therefore,
these controllers tuning depend on the weighting sequences and the future output.
Some available performance evaluation approaches do not indicate which variable
does not follow the reference signal well or why. There are also methodologies that
help designers to choose the weighting sequences, but they do not guarantee the best
choice as a result.
That is why there is still the need of new evaluation methods. Based on that, six
indices were created. They tell if the controlled variables are following the reference
and if they are not, why.
This work show, through various scenarios simulations, that the indices are a
great tool to analyze the control performance and identify possible problems that prevent
a good performance.
iii