UNIVERSITATEA POLITEHNICA DIN BUCUREŞTI (P.U.

B)

Facultatea de Automatică şi Calculatoare

AZZOUZI MESSAOUDA

Sisteme Numerice pentru Conducerea Avansată

a Instalaţiilor Petroliere şi Petrochimice

Numerical Systems for Petroleum and

Petrochemical Plants Advanced Control

-Rezumatul tezei de doctorat-

Conducator ştiinţific
Prof.Dr.Ing. Dumitru POPESCU

Bucureşti
-2008-
 CUPRINS
CAPITOLUL 1: Introducere în problematica conducerii a proceselor chimice şi petrochimice 3

1-1 Automatizari moderne pentru procese chimice şi petrochimice 3

1-2 Structurarea tezei 4

1-3 Cuvinte cheie 5

CAPITOLUL 2: Aspecte tehnologice şi tehnice ale proceselor chimice şi petrochimice 5

2-1 Introducere în Ingineria proceselor chimice şi petrochimice 5

2-2 Reacţii chimice 6

2-2-2 Clasificarea reacţiilor chimice 6

2-2-3 Stoechiometrii ale reacţiilor 6

2-3 Reactoarele chimice 7

2-4 Modele matematice şi dinamica unui proces cu o reacţie chimică 7

2-4-1 Modele cinetice 7

2-4-2 Modele termodinamice 8

2-4-3 Analiza stabilitaţii termice a reactoarelor cu parametri concentraţi 9

CAPITOLUL 3: Proiectarea asistată a sistemelor numerice de comandă pentru procese

chimice şi petrochimice 10

3-1 Achiziţia de date 10

3-2 Identificarea proceselor 10

3-2-1 Algoritm de tip gradient 10

3-2-2 Metoda celor mai mici pătrate recursive CMMPR 11

3-3 Proiectarea comenzii numerice 11

3-4 Analiza de robusteţe pentru comanda numerică 13

3-5 Proiectarea comenzii robuste şi calibrarea funcţiei de sensibilitate 14

CAPITOLUL 4: Optimizarea proceselor chimice şi petrochimice 14

4-1 Pricipiile optimizării parametrice 14

4-2 Technice recursive pentru optimizarea parametrică 18

CAPITOLUL 5: Studiu de caz - Comanda şi optimizarea unui reactor de piroliză 18

1
5-1 Prezentarea Tehnologică a instalaţiei 18

5-2 Identicarea procesului şi reglarea numerică 20

5-2-1 Reglarea debitului de benzină 20

5-2-2 Reglarea debitului de abur 21

5-2-3 Reglarea presiunii a reacţiei 21

5-2-4 Reglarea temperaturii de reacţie 22

5-3 Calculul modelului de conducere a reactorului de piroliză 24

5-3-1 Calculul modelului de conducere folosind MATLAB 24

5-3-2 Proceduri SISCON 25

5-4 Optimizarea reactorului de piroliza, calculul deciziei optimale 26

CAPITOLUL 6: Concluzii şi perspective 33

BIBLIOGRAFIE SELECTIVĂ 35

2
 Les hommes sont quatre:
Celui qui ne sait pas...

Et qui ne sait pas qu’il ne sait pas ................fuis-

................fuis-le
Et qui sait qu’il ne sait pas......................éduques-
pas......................éduques-le

Celui qui sait...

sait.......................éveilles--le
Et qui ne sait pas qu’il sait.......................éveilles
Et qui sait qu’il sait ......................................suis-
......................................suis-le

Alkhalil ben Ahmed Alfarahydi

Savant arabe

CAPITOLUL 1: Introducere în problematica conducerii a proceselor chimice şi

petrochimice
1-1 Automatizari moderne pentru procese chimice şi petrochimice

Industria petrolieră şi petrochimică în general şi procesele cu reacţie chimică şi de separare a

componenţilor din amestecuri complexe, sunt reprezentative pentru dezvoltarea automatizărilor
industriale. Ne aducem aminte cu satisfacţie că primele sisteme performante de control automat
au fost concepute şi puse în funcţiune pe instalaţii tehnologice din chimie şi petrochimie. Sute şi
sute de bucle de reglare automată au fost proiectate, experimentate şi puse in funcţiune pentru
prima oara de automatişti cu renume aşa cum au fost Oppelt, Ziegler Nicols sau Kopelovici, în
instalaţii chimice şi petroliere. Mai târziu, prin anii 60 primul calculator de proces IBM 1800, a
fost conectat şi pus în funcţiune cu succes, pe o instalaţie de cracare catalitică.
Automatica a cunoscut mari schimbări în ultimii ani. Petrochimia a fost întotdeauna unul
dintre sectoarele tradiţionale, care au văzut naşterea automaticii moderne, acesta este de fapt un
prim domeniu de aplicare a automatizării şi a pilotajului automatizat. Acest capitol este o
prezentare generală care scoate în evidenţă structura constructivă a tezei. Etapele de modelare,
identificare, sinteza comenzii şi optimizare reprezintă nucleul de automatizare adoptat pentru
conducerea unui proces chimic sau petrochimic. Teza începe cu o scurtă prezentare a mijloacelor
de obţinere a unui model utilizat pentru comandă, prin modelarea şi identificarea unui proces
chimic sau petrochimic. Apoi, au fost discutate cele mai sensibile aspecte privind proiectarea
comezii numerice bazate pe modelul şi posibilitatea de a implanta o aplicaţie în timp real. În
final sunt abordate decizii optimale de conducere şi de monitorizare.

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.

Conducerea numerică a proceselor chimice şi petrochimice este organizată pe două niveluri

de automatizări după cum este arătat în figura (1-1); pe de o parte, nivelul de achiziţie de date şi
tratarea lor prin identificarea modelului matematic şi definirea regulatorului numeric
corepunzător acestuia; pe de altă parte, optimizarea proceselor pentru obţinerea unui model
eficient de funcţionare cu scopul de a economisi materiile prime prelucrate, consumurile
energetice şi creşterea calitaţii produselor obţinute.

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

1-2 Structurarea tezei

Planul tezei de doctorat este structurat succesiv, pe următoarele capitole:

• În primul capitol se discută despre domeniul de interes al tezei de doctorat şi o scurtă
prezentare a structurii acesteia. Sunt analizate pe de o parte resursele teoretice şi
practice oferite de Automatica modernă pentru realizarea unor soluţii eficiente de
conducere a proceselor şi pe de altă parte sunt analizate caracteristicile clasei proceselor
chimice, petrochimice şi petroliere ce le recomandă cu prioritate pentru controlul
automat;

• 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 treilea capitol, sunt prezentate mecanisme legate de proiectarea şi

implementarea sistemelor pentru achiziţie şi procesare date şi de reglare a parametrilor
de proces şi proiectarea asistată de calculator a aplicaţiilor de control în petrochimie, în
care predomină prelucrarea primară a datelor, identificarea sistemelor, comanda
numerică şi analiza de robusteţe.

• 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.

• Al cincilea capitol reprezintă partea practică sau contribuţia experimentală privind

controlul şi optimizarea unui reactor de piroliză, pe care sunt proiectate tehnici de
comandă şi de optimizare abordate teoretic în celelalte capitole, prin folosirea de utilaje
îmbunătăţite.

• Capitolul şase prezintă perspectivele şi concluziile tezei.

1-3 Cuvinte cheie

reactoare chimice, rafinare, piroliză, stabilitate termică, petrochimie, reglare numerică,

identificare, modelare, optimizare, control robust, programare liniară şi nonlineară.

CAPITOLUL 2: Aspecte tehnologice şi tehnice ale proceselor chimice şi petrochimice

2-1 Introducere în Ingineria proceselor chimice şi petrochimice

Ingineria proceselor constituie punerea în aplicare industrială a tehnologiilor de transformare a

materiei şi a energiei în produse utile. Ea include ansamblul tuturor tehnicilor chimice, fizice şi
biochimice aplicate în acest sens, şi are rolul de a determina progresul de proiectare şi condiţiile
eficiente pentru exploatarea din industriile care prelucrează materii şi materiale chimice şi
petrochimice, caz în care inginerul este chemat să işi folosească cunoştinţele în scopul unei
adaptări adecvate şi al atingerii performanţelor cerute în controlul parametrilor din proces
[CORRIO. 04] [LEFEBV. 78]. Un exemplu de schemă de inginerie a proceselor petrochimice
este prezentat în figura (2-1) [KUZOKU. 98] [RATSSC. 98].
5
 Fig (2-1): Exemplu de inginerie a proceselor petrochimice

2-2 Reacţii chimice

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].

2-2-2 Clasificarea reacţiilor chimice

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].

2-2-3 Stoechiometrii ale reacţiilor

Orice reacţie chimică poate fi definită prin ecuaţia

N

∑a
j =1
j Aj = 0 (2-1)

Unde AJ:este simbolul componentei chimice.

a j : coeficientul stoechiometric al componentei j.
N : numărul total al componentelor în reacţie.

Constanta de echilibru este independentă de concentraţie, dar dependentă de temperatură, aşa

cum arată relaţia lui Arrhenius în cele ce urmează:
6
k (T ) = Ae − E RT
(2-2)
Unde E este energia de activare şi A este factorul pre-exponenţial, R constant de gaze

2-3 Reactoarele chimice

Elementul technologic fundamental al instalaţiilor şi reacţiilor chimice este reactorul chimic.

În acest studiu considerăm că reactoarele chimice sunt aparate în care au loc procesele chimice
pentru obţinerea anumitor substanţe, produşi de reactii din alte substante denumite reactanţi în
cadrul unui proces tehnologic [CLAKON. 98] [LAUREN. 03].

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.

2-4 Modele matematice şi dinamica unui proces cu o reacţie chimică

2-4-1 Modele cinetice

Ecuaţile de bilanţ iau forme diferite în functie de sistemul considerat şi modul lui de
funcţionare; luăm spre exemplu două tipuri de reactoare, reactor tubular, şi reactor infinit mixt.
Reactor tubular
Se consideră volumul ∂V constant, debitul volumetric intrat şi ieşit sunt egale Fin = Fout = S v
unde v reprezenta viteza de fluid.
Bilantul unei substanţe reactive a cărei concentraţie este Ca, şi care se consumă cand se
deplasează pe lungimea tubului este dat prin:

∂C a ∂C
+ v a = − ra , c
∂t ∂x

Reactorul infinit mixt

Sunt trei moduri de funcţionare ale acestui reactor
a) funcţionare în mod batch
S0 şi X0 sunt concentraţi de substanţe cu microorganism
dS
= −r S(0)=S0.
dt
dX
= +r X(0)=X0 (2-3)
dt
r fiind viteza de reacţie .

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

2-4-2 Modele termodinamice

Efectul temperaturii sub rata reacţie este calculat în funcţie de ecuaţia lui Arrhenius dat de
ecuaţia (2-1) [SAKKMO. 07] [BOWJES. 06] [RAWEKE. 02], şi dat în cazul unei reacţii
k 1 1
neizoterme simplă A 
→ B , prin f Ae = = 1
= , Y = RT ∆H 0 .
1+ k 1  1  Y1
1 +  e Y
1 +  e
 A  k 0t R 
Unde k0 este coeficientul de frecvenţă, şi tR este timpul de staţionare;
Reprezentarea grafică a acestei relaţii este ilustrată în figura (2-2), în care sunt arătate două
tipuri de reacţii, exotermă şi endotermă pentru o reacţie ireversibilă, în funcţie de modificarea
temperaturii şi a timpului de staţionare [SASZMO. 00].

(A) (B) (C)

Fig (2-2) (a) Efectul temperaturii asupra conversiei în echilibru. (B) (C) Efectul temperaturii şi al
timpului de staţionare asupra conversiei în echilibru (reacţia ireversibilă exotermă respectiv
endotermă)

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

2-4-3 Analiza stabilităţii termice a reactoarelor cu parametri concentraţi

Conform ecuaţiilor (2-3) (2-4), se deduce regimul stationar prin anularea derivatelor
[DEREVI. 07] [LIMOSO. 02] şi eliminarea lui ξ s în raport cu 1 şi identificarea acestor ecuatii,
astfel încât:
−1
ηs
ae η a + aγ s − η s
−1
= (2-5)
1 + ae ηs b
−1
ηs
ae η a + aγ s − η s
Fie Qg = −1
cantitatea de căldură generată de reacţie, iar Qe = este
1 + ae ηs b

cantitatea de căldura eliminată de reacţie.

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

3-1 Achiziţia de date

Achiziţia de date este elementul cheie de identificare a modelului de comandă pentru

adaptarea parametrică şi aplicarea de comenzi a proceselor. Datele achiziţionate trebuie sa fie
urmărite prin proceduri de liniarizare, filtrare şi de descritizare pentru a fi pregatite pentru
tratarea lor primară după cum este explicat în următoarele etape.

3-2 Identificarea proceselor

În această secţiune, procedura de

identificare utilizată este descrisă în aşa
fel încât clasa-model de identificare a
sistemului este clasa ARX [STMAST.
04] [MUWOBO. 84]. Principiul general
al identificării proceselor este prezentat Fig (3-1): Principiul fondamental
în figura (3-1). de identificarea proceselor

Algoritmul de adaptare parametrică poate fi proiectat cu ajutorul unor tehnici

de optimizare de tip Gradient [POPTER. 79] [LANKAR. 98], împreună cu un criteriu pătratic
exprimat în funcţie de eroarea de predicţie şi dat prin:
nA nB
y (t + 1) = −∑ ai y (t + 1 − i ) + ∑ biu (t − d − i + 1) = θ T φ (t ), ∀t ∈ N (3-1)
i =1 i =1

unde: θ T şi ϕ , sunt respectiv vectorul parametrilor şi cel al măsurilor

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

3-2-1 Algoritm de tip gradient

Scopul algoritmului de adaptare a parametrilor gradient este de a minimiza un criteriu pătratic

exprimat în termeni de eroare de predicţie dată prin:
1 0
min J (t + 1) =
θ (t ) 2
[ 2
]
ε (t + 1) , ∀t ∈ N (3-2)

folosind algoritmul de tip gradient:

∂J (t + 1)
θˆ(t + 1) = θˆ(t ) − F (3-3)
∂θˆ(t )
După mai multe operaţii pentru calculul algoritmului de Gradient, rezultă:

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

3-2-2 Metoda celor mai mici pătrate recursive CMMPR

Folosind algoritmi pe bază de Gradient, se minimizează pătratul erorii de predicţie al fiecărui

moment de eşantionare. Aceasta se realizează cu un pas variabil care poate să fie obţinut prin
metoda celor mai mici pătrate [PARASK. 01] [BOTRRZ. 93]. Obiectivul este de a obţine un
algoritm recursiv folosind o matrice F ajustabilă pentru a minimiza criteriul:

[ ]
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 )

3-3 Proiectarea comenzii numerice

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.

3-3-1 Comanda tip RST

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

Funcţia de transfer a algoritmului de reglare RST este:

B ( q −1 ) T ( q −1 )
H RST ( q −1 ) = (3-7)
A ( q −1 ) S ( q −1 ) + B ( q −1 ) R ( q − 1)

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


3-3-2 Comanda RST-PID

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 )


3-3-3 Comanda prin alocare de poli

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

În care polinomul P defineşte performanţele sistemului de reglare.

3-4 Analiza de robusteţe pentru comanda numerică

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:

3-4-1 Robusteţea în stabilitate

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

3-4-2 Robusteţea la nelinearitate

Criteriul de stabilitate "cercul lui Popov-Zames"

prezentat în figura (3-2); se aplică în acest caz
pentru asigurarea stabilităţii sistemului cu o
nelinearitate statică determinată de către sectorul
conic (α, β); trebuie ca hodographul de HB0 (q-1)
să lase pe stânga lui, cercul de pe axa reala, trecând
prin punctele (-1/α, 0) şi (-1/β, 0). Fig (3-2): Stabilitatea dupa cercul
lui Popov-Zames
Marginea de modul |∆M (j ω)| defineşte raza cercului |∆M (jω)| tangent la hodograful funcţiei
de transfer în bucla deschisă. Prin superpoziţia acestor două cercuri, sistemul în buclă închisa va
tolera o neliniaritate statică situată în interiorul unui sector conic definit printr- un câştig linear
minimal α= 1 / (1 + ∆M ( jw) ) şi un câştig linear maximal β= 1 / (1 − ∆M ( jw) ) .

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).

3-5 Proiectarea comenzii robuste şi calibrarea

funcţiei de sensibilitate

Performanţele dorite necesită o formă a gabaritului

de sensibilitate. De exemplu, în figura (3-3), am
reprezentat tubul de gabarit în care trebuie să fie modul
de sensibilitate. Pentru a reduce sensibilitatea în raport
cu perturbări într-o bandă de frecvenţă trebuie să
impunem un factor (1-q-1) în structura polinomului R
Fig (3-3): Gabaritul functiei de
sau un factor (1+q-1 ) în polinomul S. În general, aceste
sensibilitate
specificaţii sunt următoarele:
- HR (q-1) polinomul specificat anterior pentru R(q-1)
- HS (q-1) polinomul specificat anterior pentru S(q-1)

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) .

CAPITOLUL 4: Optimizarea proceselor chimice şi petrochimice

4-1 Pricipiile optimizării parametrice

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)

Où x(t ) ∈ R n : starea momentul t.

14
u (t ) ∈ R n : comanda aplicată în momentul t.

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 [t , t0 , x0 , u (.)] (4-2)

Se defineşte legea de comandă prin: u (t ) = k [t , x(t )] . Prin introducerea ei în (4-1), obţinem

descrierea sistemului în buclă închisa prezentat în figura (4-1(B)).

Deci, soluţia optimală poate fi scrisă prin:

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

obţinută de calificarea modelului (4-1) sub forma:

x(k + 1) = y[k , x(k ), u (k )] (4-4)

Unde k ∈ Z , şi Z este ansamblu de număr integrat

Prin descritizare (matematica descriptivă) putem găsi expresia:

N −1
I d = ∑ Yd (4-5)
k =0

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)

dacă t0 et x0 sunt specificate pentru u = u (0 ) , et Y (u ) = Y (t 0 , x0 , u ) , problema de optimizare se

reduce la: min[Y (u )] (4-8)

u

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

Unde f , G1 , .., Gm sunt funcţiile date şi b1 ,.., bm sunt constante reale.

Programarea lineară stocastică

Optimizarea stocastică este procedura de

optimizare a unei cantitaţi dependente de o structură
aleatorie discretă. O schema grafică tri-dimensională
de optimizare stocastică este ilustrată în figura (4-2)
[LEYSIG. 97] [CAFALA. 06], în care problema este
exprimată în forma generală următoare:

Fig (4-2): Grafic tridimensional de optimizare stocastică

Se consideră problema lineară stocastică (4-9) cu variabile aleatorii, se observă că pentru

fiecare w ∈ Ω , ecuaţiile:
16
max c T ( w) x
A(ω ).x ≤ b(w)
, Unde (a, b, c) sunt variabile aleatoarii
x≥0
{
Determină o multiplicare convexă D = I D (w) D (w) = {x A(w).x ≤ b(w), x ≥ 0} , nu nulă şi care
W ∈Ω
}
se cheamă soluţia pemanentă admisibilă a problemei (4-6), care poate fi determinată în
urmatoarele trei cazuri:
a) A o matricea constantă şi B un vector aleator:
(
{
D = x; A.x ≤ b , x ≥ 0 } (4-11)
b) A şi B sunt variabile aleatoare
l
D = I {x : Ai .x ≤ bi ,1 ≤ i ≤ l ; x ≥ 0} (4-12)
i =1
Programele cele mai folosite petru a rezolva o asemenea problemă sunt:
• max M c T .x
x∈Dadm
( ) (4-13)

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

• Dacă A = I , în care I este matricea unitară, se obţine d k = −∇Y ( x k ) ; este metoda de

Cauchy, metoda de gradient de gradul întâi.
∇Y (x k ) ∇Y (x k )
T

• Dacă A = β k I cu β k = , rezultă d k = − β k ∇Y (x k ) ; este metoda de

∇Y (x k −1 ) ∇Y (x k −1 )
T

gradientilor conjugaţi, metoda de gradient de gradul întâi.

• Dacă A −1 = H k , H k > 0 , rezultă d k = − H k ∇Y ( x k ) ; este metoda de gradient de gradul
întâi cu metrica variabilă.
• Dacă A −1 = Hess −1 (Y ( x k )) , rezultă d k = − Hess −1 (Y (x k ))∇Y (x k ) ; este metoda de gradient
Newton-Raphson, metoda de gradient de gradul al doilea.

CAPITOLUL 5: Studiu de caz-Comanda şi optimizarea unui reactor de piroliză

Reactorul pentru cracarea benzinei este un element-cheie într-o instalaţie de piroliză şi

constituie obiectivul cu cele mai importante implicaţii tehnico-economice. Datele au fost
achiziţionate de la un reactor chimic de piroliza cu o placă de achiziţie conectată la un calculator.
Acesta este un studiu de caz concret al instalaţiei petrochimice de la Piteşti din România
cunoscută ca un important pol de prelucrare şi de extracţie a fracţiunilor de petrol din Europa de
Est.

5-1 Prezentarea Tehnologică a instalaţiei

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

V0 : volumul de fluid în conduita în caz de regim staţionar

M: masa de lichid de conducţie
v : viteza de trecere
Debitul benzinei:
Lungimea conductei de 10 m
Diametrul conductei este de 0.2m, care presupune că, R = 0.1m
debitul de regim nominal F10 = 1500m 3 /h = 0.41m 3 / sec

Coeficientul debitului α = 0.9

Debitul de abur:
Lungimea conductei de 5 m
Diametrul conductei este de 0.1m, care implică faptul că R = 0.05m
debitul de regim nominal F10 = 500m 3/h = 0.14m 3 / sec
Coeficientul debitului α=0.95
Factor de compresie β=0.78
Restricţii operatorii:
Dmp: debitul materii prime (benzina) (1000-1600 Nm3 / h)
DV: debitul de abur (430-540 Nm3 / h)
T: temperatura de lucru (820-860oC)
P: presiunea de lucru (3.2-4.5 atm)
Y%: concentraţia de produs util (etilenă) care iese din reactor
Figura (5-1) arată complexitatea reacţiilor
efectuate de piroliză şi concentraţiile de produse în
funcţie de temperatura de funcţionare, din care
devine evident că etilena C2H4 ajunge la un punct
optimal maxim de concentraţie corespunzător
intervalului de temperatură de 850oC şi 900oC,
faptul care confirmă condiţiile de operare.

Fig (5-1): Concentraţia produselor

in piroliză în funcţia detemperatura
19
5-2 Identicarea procesului şi reglarea numerică

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).

Fig (5-2): Reglarea numerică a reactorului de piroliză

La realizarea soluţiei de control a acestei instalatii, avem nevoie de patru regulatoare:

• 2 regulatoare de debit tip PI (RST), unul pentru reglarea debitului de benzină şi al doilea
pentru a controla debitul de abur care intră în instalaţie.
• 2 reglatoare tip RST pentru a controla incinta, un regulator de presiune şi un regulator de
temperatură.

5-2-1 Reglarea debitului de benzină

Sistemele de reglare automată a debitului Dmp

sunt realizate în structuri simple de ajustare L’essence

după eroare, modelul matematic şi regulatorul FRC

1
PI-RST corespunzător în caz de debit al
benzinei sunt calculate prin MATLAB astfel: F10=1500m3/h

Fig (Error! No text of specified style in

Fig (5-3): SRA pentru debitul de benzină
20
Modelul
0.85q −2 + 1.4q −1 + 3.45
H (q −1 ) =
q − 2 + 2q −1 + 1
Regulatorul
R (q −1 ) = 3 − q −1

S (q −1 ) = 2(1 − q −1 )

T (q −1 ) = 2

5-2-2 Reglarea debitului de abur

Dmp
Modelul matematic cu regulatorul lui PI-
RST în cazul debitului de abur sunt
Vapeur
calculate prin MATLAB şi date după cum
FRC
urmează: 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

polinoamelor prin folosirea software-ului WINPIM, +

p0 R Fe
e
am observat că polinomul A este de gradul al doilea,
în timp ce polinomul B este de gradul întai. În Fig (5-5): SRA pentru presiuna
scopul de a optimiza frecvenţa naturală şi factorul de amortizare, am considerat în primul rand
pentru urmarirea w0 = 0.35 rad / s şi ξ = 0.9 ca şi pentru reglarea w0 = 0.4 rad / s şi ξ = 0.85 .
În WINREG am considerat patru cazuri în analiza funcţiei de sensibilitate în funcţie de
valorile de frecvenţa naturală şi factorul de amortizare; curbele rezultate sunt succesiv prezentate
în figura (5-6).

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

Structura modelui de sistem de identificare: ARX

Metoda de identificare: cele mai mici patrate
Fig (5-6): Calibrararea funcţiei
Algoritm adaptarea parametrilor: scăderea câştigului de sensibilitate
Te = 3S
timp mort: D = 0
Regulatorul
Metoda de alocare a polilor
R (q −1 ) = 21.274 − 34.150q −1 + 13.87 q −2

S (q −1 ) = 1 − q −1

T (q −1 ) = 21.227 − 34.213q −1 + 13.98q −2

Modelul de referinţă
Am(q −1 ) = 1 − 1.631q −1 + 0.673q −2

Bm(q −1 ) = 0.022 + 0.019q −1

La introducerea unui semnal treaptă la intrarea

sistemului în buclă închisa, cu o întarziere de 10s, şi
cu o perturbaţie de amplitudine 3.5*10-3% aplicată la
secunda 40, a rezultat o mică atenuare a răspunsului
după cum se arată în figura (5-7).
Fig (5-7): Răspunsul la treapta cu şi
fără perturbări
5-2-4 Reglarea temperaturii de reacţie
Fa
Sistemul de reglare automat al temperaturii este FP ,T P (Produit)
Agent
thermique
prezentat în figura (5-8).
Dupa estimarea gradelor polinomiale, am dedus că
polinomul A este de gradul doi, şi polinomul B este de - TRC
gradul întâi. Diagrama Nyquist cu poli în bucla Te0
Fig (5-8):+Reglarea temperaturii
închisă din figura (5-9) prezinta două cazuri diferite cu Te

şi fără pre-specificaţie a performanţelor. Fig (5-8): SRA pentru temperatură

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

S (q −1 ) = 1 − 1.16q −1 − 0.39q −2 + 0.35q −3 + 0.34q −4 − 0.14q −5

T (q −1 ) = 167.504 − 288.712q −1 + 124.463q −2

Modelul de referinţă
23
Am(q −1 ) = 1 − 0.446q −1 + 0.05q −2

Bm(q −1 ) = 0.442 + 0.161q −1

Pentru a simula comportamentul reglatorului, se

verifică răspunsul la treapta modelului de referinţă dat
anterior, considerând existenţa unui zgomot de tip
treaptă cu amplitudine 2.5*10-3%, aplicat la secunda
40; o reprezentare grafică a răspunsului la treapta cu şi
fără perturbaţii este ilustrată în figura (5-10).
Fig (5-10): Răspunsul la treapta cu şi fără perturbaţii

5-3 Calculul modelului de conducere a reactorului de piroliză

5-3-1 Calculul modelului de conducere folosind MATLAB

În calculul MATLAB şi pentru a liniariza modelul de funcţionare a reactorului, datele au fost

salvate într-un un fişier de date care se numeşte Copy30. DNL. Modelul de conducere
reprezentativ al pirolizei este dat prin: Y = Aˆ 0 + Aˆ1*x1 + Aˆ 2* (1 x 2 ) + Aˆ 3*x3 + Aˆ 4* ( x 4 )^ 2 ; am
utilizat regresia multidimensionala, ai cărei coeficienţi ai vectorului A au fost calculaţi prin
metoda recursivă a celor mai mici pătrate, după cum urmează:
−1
A = ( X ′X ) X ′Y '

 28.275960 
 0.001248 

A= 1587.086396
 
 0.223423 
 - 0.000004 

Modelul matematic de conducere exprimă funcţionarea reactorului prin dependenţa existentă

între mărimea de calitate şi variabilele controlate în proces, debitele de benzină şi abur şi
respectiv temperatura şi presiunea de reacţie. Acest model este dat prin:
Y = 28.27 + 0.12 *10 −2 *x1 + 15.87 *10 2 *(1 x2) + 0.22*x3 − 0.04 *10 −4 *( x4)^ 2

Se dă deviaţia procesului faţă de valoarea medie a ieşirii reale:

M
S y = ∑ ( y − ym )
2

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

5-3-2 Proceduri SISCON

A) Procedura de modelare

SISCON este o aplicaţie de optimizare şi de conducere eficientă a sistemelor mari, dezvoltată

în C ++ (Building). [AZZOUZa. 08]; linearizarea modelului se face în mod automat după
selectarea tuturor parametrilor, după cum se arată în figura (5-11).

Fig (5-11): Determinarea modelului linear

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 

Ecuaţia finală a sistemului liniar este dată de:

Y = (28.2625) + (0.0012)*X 1 + (1583.2285)*X 2 + (0.2230)*X 3 + (− 0.000004)*X 4
Cu un indicator de precizie R=0.97
Graficul de dependenţă între ieşirea măsurată şi ieşirea
modelului cu precizie de eroare şi respectiv eroare pătrată
între aceste două semnale este reprezentat în figura (5-12)
[DOTELA. 08].

Fig (5-12): Eroarea cu eroarea patrată

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.

5-4 Optimizarea reactorului de piroliza, calculul deciziei optimale

Această secţiune oferă o vedere

parţială a tuturor metodelor de
optimizare dedicate tratarii problemelor
liniare şi neliniare cu variabile mixte.
Propunem acum incărcarea reactorului
cu materia primă din trei surse diferite,
ceea ce provoacă diversitatea calităţii
benzinei primite, astfel încât reactorul
poate fi adaptat la toate aceste trei tipuri
Fig (5-14): Surse pentru alimentarea reacturolui
de petrol. Am propus procedura de pro-
gramare liniară la nivelul de optimizare după cum este prezentat în figura (5-14).
26
 Mai întâi am folosit operatorul de mediere pentru a deduce valoarea medie a vectorului C în
funcţie de greutatea fiecarei variabile de intrare; figura (5-15) arată clar parabolele care
conturează optimizarea modului de operare a pirolizei în fiecare caz.

Fig (5-15): principiul de mediere

Metoda de Simplex nu ia în consideraţie numai vârfurile efective ale poliedrelor de restricţii
sau ale soluţiilor realizabile, ci le şi analizează începând de la origine, de exemplu urmărind
vârfurile într-o ordine astfel că, pas cu pas, funcţia obiectivă creşte sistematic. Numărul etapelor
este redus datorită acestei tehnici [ESCHLO. 07]. O valoare optimală trebuie să fie mai mare
decât valoarea care specifică producţia medie a reactorului în condiţii normale de funcţionare
dată prin y0=30%, şi trebuie sa aibă o poziţie relativă în faţa restricţiilor date, după cum este
ilustrat în figura (5-16) [AZZOUZd. 08].

Fig (5-16): Principiul metodei Simplex

Următoarele calcule sunt rezultatele unui program MATLAB folosind algoritmul Simplex,
pentru a găsi punctele optimale parţiale prezentate în trei prime sisteme şi punctul optim mediu
prezentat în cel de-al patrulea sistem [LUPAZZ. 08].

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

Et donc les valeurs optimales sont:

x(1)= 1600.000000
x(2)= 431.03234
x(3)= 4.500000
x(4)= 860.000000
La valeur objective au point optimal est:
y= 27.019649
_______________________________________________
Systeme 2
_______________________________________________
Ai =
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
bi’ =
1.0e+005 *
0.0180 0.0000 0.0000 7.7440
ci’ =
1.0e+003 *
0.0000 6.2814 0.0016 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 0.0180
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 -0.0628 -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 0.0180
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 -0.0000 -0.0000 -0.0000 -0.0628 0 0 0.0002
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 0.0180
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 -0.0000 -0.0000 -0.0628 -0.0000 0 0.0003
appuyer sur n_importe quelle touche pour continuer ...
Ligne de pivot-> 4 Colonne de pivot-> 4 31
Tableau 4

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

Et donc les valeurs optimales sont:

x(1)= 1000.000000
x(2)= 434.7826023
x(3)= 5.000000
x(4)= 900.000000
La valeur objective au point optimal est:
y= 17.399551
_______________________________________________
Systeme 4
est le systeme moyen!
_______________________________________________
Ai =
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
bi’ =
1.0e+005 *
0.0156 0.0000 0.0000 7.6760
ci’ =
1.0e+003 *
0.0000 1.3973 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 0.0156
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 -0.0140 -0.0000 -0.0000 -0.0000 0 0 0 0.0000

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).

Fig (6-1): Vizualizarea riscului minim

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