IMPLEMENTAÇÃO DE ESTRATÉGIA DE CONTROLE PID FUZZY EM REATOR CONTÍNUO DE CRAQUEAMENTO TÉRMICO

Transcrição

1 IMPLEMENTAÇÃO DE ESTRATÉGIA DE CONTROLE PID FUZZY EM REATOR CONTÍNUO DE CRAQUEAMENTO TÉRMICO M. LAZZARI 1, V. R. WIGGERS 1, R. GOZDZIEJEWSKI Jr 1, H. F. MEIER 1 e L. ENDER 1 1 Universiae Regional e Blumenau, Departamento e Engenharia Química e Engenharia e Alimentos para contato: ener@furb.br RESUMO Os controlaores PID clássicos são bastante usaos para controlar os processos inustriais e assim permitir um melhor esempenho o mesmo e e forma segura e confiável. Sugere-se um estratégia e controle PID com ajuste on-line e seus parâmetros, baseaos em lógica fuzzy, enominao PID fuzzy. A estratégia aboraa tem como objetivo um melhor ajuste os parâmetros o controlaor, resultano uma qualiae operacional melhor e qualiae os proutos obtios superior. Apresenta-se neste trabalho a metoologia empregaa, bem como um estuo comparativo o PID fuzzy e o PID clássico, aplicaos em um reator contínuo e craqueamento térmico. Os experimentos foram conuzios na temperatura e 550 C, seno provocaas perturbações na temperatura e na vazão e alimentação o reator, caracterizano problemas servo e regulaor, respectivamente. Os resultaos experimentais foram analisaos através os critérios e erro ISE, IAE e ITAE e o consumo e energia o reator. Com base nos experimentos realizaos, verificou-se a eficiência a estratégia implementaa, PID fuzzy, resultano em um controlaor mais robusto. 1. INTRODUÇÃO O conceito e conjunto fuzzy foi introuzio, em 1965, por Lotfi A. Zaeh (Universiae a Califórnia, Berkeley). A lógica fuzzy está relacionaa com os princípios formais e raciocínio aproximao. A importância esta a lógica fuzzy vem o fato que a maioria os moos e raciocínio humano está relacionao à inferência e respostas aproximaas para questões baseaas em conhecimentos inexatos, incompletas ou não totalmente confiáveis. O esenvolvimento e um sistema e controle fuzzy é baseao na iéia e incluir o conhecimento especialista ou experiência e um operaor para se obter a melhor estratégia e controle. A lógica fuzzy utiliza variáveis lingüisticas no lugar e variáveis numéricas. Variáveis lingüisticas amitem como valores apenas expressões lingüisticas (ou termos primários), que são representaas por conjunto fuzzy (Almeia et al., 2001). Atualmente observam-se inúmeras inústrias necessitano e estratégias e controle em seus processos proutivos e, com isso, vem cresceno o incentivo pela implementação e estratégias e controle e muitos processos inustriais complexos. Essas estratégias e controle avançaas requerem implementação os algoritmos em microprocessaores e computaores para que seja possível ter Área temática: Simulação, Otimização e Controle e Processos 1

2 ações mais rápias e precisas quanto ao esempenho e segurança o processo. A utilização os conceitos estabelecios na lógica fuzzy no ajuste on-line os parâmetros o controlaor PID são passíveis e implementação em microprocessaores, permitino assim embarcar a estratégia e controle proposta em controlaores comerciais. Um processo e craqueamento térmico é um processo termoquímico que ecompõem a matéria orgânica, esmembrano as caeias os compostos, formano novos proutos (Wiggers, et al., 2013). O reator e craqueamento térmico opera em regime contínuo e apresenta comportamento altamente não linear, pois as reações e ecomposição térmica são bastante complexas. O processo e craqueamento térmico sofre influência e iversas variáveis operacionais seno uma uniae altamente interessante para avaliação e estratégias e controle (Lazzari, 2012). 2. FUNDAMENTAÇÃO TEÓRICA Mesmo com o grane avanço e técnicas e controle avançao e sua tenência crescente e implementação na inústria e processos, é aina muito comum a aplicação e técnicas e controle clássicas, especificamente o PID (Proporcional, Integral e Derivativo). Uma as possíveis razões para isso é a sua larga gama e aplicações e seu relativo baixo custo e faciliae e implantação quano comparao com técnicas e controle avançao. Levano-se isso em consieração neste trabalho, o controle clássico através os controlaores PID é também implementao e será comparao com o controle PID fuzzy. A estratégia e controle proposta está baseaa no PID clássico, iferenciano-se por usar a lógica fuzzy no ajuste on-line os parâmetros o controlaor Estratégia Clássica e Controle PID O algoritmo e controle PID é uma moaliae e controle clássico, one a ação aplicaa sobre uma variável manipulaa é proporcional ao erro verificao entre o valor esejao e o meio. Três parcelas são consieraas: uma e proporcionaliae ireta a caa novo erro, outra e proporcionaliae à soma acumulaa o erro e uma terceira e proporcionaliae à taxa e variação o erro. O PID trauz a iéia e que a variável manipulaa será alteraa proporcionalmente ao erro que aparece a caa instante, ao acúmulo (integral) o erro ao longo o tempo e à taxa e variação o erro a variável controlaa. Seguno Iserman (1989): One: u k uk q ek q ek 1 q ek (1) q 0 k c T0 1 2 i T0 (2) T0 q 1 kc 1 2 (3) T0 2 i Área temática: Simulação, Otimização e Controle e Processos 2

3 q 2 kc (4) T 0 Desta forma o algoritmo e controle é conhecio como algoritmo e velociae (Iserman, 1989). Ajustes o Controle PID Clássico Um os proceimentos mais utilizaos para o ajuste os parâmetros PID baseia-se em proceimentos empíricos, os quais analisam o comportamento o sistema em malha fechaa como aberta, variano-se as conições operacionais e entraa através e perturbações o tipo egrau, oscilatórias e outras. Dentre os proceimentos e ajuste, estacam-se o métoo e Ziegler-Nichols, Cohen-Coon (Curva e Reação) e ITAE, os quais o primeiro foi usao no neste trabalho. Estes proceimentos são escritos em etalhes em Seborg (1989), Sthephanopoulos (1984) e Ogata (2003). O valor e Ku é o valor o ganho proporcional que torna a saía o processo oscilante manteno uma amplitue constante, e o Pu é o períoo esta oscilação. A eterminação os parâmetros Ku e Pu foram realizaas pela técnica proposta por Åström e Hägglun (1984), os quais esenvolveram uma técnica atrativa e alternativa para automatizar o métoo a curva e oscilação e Ziegler e Nichols. No teste auto-tuning via relê, um simples ensaio experimental é utilizao para eterminar Ku e Tu. 2.2 Controlaor PID Fuzzy A estrutura PID fuzzy apresentaa é uma alternativa interessante para tratar estes processos por realizar ajuste on-line os parâmetros o PID. O sistema e inferência fuzzy é composto por um conjunto e regras que escrevem o comportamento esejao o controlaor. O controlaor PID fuzzy é expresso e forma similar ao PID clássico, iferenciano-se no ajuste on-line os parâmetros o controlaor (Kc, Ki, K), a seguinte forma: K K Kc ganho Proporcional k c i (ganho Integral) (5) i. (ganho Derivativo) (6) k c A Figura 1 apresenta o iagrama e blocos a estratégia e controle PID fuzzy, one poe-se verificar que a estrutura a estratégia e controle está baseaa na estratégia PID clássica, com ajustes on-line e seus parâmetros e acoro com um sistema e inferência fuzzy. Área temática: Simulação, Otimização e Controle e Processos 3

4 Δe, e Kc, Ki, K Figura 1: Estrutura e um controlaor fuzzy (Fonte: SANDRI an CORREA, 1999). Sistema Fuzzy Implementao e: O sistema fuzzy implementao está funamentaa na proposta e Freitas et al. (2008), composto a) 2 entraas: erro e taxa e variação o erro; b) 3 saías: Kc, Ki e K; c) Sistema 25 regras para caa saía; ) Defuzzicação através o métoo o centro a área. Funções e Pertinência Na Figura 2 tem-se as funções e pertinência as variáveis e entraa, erro e taxa e erro. Nesta figura observam-se as seguintes nomenclaturas abaixo arrolaas, as quais associam as respectivas variáveis linguísticas em parâmetros mensuráveis nas etapas e fuzzificação e efuzicação. BN = grane negativo; SN = pequeno negativo; EZ = zero; SP = pequeno positivo; BP = grane positivo; Regras o Sistema Fuzzy O conjunto e regras para o ajuste os parâmetros Kc, Ki e K estão resumias nas Tabelas 1 a 3, respectivamente. Os pontos P e G, representam os limites inferior e superior as variáveis e saía a lógica fuzzy (Kc, Ki, K). O controlaor PID que representa o ponto G, apresenta ajuste e Ziegler- Nichols, aqui nominao e PID fast, e o controlaor PID que representa o ponto P é um controlaor mais conservativo (PID slow). Área temática: Simulação, Otimização e Controle e Processos 4

5 Tabela 1:Regras eajuste para o Ganho Proporcional (Kc). Kc Erro Taxa erro BN SN EZ SP BP BN G G G G G SN G G P G G EZ G P P P G SP G G P G G BP G G G G G Tabela 2:Regras e Ajuste para o Ganho Integral (Ki). Ki Erro Taxa erro BN SN EZ SP BP BN P P G P P SN P G G G P EZ P G G P P SP P G G G P BP P P G P P Tabela.3:Regras e Ajuste para o Ganho Derivativo (K). K Erro Taxa erro BN SN EZ SP BP BN P P P P P SN G P P P G EZ G P P P G SP G P P P G BP P P P P P Diante o apresentao nas tabelas anteriores, no sistema e inferência fuzzy implementao, o conjunto e regras e a etapa e efuzzicação é istinto para caa parâmetro e ajuste o controlaor 2.3 O Reator e Craqueamento Térmico O reator e craqueamento térmico utilizao nesse se encontra localizao no Laboratório e Desenvolvimento e Processos o Departamento e Engenharia Química e Engenharia e Alimentos a Universiae Regional e Blumenau. O equipamento possui uma seção one ocorre a reação e craqueamento e uma seção one promove-se a conensação e recuperação os proutos craqueaos termicamente. Essa Figura é iviia em seções para melhor entenimento, portanto: O reator possui seis termopares o tipo K (T1, T2, T3, T4, T5 e T6), para meição as temperaturas na entraa, na saía e ao longo o reator. Possui um PT 100 (T7) para meir a Área temática: Simulação, Otimização e Controle e Processos 5

6 temperatura o conensao e também um sensor GTP 1000 para monitorar a pressão o sistema, este localizao na saía a bomba. A seção one ocorre a reação e craqueamento no reator é composta e resistências elétricas que aquecem a uniae e foi iviia em quatro malhas e controle istintas que tem o objetivo e favorecer a isotermiciae o sistema. A primeira malha (M1 ou SSRP1) é composta por três resistências elétricas e 350 W caa. A seguna malha (M2 ou SSRP2) possui uas resistências e 350 W caa. A terceira malha (M3 ou SSRP3) possui três resistências e 350 W caa e a quarta malha (M4 ou SSRP4) tem uas resistências e 350 W caa. A uniae experimental possui um sistema SCADA ( Software Control an Data Aquisition ) esenvolvio pela equipe o Laboratório LDP que possibilita a manutenção as conições operacionais através o controle as variáveis manipulaas e aquisição e toas as variáveis o processo aferias urante o experimento. 3. RESULTADOS E DISCUSSÕES O proceimento experimental aotao na execução os ensaios é escrito a seguir: Após atingir e estabilizar a temperatura e setpoint o reator (550 C), gera-se uma perturbação servo e uma perturbação regulaor no processo. Para a perturbação servo incrementa-se em 20 C a temperatura e setpoint (perturbação I) e acompanha-se por aproximaamente 01 hora a evolução os perfis e temperatura, em seguia, iminui-se a temperatura em 20 C no setpoint (perturbação II) e novamente aguara-se 01 hora. Após isso, parte-se para a perturbação regulaor, one iminui-se a vazão e alimentação o reator e 283,4 g/h para 197,9 g/h (perturbação III); aguara-se 01 hora para então retornar a vazão e alimentação inicial (perturbação IV) e observa-se novamente a evolução os perfis por 01 hora. Após a estabilização esta última etapa finaliza-se o experimento. A título e comparação foram geraos experimentos consierano a sequência e perturbações escritas, para os controlaores PID slow, PID fast e PID fuzzy. Os ois primeiros representam os limites os parâmetros (Kc, Ki, K) usaos na lógica fuzzy. Seguem nas Figuras 2 a 4 os resultaos as respostas as malhas e controle e ações e controle, para os três controlaores avaliaos. Diante os resultaos os experimentos apresentaos e com os aos plotaos na Tabela 4, observa-se em relação ao PID slow um ganho na eliminação e erro pequenos (IAE menor) e erros que persistem no tempo (ITAE menor). Porém este esempenho não é verificao na eliminação e granes erros. De uma forma geral, o esempenho o PID slow e PID fuzzy foram semelhantes nestas conições e operação. Observa-se as ações e controle mais enérgicas nas regiões e maior erro, o que está previsto nas regras fuzzy implementaas. Os resultaos os experimentos para o PID fast, mostram um comportamento oscilatório as variáveis manipulaas e ações enérgicas na carga térmica o reator. Os parâmetros o PID fast são os ajustaos pela metoologia proposta por Ziegler-Nichols (Ogata, 1994), num proceimento e auto-tuning, com a eterminação e Ku e Pu pela técnica proposta por Åström e Hägglun (1984). Inepenente a iscussão se o auto-tuning mostrou-se Área temática: Simulação, Otimização e Controle e Processos 6

7 eficiente, poe-se afirmar que o PID fuzzy aproximou-se bastante a resposta proporcionaa pelo PID slow, buscano um comportamento mais robusto. (a) Figura 2: Temperaturas para as malhas e controle e ações e controle para PID slow. (b) Figura 3: Temperaturas para as malhas e controle e ações e controle para PID fuzzy. Figura 4: Temperaturas para as malhas e controle e ações e controle para PID fast. Área temática: Simulação, Otimização e Controle e Processos 7

8 Os resultaos mostram que as regras efinias na lógica fuzzy foram eficientes, proporcionano um ajuste on-line os parâmetros eficaz. O consumo e energia nos três casos avaliaos permaneceu constante Tabela 4: Valores os critérios e erro e consumo e energia (550 C). Critério e Erro Malha 1 PID slow PIDfuzzy PIDfast ITAE Servo , , ,90 ITAE Regulaor , , ,90 IAE Servo , , ,40 IAE Regulaor 5.683, , ,30 ISE Servo , , ,56 ISE Regulaor , , ,39 Consumo e energia kj/kg , , ,60 3. CONCLUSÕES A implementação a estratégia e controle PID com ajuste on-line os parâmetros mostrou-se viável e e implementação relativamente simples, possibilitano inclusive embarcar a estratégia e controle em harware. A proposta as regras fuzzy tem gerao um controlaor robusto, aaptano-se as aversiaes implementaas. 4. REFERÊNCIAS BIBLIOGRÁFICAS ALMEIDA, O. M., COELHO, A. A. R. Controlaor PID com Escalonamento Nebuloso os Ganhos: Auto-sintonia, Análise e Implementação. V Simpósio Brasileiro e Automação Inteligente, V SBAI, 2001 FREITAS, L. T. F., LIMA, O. M., ALMEIDA, O. M., BRAGA, P. S. A. Aprenizao por Reforço no Ajuste PID-Fuzzy Aplicaa OGATA, K. Engenharia e Controle Moerno. Rio e Janeiro: Prentice Hall, e.4, 2003 SANDRI, S., CORREA, C. Lógica Nebulosa. V Escola e Rees Neurais, São José os Campos, São Paulo, 1999 SEBORG, D.E., EDGAR T.F., MELLICHAMP, D.A. Process Dynamics an Control. John Willey, 1989 STEPHANOPOULOS, G. Chemical Process Control, an Introuction to Theory an Practice. Prentice-Hall Inc: New Jersey, 1984 WIGGERS, V. R. Simulação, Projeto e Construção e uma Uniae Piloto e Multi-propósito para Pirólise e Resíuos. (Dissertação e Mestrao), Universiae Estaual e Campinas, Campinas, São Paulo, 2003 ZADEH, L. A. Fuzzy Sets. Information an Control, v.8, p.338, 1965 Área temática: Simulação, Otimização e Controle e Processos 8