Desarrollo de Herramientas para la Monitorización y Control de Sistemas Multivariables Neurocontrolados - Aplicación a Proceso de Destilación
Author(s):
Pablo del Sanz-Orozco Huang - Universidad de Málaga
Salvador González Pérez - Universidad de Málaga
Javier Fernández de Cañete - Universidad de Málaga
Industry:
University/Education
Products:
The Challenge:
La naturaleza eminentemente no lineal de muchos procesos industriales dan pie a continuas mejoras de las estrategias de control de los mismos y su consiguiente respuesta frente a posibles perturbaciones mediante el uso de técnicas avanzadas. En el presente artículo se presenta las soluciones que se proponen para la comunicación de entornos de adquisición de datos y librerías de control avanzado desarrolladas por nuestro grupo con aplicación a una columna de destilación a escala.
The Solution:
El entorno de adquisición de señales se realiza mediante tarjetas de adquisición de National Instruments. La monitorización de las mismas se realiza mediante el uso del entorno de programación LabVIEW el cual se comunica con las librerías dinámicas de control avanzado de forma robusta y flexible mediante el uso
de la herramienta SIT (simulation interface toolkit).
"Diferentes entornos de programación pueden unirse mediante la herramienta desarrollada por National Instruments SIT (simulation interface toolkit), lo que permite a docentes e ingenieros el verificar de forma muy sencilla modelos de control implementados en librerías dinámicas y usarlos de forma muy sencilla en el hardware de control o de prueba."
El uso de redes neuronales artificiales en el campo de la ingeniería está muy extendido. La muestra son las aplicaciones tan diversas que se han llevado a cabo como puede ser el análisis de sensores, la detección de fallos o la identificación de plantas (en la que hay aplicaciones entroncadas en la ingeniería química como pueda ser la identificación de procesos de destilación o procesos en reactores).Centrándonos en el problema del control, diversos esquemas han sido propuestos basándose en el conocimiento de la dinámica de la planta, como pudiera ser el control predictivo generalizado, el control por modelo inverso y el control adaptativo, entre otros.
La falta de herramientas de diseño de controladores basados exclusivamente en redes neuronales artificiales (o basados en ellos como pudieran ser estrategias híbridas como ANFIS) está especialmente acusada. La principal razón pudiera ser que el desarrollo de software genérico para el desarrollo de esquemas de control es relativamente complejo dado que existen estrategias de muy diversa índole.
Uno de los retos del grupo de investigación fue el desarrollo de librerías dinámicas de identificación y control neuronal de sistemas MIMO, que son los más usuales en la industria y la posterior comunicación de las mismas con entornos reales para la realización de tareas de adquisición de forma sencilla para la fundamental fase de entrenamiento de las redes neuronales y la posterior operación de control de la planta. NI LabVIEW es un entorno de programación gráfico basado en bloques, lo que permite un diseño más intuitivo de herramientas software. A su vez la conexión con las tarjetas de adquisición de datos es flexible, muy sencilla y robusta, lo que le hace el entorno idóneo para herramientas de monitorización y control. A su vez diferentes entornos de programación pueden unirse mediante la herramienta desarrollada por National Instruments SIT (simulation interface toolkit), lo que permite a docentes e ingenieros el verificar de forma muy sencilla modelos o esquemas de control implementados en librerías dinámicas (como pudiera ser el modelo obtenido a partir de la identificación neuronal de una planta) y usarlos de forma muy sencilla en el hardware de control o de prueba (como pueda ser una tarjeta de adquisición de datos cualquiera), lo cual facilita sobremanera el desarrollo de herramientas globales de monitorización y control usando estrategias avanzadas.
La destilación continúa siendo el proceso de separación más importante dentro de la industria química por muchas razones. Por ello las mejoras en el control del mismo pueden tener un gran impacto en la reducción del consumo energético, en la mejora de la calidad del producto y en la protección de los recursos naturales. De todas formas el control se complica sobremanera en presencia de perturbaciones al ser un proceso fuertemente no lineal, no estacionario y con efectos acoplados.
Solución adoptada:
El sistema está compuesto por a) un modelo del proceso de destilación, basado en balances de masa y entalpía; b) una herramienta dinámica para la identificación y el control basada en redes neuronales artificiales, usando E/S de la planta a estudio (ya sea la planta física real o el modelo); c) una planta de destilación didáctica a escala y d) un interfaz gráfico para la monitorización de la columna neurocontrolada basada en el entorno LabVIEW. La justificación del uso de un modelo en paralelo a una planta real está basada en la necesidad de probar la fiabilidad de la estrategia que se plantea y en el posible uso de esquemas de control basados en modelos de referencia y para la comprobación on-line de la bondad de los modelos.
Planta real. Sensores y actuadores
La planta física a controlar se trata de una columna de destilación didáctica a escala PILOTES con los siguientes componentes:
Actuadores:
• 2 calentadores mediante resistencias eléctricas
• 4 válvulas motorizadas.
Productos National Instruments
La adquisición de señales se realizan mediante el uso de las tarjetas de adquisición NI PCI-6220, NI USB-6009, NI USB-6210. El valor del estado de la planta se comunica al controlador mediante el interfaz proporcionado por la herramienta SIT (simulation interface toolkit) el cual calcula las acciones de control que son comunicadas a los actuadores mediante la tarjeta NI PCI-6722. Todo ello monitorizado y controlado en el entorno de programación LabVIEW 8.0 corriendo bajo Windows XP Service pack 2.
Conclusiones
La comunicación de entornos facilita el desarrollo de herramientas de modelado y control y hace más rápida la posible integración en sistemas físicos, lo que permite una mayor dedicación a toma de datos (fase fundamental cuando se usan estrategias de aprendizaje) o pruebas. El uso de la herramienta SIT nos ha permitido el reuso de librerías diseñadas con anterioridad y una comunicación sencilla, fiable y muy robusta con dispositivos físicos.
Related Case Studies
Implementación de Algoritmos de Control Inteligente en LabVIEWGeneric Aocs Test Bench
Simulador de los Lazos de Control de una Central Termoeléctrica Ciclo Combinado
Sistema de Control de Embobinadora para Transformadores Eléctricos
Control Micrométrico de Posición Basado en SMA-S
|
|

