Sistema de control inteligente con alto grado de autonomía para procesos industriales complejos

Abstract

En los grandes complejos industriales que procesan productos a gran escala, es necesario cumplir con los volúmenes de producción planificados y con ciertos niveles de calidad adecuados. Tales complejos industriales se caracterizan por tener múltiples sistemas de control distribuidos en cada una de las distintas fases del procesamiento del producto. Para poder cumplir con el objetivo de producción, se requiere que cada sistema de control local funcione de una manera autónoma, coherente y sub-óptima. Esta tesis tiene como objetivo establecer una propuesta metodológica para el diseño un sistema de supervisión local que pueda ser aplicado en sistemas complejos con la finalidad de detectar eventos que generen transiciones entre estados de operación para luego realizar cambios en la consigna de operación y la respectiva adaptación en línea del controlador del proceso. Es importante resaltar, la evaluación de varias alternativas para la identificación de modelos difusos invertibles y de alta interpretabilidad y exactitud a partir de datos de entrada y salida de los procesos de separación gas líquido y calentamiento de crudo; procesos del área del procesamiento de petróleo que han sido usados como referencia en los casos de estudios a lo largo del desarrollo de esta tesis. Dentro de las alternativas para la identificación de modelos difusos de alta interpretabilidad se evaluaron las técnicas de agrupamiento difuso Fuzzy e Means y Gustafson-Kessel, técnicas neurodifusas, específicamente el algoritmo ANFIS (Adaptive Network Based Fuzzy Inference System) y optimización de modelos difusos a través de algoritmos genéticos. Se aplicó el método de inversión analítico para modelos difusos y tras la revisión de varias alternativas para la implementación de un sistema de control basado en modelos, el controlador difuso obtenido se implemento bajo el esquema de control por modelo interno. Los resultados de las simulaciones computacionales muestran de manera empírica que este tipo de controlador es estable y se garantiza un error de estado estático nulo. Finalmente, se propuso una arquitectura de supervisión local conformada por un detector de eventos, un modelo cualitativo del proceso basado en un autómata de estado finito y un sistema de toma de decisión que cambia la consigna de operación y ajusta de manera iterativa los parámetros escalares del controlador para minimizar el error de estado estático. La propuesta metodológica fue evaluada en un separador de producción de petróleo y los resultados de las simulaciones computacionales muestran el buen desempeño del sistema supervisor.

In production complexes, where a considerable amount of products are processed, it is necessary to fulfill both with the scheduled production volumes and with the adequate level of quality. Such production complexes are characterized by the presence of multiple distributed control systems in each of the different phases of the processing of the products. In order to fulfill with the production objective, it is required that each local control system works in an autonomous, coherent and sub-optimum manner. The purpose of this thesis is to establish a methodological proposal for the design of a local supervision system that can be applied to complex systems so that it can detect events that generates transitions between operation states and thereby changing the setpoint and adapting the controller of the process on lineo It is important to highlight some previous evaluation of different alternatives for identifying invertible, high interpretability an exact fuzzy models based on input-output data applied to a production separator and a fired heater; these particular processes have been used to validate the design of the supervisory system. Fuzzy clustering techniques such as Fuzzy C Means and Gustaffson - Kessel algorithm, neurofuzzy techniques, specifically the algorithm ANFIS (Adaptive Network Based Fuzzy Inference System) and the optimizabon of fuzzy models through the use of genetic algorithms were the alternatives evaluated for the identification of fuzzy models of high interpretability. The analytical inversion method for fuzzy models was applied and after some exhaustive revision of different strategies related to model based control system, the fuzzy controller obtained was implemented under the internal model control (ICM) scheme. The results of the computational simulabon show in an empirical manner that this sort of controller is stable arrel has a minimum static state error. Finall}', it was proposed a local supervision architecture composed of an event detector, a qualitative process model based on a finite state machine and the decision system whose task is to acljust the setpoint ancl aclapt the scalar parameters of the controller in order to minimize the static state error. The methodological proposal was evaluatecl in a procluction separator ancl the results of the computational simulations show the overall good performance of the supervisor system.