Documente Academic
Documente Profesional
Documente Cultură
Control optimizante
para regulacin del
consumo floculante en
espesadores de relaves
Por:
Reynaldo Mayorca Castillo y Giancarlo Sotelo Cabrera
ABB SA., Divisin Process Automation Per.
84
85
tcnico
tcnico
+
r
-k
Integrador
SYS
Xi
PUBLICIDAD
Grfico N0 2:
Variables de proceso en la operacin de
espesamiento de relaves.
86
87
tcnico
tcnico
La dinmica descrita por cada variable en especfico representa una respuesta al escaln, donde
la amplitud de inicio y la amplitud final del escaln,
cuantifican la variacin de dosificacin de flujo de floculante (m3/hr) a fin de llevar los estados a un punto
de referencia deseado.
Considrese el siguiente modelo de primer orden
descrito por Eq. 3.
Grfico N0 5:
Modelo Integral de una solucin BI
1500
Set Point
Densidad
Modelo discreto del sistema
K Ts
z-1
+
+
Inregrador discreto
scope
-C-
-dki
-C-
underflow density
1580
1560
1540
1520
100
200 300
400
500 600
700
dosage flocculant
8
7
6
4
100
200 300
400
500 600
700
Grfico N0 4:
Respuesta transitoria en lazo abierto de la turbidez
del agua clarificada al cambio de flujo de floculante,
turbidez (%), dosificacin de floculante (l/min)
turbidity
40
10
dosage flocculant
88
Modelo Turbidez-Floculante:
Estrategia de control
La estrategia de control a utilizar comienza con el clculo de ganancias ptimas con la finalidad de obtener
la trayectoria ptima de la seal de control a fin de
minimizar la dosificacin de floculante.
R: matriz que penaliza la seal de control.
X1: Densidad de relave (g/l).
X2: Turbidez de agua clarificada (%).
K: Ganancia de realimentacin de estado ptima.
Ki: Integrador.
Tabla N 1
R([X1,X2])
0
100
200 300
400
500 600
700
[5000;120000]
X1
X2
R([X1,X2])
[2000;90000]
100
200 300
400
500 600
700
La estrategia de control ptima se aplicar al sistema discretizado, por lo cual es necesario discretizar
el sistema antes de aplicar la estrategia de control. La
discretizacin del sistema se realizar por intermedio
de la herramienta de programacin MATLAB.
X1
X2
Turbidez
Modelo discreto del sistema
R([X1,X2])
20
[5000;90000]
30
2.2
-dk
X1
X2
Ki
1.9679
1.9832
-0.0283
-0.0067
Ki
1.9679
1.9831
-0.0283
-0.0058
Ki
1.9753
1.9832
-0.0447
-0.0067
88
-C-
+
+
-tki
-C-
21.46
-tk
Ganancia de realimentacin ptima del sistema Turbidez
Al obtener los valores de K y Ki se simula el sistema empleando el modelo SIMULINK del Grfico N5.
Resultados
Cada grupo de valores de K y Ki se simula para obtener un resultado del valor de los estados dando la
referencia a uno de ellos.
Con R[X1,X2] :[5000;90000] el error de X1 (densidad de relave) se minimiza hasta llegar al valor
de referencia, el estado X2 (turbidez) alcanzar
valores no aceptables (ver Grfico N6).
El consumo totalizado de floculante en esta simulacin es aproximadamente 44 l durante el transitorio, luego el consumo es constante.
Con R[X1,X2] :[5000;120000] el error de X1 (densidad de relave) se minimiza hasta llegar al valor
de referencia, el estado X2 (turbidez) alcanzar
valores aceptables (ver Grfico N7).
El consumo totalizado de floculante en esta simulacin es aproximadamente 134 l durante el transitorio, luego el consumo es constante.
Con R[X1,X2] :[2000;90000] el error de X1 (densidad de relave) se minimiza hasta llegar al valor
de referencia, el estado X2 (turbidez) alcanzar
valores no aceptables (ver Grfico N8).
Grfico N6
Curva de simulacin de la respuesta de X1: Densidad (grfica superior) y X2: Turbidez (Grfica
inferior), considerando R[X1,X2] :[5000;90000].
1500
1450
1400
40
35
30
25
0
100
200
300
400
89
tcnico
Grfico N7
Curva de simulacin de la respuesta de X1: Densidad (grfica superior) y X2: Turbidez (Grfica
inferior), considerando R[X1,X2] :[5000;120000].
1500
1450
1400
1350
1300
40
35
30
25
20
0
100
200
300
400
Grfico N8
Curva de simulacin de la respuesta de X1: Densidad (grfica superior) y X2: Turbidez (Grfica
inferior), considerando R[X1,X2] : 2000;90000].
1500
1400
1300
1200
250
200
150
100
50
0
100
200
300
400
100
200
300
400
1500
1400
1300
1200
250
200
150
100
50
90
Conclusiones
La construccin del modelo de control optimal
basado en el empleo de una funcin costo,
permite analizar el compor tamiento del sistema de espesamiento de relaves en funcin a la
prioridad del proceso; es decir, si la prioridad
fuera el control de la turbidez se penalizara
ms el error entre la referencia de turbidez y
su estado.
Las conclusiones se basan en el cambio de la
matriz de pesos R, se obtienen diferentes comportamientos cuando se regulaN las matrices Q
y N, encontrando diferentes esquemas de penalizacin de la seal de control.
La funcin costo permite al sistema equilibrar
los objetivos, dado que asigna pesos relativos a
cada una de las variables del sistema.
El empleo de la estrategia de control optimal
presenta una clara ventaja respecto a estrategias de control basadas en acciones derivativas
e integrativas, ya que no tienen la posibilidad de
asignar un costo o penalidad a los errores o a la
seal de control.
En el proceso de espesamiento de relaves donde
no se requiere un ajuste exacto en los parmetros de proceso (densidad y turbidez), el control
optimal resulta ser una alternativa con la que se
puede equilibrar estas dos variables, racionalizando el consumo de floculante para mantener
ambas en niveles aceptables.
El consumo de floculante depende de cmo se
calculen las ganancias ptimas, y esto depende de los valores de las matrices de peso y de
penalidades.
Referencias
1. M. C. BUSTOS, F. PAIVA, AND W. WENDLAND,
Control of continuous sedimentation as an initial
and boundary value problem.
2. Brger, R., Concha, F., 1998. Mathematical
model and numerical simulation of the settling of
flocculated.
suspensions. Int. J. Multiph. Flow 24, 10051023.
3. Brger, R., Ariel Narvez, 2007. Steadystate,
control, and capacity calculations for flocculated
suspensions in clarifierthickeners.
4. Daniel Lovera, Amelia Coronado, Pedro Lpez,
2005. Modelling and simulation of metallurgical
processes: flotation, filtration, leaching and thickening.
5. P. Garrido, R. Burgos, F. Concha, R. Burger,
2002. Software for the design and simulation of
gravity thickeners. Institute of Applied Analysis and
Numerical.
Simulation, University of Stuttgart, Pfaffenwaldring
57, D-70569 Stuttgart, Germany.