Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos

Autores
Pipino, Hugo
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Adam, Eduardo J.
Descripción
Los sistemas industriales modernos, basados en proveer una mejor calidad y uniformidad de sus productos aprovechando mejor los recursos disponibles y favoreciendo el cuidado del medioambiente, incorporan sistemas de control cada vez más complejos. La industria de procesos químicos tiene un gran y continuo desarrollo que ha sido acompañado de avances en problemas de computación, control y optimización. Entre ellos, las técnicas de control avanzadas se fueron estableciendo para mejorar el desempeño y garantizar la estabilidad del sistema controlado. En consecuencia, los controladores basados en problemas de optimización se implementan en una amplia gama de aplicaciones industriales. Los mismos toman en cuenta los objetivos requeridos e incorporan las restricciones operativas del sistema. Así, el control predictivo basado en modelos utiliza un modelo de predicción para obtener las respuestas futuras y aplicar aquella que mejor satisfaga los objetivos propuestos. Por lo tanto, para diseñar estos esquemas de control, se deben tener en cuenta varios aspectos, los objetivos requeridos, el modelo de la planta, las restricciones impuestas, la ley de control, el tamaño del horizonte de predicción, entre otros. Tomando en cuenta estos aspectos, esta tesis aborda el diseño, desarrollo y evaluación de estrategias de control predictivo basado en modelos aplicado a procesos típicos de la industria de procesos, que aseguren estabilidad del sistema controlado, cumplimiento de las restricciones y que contemplen incertidumbre en el modelo de predicción, ya sea por las que surgen de la naturaleza no lineal del sistema o porque no se conocen con exactitud los parámetros del modelo.
Modern industrial systems, based on providing better quality and uniformity of their products while making better use of available resources and favoring care for the environment, incorporate increasingly complex control systems. In particular, the chemical process industry has a significant development, accompanied by advances in computing, control and optimization problems. Among these advances, advanced control techniques have been established to improve the performance and ensure the stability of the controlled system. Consequently, optimization-based controllers are implemented in a wide range of industrial applications. Optimal or optimizing controllers take into account, through a functional, the required objectives and incorporate the system operating constraints. In this sense, model-based predictive control uses a mathematical prediction model to predict future system responses and to apply the control strategy that best satisfies the desired objectives. Therefore, to design these control schemes, several aspects must be considered, including the required objectives, process model for prediction, imposed constraints, control law, length of the prediction horizon, among others. On the basis of the aspects mentioned above, this thesis focuses on the design, development and evaluation of model-based predictive control strategies applied to typical industrial processes. The proposed techniques aim to ensure the stability of the controlled system, compliance with operating constraints, and contemplate uncertainty in the prediction model. Uncertainty can be arise from the non-linear nature of the system or due to the lack of exact knowledge of the model parameters.
Fil: Pipino, Hugo. Universidad Nacional del Litoral. Facultad de Ingeniería Química; Argentina.
Materia
Control predictivo
Desigualdades matriciales lineales
Intercambiador de calor
Reactor continuo de tanque agitado
Modelo LPV
Predictive control
Linear matrix inequalities
Heat exchanger
Continuous stirred tank reactor
LPV model
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2024-08-14T20:19:21Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/11310
Acceder
id RIAUTN_8a7d2608b638c002eb3d4259c27cc7cd
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/11310
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesosPipino, HugoControl predictivoDesigualdades matriciales linealesIntercambiador de calorReactor continuo de tanque agitadoModelo LPVPredictive controlLinear matrix inequalitiesHeat exchangerContinuous stirred tank reactorLPV modelLos sistemas industriales modernos, basados en proveer una mejor calidad y uniformidad de sus productos aprovechando mejor los recursos disponibles y favoreciendo el cuidado del medioambiente, incorporan sistemas de control cada vez más complejos. La industria de procesos químicos tiene un gran y continuo desarrollo que ha sido acompañado de avances en problemas de computación, control y optimización. Entre ellos, las técnicas de control avanzadas se fueron estableciendo para mejorar el desempeño y garantizar la estabilidad del sistema controlado. En consecuencia, los controladores basados en problemas de optimización se implementan en una amplia gama de aplicaciones industriales. Los mismos toman en cuenta los objetivos requeridos e incorporan las restricciones operativas del sistema. Así, el control predictivo basado en modelos utiliza un modelo de predicción para obtener las respuestas futuras y aplicar aquella que mejor satisfaga los objetivos propuestos. Por lo tanto, para diseñar estos esquemas de control, se deben tener en cuenta varios aspectos, los objetivos requeridos, el modelo de la planta, las restricciones impuestas, la ley de control, el tamaño del horizonte de predicción, entre otros. Tomando en cuenta estos aspectos, esta tesis aborda el diseño, desarrollo y evaluación de estrategias de control predictivo basado en modelos aplicado a procesos típicos de la industria de procesos, que aseguren estabilidad del sistema controlado, cumplimiento de las restricciones y que contemplen incertidumbre en el modelo de predicción, ya sea por las que surgen de la naturaleza no lineal del sistema o porque no se conocen con exactitud los parámetros del modelo.Modern industrial systems, based on providing better quality and uniformity of their products while making better use of available resources and favoring care for the environment, incorporate increasingly complex control systems. In particular, the chemical process industry has a significant development, accompanied by advances in computing, control and optimization problems. Among these advances, advanced control techniques have been established to improve the performance and ensure the stability of the controlled system. Consequently, optimization-based controllers are implemented in a wide range of industrial applications. Optimal or optimizing controllers take into account, through a functional, the required objectives and incorporate the system operating constraints. In this sense, model-based predictive control uses a mathematical prediction model to predict future system responses and to apply the control strategy that best satisfies the desired objectives. Therefore, to design these control schemes, several aspects must be considered, including the required objectives, process model for prediction, imposed constraints, control law, length of the prediction horizon, among others. On the basis of the aspects mentioned above, this thesis focuses on the design, development and evaluation of model-based predictive control strategies applied to typical industrial processes. The proposed techniques aim to ensure the stability of the controlled system, compliance with operating constraints, and contemplate uncertainty in the prediction model. Uncertainty can be arise from the non-linear nature of the system or due to the lack of exact knowledge of the model parameters.Fil: Pipino, Hugo. Universidad Nacional del Litoral. Facultad de Ingeniería Química; Argentina.Universidad Nacional del Litoral (UNL)Adam, Eduardo J.2024-08-14T20:19:21Z2024-08-14T20:19:21Z2023-06-09info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralpdfapplication/pdfhttp://hdl.handle.net/20.500.12272/11310spaNacionalinfo:eu-repo/semantics/openAccess2024-08-14T20:19:21Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internacional.reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:47:46Zoai:ria.utn.edu.ar:20.500.12272/11310instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:47:48.805Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
title Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
spellingShingle Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
Pipino, Hugo
Control predictivo
Desigualdades matriciales lineales
Intercambiador de calor
Reactor continuo de tanque agitado
Modelo LPV
Predictive control
Linear matrix inequalities
Heat exchanger
Continuous stirred tank reactor
LPV model
title_short Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
title_full Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
title_fullStr Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
title_full_unstemmed Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
title_sort Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
dc.creator.none.fl_str_mv Pipino, Hugo
author Pipino, Hugo
author_facet Pipino, Hugo
author_role author
dc.contributor.none.fl_str_mv Adam, Eduardo J.
dc.subject.none.fl_str_mv Control predictivo
Desigualdades matriciales lineales
Intercambiador de calor
Reactor continuo de tanque agitado
Modelo LPV
Predictive control
Linear matrix inequalities
Heat exchanger
Continuous stirred tank reactor
LPV model
topic Control predictivo
Desigualdades matriciales lineales
Intercambiador de calor
Reactor continuo de tanque agitado
Modelo LPV
Predictive control
Linear matrix inequalities
Heat exchanger
Continuous stirred tank reactor
LPV model
dc.description.none.fl_txt_mv Los sistemas industriales modernos, basados en proveer una mejor calidad y uniformidad de sus productos aprovechando mejor los recursos disponibles y favoreciendo el cuidado del medioambiente, incorporan sistemas de control cada vez más complejos. La industria de procesos químicos tiene un gran y continuo desarrollo que ha sido acompañado de avances en problemas de computación, control y optimización. Entre ellos, las técnicas de control avanzadas se fueron estableciendo para mejorar el desempeño y garantizar la estabilidad del sistema controlado. En consecuencia, los controladores basados en problemas de optimización se implementan en una amplia gama de aplicaciones industriales. Los mismos toman en cuenta los objetivos requeridos e incorporan las restricciones operativas del sistema. Así, el control predictivo basado en modelos utiliza un modelo de predicción para obtener las respuestas futuras y aplicar aquella que mejor satisfaga los objetivos propuestos. Por lo tanto, para diseñar estos esquemas de control, se deben tener en cuenta varios aspectos, los objetivos requeridos, el modelo de la planta, las restricciones impuestas, la ley de control, el tamaño del horizonte de predicción, entre otros. Tomando en cuenta estos aspectos, esta tesis aborda el diseño, desarrollo y evaluación de estrategias de control predictivo basado en modelos aplicado a procesos típicos de la industria de procesos, que aseguren estabilidad del sistema controlado, cumplimiento de las restricciones y que contemplen incertidumbre en el modelo de predicción, ya sea por las que surgen de la naturaleza no lineal del sistema o porque no se conocen con exactitud los parámetros del modelo.
Modern industrial systems, based on providing better quality and uniformity of their products while making better use of available resources and favoring care for the environment, incorporate increasingly complex control systems. In particular, the chemical process industry has a significant development, accompanied by advances in computing, control and optimization problems. Among these advances, advanced control techniques have been established to improve the performance and ensure the stability of the controlled system. Consequently, optimization-based controllers are implemented in a wide range of industrial applications. Optimal or optimizing controllers take into account, through a functional, the required objectives and incorporate the system operating constraints. In this sense, model-based predictive control uses a mathematical prediction model to predict future system responses and to apply the control strategy that best satisfies the desired objectives. Therefore, to design these control schemes, several aspects must be considered, including the required objectives, process model for prediction, imposed constraints, control law, length of the prediction horizon, among others. On the basis of the aspects mentioned above, this thesis focuses on the design, development and evaluation of model-based predictive control strategies applied to typical industrial processes. The proposed techniques aim to ensure the stability of the controlled system, compliance with operating constraints, and contemplate uncertainty in the prediction model. Uncertainty can be arise from the non-linear nature of the system or due to the lack of exact knowledge of the model parameters.
Fil: Pipino, Hugo. Universidad Nacional del Litoral. Facultad de Ingeniería Química; Argentina.
description Los sistemas industriales modernos, basados en proveer una mejor calidad y uniformidad de sus productos aprovechando mejor los recursos disponibles y favoreciendo el cuidado del medioambiente, incorporan sistemas de control cada vez más complejos. La industria de procesos químicos tiene un gran y continuo desarrollo que ha sido acompañado de avances en problemas de computación, control y optimización. Entre ellos, las técnicas de control avanzadas se fueron estableciendo para mejorar el desempeño y garantizar la estabilidad del sistema controlado. En consecuencia, los controladores basados en problemas de optimización se implementan en una amplia gama de aplicaciones industriales. Los mismos toman en cuenta los objetivos requeridos e incorporan las restricciones operativas del sistema. Así, el control predictivo basado en modelos utiliza un modelo de predicción para obtener las respuestas futuras y aplicar aquella que mejor satisfaga los objetivos propuestos. Por lo tanto, para diseñar estos esquemas de control, se deben tener en cuenta varios aspectos, los objetivos requeridos, el modelo de la planta, las restricciones impuestas, la ley de control, el tamaño del horizonte de predicción, entre otros. Tomando en cuenta estos aspectos, esta tesis aborda el diseño, desarrollo y evaluación de estrategias de control predictivo basado en modelos aplicado a procesos típicos de la industria de procesos, que aseguren estabilidad del sistema controlado, cumplimiento de las restricciones y que contemplen incertidumbre en el modelo de predicción, ya sea por las que surgen de la naturaleza no lineal del sistema o porque no se conocen con exactitud los parámetros del modelo.
publishDate 2023
dc.date.none.fl_str_mv 2023-06-09
2024-08-14T20:19:21Z
2024-08-14T20:19:21Z
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/11310
url http://hdl.handle.net/20.500.12272/11310
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2024-08-14T20:19:21Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2024-08-14T20:19:21Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
.
dc.format.none.fl_str_mv pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Universidad Nacional del Litoral (UNL)
publisher.none.fl_str_mv Universidad Nacional del Litoral (UNL)
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230948515315712
score 13.265058

Publicaciones similares