| dc.description.abstract | O controle preditivo baseado em modelo (MPC) é uma das poucas técnicas de controle avançado que teve um impacto significativo no controle de processos industriais. Em termos simples, o MPC converte um problema de otimização dinâmica em uma sequência de problemas de otimização estática, de tal forma que se torna possível usar algoritmos de otimização convexa padrão. Esses problemas são resolvidos em tempo real para garantir que o controle seja calculado a cada passo de amostragem. A estratégia de controle do MPC é baseada na solução de um problema de otimização em tempo real para calcular o sinal de controle. Ele leva em conta o estado atual do sistema, possíveis perturbações que podem afetar o processo e restrições que garantem a integridade do sistema. Sistemas geograficamente distribuídos são formados a partir da interconexão de vários subsistemas dinâmicos acoplados. Há muitos exemplos desses sistemas, como usinas de energia, redes de controle de tráfego urbano, plantas petroquímicas e químicas. Esse tipo de sistema é composto de diversos subsistemas que podem influenciar uns aos outros. Por exemplo, o fluxo de massa que sai de um reator químico é o fluxo de entrada para um tanque. Esse acoplamento pode ser modelado como equações dinâmicas ou mesmo restrições algébricas, como conservação de massa ou energia.Para esses sistemas, geralmente há duas opções de controle: implantar vários controladores PID SISO ignorando os acoplamentos de subsistemas ou usar uma técnica de controle avançada que possa levar em conta esses aspectos. Neste último, a técnica de controle avançado mais utilizada é o MPC. Ao usar controladores SISO, todos os efeitos que um sistema pode causar em outros são considerados perturbações. Geralmente, os controladores PID são capazes de rejeitar esse tipo de perturbação, no entanto, o benefício que o MPC pode trazer é aproveitar o acoplamento e usá-lo para melhorar seu desempenho.Apesar de todos esses aspectos, existem alguns problemas relacionados às limitações do MPC no ambiente industrial. Um dos problemas é o processo de ajuste: tipicamente, os engenheiros de processo definem pesos para cada objetivo, um para cada subsistema, que são combinados em uma função objetivo global a ser minimizada pelo controlador. Tal abordagem é conhecida como sintonia categórica porque, uma vez definidos, os pesos serão sempre os mesmos. Isso pode causar algumas dificuldades e comprometer a tarefa de identificar pesos adequados para todas as condições operacionais.Em particular, Lima propôs uma abordagem de controle preditivo de satisfação distribuída que fornece uma sintonização automática, conhecida como sintonia situacional. Essa nova abordagem não usa pesos para compensar os objetivos locais, mas estabelece uma região satisfatória para cada subsistema, de modo que o controlador deve procurar uma solução que seja satisfatória para todos os subsistemas. Em particular, o centro analítico da interseção de todas as regiões satisfatórias é uma solução para o problema que tem uma propriedade desejável. Nomeadamente, os multiplicadores de Lagrange associados a esta solução definem pesos para os subproblemas locais dependentes do estado e que conduzem a uma estratégia para a sintonização automática.Por outro lado, a abordagem de controle satisfatório requer o uso de algoritmos complexos de ponto-interior, que podem ser computacionalmente onerosos e potencialmente sensíveis aos parâmetros de entrada. Para este fim, esta dissertação propõe uma abordagem prática para o controle satisfatório que se baseia em algoritmos de otimização robustos. Além disso, pretende-se explorar profundamente a estabilidade do MPC satisfatório, a fim de garantir sua aplicabilidade em ambientes industriais práticos. Para conseguir isso, o Modelo de Predição Orientado à Predição de Saída (OPOM) será integrado à abordagem, resultando em uma estrutura MPC satisfatória de horizonte infinito que garantirá estabilidade com uma nova função objetivo.ObjetivosO objetivo principal da dissertação é contribuir para o desenvolvimento do Controle Preditivo baseado em Modelo Satisfatório de Horizonte Infinito como uma opção no controle de processos industriais.MetodologiaPara realizar o desenvolvimento deste novo controlador é necessário, primeiramente, conhecer as bases teóricas por trás das alternativas escolhidas: teoria de sistemas lineares, otimização e MPC neste caso. Para tanto o trabalho provê a fundamentação necessária nestas áreas para o entendimento posterior do leitor. Construídas as bases, passa-se para a elaboração de uma estratégia de controle preditivo com horizonte infinito, através da sua implementação em software e simulações. O algoritmo de horizonte infinito é então incrementado pela inclusão do modelo de predição OPOM, além da elaboração de um algoritmo para realizar a conversão de um sistema que esteja como função de transferência para o modelo OPOM. De posse dos resultados de simulações, já é possível comparar a performance de diversas sintonias diferentes do mesmo controlador. Parte-se então para a implementação de uma sintonia satisfatória automática para a finalização do controlador. Obtidos os resultados finais é realizada uma avaliação dos mesmos.Resultados e DiscussãoOs resultados apresentados mostram que a escolha pelo SIHMPC frente a modelos tradicionais de MPC traz diversos benefícios para o projetista. Primeiramente existe a suposta garantia de estabilidade provida pelo horizonte infinito de predição, além da simplificação das restrições de estabilidade que podem ser impostas pelo processo. Em segundo lugar, o uso de sintonia satisfatória livra o operador/projetista de várias horas de sintonia do sistema, bastando fornecer ao sistema dados reais das limitações do processo. Além do mais, o uso da modelagem OPOM ao sistema provou ser útil também do ponto de vista de análise do sistema em tempo real, fornecendo variáveis de monitoramento do regime transitório do processo, assim como prevê os alvos de regime permanente antes do tempo normal.Considerações FinaisA elaboração do controlador SIHMPC é um passo na direção de alternativas viáveis para uso na prática de técnicas de controle avançado. O intuito é com o rompimento das barreiras que existem entre a academia e a indústria na geração de tecnologia, implementando fundamentos teóricos atuais para atualizar um processo de controle MPC clássico. Os trabalhos futuros buscarão simplificar o emprego do controle SIHMPC em um ambiente prático e real, como uma solução para os problemas encontrados. | |
| dc.description.abstract | Abstract: This work aims to give an alternative formulation for Model Predictive Controllers that simplifies the implementation of stability conditions and accommodates conflicting objectives. Stability guarantees are ensured by means of an infinite prediction horizon, which takes into account the whole system dynamics until the end of time. Further, the Output Prediction Oriented Model (OPOM) is proposed as a suitable prediction model for the infinite horizon MPC (IHMPC), delivering a system representation with a clear physical meaning that eases the implementation of stability guarantees. Besides, the controller is augmented with a Satisficing tuning strategy that bring about dynamical weights for the system objectives, relieving the operator from the burden of choosing one out of many Pareto-optimal solutions. The inherited convergence of IHMPC and the satisficing theory give rise to the Satisficing Infinite Horizon Model Predictive Controller, or SIHMPC, which is presented hereafter from its development to simulations. | |
