El control predictivo por modelo (MPC) es una estrategia moderna que se fundamenta en la solución de un problema de control óptimo sobre un horizonte deslizante (receding horizon). Con base en consideraciones teóricas, en este documento se presenta un esquema MPC en tiempo real soportado en el método del gradiente en control óptimo. Este algoritmo es particularmente adecuado para una implementación en tiempo real y, asimismo, aprovecha la formulación MPC sin restricciones terminales.

En este documento se presenta el problema de modelamiento y simulación de ductos utilizados para el transporte de diferentes clases de fluidos. Se consideró un modelo matemático para predecir la cantidad de contaminación entre productos. Se muestra el caso de varios tramos de tubería unidos por un modelo algebraico de bomba centrífuga. Con base en lo anterior, se diseñó una estrategia de control predictivo teniendo en cuenta la optimización con subprocesos vecinos para coordinar los controles locales en las estaciones de bombeo y, así, lograr un rendimiento global en los niveles de contaminación.

El siguiente video nos muestra el proceso de conversión de energía termal del océano (OTEC).

El siguiente video nos muestra el proceso de conversión de energía termal del océano (OTEC).

En este documento se presenta una visión histórica del desarrollo del control predictivo multivariable (MPC), así como un resumen de sus aplicaciones más importantes, resaltando su significación en aplicaciones de control de procesos industriales. Se muestran las partes comunes que poseen la familia de controladores predictivos. Se realiza una breve formulación para cada uno de los métodos predictivos más conocidos. Finalmente, se expone una formulación general para el MPC no lineal.

Presenta un estudio comparativo entre el Control Predictivo basado en el Modelo [MPC] y el control PID, en una planta piloto de temperatura. Se encontró que el control MPC presenta mejor comportamiento, con un tiempo de asentamiento de 1000 segundos y una sobre-elongación de 5 °C, y que el PID presenta un tiempo de asentamiento de 2000 segundos y una sobre-elongación de 40 °C. Simultáneamente, se presenta una forma alternativa para controlar y monitorear en tiempo real la variable temperatura; para ello se dispone de un computador de escritorio que utiliza el software MATLAB 7.1 y la herramienta Real-Time Windows Target.I. INTRODUCCIÓNEl control automático ha desempeñado un papel importante en el avance de la ingeniería y la ciencia; dada su gran importancia en diferentes sistemas, tales como vehículos espaciales y guiado de misiles y robots, el control se ha convertido en parte integral de los procesos modernos industriales y de fabricación. Por ejemplo, el control automático es fundamental para el control de presión, temperatura, humedad, viscosidad, nivel y caudal en las industrias de control de procesos, para mejorar la productividad y simplificar el trabajo de muchas operaciones manuales repetitivas y rutinarias, consiguiendo con esto un comportamiento óptimo de los sistemas [1].Numerosos estudios han investigado el desempeño de los controladores predictivos basados en el modelo MPC [2-3]. Salcedo y Correa [2] diseñaron un simulador para control predictivo, versión modular, que también permite configurar estrategias de control PID convencionales. Gómez y Correa [3] implementaron un sistema de control predictivo multivariable en un horno y lograron incrementar su eficiencia y la vida útil de sus componentes. En algunos sistemas físicos existe un retardo importante entre la acción y la respuesta del sistema; esto es típico de los sistemas de control de temperatura, debido principalmente a dos razones: la primera es que estos sistemas pueden tener una dinámica lenta propia de los sistemas térmicos; la segunda es debido al retardo de transporte, o tiempo muerto, producido principalmente por el sistema de tuberías que poseen la mayoría de ellos.Durante mucho tiempo ha sido práctica común el análisis y diseño de sistemas de control lineales para el control de sistemas de temperatura utilizando un controlador de tipo Proporcional, Integral y Derivativo (PID) donde se han obtenido resultados aceptables [46].El desempeño de un controlador PID para sistemas de control de temperatura puede mejorarse añadiendo una acción predictiva para compensar el retardo de la respuesta de este tipo de sistema.

Esta investigación se enfocó en un algoritmo de control predictivo por modelo distribuido. Los controladores con esta estrategia se comunican entre sí con el fin de calcular la secuencia de control. Sin embargo, no existen suficientes recursos de comunicación para intercambiar información entre los subsistemas debido a la red de comunicación limitada. Aquí se muestra un esquema de control predictivo por modelo distribuido mejorado con conjunto de planificación de control.

Los sistemas de manejo térmico para movilidad eléctrica (E-mobility) ayudan a disminuir el consumo energético y aumentar el rango. Debido a las condiciones externas transitorias y la complejidad creciente del sistema, se necesitan optimizaciones fundamentadas en control para aprovechar todo su potencial. En un estudio anterior (click aquí) se analizó un ciclo de desarrollo por modelo para un sistema de manejo térmico en movilidad eléctrica. Con base en este, aquí se describe el uso de este modelo dentro de un enfoque de control predictivo por modelo no lineal.

En este documento se muestra la implementación de controladores predictivos por modelo económicamente orientados para la optimización dinámica en tiempo real de la operación de plantas de tratamientos de aguas residuales. Se validaron formulaciones tanto de un controlador de optimización económica (EMPC puro) como de un controlador de rastreo económicamente orientado (HEMPC) en la plataforma del modelo de simulación de referencia (BSM1) que representa el comportamiento de un proceso característico de lodos activados.