Multivariable predictive control of chemical processes

Abstract

Neste trabalho é adoptada uma estratégia de ``shooting'' múltiplo para integrar as equações do modelo dinâmico do processo ao longo do horizonte de previsão. Os resultados obtidos por simulação demonstram que esta formulação é mais fiável para resolver problemas lineares e, ou, não lineares de controlo predictivo. É ainda efectuada uma comparação com a formulação original de controlo predictivo do tipo de Newton através de diversos exemplos de modelos de processos, nomeadamente o modelo do reactor da Tennessee Eastman. O algoritmo de controlo predictivo não linear desenvolvido, é testado e implementado em linha para controlar o nível e a temperatura num reactor piloto contínuo agitado. Neste estudo procede-se à simulação experimental de uma reacção química exotérmica e irreversível de ordem zero, através da injecção directa de vapor no seio do líquido (água) dentro do reactor. Para prever o comportamento dinâmico deste ``pseudo-reactor'', é integrado um modelo matemático mecanístico na estratégia de controlo predictivo não linear. Apesar das imperfeições do modelo, bem como de algumas dificuldades operacionais com a instalação, o desempenho da estratégia de controlo implementada é razoável, cumprindo as trajectórias dos valores desejados da temperatura e do nível, minimizando o efeito das perturbações e permitindo operar o processo num ponto instável na presença de restrições activas nas variáveis de manipulação. Finalmente, com base em conceitos de análise de sensibilidade em problemas de programação não linear, é derivada uma condição suficiente para a estabilidade robusta de uma classe de controladores predictivos baseados em algoritmos de optimização. Este estudo é circunscrito a problemas no domínio discreto, que integram restrições terminais, sem e com restrições nas variáveis de decisão -- neste último caso, por recurso a uma formulação de penalização exacta da função objectivo --, e com o pressuposto de que são medidas todas as variáveis de estado do processo. A aplicação desta metodologia é ilustrada por simulação, com exemplos de sistemas lineares e não lineares.