DISEO DEL SISTEMA DE CONTROL DE NIVEL PARA UNA PLANTA CON

CUATRO TANQUES INTERCONECTADOS.

Autor: Dehesa Golding, Juan Pablo.

Director: Zamora Macho, Juan Luis; Rodrguez Pecharromn, Ramn.
Entidad colaboradora: ICAI Universidad Pontificia Comillas.

RESUMEN DEL PROYECTO

Introduccin
El objetivo de este proyecto fue propuesto en el Concurso en Ingeniera de Control (CIC),
edicin 2014 y edicin 2015, organizado por el Comit Espaol de Automtica (CEA). Consiste
en el desarrollo de controladores para la planta de los 4 tanques introducida por Karl H.
Johanson en The quadruple-tank process [1].

La planta consta de cuatro tanques de agua

interconectados de manera que el caudal qa es enviado
a los tanques 1 y 4 en proporciones a y (1- a)
respectivamente mientras que el caudal qb es enviado
a los tanques 2 y 3 en proporciones b y (1- b).
Los tanques 3 y 4 se vacan por medio de desages
por los que el tanque 3 enva agua al tanque 1 y el
tanque 4 al tanque 2.
Existe un modelo fsico de la planta de los cuatro
tanques en la Universidad de Sevilla.

Fig. 1: Planta de los 4 tanques.

El objetivo de los controles diseados es minimizar

una funcin de error especificada en la descripcin
del concurso:

(, , , ) = (2 + 2 ) +

(1 + 2 )

La funcin de coste (J) depende de las alturas de los tanques (h1 y h2), los caudales (qa y qb) y los
parmetros c y p, que son costes unitarios utilizados para ponderar las distintas variables de
la funcin de coste.

El ndice utilizado para evaluar el comportamiento de un control est definido como ndice de
Desempeo:

() = (((), (), (), ()) + (()))

0

Existe un ptimo en rgimen permanente que minimiza la funcin de coste, sta es la referencia
introducida a los controles.
El tiempo de muestreo mnimo es de 5 segundos y el sistema se simular siguiendo unos
ensayos tipo especificados en el enunciado.

Metodologa
Las simulaciones del modelo se llevan a cabo utilizando Matlab y Simulink partiendo de un
archivo proporcionado por el CIC, siendo el diagrama de bloques:

Fig. 2: Diagrama de bloques del archivo de simulacin de la planta de los 4 tanques.

Se realizan los siguientes puntos para conseguir disear y escoger el control definitivo:

Se extraen las ecuaciones dinmicas del sistema y deducen las de rgimen permanente.

= 1 21 + 3 23 +

3600

= 2 22 + 4 24 +

3600

= 3 23 + (1 )

3600

= 4 24 + (1 )

3600

Ecuaciones dinmicas del sistema.

1 =

1
212 36002

2 =
3 =
4 =

( + (1 ) )2

1
222 36002

( + (1 ) )2

1
232 36002
1
242 36002

((1 ) )

((1 ) )

Ecuaciones en rgimen permanente.

Con lo que es posible calcular el ptimo en rgimen permanente en funcin de c y p

y predecir valores de la planta.

Se comprueba la respuesta a un escaln del sistema utilizando un control en que el

mando es directamente aplicado a la referencia. Se hace partiendo de la base de que el
sistema es naturalmente estable y se obtiene un ndice de Desempeo inicial utilizado
como referencia para el ensayo tipo: ID = 474.441 .

Se programa un optimizador diseado para calcular valores de parmetros de

ajuste de controles de manera que el comportamiento de los mismos minimicen
el ndice de Desempeo de la simulacin.

Se disea un control heurstico definido por las ecuaciones:

= (1(1 1 ) + 1)
= (2(2 2 ) + 1)

Se optimizan los valores de K1 y K2 obteniendo un ID = 445.649 .

Se disean dos controles P paralelos controlando directamente las alturas de los tanques
1 y 2 relacionando su error con los caudales a y b respectivamente.
Se optimizan sus valores de ganancia y se obtiene un ID = 444.906 .

Se desarrolla un mtodo de desacoplamiento entre el grupo de tanques 1 y 3 y el grupo

de tanques 2 y 4 de manera que sea ms fcil disear en el futuro dos controles
independientes para cada seal de mando.

A partir de los resultados de previas optimizaciones se desarrolla un control que con muy
poca potencia de clculo minimiza eficientemente el coste. El sistema de ecuaciones a
resolver para obtener los caudales es:
2 + 2 =

=

Resultando en un ID = 432.74 .

Por ltimo se explora la posibilidad de usar un control predictivo con funcin de coste
cuadrtica y otro utilizando como funcin de coste la especificada directamente en el
enunciado del concurso.
Mientras que utilizando funcin cuadrtica no se obtienen buenos resultados, el ltimo
predictivo obtuvo un ndice de Desempeo ID = 429.457 .

Adems de todo se disea una extensin a cualquier control basada en la consideracin

de que la planta debe llegar a un final de trabajo o simulacin. En ste se puede incluir
un rgimen de apagado tal que, disminuyendo los caudales de referencia, se ahorre un
coste considerable.

Resultados
Se observa durante el desarrollo de controles que los polos del sistema no parecen tener relacin
con el ndice de Desempeo.
En la siguiente tabla se muestran los ndices de Desempeo de los diferentes controles:
CONTROL

ID

ID (con apagado de caudales)

Referencia Directo
474.441
N/A
Primera Aproximacin Heurstica
445.649
168.022
PID (P)
444.906
N/A
Realimentacin de Estados
431.559
163.317
Heurstico basado en la Funcin de Coste
432.746
154.971
Predictivo con Funcin de Coste Cuadrtica
497.744
N/A
Predictivo con Funcin de Coste de Enunciado
429.457
189.992
Tabla 1. Recopilacin de controles y sus ndices de Desempeo asociados.

Se observa que el control que mejor se comporta en el ensayo realizado fue el ltimo. Sin
embargo, utilizando el rgimen de apagado final se consigue una optimizacin mucho mejor con
otros controles.
El control ms capaz de adaptarse de manera eficiente a cambios en los costes unitarios de la
funcin de coste es el predictivo con funcin de coste de enunciado y ste fue el presentado al
concurso y ganador de la edicin 2015.
Los resultados de la simulacin del control ganador se muestran a continuacin:

Fig. 1. Caudales de control predictivo de

funcin de coste descrita en el enunciado.

Fig. 29. Altura de los niveles de agua con

control predictivo de funcin de coste descrita
en el enunciado.

Referencias

[1]

Karl H. Johansson. The Quadruple-Tank Process: A Multivariable Laboratory Process

with an Adjustable Zero. IEEE Transactions on Control Systems Technology, Vol. 8,
No. 3, May 2000.

ABSTRACT

Introduction
The aim of this project was purposed in the Concurso en Ingeniera de Control (CIC), 2014 and
2015 editions, organized by the Comit Espaol de Automtica (CEA). It consists on the
development of controls for the quadruple tank plant by Karl H. Johanson in The quadrupletank process [1].

The plant consists of four interconnected water tanks

so that the flow rate qa, is sent to tanks 1 and 4 in
proportions a and (1- a) respectively, while flow
rate qb is sent to tanks 2 and 3in proportions b and
(1- b).

Tanks 3 and 4 are emptied by drainages through

which tank 3 sends water to tank 1, while tank 4
sends water to tank 2. There exists a physical model
of the four tanks plant at the University of Sevilla.

Fig. 1: Planta de los 4 tanques.

The objective of the designed controls is to minimize

a cost function specified it the problem description of
the competition:

(, , , ) = (2 + 2 ) +

(1 + 2 )

The cost function (J) depends on the levels of tanks (h1 y h2), flow rates (qa y qb) and the
parameters c and p, which are unitary costs used to ponder the different variables of the cost
function.
The index used to evaluate a controls behavior is defined as Performance Index:

() = (((), (), (), ()) + (()))

0

There exists an optimal point in the steady state that minimizes the cost function. This is the
reference introduced in the controls.
The minimum sampling time allowed is 5 seconds and the system will be simulated following
specific references defined in the problem description.

Methodology
Simulations of the model are performed using Matlab and Simulink, starting from a file
provided by the CIC, being the blocks diagram:

Fig. 2: Top level block diagram in the simulation file.

The following steps are done to achieve the design and choosing of the definitive control:

Dynamic equations of the system are extracted and the steady state equations are
deduced.

= 1 21 + 3 23 +

3600

= 2 22 + 4 24 +

3600

= 3 23 + (1 )

3600

= 4 24 + (1 )

3600

Dynamic system equations.

1 =
2 =
3 =
4 =

( + (1 ) )2

212 36002
1
222 36002

( + (1 ) )2

1
232 36002
1
242 36002

((1 ) )

((1 ) )

Steady state equations.

Whereby it is possible to compute the optimal steady state point as a function of c and
p and predict the values of the plant.

The step response of the system is tested by using a control which directly applies the
reference as input to the system. This is done on the basis that the system is naturally
stable. By this method, an initial Performance Index is obtained and will be used as
reference for subsequent trials: PI = 474.44 .

An optimizer is programed and designed for calculating adjustment control parameters

values so that the control behavior minimizes the Performance Index of the simulation.

A heuristic control defined by the following equations is designed:

= (1(1 1 ) + 1)
= (2(2 2 ) + 1)

Values K1 and K2 are optimized obtaining a PI = 445.649 .

Two P parallel controllers are designed, directly controlling water levels in tanks 1 and
2, relating their error with flow rates a and b respectively.
Their gain values are optimized and an ID = 444.906 is obtained.

A decoupling method between tanks 1 and 3 and in tanks 2 and 4 is developed so that it
makes easier to design two independent controllers in the future.

From the results of previous optimizations, a control that minimizes efficiently the cost
with little power of calculation is developed. The equation system to be solved in order
to obtain the flow rate is:
2 + 2 =

=

Resulting in a PI = 432.746 .

Finally the possibility of using a predictive control with quadratic cost function is
examined, as well as another one using directly the cost function defined in the problem
description.
While using the quadratic function good results are not achieved, the last predictive
control obtained a Performance Index PI = 429.457 .

Aside from all, a control extension is designed for this problem. It considers that the
plant has to stop working eventually or arrive to an end of simulation. In this end, a
shutdown regime can be applied so that, lowering the flow rates, lowers considerably de
cost, improving the PI.

Results
Its observed during the development of the controls that the poles of the system dont
appear to have any relation with the Performance Index.
In the next table, all the Performance Indexes associated with their controls are shown:
CONTROL

PI

PI (with flow turn off)

Direct Reference
474.441
N/A
First Heuristic Approximation
445.649
168.022
PID (P)
444.906
N/A
State Feedback
431.559
163.317
Heuristic based on the Cost Function
432.746
154.971
Predictive with Quadratic Cost Function
497.744
N/A
Predictive with Cost Function defined in Description
429.457
189.992
Table 1. Summarize of controls and their associated Performance Indexes.

It is observed that the control that best behaves in the simulation was the last one.
However, using the final shut down regime, a better optimization is achieved with other
controls.
The control capable of the best adapting to changes in unitary costs was the predictive
control with cost function defined in the description of the problem. This was the one
submitted to the competition and winner of the 2015 edition.
Simulation results of the winning control are shown next:

Fig. 2.Water flows of predictive control with

cost function defined in the problem description.

Fig. 29. Water level of precitive control with

cost function defined in the problem description.

References

[1]

Karl H. Johansson. The Quadruple-Tank Process: A Multivariable Laboratory Process

with an Adjustable Zero. IEEE Transactions on Control Systems Technology, Vol. 8,
No. 3, May 2000.