Sunteți pe pagina 1din 156

Controle Avanado

Renato Spandri agosto 2006

Estas notas so uma verso atualizada de vrios textos anteriores, utilizados para os cursos de engenharia eletrnica e engenharia de processamento.

O texto foi elaborado de modo a apresentar os conceitos de controle de um modo simples. O controle avanado uma rea de engenharia que est acontecendo de maneira intensa na PETROBRS. A contribuio das diversas reas de engenharia para as questes de controle de processos muito importante, o que motivou o preparo de um texto sem formalismos ou detalhes matemticos, um texto dedicado aos que ainda no trabalhem com controle. Para os profissionais particularmente interessados no assunto, h quantidade grande de bons textos para leitura (alguns mencionados nestas notas) e que exploram minuciosamente todas as particularidades da teoria de controle de processos. Esta verso foi especialmente revisada para o curso de aperfeioamento de engenharia, turma de 2006. Na reviso, foram muito importantes os comentrios e sugestes das turmas anteriores; envio a todos os engenheiros dessas turmas um grande abrao de agradecimento e um incentivo para que construam uma carreira sempre produtiva e muito feliz.

Renato Spandri REPLAN agosto 2006.

(1) Controle avanado: Antigamente s existiam controladores pneumticos. Com recurso to limitado, podia ser controlada apenas uma varivel, manipulando-se (alterando-se) outra: por exemplo, controlar temperatura, manipulando abertura de vlvula. As figuras seguintes mostram controladores pneumticos:

[1] Coughanowr, D.R., Koppel, L.B. (1965): Process Analysis and Control. Mc Graw Hill, New York.

A lei natural desses dispositivos, montados com bico de ar, palhetas e alavancas, era uma lei de proporcionalidade (brao de alavancas) ao erro da varivel controlada. Incorporando-se foles, o dispositivo passava a ter tambm comportamento adicional, proporcional soma acumulada (integral) do erro. Nessa poca, portanto, o controle era mono-varivel e do tipo PI (proporcional + integral). Tudo mais era considerado um controle avanado (complexo, muito difcil de conseguir com dispositivos mecnicos). Tudo evoluiu. Hoje os controladores so computadores, o que permite fazer muitos tipos de clculos. Os computadores podem funcionar como controladores do tipo PI (clculos PI), podem trabalhar como controladores relativamente simples (clculos simples) ou podem ser controladores bastante complexos (clculos no to simples). Daquela poca pioneira, ficou o termo: avanado. Se o computador executar clculos PI ser considerado controlador PI; se o computador fizer qualquer outro tipo de clculo, pode ser considerado controlador elaborado (avanado).

(2) elementos do controle clssico: (2.1) representao de sistemas A representao matemtica de um sistema (processo) importante em controle. Um tanque para aquecimento de lquido ser usado como exemplo.

Uma corrente de lquido alimentao para um tanque. A vazo de lquido w e sua temperatura Ti. A vazo de entrada de lquido igual vazo de sada (balano de massa em regime estacionrio do tanque). Um fluido usado para aquecimento da massa de lquido no tanque at a temperatura T. No vai se supor que o sistema esteja em regime trmico permanente. Usando-se o balano trmico do regime dinmico, ou seja:

( V)CP

dT = wCP (Ti T ) + q dt

Admitem-se propriedades constantes (massa e calor especficos) e apenas os termos trmicos do balano de energia so levados em conta (termos predominantes em relao aos de energia mecnica). Uma referncia termodinmica conveniente e o uso de entalpias so suficientes para o propsito de modelagem. O calor trocado um grau de liberdade na operao do tanque. Abrindo-se a vlvula de fluido de aquecimento, a temperatura do tanque sobe, passando por um transiente de aumento at um nvel trmico final permanente e mais elevado. Fechando-se a vlvula de fluido de aquecimento, a temperatura do tanque cai, passando por um transiente de diminuio at um nvel trmico definitivo e mais baixo. Por enquanto no se considera qualquer controlador. Pode-se analisar o tanque sem controle para verificar seu comportamento ao longo do tempo (dinmica) em consequncia de alteraes manuais na vlvula de fluido de aquecimento, ou seja, no calor trocado. Se no houver alterao no calor trocado na camisa (vlvula de fluido de aquecimento com abertura constante) nem alterao na temperatura da corrente de entrada, a temperatura do tanque fica constante e pode se escrever a equao de balano trmico no estado estacionrio (derivada temporal da temperatura nula):

(V)CP

dT s = 0 = wCP (Ti s Ts ) + qs dt

O ndice s nas variveis indica estado estacionrio (steady-state). Usando o artifcio matemtico de subtrair a segunda expresso da primeira, resulta:

(V)CP

d(T Ts ) = wCP (Ti Tis ) wCP (T Ts ) + (q qs ) dt


7

Fazendo a seguinte mudana de notao (variveis cheias substitudas por variveis de desvio em relao ao estado estacionrio):

y = T Ts u = q qs d = Ti Ti s

desvio da temperatura do tanque desvio do fluxo trmico na camisa desvio da temperatura de entrada

a equao de balano fica:

(V)CP

dy = wCP d wCP y + u dt

ou

u (V) dy = dy+ wCp w dt

Redefinindo convenientemente algumas das variveis do sistema:

V
w

tempo de residncia no tanque varivel "normalizada"

u u= wC p

resulta uma equao diferencial de primeira ordem com coeficientes constantes:

dy +y =u+d dt

Essa equao expressa o comportamento dinmico do tanque. Conforme u (desvio do fluxo trmico atravs das paredes da camisa) ou d (desvio de temperatura da corrente de entrada no tanque) variam, a soluo da equao diferencial fornece a variao temporal de y (desvio de temperatura no tanque, ou seja, da corrente de sada). Como toda equao diferencial de primeira ordem com coeficientes constantes, a soluo dessa equao requer tambm a especificao das condies iniciais de temperatura.

Estando o tanque em estado estacionrio inicial, temos o seguinte problema matemtico a ser resolvido (ao longo do tempo):

dy +y =u+d dt

com condies iniciais:

t=0

y = 0 ( T = Ts )

Uma forma muito comum e til de representao do sistema atravs de uma figura como a seguinte:

d u processo de aquecimento y

O tanque de aquecimento (o processo) representado atravs de uma caixa ou bloco. Ignoram-se os detalhes do processo. Indicam-se com flechas de entrada as variveis que se alteram independentemente do comportamento do tanque (variveis independentes ou entradas), como o fluxo trmico atravs da camisa ou a temperatura da corrente de alimentao. Indicam-se com flechas de sada as variveis cujas alteraes dependem do comportamento do tanque frente s variaes de entrada. Essas variveis so dependentes (sadas), como a temperatura da massa de lquido no tanque. A figura chamada diagrama de blocos do sistema e uma representao abstrata, pictrica e de acordo com a notao de teoria de sistemas. Ela apenas nos d uma idia geral das relaes de causa e efeito do processo que estudamos. Um bom exemplo de ocorrncia nas variveis de entrada o seguinte: aumento sbito de uma unidade do fluxo trmico para o tanque (u = 1); temperatura da corrente de entrada constante (d = 0).

Como prever o efeito dessas entradas, dessas causas?

u 1 t

?
t

Manter constante a temperatura do lquido da corrente de entrada implica d=0 porque d o desvio em relao ao estado estacionrio inicial. Por outro lado, foi alterado o fluxo trmico, pela abertura da vlvula de lquido de aquecimento para a camisa. O fluxo se alterou em uma unidade, ou seja, a varivel de desvio u subiu uma unidade de uma s vez. Essa variao chamada degrau unitrio (observe-se o aspecto de degrau da primeira figura). Quanto varivel de sada, podemos no mximo ter alguma intuio sobre sua evoluo no tempo (dinmica do sistema). Aumentando o fluxo trmico, aumenta a temperatura do tanque. Mas, com que rapidez e em quantas unidades de temperatura vai se alterar a varivel y (desvio em relao ao estado estacionrio inicial)? Para responder a essa pergunta, temos que resolver a equao diferencial.

dy +y=u+d dt
com: d = 0 e u = 1

Uma das diversas formas de resolver a equao a seguinte:

dy + y =1 dt

e sendo:

d(1 y) dy + y = + y =1 dt dt

10

d(1 y) dt = 1 y

Integrando a ltima expresso entre os limites t = 0 com y = 0 (inicio da perturbao do sistema) e t = t com y = y (momento genrico):

ln (1 y ) =

y = 1 e

A ltima expresso a soluo matemtica do problema, sendo uma funo assinttica (exponencial crescente) cujo grfico vem a seguir.

Ganho o quociente de duas variaes: a variao total da sada, aps o processo ter atingido novo estado estacionrio, dividida pela variao total da entrada, que foi provocada num instante, instante esse que foi assumido como o inicial. A diferena entre o novo estado estacionrio da sada e a sada inicial dividida pela diferena de variao da entrada o ganho. Ele tem unidades de engenharia, por exemplo: oC / (kcal/h) A constante de tempo , que no exemplo um tempo de residncia, aparece na soluo da equao diferencial. Substituindo na equao de soluo o tempo t por , tem-se:

y = 1 e y = 1 e y = 1 e1 = 0.63

Isso mostra que a constante de tempo de primeira ordem, associada a uma equao diferencial tambm de primeira ordem (da o nome da constante) o tempo que transcorre desde o momento em que a temperatura do tanque

11

comea a subir at o instante em que chega a 63% da resposta total final (a do estado estacionrio). Esse exemplo pode ser generalizado para incluir o aspecto de ganhos que nem sempre so unitrios e para a importante questo de tempo morto entre a alterao de varivel de entrada e o incio da consequente alterao de varivel de sada. No caso geral, o grfico da soluo o dado na figura seguinte:

Os sistemas qumicos envolvem balanos. O balano de massa envolve uma derivada temporal da massa, ou do volume (se a densidade constante) ou da altura (se a densidade constante e a rea de seo transversal tambm).

dm dV dV wi - w dAh wi - w dh wi - w = wi - w = wi - w = = = dt dt dt dt dt A
O balano de energia envolve uma derivada temporal de temperatura. Nos dois casos, as equaes diferenciais resultantes tm uma derivada primeira, motivo por que os sistemas so denominados de primeira ordem. Para perturbao do tipo degrau unitrio na entrada, a sada dos sistemas qumicos tem o comportamento tpico mostrado no grfico acima. O acmulo de massa ou energia progressivo e assinttico. H uma demora inicial (tempo

12

morto ou dead time, atraso de resposta ou delay time - td) devido a uma no instantaneidade, tpica de qualquer processo. H tambm uma inrcia tpica de qualquer sistema e medida pela constante de tempo (constante de tempo de equao diferencial de primeira ordem). H um ganho, expresso pelo quociente entre a variao total final da varivel de sada dividida pela variao total inicial da varivel de entrada. Outros sistemas, mecnicos ou eltricos, so modelados com equaes de ordem mais elevada porque envolvem derivadas superiores (normalmente de ordem dois). Um sistema de massa que oscila, presa a uma mola e sujeita a um atrito amortecedor, pode ser modelado pela equao:

d2x dx dx d2x m 2 = C kx+ f m 2 + C + kx = f dt dt dt dt


onde aparece a lei de Newton (massa vezes acelerao, que uma derivada segunda), a lei de atrito (proporcional velocidade, que uma derivada primeira), a lei de Hooke (constante de mola vezes deslocamento) e uma fora de excitao do sistema f. Um bom exemplo o de uma suspenso de automvel. Um circuito com fonte de tenso eltrica, resistncia, capacitor e indutor em srie, que pode ser modelado pela equao:

di Q d 2i di 1 & E Ri L = 0 L 2 + R + i = E dt C dt C dt
em que a lei de Kirchoff foi aplicada em conjunto com as leis de Ohm, de Ampere e com a equao da diferena de potencial eltrico entre as placas de um capacitor. O termo E a tenso eltrica fornecida pela fonte. 13

Programas de computador resolvem numericamente as equaes diferenciais. Para isso, necessrio represent-las. A representao de um sistema em softwares normalmente usa a notao das transformadas de Laplace (anexo 1). Sem inteno de entrar no detalhe dessa transformada, vejamos como pode ser feita uma representao da equao diferencial:

dy(t ) + y(t ) = Kpu(t ) dt

O operador derivada pode ser substitudo ou representado pela letra s (o que possvel porque se usam variveis na forma de desvio em relao ao estado estacionrio) e a equao diferencial fica:

.s. y(s) + y(s) = K p u(s)

O processo pode, ento, ser representado pela expresso resumida:

Kp y ( s) G ( s) = = u ( s) s + 1
u(s) y(s)

G(s)

Alguns preferem chamar essa expresso de funo de transferncia. Esse nome tem certa inspirao no diagrama de blocos, quando se tem a impresso de que o sistema tem a funo de transferir o sinal de entrada num sinal de sada. Essa transferncia, no fundo, dada pela soluo da equao diferencial.

14

Exemplo: o topo de uma fracionadora

pode ser representado pelas funes de transferncia:

.05e y1(s) 450 s+1 = y (s) 539 . e10s 2 50s+1


5s

. e15s 177 60s+1

u1(s) . e6s u (s) 572 60s+1 2

onde as variveis na forma de variao (desvio) tm o seguinte significado: y1 ponto final ASTM D-86 da nafta (ver dispositivo do laboratrio na figura acima) y2 - ponto final ASTM D-86 do querosene u1 - retirada de nafta u2 - retirada de querosene

O processo envolve sempre vrias variveis: denominado multivarivel. Nesse caso, o processo composto de duas entradas e duas sadas. As duas entradas influenciam simultaneamente as duas sadas.

15

Aumentando a retirada de nafta, mantendo-se constante a retirada de querosene, observa-se que os dois pontos finais de ebulio se elevam. O aumento da retirada de nafta significa incorporar pesados na nafta, o que ocorre atravs da incorporao da parte mais leve do querosene corrente de nafta: o ponto final da nafta se eleva. Mantida constante a retirada de querosene, h uma compensao pela perda da parte mais leve (foi para a nafta) pela incorporao de uma frao inicial do diesel: o ponto final do querosene se eleva. O tempo morto para a elevao do ponto final do querosene mais alto que o tempo morto para elevao do ponto final da nafta. Isso decorre do volume maior entre a retirada de nafta e a panela de querosene. Aumentando a retirada de querosene mantendo-se constante a retirada de nafta, observa-se que os dois pontos finais de ebulio se elevam. O aumento da retirada de querosene provoca uma reduo no refluxo abaixo da panela de querosene. Isso piora o fracionamento em toda a regio superior panela de querosene pela passagem de pesados para as sees superiores da torre e o ponto final da nafta tambm se eleva. O tempo morto para elevao do ponto final da nafta mais alto que o tempo morto para elevao do ponto final do querosene. Isso decorre do volume maior entre a retirada de querosene e o ponto de retirada de nafta. Tudo isso pode ser representado por diagramas de blocos do processo:

16

(2.2) soluo numrica das equaes Esse tipo de equaes diferenciais (ordinrias) resolvido numericamente por mtodos matemticos denominados mtodos Runge-Kutta. No cabe aqui detalhar demais esses mtodos. Apenas se discutir uma noo, escrevendo inicialmente a equao diferencial de primeira ordem com coeficientes constantes na forma:

dy u ( t ) y ( t ) = dt

dy ( t ) = f ( t , u ( t ), y ) dt
A equao reorganizada expressa uma forma de calcular derivada. A taxa de variao derivada da varivel dependente funo da varivel tempo e das variveis de entrada e sada do processo. A figura seguinte ressalta que a derivada (taxa de variao) uma tangente da curva de soluo.

17

Os mtodos Runge-Kutta se baseiam em aproximar a derivada por quociente de diferenas. A figura seguinte e suas expresses mostram o esquema de substituir a tangente por diferenas.

yn+1 yn yn+1 yn dy = f (tn , un , yn ) = tn+1 tn h dt n

y n +1 y n + h. f ( t n , u n , y n )
18

Para resolver numericamente a equao diferencial, divide-se o intervalo de tempo total num nmero conveniente de passos e faz-se uma montagem da curva de resposta, sucessivamente avanando-se pelas sucessivas tangentes. A derivada num ponto n pode ser calculada com os dados desse ponto. Pela derivada do ponto n, avana-se um passo, estimando-se o valor da varivel y no ponto seguinte n+1. O mtodo , pois, recursivo. Estima-se cada ponto sucessivo pelo avano a partir da derivada do ponto anterior. A soluo total aproximada pode ser ilustrada com uma tabela: Derivada dy dt

Tempo

varivel y

t0 = 0 t1 = h t 2 = 2h t 3 = 3h
t n = nh
M
M

y0 = 0 y1 = y 0 + hf (t 0 , y 0 ) y 2 = y1 + hf (t 1 , y1 ) y 3 = y 2 + hf (t 2 , y 2 )
y n = y n 1 + hf (t n 1 , y n 1 )
M
M

f (t 0 , y 0 ) f ( t 1 , y1 ) f (t 2 , y 2 ) f (t 3 , y 3 )
M

f (t n , y n )
M

Uma questo muito importante a escolha do passo h. Ele um passo de avano para ir construindo a soluo ao longo de todo o tempo de integrao. Se esse passo for muito grande, o erro da aproximao da derivada e da sada pela tangente exagerado. Se o passo for muito pequeno, o tempo de computao pode ser muito grande e a resoluo invivel. H muitas propostas para uso desse passo. Passo varivel, clculo de vrias derivadas dentro do mesmo passo, avano num passo e ajuste para a derivada ao final do passo. Todos eles formam a classe de mtodos de Runge-Kutta. O mtodo direto e mais simples foi dedicado ao matemtico Euler e as modificaes formam a classe de mtodos Runge-Kutta, que se baseia em calcular vrias derivadas aproximadas a cada passo de integrao:

19

integrao de ordem dois y n+1


curva soluo pela tangente mdia

paralela tangente ao meio passo

y n
tangente ao meio passo

pela tangente ao ponto t n

tn

tn+ h

h 2

tn+1

Mesmo equaes diferenciais de ordem superior a um so resolvidas numericamente por esse mtodo. Uma equao diferencial de ordem n pode ser transformada num sistema de n equaes de primeira ordem:

dny d n1 y d2y dy a a a + + ... + + + a1 y = u( x) n 3 2 dx n dxn1 dx 2 dx

20

y1 = y dy dy y2 = 1 = dx dx dy d 2 y y3 = 2 = 2 dx dx dy3 d 3 y y4 = = dx dx3 . . .

dyn2 d n2 y yn1 = = dx dxn2 dyn1 d n1 y yn = = dx dxn1

dy1 = y2 dx dy2 sistema de equaes = y3 de primeira ordem dx dy3 = y4 dx . . . dyn1 = yn dx dyn = u( x) an yn an1 yn1...a2 y2 a1 y1 dx

[2] Carnahan, B., Luther, H. R. and Wilkes, J. D. (1969): Applied Numerical Methods. John Wiley & Sons Inc., New York. (2.3) sistemas com controle Um controlador um sistema que possui sua dinmica prpria. Controlador e processo interagem, o que significa que suas dinmicas ficam acopladas.

Todo controlador:

recebe medies, sinais indicativos sobre as condies do sistema que ele controla; compara a situao do sistema que ele controla com alguma condio desejada; atua sobre o sistema, com o objetivo de corrigir, tanto quanto possvel, para aproximar o sistema real da situao desejada.

21

Um bom exemplo de controlador um motorista. O automvel um sistema, dinmico, um processo, que tem seu comportamento tpico e particularidades especiais. O motorista , por assim dizer, outro sistema, tambm dinmico e tambm com suas peculiaridades, e que interage com o carro. O motorista manipula, mexe em vrias variveis do carro (acelerador, freio, volante de direo: variveis manipuladas) para atender a diversas necessidades (regras de trnsito, trajetria desejada, contorno de complicaes: variveis controladas). Para isso, o motorista recebe medies atravs de seus rgos de sentido, compara os sinais recebidos com valores desejados, codificados em sua mente, e decide com intensidade proporcional ao afastamento da condio desejada (e, preferencialmente, com antecipao) como manipular o carro. Todo motorista tem que ter bom desempenho, o que significa, antes de tudo, primordialmente, atender s restries das diversas variveis controladas. Regras de trnsito impem mximos e mnimos, a trajetria de percurso uma seqncia de limites, o contorno de complicaes exige re-estabelecimento de limites, mximos e mnimos... Dirigir isso, controlar, um constante obedecer a limites, a restries, ao longo de toda a viagem. Para atender a tais limites, o motorista precisa fazer uso de suas atribuies, suas liberdades, seus graus de liberdade, que so as diversas variveis manipuladas (acelerao, freio, direo, comandos de painel). Um bom motorista, entretanto, no fica somente nisso. Um bom motorista sempre se esfora para no mexer demais nas manipuladas. As variveis manipuladas sempre representam algum custo (combustvel, freio...). O ideal em toda viagem economizar, no gastando muito nas variveis manipuladas. O caso ideal extremo de controle (inatingvel?) seria o de tudo controlar sem em nada mexer. Todas as variveis controladas sob controle (perto da referncia desejada set-point, dentro de faixas de tolerncia mnimos e mximos), alterando o menos possvel as variveis manipuladas (ou at - um sonho - sem alterar nada das variveis manipuladas).

22

Um sistema s pode ser controlado se houver medies do seu estado para que o controlador tenha informao sobre suas condies. O projeto do processo prev as medies necessrias, relacionadas com a finalidade do sistema. No exemplo anterior, como o tanque de aquecimento, nada mais natural do que ele dispor de, pelo menos, um dispositivo para medio da temperatura do lquido. O sinal de um medidor de temperatura usado pelo controlador para informao sobre o estado do sistema. Evidentemente, o dispositivo para medir a temperatura deve ser confivel, de boa qualidade, deve indicar a temperatura com fidelidade e preciso adequada. Afinal de contas, com base nessa medio que o controlador vai tomar decises. Medies ruins implicam em atuaes precrias. (2.4) sensibilidade do controlador O controlador examina a temperatura continua e permanentemente. A cada instante, ele compara a medio com o valor desejado para essa temperatura. Se a temperatura medida estiver abaixo da desejada, ele abre um pouco a vlvula de fluido de aquecimento, provocando liberao de um tanto a mais de calor na camisa, atuando para aquecer o que falta. Se a temperatura medida estiver acima da desejada, ele fecha um pouco a vlvula, provocando uma reduo do calor trocado na camisa, atuando para resfriar um pouco o tanque. A intensidade do abrir ou fechar a vlvula uma sensibilidade do controlador. Essa sensibilidade pode ser ajustada, pode ser melhorada e a questo de quo sensvel deve ser o controlador depende das necessidades do processo, do sistema. Em princpio, diferentes graus de sensibilidade seriam requeridos em diferentes circunstncias: diferentes momentos ou diferentes conjunturas. A sensibilidade deve ser sempre atualizada, ajustada, o que uma sintonia da intensidade de atuao do controlador. Falta de sensibilidade pode deixar o sistema sem controle e, nesse caso, o controlador precisa de mais agilidade de resposta. Excesso de sensibilidade pode ser prejudicial ao sistema, porque o controlador pode provocar oscilaes ao tentar corrigir muito drasticamente na correo de um sentido, levando o sistema a erro para o sentido oposto. A sensibilidade est associada lgica que o controlador usa para, conforme a comparao entre o valor medido e o desejado, atuar no processo. As lgicas

23

dos primeiros controladores eram consequncia natural de seus detalhes construtivos. Esses primeiros controladores eram engenhocas mecnicas construdas com sistemas de alavancas, palhetinhas articuladas sujeitas a movimentaes de espirais dilatantes, fluxos de ar, enchimentos de foles e outros dispositivos diversos. A figura seguinte ilustra um controlador desse tipo (fora de escalas) para regular a temperatura do tanque de aquecimento:

Um elemento de medio de temperatura pode ser uma espiral que se dilata por efeito trmico. Essa espiral pode estar ligada a um jogo de palhetas, que forma um sistema de alavancas. Uma das palhetas se move em relao a um bico de um sistema com ar comprimido. Continuamente, ar comprimido flui atravs do bico; pelo afastamento da palheta, mais ar liberado, aliviando a presso na antecmara do bico de ar; pela aproximao da palheta, o bico vai se tampando progressivamente, o que provoca aumento de presso na antecmara do bico de ar. A presso na antecmara determina o esforo sobre uma membrana construda num sistema acoplado a uma vlvula. Sobre a membrana atua tambm uma mola. Dependendo do jogo mecnico entre a presso do ar (consequncia da posio das palhetas, do grau de dilatao da espiral e, portanto, da temperatura no tanque) e a mola, a membrana move uma haste de vlvula, provocando abertura ou fechamento da mesma pela aproximao ou afastamento de um plug em relao sede.

24

A ao proporcional to mais intensa quanto maior a sensibilidade do controlador. Se o sistema de palhetas for construdo mais prximo do bico de ar, o controlador fica mais sensvel; se for construdo mais distante, o controlador fica menos sensvel. (2.5) classes de finalidades do controlador:

caso em que o mecanismo regulador ou regulatrio:

havendo aumento de temperatura no tanque, a espiral se dilata, movendo as palhetas para a direita, obstruindo o orifcio, aumentando a presso na cabea da vlvula, vencendo a ao da mola, empurando a haste para baixo, fazendo o plug se aproximar da sede da vlvula e ocasionando uma reduo na quantidade de vapor para a serpentina. O efeito de todos esses eventos o de tentar um abaixamento da temperatura no tanque. No sentido contrrio, havendo reduo de temperatura, todos os efeitos concorrem para aumentar o vapor para a serpentina. Desse modo, a engenhoca reguladora da temperatura do tanque.

caso em que o mecanismo servo para seguir valor desejado:

se o boto de valor desejado para temperatura ou ponto de referncia de temperatura (set-point) for torcido para a direita, por efeito de alavanca todo o conjunto fica mais distante do bico de ar. A presso sobre a cabea da vlvula abaixa, a mola age empurrando a membrana para cima, erguendo a haste, afastando o plug da sede, permitindo que mais vapor passe pela serpentina e faa o lquido do tanque ficar mais quente. Ou seja, torcer o boto para a direita uma forma de pedir lquido mais quente e torcer o boto para a esquerda uma forma de pedir lquido mais frio. Desse modo, a engenhoca seguidora de set-points. A engenhoca um controlador. Ela se baseia num sistema de dilatao que mede uma varivel do tanque, temperatura, importante porque o tanque um tanque de aquecimento. A engenhoca compara o estado trmico com um valor desejado de temperatura pela sua prpria natureza de palhetinhas articuladas. E, finalmente, a engenhoca age sobre uma vlvula de controle conforme uma lei de proporcionalidade. Essa proporcionalidade consequncia natural das regras de braos de alavancas e de dilatao trmica.

25

No final das contas, a lgica de atuao dessa engenhoca a de uma lei de correo do fluxo trmico na serpentina proporcional ao erro entre o valor de temperatura medido e o valor desejado. Essa interao entre o processo (tanque) de aquecimento e o controlador (engenhoca), pode ser representada de maneira mais interessante atravs de diagrama de blocos. O diagrama de blocos ilustra as relaes de entrada e sada entre processo e controlador, permitindo imaginar as relaes de informao e atividades entre esses dois elementos, que possuem suas caractersticas e dinmicas prprias. A figura seguinte mostra um diagrama de blocos para um processo com controlador:

A sada do bloco que representa o processo o sinal de temperatura. Esse sinal recebido e comparado a um valor desejado (set-point SP), gerando um erro. A sada do bloco que representa o controlador um sinal proporcional ao erro, que ser destinado ao processo. Esse tipo de controlador atua sobre o processo com base em um erro, uma discordncia entre o valor medido e o valor desejado para a temperatura. Sua ao , portanto, baseada numa realimentao do sinal de temperatura para compor uma comparao e gerar uma atuao. Esse o motivo pelo qual ele se diz um controlador cuja atuao depende da realimentao (feed-back) da varivel controlada. A varivel controlada a temperatura, que deve ser mantida prxima de um valor desejado, dentro de uma faixa tolervel em torno do valor desejado e que a grande finalidade do tanque de aquecimento. A proporcionalidade da ao de controle em relao ao erro, natural do sistema de alavancas, justifica denomin-lo controlador proporcional (P).

26

(2.6) off-set: J na poca do controlador pneumtico, percebeu-se um comportamento curioso do controlador proporcional. Quando a medio da varivel controlada se altera, ou seja, no momento em que aparece novo erro relativo ao valor desejado para a varivel controlada, o controlador proporcional aumenta ou diminui o fluido de aquecimento, proporcionalmente alterao do erro. E isso tudo o que ele faz. O aparecimento desse erro na temperatura pode ser devido a alguma perturbao no tanque de aquecimento ou pode ser consequncia de uma alterao de set-point. Afinal de contas, alterar o set-point faz aparecer repentinamente um novo erro de temperatura num tanque que vinha em estado estacionrio. Aparecendo novo erro, o controlador faz uma proporcional correo na abertura da vlvula de fluido de aquecimento. Nova correo s ser feita quando novo erro aparecer. De qualquer modo, aparecendo um erro, o controlador acrescenta uma parcela adicional de vapor para a camisa (seja para cima ou para baixo) e fica nisso. Mesmo que a parcela adicional no seja suficiente para corrigir totalmente o erro, o controlador s acrescentar nova parcela ao aparecer novo erro. Caso no aparea novo erro, mesmo com a persistncia de certo erro residual antigo, constante, o controlador no acrescenta qualquer parcela a mais. Controladores mais intensos (mais sensveis) podem levar a um erro residual persistente menor. Controladores menos intensos deixam um erro residual persistente maior. Mas, sempre h um erro residual persistente se o controlador for de lei apenas proporcional. Qualquer controlador apenas proporcional acaba deixando o sistema sempre com certo erro, ou seja, a varivel controlada pode ficar fora do set-point (fora=off), que o denominado off-set. Esse fato devido natureza da correo proporcional, que feita apenas quando aparece um erro, e no considera a persistncia do erro. Persistncia diferente de aparecimento. Apareceu, corrigiu. Persistiu, no faz nada, porque persistir no aparecer. Se apareceu um erro e corrigiu, mas um tanto de erro persistir, o controlador s proporcional no toma mais aes, adicionais. Logicamente, se um outro erro aparecer mais frente, ai sim, nova ao proporcional tomada no momento do

27

aparecimento. Mas tambm esta segunda ao insuficiente para correo do segundo erro. Off-sets podem se acumular (ou at se cancelar) ao longo do tempo. O off-set aparece tanto no caso de atuao do controlador como regulador quanto no caso servo-mecanismo. Neste ltimo caso alteraes de set-point os operadores logo adquiriram o hbito de reajustar o set-point (reset) para eliminar de forma manual off-sets indesejveis. Para solucionar o problema de off-set, os tcnicos de instrumentao da poca inventaram uns foles que, acoplados ao sistema de palhetas, iam acumulando erros persistentes e provocando movimentaes adicionais das palhetas, proporcionais ao erro persistente acumulado. Essas engenhocas modificadas permitiam eliminao automtica do off-set.

[3] Perry, R.H., Green, D.W. (1999): Chemical Engineers Handbook. Mc-Graw Hill, New York (on-line site Universidade Petrobras) Esses dispositivos modificados proporcionavam uma parcela adicional de ao sobre a vlvula, parcela correspondente e proporcional ao erro adicional acumulado. Por esse motivo, o novo controlador passou a estar sujeito a duas aes simultneas: a ao proporcional ao erro, normal, mais ao proporcional integral do erro. Isso justifica denominar o controlador de proporcional mais integral (PI).

28

(2.7) leis matemticas do controlador: A lei de proporcionalidade para um controlador proporcional e integral pode ser expressa matematicamente atravs da seguinte equao, que usa a notao de entrada e sada (em variveis de desvio) j utilizada para o tanque de aquecimento:

0 Nessa expresso, observam-se duas constantes de proporcionalidade (kc e ki) que se relacionam sensibilidade do controlador. A escolha de diferentes valores para essas constantes significa regular a sensibilidade do controlador. A constante kc a que permite sintonizar ou ajustar a parcela proporcional do controlador (ganho proporcional do controlador). A constante ki a que permite sintonizar a parcela integral do controlador (ganho integral do controlador).
Valores baixos para as constantes amenizam as respectivas aes de controlador. Valores elevados intensificam as aes (e podem deixar o controlador muito sensvel, muito nervoso). Quando temos um tanque de aquecimento, com sua dinmica prpria e sua equao diferencial, controlado por uma engenhoca de dinmica e equao diferencial prprias, resolvemos simultaneamente duas equaes:

u = kc ( ySP y) + ki ( ySP y)dt

dy + y=u dt
t 0

u = kc ( ySP y) + ki ( ySP y)dt

29

A entrada de uma sada da outra e vice-versa e essas duas equaes podem at ser reunidas numa nica expresso: t

dy + y = k c ( y SP y ) + k i ( y SP y ) dt dt 0

que, derivada dos dois lados:

dy SP d 2 y dy dy 2 + = kc kc + k i y SP k i y dt dt dt dt d2y dy dy SP 2 + (1 + k c ) + ki y = kc + ki y SP dt dt dt
Essa expresso mostra que os sistemas qumicos sem controlador podem at ser de primeira ordem (balanos de massa e energia), mas um controlador pode provocar elevao da ordem do sistema. Isso decorrncia das dinmicas acopladas do processo e do controlador, que se expressa matematicamente atravs da equao diferencial do processo sob ao de controlador. O diagrama de blocos tambm traduz esse acoplamento fsico e matemtico:

30

(2.8) controlador PID na prtica expresso matemtica do controlador proporcional + integral at aqui utilizada:

u = kc ( ySP y) + ki ( ySP y)dt


0

ou sua equivalente mais comum na prtica de controle:

u = k c e (t ) +

kc

e ( x ) dx
0

pode se acrescentar uma parcela proporcional taxa de variao do erro:

u = k c e (t ) +

kc

e( x ) dx + k
d 0

de (t ) dt

Trata-se de uma parcela proporcional derivada do erro, motivo por que denominada parcela da ao derivativa. Sendo proporcional taxa de variao, ela , em sua essncia, proporcional a uma previso do erro futuro (tangente ou estimativa pela tendncia linearizada para o erro). O controlador corriqueiramente expresso atravs de sua transformada de Laplace (ver anexo 1):

u ( s ) = kc e( s ) +

kc e( s ) + kc d se( s ) is

A ao derivativa acrescentada dessa forma, como uma parcela adicional s aes proporcional e integral, faz desse controlador um controlador PID (proporcional + integral + derivativo), denominado padro. Ele tambm conhecido como PID no-interagente, uma vez que as trs parcelas so adicionadas de modo independente. Com as constantes das partes integral e derivativa definidas da forma:

31

ele denominado controlador PID na forma paralela. Uma verso ligeiramente diferente a mais comum em muitos controladores comerciais e se traduz pela equao:

Um controlador PID com essa equao matemtica denominado PID na forma interagente, uma vez que a parcela de ao derivativa influencia as duas outras. Tambm denominado PID na forma srie. H razes histricas para a forma em srie do PID: os detalhes construtivos dos controladores pneumticos levavam naturalmente forma srie, que foi mantida nas geraes de controladores eletrnicos e muitos dos digitais. Na prtica, importante conhecer a forma PID usada pelo fabricante do controlador, consultando com cuidado a documentao fornecida. possvel converter os parmetros de um controlador da forma srie para a forma paralela e vice-versa atravs das expresses seguintes:

u ( s ) = k c e( s ) +

kc e( s ) + kc d se( s ) is
i + d i

kc = kc

i = i + d

d =

i d i + d

1 s )e( s ) + u (s) = kc 1 s (1 + d i k = c 1 + 1 4 d kc i 2 d i = i 1 1 4 + 2 i = i 1 1 4 d d i 2

O controlador PID gera um sinal de controle a partir do erro da varivel controlada, ou seja, da diferena:

e(t ) = ySP (t ) y(t )


32

Esse sinal de controle aplicado ao processo. A realimentao do sinal da varivel controlada faz dele um controlador com feed-back de erro tanto para os casos de set-point constante como para os casos de alterao de set-point. H uma estrutura mais flexvel de controlador PID, em que o set-point (ySP) e a medio (y) so tratados de modo distinto atravs das expresses:

e P (t ) = y SP (t ) y (t ) e(t ) = y SP (t ) y (t ) ed ( t ) = y SP (t ) y (t )

para a parte proporcional para a parte integral para a parte derivativa

u ( s ) = k c eP ( s ) +

kc e( s ) + kc d sed ( s ) is

O controlador PID definido desse modo funciona como o PID padro na regulao ou caso regulatrio, ou seja, nas rejeies de perturbaes. Nesse caso, no h alterao de set-point. A resposta para alteraes de set-point, entretanto, dependem dos parmetros e . Esses parmetros podem variar entre zero e um e ponderam a influncia do set-point na composio do erro para as partes proporcional e derivativa do controlador. O valor zero cancela totalmente essa influncia e o valor 1 mantm totalmente a influncia, transformando o controlador num PID padro tambm para o caso servo-mecanismo. Esse tipo de PID denominado PID com dois graus de liberdade (two degrees of freedom PID controller). Tambm podem ser denominados:

controlador I-PD quando controlador PI-D quando controlador PID padro - quando

=0 e =0 =1 e = 0 =1 e =1

A vantagem dos controladores com dois graus de liberdade a de se poder ajustar a influncia das variaes de set-point na regulagem, evitando aes drsticas sobre o processo.

33

(3) controle por computador:

(3.1) SDCD e rede de computadores: Atualmente, os controladores digitais so computadores que ficam em rede como as seguintes figuras ilustram:

[4] Perry, R.H., Green, D.W. (1999): op. cit.

34

siglas:

SDCD sistema de controle digital e distribudo DCS (= SDCD) digital control system PLC programmable logical controller MUX - multiplexador

[5] Emerson Process Inc. (2004): Delta-V Books On-line Copyright 1994-2004, Fisher-Rosemount Systems, Inc. All Rights Reserved

35

[6] Emerson Process Inc. (2004): op. cit.

36

(3.2) os controladores do SDCD: Os controladores PID do SDCD envolvem trs variveis importantes:

varivel de processo (PV): valor lido para a propriedade controlada; set-point (SP): valor desejado para a propriedade controlada; analog output ou sada analgica (AO): sinal de sada do controlador, sinal de atuao que normalmente vai para vlvula ou para outro controlador.
Eles comportam cinco modos principais de trabalho:

modo manual: MAN - sem computador de processo no esquema. Nesse caso, o operador altera o sinal de sada do controlador (para a vlvula); modo automtico: AUTO - sem computador de processo no esquema. Nesse caso, o operador altera o set-point, valor desejado para a propriedade controlada; modo remoto ou cascata: RSP ou CAS - sem computador de processo e dois controladores envolvidos no esquema. Nesse caso, outro controlador do SDCD altera o set-point, valor desejado para a propriedade controlada; modo supervisrio ou cascata remota: SUP ou RCAS - computador de processo envolvido no esquema. O set-point do controlador vem do computador de processo;

computador
SP AO

controle supervisrio

controlador em modo supervisrio somente computador altera set-point PV

37

modo controle digital direto: DDC ou ROUT - computador de processo envolvido no esquema. O sinal de sada do controlador vem do computador de processo:

computador
SP AO

controle digital direto

controlador em modo DDC somente computador altera sada AO PV

(3.3) o computador de processo: Computador de processo o nome que se d mquina que processa o controle avanado:

em sistemas mais modernos, ele est ligado diretamente rede SDCD, como a estao Application das figuras anteriores. Os atuais computadores de processo so microcomputadores industriais com sistema operacional Windows. Os softwares para aplicaes de engenharia para tais estaes de trabalho usam intensamente o recurso OPC (object linking and embedding for process control). em alguns sistemas mais antigos, o computador de processo podia ficar ligado rede SDCD diretamente ou indiretamente atravs da rede administrativa. Os computadores de processo mais antigos eram mquinas especiais como VAX, Alpha (Digital Inc., atual H.P.) com sistema operacional VMS ou estaes H.P. com sistema operacional Unix. Esse tipo de hardware e software est progressivamente sendo substitudo por estaes tipo microcomputador com Windows.

Obs: VAX (Virtual Access eXtended); VMS (virtual memory system)

38

A rede do SDCD podia ser ligada rede administrativa de computadores:

Esse exemplo o do antigo sistema Provox da Fisher. O fluxo de informaes nesse tipo de configurao o seguinte:

caso 1: dados para sistema administrativo de informaes de processo:

39

caso 2: dados do sistema de controle avanado:

Os desenhos representam os computadores e trs softwares:

software CHIP da Fisher (computer-highway interface package). O CHIP trabalha em conjunto com a HDL na coleta de dados de processo e envio de set-points para os controladores do SDCD; o primeiro caso mostra uma parte do P.I. (plant information) que fica no computador de processo. Essa parte prepara dados do CHIP que vo para a parte histrica do P.I.; o segundo caso mostra o software de controle avanado.

O controle avanado roda a cada minuto, os clculos so concludos em frao de segundo e resultam novos set-points, que so enviados para os controladores do SDCD.

40

O controle avanado um supervisor. Ele envia set-points para controladores do SDCD. Esses controladores devem obedecer ao supervisor sendo necessrio que: - estejam funcionando bem (manuteno excelente); - estejam apropriadamente sintonizados; - fiquem no denominado modo supervisrio (ou cascata remota). Costuma-se representar a relao recproca entre controladores do SDCD e demais aplicativos atravs de um diagrama com camadas (pirmide):

A camada de controle regulatrio corresponde a controladores tipo PID que ficam na rede do SDCD. A camada de controle avanado inclui:

controladores mais simples, que podem ficar na rede do SDCD ou no computador de processo; controladores mais complexos (como o preditivo e multivarivel), que normalmente ficam no computador de processo.
A camada de otimizao fica normalmente no computador de processo e um outro software (otimizador on-line), que define rumos timos, valores ideais para o controle avanado. Esses valores so estimados atravs de modelos

41

matemticos rigorosos do processo. So os denominados ideal resting values (IRV) do otimizador para o controle avanado. (3.4) exemplos: A figura seguinte um esquema de controle para torre debutanizadora.

O controle regulatrio (no SDCD) consiste em quatro controladores tipo PID: 1. 2. 3. 4. controle da vazo de refluxo de topo; controle da vazo de fluido de aquecimento no reboiler; controle da temperatura de um prato da seo de fundo da torre; controle da presso de topo da coluna.

Sem controle avanado, os controladores 1, 3 e 4 ficam em modo automtico. O controlador nmero 2 fica em modo remoto. Os controladores 2 e 3 atuam em conjunto. Para controlar temperatura de prato, o controlador nmero 3 envia sinal de set-point para o controlador de vazo de fluido de aquecimento no reboiler (controlador 2). Este ltimo, por receber set-point de um outro PID, fica em modo remoto (RSP).

42

Com controle avanado, o computador de processo envia set-points para os trs controladores PID regulatrios (1, 3 e 4). Todos os trs ficaro em modo supervisrio, ou seja, o set-point de cada um deles alterado pelo computador de processo. A relao entre os controladores e o computador de processo fica muito parecida com uma cascata. Os controladores ficam escravos do computador de processo e devem obedecer rigorosamente bem ao set-point que lhes enviado pelo mestre. Os controladores costumam ser configurados para comutarem seu prprio modo de supervisrio para outro modo quando o computador de processo deixe de enviar os tais set-points por mais de trs minutos. Esse recurso denominado watchdog (co-de-guarda) dos controladores. O controle avanado altera os set-points a cada minuto. As alteraes de setpoint tm por finalidade controlar as temperaturas da torre, controlar o intemperismo do GLP, controlar a PVR da nafta, agir no sentido de evitar o fenmeno de inundao na coluna e otimizar a fracionadora. Neste ltimo sentido, por exemplo, o controle avanado pode estar sempre fazendo um esforo para minimizar o refluxo de topo e o consumo de energia no reboiler. Os projetos de controle avanado podem abranger apenas parte da unidade, como o exemplo anterior ilustra. Eles tambm podem ter abrangncia maior, envolvendo a unidade inteira. A figura seguinte mostra esquema de controle avanado (set-points alterados pelo computador de processo) para uma unidade inteira de FCC. Referncias sobre o assunto: [7] Astrom, K. J. and Wittenmark (1984): Computer-Controlled Systems Theory and Design. Prentice-Hall, Englewood Cliffs, New Jersey. [8] Astrom, K. J. and Hagglund, T. (1995): PID Controllers: Theory, Design and Tuning. ISA Publication, Research Triangle Park, North Carolina.

43

44

(4) inferncias - clculos por computador: (4.1) o conceito Na rea de automao e controle de processos, a palavra inferncia significa clculo de propriedade de produto. Esse clculo feito por um programa de computador que utiliza equaes, correlaes para estimar propriedades como: - destilao (ASTM D-86) de produtos diversos; - PVR de naftas ou ponto de fulgor de mdios; - intemperismo do GLP; - teor de C3+ no gs combustvel. Os clculos so feitos sempre com medidas de presso, temperatura ou vazo. Recebem o nome de inferncia: inferir um termo da Lgica que significa tirar uma concluso sobre algo com base em certas hipteses e conhecimentos disponveis. Dedues e indues so os dois tipos principais de inferncias. Por exemplo, com base em medidas de temperaturas, presses ou vazes da torre estabilizadora (debutanizadora), um programa de computador infere, estima o valor do intemperismo do GLP e da PVR da nafta.

45

[9] Standard Test Method for Volatility of Liquified Petroleum (LP) Gases. American Society for Testing Materials D1837-02A [10] Standard Test Method for Vapor Pressure of Petroleum Products (Reid Method). American Society for Testing Materials D323-99A

46

Um programa de computador para estimar propriedade de produtos envolve:

clculo propriamente dito da propriedade; lgica de adaptao de parmetros da equao (calibrao). clculo da propriedade:

Os clculos so feitos on-line, automaticamente, a cada minuto e exigem o denominado computador de processo - estao de aplicativos -, que deve ter bom porte e deve estar ligado direta ou indiretamente ao sistema digital, a rede de controle. As inferncias funcionam como um sensor virtual ou sensor-software (softsensor), que funciona independentemente do controle avanado e faz o papel de um analisador on-line. Atualmente, na rea de refino da Petrobrs, o valor calculado (estimado ou inferido) on-line de propriedades de produtos disponibilizado para o controle avanado, como se fosse a medio de uma varivel controlada do controlador atravs de um sensor. atualizao do bias: H sempre um mecanismo adaptativo. Tal mecanismo corresponde a uma atualizao ou calibrao (baseada em resultado de anlise de laboratrio) de algum parmetro da correlao. Esse parmetro normalmente um coeficiente linear denominado bias. O mecanismo adaptativo , por isso, chamado de atualizao de bias. Em casos muito especficos pode ser mais interessante corrigir um parmetro fortemente embutido na equao, de um modo no linear: nesses casos, as expresses inversas para a correo do parmetro devem ser codificadas no software de inferncia para permitir a calibrao. O resultado de laboratrio, base para calibrao da inferncia, deve ser conseqncia no s de amostragem e procedimento analtico apropriados mas tambm de adequao da amostra sob o ponto de vista de representatividade. A questo de calibrao de inferncias muito semelhante s necessidades de manuteno e calibrao de analisadores on-line.

47

(4.2) correlaes (inferncias) mais comuns: inferncia do intemperismo do GLP: O intemperismo calculado conforme a expresso abaixo:
y = a 1 .T topo + a 2 .T p + a 3 .( L
onde: a,a ,a
1 2 3

) + bias

constantes experimentais intemperismo inferido (oC) temperatura em prato da seo de topo (oC) correo da temperatura pela presso (oC) relao molar lquido-vapor no prato 1 da coluna

Ttopo
Tp
L V

a- a correo da temperatura pela presso calculada com expresso de presso de vapor:


Tp = Ptopo R . ln Hv Pb 1 Ttopo 273 1 + T + 273 topo

onde:

Pb Ttopo

R Hv Ptopo

1.9872 kcal/kgmol/K calor de vaporizao do GLP: (~ 4468 kcal/kgmol) presso real no topo da torre (kgf/cm2 abs) presso de referncia para topo da torre temperatura real do topo da torre (oC)

b- a relao (L/V) calculada a partir de um balano no vaso de topo:

- a vazo de vapor que sai do prato 1 igual soma das vazes de refluxo de topo e de retirada de GLP (balano). V L

V = (D + R ). m
V R D vazo de vapor no prato (kgmol/h) vazo de destilado em m3/h vazo de refluxo em m3/h densidade molar do refluxo: 102 kgmol/m3

refluxo D retirada R

48

- no ponto de retorno ao prato 1, o refluxo mais frio condensa parte do vapor que borbulha atravs do lquido do prato. Assim, a vazo de lquido do prato 1 para o 2 a vazo de refluxo de topo, acrescida da parcela condensada conforme o seguinte balano trmico:
Cp L = D . m .1 + .(Ttopo Tr ) Hv
onde: L Cp Tr vazo de lquido no prato (kgmol/h) calor especfico do refluxo: 37.6 kcal/kgmol/K temperatura do refluxo (oC)

inferncia da PVR da nafta craqueada: Utilizam-se as equaes:


log 10 ( PVR ) = log 10 ( P ) . ( 1 x ) + log 10 ( Pint ) . x
T + 230 T + T 37.7778 x = int . 267.7778 T + T Tint
onde: P T presso no fundo da coluna - kgf/cm2 temperatura no fundo da coluna - oC correo aplicada em T em funo do resultado de laboratrio

49

obs: Tint e Pint representam a temperatura e a presso do ponto de interseco das curvas de presso de vapor para os componentes leve e pesado. A constante T o parmetro de ajuste da correlao. Nesse caso, em particular, a constante de ajuste no um termo linear (bias), mas tambm atualizado com resultados de laboratrio atravs das expresses:
T = 1 230 Tamost y

Pamos Tint 37.78 log10 . PVR 1 lab 267.8.(Tint + 230) + y= 267.8 PVRlab log10 P int
onde: Pamost Tamost PVRlab presso de fundo no snapshot (momento de amostragem) temperatura de fundo no snapshot resultado de laboratrio para a PVR.

Essas expresses para a correo do parmetro de ajuste podem ser obtidas pela inverso da expresso direta para a inferncia e so utilizadas pela subrotina de calibrao.

inferncia de temperatura ASTM D-86 de retirada lateral: O clculo da temperatura de um ponto da destilao ASTM D-86 de retiradas laterais de fracionadora baseia-se nas vazes e temperaturas de retirada de correntes vizinhas: a do produto em questo e, geralmente, a do produto imediatamente inferior. As vazes so utilizadas para converter a escala individual de destilao dos dois produtos (0-100%), numa escala nica que vai desde o ponto 30% vaporizados ASTM D-86 de um at o ponto 30% vaporizados ASTM D-86 do outro. As temperaturas dos pratos de retirada so utilizadas para estimar a temperatura correspondente aos 30% vaporizados ASTM D-86 de cada produto.

50

Tsup . . . T
inf

Q sup (inferida)

Q inf

a- temperatura dos 30% vaporizados ASTM D-86: Essa temperatura pode ser estimada a partir das temperaturas dos pratos de retirada conforme a expresso:

T30% sup = isup Tsup + bsup (retirada superior)


T30% inf = iinf Tinf + binf (retirada inferior)

onde os quatro parmetros (inclinaes e coeficiente linear) devem ser ajustados para cada fracionadora. As inclinaes podem ser calculadas com a expresso:

iretirada =

T30%retirada 2 Tretirada

b- clculo da temperatura ASTM D-86 a outra percentagem vaporizada: Para usar uma escala de destilao ASTM D-86 conjunta das duas correntes, usa-se a expresso:
sup V = 0.7Qsup +0.3 Qinf

( x0.3)Q

ou

V=

0.7Qsup +( x 1) Qinf 0.7Qsup +0.3Qinf

51

onde Qsup a vazo da corrente superior e Qinf a vazo da corrente inferior. O valor de x varia entre 0.3 (30%) e 1 (100%) para estimativas de temperaturas de destilao ASTM D-86 da retirada superior ou entre 1 (0%) e 1.3 (30%) para estimativas relativas retirada inferior. Essa escala permite interpolao desde 30% at 100% vaporizados do produto da retirada superior, e interpolao desde 0% at 30% vaporizados do produto da retirada inferior.

T% = (T30%inf T30%sup ) V +isup T30%sup

inferncia de temperatura ASTM D-86 de retirada de topo: Usa-se expresso na forma posicional:
T x % = a1 .Ttopo + a 2 .T p + a 3 .( L ) + bias V
onde: a,a ea
1 2 3

constantes experimentais temperatura dos x % vaporizados ASTM D-86 temperatura de topo da fracionadora correo da temperatura pela presso relao molar lquido/vapor no prato 1 da fracionadora

Tx % Ttopo
Tp
L V

As constantes dependem do produto em questo, devendo-se fazer ajuste de dados obtidos com cada fracionadora particular em questo. Dados tpicos para inferir os pontos 90% e final ASTM D-86 de nafta craqueada so os seguintes:

52

90% PFE

a = 0.685 a = 0.895
1 1

a = 2.032 a = 0.9257
2 2

a = -14.324 a = -76.385
3 3

a- correo da temperatura com a presso:


Tp = 1 Ttopo 273 R P 1 topo .ln + Hv b T topo + 273 P

R Hv Pb

constante dos gases calor de vaporizao do vapor de topo da torre presso real no topo da fracionadora presso de referncia no topo da fracionadora temperatura real no topo da fracionadora

1.987 kcal/kgmol/K 9740 kcal/kgmol kgf/cm2 2.145 kgf/cm2 oC

Ptopo Ttopo

b- relao lquido/vapor:
L=
L Qr
D . r Mr

[1 +

Cp Hv

(T Tr )]
kgmol/h m3/h 738 kg/m3 108.7 kg/kgmol 52 kcal/kgmol/K oC
Q

vazo de lquido no prato 1 vazo de refluxo massa especfica do refluxo peso molecular do refluxo calor especfico do refluxo temperatura do refluxo

Mr Cp Tr

V=
V Qd

( Qr + Qd ) Mr

v r + 22g.4 + Q 18

vazo de vapor no prato 1 vazo de destilado do vaso de topo vazo de gs produzido vazo de vapor de gua injetado no sistema

Qv

Qg

Nm3/h kg/h

kgmol/h m3/h

Controle inferencial um assunto tratado dentro do formalismo de controle clssico, o que pode ser constatado nas seguintes excelentes referncias: [11] Luyben, W. L. (1995): Process Modeling, Simulation and Control for Chemical Engineers 2nd. Ed., McGraw Hill, New York. [12] Seborg, D.E., Edgar, T.F. and Mellichamp, D.A. (1989): Process Dynamics and Control John Wiley & Sons Inc., New York.

53

(5) identificao do processo: (5.1) modelos de processo: O tipo de controle avanado que est se implementando na Petrobrs denominado preditivo. Trata-se de um controle que calcula as tendncias futuras para as variveis controladas, tendo um carter antecipatrio (feedforward). Todo controle antecipatrio exige um modelo do processo para fazer a predio. Identificar o processo levantar o modelo do mesmo. O modelo do processo a relao numrica, quantitativa ou matemtica, entre suas entradas e suas sadas: dk
uk yk

processo
Muitas regras prticas, heursticas simples e usadas no dia-a-dia, j podem ser vistas como modelos do processo. Por outro lado, certos modelos matemticos mais complicados tambm so modelos. Os dois casos so importantes na rea de controle. Os modelos matemticos podem ser de dois tipos principais:

modelos tericos: so dados por equaes algbricas ou diferenciais, cuja soluo fornece o comportamento dinmico ou em estado estacionrio do sistema; modelos empricos: obtidos atravs da anlise de dados obtidos por experimentao com um sistema existente. Essa experimentao envolve a alterao de algumas entradas (excitao do processo) e exame do comportamento das sadas do sistema.

Na atual prtica em refinaria, a identificao de processos ser entendida como levantamento de dados experimentais e seu tratamento matemtico, visando a obter um modelo emprico do sistema. Em ltima anlise, a

54

identificao de processos aqui entendida como uma atividade de ajuste de curvas ou anlise de regresso. (5.2) resposta ao degrau unitrio: Os processos qumicos so caracterizados por balano de massa e de energia, sendo tipicamente sistemas de primeira ordem com atraso:

sistema

dy(t ) + y (t ) = K p u (t t d ) dt

A previso dos valores futuros feita com as respostas da unidade frente a um degrau:

A resposta mostra trs importantes parmetros do modelo

ganho do processo: variao total final (estado estacionrio) da varivel de sada (y), dividida pela variao inicial (tamanho do degrau) da varivel de entrada. O ganho uma razo, possui unidades e pode ser calculado pela expresso:

Kp =

A variao na sada demanda certo tempo para se completar. A rapidez dessa variao medida atravs de duas constantes de tempo: o tempo morto e o tempo de primeira ordem.

y u

55

tempo morto (td - delay time) o tempo que leva para o processo comear a
responder variao em degrau.

tempo de primeira ordem o tempo que o processo demora, uma vez iniciada a variao, para chegar aos 63% da variao total final.
Cada unidade tem suas respostas caractersticas. Levantar tais respostas fazer um levantamento da identidade da unidade: identificao de processo. Para melhor identificar a unidade, so feitos testes, os chamados testes de identificao. O mais comum consiste em se alterar as variveis livres (entrada) com o padro de degrau, registrando-se as variveis dependentes (sada) para obteno da resposta frente ao degrau unitrio. Exemplo 1: O grfico seguinte mostra uma aplicao prtica em sistema de topo de torre fracionadora GLP-gasolina:

aumentou-se em 400 m3/d (de 3200 m3/d para 3600 m3/d) a vazo de refluxo de topo da coluna, mantidas constantes as condies no reboiler e na presso da torre. A torre esfriou e o intemperismo caiu de 0 para 1.6oC. O ganho do processo, portanto, vale:
Kp =
o C 1 .6 o C 0 . 004 = 3 3 m 400 m d d

56

na abscissa pode-se verificar, de modo aproximado, tempo morto de 1 minuto. O tempo de primeira ordem vale 18 minutos, ou seja, iniciado o teste e decorrido o tempo morto de 1 minuto, o intemperismo comea a cair e atinge 0 0.63x1.6 = -1oC aps 18 minutos.

Os trs parmetros do modelo podem variar conforme as condies operacionais da unidade. Tanto o tempo de primeira ordem como o tempo morto esto relacionados a tempo de residncia (relao entre volume do equipamento e vazo de carga): para vazes mais altas, esse tempo diminui (volume constante). Tambm o ganho do processo, que expressa a sensibilidade do mesmo, pode variar conforme o ponto operacional da unidade. Algumas das formas de expressar esse modelo so:

equao diferencial funo de transferncia

18

dy (t ) + y (t ) = 0.004 u (t 1) dt

y ( s ) 0.004e s = u ( s) 18s + 1

coeficientes de resposta ao degrau

coeficientes de resposta da planta

57

Exemplo 2: O grfico seguinte mostra uma aplicao prtica em sistema de fundo de torre fracionadora GLP-gasolina:

Neste caso, tem-se o resultado de um teste no sistema de fundo da torre. Reduziu-se em 200 m3/d (de 3460 m3/d para 3260 m3/d) a vazo de fluido de aquecimento do reboiler da coluna, mantidas constantes condies no refluxo e na presso da torre. A torre esfriou e a temperatura da regio de fundo caiu 3oC (de 154 para 151oC). H vrias maneiras de tratamento de dados para modelagem. No exemplo anterior, seguiu-se um mtodo aproximado e, basicamente, visual. Estatsticas, matemticas e diversos recursos de informtica podem ser usados para aprimorar a modelagem. Planilhas de clculo podem ser usadas para modelagem, examinando-se o comportamento de modelo de primeira e de segunda ordem.

58

(a) Modelo de 1 ordem: a figura seguinte mostra parte de planilha com modelo de primeira ordem na forma integrada.

A primeira coluna contm a varivel tempo em minutos contados desde a aplicao do teste em degrau no reboiler. Embora o teste tenha sido executado com reduo da vazo de fluido de aquecimento, na segunda coluna da planilha reproduziram-se os dados para o degrau unitrio e positivo, dividindo-se os desvios de temperatura por -200 m3/d. Na terceira coluna est codificado o modelo de primeira ordem integrado e na quarta coluna est codificado o erro quadrtico ponto a ponto. O solver da planilha foi utilizado para, ajustando os parmetros ganho e tempo de primeira ordem, obter o modelo correspondente que minimiza a soma dos quadrados dos erros (modelo x dados experimentais). O grfico ilustra o melhor modelo obtido.

59

O modelo de primeira ordem tambm pode ser codificado em forma diferencial pelo uso das equaes:
dyi 1 = (3yi 4 yi1 + yi2 ) dt 2h

3 ( 4 yi 1 + yi 2 ) = K p + 1 yi + 2h 2h

(b) Modelo de 2 ordem: a figura seguinte mostra parte de planilha com modelo de segunda ordem codificado na forma diferencial.

As duas primeiras colunas so semelhantes ao caso anterior: tempo decorrido desde aplicao do degrau e variao de temperatura decorrente (normalizada pelo tamanho do degrau). Na terceira coluna est codificado o modelo de segunda ordem na forma da equao diferencial discretizada (modelo diferencial): dyi 1 = ( yi yi 1 ) dt h d 2 yi 1 = 2 ( yi 2 yi 1 + yi 2 ) 2 dt h 2 2 2 2 2 2 + y + y + yi 2 = K p i i 1 h2 h2 h h h2

60

Na quarta coluna est codificado o erro quadrtico ponto a ponto. Tambm neste caso, o solver da planilha foi utilizado para, ajustando os parmetros ganho, tempo de segunda ordem e fator de amortecimento (damping), obter o modelo correspondente que minimiza a soma dos quadrados dos erros (modelo x dados experimentais). O grfico ilustra o modelo obtido. Uma pequena adaptao prtica do modelo obtido seria a de eliminar o incio de oscilao - conseqncia das caractersticas do modelo - obtendo a seqncia de coeficientes resposta ao degrau unitrio do grfico seguinte:

61

(5.3) experimentos com outras excitaes: No esforo de modelagem, dados prticos podem ser levantados com testes experimentais em que se utilizem outras excitaes, diferentes do degrau, para o sinal de entrada. Nesse caso, estatsticas de sries temporais so comumente usadas para obteno dos modelos matemticos. O modelo matemtico, ento, pode ser usado para simular a resposta ao degrau unitrio.

H muitas teorias sobre diferentes modos de excitao do processo atravs de sinal de entrada. A idia de excitar o sistema com sinal de entrada que permita melhor identific-lo. Trata-se de um assunto complexo e que depende muito do tipo de processo envolvido e suas peculiaridades.

62

Teoricamente, uma forma de excitao freqentemente aceita pelo uso de PRBS - sequncia binria pseudo-randmica. Parece tratar-se de um sinal com espectro largo, prximo do rudo branco, que permite cobrir a faixa de frequncias de muitos processos. O sinal PRBS peridico com 31 ou 43 sub-perodos de tempo:

PRBS de 31 pontos
1

PRBS de 43 pontos
1

-1

-1

Os sinais PRBS seriam recomendados para identificao de sistemas com vrias variveis de entrada e vrias variveis de sada (sistemas ditos multivariveis). Nesses casos, recomenda-se excitao simultnea de mais de uma varivel de entrada, registrando-se as diversas variveis de sada (efeitos). Teoricamente, os sinais PRBS de 31 ou 43 pontos foram especialmente concebidos para permitir respostas experimentais mais favorveis do sistema, respostas mais adequadas para aplicao de uma estatstica de modelagem multivarivel. Qualquer que seja o tipo de sinal PRBS, a durao de cada pulso que compe a sequncia depende de uma anlise do tempo de resposta do sistema:
y k T - constante de tempo do sistema

1 -1 1 T 2 3 tempo

tempo

TPRBS =

T 4

63

adota-se, geralmente, a quarta parte da constante de tempo do sistema para durao de cada pulso da PRBS. O valor da amplitude do sinal PRBS escolhido de acordo com a amplitude do rudo de sada do sistema. Examinando a sada do sistema com sinal de entrada constante:
yk

recomenda-se que a amplitude da PRBS seja superior a dez vezes a amplitude do sinal de sada a. Muitos sistemas de refino de petrleo apresentam elevadas constantes de tempo (podendo chegar a horas). Isso pode elevar bastante o tempo total de experincia previsto pelas receitas PRBS. Vrias ocorrncias podem acontecer no decorrer de um longo teste, sendo necessria anlise cuidadosa de representatividade das condies do experimento como um todo. [13] Box, G.E.P., Jenkins, G.M. (1976): Time Series Analysis Forecasting and Control. Holden-Day, Oakland. [14] Aguirre, L.A. (2000): Introduo Identificao de Sistemas - Tcnicas Lineares e No-Lineares Aplicadas a Sistemas Reais Editora da UFMG, Belo Horizonte.

64

(5.4) modelos discretos: Nestas notas, o sistema ser representado por equaes que envolvem as variveis de entrada e sada do sistema. Sero envolvidos os termos das sries no tempo das variveis de entrada e sada:
(... uk-3, uk-2, uk-1, uk) - srie no tempo da varivel de entrada (... yk-3, yk-2, yk-1, yk) - srie no tempo da varivel de sada

Supondo inicialmente um sistema mono-varivel, as expresses que usaremos so de alguma das seguintes formas: 1. modelo AR:

y k + a1 . y k 1 + a 2 . y k 2 +...+ a na . y k na = ek

Nesse caso, aparece apenas a varivel de sada - yk. Foi feita regresso dessa varivel consigo mesma em vrios instantes de tempo. Ou seja, foi feita regresso linear dos termos da srie temporal da varivel de sada, motivo pelo qual esse modelo dito modelo de auto-regresso (AR). Observar a existncia de um termo ek, uma espcie de erro obtido ao se assumir que pode ser feita regresso linear dos termos da srie temporal de yk. Demonstra-se que esse erro est associado possibilidade de se compor um sinal temporal a partir de um rudo branco e que uma forma de considerar as perturbaes no medidas para o processo. 2. modelo ARX:

yk + a1. yk 1 + a2 . yk 2 + ... + an a . yk n a = b1.uk nk + b2 .uk nk 1 + b3 .uk n k 2 + ... + bnb .uk n k +1 nb + ek

nesse caso, aparecem tanto a varivel de sada (yk) como a varivel de entrada (uk). H regresso linear da varivel de sada yk consigo mesma, motivo por que tambm este modelo denominado auto-regressivo. Nota-se haver regresso linear na varivel de entrada. Essa varivel denominada exgena, motivo para o modelo acima ser conhecido como modelo auto-regressivo com autoregresso na varivel exgena (ARX).

65

Observar a presena de um tempo morto (nk) entre a varivel exgena (entrada) e a varivel dependente (sada). 3. modelo ARMAX:

y k + a1 . y k 1 + a2 . y k 2 + ... + an a . y k n a = b1 .u k n k + b2 .u k n k 1 + b3 .u k n k 2 + ... + bn b .u k n k +1 n b + ek + c1 .ek 1 + c2 .ek 2 + ... + cn c .ek n c

esse caso muito parecido com o ARX: auto-regresso para varivel de entrada e de sada. Aqui, entretanto, foi feita regresso linear tambm para a srie temporal dos erros. O propsito desse artifcio o de melhorar a correlao entre yk e uk, tentando-se segregar interferncia de perturbaes (dk) na modelagem, atravs da srie de ek. No fundo, foi feita a auto-regresso na varivel de sada, na exgena e ainda se fez uma mdia mvel do erro da regresso ARX. Esse termo mdia mvel (moving average) motiva o nome deste terceiro mtodo: ARMAX. Para os modelos lineares, comum representar os coeficientes ai e bi atravs de polinmios. Isso est de acordo com propriedade da transformada Z. Interessa principalmente por simplificar a notao. Desse modo, podemos representar os modelos anteriores atravs das seguintes notaes simplificadas:

yk + a1.yk 1 + a2.yk 2 + ... + ana .yk na = yk .(1 + a1.z 1 + a2.z 2 + ... + ana .zna ) = yk .A(z 1)
b1.uk nk + b2.uk nk 1 +...+ bnb .uk +1nk nb = uk nk .(b1 + b2.z1 + b3.z2 +...+ bnb .znb +1) = uk nk .B(z1)

ek + c1.ek 1 + c2 .ek 2 + ... + cnc .ek nc = ek .(1 + c1.z 1 + c2 z 2 + ... + cnc .z nc ) = ek .C( z 1 )

Esta notao apenas um formalismo; z-1 significa voltar um instante de tempo atrs, ou seja, yk.z-1 o mesmo que yk-1. Os trs modelos de regresso ficam escritos de modo mais compacto:

AR: ARX:

yk . A( z 1 ) = ek
yk . A( z 1 ) = uk nk .B ( z 1 ) + ek

ARMAX: yk . A( z 1 ) = uk nk .B( z 1 ) + ek .C ( z 1 )

66

4. outros modelos lineares: J se comentou que o prprio modelo ARMAX inclui uma espcie de artifcio matemtico, o polinmio C(q-1). Outros modelos foram propostos para identificao, todos eles incluindo novos polinmios que tambm so artifcios matemticos para tentar melhorar o ajuste de dados. Por exemplo, o modelo de Box-Jenkins (BJ) bem completo e se traduz pela expresso:
yk = C ( z 1 ) B( z 1 ) + ek u k nk D( z 1 ) F ( z 1 )

Todos esses modelos envolvem os coeficientes parmetros, sendo chamados modelos paramtricos.

dos

polinmios

como

Um caso particular o modelo denominado FIR. O modelo FIR da forma:

y k = u k n k . B ( z 1 ) + ek
ou seja, no envolve o polinmio A( z 1 ) . Apesar de envolver os coeficientes do polinmio B ( z 1 ) , a literatura se refere a tal caso como modelo noparamtrico. Os mtodos no-paramtricos so aqueles que no resultam em modelo matemtico tal como uma funo de transferncia, mas sim numa representao grfica que caracteriza a dinmica do sistema em estudo. Exemplos tpicos de tais representaes so a resposta ao impulso e a resposta em freqncia. fcil demonstrar que os coeficientes do polinmio B( z 1 ) (parmetros de Markov do sistema) so a resposta do sistema frente a uma excitao na forma de impulso. 5. modelo NARX (ARX no-linear):

yk = f ( yk 1 ,..., u k 1 ,.., parametros )

Trata-se de uma modificao que envolve o ajuste dos termos da srie temporal com modelos no lineares. Dentre as muitas formas, as redes neurais so modelos no-lineares (funo f) particularmente atraentes para identificao de processos.

67

(5.5) estimao dos parmetros: Resolver o problema formulado por qualquer dos modelos citados significa pesquisar o valor dos parmetros que minimize erro de ajuste de dados. Como seria de se esperar, o critrio o de minimizar a soma dos quadrados dos erros do ajuste, mtodo de mnimos quadrados. No anexo 2 discutem-se alguns aspectos do mtodo de mnimos quadrados para ajuste de modelos lineares. As expresses para os diversos modelos foram escritas de modo simplificado. Os textos sobre identificao costumam ser mais rigorosamente formais, acompanhados de um tratamento matemtico que resulta naturalmente na forma de erro de ajuste a ser minimizado. Apenas analisaremos o resultado final aplicado aos trs modelos de maior interesse, ou seja, os modelos lineares AR, ARX e ARMAX. O erro de ajuste relaciona-se com o valor atual do erro ek para cada instante de ajuste dos dados, ou seja, k=1, 2, ..., n e dado pela somatria:
2 V () = ek k =1 n

Nessa expresso aparece como varivel livre o vetor , tambm denominado vetor dos parmetros dos modelos, notao padro na rea de identificao de processos. No fundo, esse vetor engloba os parmetros ai, bi, ci ... dos diversos polinmios envolvidos nos modelos citados anteriormente:

modelo AR: modelo ARX: modelo ARMAX:

[ = [a = [a

= a1 a2 L ana
1

a2 L ana

b1 b2 L bnb

a2 L ana

b1 b2 L bnb

c1 c2 L cnc

Esse vetor est associado ao vetor dos regressores, assim definido:

modelo AR: modelo ARX: modelo ARMAX:

T ( k ) = y k 1

yk 2

y k na

]
u k 1 uk 2 L u k nb

[ (k , ) = [ y
T

T ( k ) = y k 1
k 1

yk 2

y k na

]
]

yk 2 L yk na uk 1 uk 2 L uk nb ek 1 ek 2 L ek nc

68

de tal modo que todos os modelos podem ser escritos de modo geral como:

y k = . + ek
T

ou

ek = y k T .

interessante observar que nos dois primeiros modelos, o vetor no depende de . Entretanto, para o modelo ARMAX, estando envolvida a srie histrica de erros, o vetor depende tambm de . Isso significa que, para os modelos AR e ARX, a determinao de direta. A aplicao das condies de mnimo para V () leva a um sistema de equaes que pode ser resolvido diretamente:
V 1

V 2

=L = 0

sistema de equaes lineares

Ou seja, montam-se as matrizes de dados para o mtodo de mnimos quadrados e, sendo o problema linear, a resoluo direta. Isso est ilustrado atravs do exemplo 3 do anexo 2. No modelo ARMAX o procedimento diferente. A montagem das matrizes de dados envolve valores passados do erro ek-i. Estes valores, por sua vez, dependem dos parmetros do modelo, que esto sendo estimados. A regresso no-linear e a pesquisa dos valores para iterativa, envolvendo mtodos de pesquisa numrica para a determinao de mnimo de funo erro. (5.6) seleo e validao do modelo: Como escolher o tipo de modelo e suas ordens? No existem regras definitivas para escolha de modelo, sendo essa uma deciso que depende de bom senso em anlise de engenharia. A estatstica prope algumas medidas de adequao de modelos. A base da maioria delas a funo erro de ajuste (loss error function):

ef =

i =1

( y sim ( i ) yi ) N

onde N o nmero de pontos da srie temporal, yi so as medies e ysim(i) so os valores calculados com o modelo.
69

Essa funo expressa a perda de representao dos dados pelo modelo. A soma de erros quadrticos (diferena entre previso com o modelo e resultado experimental) expressa a maior ou menor capacidade do modelo em traduzir os dados experimentais. Pesquisam-se modelos de vrias ordens, escolhendo-se o que apresentar menor perda de representao (modelo timo). boa prtica estatstica fazer ajuste de modelo com um conjunto de dados e examinar sua funo de erro de ajuste com outro conjunto de dados: fazer a chamada validao cruzada. No sendo feita validao cruzada, ou seja, usando-se o mesmo conjunto de dados para ajuste e para teste do modelo, a funo erro de ajuste pode ser enganosa. Ordens muito elevadas podem levar a modelos com melhor ajuste mas com nus de modelagem dos rudos. Para resolver esse problema, h trs modificaes da funo erro: 1- critrio de Akaike: Uma medida estatstica modificada para seleo de modelo o denominado information theoretic criterion proposto por Akaike . Trata-se de um critrio que transforma a lost error function segundo a expresso seguinte:

e f mod = log (1 + 2Nn ) e f (1 + 2Nn ) e f


onde n o nmero de parmetros do modelo e N o nmero de pontos da srie temporal. 2- critrio de Rissanen: Outra medida modificada de seleo de modelo o denominado minimum description lenght proposto por Rissanen. O critrio transforma a lost error function segundo a expresso seguinte:
n e f mod = (1 + log( N ) N ) ef

onde, tambm nesse caso, n o nmero de parmetros do modelo e N o nmero de pontos da srie temporal.

70

3- final prediction error: Medida de seleo de modelo que se baseia na expresso:

e f mod = fpe =

1+ 1

n N n N

ef

com n - nmero de parmetros do modelo e N - nmero de pontos da srie temporal. Nos trs casos, e f mod a lost error function modificada para correo por no se fazer a validao cruzada. Quando feita a validao cruzada, pode-se usar apenas apenas a lost error function no-modificada. Todas as propostas anteriores se baseiam em alguma forma de erro total de ajuste do modelo aos dados experimentais. Anlise de resduos Um critrio interessante para seleo de modelo se baseia na anlise de cada erro, ponto a ponto da srie temporal. So os denominados resduos do ajuste de modelo srie. Os resduos so as diferenas entre os valores experimentais e os valores calculados com o modelo (simulados). Assim como as variveis de entrada e de sada formam sries no tempo, tambm os prprios resduos formam uma srie no tempo.

71

A estatstica prope anlise de auto-correlao da srie dos resduos e anlise de correlao cruzada entre a srie dos resduos e a srie da varivel de entrada do sistema. A auto-correlao da srie dos resduos calculada com a expresso:

ree (l ) = lim N

N 1 e(i)e(i + l ) 2 N + 1 i = N

e a correlao cruzada da srie dos resduos com a srie da varivel de entrada calculada com a expresso:
rue (l ) = lim N
N 1 u (i)e(i + l ) 2 N + 1 i= N

Nas duas expresses aparece o lag time (atraso) l que varia de zero a um valor apropriadamente selecionado (normalmente 25 perodos) para anlise de correlao das duas sries. Se a srie dos resduos no formar um rudo branco, h fortes evidncias de que o modelo enviesado (tendencioso) e, portanto, fortes evidncias a favor de sua rejeio. Pelo contrrio, no havendo evidncias suficientes para rejeio, a escolha do modelo ainda estar sujeita a risco. No existe um teste de aceitao de modelo, apenas testes de rejeio, tpicos da estatstica. Aplica-se teste da hiptese de a srie dos resduos formar um rudo branco e independente da srie dos dados de entrada do sistema:

srie resduos forma um rudo branco: para lag time de 1 a l , examinar os l coeficientes de auto-correlao. Se a srie dos resduos no formar um rudo branco, pelo menos um dos coeficientes diferente de zero com certo nvel de confiana (ex: 99%) e a hiptese de rudo branco deve ser rejeitada. Nesse caso, o modelo de processo proposto deve ser rejeitado; para lag time igual a zero, evidentemente, o coeficiente de auto-correlao de qualquer srie temporal 1;

72

srie dos resduos independente da srie dos dados de entrada: para lag time de 0 a l , examinar os coeficientes de correlao cruzada u x e. Se as duas sries no forem independentes, pelo menos um dos coeficientes diferente de zero com certo nvel de confiana (ex: 99%) e a hiptese de independncia deve ser rejeitada. Tambm nesse caso, o modelo de processo proposto deve ser rejeitado.

A no-rejeio do modelo de processo proposto por qualquer dos dois critrios no significa aceitao do modelo. A estatstica do teste de hipteses norteia apenas a rejeio; no h critrio para aceitao. Grficos dos coeficientes de auto-correlao dos resduos x lag time e dos coeficientes de correlao cruzada resduos-entrada x lag time so teis para anlise de resduos:

Sob o ponto de vista estocstico, o erro de identificao consiste de duas partes:


erro de bias decorrente de um modelo insuficiente; erro de variana em razo de perturbaes que causaram impacto no sistema.

Geralmente, um modelo considerado adequado se a auto-correlao de seus resduos for considerada um rudo branco; alm disso, a correlao dos resduos com o sinal de entrada deve ser nula. Nesse caso, o erro de identificao devido inteiramente a erro de variana (erro de bias nulo).

73

O teste estatstico consiste em no aceitar modelos que levem a uma rejeio da hiptese de que a srie dos resduos seja rudo branco. Ou seja, analisando os dois grficos, nenhum ponto deve cair fora da faixa delimitada pelas linhas pontilhadas (exceto o primeiro ponto do primeiro grfico auto-correlao com atraso de fase nulo). [15] Ljung, L. (1987): System Identification Theory for the User. PrenticeHall, Englewood Cliffs, New Jersey. [16] Ljung, L. and Soderstrom (1983): Theory and Practice of Recursive Identification. MIT Press, Cambridge, Massachusetts. [17] Eykhoff, P. (1974): System Identification Parameter and State Estimation. John Wiley & Sons, New York. (5.7) estudo de caso com NARX: Redes neurais podem ser aplicadas no reconhecimento de padro de comportamento de processos. Dados prticos relativos temperatura medida e composio de produto de topo de uma fracionadora principal do FCC foram obtidos na forma de duas sries temporais, como mostra a figura seguinte:

A termodinmica do equilbrio lquido-vapor prev uma lei bem definida, baseada em princpios tericos, de aumento no teor de pesados frente a aumento da temperatura de topo.
74

Portanto, os dados prticos envolvem variveis cujo relacionamento mtuo regido por algum princpio cientfico, o que torna muito atraente a possibilidade de poderem ser ajustados modelos estatsticos empricos para correlacionar as duas variveis do sistema. Os dados prticos anteriores foram submetidos a treinamento com rede neural no-linear pelo uso do Matlab mediante o uso das seguintes instrues: nu = 3; ny = 1; z=[y u]; ncaso = max(nu,ny); t = z(ncaso+1:n,1); p = []; for i = 1:ny p = [p z(ncaso+1-i:n-i,1)]; end for i = 1:nu p = [p z(ncaso+1-i:n-i,2)]; end No exemplo, quatro so as variveis de entrada para a rede, estando organizadas em quatro linhas. As variveis correspondem prpria srie histrica deslocada num horizonte de at trs intervalos de tempo para a varivel temperatura (uk) e de um intervalo de tempo para a varivel composio (yk). A varivel de sada para a rede a srie histrica da composio de produto de topo. Em termos estatsticos, diz-se ter sido empregado um modelo do tipo autoregressivo-exgeno (ARX) com na = 1 e nb = 3. Foi usada uma rede com uma primeira camada de dois neurnios com funo de transferncia tipo tansig e uma segunda camada (sada) cujo neurnio nico tem funo linear. Os resultados parciais ao longo das pocas de treinamento esto na figura seguinte.

75

O treinamento foi concludo em 26 pocas. As dez primeiras pocas permitiram um ajuste inicial mais rpido e as dezesseis ltimas foram necessrias para um refinamento do ajuste dentro da preciso requerida. A rede neural treinada para identificar o sistema permitiu uma simulao de resposta do mesmo frente ao degrau unitrio. O resultado, confirmado atravs de testes com a fracionadora, foi o seguinte:

76

Referncias: [18] Bishop, M. B. (1990): Neural Networks and Pattern Recognition. Oxford University Press, Boston. [19] Demuth, H. and Beale, M. (1997): Neural Network Toolbox Users Guide (v.3.0). The MathWorks, Inc., Natick. [20] Ljung, L. (1994): System Identification Toolbox Users Guide The MathWorks, Inc., Natick.

77

(6) controle avanado: (6.1) estrutura do controlador: O controle avanado faz trs clculos diferentes:

clculo das previses variveis controladas

clculo das previses variveis controladas clculo dos targets para variveis manipuladas (programao linear) clculo de set-points pelo DMC

otimizao do valor para variveis manipuladas clculo de set-points aproximando-se do timo para manipuladas

registra as alteraes ocorridas nos set-points de todas as variveis manipuladas. Com isso, ele pode fazer previses do valor futuro para as variveis controladas, usando as respostas ao degrau levantadas na identificao da unidade.

pesquisa quais as variaes necessrias em todas as variveis manipuladas (vrios set-points para o SDCD) para deixar as previses futuras das variveis controladas dentro de faixas aceitveis (mnimo e mximo). Nos clculos, tambm considera restries de mximo e mnimo para variveis manipuladas. Em consequncia da escolha de pesos, os clculos naturalmente levam a maximizao ou minimizao de variveis manipuladas. Isso uma

78

otimizao que usa programao linear (ou quadrtica) e que define objetivos (targets para variveis manipuladas) para a unidade.

encaminha a unidade suavemente, ao longo do tempo, para os objetivos (targets) definidos pela otimizao. Trata-se de um refinamento de clculo de set-points a serem efetivamente enviados para o SDCD. Usa-se uma tcnica matemtica denominada controle pela matriz dinmica (DMC dynamic matrix control).

A sequncia de clculo do controle avanado se acopla ao software do SDCD, atravs do qual so feitos a leitura de dados e o envio de set-points para os controladores regulatrios.

79

80

(6.2) princpios do controlador: sistemas amostrados: converso analgica - digital Os sinais de processos qumicos so analgicos e contnuos no tempo. Os sinais contnuos do processo so amostrados e convertidos para a forma digital, formando sries temporais de dados disponveis no computador. Por esse motivo, controle por computador um assunto relacionado a sistemas amostrados.

converso digital - analgica Sinais do computador para o processo devem ser convertidos de forma digital para analgica. Alm disso, deve haver algum elemento de natureza capacitiva que permita manter o valor do sinal para o processo durante todo o perodo entre amostragens (holder).

81

Em sistemas com amostragem, os eventos ocorrem em determinados momentos e formam uma srie no tempo:

k-2

k-1

k+1 k+2 k+3 k+4 tempo

O ndice k serve para fazer referncia ao instante de amostragem:


k se refere ao instante atual; k-1, k-2, k-3 ... se referem aos instantes passados; k+1, k+2, k+3 ... se referem aos instantes futuros.

82

O perodo de amostragem deve ser escolhido cuidadosamente, conforme o propsito dos sistemas. Esse cuidado est relacionado ao fato de que sempre perdida a informao entre os momentos de amostragem, perda que no deve comprometer o desempenho do sistema. Para uma srie temporal correspondente a um transformao matemtica z (Lofti Zahdeh) como: evento, define-se a

Z[ y(k )] = y( z) = yk z k =y0 + y1 z 1 + y2 z 2 + y3 z 3 + ...


k =0

Uma propriedade importante a da transformada da funo:

Z[ y(k n)] = yk n z = yk n z
k k =0 k =0

( k n) n

z = yj z z = z
j n j =n

y z
j =0 j

= z n Z[ y(k)]

ou seja, o termo z n funciona como um operador de atraso no tempo (backward operator) para o sinal amostrado y(k). Essa propriedade interessante para economia de notao, seja no caso de teoria de identificao de sistema, seja no de controle preditivo.

83

Um controle proporcional e integral na forma paralela implementado em computador (sistema amostrado) atravs da codificao da seguinte lei, que uma equao de diferenas:

k uk = uk1 + kc (ek ek1) + c ek

ou

uk = uk1 + kc (spk yk spk1 + yk1 ) +

kc

(spk yk )

que resulta da discretizao da equao diferencial do PID para sistemas contnuos (analgicos). Essa equao est na forma velocidade, a base do controle clssico para sistemas amostrados e expressa a idia de que a atual ao de controle (uk) calculada como a ao de controle na varredura anterior (uk-1) mais uma parcela proporcional ao valor atual da varivel controlada (yk embutido no erro ek). Discutir os princpios do controle avanado significa argumentar uma lei alternativa para a lei PID. Em particular, nestas notas se argumentam os princpios que permitem usar previso futura das variveis controladas (yk+j j=1, 2, ... n) em substituio ao mero valor atual. Tambm se argumentam os princpios de otimizao definidores de valores futuros para os set-points das variveis controladas (denominados targets). [21] Deshpande, P. (1982): Elements of computer process control with advanced control applications Instrument Society of America, Research Triangle Park.

84

(6.3) resposta de um sistema ao pulso unitrio O controlador se baseia na idia de expressar a sada atual do sistema como ponderao de entradas histricas.

SISTEMAS MONOVARIVEIS

uk

sistema

yk

Isso pode ser expresso como:

$k +1 = hi uk +1i y
i =1
onde aparece a funo ponderal hi, i = 1, 2, ... Essa funo ponderal a resposta do sistema ao pulso unitrio em sua entrada (coeficientes de resposta ao impulso ou parmetros de Markov):

u
1 pulso unitrio

y
h 3 h h h 4

85

A funo pulso unitrio dada por: u0 = 1, u1 = 0, u2 = 0 ... Admite-se que o sistema estvel, ou seja, ele no se deixa perturbar permanentemente pelo pulso e a resposta tende assintoticamente a 0. A argumentao para esse fato passa pela transformada Z da funo de transferncia do sistema. Representando-a como:

G(z) =

y(z) u(z)
k =0

para o caso do pulso unitrio tem-se u(z)=1, j que u( z ) = uk . z k = u0 = 1 Isso quer dizer que a transformada Z da funo de transferncia do sistema a transformada Z da resposta do sistema a um pulso unitrio em sua entrada. Chamaremos essa resposta h(z). Ento, tem-se G ( z ) = h( z ) , ou, no caso geral: y ( z ) = h( z ). u( z ) Desenvolvendo a ltima expresso:

y0 + y1 . z 1 + y2 . z 2 +... = (h0 + h1 . z 1 + h2 . z 2 +...).(u0 + u1 . z 1 + u2 . z 2 +...) ou y0 + y1 . z 1 + y2 . z 2 +... = h0 . u0 + (h0 . u1 + h1 . u0 ) z 1 + (h0 . u2 + h1 . u1 + h2 . u0 ) z 2 +...

o termo genrico da srie pode ser escrito como:

yk = hi . uk i
i =1

O estado inicial do sistema estacionrio em relao perturbao pulso unitrio, o que significa h0=0. A representao do sistema por convoluo usa uma srie infinita. Como os sistemas que nos interessam so estveis, a convoluo pode se restringir a um nmero de termos adequados para representao do sistema:

86

resposta ao impulso

assinttica para zero

$ k +1 = y

hu
i i =1

k + 1 i

Vale relembrar graficamente como se obteriam os valores da funo ponderal:


uk entrada: pulso unitrio yk saida: resposta ao pulso na entrada h2 1 1 h1 h3

tempo

tempo

O levantamento dessa funo, portanto, envolveria a perturbao do sistema com um pulso unitrio. Lembrando que a escala discreta de tempo (granularidade) refere-se unidade de tempo escolhida (entre k e k+1 pode ter decorrido 1 segundo, 1 minuto ou qualquer outra unidade) verifica-se que o teste com o sistema envolve uma durao de pulso coerente com a unidade escolhida.

87

(6.4) resposta de um sistema ao degrau unitrio

O teste mais comum para identificao de sistemas o de se injetar uma perturbao degrau em sua entrada. Por esse motivo, interessa conhecer como fica a representao do sistema em termos de sua resposta a perturbao degrau.
uk entrada: degrau unitrio yk saida: resposta ao degrau na entrada a3

1 a1

a2

tempo

tempo

Novamente, a argumentao baseia-se na transformada Z da perturbao. Para 1 o degrau unitrio tem-se: u( z ) = uk . z k = 1 + z 1 + z 2 + z 3 +... = 1 z 1 k =0 Isso significa que a resposta do sistema - a(z) - a um degrau unitrio em sua y( z) entrada pode ser escrita como G ( z ) = = h( z ) (1 z 1 ). a ( z ) = h( z ) . u( z ) Os coeficientes ak podem ser obtidos como se verifica no grfico acima, e sua relao com hk dada por: hk = ak ak 1 . Esta ltima expresso decorre de propriedade da transformada Z:

Z [ f (k 1)] = z 1.Z [ f (k )]

88

Conclui-se que se pode representar a sada de um sistema atravs de suas entradas passadas, ponderadas por uma funo ponderal que envolve a resposta do sistema a uma perturbao degrau unitrio em sua entrada (a0 = 0):

y k = (ai ai 1 ). uk i
i =1

ncalc

(6.5) aplicao da convoluo para previso: Controle preditivo pressupe previso. Essa previso baseia-se na convoluo aplicada a dois instantes:

$k +1 = hu y i k +1i
i =1

$k +1 y $k = hi uk +1i y $k = hu y i k i
i =1 N i =1

onde: uk +1i = uk +1i uk i


modelo com a varivel na forma de variao (varivel no cheia)

89

Fazendo uma correo da estimativa futura com o erro verificado para a estimativa atual (feita no passado):

correo da estimativa:
c $ k +1 y k $ y +1 = y k y k

erro da estimativa no instante k vlido para k+1

c k +1

= y k + hi u k +1 i
i =1

(6.6) valor desejado para varivel controlada: O valor desejado para a previso da varivel geralmente consiste numa ponderao entre o valor atual e um valor desejado. Essa ponderao suaviza as aes de controle, aumentando robustez (estabilidade) do controlador:

valor desejado para

y k +1

d k +1

= y k + (1 ) rk

rk

set-point constante de filtrao

0 1

y rk

1 0
t

trajetria suave aes de controle suaves aes de controle drsticas

90

(6.7) fechamento da malha: previso x valor desejado: Ao estabelecer que o valor desejado da varivel controlada seja atingido mediante ajuste de varivel manipulada:

caso ideal - previso o desejado


c d yk +1 = yk +1

yk + hi uk +1i = yk + (1 )rk
i =1 N

h1uk + hi uk +1i = (1 )(rk yk ) = (1 ) Ek


i =2

erro atual

(1 ) 1 N uk = uk 1 + Ek hi uk +1i h1 h1 i =2

chega-se a um controlador monovarivel preditivo com predio para apenas um intervalo futuro. Esse controlador apresentaria um problema para sistemas com tempo morto superior ao intervalo de amostragem do controlador, uma vez que devido operao de diviso pelo termo h1.

91

(6.8) extenso do horizonte de previso:

Aplicando a convoluo a R instantes futuros:

k + j = hi u k + j i y
i =1 c k + j yk y + j = yk yk

Reorganizando algebricamente as expresses:

y y y M y

c k +1

= yk + hi uk +1i hi uk i
i =1 N i =1

y y

c k +1

= yk + hi uk +1i
i =1

c k +2

= yk + hi uk +2i hi uk i
i =1 N i =1 N

c k +2

=y =y

c k +1

+ hi uk +2i
i =1 N

c k +3

= yk + hi uk +3i hi uk i
i =1 i =1 N N

y M y

c k +3

c k +2

+ hi uk +3i
i =1 N

c k +R

= yk + hi uk + Ri hi uk i
i =1 i =1

c k +R

=y

c k + R 1

+ hi uk + Ri
i =1

92

O sistema de equaes pode ser reescrito como:

N c yk +1 = yk + h1uk + hi uk +1i i =2 N c c yk +2 = yk +1 + h1uk +1 + h2 uk + hi uk +2i i =3 N c c yk +3 = yk +2 + h1uk +2 + h2 uk +1 + h3 uk + hi uk +3i i =4 M N yc = yc k + R 1 + h1u k + R 1 + h2 u k + R + 2 + ... + hR u k + hi u k + R i k +R i = R +1

c yk +1 = y k + h1u k + S1 c c yk + 2 = y k +1 + h1u k +1 + h2 u k + S 2 c c yk +3 = y k + 2 + h1u k + 2 + h2 u k +1 + h3 u k + S 3

M
c c yk + R = y k + R 1 + h1u k + R 1 + h2 u k + R + 2 + ... + hR u k + S R

com:

Sj =

i = j +1

h u
i

k + j i

(termos histricos da entrada).

93

c yk +1 = y k + h1u k + S1 c yk + 2 = y k + h1u k +1 + ( h1 + h2 ) u k + S1 + S 2 c yk +3 = y k + h1u k + 2 + ( h1 + h2 ) u k +1 + ( h1 + h2 + h3 ) u k + S1 + S 2 + S 3

M
c yk + R = y k + h1u k + R 1 + ( h1 + h2 ) u k + R + 2 + ... + ( h1 + h2 + ... + hR ) u k + S1 + S 2 + ... + S R

A equivalncia entre as respostas ao pulso unitrio e ao degrau unitrio permite fazer a substituio:

ai = hj
j =1
e reescrever as equaes de convoluo como:
c yk +1 = y k + a1u k + P 1 c yk +2 = yk + a2 uk + a1uk +1 + P2 y c = y + a u + a u + a u + P k 3 k 2 k +1 1 k +2 3 k +3 M c y = yk + aR uk + aR1uk +1 + aR2 uk +2 + ... + a1uk + R1 + PR k +R

94

c yk a1 +1 c y k + 2 a2 c yk = a3 +3 M M yc k + R a R

0 a1 a2 M

0 0 a1 M

aR1 aR2

0 uk yk + P 1 u y + P 0 2 k +1 k ... 0 uk +2 + yk + P3 O M M M ... a1 uk + R1 yk + PR ... ...

Novamente utilizando o conceito de uma trajetria desejvel para os valores futuros da varivel controlada (suavizando seu percurso desde o valor atual at um valor desejado):
d yk 1yk + (11)rk +1 d yk +2 2 yk + (12 )rk d yk = 3 yk + (13)rk +3 M M d y k +R R yk + (1 R )rk

escrevendo o valor desejado


d yk + j = j yk + (1 j )r k

na forma matricial

O valor previsto das sadas (y) pode ser alterado pela conveniente escolha de futuras entradas (u), buscando mxima coincidncia com o valor desejado:

d c yk a1 +1 yk +1 d a c yk + 2 yk + 2 2 d c yk = a3 + 3 yk + 3 M M yd yc aR k+R k+R

0 a1 a2 M

0 0 a1 M

aR 1 aR 2

0 uk (1 1 ) Ek 0 uk +1 (1 2 ) Ek ... 0 uk + 2 + (1 3 ) Ek O M M M ... a1 uk + R 1 (1 R ) Ek ... ...

P 1 P2 P3 PR

95

E = A. u + E
onde: E erro de previso e E termo com fatores passados e erro atual. A matriz A quadrada e, sendo adequadamente condicionada, pode ser invertida. Se a matriz for inversvel, o termo E pode ser igualado a zero, havendo ento graus de liberdade necessrios e suficientes para igualar os valores desejados e os previstos para a varivel controlada. Nesse caso, o bom condicionamento est associado idia de que possvel selecionar todo um horizonte futuro para a varivel manipulada de modo a no cometer erro entre o valor desejado e o previsto para a sada.

(6.9) reduo do horizonte de controle O condicionamento da matriz A fortemente determinado pela existncia de tempo morto no sistema:

E =0
u = A E
1

previso corrigida igual ao valor desejado

? tempo morto faz

a1 = h1 = 0 (matriz singular)

Uma soluo para esse problema consiste em aumentar os graus de liberdade da equao de erro para emprego de mnimos quadrados.

96

diminuio do nmero de aes de controle introduo de um horizonte de controle (movimentao)

uk +i = 0
d c yk a1 +1 yk +1 d a c y k + 2 yk + 2 2 d c yk = a3 + 3 yk + 3 M M yd yc aR k+R k+R

i>L
0 uk (1 1 ) Ek 0 uk +1 (1 2 ) Ek ... 0 uk + 2 + (1 3 ) Ek O M M M ... aR L +1 (1 R ) Ek uk + L 1 ... ... P 1 P2 P3 PR

0 a1 a2 M

0 0 a1 M

aR 1 aR 2

E = A. u + E
Essa equao no tem soluo direta para E = 0 porque R>L. No entanto, ela permite uma soluo atravs de pseudo-inversa como consequncia da aplicao do mtodo de mnimos quadrados. A soluo consiste em determinar o perfil de aes de controle futuras que minimize a soma dos quadrados dos erros entre a trajetria desejada e os valores previstos para a varivel controlada.

soluo por mnimos quadrados:

J ( u) = E t E
funo objetivo soma dos quadrados dos erros

97

J ( u) = ( A. u + E ) t .( A. u + E )

J ( u) = u . A . A. u u . A . E E . A. u + E . E
t t t t t

para otimizao:

J = 0 = 2 At . A. u At . E At . E u

u = ( A t . A) 1 . A t . E

que a expresso final do controlador preditivo que usa a dinmica do sistema na forma de matriz (dynamic matrix control). Vale lembrar que a lei de controle envolve parmetros de sintonia como os horizontes (R da varivel controlada e L da varivel manipulada) e os filtros da trajetria desejada para a varivel controlada. Vale tambm ressaltar mais uma vez o significado do vetor de aes de controle futuras:

uk u k +1 u = M uk + L 1

98

Dessas aes, que so reavaliadas a cada varredura, apenas a primeira efetivada:

uk = uk 1 + uk
As demais aes so recalculadas a cada varredura futura. Uma modificao importante dessa lei de controle a proposta de acrescentar a soma dos quadrados das movimentaes (aes de controle) na minimizao de erro, minimizar a funo objetivo:

J ( u ) = E . Q. E + u . u
t t

onde matriz diagonal de pesos (supresso de movimentos)

u = ( At .Q. A + )1. At .Q. E

A nova lei de controle implica em aes mais suaves e ajuda a contornar imperfeies de modelo que podem introduzir condicionamento imprprio de matrizes. (6.10) modificao do vetor de previso E O clculo do erro que utiliza a previso dos valores futuros para variveis controladas (vetor E) pode ser simplificado pelo uso do algoritmo seguinte. Num instante qualquer de uma situao diria comum, o perfil futuro da varivel controlada pode ser organizado numa tabela ou vetor (notao de matrizes):

99

yk +1 yk +2 M yk +n k
O ndice k do vetor indicativo de previses que foram feitas para momento atual, mas na amostragem anterior. Valores futuros (para os instantes k+1, k+2, ... k+n) do vetor de ndice k se referem a previses que foram feitas 1 minuto atrs (amostragem anterior). Transcorrido um minuto a partir do momento atual, como ficar esse perfil de previses? Ele se modifica em consequncia de duas operaes: 1. translao de posies fruto da mudana de momento de amostragem. Transcorrido um minuto, o vetor de previses deve ter suas posies alteradas conforme ilustra a figura:
yk +1 y k+2 yk + 3 M yk + n 1 yk + n k +1
sistema estvel

y k +1 y k +2 yk +3 M yk + n1 yk +n k

Essa translao corresponde seguinte multiplicao:

0 1 0 0 y k +1 0 0 1 0 y k +2 0 0 0 1 y k +3 M M M M M 0 0 0 L y k + n 1 0 0 0 L y k + n k +1 0 0 0 L

L 0 0 y k +1 L 0 0 y k +2 L 0 0 y O M M k +3 M 0 1 0 y k + n 1 0 0 1 y k +n k 0 0 1 n n

2. acrscimo das parcelas correspondentes a:

100

2.1- influncia de uma variao de uk unidades na varivel manipulada ocorrida no momento atual k. As variaes consequentes na varivel controlada sero proporcionais a uk e resposta ao degrau unitrio (a1, a2, ... an):

y k +1 = a 1 u k y k +2 = a 2 uk . . . y k +n = a n uk

notao de matrizes

y k +1 a 1 y k +2 = a 2 u k M M y k +n a n

2.2- refinamento da previso em consequncia do erro constatado para a


varivel controlada no momento atual k:

dk = yk yk
onde:

dk yk yk

- erro entre valor previsto e valor real - valor real verificado no momento atual k - valor que tinha sido previsto para o momento atual k

assumindo que esse erro seja vlido para todo o horizonte futuro de previso, a expresso final para previso futura ser:
rolagem do vetor de previses do minuto atual para o posterior 0 yk +1 0 y k+2 0 yk +3 = M M 0 y k + n 1 0 yk + n k +1 0 1 0 0 M 0 0 0 0 1 0 M 0 0 0 0 0 1 M L L L L L L O 0 0 0 0 0 0 M 1 0 0 0 y k +1 0 y dk a1 k +2 0 a yk +3 2 d M + uk + k M M M 0 d y k + n 1 a k (n 1) n 1 y k + n k 1 (n n) refinamento da previso vetor de previses que veio do momento anterior influncia da varivel manipulada na controlada

vetor de previses do momento atual para frente

101

Nesta expresso, observar a notao entre parnteses para indicar o tamanho da matrizes. Os ndices k e k+1 dos vetores de previso no esto entre parnteses por fazerem referncia a instante de amostragem no tempo (no a tamanho de matriz). O vetor E passa a ser a diferena entre uma trajetria futura de set-points (vetor de targets) e o vetor de previso calculado conforme o mtodo acima descrito que, em resumo:

acrscimo parcela com erro atual

previso anterior no realizada a1 a 2 M a R . u k

acrscimo parcela devida entrada atual

rolagem do vetor de previses

rolar u

rolar

yp

no incio de operao do controlador, o preditor inicializa o perfil futuro com valor atual da sada do sistema

(6.11) incluso de restries: O controlador apresentado tem o inconveniente de que as aes de controle calculadas minimizam uma funo erro, mas no apresentam qualquer restrio. Isso pode implicar em aes de controle muito drsticas (violao de restries em varivel manipulada) ou em off-set muito elevado (violao de

102

restries em varivel controlada). Restries podem ser includas no controlador pela utilizao de um otimizador para resolver a equao de erros. formulao com otimizador para incluso de restries: Uma alternativa freqentemente adotada a do uso de otimizador baseado em programao linear ou programao quadrtica para resolver o problema de controle com restries. Conforme o otimizador utilizado e sua relao com o problema de controle preditivo, diferentes mtodos da classe DMC podem ser usados em controle avanado. Nestas notas ser examinado o membro LDMC, em que programao linear utilizada para resolver a equao de erro das previses:

E = A. u + E
Partindo do caso ideal almejado pelo mtodo de mnimos quadrados:

previso corrigida = trajetria desejada A t . A. u = A t . E

E =0

A. u = E

( A . A + ). u = A . E
t t

Pode-se trabalhar com um vetor residual decorrente da no realizao do caso idealizado:

103

definindo vetor resduo

= ( A t . A + ). u A t . E

LDMC resolve:

min

( =

i i )

i =1

pesos arbitrrios

Como tradicional em programao linear, variveis que no so estritamente positivas podem ser decompostas atravs da diferena entre duas outras variveis estritamente positivas:

pode assumir valores negativos

fazer

i = x i zi

xi 0 zi 0

Essa transformao, aplicada ao caso de controle em questo:

.
i i =1

= i . xi zi i . xi + i . zi = i .( xi + zi )
i =1 i =1 i =1 i =1

= i .( xi + zi )
i =1

104

Essas consideraes nos permitem resumir todo o problema em resolver o problema de otimizao com 3L variveis:

x1 , x2 ,..., x L ; xi 0 z1 , z2 ,..., z L ; zi 0 uk , uk +1 ,..., uk + L 1; uk +i 0


que se formula da maneira seguinte:

3L variveis

min = i .( xi + zi )
i =1

sujeita s restries: x1 z1 uk uk 1 x z u u k +1 k 2 2 = ( A t . A + ). At . E M M xL zL uk + L 1 uk + L 2

aproveitando-se para incluir as seguintes restries:

umin uk +i uk +i 1 umax umin uk +i umax c ymin yk + i ymax

i = 0, 1, ... , L-1 (delta das aes de controle); i = 0, 1, ... , L-1 (manipuladas); i = 1, ... , R (controladas).

c no caso de yk + i as variveis dependem tambm de uk + i :

ymin a j (uk + j 1 uk + j 2 ) + yk + P i ymax


j =1

105

(6.12) extenso ao caso multivarivel: Nos sistemas com r variveis controladas e s variveis manipuladas h um total de r.s curvas de resposta ao degrau unitrio. No sistema com uma s varivel, a resposta ao degrau fica organizada na sequncia de dados numricos:

(a

posio da resposta ao degrau no primeiro, segundo... e demais instantes.

a 2 L an ) . Os ndices se referem

Nos sistemas multivariveis, as respostas ao degrau ficam organizadas na sequncia de matrizes (notao com letras maisculas) com dados numricos dos diversos testes:

(A

A2 L An )

onde os ndices se referem posio das respostas ao degrau no tempo e cada matriz tem a forma: a11 (n) a12 (n) L a1s (n) a ( n ) a ( n ) L a ( n ) 21 22 2s An = M M O M ar1 (n) ar 2 (n) L ars (n) O elemento aij(n) refere-se resposta da varivel controlada i ao degrau na varivel manipulada j no instante n. Por exemplo, com trs variveis controladas e duas manipuladas, as matrizes A tm dimenso 3 x 2, seus elementos so obtidos de testes conforme mostra a figura seguinte:

106

107

e se organizam do seguinte modo:

a11 (1) a12 (1) A1 = a21 (1) a22 (1) a31 (1) a32 (1)

a11 (2) a12 (2) a11 (n) a12 (n) A2 = a21 (2) a22 (2) ...... An = a21 (n) a22 (n) a31 (2) a32 (2) a31 (n) a32 (n)

No caso multivarivel, usa-se a mesma expresso para clculo de previses do caso mono-varivel.

0 Yk +1 0 Y k +2 0 Yk +3 = M M 0 Yk +n1 0 Yk +n k +1 0

I 0 0 L 0 0 Yk +1 0 I 0 L 0 0 Y A d1,k I k +2 1 0 0 I L 0 0 d I Yk +3 A2 2, k M M M O M M Uk + + M M M M 0 0 L 0 I 0 Yk +n1 An I (nr r ) dr ,k (r 1) (n.r s) 0 0 L 0 0 I Yk +n k 0 0 L 0 0 I (n.r n.r )

Os elementos das matrizes dessa expresso so as pequenas matrizes com as respostas aos degraus (Ai). Tambm cabe lembrar que as variveis Yk+i e Uk+i so vetores, respectivamente das r variveis controladas e das s variveis manipuladas:

Yk +i

y1,k +i y 2 ,k +i = M yr ,k +i

U k +i

u1,k +i u 2 ,k +i = M us,k +i

[22] Deshpande, P. (1989): Multivariable Process Control Instrument Society of America, Research Triangle Park.

108

(6.13) exemplo: Para o caso do sistema de topo de fracionadora de FCC, a temperatura de topo e a presso de suco do compressor de gases influenciam o ponto final ASTM D-86 da nafta e na corrente eltrica das bombas de refluxo. Os modelos obtidos a partir de testes (respostas a degraus) com a unidade para identificao foram os seguintes:

O controle avanado faz trs clculos importantes:

fazer a previso, tendncia futura de comportamento da unidade; otimizar as variveis envolvidas; calcular os set-points necessrios para melhor ajustar a unidade

Ou seja, o controle avanado tem carter:

preditivo; otimizador. (1) carter preditivo:

Para o par temperatura de topo da fracionadora principal x ponto final da nafta:

109

um aumento de 1oC em TIC de topo provoca um aumento de 1.905oC (2oC) no ponto final da nafta; um aumento de 0.1 kgf/cm2 em PIC de topo provoca reduo de 1.995oC (2oC) no ponto final da nafta.

TPFE = 2 Ttopo 20 P suc


Existem numerosas combinaes de variao simultnea dos dois set-points. Por exemplo:

Ttopo = 1 C e
o

P . kgf / cm2 => suc = 01

TPFE = 0o C

com evoluo dinmica:

Observa-se uma variao intermediria que se anula aps cerca de 50 minutos (compensao de efeitos). O transiente devido s diferenas de tempos de primeira ordem das respostas do ponto final da nafta frente temperatura e presso de topo.

Ttopo = 1 C e
o

P . kgf / cm2 suc = 01

=>

TPFE = 4o C

com evoluo dinmica:

110

Observa-se uma superposio de efeitos no mesmo sentido: aumentar 1oC na temperatura de topo contribui com 2oC e reduzir 0.1 kgf/cm2 na presso de topo contribui com 2oC adicionais para o ponto final inferido para a nafta. Nos dois casos do exemplo acima, as curvas de resposta do sistema de topo de torre foram usadas para se prever a evoluo do ponto final da nafta para variaes na temperatura de e presso de topo. Essa a base do carter preditivo do controle avanado. Cada vez que acontecem variaes nos set-points do TIC e do PIC de topo da torre, podem ser usadas as curvas de resposta para prever o comportamento futuro do ponto final da nafta. Mudanas sucessivas se superpem, como pode ser visto no seguinte registro de quase duas horas de simulao terica da operao:

111

aos dez minutos, aumentou-se 2oC no TIC de topo para aproveitar a folga do ponto final da nafta (especificao 220oC); j nesse momento se poderia prever elevao de 4oC (at 219oC em cerca de 14 minutos) no ponto final conforme a curva de resposta da unidade permite deduzir. aos vinte minutos reduziu-se 1oC e aos trinta reduziu-se 2oC no TIC de topo e o ponto final foi caindo conforme se poderia prever com a curva de resposta. Observar a superposio dos efeitos. aos cinquenta minutos, reduziu-se em 0.3 kgf/cm2 a presso de topo. Essa reduo drstica (vlida s mesmo em exemplos) melhorou a recuperao de nafta e aliviou o soprador de ar. aos setenta minutos, para evitar depsito de sais, elevou-se a temperatura no sistema de topo. Conhecedor da influncia das duas variveis no ponto final, o operador aproveitou para j elevar tambm a presso de topo. Com isso, observou-se a dinmica intermediria do ponto final da nafta; mas, transcorrido tempo suficiente, o ponto final ficou sob controle.

(2) carter otimizador: 1o necessidade de produo de nafta craqueada:

112

Suponhamos que a inferncia indique 224oC para o ponto final da nafta, desejando-se que ele esteja em 220oC. Ou seja, reduzir 4oC no ponto final. Os dados da curva de identificao revelam que isso pode ser feito, por exemplo, atravs da reduo de 2oC na temperatura de topo da torre ou atravs da elevao de 0.2 kgf/cm2 na presso. Tambm poderamos fazer um misto de reduo na temperatura de topo e elevao da presso. Nesse caso, o nmero de combinaes possveis bastante elevado, desde que:

TPFE =4 = 2 Ttopo 20 P suc


2o critrio econmico para fazer alterao na unidade: O critrio para selecionar o par Ttopo e Psuc o de minimizar uma funo objetivo de duas variveis:

f (Ttopo , P 5 Ttopo + 30 P suc ) = suc


Essa funo pode refletir uma questo econmica: - cada aumento de 1oC na temperatura de topo reduz algum custo em 5 unidades financeiras (maior recuperao de nafta craqueada). Redues na temperatura de topo aumentam o custo. - cada aumento de 1 kgf/cm2 na presso aumenta algum custo em 30 unidades financeiras (maior trabalho de compresso em soprador de ar). Redues na presso diminuem o custo. Minimizando a funo objetivo, minimiza-se um custo de produo da nafta craqueada.

3o restries para cumprir necessidade e atender critrio econmico:

113

restrio 1: enquadrar o ponto final da nafta que est sendo inferido em 224oC (especificao mximo 220oC). Vale a expresso:

2 Ttopo 20 P 4 suc
obtida com os ganhos identificados na prpria unidade (ganhos revelados pelos testes de identificao).

restrio 2: a variao na temperatura de topo no deve ser superior a 3oC, ou seja, 3 Ttopo 3 . restrio 3: a elevao na presso de topo no deve ser superior a 0.07 kgf/cm2, ou seja 0 Psuc 0.07 . Nos dois casos, as duas ltimas restries podem ser consequncia de se limitar a taxa de variao do controle avanado (mximo de 3oC/min na temperatura de topo e mximo de 0.07 (kgf/cm2)/min na presso). Tais restries podem ser consequncia, tambm, da folga mxima momentnea para tais variveis; por exemplo, a temperatura de topo est em 123oC e o mnimo de 120oC (problema de formao de sais no topo da torre). De modo simplificado, portanto, o problema de otimizao o seguinte: minimizar a funo linear: com as restries lineares:

f (Ttopo , P 5 Ttopo + 30 P suc ) = suc


2 Ttopo 20 Psuc 4
Ttopo 3

Psuc 0.07
as restries 2 e 3 definem duas faixas de validade para Ttopo e Psuc :

114

a restrio 1 vlida na seguinte faixa para Ttopo e Psuc :

A interseco dessas regies todas determina uma regio limitada, tambm conhecida por janela operacional. A janela operacional definida pelas faixas de valores permitidos para as variveis manipuladas. Essas faixas dependem da condio da unidade, variando a cada minuto.

Para o caso acima, a janela operacional para as duas manipuladas (temperatura e presso de topo da fracionadora) pode ser expressa pelo seguinte diagrama:

115

e est definida pelos seguintes quatro vrtices:

Ttopo = 3o C Ttopo = 3o C Ttopo = 13 . oC Ttopo = 2o C

Psuc = 0.00 kgf / cm 2


Psuc = 0.07 kgf / cm 2 Psuc = 0.07 kgf / cm 2
Psuc = 0.00 kgf / cm 2

f (Ttopo , P suc ) = $15.00 f (Ttopo , P 10 suc ) = $17. f (Ttopo , Psuc ) = $8.60


f (Ttopo , P suc ) = $10.00

A tabela anterior mostra os vrtices da janela operacional e traz tambm a funo objetivo calculada em cada vrtice. Os vrtices so as interseces de pares dentre as diversas restries. Para esse exemplo, a funo objetivo est expressando o aumento de custo associado alterao das duas variveis manipuladas. Assim, comparando-se as quatro alternativas dos quatro vrtices, a que minimiza o aumento de custo a correspondente ao vrtice 3: diminuir 1.3oC na temperatura de topo e aumentar 0.07 kgf/cm2 na presso.

A opo correspondente ao vrtice 3 mnima, sendo inferior a qualquer outra opo do interior da janela operacional, como se pode constatar pela figura seguinte:

116

A cada minuto outras variaes acontecem na unidade e devem ser consideradas. Ou seja, todos os clculos so repetidos a cada minuto para incluir novos eventos que venham aparecendo.

(3) clculo dos novos set-points:

O ltimo mdulo o controlador propriamente dito. Ele denominado DMC, uma sigla da expresso dynamic matrix control - controle com matriz dinmica. Ele inclui os testes em degrau feitos na unidade (dinmica da unidade). Os dados da figura seguinte poderiam, por exemplo, ser da influncia da temperatura de topo (u) na composio (y) de produto de topo de uma fracionadora. O degrau foi de 1oC, tendo-se passado a temperatura de 70oC para 71oC; a composio se alterou 1.9%, passando de 4% para 5.9% em cerca de 6 minutos.

117

Para um controlador com horizontes de R = 5 e L = 1, a matriz dinmica fica com o aspecto:


ykp+1 p yk + 2 ykp+ 3 = M y p k+R a1 a 2 a3 M a R 0 a1 a2 M 0 0 a1 M 0 uk yk +1 0 uk +1 yk + 2 L 0 uk + 2 + yk + 3 O M M M yk + R L a R L +1 uk + L L L

a R 1 a R 2

y kp+ 1 0.2 0 yk +1 p y k + 2 0.5 0.2 u y k + 2 k y kp+ 3 = 1.4 0.5 + yk + 3 u p k +1 y k + 4 1.7 1.4 yk + 4 yp . 1.7 yk + 5 k + 5 18

118

Assumindo:

previso para o ponto final no minuto anterior dada por: yk+1 = 7%; yk+2 = 7.5%; yk+3 = 7.2%; yk+4 = 7.0% e yk+5 = 6.8%

valor desejado para o ponto final seja 5% (calculado pelo mdulo de otimizao do controle avanado). A formulao de matrizes do DMC fica na seguinte forma:
e1 5 y kp+ 1 5 0.2 e 5 p 5 0.5 2 yk + 2 erro = e3 = 5 y kp+ 3 = 5 1.4 p e 4 5 y k + 4 5 1.7 p 5 e5 5 1.8 yk +5 0 7 7 .5 0.2 uk 0.5 7 .2 uk +1 1.4 7 1.7 6.8

e1 2 0.2 0 e 2.5 0.5 0.2 uk 2 erro = e3 = 2.2 1.4 0.5 uk + 1 . . 1 7 1 4 2 e 4 . . . 18 1 7 18 e 5

h liberdade de escolha de duas variaes de set-point de temperatura de topo, uma para o momento atual ( uk ) e outra para o prximo minuto ( uk +1 ); conforme a escolha, os erros ei variam, bem como a sua soma quadrtica
2 2 2 2 ( S = e12 + e2 + e3 + e4 + e5 =

e ).
i =1 i

i=R

A composio est em torno de 7% e se deseja reduzir para 5%. Como o aumento de 1oC aumenta cerca de 2%, normalmente se reduziria 1oC para enquadrar a composio. O controlador DMC vai dividir essa ao em duas parcelas, uma para o instante atual e outra para o prximo minuto. H vrias formas de se escolher essas

119

duas parcelas, implicando em diferentes erros. Por exemplo, podemos calcular alguns casos e formar uma tabela:
significado

uk
-1oC -2oC 2oC 0oC ...

uk +1
0oC 1oC 1oC 0oC ...

2 2 2 2 S = e12 + e2 + e3 + e4 + e5 =

e
i =1

i=R

mtodo tradicional abaixar bastante agora e compensar depois? piorar, subindo agora e tambm depois? no fazer nada? ...

7.97 5.47 146.35 22.33 ...

Calculando-se uma quantidade grande de casos mediante escolha de uma faixa para uk (-4oC a 0oC) e outra para uk +1 (0oC a 4oC), a soma quadrtica dos erros apresenta o seguinte grfico:

mnimo para uk = 2.87 e uk +1 = 2.04

S=

e
i =1

i=R

uk + 1 uk
Pelo grfico verifica-se que a opo que minimiza a soma dos quadrados dos erros previstos para a varivel controlada a de reduzir-se 2.87oC no momento atual, com a previso de se aumentar 2oC no prximo minuto. Essa soluo pode ser obtida diretamente, sem necessidade de anlise grfica, pelo uso da matriz pseudo-inversa do mtodo dos mnimos quadrados:
120

e1 0 2 0.2 e 0 2 .5 0 . 5 2 erro = e3 = 0 = 2.2 1.4 e4 0 2 1.7 0 1 .8 1.8 e5


0 .2 0.5 1.4 1.7 1.8

0 0.2 u k 0 .5 u k +1 1 .4 1.7

0 2 2.5 0 .2 u k = 2 .2 0.5 u k +1 1.4 2 1 .7 1 .8

0.2 0.5 0.2 0.5 1.4 1.7 1.8 0 0.2 0.5 1.4 1.7 1.4 1.7 1.8

0 2 2.5 0.2 uk 0.2 0.5 1.4 1.7 1.8 = 2 . 2 0.5 uk +1 0 0.2 0.5 1.4 1.7 1.4 2 1.7 1.8

8.38 6.24 uk 11.37 6.24 5.14 u = 7.46 k +1

uk 8.38 6.24 11.37 2.87 u = 6.24 5.14 7.46 = 2.04 k +1



ao de controle uk atual enviada para o controlador regulatrio. ao de controle uk +1 , entretanto, no ser considerada no prximo minuto. Todas as aes de controle futuras so descartadas. A cada minuto fatos diferentes ocorrem na unidade e a janela operacional se altera. No prximo minuto, o controlador vai refazer todos os clculos: previso, otimizao e clculo dos novos set-points pelo DMC. O critrio usado para encontrar a soluo tima se baseia no erro para a varivel controlada. Deseja-se que as previses para a varivel controlada

121

estejam to prximas quanto seja possvel de um valor definido (5% para composio). Esse critrio um critrio de desempenho: baseia-se no objetivo primeiro do controlador, que o de manter a varivel controlada sob controle. Para isso, entretanto, haver alterao de set-point. Em princpio, uma alterao para o momento atual e outra mais prevista para o prximo minuto. Diz-se que haver movimentao da unidade, alterao da unidade. Um segundo objetivo de um controlador o de reduzir essa movimentao. O ideal seria controlar sem precisar alterar nada e, para se aproximar um pouco mais desse ideal, tambm a varivel manipulada deve participar no erro a ser minimizado. A idia de minimizar o erro da varivel controlada e tambm minimizar a movimentao da varivel manipulada. Isso pode ser feito, por exemplo, modificando-se a expresso de clculo do erro para a seguinte:
2 2 2 2 S = e12 + e2 + e3 + e4 + e5 + (uk )2 + (uk +1 )2

Nessa nova expresso aparece um fator que pode assumir valores positivos arbitrrios: o caso de = 0 corresponde ao da figura anterior. Para esse novo mtodo de clculo de erro, pode-se repetir a anlise grfica. Examinam-se alguns casos a seguir.

caso 1: com = 01 .

122

mnimo para uk = 2.37 e uk +1 = 1.40 S=

e + ( u
i =1 i i =1

i= R

i= L

k +i

)2

= 01 .

uk + 1 uk
caso 2: com = 0.5
mnimo para uk = 1.58 e uk + 1 = 0.42 S=

e
i=1

i= R

+ ( uk + i ) 2
i =1

i= L

= 0.5

uk + 1 uk

caso 3: com = 1

123

mnimo para uk = 1.25 e uk +1 = 0.05 S=

e + ( u
i =1 i i =1

i= R

i= L

k +i

)2

=1

uk + 1 uk
caso 4: com = 5

mnimo para uk = 0.71 e uk +1 = 0.30 S=

e + ( u
i =1 i i =1

i= R

i= L

k +i

)2

=5

uk + 1 uk

124

Os casos anteriores mostram que o timo se altera com a mudana da expresso do clculo do erro, bem como com o aumento do fator . Observa-se que a incluso dos termos uk e uk +1 na expresso a ser minimizada faz com que tais aes de controle sejam menores. Tambm se observa que o aumento do fator leva aes de controle menores, mais suaves. Esse o motivo para se denominar como fator de supresso de movimentos. Trata-se de um parmetro de sintonia, que deixa o controlador mais intenso ou mais suave. (6.14) os atuais controladores nas refinarias: O controlador DMC para as refinarias tem duas caractersticas importantes, dentre os conceitos discutidos at aqui.

as aes de controle so reavaliadas a cada minuto; o controlador multivarivel.


................................................................................................................................................... Quanto ao primeiro aspecto, o exemplo do item anterior nos revela que duas aes de controle (alteraes de set-point de controlador de temperatura de topo) foram avaliadas, correspondendo a um ponto timo:

uk uk +1

alterao de set-point para o momento atual alterao de set-point para o prximo minuto

A ao de controle uk atual enviada para o controlador regulatrio. Por exemplo, no caso 4 da pgina anterior, uk = 0.71o C e uk +1 = 0.30o C . Se o set-point do controlador de temperatura de topo estiver, por exemplo, em 73oC, o controle avanado vai alter-lo para 73-0.71=72.29oC. A ao de controle uk +1 , entretanto, no ser considerada no prximo minuto. Todas as aes de controle futuras so descartadas. A cada minuto fatos diferentes ocorrem na unidade e a janela operacional se altera. No prximo minuto, o controlador vai refazer todos os clculos: previso, otimizao por programao linear e clculo do controlador DMC.

125

Quanto ao segundo aspecto, o fato de o controlador ser multivarivel apenas significa o uso das matrizes Ai com as respostas ao degrau discutidas anteriormente. A expresso das previses modificadas do DMC ser a seguinte:
Ykp+1 A1 p Yk + 2 A2 Ykp+ 3 = A3 M M Y p k + R AR 0 A1 A2 M AR 1 0 0 A1 M AR 2 U k Yk +1 U Y k +1 k +2 L 0 U k + 2 + Yk + 3 O M M M L AR L +1 U k + L Yk + R L L 0 0

onde Ai,Yk+i e Uk+i foram definidos no item (6.12). Considerando o vetor de targets definidos pela programao linear:

ytg1 y tg 2 Ytg = M ytgr


ele pode ser subtrado da expresso do controlador DMC:

Ytg Ykp +1 Y p tg Yk + 2 Ytg Ykp +3 = M M Ytg Y p k+R


A1 E1 A E 2 2 E 3 = A3 M M AR ER 0 A1 A2 M AR 1

Ytg A1 Y tg A2 Ytg A3 M M Ytg AR


0 0 A1 M L L

0 A1 A2 M AR 1
0 0

0 0 A1 M

L L L O

AR 2 L

U k Yk +1 0 U k +1 Yk + 2 0 U k + 2 Yk + 3 M M M AR L + 1 U k + L Yk + R 0

AR 2

U k Ytg Yk +1 U k Ytg Yk +1 U Y Y U Y Y k +2 k +2 k +1 k +1 tg tg L 0 U k + 2 Ytg Yk + 3 = A U k + 2 Ytg Yk + 3 M M O M M M Y Y Y Y L A R L +1 U U k+R k+R k + L tg k + L tg

126

onde se abreviou a notao da matriz dinmica

A1 para: A2 A = A3 M AR

0 A1 A2 M AR1

0 0 A1 M AR2

O M L AR L+1 L L L 0 0 0

Calculam-se os valores de U i que minimizam a soma dos erros ao quadrado


2 (minimizar E = E12 + E 22 + E 32 +...+ E R ) pela expresso:

Ytg Yk +1 Uk Y Y U + k 1 tg k +2 Uk +2 = ( At A) 1 At Ytg Yk +3 M M Ytg Yk + R Uk + L


Tipicamente, h um total de s = 20 a 30 variveis manipuladas. O horizonte de controle est em L=2 a 5 minutos. O horizonte de otimizao tpico de R=100 para as R = 30 a 50 variveis a serem controladas. Portanto, a cada minuto:
calculam-se as previses para as 50 variveis controladas ao longo de 100 minutos de horizonte futuro; calculam-se 30 targets para variveis manipuladas mediante otimizao por programao linear; calculam-se os 30 set-points para variveis manipuladas atravs do mtodo DMC. So estimados 30 set-points para o momento atual e 30 para os prximos 5 minutos. Os 30 set-points para o momento atual so enviados para os controladores do SDCD. Os 30 set-points para os prximos minutos so descartados: no prximo minuto tudo ser recalculado.

127

ANEXO 1: RESUMO DA TRANSFORMADA DE LAPLACE: (a) transformada de Laplace de processo (malha aberta): A equao diferencial de um processo de primeira ordem:

dy(t ) + y(t ) = K pu(t ) dt

pode ser representada com a tcnica de transformada de Laplace. Aplica-se o seguinte artifcio equao (multiplicando por uma exponencial conveniente e integrando de zero a infinito):
st dy(t ) e dt + est y(t )dt = est Kp u(t )dt dt 0 0 0

A funo exponencial escolhida como fator multiplicativo porque ela a classe de funes de soluo de equaes diferenciais com coeficientes constantes: o espao vetorial da soluo. A integrao imprpria visa a eliminar a varivel t, deixando apenas a varivel s, o que implica numa redefinio da funo de t para s (mapeamento de domnio t para domnio s). Podemos encarar tudo isso como artifcio matemtico conveniente. A definio de transformada de Laplace facilita a notao: st

e
0

y (t )dt = y ( s)

Recordando questes matemticas:

questo 1: regra da integrao por partes

d (uv) dv du = u + v d (uv) = udv + vdu dt dt dt

d (uv) = udv + vdu d (uv) = udv + vdu udv = uv vdu

128

aplicada ao caso:

e st
0

dy (t ) dt = e st dy = e st y 0 yd (e st ) dt 0 0

questo 2: regra da cadeia

d (e st ) = s. e st d (e st ) = s. e st dt dt

yd (e
0

st

) = y(s)e dt = s e st y(t )dt = sy( s)


st 0 0

Reunindo as duas questes numa s:

e
0

st

dy(t ) dt = est dy = est y 0 yd (est ) = s. y(s) dt 0 0

e a equao diferencial fica:


st dy(t ) e dt + est y(t )dt = est Kp u(t )dt dt 0 0 0

. s. y(s) + y(s) = Kp u(s)


O processo pode, ento, ser representado pela expresso resumida:

Kp y( s) G( s) = = u( s) s + 1

129

(b) transformada de Laplace de controlador: A equao diferencial do controlador PID:

u (t ) = k c e (t ) +

kc

e( x ) dx +kc d
0

de (t ) dt

pode ser representada com a tcnica de transformada de Laplace, de modo semelhante ao do caso anterior. Aplica-se o mesmo artifcio matemtico anteriormente usado:

u ( s ) = kc e( s ) + e
0

st

t kc e ( x ) dx dt + k c d se ( s ) i 0

O termo intermedirio pode ser estimado, igualmente ao j feito, atravs de integrao por partes:
t t kc kc st = e e ( x ) dx dt e ( x ) dx d (e ) = i 0 is 0 0 0 t kc st st e e ( x ) dx e e (t ) dt = = i s 0 0 0 kc kc st = e e t dt ( ) e( s ) = s is i 0 st

e a expresso final do controlador fica:

u ( s ) = kc e( s ) +

kc e ( s ) + k c d se ( s ) is
130

ANEXO 2: MTODO DE MNIMOS QUADRADOS: Ajuste de pontos experimentais: No mtodo de mnimos quadrados estaremos ajustando dados de uma lista de variveis independentes (x1, x2, ... , xni) para prever uma varivel dependente y atravs de uma expresso que inclui parmetros (p1, p2, ... , pnp) a serem determinados:

y p = f ( x1 , x2 ,... xni , p1 , p2 ,... pnp )


que no caso de regresso linear se torna:

y p = p1 . x1 + p2 . x2 +...+ pni . xni + b


Como j lembramos no captulo de controle preditivo, o mtodo de mnimos quadrados envolve a derivada da funo soma dos quadrados dos erros:

E = ei2 = ( y p f ( x1 , x2 ,... xni , p1 , p2 ,... pnp , b)) 2


i =1 i =1

nd

nd

ou seja, impe-se como condio de mnimo que:

E E E E =0 =0 = 0 ... =0 p1 p2 pnp b
No caso da regresso linear, essa condio leva a uma formulao final em termos de matrizes, que pode ser mais facilmente visualizada atravs do mtodo que segue. Suponhamos que temos nd pontos experimentais (nd valores de y e nd listas de x1, x2, ... , xni associadas). Organizemos esses dados atravs da seguinte sequncia de expresses:

p1 . x1(1) + p2 . x2 (1) +...+ pni . xni (1) + b = y1 p1 . x1( 2 ) + p2 . x2 ( 2 ) +...+ pni . xni ( 2 ) + b = y2 p1 . x1( nd ) + p2 . x2 ( nd ) +...+ pni . xni ( nd ) + b = ynd

...

131

que pode ser escrita matricialmente na forma X . p = Y onde:

x1(1) x 1( 2 ) X = M x1( nd )

x2 (1) x2 ( 2 ) M x2 ( nd )

L L

xni (1) xni ( 2 )

O M L xni ( nd )

p1 1 y1 p 2 1 p = M e Y = y2 M M pni 1 ynd b

Observar que nd ni , ou seja, a matriz X no quadrada. O mtodo de mnimos quadrados para regresses lineares pode ser facilmente aplicado usando-se um artifcio algbrico bastante simples:
X . p = Y X . X . p = X . Y p = ( X . X ) 1 . X . Y
t t t t

Exemplo 1: uma regresso linear simples y=a+bx para os seguintes dados: x 1.1 2.3 3.4 5.5 6.3 temos, ento:
1 1 1 1 1 11 . 1 9.0 2.3 1 16.0 1 1 1 1 1 a 3.4 . = 20.0 . 1 . 2.3 3.4 55 . 6.3 b 11 55 . 1 30.0 6.3 1 32.0 11 . 9.0 2.3 16.0 1 1 1 1 1 a 3.4 . = . 20.0 . 2.3 3.4 55 . 6.3 b 11 55 . 30.0 6.3 32.0

y 9.0 16.0 20.0 30.0 32.0

5 18.6 a 107.0 a 4.93 . = = ou seja, a = 4.93 e b = 4.42 . b 4.42 18.6 88.0 b 4813

132

Exemplo 2: regresso linear mltipla y=a1.x1+a2.x2+b para os seguintes dados: x1 1.1 2.5 4.7 8.3
. 51 . 11 2 . 5 3 . 3 4.7 2.0 8.3 4.0

x2 5.1 3.3 -2.0 4.0

y -6 7 20 32
1 6 . 2.5 4.7 8.3 a 11 1 1 7 . 3.3 2.0 4.0 . . a2 = 51 1 20 1 1 b 1 1 1 32

1 . 51 . 11 6 . 2.5 4.7 8.3 a 11 1 1 7 2 . 5 3 . 3 . a2 = 51 . 3.3 2.0 4.0 . 1 20 4.7 2.0 1 1 b 1 1 1 8.3 4.0 32

98.44 37.66 16.60 a1 370.5 a1 4.905 . 37.66 56.90 10.40 . a2 = 80.5 a2 = 1015 4 b 53.0 b 4.469 16.60 10.40
ou seja a1=4.905, a2=-1.015 e b=-4.469. Exemplo 3: ajuste linear de n termos de uma srie temporal:

( y1 , y2 ,..., yn ,..., ynd + n 1 )


com um modelo linear do tipo yk = a1 . yk 1 + a2 . yk 2 +...+ an 1 . yk n +1 . Uma vez que temos nd+n-1 dados, podemos fazer a regresso sobre nd pontos correspondentes a fazer-se k=n, n+1, ... , nd+n-1. Notar que se trata de uma

autoregresso da varivel y sobre si mesma, tpica de sries temporais. Nesse caso, o modelo ainda linear do tipo y=a1.x1+a2.x2+...+an-1.xn-1 e sem

coeficiente linear (bias).

133

O modelo aplicado aos seguintes dados: xn-1 y1 y2 y3 : ynd xn-2 y2 y3 y4 : ynd+1 ... ... ... ... ... x2 yn-2 yn-1 yn : ynd+n-3 x1 yn-1 yn yn+1 : ynd+n-2 y yn yn+1 yn+2 : ynd+n-1

y1 y2 y2 y3 y3 y4 M M ynd ynd+1
y1 y2 y2 y3 M M yn2 yn1 yn1 yn y3 y4 M yn yn+1 L L O L L

L yn2 L L O yn1 yn M

L ynd+n3

yn1 an1 yn yn y M n+1 yn+1 . = a2 M M a y 1 nd +n1 ynd+n2


y3 L ynd y y4 L ynd+1 n yn+1 M O M M yn L ynd+n3 y yn+1 L ynd+n2 nd+n1

ynd y1 y2 ynd+1 y2 y3 M . y3 y4 ynd+n3 M M ynd+n2 ynd ynd+1

L yn2 yn1 y1 y2 an1 L yn1 yn y2 y3 M M L yn yn+1 . = M a2 O M M yn2 yn1 a1 L ynd+n3 ynd+n2 yn1 yn

134

nd 2 yi ndi=1 yi . yi+1 =1 ind y . y i=1 i i+2 M nd yi . yi+n2 i=1

y . y
i i=1 nd

nd

i+1

y
i =1

2 i+1

y
i=1 nd

i=1 nd

y . y
i i+1

nd

i+2

L L L O

. yi+2

yi+1. yi+2
i=1

nd

y
i=1

2 i+2

y
i=1

nd

M . yi+n2

i+1

y
i=1

nd

i+2

. yi+n2 L

nd i=1 yi . yi+n1 nd an1 i=1 yi+1. yi+n2 nd i=1 . M = yi+1. yi+n1 nd yi+2. yi+n2 a2 i=1 M nd i=1 a1 M yi+n2. yi+n1 nd i=1 2 yi+n2 i=1

y . y
i

nd

i+n2

nd 2 yi nd i=1 an1 y . y i i+1 =1 M = ind a2 y . y i i +2 i =1 a1 M nd yi . yi+n2 i=1

y . y
i i =1 nd

nd

i +1

y
i =1 i +1

2 i +1

y
i =1 nd

i =1 nd

y . y
i i +1

nd

i +2

L L L O

. yi+2

y
i =1

nd

. yi+2
nd

y
i =1

2 i +2

y
i =1

nd

M . yi+n2

i +1

y
i =1

i +2

. yi+n2 L

yi . yi+n2 i =1 nd yi+1. yi+n2 i =1 nd yi+2 . yi+n2 i =1 M nd 2 y i +n2 i =1


nd

nd yi . yi+n1 i =1 nd . y y i 1 i n 1 + + i=1 M nd yi+n2 . yi+n1 i=1

135

ANEXO 3: identificao com Matlab:

O MATLAB inclui uma srie de bibliotecas (toolbox) para clculos de engenharia. Uma dessas bibliotecas refere-se identificao de sistemas. Aqui vo algumas sugestes para uso dessa toolbox. As principais funes para identificao tm uma estrutura comum:

os dados envolvidos so colocados em colunas: [y u] onde y a sada e u a entrada do sistema; os parmetros so calculados e colocados num vetor. O formato desse vetor, ou seja, que dados ficam em quais posies, denominado formato (referncia ao vetor dos parmetros); vrias funes recuperam os dados a partir do vetor resposta em formato .

Vamos ver como isso funciona, detalhando cada um desses trs passos. 1. organizao dos dados: esse item no apresenta maior problema. Tendo-se os dados de y e u na forma de vetores-colunas, podemos atribu-los a uma varivel auxiliar z. z = [y u]; ou entrar na rotina do MATLAB diretamente com a forma [y u]. O uso da varivel auxiliar z pode ser til no uso posterior de outras rotinas do MATLAB, dentro do mesmo problema de identificao. Em identificao recomenda-se tambm eliminar tendncias lineares dos dados, evitando-se que estas sejam modeladas. Isso pode ser feito atravs da funo dtrend do MATLAB. Em geral, elimina-se a mdia, centrando cada varivel ao redor de zero. zt = dtrend(z);

136

2. chamada da rotina principal: a chamada das rotinas de clculo dos parmetros a mesma para todos os modelos discutidos: a- modelo AR: th = AR(y,n); nesse caso no temos dado de entrada u e no faz sentido usar z. O nmero n escolhido pelo usurio e refere-se ao tamanho do modelo escolhido (nmero de termos da srie temporal). b- modelo ARX: th = ARX(zt,[na nb nk]; nesse caso temos os dados colocados na varivel z. O vetor nn inclui as escolhas feitas sobre o tamanho do modelo, ou seja, quantos coeficientes para a sada (na), quantos coeficientes para a entrada (nb) e o nmero de intervalos de tempo de atraso da resposta do sistema (tempo morto nk). Observe-se que o uso de um vetor nn para dimensionar o modelo no obrigatrio; as diversas ordens na, nb e nk podem ser fornecidas atravs de vetor na chamada da prpria rotina.

c- modelo ARMAX:

th = ARMAX(zt,[na nb nc nk];

esse caso semelhante ao ARX, apenas mudando o vetor nn para incluir a ordem nc. No caso do uso de ARMAX, o software informa sobre o andamento da busca numrica do mnimo da funo erro de ajuste, conforme discutimos anteriormente. Em todos os casos, o nome dado ao vetor resposta das chamadas s funes de identificao foi th (vetor ). Evidentemente, outro nome qualquer poderia ser escolhido.

137

3. recuperao dos coeficientes: os dados calculados pelas funes de identificao ficam armazenados no vetor th. H uma srie de funes do MATLAB para extrair desse vetor os coeficientes calculados. Cada uma dessas funes est dirigida especialmente para determinados objetivos, dependendo, portanto, da aplicao desejada. A principal a funo th2tf: para quem deseja obter a funo de transferncia entre u (entrada) e y (sada) - do formato para forma de funo de transferncia. [B,A] = th2tf(th); observe-se que B (numerador) e A (denominador) so vetores, respostas da funo th2tf, com os coeficientes da funo objetivo dada por:

b1.z 1 + b2.z 2 + ... + bnb .z nb yk Gk = = uk 1 + a1.z 1 + a2.z 2 + ... + ana .z na


Usando algumas das funes acima, uma sequncia tpica de comandos para se fazer identificao seria: yt = dtrend(y); ut = dtrend(u); zt=[yt ut]; na = input('ordem do polinmio A = '); nb = input('ordem do polinmio B = '); nk = input('atraso da sada em relao entrada = '); nn = [na nb nk]; th = arx(zt,nn); [num,den]=th2tf(th); Tendo-se o modelo do sistema, pode-se obter a resposta ao degrau unitrio atravs da funo dstep do MATLAB: ystep = dstep(num,den);

O MATLAB disponibiliza alguns recursos para escolhas de ordens dos modelos.

138

Dentre eles, as funes: 1. funes arxstruc e selstruc: para sistemas com uma sada (monovariveis); essas funes aplicam-se aos modelos tipo ARX. A funo arxstruc permite calcular de uma s vez o modelo ARX para um conjunto de valores diferentes de na, nb e nk. Isso pode ser definido numa matriz nn com trs colunas e diversas linhas, cada uma das quais corresponde a um conjunto diferente de ordens escolhidas (ou seja, linhas do tipo [na nb nk]). Utilizar a funo struc para gerar a matriz nn: nn = struc(na1:na2,nb1:nb2,nk1:nk2); Para cada ordem (cada linha de nn), feito ajuste do modelo ARX aos dados z e testado o ajuste contra um segundo conjunto de dados zv (cross validation): v = arxstruc(z,zv,nn); A matriz v inclui os resultados dos ajustes. Para selecionar o caso com menor erro, pode-se usar uma funo do MATLAB de seleo da melhor estrutura: no = selstruc(v,critrio); Na chamada dessa funo, 'critrio' uma varivel tipo caracter que expressa o tipo de correo usada para compensar o fato de no se ter feito validao cruzada. Os critrios mais comuns para seleo de modelo so descritos a seguir.

critrio = 'aic' - critrio de Akaike (information theoretic criterion) critrio = 'mdl' - critrio de Rissanen (minimum description lenght) critrio = 'plot' critrio da funo perda por modelagem no modificada.

ou seja, temos trs opes principais: no = selstruc(v,'aic'); no = selstruc(v,'mdl'); no = selstruc(v,'plot');

139

2. funo resid: vlida para qualquer modelo, essa funo se baseia no clculo da correlao dos resduos gerados pelo modelo ajustado. Os resduos so as diferenas entre os valores experimentais e os valores calculados com o modelo, fazendo-se anlise de auto-correlao dos resduos e correlao cruzada destes com os dados de entrada do sistema. A funo resid usada na forma: e = resid(zt,th); sendo desenhados dois grficos, com as correlaes de sinais mencionadas acima (coeficientes de correlao x lag). Nesses dois grficos aparecem os intervalos (indicados com linhas pontilhadas) de 99% de confiana para que o resduo seja considerado rudo branco. Sob o ponto de vista estocstico, o erro de identificao consiste de duas partes:

erro de bias decorrente de um modelo insuficiente; erro de variana em razo de perturbaes que causaram impacto no sistema.

Geralmente, um modelo considerado adequado se a auto-correlao de seus resduos for considerada um rudo branco; alm disso, a correlao dos resduos com o sinal de entrada deve ser nula. Nesse caso, o erro de identificao devido inteiramente a erro de variana (erro de bias nulo). O teste estatstico consiste em no aceitar modelos que levem a uma rejeio da hiptese de que a srie dos resduos seja rudo branco. Ou seja, analisando os dois grficos, nenhum ponto deve cair fora da faixa delimitada pelas linhas pontilhadas (exceto o primeiro ponto do primeiro grfico auto-correlao com atraso de fase nulo). A funo resid devolve tambm o vetor com os resduos calculados. Com os resduos pode ser feita anlise de erro de ajuste.

140

As verses mais recentes do Matlab apresentam uma graphical user interface para acionar a toolbox de identificao. Essa interface engloba todos os itens mencionados anteriormente e ser usada em sala para exercitar levantamento de modelos dinmicos. As trs figuras seguintes mostram a interface grfica de usurio para:

entrada dos dados a partir da rea de trabalho (workspace) do Matlab; pr-processamento dos dados (remoo de mdias ou tendncias); estimao do modelo e anlise de resultados (simulaes e anlise de resduos).

141

142

143

ANEXO 4: telas de engenharia controle avanado: Seguem telas de configurao de controlador, de variveis controladas, de variveis manipuladas e variveis perturbao dos sistemas SSP-Laplace e SICON.

144

145

146

147

148

149

150

151

152

153

154

155

156

S-ar putea să vă placă și