Análise e desenvolvimento de controladores preditivos multivariáveis baseados em multi-modelos bilineares

This work addresses issues related to analysis and development of multivariable predictive controllers based on bilinear multi-models. Linear Generalized Predictive Control (GPC) monovariable and multivariable is shown, and highlighted its properties, key features and applications in industry. Bilinear GPC, the basis for the development of this thesis, is presented by the time-step quasilinearization approach. Some results are presented using this controller in order to show its best performance when compared to linear GPC, since the bilinear models represent better the dynamics of certain processes. Time-step quasilinearization, due to the fact that it is an approximation, causes a prediction error, which limits the performance of this controller when prediction horizon increases. Due to its prediction error, Bilinear GPC with iterative compensation is shown in order to minimize this error, seeking a better performance than the classic Bilinear GPC. Results of iterative compensation algorithm are shown. The use of multi-model is discussed in this thesis, in order to correct the deficiency of controllers based on single model, when they are applied in cases with large operation ranges. Methods of measuring the distance between models, also called metrics, are the main contribution of this thesis. Several application results in simulated distillation columns, which are close enough to actual behaviour of them, are made, and the results have shown satisfactory

Este trabalho aborda aspectos relacionados à análise e ao desenvolvimento de controladores preditivos multivariáveis baseados em multi-modelos bilineares. O Controlador Preditivo Generalizado (GPC) Monovariável e Multivariável para o caso linear é apresentado, sendo destacadas suas propriedades, características principais e aplicações na indústria. O GPC bilinear, que é o controlador base de todo o desenvolvimento desta Tese, é apresentado através da abordagem da quasilinearização por degrau de tempo. Alguns resultados empregando este controlador são apresentados de forma a evidenciar o melhor desempenho do mesmo, quando comparado ao GPC linear, visto que os modelos bilineares representam melhor a dinâmica de determinados processos. A quasilinearização por degrau de tempo, devido ao fato de ser uma aproximação, provoca um erro de predição, que limita o desempenho deste controlador à medida que seu horizonte de predição aumenta. Devido ao referido erro de predição, o GPC bilinear com compensação iterativa é mostrado de forma a minimizar o referido erro, buscando um melhor desempenho que o GPC bilinear clássico. Alguns resultados utilizando o algoritmo de compensação iterativa são mostrados. O emprego dos multi-modelos é abordado nesta Tese, buscando suprir a deficiência existente em controladores baseados em modelo único, quando os mesmos são aplicados em processos com grandes faixas de operação. Formas de mensuração de distância entre modelos, também chamadas de métricas, consistem na principal contribuição desta Tese. Diversos resultados de aplicação em colunas de destilação simuladas, que se aproximam bastante do comportamento real das mesmas, foram realizados, e os resultados se mostraram satisfatórios