Documente Academic
Documente Profesional
Documente Cultură
B)
AZZOUZI MESSAOUDA
Conducator ştiinţific
Prof.Dr.Ing. Dumitru POPESCU
Bucureşti
-2008-
CUPRINS
CAPITOLUL 1: Introducere în problematica conducerii a proceselor chimice şi petrochimice 3
BIBLIOGRAFIE SELECTIVĂ 35
2
Les hommes sont quatre:
Celui qui ne sait pas...
sait.......................éveilles--le
Et qui ne sait pas qu’il sait.......................éveilles
Et qui sait qu’il sait ......................................suis-
......................................suis-le
3
În condiţiile de creştere a cerinţelor de precizie, a calităţii, şi a eficienţei sistemului de
comandă au apărut sistemele bazate pe dispozitive avansate realizate de tehnici de calcul
automat. Aceste sisteme funcţioneaza cu informaţii într-o formă numerică, sub controlul unui
sistem de programare, care funcţionează într-un mod strict planificand activităţile de comandă
specifice prin aplicaţiile date; aceasta necesită folosirea unei noi tehnici numită arhitectură multi-
nivel sau ierarhică.
Logique de
decision z
Supervizeur
y Niveau
d’optimisation
y*=r*
y
Régulateur Niveau d’acquisition
de données et
u commande numérique
Processus
v z
chimique
Fig (1-1): Structura de conducere pe două nivele pentru un proces chimic sau petrochimic
• Cel de-al doilea capitol face un studiu bibliografic în domeniul controlului automat din
instalaţiile chimice şi petrochimice şi prezintă fundamentarea teoretică a conceptului de
conducere ierarhizată pentru această categorie de procese, de asemenea au mai fost
4
incluse modelele matematice şi studiul efectului temperaturii în două tipuri de reacţii.
De asemenea, se face şi un studiu de stabilitate termică pe un model cu reprezentare pe
stare şi se propune o soluţie de stabilizare prin control automat.
• În cel de-al patrulea capitol, se discută despre proiectarea unui nivel de supervizare cu
funcţie de decizie, în sensul optimizării regimului de funcţionare pentru procesul
condus, ceea ce acordă o importanţă aparte cercetărilor din lucrare, şi principiul de
optimizare parametrică şi stocastică, prin tehnica de programări liniare şi neliniare.
Prezenţa unei transformări chimice este factorul specific care duce la apariţia de mare
importanţă a reactoarelor chimice şi a utilajelor de structură ale instalaţiilor chimice.
Caracterizarea transformărilor chimice din punct de vedere stoechiometric, cinetic şi
termodinamic este esenţială pentru analiza şi dimensionarea reactoarelor chimice [CLAKON.
02] [DAVDAV. 02].
În mod curent, există mai multe instrumente pentru clasificarea reacţiilor chimice, după
complexitate, ordinul de reacţie, etc. Semnul efectului termic duce la două tipuri de reacţii,
reacţia exotermă şi reacţia endotermă. Schimbarea temperaturii duce şi la alte două tipuri de
reacţii, reacţia izotermă şi reacţia neizotermă [PEMCDI. 01] [ATKJON. 98], iar criteriul
stoechiometric duce la două tipuri de reacţii, o reacţie singulară şi o reacţie multiplă, în funcţie
de numărul de ecuaţii chimice necesare pentru descrierea transformării [SCHMID. 05]
[PERSAR. 05].
∑a
j =1
j Aj = 0 (2-1)
Sunt posibile două clasificări ale reactoarelor: aceea care distinge între reactoarele cu
functionare continuă, şi cele care funcţionează discontinuu; şi aceea care diferenţiază reactoarele
în funcţie de numărul de faze implicate [BUTTJB. 00] [BOZMUN. 00]. Reactorul care este
alimentat continuu pe durata timpului, şi ale cărui produse sunt extrase continuu, se numeşte un
reactor deschis sau continuu; un reactor este închis sau discontinuu când trebuie încărcat sau
descărcat [LAUREN. 03]. În cazul în care are loc doar o fază a reacţiei, este vorba despre
reactoare omogene, iar când au loc mai multe faze, reactorul este eterogen.
∂C a ∂C
+ v a = − ra , c
∂t ∂x
7
b) funcţionarea în mod continuu
Se consideră V volumul sistemului, ca ,in , cb,in: concentraţia molară de A respectiv B cu debit
intrat ieşit, raf, rac, rbc şi rdf : vitezele de reacţii al componentei A, B şi D.
Ecuaţiile se rescriu :
dC A Fin
= (C A,in − C A ) − rA,c
dt V
dCB Fin
= (CB ,in − CB ) − rB ,c (2-4)
dt V
dCD F
= − in CD ) − rD, f
dt V
dV
= Fin − Fout
dt
c) funcţionare în mod semi-continuu (feed batch)
dC A F
= − in C A − rA,c
dt V
dCB Fin
= (CB ,in − CB ) − rB ,c (2-5)
dt V
dCD F
= − in CD − rD , f
dt V
dV
= Fin
dt
8
În cazul în care volumul V = ct şi debitul volumetric este Qa, q este căldura introdusă de către
sursa externă (căldură de reacţie), ecuaţia bilanţului energetic devine:
dξ −1
= −ξ + a(1 − ξ )e η (2-3)
dθ
dη −1
= η a − η − abe η (1 − ξ ) + aγ (2-4)
dθ
Figura (2-3) ilustrează cantitatea de căldura eliminată, respectiv generată prin reacţie, în
funcţie de temperatură, variabilele fiind luate de un reactor continuu de tip CSTR şi identificate
cu MATLAB, de unde putem înţelege că pentru o reacţie endotermă ireversibilă stabilitatea este
asigurată pentu tot b>0, dar în cazul reacţiilor exoterme stabilitatea poate fi asigurată în trei
puncte. Punctul P2 este punct staţionar, P1 este un punct stabil, dar cu perturbaţii, al treilea punct
P3 este punctul dorit, unde stabilitatea termică a reactorului este asigurată; atunci stabilitatea nu
2
η s 2 1 + ae
−1
ηs
este asigurată pentru b<0 cu excepţia cazului în care: b >
−1
ηs
ae
Fig (2-3): Cantitatea de căldura eliminată, respectiv generată prin reacţie, în funcţie de
temperatură
9
CAPITOLUL 3: Proiectarea asistată a sistemelor numerice de comandă pentru procese
chimice şi petrochimice
θ T = [a1 ,..., a nA , b1 ,..., bnB ] , şi φ T (t ) = [− y(t ),..., y(t − n A + 1), u (t − d ),...,u (t − d − nB + 1)], ∀t ∈ N
10
Fφ (t )ε 0 (t + 1)
θˆ(t + 1) = θˆ(t ) + , ∀t ∈ N (3-4)
1 + φ T (t )Fφ (t )
unde ε 0 : este eroarea de predicţie dată prin ε 0 (t ) = y (t ) − yˆ 0 (t )
F : câstig de adaptare matricial
[ ]
t
J (t ) = ∑ y (i ) − θˆ T (t )φ (i − 1) , ∀t ∈ N ∗ (3-5)
i =1
După mai multe calcule numerice ajungem la forma echivalentă de algoritm de adaptare
parametrică ale celor mai mici pătrate:
θˆ(t + 1) = θˆ(t ) + F (t )φ (t )ε (t + 1)
F (t + 1) −1 = F (t ) −1 + φ (t )φ (t ) T
F (t )φ (t )φ T (t ) F (t )
F (t + 1) = F (t ) − (3-6)
1 + φ T (t ) F (t )φ (t )
y (t + 1) − θˆ T (t )φ (t )
ε (t + 1) = F (t ) − , ∀t ∈ N
1 + φ T (t ) F (t )φ (t )
În structurile conducerii numerice, una dintre principalele misiuni ale calculatorului de proces
este procesarea primară şi reglarea parametrilor instalaţiilor controlate, în care achiziţia de date,
filtrajul numeric, descritizarea şi linearizarea sunt etapele implantate [TERPOP. 91] [OGATAK.
01].
Pentru proiectarea algoritmului de reglare este necesară specificarea performanţelor dorite
pentru sistemul în buclă închisă şi cunoaşterea modelului dinamic al procesului [LANZIT. 06]
[GARCIA. 06]. Faptul care necesită o structură care efectuează reglarea numerica eficientă a
sistemului în bucla închisă, este prezentat în cele ce urmeaza prin câteva exemple ale structurii
de reglare numerică.
Vom considera în acest subcapitol un algoritm numeric cu două grade de libertate de tip RST
care permite o mare flexibilitate şi uniformitate pentru proiectarea şi implementarea comenzii în
11
sistemele numerice de reglare [OUSTAL. 94] [VASDOR. 97]; forma nominală a acestui
regulator poate fi dată prin:
T (q −1 ) R (q −1 )
u[k ] = r [k ] − y[k ], ∀k ∈ N (3-7)
S (q −1 ) S (q −1 )
Unde:
( )
R q −1 = r0 + r1q −1 + ... + rnr q − nr
−1
( ) −1
S q = s 0 + s1q + ... + s ns q
− ns
T q −1 = t + t q −1 + ... + t q − nt
( )
0 1 nt
Unde A(q-1) şi B(q-1) sunt polinoame ale modelului matematic al procesului comandat, date prin:
B ( q −1 ) = b1q −1 + b2 q −2 + ... + bnb q − nb
A ( q −1 ) = 1 + a1q −1 + ... + ana q − na
Într-o configuraţie clasică de reglare, regulatorul PID continuu este definit prin:
h NTd
z ( z − 1)
Ti Td + Nh
hPID ( z ) = K ⋅ 1 + + (3-8)
z −1 z−
Td
Td + Nh
Regulatorul PID numeric poate fi obţinut prin discretizarea algoritmului dat prin ecuaţia (3-8),
care rezultă:
B ( q −1 ) R ( q −1 )
H RST ( q −1 ) = (3-9)
A ( q −1 ) S ( q −1 ) + B ( q −1 ) R ( q −1 )
Unde:
R ( q −1 ) = T ( q −1 ) = r0 + r1q −1 + r2 q −2 ≡ R0 ( q −1 )
S ( q −1 ) = (1 − q −1 )(1 + s1q −1 ) ≡ S 0 ( q −1 )
Alocarea polilor este o strategie cunoscută care se aplică aici pentru calculul unui regulator
RST fară restricţie pentru gradele polinoamelor A(q-1) şi B(q-1) considerate coprime, şi fără
restricţii pentru timpul mort şi pentru zerourile procesului [THOMPS. 89].
12
B(q −1 ) − ( d +1) B (q )
∗ −1
H (q −1 ) = = q , ce implică funcţia de transfer globală a sistemului dată prin:
A(q −1 ) A(q −1 )
q − (d +1)T (q −1 )B ∗ (q −1 )
H RST (q −1 ) = (3-10)
A(q −1 )S (q −1 ) + q −(d + )1 B ∗ (q −1 )R (q −1 )
Unde:
A(q −1 ) = 1 + a1 q −1 + ... + a na q − na
B ∗ (q −1 ) = q + ( d +1) B(q −1 ) = b1 + b2 q − 2 + ... + bnb q −(nb−1)
P (q −1 ) = 1 + p1 q −1 + ... + p np q − np
Robusteţea sistemelor este raportată în principal, fie la variaţia parametrilor modelului, fie la
incertitudinile de estimare structurată a modelului predictat. Pentru îmbunataţirea şi robusteţea
comenzii numerice am ales analiza robusteţii pe trei niveluri după cum este explicat:
C urmează să stabilizeze sistemul real (C, P), cu condiţia ca produsul între factorul de
perturbaţie şi factorul de proiectare a modelului sistemului nominal să fie mai mic decât 1, după
P − M CM
cum este explicat în relaţia . <1
M 1 + CM
13
3-4-3 Robusteţea la performantă
Considerăm cele două sisteme: (C, M) şi (C, P). Condiţia de performanţă este ca
CP CM
− să fie mică (3-11)
1 + CP 1 + CM
CP CM P − M CM 1
Dar avem: − = ⋅ ⋅ de valoare mică (3-12)
1 + CP 1 + CM M 1 + CM 1 + CP
1
Pentru robusteţea la performanţă este necesar să se asigure micşorarea lui = S yp ( jw) ,
1 + CP
ceea ce implică faptul ca o comandă C, care stabilizează sistemul nominal (C, M), să fie robustă
în performanţă dacă funcţia ei de sensibilitate îndeplineşte cerinţa ( S p ( jw) de valoare mică).
Pentru a reduce gabaritul specificat anterior în jurul modulului funcţiei nominale de sensibilitate,
este necesar să se clarifice polii dominanţi şi auxiliari de buclă închisă şi să se aleaga filtre HR
(q-1) şi HS (q-1) .
Considerăm procesul din figura (4-1(A)) [HOCINE. 06], ca un obiect de comandă exprimat
prin modelul dinamic continuu:
x& (t ) = y[x(t ), u (t ), t ] (4-1)
U Y X& = f [X (t ), t ]
k (t )
X
(A) (B)
Fig (4-1): A) Intrarea-Starea-Ieşirea-B) Sistem de conducere în bucla închisă
Daca ştim starea iniţială x(t0 ) = x0 şi comanda u(t), soluţia ecuaţiei (4-1) poate fi scrisă după
cum urmează:
x (t ) = ϕ 0
(t , t 0 , x 0 )
[
u (t ) = k t , ϕ 0 (t , t0 , x0 ) ] (4-3)
În multe aplicaţii numerice, un proces care presupune o conducere optimală admite reprezentarea
k +1
Unde Yd = ∫ Y [x(t ), u(t ), t ]dt ,
k
t ∈ [k, k + 1]
[ ]
Şi obţinem secvenţa de comandă : u ∗ (0 ), u ∗ (1),..., u ∗ (k ),..., u ∗ ( N − 1) , care este soluţia problemei:
N −1
min I d =
u (k )
∑ Y [x (k ), u (k ), k ]
k =0
(4-6)
15
Respectiv a problemei: min I d =
N −1
u (k )
∑Y
k =0
d
(4-7)
Programarea lineară
Programarea liniară este o tehnică de optimizare utilizată în prezent în multe domenii şi diverse
aplicaţii, în special în industria petrolieră. Considerăm următorul PL:
max c T x
S.c. Ax ≤ b (4-9)
n+
x∈ℜ
Efectele perturbaţiilor stocastice sunt:
c : schimbarea de înclinare a funcţiei de cost;
b : mutarea paralelă a unei restricţii;
A : rotaţia restricţiei.
Programarea nelineară
Programarea nelineară este una dintre cele mai importante ramuri ale matematicii al cărei
obiectiv este de a rezolva o problemă de optimizare sau restricţie (sau ambele) care conţine parţi
neliniare [WELIHE. 03] [KIRKDE. 04]. O programare nelineară poate fi definită ca o problemă
de formă:
Max f ( x1 , .., x n )
G1 ( x1 ,..., x n ) − b1 = − y1 (4-10)
Gm ( x1 ,..., x n ) − bm = − y m
max M [c .x − (c .x )]
2
• T T
(4-14)
x∈Dadm
Unde M este operatorul de mediaţii
min α
• (
P c T .x < y 0 = α ) (4-15)
x ∈ Dadm
probabilitatea α semnifică riscul de a nu obţine o valoare a y mai mică decat y0 dată, iar
problema (4-14) se cheamă riscul minimal, α este dată prin:
c T .x − m T .x y 0 − m T .x y − m T .x
α = p (c T .x < y 0 ) = p < = Φ 0
(4-16)
x .V ..x x T .V ..x x .V ..x
T T
În care Φ est crescător şi V este definită pozitiv, problema (4-12), poate fi scrisă:
m T .x − y 0
max (4-17)
x .V ..x
u∈D T
max y
c) u ∈ Dadm (4-18)
(
P c T .x < y = α 0 )
Este cazul invers cazului b, fixând riscul la o valoare α 0 , pentru a deduce comanda x ∗ care va
maximiza y , similar cazului anterior, problema deterministă poate fi dată prin:
c T .x − m T .x y − m T .x y − m T .x
α = p (c T .x < y ) = p < = Φ
(4-19)
x T .V .x x T .V .x x .V .x
T
y − m T .x
Deci = µα (4-20)
x T .V .x
Unde y = m T .x + µ . x T .V .x cu µα este cantilul functiei Φ(.)
Atunci, problema (4-17) devine max m T .x + µα . x T .V .x
x∈D
[ ] (4-21)
17
4-2 Technice recursive pentru optimizarea parametrică
Eficienţa algoritmului de optimizare este dată în primul rând de metoda de evaluare a direcţiei
de deplasare la o relaţie de calcul recursiv. În continuare, se propune o metodologie unitară
pentru calcularea direcţiei de deplasare valabilă pentru clasele metodei cele mai performante de
gradient. Se consideră A matricea metrică pozitivă, iar dk este distanţa de deplasare. Pentru
alegerea particulară a matricei A, găsim urmatoarele metodele de gradient
Notaţii
R: raza conductei
L: lungimea conductei
F: debitul trecut prin restricţie
∆P : căderea presiune pe restricţie
α : coeficientul de debit
18
ρ : densitatea fluidului
k p : factorul de amplificare, k p = 0.5
V0
τ pa : constanta de întârzieri canal, τ pa = χ 2
F0
Benzina şi aburul sunt introduse în instalatie prin două cai de acces cu debit constant, dar
cantitatea de căldură necesară în reactie se obţine printr-un sistem de încălzire ce utilizează drept
combustibil gazul metan. Instalaţia este prezentată în figura (5-2).
S (q −1 ) = 2(1 − q −1 )
T (q −1 ) = 2
Modelul
F10=500m3/h
−1 − 0.92q −2 + 1.68q −1 + 3.24
H (q ) =
q − 2 + 2q −1 + 1 Fig (5-4): SRA pentru debitul de abur
Regulatorul
R(q −1 ) = 9(3 − q −1 )
S (q −1 ) = 16(1 − q −1 )
T (q −1 ) = 18
Fa
5-2-3 Reglarea presiunii a reacţiei
Enceinte
Bucla de reglare de presiune în reactor de
piroliză este vazută ca o rezistentă pneumatică.
PRC - p
Senseur de
Dupa filtrarea datelor, precum şi estimarea gradelor pression
21
Rezultatele obţinute după robustificarea
regulatorului sunt prezentate după cum urmează:
Modelul
( )
H q −1 =
( )
B q −1
=
0 . 0471 q −1
( )
A q −1 1 − 1 . 614 q −1 + 0 .653 q − 2
S (q −1 ) = 1 − q −1
22
Fig (5-9): Diagrama Nyquist şi poli în bucla închisă
Acestea sunt cazuri de analiză testate a căror performanţă în urmărirea, reglarea şi pre-
specificarea performanţelor sunt reprezentate în tabelul (5-1).
Nr Urmarire Reglare HR HS
Double Double Simple Double Simple
w0 xi w0 xi T n w0 xi T n
1 0.3 1 0.3 0.99
2 0.3 1 0.3 0.99 0.4 0.7 5 2
3 0.3 1 0.3 0.99
4 0.3 1 0.3 0.99 6 1 0.5 0.1 5 1
5 0.3 1 0.3 0.99 0.5 0.5
6 0.5 0.55 5 1
7 0.3 1 0.3 0.99 0.5 0.6 5 2
0.5 0.65
8 0.3 1 0.3 0.99 0.45 0.9 1 1
0.45 1
0.45 1
Tab (5-1): Pre-specificaţiile performanţelor
Rezultatele obţinute după robustificarea regulatorului sunt prezentate după cum urmează:
Modelul
Structura modelului sistemului de identificare: ARX
Metoda de identificare: cele mai mici pătrate
Algoritm de adaptare a parametrilor: scăderea câştigului
Te = 5s
timp mort: D = 0
B (q −1 ) 0.00597 q −1
H (q −1 ) = =
A(q −1 ) 1 − 1.683q −1 + 0.707 q − 2
Regulatorul
Metoda de alocare a polilor
R (q −1 ) = 187.56q −1 − 256.13q −2 − 30.06q −3 + 87.18q −4 + 77.22q −5 − 78.80q −6 + 1629q −7
28.275960
0.001248
A= 1587.086396
0.223423
- 0.000004
k =1
Dar deviaţia modelului faţă de valoarea medie a ieşirii reale este dată prin:
M
S y mod = ∑ ( y mod − ym )
2
k =1
24
Unde numărul de date este: M = 30;
Atunci, indicatorul de precizie al modelului este dat de: R 2 = S y mod S y R=0.83
A) Procedura de modelare
Datorită linearizării modelului de intrare, se pot găsi diferiţi parametrii ai vectorului A, după
cum urmează:
28.262547
0.001247
A= 1583.228516
0.223023
− 0.000004
25
B) Calculul punctului optim de funcţionare
Metoda de BOX este folosită pentru a optimiza funcţii multi-variabile, nelineare şi cu
restricţii; prin metoda de cercetare directă evolutivă, obiectivul este de a maximiza randamentul
produsului obtinut in reactor definit prin funcţia y(xk), cu
restricţii care definesc domeniul admisibil al reactorului:
Gk ≤ xk ≤ H k
unde: k = 1,2,..., m.
Gk : restricţii mici
H k restricţii mari
Optimizarea prin SISCON este ilustrată în figura
Fig (5-13): Metoda de optimizare BOX
(5-13); modelul matematic al instalaţiei ar trebui să fie
introdus cu restricţii şi cu valorile iniţiale ale semnalelelor de intrare [AZZOUZc. 08]. Soluţia
problemei de optimizare reprezintă coordonatele punctului optim de funcţionare adică decizia de
exploatare a reactorului de piroliza, cu randament maxim de conversie, care sunt date prin
1254
1.23
x =
∗ , y ∗ = 31.34
3.9
705552
Pentru varianta de funcţionare în timp real, valorile din punctul optim calculate la nivelul
supervizor sunt transferate automat ca mărimi de referinţă sau prescrise, sistemelor de reglare din
configuraţia ierarhizată de conducere.
27
_______________________________________________
Systeme 1
_______________________________________________
Ai =
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
bi’ =
1.0e+005 *
0.0160 0.0000 0.0000 7.3960
ci’ =
1.0e+003 *
0.0000 1.5871 0.0002 -0.0000
tableau Initial 22
appuyer sur n_importe quelle touche pour continuer ...
56
Ligne de pivot -> 1 Colonne de pivot -> 1 31
Tableau 1
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0160
0 -0.0000 0 0 0 0.0000 0 0 -0.0000
0 0 -0.0000 0 0 0 0.0000 0 -0.0000
0 0 0 -0.0000 0 0 0 0.0000 -7.3960
0 -0.0159 -0.0000 0.0000 -0.0000 0 0 0 0.0000
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 2 Colonne de pivot-> 2 31
Tableau 2
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0160
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 -0.0000 0 0 0 0.0000 0 -0.0000
0 0 0 -0.0000 0 0 0 0.0000 -7.3960
0 0 -0.0000 0.0000 -0.0000 -0.0159 0 0 0.0001
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 3 Colonne de pivot-> 3 31
Tableau 3
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0160
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 0.0000 0 0 0 -0.0000 0 0.0000
0 0 0 -0.0000 0 0 0 0.0000 -7.3960
0 0 0 0.0000 -0.0000 -0.0159 -0.0000 0 0.0001
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 4 Colonne de pivot-> 4 31
Tableau 4
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0160
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 0.0000 0 0 0 -0.0000 0 0.0000
0 0 0 0.0000 0 0 0 -0.0000 7.3960
0 0 0 0 -0.0000 -0.0159 -0.0000 0.0000 0.0000
appuyer sur n_importe quelle touche pour continuer ...
Le probleme a une solution optimale finie
Valeurs des variables:
X(1)= 1600.000000
28
X(2)= 0.002320
X(3)= 4.500000
X(4)= 739600.000000
29
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0180
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 0.0000 0 0 0 -0.0000 0 0.0000
0 0 0 0.0000 0 0 0 -0.0000 7.7440
0 0 0 0 -0.0000 -0.0628 -0.0000 -0.0000 0.0003
appuyer sur n_importe quelle touche pour continuer ...
Le probleme a une solution optimale finie
Valeurs des variables:
25
X(1)= 1800.000000
X(2)= 0.002200
X(3)= 4.800000
X(4)= 774400.000000
Et donc les valeurs optimales sont:
x(1)= 1800.000000
x(2)= 454.545454
x(3)= 4.800000
x(4)= 880.000000
La valeur objective au point optimal est:
y= 56.733036
_______________________________________________
Systeme 3
_______________________________________________
Ai =
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
bi’ =
1.0e+005 *
0.0100 0.0000 0.0001 8.1000
ci’ =
1.0e+003 *
-0.0000 -8.7506 -0.0006 0.0000
tableau Initial 22
appuyer sur n_importe quelle touche pour continuer ...
56
Ligne de pivot-> 1 Colonne de pivot-> 1 31
Tableau 1
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0100
0 -0.0000 0 0 0 0.0000 0 0 -0.0000
0 0 -0.0000 0 0 0 0.0000 0 -0.0001
0 0 0 -0.0000 0 0 0 0.0000 -8.1000
0 0.0875 0.0000 -0.0000 0.0000 0 0 0 -0.0000
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 2 Colonne de pivot-> 2 31
Tableau 2
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0100
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 -0.0000 0 0 0 0.0000 0 -0.0001
0 0 0 -0.0000 0 0 0 0.0000 -8.1000
0 0 0.0000 -0.0000 0.0000 0.0875 0 0 -0.0002
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 3 Colonne de pivot-> 3 31
30
Tableau 3
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0100
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 0.0000 0 0 0 -0.0000 0 0.0001
0 0 0 -0.0000 0 0 0 0.0000 -8.1000
0 0 0 -0.0000 0.0000 0.0875 0.0000 0 -0.0003
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 4 Colonne de pivot-> 4 31
Tableau 4
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0100
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 0.0000 0 0 0 -0.0000 0 0.0001
0 0 0 0.0000 0 0 0 -0.0000 8.1000
0 0 0 0 0.0000 0.0875 0.0000 -0.0000 -0.0001
appuyer sur n_importe quelle touche pour continuer ...
Le probleme a une solution optimale finie
Valeurs des variables:
X(1)= 1000.000000
X(2)= 0.002300
X(3)= 5.000000
X(4)= 810000.000000
31
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 2 Colonne de pivot-> 2 31
Tableau 2
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0156
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 -0.0000 0 0 0 0.0000 0 -0.0000
0 0 0 -0.0000 0 0 0 0.0000 -7.6760
0 0 -0.0000 -0.0000 -0.0000 -0.0140 0 0 0.0000
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 3 Colonne de pivot-> 3 31
Tableau 3
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0156
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 0.0000 0 0 0 -0.0000 0 0.0000
0 0 0 -0.0000 0 0 0 0.0000 -7.6760
0 0 0 -0.0000 -0.0000 -0.0140 -0.0000 0 0.0001
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 4 Colonne de pivot-> 4 31
Tableau 4
A=
1.0e+005 *
0.0000 0 0 0 -0.0000 0 0 0 0.0156
0 0.0000 0 0 0 -0.0000 0 0 0.0000
0 0 0.0000 0 0 0 -0.0000 0 0.0000
0 0 0 0.0000 0 0 0 -0.0000 7.6760
0 0 0 0 -0.0000 -0.0140 -0.0000 -0.0000 0.0001
appuyer sur n_importe quelle touche pour continuer ...
Le probleme a une solution optimale finie
Valeurs des variables:
X(1)= 1560.000000
X(2)= 0.002268
X(3)= 4.720000
X(4)= 767600.000000
Et donc les valeurs optimales sont:
x(1)= 1560.000000
x(2)= 440.917110
x(3)= 4.720000
x(4)= 876.127840
La valeur objective au point optimal est:
y= 36.412110
Din aceste rezultate, am putut sa obţinem un câştig de 6,41% la randamentul etilenei, în faţa
randamentului mediu al reactorului în condiţii normale de operare, fapt care demonstrează
eficienţa şi corectitudinea strategiei de mediaţii optimală propusă.
32
CAPITOLUL 6: Concluzii şi perspective
• Piroliza rămâne întodeauna modelul cel mai apropiat şi cel mai evocat în marile instalaţii,
datorită unei reprocesari a combustibilului, eficientă şi obligatorie.
• Studiul nostru se axează pe eficienţa combinaţiei de abordări avansate de cercetare în
ingineria proceselor şi ingineria industrială, pentru a propune o strategie de alegere şi de
gestionare a proceselor continue.
• Mesajul de bază este că principala problemă în stœchiometrie este analiză chimică a
efectului temperaturii asupra reacţiilor chimice. Temperatura este o variabilă de poziţie
dominantă şi trebuie să fie controlată în mod eficient pentru realizarea compoziţiilor prin
furnizarea nivelului de bază al funcţionării stabile.
• Această teză se înscrie în cadrul controlului unui proces industrial complex. Punctul de
plecare este analiza principiilor de control ale unui reactor de piroliză, pentru a face faţă
limitelor procedurii de control actuale. Această teză se înscrie în cadrul controlului unui
proces industrial complex. Punctul de plecare este analiza buclelor de reglare a reactorului
de piroliză şi identificarea legilor de comandă pentru a asigura monitorizarea continuă a
variabilelor esenţiale pentru reglarea numerică a pirolizei, trecând prin definirea modelului
de conducere a acestui reactor, ca să ajungem la nivel ierarhic superior, cel de optimizare,
fapt realizat la limitele procedurilor de control şi optimizare actuale.
• Stabilitatea funcţionarii reactorului este analizată în profunzime şi identifică parametrii pe
care îi asigură cu ajutorul prelucrării rezultatelor unei simulari numerice.
• Lucrarea prezintă cercetarea în amănunt a unei suprastructuri optime pentru un proces dat,
funcţionând în regim staţionar, pentru a determina regimul de modele de bază care permit
aproapierea cât mai mult posibilă de valoarea experimentală la ieşirea procesului şi pentru
a încerca evitarea erorilor operatorii.
• Pentru acest proces, ai cărui parametri sunt supuşi unor variaţii mari, am ales un regulator
polinomial RST ca şi cadru de studiu. În primul rând, ne-am stabilit un criteriu de robusţete
pornind de la incertitudinea parametrică. Apoi este propusă o procedură de robustificare a
regulatorului RST calculat prin alocarea polilor.
• Acest studiu de caz, este desfăşurat pe baza de date achiziţonate în timpul operaţiunii de
piroliză din care înţelegem că sistemul este analizat off-line; aşadar ar fi interesant să
putem valida metodologia şi pe un reactor de piroliză în timp real.
• Aplicaţiile luate în considerare în contextul lucrării noastre caracterizează un reactor de
piroliză instalat într-o instalaţie petrochimică. Multe instalaţii chimice şi petrochimice au
33
nevoie de un control performant. Acest studiu de caz poate fi considerat un model de
referinţă sau un exemplu de tratament care urmează să fie util atât prin teorie, cât şi prin
practică în controlul acestor procese.
• Punem accentul pe o procedură de optimizare medie, pe o nouă abordare care conduce la
îmbunătăţirea calităţii controlului sistemelor staţionare. Această procedură propune o nouă
idee, şi anume, de a adăuga conceptul de eroare, considerând problema sintezei
observatorului pentru acest sistem non-linear cu prezenţa variaţiilor care îl structurează.
Ideea poate fi dezvoltată în a considera un regim de funcţionare stocastic a acestui reactor
sub influenţa factorilor externi, precum şi setările de control. Optimizarea stocastica medie
este metoda eficientă pentru a obţine punctul optimal mediu; ea poate fi validată printr-un
calcul statistic de risc minim, folosind algoritmul de Gradient proiectat. Vizualizarea
dimensională a riscului minimal între punctele optimale partiale şi punctul optimal mediu
este reprezentă în figura (6-1).
34
BIBLIOGRAFIE SELECTIVA
[AKWIDO. 07] Asymptotic stability of infinite dimentionel semilinear systems: application to a nonisothermal
reactor, I. Aksikas, J. J. Winkin, D. Dochain, Systems and control letters, Volume 56, Issue 2,
pp122-132, London, February 2007, UK.
[AZZDIM. 08] Pyrolysis Reactor Modeling and Control, M. Azzouzi, C. Dimon, paper accepted and will be
pubished in the OGST; Oil & Gas Science and Technology - Revue de l'IFP, Paris 2008,
France.
[AZZHAL. 07] Comparative analysis of PD classical control and PD fuzzy control in two liquid level tanks,
M. Azzouzi, F. Halal, The 4th Conference on Management and Control of Production and
Logistics, IFAC MCPL 2007, pp342-348 , Sibiu 2007, ROMANIA.
[AZZHALa. 07] Fuzzy control of two liquid tanks, M. Azzouzi, F. HALAL, The 16th conference on control
systems and computer science, CSCS-16, Vol. 1, pp497-502, Bucharest 2007, Romania.
[AZZHALb. 07] Two liquid tanks control, M. Azzouzi, F. Halal, the PUB scientific bulletin, Seris C, Electrical
Engineering, Vol.70, No. 1, pp95-104, Bucuresti 2004, ROMANIA.
[AZZOUZa. 08] Stochastique adaptive control of pyrolysis reactor, M. Azzouzi, paper accepted and will be
publied in the The Arabian journal for science and engineering; AJSE, Dhahran 2008, Arabia
saudite.
[AZZOUZb.08] Comparative study between SISCON and MATLAB in pyrolysis reactor identification, M.
Azzouzi, Paper presented in the second international interdisciplinary chaos sympsium on
CHAOS and COMPLEX systems, and will be published in January 2009 in Journal of Applied
Functional Analysis (JAFA), Istambul 2008, Turkey.
[AZZOUZc. 08] Evaluation of Adaptive Stochastic Control in Pyrolysis Reactor, M. Azzouzi, paper accepted in
The 7th International PhD Students’Workshop Control and Information Technology;
IWCIT’08 and will be published in the conference journal in September 2008, Gliwice 2008,
Poland.
[AZZOUZd. 08] Linear Programming Methodology in Intermediary Optimization of Pyrolysis Reactor, M.
Azzouzi, paper accepted in The 7th International PhD Students’Workshop Control and
Information Technology; IWCIT’08 and will be published in the conference journal in
September 2008, Gliwice 2008, Poland.
[AZZPOP. 08] Optimisation d’un reacteur de pyrolyse par SISCON, M. Azzouzi, D. Popescu, Article accepté
pour être publié au mois de Septembre au journal de la Conférence Internationale Francophone
d’Automatique; CIFA’2008, Bucarest 2008,La Romanie.
[AZZPOPa. 06] Liquid level control using optimization and identification software, M. Azzouzi, D. Popescu,
the 7th international conference on technical informatics; CONTI’2006, pp81-84, Timisoara
2006, Romania.
[AZZPOPb. 06] Optimal control of liquid level, M. Azzouzi, D. Popescu, The 5th international conference on
global research and education, Inter-Academia IA-06, pp 379-388, Iasi 2006, Romania.
[LUPAZZ. 08] Medium optimization of pyrolysis reactor, C. Lupu, M. Azzouzi, paper accepted in the 19th
international daaam symposium "intelligent manufacturing & automation: focus on next
generation of intelligent systems and solutions " and will be published in the conference journal
in October 2008, Trnava, Slovakia 2008.
[BELARE. 07] Non-isothermal lipase-catalyzed kinetic resolution in a packed bed reactor: Modeling,
simulation and miniplant studies, W.R. Berendsen, A. Lapin, M. Reuss, Elsevier, Chemical
Engineering Science 62, pp2375-2385, 2007.
[BENABD. 01] Identification et commande numérique des procédés industriels, Ridha Ben Abdennour, edition
TECHNIP, 240p, Paris 2001, France.
[BOWJES. 06] Kinetics and reactor design aspects of the synthesis of ionic liquids. Experimental and
theoretical studies for ethylmethylimidazole ethylsulfate, A.G. Böwing, A. Jess, Chemical
Engineering Science, Volume 62, Issue 6, pp1760-1769, London, March 2007, UK.
[BRUDER. 08] Controle stochastique et applications a la couverture d’options en presence d’illiquidite:
Aspects theoriques et numeriques, Benjamin Bruder, these de doctorat de Universite Paris VII -
Denis Diderot UFR de Mathematiques, 2008.
[CLAKON. 98] Reactoare chimice (note de curs); partea I, Claudia, I. Koncsag; Editura OVIDIU, 233p,
Constanta 1998, ROMANIA.
[DABALI. 02] Etude d’un réacteur (contacteur) gaz-liquide a jet vertical immerge en vue de son application
dans le traitement des eaux usees, Ammar Dabaliz, these de doctorat de l’Institut National des
Sciences Appliquees de Lyon, 2002.
35
[DEREVI. 07] The Thermal Stability of Fischer–Tropsch Reactor with a Stationary Layer of Catalyst
Particles, I. V. Derevich, international journal of heat and mass transfer and physical
gasdynamics, 2007, Vol. 45, No. 4, pp. 531–541. © Pleiades Publishing, Ltd., 2007.
[DIMON. 08] Sisteme numerica pentru automatizarea instalatilor termoenergitece, Catalin Dimon theza de
masterat de la facultaea de Automatica si Calculatoare, Univesitatea Politehnica Bucuresti,
2008, Romania.
[DOTELA. 08] L. Dorcak, J. Terpak, M. Laiak, Identification of fractional-order dynamical systems based on
nonlinear function optimization, International Carpathian Conference ICCC’2008, pp 127-130,
Sinaia 2008, Romania.
[EBEALL. 07] Stability analysis of constrained control systems: An alternative approach, C. Ebenbauer and F.
Allgöwer, Systems and control letters, Vol. 56, pp93-98, 2007.
[GARCIA. 06] Auto-ajustement de régulateurs PID robustes dans le domaine fréquentiel, Daniel. Garcia, PhD
Thesis. Ecole Polytechnique Fédérale de Lausanne.
[GELAPO. 04] Modélisation, Identification et commande des systèmes; DI. Genevieve, F. Laurent, D.
Popescu, Editura Acadimiei Romane, 453p, Bucuresti 2004, ROMANIA.
[HUALIN. 08] An innovative regression model-based searching method for setting the robust injection
molding parameters M.-S. Huang, T.-Y. Lin, journal of materials processing technology
198,pp436–444, 2008.
[LUPECC. 07] Control method for nonlinear processes design for inverse model command, C. Lupu, C.
Petrescu, P. Craciunescu, G. Condur, International symposium on system theory SYNTES 13,
pp 123-128, Craiova 2007, Romania.
[MAELBU. 08] Optimal tuning of PID controllers for FOPTD, SOPTD and SOPTD with lead processes, C.R.
Madhuranthakam, A. Elkamel , H. Budman, Chemical Engineering and Processing, pp251–
264, 2008.
[MIKFIK. 07] Process Modelling, Identification, and Control I, J. Mikle_s, M. Fikar, Springer first edition
bratislava 2007, 480p, slovakia.
[OGATAK. 96] Control system engineering, K. Ogata, Printice Hall of India third edition, 997p, New Delhi
1996, INDIA.
[ONWBAB. 04] New optimization techniques in engineering, G. C. Onwubolu, B. V. Babu, 718p, edition
SPRINGER, Berlin 2004, GERMANY.
[OUSTAL. 94] La robustesse: Analyse et synthèse des commandes robustes, A. Oustaloup, edition Hermes,
Paris 1994, FRANCE.
[PDTSGS. 97] Commande numerique et intelligence artificielle en automatique, D. Popescu, I. Dumitrache, I.
Tapus, D. Stefanuoiu, S. Gentil, J. F. Serignat, P. Munteanu, L. Leyval, editura TEHNICA,
258p, Bucuresti 1997, ROMANIA.
[PERSAR. 05] Automatizarea proceselor chimice: aplicatii, D. Perju, C. Rosnac, M. Suta, G. Alina, B.
Rusturean, Editura POLYTEHNICA, 163 p, Timisoara 2005, ROMANIA.
[POLPMA. 04] Sisteme de Conducere a proceselor industriale, D. Popescu, C. Lupu, C. Petrescu, M.
Matescu, Editura PRINTECH, Bucuresti 2004, ROMANIA.
[POLUPE. 06] Control and optimization for the wide heating installation, D. POPESCU, C. LUPU, C.
PETRESCU, 5th international symposium on process control, SPE-2006, pp42-47, Ploiesti
2006, ROMANIA.
[POPTER. 79] Automatizarea proceselor continu, D. Popescu, M. Tertescu. 302p, editura TEHNICA,
Bucuresti 1979, ROMANIA.
[PSLPCD. 06] Automatica industriala, D. POPESCU, D. STEFANUOIU, C. LUPU, C. PETRESCU, B.
CIUBUTARU, C. DIMON, editura AGIR, Bucuresti, 2006, ROMANIA.
[SIOSMF. 06] Control of technological process for materials processing, A. Simenescu, I. Oprescu, C. V.
Senienescu, V. Mirea, B. Florea, editura PRINTECH, 304 p, Bucuresti 2006, ROMANIA.
[STCUST. 05] Fundamentele modelarii si identificarii sistemelor, D. Stefanuoiu, J.Culita, P. Stoia, editura
PRINTECH, Bucuresti 2005, ROMANIA.
[STMAST. 04] Aspecte practice in modelarea si identificarea sistemilor, D. Stefanuoiu, I. MATEI, P.
STOICA, editura PRINTECH, 120 p, Bucuresti 2004, ROMANIA.
[TERPOP. 91] Automatizare industriale Continue, M.Tertisco, D. Popescu, B. Jora, I. Russ, editura
DEDACTICA SI PEDAGOGICA, 477p, Bucuresti 1991, ROMANIA.
[TRWLFA. 98] Le Raffinage Du Petrole, P. Trambouze, J. P. Wauquier, P. Leprince, J. P. Favennec, Editions
TECHNIP, 785p, Paris 1998, FRANCE.
[ZUFFER. 06] Scale-down approach: chemical process optimisation using reaction calorimetry for the
experimental simulation of industrial reactors dynamics, Benoit. Zufferey, these de doctorat,
école polytechnique fédérale de lausanne, 2006.
36