Identificación e implementación de un Control Predictivo en un Sistema Térmico
DOI:
https://doi.org/10.33448/rsd-v12i1.39862Palabras clave:
Sistema térmico; Identificación de sistemas; Control predictivo; Control PID; Planta didáctica industrial.Resumen
El presente trabajo consiste en realizar la identificación e implementación de un controlador predictivo en un sistema térmico con el fin de seguir una metodología de diseño didáctico para el aprendizaje en identificación, análisis y diseño de controladores de sistemas. Para la identificación del sistema térmico se optó por el método de mínimos cuadrados porque permite obtener un modelo matemático fiel que describe el sistema de temperatura. Los datos utilizados en la etapa de identificación del sistema son de una planta industrial didáctica de un sistema de temperatura. A partir del modelo obtenido para el sistema en cuestión, se realiza el diseño e implementación de un controlador clásico Proporcional Integral Derivativo (PID) y un controlador predictivo con el fin de verificar el comportamiento del sistema frente a las acciones de ambos os controladores. Toda la implementación se realizará en el entorno de simulación por ordenador MATLAB/Simulink.
Citas
Aguirre, L. A. (2004). Introdução à identificação de sistemas–Técnicas lineares e não-lineares aplicadas a sistemas reais. Editora UFMG.
Arnold, F., & King, R. (2021). State–space modeling for control based on physics-informed neural networks. Engineering Applications of Artificial Intelligence, 101, 104195.
Åström, K. J., & Hägglund, T. (2004). Revisiting the Ziegler–Nichols step response method for PID control. Journal of Process Control, 14(6), 635-650.
Camacho, E. F., & Alba, C. B. (2013). Model predictive control. Springer science & business media.
de Moraes, A. T., Rossi, F. Q., Galvão, R. K. H., & Kienitz, K. H. (2013). Controle Preditivo com Restrições para Controle de Nível do Tanque de uma Planta-Piloto Industrial. In. Anais do XI Simpósio Brasileiro de Automação Inteligente, Fortaleza – CE, Brasil.
Dorf, R. C., & Bishop, R. H. (2001). Sistemas de Controle Moderno. LTC.
Jaluria, Y. (2007). Design and optimization of thermal systems. CRC press.
Kaya, I. (2004). IMC based automatic tuning method for PID controllers in a Smith predictor configuration. Computers & Chemical Engineering, 28(3), 281-290.
Köche, J. C. (2016). Fundamentos de metodologia científica. Editora Vozes.
Nelles, O. (2020). Nonlinear system identification: from classical approaches to neural networks, fuzzy models, and gaussian processes. Springer Nature.
Nise, N. S. (2002). Engenharia de sistemas de controle. LTC.
Ogata, K. (2011). Engenharia de controle moderno. Prentice Hall.
Oliveira, M. D. M., Silva, R. C. M., & de Souza, D. L. (2020). Otimização multiobjetivo no projeto de controlador de nível em planta piloto. Research, Society and Development, 9(7), e743974794-e743974794.
Özerdem, Ö. C. (2016). Design of two experimental setups for programmable logic controller (PLC) laboratory. International Journal of Electrical Engineering Education, 53(4), 331-340.
Pinho, A. G., Olímpio, E. J. S., Cabral, L. M., de Oliveira Filho, R. M., Silva, B. C. R., Furriel, G. P. & de Melo Junior, G. (2021). Desenvolvimento de bancada didática contendo múltiplos sensores e atuadores. Research, Society and Development, 10(13), e222101321165-e222101321165.
Pugliese, L. F., de Oliveira, T. G., da Silva, D. L. F., Rodor, F. F., da Silva Braga, R. A., & Amorim, G. F. (2022). Modeling and development of a low-cost didactic plant for teaching in multivariable systems. Research, Society and Development, 11(7), e33011730249-e33011730249.
Qin, S. J., & Badgwell, T. A. (2003). A survey of industrial model predictive control technology. Control Engineering Practice, 11(7), 733-764.
Santos, L. S., de Moraes, M. N., Lopes, J. D. S., Bauer, L. C., Bonomo, P., & Bonomo, R. C. F. (2020). Modeling thermal properties of exotic fruits pulps: an artificial neural networks approach. Research, Society and Development, 9(11), e7509119806-e7509119806.
Santos, T. L. M. (2011). Contribuições para o controle preditivo com compensação de atraso robusta. Universidade Federal de Santa Catarina.
Shridhar, R., & Cooper, D. J. (1997). A tuning strategy for unconstrained SISO model predictive control. Industrial & Engineering Chemistry Research, 36(3), 729-746.
Tripp, D. (2005). Action research: a methodological introduction. Educação e pesquisa, 31(3), 443-466.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Luiz Felipe Pugliese; Tiago Gaiba de Oliveira; Fadul Ferrari Rodor; Rodrigo Aparecido da Silva Braga; Diogo Leonardo Ferreira da Silva
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
