Resumen de Contributions to Classic Control Strategies and Application to Industrial Facilities
- español
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.
- English
For decades, classic control techniques have been extensively employed across process industry to ensure the stable and efficient operation of dynamic systems. These conventional control methods, which serve as the basis of control theory, have played a vital role performing numerous processes and systems. These techniques rely on mathematical models that describe the dynamics of the system and aim to manipulate input variables to control its behavior. They operate on the principles of feedback control, continuously monitoring the system’s output and comparing it to a desired reference value. Any deviation between the actual and desired outputs triggers adjustments in the control action, bringing the system back to its desired state. Classic control techniques often rely on well-established algorithms, such as Proportional, Integral, and Derivative (PID) control, which remains one of the most widely used methods in the industry.
PID control strikes a balance between stability, responsiveness, and steady-state accuracy, making it suitable for a wide range of applications.
In the field of automatic control, industrial processes have unique challenges due to their inherent complexity. Systems found in manufacturing plants, chemical processes, power grids, and transportation networks exhibit intricate interactions, nonlinearities, uncertainties, and timevarying dynamics. These complexities stem from various factors. Firstly, the large scale of these systems presents difficulties in modeling, analysis, and control design. Moreover, industrial processes often involve numerous interconnected components, subsystems, and variables, making it challenging to accurately capture their dynamics. Additionally, these systems operate in real-time, necessitating prompt and accurate control responses to changing operating conditions in the presence of disturbances.
The typical control structure in the industry is based on hierarchical control, with high-level optimal control layers based on economic or safety objectives and low-level control layers based on classical control strategies. Currently, most automatic control research contributions focus on theoretical results and control strategies based on new technologies such as Machine Learning or Deep Learning. However, classical control strategies are the most established in the industry, and due to this research trend, there has been a gradual reduction in contributions that study and improve these classical strategies, assuming that all the research is already done and well-established. Nevertheless, there are still many open problems to solve and improvements to propose in classical control strategies, which are essential for achieving objectives defined by higher-level layers. These are the reasons that have motivated the development of this thesis.
This thesis provides various contributions to classical control strategies based on PID control, disturbance rejection with feedforward control, and cascade control. Additionally, in order to demonstrate these strategies in the industrial sector, their application to solve the control problem in different industrial processes is proposed.
Firstly, different contributions to classical control strategies are proposed. Systems with model uncertainties and subjected to disturbances have been studied, for which a robust controller based on a classical feedforward control structure has been designed. The main contribution lies in modifying the original limits of the Quantitative Feedback Theory (QFT) methodology for the regulation problem with feedforward control and designing a robust PI controller that considers the uncertainties. Simulation results demonstrate an improved controller performance in rejecting system disturbances. The effect of measurable disturbances on classical cascade control has also been studied. Based on literature guidelines, an analysis has been conducted on how to implement feedforward control together with cascade control. From this study, a solution composed of two static feedforward controllers applied in parallel to both the outer and inner loops has been proposed, improving the system’s output and control signal performance. Its feasibility has been demonstrated through multiple simulation examples. Lastly, the saturation problem in rejecting measurable disturbances using classical feedforward control has been examined in detail. A simple tuning rule for the feedforward controller gain has been provided, allowing for modification when the system becomes saturated. This modification enables faster disturbance rejection, improving the system’s output performance. Its validation has been demonstrated through the application of multiple systems in simulation, and it has also been successfully implemented in a temperature control platform.
Secondly, several control applications and strategies, including one developed in this thesis, have been tested in various experimental plants. Firstly, three contributions have been developed for modeling and controlling the most important variables in microalgae growth. An industrial-scale raceway reactor located at the Instituto Andaluz de Investigación y Formación Agraria y Pesquera (IFAPA) facilities close to the University of Almería has been used as an industrial plant. Specifically, a tool has been developed to simulate the production of microalgae in industrial-scale raceway photobioreactors. Multiple factors of the model can be modified to simulate different scenarios, such as the strain, physical design of the reactor, time of year for the simulation, or the desired control strategy. The pH control of the microalgae growth has also been addressed using different control strategies, specifically a linear predictive controller and a robust controller based on QFT. The latter has been implemented in the real plant, capturing the significant uncertainty in the process model and achieving satisfactory results. Furthermore, a robust controller combined with a feedback linearization technique has been successfully implemented for a greenhouse temperature control. The greenhouse located at the experimental center "Las Palmerillas" Cajamar Foundation (El Ejido, Almería) has served as the testing plant for the proposed controller, yielding satisfactory results.
The final reflections of this thesis conclude that while advanced control techniques and artificial intelligence approaches are gaining popularity nowadays, classic control strategies remain essential and continue to be widely used in complex industrial facilities. They provide a solid foundation for control system design, operation, and maintenance, ensuring stable and efficient performance in challenging industrial environments. In this thesis, it is demonstrated that there are still many open research problems around classic control techniques.
