Contribuciones a Estrategias de Control Clásico y Aplicación a Plantas Industriales

Abstract

Durante décadas, las técnicas clásicas de control se han utilizado ampliamente en diversas industrias para garantizar el funcionamiento estable y eficiente de sistemas dinámicos. Estas técnicas, que son el fundamento de la teoría de control, desempeñan un papel vital en el funcionamiento de numerosos procesos y sistemas. Se basan en modelos matemáticos que describen la dinámica del sistema y buscan manipular las variables de entrada para controlar su comportamiento. Operan según los principios del control por retroalimentación, monitoreando continuamente la salida del sistema y comparándola con un valor de referencia deseado. Cualquier desviación entre las salidas reales y deseadas desencadena ajustes en la acción de control, llevando el sistema de vuelta a su estado deseado. Estas técnicas clásicas de control a menudo se basan en algoritmos bien establecidos, como el control Proporcional, Integral y Derivativo (PID), que sigue siendo uno de los métodos más ampliamente utilizados en la industria. El control PID logra un equilibrio entre estabilidad, capacidad de respuesta y precisión en estado estacionario, lo que lo hace adecuado para una amplia gama de aplicaciones.

En el campo del control automático, los procesos industriales plantean desafíos únicos debido a su inherente complejidad. Los sistemas que se encuentran en plantas de fabricación, procesos químicos, redes eléctricas y redes de transporte exhiben interacciones intrincadas, no linealidades, incertidumbres y dinámicas variables en el tiempo. Estas complejidades surgen de varios factores. En primer lugar, la escala misma de estos sistemas presenta dificultades en el modelado, análisis y diseño del control. Por otro lado, los procesos industriales a menudo involucran numerosos componentes interconectados, subsistemas y variables, lo que dificulta capturar con precisión su dinámica. Además, estos sistemas operan en tiempo real, lo que requiere respuestas de control rápidas y precisas ante cambios en las condiciones de operación y ante la aparición de perturbaciones.

La estructura de control típica en la industria se basa en un control jerárquico, teniendo un control óptimo de alto nivel, y un control de bajo nivel basado en estrategias clásicas de control. Actualmente, la mayoría de las contribuciones de control automático en investigación tienden a derivar a resultados teóricos y enfocados a estrategias de control basadas en nuevas tecnologías, como Machine Learning o Deep Learning. Sin embargo, las clásicas son las más afianzadas en la industria y, debido a esta tendencia en la investigación, durante los últimos años se han ido reduciendo paulatinamente las contribuciones que estudian y mejoran estas estrategias clásicas, dando por hecho que está todo resuelto y bien establecido. Sin embargo, existen todavía muchos problemas por resolver y mejoras que proponer en las estrategias de control clásicas y que son fundamentales para que los objetivos definidos por las capas más altas puedan llevarse a cabo de forma satisfactoria. Es aquí donde surge la motivación del desarrollo de esta tesis. Por un lado, aportar contribuciones a las estrategias de control clásicas basadas en PID, rechazo a perturbaciones con el control por adelanto o el control en cascada. Por otro lado, con el fin de demostrar estas estrategias en el sector industrial, se propone la aplicación de algunas de ellas para resolver el problema de control de diferentes procesos industriales.

Esta tesis aporta varias contribuciones a las estrategias de control clásicas basadas en control PID, rechazo de perturbaciones con control por adelanto y control en cascada. Adicionalmente, con el fin de demostrar estas estrategias en el sector industrial, se propone su aplicación para el control de las variables más importantes en diferentes procesos industriales.

En primer lugar, se proponen diferentes contribuciones a las estrategias de control clásicas. De este modo, se han estudiado sistemas con incertidumbre en el modelo y sometidos a perturbaciones, para los que se diseña un controlador robusto basado en una estructura de control clásica. La principal aportación ha consistido en modificar los límites originales de la metodología Quantitative Feedback Theory (QFT) para el problema de regulación en un esquema de control por adelanto y diseñar un controlador PI robusto que tenga en cuenta esas incertidumbres. Se demuestra en simulación cómo mejora el rendimiento del controlador en el rechazo a las perturbaciones del sistema. También se ha estudiado el efecto de las perturbaciones medibles en un control en cascada clásico. Se ha realizado un análisis sobre cómo implementar el control por adelanto junto con el cascada basado en lo que dicta la literatura. Basándose en ese estudio, se ha propuesto una solución compuesta por dos controladores por adelanto estáticos que en paralelo aplicados tanto al lazo externo como al interno que mejora el rendimiento del sistema, tanto en términos de su salida como de la señal de control. Se demuestra su viabilidad con múltiples ejemplos en simulación. Por último, se ha estudiado en detalle el problema de saturación en el rechazo a perturbaciones medibles mediante un control por adelanto clásico. En este sentido, se aporta una regla de sintonía sencilla de la ganancia del controlador por adelanto que permite modificarla cuando el sistema entra en saturación. Con este cambio el rechazo a la perturbación se realiza de forma más rápida mejorando el rendimiento a la salida del sistema. Se demuestra su validación mediante la aplicación a múltiples sistemas en simulación y además, se implementa de forma satisfactoria en una plataforma de control de temperatura.

En segundo lugar, se han utilizado varias plantas experimentales para evaluar las aplicaciones y estrategias de control desarrolladas. Tres contribuciones han sido desarrolladas para el control y simulación de las variables más importantes en el crecimiento de las microalgas en un reactor raceway a escala industrial, haciendo uso de la planta industrial ubicada en las instalaciones del Instituto Andaluz de Investigación y Formación Agraria y Pesquera (IFAPA), cerca de la Universidad de Almería. Concretamente se ha desarrollado una herramienta para simular la producción de microalgas en fotobiorreactores industriales de tipo raceway. En ella se pueden modificar múltiples factores del modelo para simular diferentes escenarios. Por ejemplo, la cepa, el diseño físico del reactor, la estación del año en la que simula el modelo o la estrategia de control que se desea implementar. También se ha resuelto el problema de control de pH haciendo uso de distintas estrategias de control, concretamente un controlador predictivo y un controlador robusto basado en QFT. Este último se ha implementado en la planta capturando la gran incertidumbre del modelo de crecimiento, obteniendo resultados satisfactorios. Por otro lado, se ha implementado con éxito un controlador robusto combinado con la técnica de linealización mediante retroalimentación para el control de temperatura de un invernadero. Un invernadero situado en la Estación Experimental "Las Palmerillas" de Fundación Cajamar (El Ejido, Almería) ha servido como planta de ensayo para la implementación del controlador propuesto, obteniendo resultados satisfactorios.

Las reflexiones finales de esta tesis concluyen que, si bien las técnicas avanzadas de control y los enfoques de aprendizaje automático están ganando popularidad en el control industrial, las estrategias clásicas de control siguen siendo esenciales y continúan siendo utilizadas ampliamente en instalaciones industriales complejas. Estas estrategias proporcionan una base sólida para el diseño, operación y mantenimiento de sistemas de control, asegurando un rendimiento estable y eficiente en entornos industriales complejos, y como se demuestra en esta tesis, aún siguen teniendo margen de mejora.