Implementación de un control predictivo generalizado (GPC) de la variable caudal, en la plataforma de procesos continuos, utilizando un Pac.

Para citar o enlazar este item, por favor use el siguiente identificador: http://dspace.ups.edu.ec/handle/123456789/15842
Title: Implementación de un control predictivo generalizado (GPC) de la variable caudal, en la plataforma de procesos continuos, utilizando un Pac.
Authors: Abad Guzmán, Michael Ángelo
Flores Paillacho, Cristian Marcelo
Advisor: Montalvo López, William Manuel
Abstract: El siguiente proyecto pretende emplear una de las técnicas de control modernas que han permitido marchar en consonancia con los requerimientos que surgen día a día, conforme a la evolución del mercado y las estrictas exigencias marcadas por normativas para el cumplimiento de altos estándares de calidad. Por tal razón se necesitó evolucionar a nuevos controladores como aquellos que utilizan algoritmos predictivos fundamentados en modelos matemáticos del sistema a controlar, lo más cercano a su realidad, con una adecuada estimación del retardo que introduce en el sistema. En el proyecto se realizó, la implementación de un Control Predictivo Generalizado de la variable caudal, en el Laboratorio de Teoría de Control de la Universidad Politécnica Salesiana, Sede Quito, en el cual se localiza la plataforma de entrenamiento de procesos continuos, la cual permite el desarrollo practico de procesos industriales a nivel educativo, mediante el control de tres variables: nivel, temperatura y caudal. Este módulo dispone de actuadores y sensores, en los cuales es necesario realizar pruebas de calibración y funcionamiento para desarrollar cualquier tipo de control. Se determinó el modelo matemático del proceso de caudal de la plataforma, estableciendo la comunicación entre el software de LabVIEW y el controlador de automatización programable. Se obtuvieron datos del controlador mediante la variación de los parámetros de λ, horizonte de control y predicción, estos permiten analizar el comportamiento del proceso de caudal. El análisis se efectuó mediante índices de desempeño y a través de la prueba de Wilcoxon de suma de rangos de diferencias.
Translated abstract: The following project intends to use one of the modern control techniques that have allowed marching in accordance with the requirements that arise every day, according to the evolution of the market and the strict requirements set by regulations for the compliance with high quality standards. For this reason, it was necessary to evolve new controllers such as those who use predictive algorithms based on mathematical models of the system to controlled, as close as possible to their reality, with an adequate estimate of the delay introduced into the system. In the project, the implementation of a Generalized Predictive Control of the caudal variable was carried out in the Control Theory Laboratory of the Salesian Polytechnic University, Quito Headquarters, where the continuous process training platform is located, which allows the practical development of industrial processes at an educational level, by controlling three variables: level, temperature and flow. This module has actuators and sensors, in which it is necessary to perform calibration and operation tests to develop any type of control. The mathematical model of the flow process of the platform was determined, establishing the communication between the LabVIEW software and the programmable automation controller. Controller data was obtain by varying the parameters of λ, control horizon and prediction; these allow analyzing the behavior of the flow process. The analysis of the data were carried out through performance indices and through the Wilcoxon test
Keywords: CONTROL AUTOMÁTICO
ALGORITMOS
ESTRATEGIA DE CONTROL
SOFTWARE MATEMÁTICO
Issue Date: Jul-2018
URI: https://dspace.ups.edu.ec/handle/123456789/15842
Language: spa
Appears in Collections:Grado

Files in This Item:
File Description SizeFormat 
UPS-ST003648.pdfTexto completo3,28 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons