Tde

CARLOS ROBERTO PORFRIO
IMPLANTAO DE UM CONTROLADOR MULTIMODELOS EM

UMA COLUNA DEPROPANIZADORA INDUSTRIAL
Dissertao apresentada Escola

Politcnica da Universidade de
So Paulo para obteno do ttulo
de Mestre em Engenharia.
SO PAULO
Outubro/2001
CARLOS ROBERTO PORFRIO
IMPLANTAO DE UM CONTROLADOR MULTIMODELOS EM

UMA COLUNA DEPROPANIZADORA INDUSTRIAL
Dissertao apresentada Escola

Politcnica da Universidade de
So Paulo para obteno do ttulo
de Mestre em Engenharia.
rea de Concentrao:
Engenharia Qumica
Orientador:
Prof. Dr Darci Odloak
SO PAULO
Outubro/2001
Porfrio, Carlos Roberto

Implantao de um Controlador Multimodelos em uma Coluna
Depropanizadora Industrial.
So Paulo, 2001.
130p.
Dissertao (Mestrado) Escola Politcnica da Universidade de
So Paulo. Departamento de Engenharia Qumica.
1. Controle de Processo
2. Controle Preditivo
3. Coluna
Depropanizadora 4. Controle Multimodelos
I. Universidade de So Paulo. Escola Politcnica. Departamento de
Engenharia Qumica II. T
A todos os meus mestres, que ao longo de minha

vida me mostraram o valor da educao, e a Deus
por me dar foras para conseguir superar todas as
dificuldades enfrentadas nesta jornada.
AGRADECIMENTOS
Ao Prof. Dr. Darci Odloak pela orientao e dedicao, tornando possvel a realizao
deste trabalho.
minha esposa e filho, Ronilda e Gabriel, pela compreenso e incentivo durante a

realizao deste trabalho.
Ao engenheiro Euclides Almeida Neto pela pacincia, apoio e incentivo nas

interminveis discusses durante a realizao deste trabalho.
Petrobras, em nome do engenheiro Antnio Maylinch Teruel, por permitir e

incentivar a realizao desta especializao profissional.
Ao colega Dr. Oscar Rotava pelas sugestes e reviso final do trabalho.
Ao colega Dr. Marco Antnio Rodrigues pela ajuda na preparao das transparncias
para a apresentao final deste trabalho.
A meu pai Onofre Porfrio e meus irmos Maurcio, Elcio, Beatriz, Rodrigo e Jnior
pelo incentivo durante toda minha vida acadmica e tambm pela amizade, carinho e
convivncia.
Aos Operadores da Unidade de Craqueamento Fluido da RPBC pelo auxlio durante os

diversos testes realizados na unidade durante a elaborao deste trabalho.
ii
SUMRIO
INTRODUO ................................................................................................................ 1
1.1 - Apresentao da problemtica de controle de colunas de pureza elevada............ 1
1.2 - Reviso bibliogrfica ............................................................................................ 2
1.3 - Objetivo do trabalho ............................................................................................. 6
PROBLEMA DE CONTROLE DA COLUNA DEPROPANIZADORA ........................8
2.1 - Especificaes dos produtos ................................................................................. 8
2.1.1 - Especificaes do PROPANO ........................................................................... 8
2.1.2 - Especificaes do BUTANO ............................................................................. 9
2.2 - Descrio do processo........................................................................................... 9
2.3 - Variveis operacionais ........................................................................................ 10
2.3.1 - Vazo de carga................................................................................................. 11
2.3.2 - Temperatura da carga....................................................................................... 11
2.3.3 - Composio da carga ....................................................................................... 11
2.3.4 - Presso da coluna............................................................................................. 11
2.3.5 - Vazo de refluxo.............................................................................................. 12
2.3.6 - Vazo do fluido de aquecimento para refervedor ............................................12
2.3.7 - Temperatura de topo ........................................................................................ 12
2.4 - Fatores de desempenho do sistema..................................................................... 13
2.5 - Limitaes do processo....................................................................................... 13
2.6 - Estratgias de controle da coluna depropanizadora ............................................13
2.6.1 - Temperatura de retorno do refervedor - vazo de refluxo de topo .................14
2.6.2 - Vazo do fluido de aquecimento do refervedor - vazo de refluxo de topo ... 15
DESCRIO SUMRIA DO HYSYS.......................................................................17
SIMULAO ESTTICA DA DEPROPANIZADORA .............................................. 19
4.1 Etapas da construo do modelo esttico.......................................................... 19
4.1.1 Definio das bases de simulao ................................................................... 19
4.1.2 Caracterizao da carga do sistema................................................................. 21
4.1.3 Definio das operaes unitrias envolvidas no processo............................. 22
iii
4.1.4 Especificao dos graus de liberdade do sistema............................................ 24

4.1.5 Validao do modelo esttico ......................................................................... 25
4.1.6 Definio dos estudos da simulao esttica................................................... 27
SIMULAO DINMICA DA DEPROPANIZADORA ............................................. 29
COMPORTAMENTO DO PROCESSO ........................................................................ 34
6.1 Regio de Operao e Ganhos do Processo ....................................................... 35
IDENTIFICAO DOS MODELOS DO SISTEMA .................................................... 43
7.1 Algoritmo de identificao de modelos na forma analtica................................ 44
7.2 Modelos de Processo Identificados .................................................................... 49
ALGORITMOS DE CONTROLE .................................................................................. 57
8.1 MPC com modelo no-paramtrico ................................................................... 58
8.1.1 Clculo das predies das variveis controladas............................................. 58
8.1.1.1 Efeito da ltima ao de controle................................................................. 58
8.1.1.2 Correo das predies com as leituras da planta ........................................ 60
8.1.1.3 Translao da predio corrigida ................................................................. 63
8.1.2 Clculo das aes de controle ......................................................................... 64
8.1.2.1 Trajetria de referncia das variveis controladas ....................................... 65
8.1.2.2 Clculo dos erros das variveis controladas................................................. 67
8.1.2.3 Algoritmo de controle preditivo................................................................... 68
8.1.2.3.1 Algoritmo DMC ........................................................................................ 69
8.1.2.3.2 Algoritmo QDMC ..................................................................................... 70
8.1.2.3.2.1 Restries de movimentos...................................................................... 72
8.1.2.3.2.2 Restries de limites .............................................................................. 72
8.2 MPC com modelo de ordem reduzida................................................................ 74
8.2.1 Modelo de funo de transferncia ................................................................. 74
8.2.2 Predio com modelos paramtricos............................................................... 78
8.2.3 Clculo das predies das variveis controladas............................................. 82
8.2.3.1 Efeito da ltima ao de controle................................................................. 83
8.2.3.2 Correo das predies com as leituras da planta ........................................ 84
8.2.3.3 Translao da predio corrigida ................................................................. 86
8.2.4 Clculo das aes de controle ......................................................................... 89
8.2.4.1 Trajetria de referncia das variveis controladas ....................................... 89
iv
8.2.4.2 Clculo dos erros das variveis controladas................................................. 90

8.2.5 Algoritmo de controle preditivo...................................................................... 92
8.2.5.1 MMPC (Multi-Model Predictive Control)................................................... 92
8.2.5.1.1 Algoritmo MMPC ..................................................................................... 93
8.2.5.1.2 Representao de incertezas do sistema.................................................... 94
APLICAO DO MPC COLUNA DEPROPANIZADORA .................................... 96
9.1 Comparao QDMC vs MMPC ........................................................................ 98
9.1.1 Ajuste sintonia dos controladores ................................................................... 99
9.1.2 QDMC e MMPC com sintonias ajustadas .................................................... 102
9.1.3 Alterao no modelo da planta...................................................................... 105
9.2 Implantao do controlador MMPC na planta industrial ................................. 109
9.2.1 SICON - Sistema de Controle (da Petrobras)................................................ 118
CONCLUSES E SUGESTES ................................................................................. 122
10.1 Concluses ..................................................................................................... 122
10.2 Sugestes........................................................................................................ 123
REFERNCIAS BIBLIOGRFICAS .......................................................................... 125
APNDICE A - FUNO DE TRANSFERNCIA DOS MODELOS
IDENTIFICADOS......................................................................................................... 129
LISTA DE FIGURAS
Figura 2.1 Esquema de produo de GLP em refinarias de petrleo ............................. 8
Figura 2.2 Fluxograma de processo da coluna depropanizadora.................................10
Figura 4.1 Fluxograma de processo da simulao ....................................................... 22
Figura 4.2 Fluxograma de processo coluna simulada .................................................. 23
Figura 5.1 Esquema de controle da coluna depropanizadora....................................... 30
Figura 5.2 Diagrama em blocos da malha fechada. ..................................................... 33
Figura 6.1 Dualidade das qualidades dos produtos da coluna...................................... 34
Figura 6.2 Regio de operao das variveis manipuladas .......................................... 37
Figura 6.3 Ganhos do C3- versus a vazo de refluxo................................................... 38
Figura 6.4 Ganhos do C3- versus Vazo de GOP ........................................................ 39
Figura 6.5 Ganhos do C4+ versus vazo de refluxo ..................................................... 39
Figura 6.6 Ganhos do C4+ versus vazo de GOP ......................................................... 40
Figura 6.7 Ganhos da Temperatura de Topo versus vazo de Refluxo........................ 40
Figura 6.8 Ganhos da Temperatura de Topo versus vazo de GOP............................. 41
Figura 7.1 Regio de operao do processo ................................................................. 49
Figura 7.2 Modelos de resposta ao degrau nas manipuladas. O modelo da planta real
o FD......................................................................................................................... 51
Figura 7.3 Modelos de resposta ao degrau nas perturbaes. O modelo da planta real
o FD................................................................................................................... ......52
Figura 9.1.a Comparao QDMC( - - - ) x MMPC( ) com mesma sintonia ....... 100
Figura 9.1.b QDMCsupr = 0.001(- - -) QDMCsupr = 0.5()................................. 101
Figura 9.1.c Alterao do set-point do teor de C3- QDMC( - - - ) MMPC( ) ... 103
Figura 9.1.d Alterao da faixa de controle da Ttopo QDMC( - - - ) MMPC( ).. 104
Figura 9.1.e Aplicao de degrau na vazo de carga QDMC( - - - ) MMPC( ) ... 104
Figura 9.1.f Aplicao de degrau na TGOP QDMC( - - - ) MMPC( )................. 105
Figura 9.1.g Mudana p/ modelo 1 no instante 20 QDMC( - - - ) MMPC( )....... 106
Figura 9.1.h - Mudana modelo p/ 2 no instante 20 QDMC( - - - ) MMPC( ) ...... 107
Figura 9.1.i - Mudana modelo para 3 no instante 20 QDMC( - - - ) MMPC( )..... 107
Figura 9.1.j - Mudana modelo para 4 no instante 20 QDMC( - - - ) MMPC( )..... 108
Figura 9.1.k - Mudana modelo p/ 5 no instante 20 QDMC( - - - ) MMPC( ) ....... 109
vi
Figura 9.2.a1 Variveis controladas em operao tpica............................................ 113

Figura 9.2.a2 Variveis manipuladas em operao tpica .......................................... 113
Figura 9.2.a3 Variveis perturbadoras em operao tpica ........................................ 113
Figura 9.2.b1 Variveis controladas teste 1 ............................................................... 114
Figura 9.2.b2 Variveis manipuladas teste 1.............................................................. 114
Figura 9.2.b3 Variveis perturbadoras teste 1............................................................ 114
Figura 9.2.c1 Variveis controladas teste 2................................................................ 115
Figura 9.2.c2 Variveis manipuladas teste 2.............................................................. 115
Figura 9.2.c3 Variveis perturbadoras teste 2 ............................................................ 116
Figura 9.2.d1 Variveis controladas teste 3 ............................................................... 117
Figura 9.2.d2 Variveis manipuladas teste 3.............................................................. 117
Figura 9.2.d3 Variveis perturbadoras teste 3............................................................ 117
Figura 9.2.e - Interfaces de controle.............................................................................. 118
Figura 9.2.f Tela de configurao/sintonia do controlador ........................................ 120
Figura 9.2.g Tela de configurao/sintonia de varivel controlada............................ 120
Figura 9.2.h - Tela de configurao/sintonia de varivel manipulada .......................... 121
Figura 9.2.i - Tela de Configurao de Varivel Perturbadora ..................................... 121
vii
LISTA DE TABELAS
Tabela 4.1 Componentes puros considerados .............................................................. 20
Tabela 4.2 Condies da carga..................................................................................... 21
Tabela 4.3 Composio da carga.................................................................................. 21
Tabela 4.4 Especificaes da simulao ...................................................................... 25
Tabela 4.5 Resultados da simulao ............................................................................ 26
Tabela 4.6 Variveis manipuladas ............................................................................... 27
Tabela 4.7 Restries do processo ............................................................................... 27
Tabela 5.1 Dados geomtricos dos equipamentos ....................................................... 30
Tabela 5.2 Parmetros de configurao dos controladores .......................................... 31
Tabela 5.3 Parmetros de sintonia dos controladores .................................................. 31
Tabela 6.1 Parmetros dos modelos das inferncias .................................................... 36
Tabela 6.2 Ganhos do processo em relao vazo de refluxo................................... 41
Tabela 6.3 Ganhos do processo para a vazo de GOP. ................................................ 42
Tabela 6.4 Ganhos do processo para a vazo de carga ................................................ 42
Tabela 6.5 Ganhos do processo para a temperatura do fluido de aquecimento ........... 42
Tabela 7.1 Pontos de operao dos modelos do processo............................................ 50
Tabela 9.1 Ganhos dos modelos identificados............................................................. 99
Tabela 9.2: Caractersticas dos controladores utilizados ................................................ 99
Tabela 9.3 Parmetros de sintonia dos controladores para figura 9.1.a ..................... 100
Tabela 9.4 Parmetros de sintonia dos controladores para figura 9.2.a ..................... 101
Tabela 9.5 Sintonia dos controladores para item 9.1.2 .............................................. 102
Tabela 9.6 Parmetros de sintonia do controlador industrial ..................................... 112
Tabela A1 Parmetros da funo de transferncia para o modelo 1 .......................... 129
Tabela A4 Parmetros da funo de transferncia para o modelo 4. ......................... 131
Tabela A5 Parmetros da funo de transferncia para o modelo 5..........................131
Tabela A6 Parmetros da funo de transferncia para modelo da planta industrial 132
viii
LISTA DE ABREVIATURAS
C3 -
% propano e componentes com pesos moleculares mais baixos
C4 +
% de iso-butano e componentes de maior peso molecular
CV1
Varivel controlada 1
CV2
Varivel controlada 2
DDE
Dynamic Data Exchange
DEA
Di-Etanol amina
Det(Kp)
Determinante da matriz de ganhos do processo
DMC
Dynamic Matrix Control
FCC
Craqueamento cataltico flido
FC
Controlador de vazo
FIR
Finite Impulse Response
GLP
Gs Liqefeito de Petrleo
GPC
Generalized Predictive Control
HYSYS
Software de simulao de processo da empresa Hyprotech Inc
ISE
Integral do erro quadrtico
LDMC
Linear Dynamic Matrix Control
LC
Controlador de Nvel
LMI
Linear Matrix Inequality
LP
Programao linear
LREB
Nvel de fundo da coluna
L/V
Relao molar lquido e vapor no estgio da coluna
MAC
Model Algorithmic Control
Matlab
Software Matemtico da empresa Mathworks Inc
Mdl
Modelo
MMPC
Multi-Model Predictive Control
MPC
Controlador preditivo multivarivel
MPHC
Model Predictive Heuristic Control
MV1
Varivel manipulada 1
MV2
Varivel manipulada 2
NC
Nmero de componentes do sistema

ix
OLE
Object Link Embeding
OP
Sada do controlador
PCOND
Presso no condensador
PI
Software de superviso do processo Plant Information
PID
Controlador proporcional integral e derivativo
PV
Varivel de processo
P#24
Presso no estgio 24
Qcond
Calor absorvido na condensao
QDMC
Quadratic Dynamic Matrix Control
QP
programao quadrtica
QREB
Carga trmica do refervedor
REFAP
Refinaria Alberto Pasqualini
REPLAN
Refinaria de Paulnia
REVAP
Refinaria do Vale do Paraba
RPBC
Refinaria Presidente Bernardes de Cubato
SDCD
Sistema Digital de Controle Distribudo
SICON
Sistema de Controle da Petrobras
SISO
Sistema monovarivel
SP
Setpoint
SQP
Programao quadrtica sucessiva
TC
Controlador de temperatura
TGOP
Temperatura do gasleo pesado
TTOPO
Temperatura de topo da coluna
UA
Coeficiente global de troca trmica
UFCC
Unidade de Craqueamento Cataltico Fluido
UGAV
Unidade de Gasolina de Aviao
USP
Universidade de So Paulo
VBUTANO
Vazo de butano
VCARGA
Vazo de carga
VGOP
Vazo de gasleo pesado
VPROPANO
Vazo de propano
VPP
Vazo de propano
x
VFR
Vazo de Refluxo de Topo
xi
LISTA DE SMBOLOS
a
Termos do denominador do modelo do processo
Termos do numerador do modelo do processo
Parmetro do modelo dependente do tempo
c0
Parmetro do modelo independente do tempo
Matriz dos parmetros do modelo dep. do tempo
Matriz diag. dos parm. do modelo dep. do tempo
C0
Matriz dos parmetros do modelo indep. do tempo
Coef. de atualizao dos parmetros do modelo
Matriz de coef. de atualizao dos parmetros
det
Determinante de uma matriz
E(t)
Erro no instante t
Erro na controlada antes do controle
Vetor de erros nas controladas aps o controle
ek+
Erros das controladas no estado estacionrio
Vazo do fluido
FD
Modelo da planta industrial
f(t)
Funo exponencial do modelo do processo
g(s)
Funo de transferncia contnua do processo
Iny
Matriz diagonal de dimenso ny
Jk
Funo objetivo do controlador preditivo
Matriz de correo da predio da sada
Kc
Ganho do controlador PID
KMPC
Matriz de ganhos do controlador preditivo
Kp
Ganho do processo
Nmero de modelos alternativos do processo
Matriz de transio de estado
Horizonte de controle
Instante de amostragem futuro n = 1, 2,
na
Nmero de plos do processo

xii
np
Horizonte de predio
nu
Nmero de variveis manipuladas
ny
nmero de variveis controladas
Matriz de correo do erro
nr
Horizonte de otimizao
Nr
~
N
Matriz de predio para controle
Np
Matriz de repetio das aes de controle
n0
Nmero de translaes contnuas das predies
nh
Nmero de instantes esparsos das predies
OP
sada do controlador em percentagem
OPSS
Sada do controlador no estado estacionrio inicial
p0
Parmetro de predio da sada indep. do tempo
Parmetro de predio da sada dep. do tempo
pi
Vetor de parmetros indep. de predio das sadas
pt
Vetor de parmetros dep. de predio das sadas
p ic
Parmetro indep. corrigido de predio da sada
p ic, j , g
Parmetro dep. corrigido de predio da sada
Raiz do modelo do sistema
Resposta ao degrau unitrio
Matriz de resposta ao degrau unitrio
Sm
Matriz dinmica do sistema
Perodo de amostragem
Instante de tempo
Valor da entrada (varivel manipulada)
Desvio da predio em relao planta
Wk
Vetor de perturbao no estado do sistema
yd
Resposta ao degrau unitrio
Valor da sada (varivel controlada)
Vetor da predio da sada
Valor de medida da sada
Matriz de propagao dos setpoints das sadas
xiii
yc
Predio corrigida da varivel controlada
y%
Vetor de predio da sada para controle
Vetor de predio da sada aps ao de controle
ysp
Setpoint da controlada
ysp
Vetor de setpoints das controladas
Smbolos Gregos
Incremento de uma varivel
Tempo derivativo do controlador PID
Tempo integral do controlador PID
Tempo morto
Peso que pune o desvio
Fator de supresso da manipulada
Fator de importncia da controlada
Fatores de supresso das manipuladas
Matriz dos fatores de importncia das controladas
Funo objetivo do QDMC
Matriz de predio das sadas
Resduo da funo objetivo do problema de NLP
xiv
RESUMO
As colunas depropanizadoras existentes nas refinarias de petrleo tm como
funo a separao entre as correntes de propano e butano. O objetivo de controle nestas
colunas a especificao de um teor mximo de iso-butano e mais pesados (C4+) na
corrente de propano e do teor mximo de propano e mais leves (C3-) na corrente de
butano. Controladores multivariveis tradicionais, que normalmente so implementados
nas colunas depropanizadoras, apresentam grande dificuldade para manter os produtos
dentro de suas especificaes, isto se deve ao fato de que este processo apresenta um
comportamento bastante no-linear ao longo de toda sua regio de operao.
Neste trabalho temos como objetivo estudar as dificuldades encontradas no
projeto de controle para esse tipo de sistema e implantar na planta industrial um
controlador multivarivel utilizando mltiplos modelos para controle da coluna. Para
realizarmos este estudo utilizamos o simulador de processos HYSYS para
verificarmos o comportamento esttico e dinmico do processo. Os modelos utilizados
para representar o processo so aqueles obtidos durante o estudo do comportamento
dinmico. Para implantao do controlador na unidade industrial utilizado o SICON
(Sistema de Controle da Petrobras) sendo algumas de suas rotinas modificadas para
permitir a incluso dos mltiplos modelos. Durante o estudo so comparadas as
performances dos controladores QDMC e MMPC (Multi-Model Predictive Control)
resolvido atravs de um algoritmo para NLP (Non Linear Programming).
O controlador multimodelos (MMPC) apresentado na forma de variveis de
estado podendo controlar sistemas de grande porte, inclusive sistemas com dinmicas
lentas e rpidas. Esta formulao permite prever as variveis controladas em instantes de
tempo esparsos e diferentes para cada controlada. O MMPC capaz de tratar problemas
de controle no-linear usando modelos lineares, introduzindo o conceito de robustez
com a utilizao do conjunto de modelos. O MMPC exige um menor esforo de sintonia
que o QDMC sendo adequado para uma regio mais ampla de operao.
xv
ABSTRACT
Depropanizer columns are used in oil refineries for the separation of the propane
stream from the butane stream. The control objective of these columns is the
specification of a maximum content of iso-butane and heavier components (C4+) in the
propane product and the maximum content of propane and lighter components (C3-) in
the butane product. Multivariable controllers usually implemented in depropanizer
columns frequently present great difficulty to maintain the products inside their
specification ranges. This deficiency is due to the fact that the process presents a quite
non-linear behavior along its operating window.
The objective of the present work is to study the difficulties found in the design
of the control system for the aforesaid process, and to implement in an industrial plant a
multivariable controller using multiple models for the control of the separation column.
To accomplish this study we used the HYSYS process simulator to verify the static
and dynamic behavior of the process. The models used to represent the real process in
the controller are those obtained during the study of the dynamic behavior. The
controller implementation in the industrial unit was done with SICON (Control System
of Petrobras), which had some of its routines modified to allow the inclusion of multiple
models. Along the work, performances of QDMC and MMPC(Multi-Model Predictive
Control) controllers were compared. MMPC was solved through an algorithm for NLP
(Non Linear Programming).
The Multi-Model (MMPC) controller was implemented using a state space
formulation which allows for the implementation of very large systems and besides,
systems with simultaneous slow and fast dynamics. This formulation allows to foresee
the controlled
variables at sparse sample instants, that can be distinct for each
controlled variable. MMPC is able to handle non-linear control problems using linear
models by introducing the robustness concept with the use of a set of models. MMPC
demands a smaller tuning effort than QDMC, and can be adapted to a wide range of
operating conditions.
xvi
1
INTRODUO
1.1 - Apresentao da problemtica de controle de colunas de pureza elevada
As colunas depropanizadoras presentes nas refinarias de petrleo da Petrobras

esto localizadas nas unidades de Craqueamento Cataltico Fluido (UFCCs). Estas
colunas so utilizadas para permitir a separao das correntes de propano e butano. No
caso da RPBC (Refinaria Presidente Bernardes Cubato) o propano enviado para o
pool de GLP (gs liquefeito de petrleo) e o butano enviado para a unidade de gasolina
de aviao (UGAV).
A estratgia de controle regulatrio existente na coluna depropanizadora feita
no SDCD (Sistema Digital de Controle Distribudo) e consiste nos seguintes
controladores principais: controlador de vazo de carga (sendo este cascateado pelo
controlador de nvel do vaso de carga), controlador de presso da coluna (controla a
presso no estgio 24, manipulando a vazo de retirada de produto de topo (propano)),
controlador de nvel de fundo (manipula a vazo de retirada de produto de fundo
(butano)), controlador de temperatura de fundo (manipula a entrada de fludo de
aquecimento (gasleo pesado) para o refervedor) e por ltimo o controlador de vazo de
refluxo (tem a possibilidade de ser cascateado pela temperatura de topo). A atuao do
operador para controle da qualidade dos produtos feita preferencialmente manipulando
o set-point do controlador de vazo de refluxo e o set-point do controlador de
temperatura de fundo da coluna.
O controlador preditivo proposto neste trabalho tem a seguinte estrutura: duas
variveis controladas que so o teor de C4+ (componentes mais pesados que o propano)
no propano (ou a temperatura de topo) e o teor de C3- (componentes mais leves que o
propano) no butano, duas variveis manipuladas que so o set-point da vazo de refluxo
e o set-point da vazo de fluido de aquecimento do refervedor e duas variveis
perturbadoras que so a vazo de carga e a temperatura do fluido de aquecimento. A
prtica mostra que a utilizao do teor de C4+ como varivel controlada no adequada,
devido ao modelo (inferncia) atualmente disponvel para clculo da mesma no
Captulo 1 - Introduo
apresentar resultados satisfatrios. Assim, neste trabalho, optou-se por utilizar a

temperatura de topo da coluna como feito normalmente na planta industrial. No entanto,
os modelos de processo levantados para o controlador contemplam as duas variveis.
Tradicionalmente o projeto do controlador preditivo, consiste em definir
inicialmente o problema de controle e as funes do controlador, alm da escolha das
variveis manipuladas, controladas e perturbaes. Uma vez definidas as funes de
controle, identifica-se o processo atravs de testes em degrau nas variveis manipuladas
e perturbaes medidas, em um determinado ponto de operao do processo. Em
seguida, constri-se o controlador configurando e customizando a sua programao.
Finalmente, sintoniza-se o controlador fazendo uso de simulao para definir os
melhores valores dos parmetros de sintonia. Uma alternativa para se fazer a sintonia de
forma sistemtica para sistemas quadrados pode ser encontrada em Trierweiler et al.
(2001). A etapa final consiste na interligao do controlador preditivo aos controladores
PID do processo, atravs de um sistema digital, normalmente SDCD (Sistema Digital de
Controle Distribudo).
Com o objetivo de estudar melhor os problemas de controle desta natureza,
podemos utilizar simuladores estticos e dinmicos rigorosos. Com esta ferramenta,
podemos efetuar um estudo detalhado do problema de controle, determinando na regio
de operao das variveis manipuladas, os ganhos do processo e suas dinmicas nos
diversos pontos de operao. Com este estudo, podemos determinar os limites do
sistema quanto sua capacidade de controle.
1.2 - Reviso bibliogrfica
Os controladores preditivos (MPCs) so uma classe de algoritmos de controle

que calculam uma srie de aes das variveis manipuladas com a finalidade de otimizar
o comportamento futuro da sada da planta. As primeiras aplicaes industriais foram
implementadas nas unidades de processo das refinarias de petrleo.
Os primeiros algoritmos MPCs aplicados industrialmente surgiram nos meados
da dcada de 70, sendo a primeira aplicao industrial apresentada por Richalet em 1976
e reportada em 1978 (Richalet et al., 1978). O controlador foi implementado em uma
coluna fracionadora de FCC e tambm em um sistema de gerao de vapor. Este
algoritmo ficou conhecido como MPHC (Model Predictive Heuristic Control) e tambm
como MAC (Model Algoritmic Control). Paralelamente Cutler e Ramaker
desenvolveram o controlador DMC (Dynamic Matrix Control) sem restries,
apresentado em 1979 (Cutler e Ramaker, 1979). Em 1980, Prett e Gillette descreveram
uma aplicao do algoritmo DMC sem restries num conjunto reator/regenerador de
FCC (Craqueamento Cataltico). Esta foi a primeira aplicao do controlador preditivo
em dois nveis. O primeiro nvel consta de um algoritmo de programao linear (LP),
que resolve um problema de otimizao no estado estacionrio sujeito s restries do
processo. O segundo nvel recebe os valores timos das entradas e os setpoints das
sadas e resolve o problema atravs do controlador DMC sem restries.
Os controladores MAC e DMC
apresentavam dificuldade de incorporar as
restries nos problemas de controle. Este fato levou ao surgimento de uma nova classe
de controladores preditivos. O problema foi resolvido com a utilizao dos algoritmos
QDMC (Quadratic Dynamic Matrix Control) e LDMC (Linear Dynamic Matrix
Control), nos quais as restries aparecem explicitamente dentro do problema de
otimizao. Em 1985 Morshedi, Cutler e Skrovanek descreveram o algoritmo LDMC e
em 1986, Garcia e Morshedi descreveram o algoritmo QDMC e apresentaram os
resultados de uma aplicao em um forno de pirlise. Na abordagem do LDMC e
QDMC, foi introduzido o controle por faixa, onde se controla o processo atravs de uma
janela de operao.
Neste estgio de desenvolvimento dos controladores preditivos, a Petrobras
decidiu implantar seus prprios controladores, sendo os mesmos desenvolvidos em
conjunto com o departamento de engenharia qumica da Escola Politcnica da USP.
Assim, surgiu a primeira aplicao em um forno de resduo atmosfrico da unidade de
destilao da Refinaria Presidente Bernardes de Cubato - RPBC (Zanin e Odloak,
1992), onde se utilizou o controlador LDMC em uma camada. Em seguida surgiram
outras aplicaes de mesma natureza, como os controles da coluna debutanizadora da
REPLAN, da coluna atmosfrica da REPLAN (Magalhes e Odloak, 1995) e da coluna
de destilao vcuo da REPLAN (Almeida et al., 1996). Alm destas aplicaes,
surgiram outras nas unidades de craqueamento cataltico fluido, onde se utilizou o
controlador DMC em duas camadas. Dentre eles, temos o controle do conversor do FCC
da Refinaria do Vale do Paraba - REVAP (Moro e Odloak, 1994, Moro e Odloak,
1995) e do conversor do FCC da REPLAN (Spandri et al., 1995). A partir destas

aplicaes, estes controladores foram amplamente difundidos nas unidades da Petrobras,
incluindo unidades de gasolina de aviao, coqueamento retardado, recuperao de
aromticos e outras.
Os controladores DMC, LDMC e QDMC j estavam consolidados em meados
da dcada de 80. A partir da despertou-se o interesse dos pesquisadores pela anlise da
robustez dos mesmos, isto , a utilizao da estrutura de controle junto planta, onde
existem incertezas nas medidas e nos modelos utilizados pelo controlador. Uma srie de
trabalhos exploraram este assunto, dentre eles podemos destacar Garcia e Morari (1982,
1985); Rouhani e Mehra (1982); Morari e Doyle (1986) e Morari e Zafirou (1989).
Neste ponto surgiram algumas propostas de anlise de estabilidade dos MPCs, entre
elas uma abordagem paramtrica dos MPCs, denominado GPC (Generalized Predictive
Control) proposto por Clarke et al. em 1987. Esta abordagem estimulou uma
uniformizao dos MPCs sob a forma de variveis de estado. Li et al. (1989) apresentam
uma descrio bem detalhada do MPC em variveis de estado, explicando as suas
propriedades e apresentando melhorias em relao ao DMC, como a utilizao do filtro
de Kalman para modelar as perturbaes no medidas.
Morari e Lee (1991) propuseram solues de controle para sistemas de grande
porte, onde se utilizou a representao do sistema em espao de estado, e o modelo da
perturbao atravs do filtro de Kalman e incluiu-se a anlise de robustez no projeto do
controlador.
Odloak (1995), apresentou o controlador DMC em variveis de estado, com
possibilidade de analisar o sistema de controle em malha fechada, isto , a resposta do
processo s aes de controle equacionada juntamente com o controlador. Esta
abordagem permite a verificao da estabilidade da malha fechada sem realizar as
simulaes do sistema. Isto possibilita o estudo da estabilidade do controlador diante
dos parmetros de sintonia e de possveis configuraes do controle.
A utilizao do controlador MPC tradicional em variveis de estado tem a
dimenso do estado correspondente ao nmero de coeficientes da resposta ao degrau do
modelo do DMC. Assim, as principais limitaes do DMC (Lundstrm et al., 1995),
como o esforo computacional para controladores de grandes dimenses, e processos
com dinmicas muito lentas, continuaram sendo restries ao uso desta abordagem.
Com objetivo de resolver este tipo de problema, foram apresentadas algumas propostas
de truncamento do modelo de resposta ao degrau, entre elas (Hovd et al., 1993), que no
teve porm muita aceitao. Outra abordagem a compactao do controlador atravs
da reduo da ordem do modelo. Lee et al. (1994) propuseram uma reduo do estado
atravs da construo de um filtro timo (filtro de Kalman), cujo ganho resolvido
atravs da equao de Riccati. Neste ltimo trabalho foi realizada uma conexo desta
abordagem com o controlador DMC, porm os autores no conseguiram manter
exatamente a forma original do DMC e QDMC.
Com a necessidade de se aplicar os MPCs para sistemas de grande porte (um
nico controlador para toda uma unidade de processo) ou sistemas com dinmicas
lentas, e diante das dificuldades de apresentao do controlador DMC em sua
formulao original em espao de estado e de forma reduzida, Odloak (1996) apresentou
uma forma eficiente do controlador em espao de estado de ordem reduzida. Nesta
formulao, o modelo do processo apresentado de forma analtica, atravs de modelos
paramtricos contnuos ou discretos. Isto possibilitou a manuteno da forma original do
DMC e a utilizao de parmetros contnuos, tais como, tempos mortos fracionrios, a
possibilidade da utilizao de instantes de predio esparsos, podendo at utilizar
perodos de amostragem diferentes para cada varivel controlada, o que interessante
quando num mesmo controlador temos variveis que apresentam dinmicas lentas e
outras rpidas. Esta formulao tambm permitiu a anlise de estabilidade dos MPCs
sem muito esforo computacional (Gouva e Odloak, 1997).
Diante da necessidade de resolver os problemas de controle no-lineares, como o
controle de colunas de destilao de alta pureza que um caso tpico em unidades
petroqumicas, algumas alternativas de controladores no-lineares foram propostas,
onde podemos utilizar modelos fundamentais (baseados em equaes diferenciais de
conservao de massa e energia e equaes constitutivas), modelos empricos, obtidos
atravs de identificaes no-lineares e modelos hbridos, podendo-se at utilizar
modelos por redes neurais. Alm disso, podemos resolver o problema de controle
atravs de otimizao no-linear ou at mesmo a linearizao do modelo no ponto de
operao e usar um controlador linear. Estas abordagens so descritas por Henson
(1998) e Morari e Lee (1999).
A utilizao de controladores multi-modelos uma alternativa interessante para

resolvermos os problemas onde o processo variante no tempo e no estado. Nesta
abordagem resolvemos o problema de controle que satisfaz a todos os possveis modelos
lineares do processo. Este problema de controle pode ser resolvido atravs do algoritmo
LMI
(Linear
Matrix
Inequality).
Esta
tcnica
foi
motivada
por
recentes
desenvolvimentos na teoria e aplicaes em problemas de controle, e na utilizao de

otimizao atravs de LMI (Boyd te al., 1994). Kothare et al. (1996) apresentaram uma
soluo de controle MPC usando LMIs, porm no apresentando os modelos
alternativos diretamente no problema de controle.
Odloak tem estudado a utilizao de MMPCs (Multi-Model Predictive Control),
sendo que o conjunto de modelos e a equao de Riccati aparecem inclusas no problema
de controle. Neste caso o controlador projetado com garantia de estabilidade
(Rodrigues e Odloak, 1999). Almeida, Rodrigues e Odloak (2000) apresentam uma
aplicao de multiplos-modelos utilizando-se LMIs
para controle de uma coluna
debutanizadora.
1.3 - Objetivo do trabalho
Este trabalho tem como objetivos estudar o sistema de controle de uma coluna
depropanizadora e implantar em uma unidade industrial um controlador preditivo
multivarivel com mltiplos modelos (MMPC) sendo este resolvido atravs de um
algoritmo de programao no linear (NLP).
Neste trabalho procuramos fazer um estudo mais detalhado do sistema.
Primeiramente, procuramos estudar o comportamento esttico do processo utilizando
modelos rigorosos, atravs de simulador. Nesta etapa, define-se a regio de operao do
sistema e o comportamento das variveis controladas ao longo desta regio. Depois,
determinam-se os ganhos do processo ao longo da regio de operao, sendo que nesta
etapa avaliamos as no-linearidades do sistema. Como resultado desta etapa, avaliam-se
as propriedades da matriz de ganhos do processo na regio de operao obtida. As
propriedades analisadas esto ligadas s caractersticas de interaes entre as variveis,
condicionamento e determinantes das matrizes de ganhos do processo. A etapa seguinte
corresponde construo do modelo dinmico no simulador HYSYS e identificao
do processo em vrios pontos ao longo da regio de operao. A identificao feita

utilizando-se procedimento proposto por Odloak (1996) onde os modelos so obtidos na
forma analtica. Aps a
identificao dos modelos construmos o controlador no
Matlab e fazemos a simulao considerando um dos modelos como sendo o modelo

da planta. Com o controlador construdo, fazemos a converso de todas as rotinas para a
linguagem FORTRAN, pois o controlador industrial ser montado utilizando-se esta
linguagem. Com o controlador na linguaguem FORTRAN poderemos fazer a integrao
do mesmo com o SICON (Sistema Integrado de Controle) que uma estrutura para
montagem dos controladores preditivos desenvolvida pela Petrobras (veja item 9.2.1). A
seguir o controlador colocado em operao no modo de simulao para se fazerem os
ajuste preliminares na sintonia do mesmo. Aps esta etapa de simulao o controlador
colocado em operao com atuao ativa sobre as variveis da unidade industrial. A
seguir, so realizados testes para verificar a performance de operao do controlador.
2
PROBLEMA DE CONTROLE DA COLUNA
DEPROPANIZADORA
As colunas depropanizadoras so utilizadas em refinarias para se fazer a
separao das correntes propano e butanos. Na RPBC a corrente propano enviada para
o pool de GLP e a corrente de butanos enviada para a unidade de gasolina de aviao
(UGAV).
O esquema de produo ilustrado na figura 2.1.
Figura 2.1 Esquema de produo de GLP em refinarias de petrleo
2.1 - Especificaes dos produtos
As correntes de propano e butano fracionadas na coluna depropanizadora

possuem especificaes que devem ser obedecidas rigorosamente.
2.1.1 - Especificaes do propano:

Uma das especificaes mais importantes do propano o teor de C4+
(componentes mais pesados que o propano) e dever ter um valor de 3% no mximo. O
objetivo a minimizao das perdas de iso-butano para o pool de GLP, cuja perda
compensada por importao, com o correspondente custo adicional.
Captulo 2 - Problema de controle da torre depropanizadora
2.1.2 - Especificaes do butano

No caso da corrente de butano, o teor de C3- (componentes mais leves que o
butano) uma de suas principais especificaes e dever ter um valor de 3% no
mximo, sendo o objetivo evitar perda de controle operacional na unidade de gasolina
de aviao (UGAV) devido presena de componentes leves no processo e por questes
de segurana no armazenamento da corrente de butanos.
2.2 - Descrio do processo
A coluna depropanizadora estudada pertence unidade de craqueamento

cataltico da Refinaria Presidente Bernardes (RPBC), sendo sua carga (GLP)
proveniente da seo de tratamento. O tratamento do GLP feito em duas etapas, ou
seja, dois processos diferentes que so: tratamento DEA, no qual uma soluo de DEA
(Dietanolamina) utilizada para remoo de contaminantes tais como CO2, CO, H2S;
aps este processo temos o tratamento Merox, que consiste na remoo de compostos de
enxofre (mercaptans) que so transformados em dissulfetos pela ao de um catalisador
em presena de soda castica. O tratamento tem como finalidade eliminar a
corrosividade do GLP.
O GLP aps a seo de tratamentos enviado ao vaso V-01, do qual bombeado
para a coluna depropanizadora T-01, sendo sua vazo controlada atravs do FC-01, o
qual cascateado pelo controle de nvel do V-01. Antes de entrar na coluna, o GLP
pr-aquecido no trocador de calor E-1 trocando calor com a nafta proveniente do fundo
da debutanizadora. A temperatura do GLP mantida constante atravs da manipulao
da vazo de nafta atravs do trocador E-01. O GLP entra na coluna no estgio 16 (a
coluna composta de 31 pratos valvulados).
Esta carga destilada sendo os vapores de topo totalmente condensados e
subresfriados no E-02 e enviados para o vaso de topo (V-02). Neste vaso, a corrente
lquida dividida em duas sendo uma o refluxo de topo e a outra retirada como
destilado para pool de GLP.
Parte
10
do refluxo interno que atinge o fundo da coluna vaporizado no
refervedor (E-03) e outra parte retirado como produto de fundo sendo resfriado no E04 e depois enviado para unidade de gasolina de aviao.
Figura 2.2 Fluxograma de processo da coluna depropanizadora
2.3 - Variveis operacionais
A coluna depropanizadora separa os componentes volteis no destilado

(propano/propeno) e os componentes pesados no produto de fundo (butanos).
Para garantirmos a especificao dos produtos as seguintes variveis devem ser
observadas:
1-Vazo de carga da coluna;
2-Temperatura da carga da coluna;
3-Composio da carga;
4-Presso da coluna;
5-Vazo de refluxo;
6- Vazo de fluido de aquecimento para refervedor;
7-Temperatura de topo da coluna.
11
2.3.1 - Vazo de carga
A vazo de carga no pode ser manipulada diretamente pelo operador, pois esta
vazo resultado do controle de nvel do vaso de carga.
Um aumento da vazo de carga provoca o aumento da vazo de fluido de
aquecimento do refervedor e um conseqente aumento da vazo de refluxo para manter
a qualidade dos produtos.
2.3.2 - Temperatura da carga
Conforme indicado na figura 2.2, existe um controlador de temperatura da carga

da coluna no nvel regulatrio. O set-point desse controlador pode ser manipulado
diretamente pelo operador. No entanto mantido sempre em um valor fixo. Assim, no
uma varivel utilizada para controle da coluna.
2.3.3 - Composio da carga
A composio da carga no pode ser manipulada diretamente pelo operador, pois

a distribuio de componentes na carga funo da natureza da carga introduzida na
seo de converso da unidade e das variveis operacionais desta seo.
Um aumento da frao de leves na carga, provoca um aumento no rendimento da
corrente de propano e conseqentemente aumento da vazo de refluxo para manter a
qualidade dos produtos.
2.3.4 - Presso da coluna
A presso da coluna tambm controlada no nvel regulatrio e o

comportamento dessa malha muito bom o que leva a hiptese de que essa varivel
possa ser considerada como constante, s devendo ser alterada quando o resultado
desejado no puder ser obtido pela manipulao de outras variveis.
12
Um aumento na presso da coluna, provoca um aumento de dificuldade na

separao entre os leves e pesados. Para que esta separao ocorra de forma adequada,
deve-se aumentar a vazo de fluido de aquecimento do refervedor e a vazo de refluxo
de topo.
2.3.5 - Vazo de refluxo
A vazo de refluxo uma das variveis mais importantes a serem manipuladas

para garantir a especificao dos produtos. Para cada nvel de fracionamento desejado
h uma razo de refluxo adequada (relao entre a vazo de refluxo e a vazo de
destilado).
Um aumento da vazo de refluxo provoca uma reduo da quantidade de fraes
pesadas no destilado. Portanto para manter a qualidade do produto de fundo,
necessrio aumentar a vazo de fluido de aquecimento do refervedor.
O limite inferior da vazo de refluxo est ligado qualidade da separao e o
limite superior est ligado s capacidades do refervedor, do condensador, da bomba de
refluxo e hidrulica da coluna.
2.3.6 Vazo de Fluido de Aquecimento para refervedor
A vazo e a qualidade da corrente de propano dependem da quantidade de

vapores condensados no sistema de topo, que por sua vez, depende da vazo de fluido
de aquecimento para o refervedor.
Um aumento da vazo de fluido de aquecimento do refervedor ocorrer um
aumento da vaporizao e conseqentemente a necessidade de aumento da vazo de
refluxo de topo.
2.3.7 - Temperatura de topo
Uma varivel alternativa vazo de refluxo a temperatura de topo, que quando

utilizada manipular a vazo de refluxo.
13
Neste caso, um aumento nesta temperatura provoca um aumento da quantidade

de fraes pesadas no destilado. Portanto para manter a qualidade do produto
necessrio diminuir a vazo de fluido de aquecimento do refervedor.
2.4 - Fatores de desempenho do sistema
Para otimizao da coluna depropanizadora devemos manipular a vazo de

refluxo de topo e a vazo de fluido de aquecimento para o refervedor, observando
sempre as restries do processo.
Em termos econmicos as variveis manipuladas devem ser utilizadas no sentido
de se introduzir o mnimo de energia no refervedor e operar com o mnimo de refluxo
interno da coluna.
Os limites de especificao dos produtos so as principais restries do processo
que devero ser impostas ao sistema de controle.
Assim, o problema de otimizao tem a seguinte formulao:
Minimizar:
- Vazo de refluxo de topo e

- Vazo de fluido de aquecimento do refervedor
Sujeito a restries de:

- % mxima de C4+ no propano
- % mxima de C3- no butano
2.5 - Limitaes do processo
A coluna depropanizadora no apresenta limitaes fsicas para especificao

dos produtos, conseguindo a mesma fracionar toda a produo de GLP da UFCC e
tambm correntes de GLP de outras unidades.
2.6 - Estratgias de controle da coluna depropanizadora
Uma coluna de fracionamento com separao de produto de topo e fundo com

condensador total e tambor de topo inundado, tem 4 graus de liberdades e portanto 4
14
variveis devem ser especificadas. Note que a vazo de carga manipulada em funo
do nvel do vaso carga (V-01) e portanto no fornece nenhum grau de liberdade
adicional
A forma de utilizar estes graus de liberdade colocando controladores para
especificar estes itens. H uma srie de alternativas de arranjos para o sistema de
controle usando os graus de liberdade do sistema. A escolha do melhor arranjo leva em
considerao a sensibilidade do processo, a linearidade do comportamento na regio de
operao e o seu comportamento dinmico.
Os graus de liberdade so utilizados pelos controladores do nvel regulatrio e
cujos set-points do origem s variveis manipuladas.
As malhas do nvel regulatrio normalmente especificadas nesta coluna so:
1. Presso da coluna (estgio 24).
2. Vazo de refluxo de topo da coluna.
3. Temperatura de retorno do refervedor (cascateando a vazo do fluido
de aquecimento para o refervedor).
4. Nvel do fundo da coluna.
As perturbaes mais importantes deste sistema so:

1. Composio da carga.
2. Vazo de carga da coluna.
3. Temperatura do fluido de aquecimento.
Normalmente, a presso da coluna mantida no valor de projeto e o nvel de
fundo controlado no nvel regulatrio. Assim, restam dois graus de liberdade para
serem utilizados no controle da coluna. Quando em operao manual, o operador fixa a
vazo de refluxo e a temperatura de sada do refervedor. Uma outra alternativa seria
especificar uma vazo do fluido de aquecimento para o refervedor em vez da
temperatura de sada do refervedor.
2.6.1 - Estratgia temperatura de retorno do refervedor - vazo de refluxo de topo
15
Nesta configurao a temperatura de retorno do refervedor para coluna

utilizada para especificar principalmente o teor de C3- no butano, e a vazo de refluxo
de topo para especificar preferencialmente o teor de C4+ no propano.
A especificao mais rigorosa o teor de C3- no butano, pois existe a
preocupao com o armazenamento desta corrente e tambm com a possvel perda de
controle operacional na unidade de gasolina de aviao caso tenhamos um teor de C3acima dos limites. O controlador de temperatura deveria eliminar as possveis
perturbaes do processo para manter a qualidade do butano.
Assim, nesta configurao colocamos os seguintes controladores para utilizar os
graus de liberdade como mostra a figura 2.2:
1. Controlador de presso no estgio 24 manipulando a vlvula de

retirada de destilado (propano).
2. Controlador de nvel de fundo da coluna manipulando a vlvula de
retirada de butano.
3. Controlador de temperatura de retorno do refervedor manipulando a
vazo de fluido de aquecimento.
4. Controlador de vazo de refluxo de topo manipulando a vlvula de
refluxo de topo.
Esta a configurao utilizada no controle regulatrio normal (feito pelo SDCD)
e no ser objeto de estudo deste trabalho.
2.6.2 Vazo de fluido de aquecimento para refervedor - vazo de refluxo
Nesta configurao colocamos os seguintes controladores como mostra a figura

2.2:
1. Controlador de presso no estgio 24 manipulando a vlvula de

retirada de destilado (propano). Tendo em vista o projeto da unidade
que considera o tambor de topo inundado (sem interface lquidovapor), essa a nica configurao possvel.
16
2. Controlador de nvel de fundo da coluna manipulando a vlvula de

retirada de butano.
3. Controlador de teor de C3- no butano (AI2), podendo manipular a
vazo de refluxo ou a vazo de fluido de aquecimento.
4. Controlador do teor de C4+ no propano (AI1) ou da temperatura de
topo, podendo manipular a vazo de refluxo ou vazo de fluido de
aquecimento.
Visto que a sintonia do controlador da temperatura de retorno do refervedor no
trivial pois depende das condies operacionais, que podem tornar a malha muito
lenta, para o estudo desta coluna, optou-se por adotar, no nvel regulatrio, uma
estratgia onde manipulada a vazo de fluido de aquecimento para o refervedor.
17
3
DESCRIO SUMRIA DO HYSYS
A crescente demanda por produtos com qualidades cada vez mais rigorosas, tem
levado as unidades industriais a operarem seus processos cada vez mais prximos de
suas restries. Isto faz com que a engenharia de controle necessite cada vez mais de
modelos em estado-estacionrio e dinmico mais realistas para analisar melhor a
estabilidade, robustez e performance dos sistemas de controle dos processos qumicos.
Diante deste quadro a utilizao de um simulador de processo se torna
fundamental, sendo o HYSYS (Hyprotech Ltd) um simulador de processos que
combina a operao no estado-estacionrio com o dinmico no mesmo ambiente. Ele
possibilita passar facilmente do regime estacionrio para o dinmico e no sentido
contrrio.
O simulador foi desenvolvido em ambiente Windows e orientado objetos e
eventos, com compatibilidade OLE (Object Link Embeding) onde permite-se que o
simulador execute funes de outros programas. O programa tambm disponibiliza os
servios DDE (Dynamic Data Exchange) onde se pode transferir dinamicamente dados
para outros programas, como Matlab , e no sentido contrrio.
Isto permite ao engenheiro criar aplicaes customizadas que acessam partes do
HYSYS ou construir interfaces customizadas.
Alm destas caractersticas, possibilita a utilizao de pacotes customizados, tais
como:
Controladores
Cinticas de reaes
Modelos de colunas extratoras, filtros e etc.
Pacotes de propriedades
Outros
Estas customizaes podem ser criadas a partir de programas escritos em

linguagem FORTRAN ou C/C++, e utilizando Visual Basic como inferface.
As operaes unitrias so modulares e utilizam modelos rigorosos, onde so
combinadas com algoritmo de soluo no-sequencial. Neste algoritmo as informaes
Captulo 4 Simulao esttica da depropanizadora
18
so processadas e os resultados de alguns clculos so automaticamente propagados no

fluxograma para frente e para trs.
A estrutura modular das operaes unitrias significa que podem ser calculadas
em ambas direes, utilizando informaes de uma corrente de sada para calcular as
condies de entrada.
O simulador dinmico permite verificar o comportamento do processo fora do
estado-estacionrio, analisando os casos servo e regulatrio. Desta forma, o modelo
dinmico pode ser utilizado para fazer estudos de controle de processos.
Assim um controlador preditivo pode ser utilizado junto ao modelo do processo
disponibilizado pelo simulador.
O simulador de processos um ambiente de engenharia que se destina s
seguintes aplicaes:
Projeto conceitual de processos qumicos
Projeto bsico de processos
Projeto detalhado de plantas
Projeto de sistemas de controle
Otimizao de processos
Treinamento de operadores
Anlise de processos
Monitorao de performance do processo
Em nosso trabalho utilizamos o HYSYS PROCESS 1.2, verso 1.2.4 de outubro

de 1997.
19
4
SIMULAO ESTTICA DA DEPROPANIZADORA
Neste captulo apresentamos os detalhes da montagem do modelo esttico do
processo a ser utilizado no estudo de controle. Apresentamos as bases de simulao, a
caracterizao da carga, a montagem das operaes unitrias, convergncia da
simulao, validao do modelo esttico e as definies dos estudos da simulao
esttica.
Para a montagem do modelo dinmico do processo no HYSYS, inicialmente
necessrio construir o modelo em estado estacionrio. Tendo o modelo em estado
estacionrio, possvel estudarmos o comportamento do processo. Desta forma
possvel determinar a regio de operao, isto , as possveis combinaes das variveis
independentes que correspondem s situaes reais de operao do sistema. Podemos
tambm avaliar as no-linearidades dos ganhos do processo, que so importantes para
uma melhor avaliao do comportamento do sistema de controle.
4.1 Etapas da construo do modelo esttico
Os seguintes aspectos devem ser verificados quando da elaborao do modelo

estacionrio a ser analisado:
Definio das bases de simulao;
Caracterizao da carga do sistema;
Definio das operaes unitrias envolvidas no processo;
Especificao dos graus de liberdade do sistema;
Validao do modelo esttico;
Definio dos estudos da simulao esttica.
Nos prximos itens apresentamos a seqncia para construo do modelo

esttico de acordo com os itens acima.
4.1.1 Definio das premissas da simulao
20
Nos simuladores, inicialmente definimos as bases de simulao que consiste em

definir o conjunto de equaes para os clculos de equilbrio, propriedades fsicoqumicas e termodinmicas, e o conjunto de componentes qumicos que sero utilizados
na simulao.
Na definio do modelo de propriedades das substncias envolvidas no sistema
em estudo, especificamos a natureza qumica dos componentes qumicos da simulao.
Para o nosso caso onde os hidrocarbonetos so apolares, o modelo termodinmico pode
ser representado por equaes de estado. Neste trabalho foi utilizado o modelo
desenvolvido por Peng e Robinson (1976), que prev com boa preciso as propriedades
para estes tipos de hidrocarbonetos.
Com o modelo de propriedades das substncias envolvidas na simulao
definido, caracterizamos os componentes presentes no sistema. Para a depropanizadora,
as correntes envolvidas no sistema so constitudas basicamente de hidrocarbonetos
puros.
Os componentes utilizados na simulao podem ser caracterizados atravs de
cromatografia gasosa e esto listados na tabela 4.1
Componente
Smbolo
Frmula
Ponto de
Massa
ebulio (oC)
molecular
metano
C1
CH4
-161.52
16.04
etileno
C2=
C2H4
-103.75
28.05
etano
C2
C2H6
-88.60
30.07
propeno
C3=
C3H6
-47.75
42.08
propano
C3
C3H8
-42.10
44.10
iso-butano
i-C4
C4H10
-11.73
58.12
iso-Buteno
i-C4=
C4H8
-6.85
56.11
1,3-butadieno
13C4= =
C4H6
-4.45
54.09
n-butano
n-C4
C4H10
-0.50
58.12
trans-buteno
tr2-C4=
C4H8
0.88
56.11
iso-pentano
i-C5
C5H12
27.88
72.15
n-pentano
n-C5
C5H12
36.06
72.15
n-hexano
n-C6
C6H14
68.73
86.18
Tabela 4.1 Componentes puros considerados
21
4.1.2 Caracterizao da carga do sistema
Com as bases de simulao definidas passamos para a fase de caracterizao da

carga do sistema. Esta etapa consiste em definir as condies de processo, como
presso, temperatura e vazo, bem como a sua composio.
Na planta industrial no possvel caracterizar a carga da coluna
depropanizadora diretamente. Assim, a caracterizao da carga feita a partir dos
produtos da coluna. Os produtos so analisados separadamente e anotam-se as suas
respectivas vazes volumtricas. Portanto, a carga (GLP) composta da combinao das
correntes propano e butano. Sero utilizadas duas composies de carga distintas,
retratando perfis de converso diferentes no sistema de converso da unidade. As
condies operacionais (temperatura, presso e vazo) da carga sero as mesmas para os
dois perfis de composio.
A carga foi composta nas seguintes condies, a partir de dados da planta:
Corrente
Vazo
Carga
2500 m3/d
Tabela 4.2 Condies da carga
Temp.
75 oC
Presso
19.00 kgf /cm2 _man
A composio da carga foi obtida atravs da cromatografia dos dois produtos

como mostra a tabela a seguir:
Componente % Vol. carga 1

0.8921
metano
0.4956
etileno
0.4956
etano
24.1975
propeno
14.8409
propano
16.2137
iso-butano
18.5411
iso-buteno
0.4654
1,3-butadieno
9.7452
n-butano
13.7693
trans-buteno
0.2861
iso-pentano
0.0286
n-pentano
0.0289
n-hexano
Tabela 4.3 Composio da carga
% Vol. carga 2
0.9357
0.4678
0.4678
28.4370
15.5408
13.4214
19.6506
0.8243
7.0021
13.1535
0.0210
0.0781
0.0000
22
4.1.3 Definio das operaes unitrias envolvidas no processo
Com a carga do sistema caracterizada, iniciamos a construo das operaes

unitrias e das correntes envolvidas no sistema como mostrado na figura 4.1.
Figura 4.1 Fluxograma de processo da simulao
Aps aquecimento no trocador de calor M20, a corrente de carga introduzida

no sistema 75oC e 19 kgf/cm2man. O trocador de calor do tipo casco e tubo em
contra-corrente, onde a corrente de carga troca calor com a corrente nafta de fundo da
coluna debutanizadora (estabilizadora de gasolina). A perda de carga adotada no casco
de 0.10 kgf/cm2man e nos tubos de 0.14 kgf/cm2man.
As temperaturas de entrada e sada do lado do casco, e sada do lado dos tubos
so conhecidas. As vazes envolvidas tambm so conhecidas. O UA do trocador
calculado e apresenta um valor de 3.5 x 104 kcal/ (oC/h) (o valor de projeto do trocador
de 11 x 104 kcal/( oC/h)).
A carga aquecida introduzida no estgio 16 da coluna N-2406, como mostra a
figura 4.2.
23
Figura 4.2 Fluxograma de processo coluna simulada
A coluna tem 31 estgios de equilbrio com 80 % de eficincia de Murphree

levantada experimentalmente. A perda de carga na coluna de 0.63 kgf/cm2man, com
presso no topo de 18.70 kgf/cm2man e no prato 24 de 19.18 kgf/cm2man. As presses
so manomtricas cuja unidade ; kgf/cm2man.
O perfil de temperatura tem os seguintes pontos bsicos: a temperatura do
estgio de topo da coluna 47 oC, do fundo de 106oC.
O condensador da coluna total, ou seja, os vapores do topo so condensados e
subresfriados a 32 oC, no apresentando corrente gasosa como produto de topo. As
correntes de sada do condensador so: o propano (destilado) e o refluxo de topo. Alm
destas duas correntes materiais, temos uma corrente de energia que o calor absorvido
na condensao (QCond). Nestas condies a vazo de refluxo de topo de 4000 m3/d.
Este condensador de topo, na realidade um conjunto condensador e vaso.
No fundo da coluna, temos um refervedor onde parte do lquido do fundo
vaporizado para fornecer energia ao processo de separao. O lquido do ltimo estgio
introduzido todo no refervedor. A parte vaporizada volta para a coluna abaixo do
24
ltimo estgio, sendo a fase lquida removida como produto de fundo. O lquido do
ltimo estgio vaporizado 106oC atravs do calor cedido (Qreb) de 7.85 x106 kcal/h
que corresponde a uma vazo de fluido de aquecimento de 2090 m3/d.
Nas colunas industriais, a corrente lquida de produto de fundo no passa pelo
refervedor. Entretanto considerar que este lquido participa do equilbrio no representa
uma diferena perceptvel em relao ao processo real. Portanto, esta uma
simplificao que no causa desvios nos resultados da simulao.
Foi utilizada uma outra operao unitria M23 que uma simulao do
refervedor para obtermos os valores de vazo do fluido de aquecimento (gasleo
pesado). Dentro do ambiente de simulao da coluna calculamos a frao de chave
pesado do propano, que corresponde a quantidade de componentes de 4 tomos de
carbono ou mais, chamado de C4+, e tambm o chave leve do butano, que corresponde a
componentes de 3 tomos de carbono ou menos, chamado C3-.
Neste estudo o C4+ composto de:
C 4+ =
iC4 + nC4 + iC4= + 1,3C4== + transC4= + nC5 + iC5 + nC6
Para o C3- temos:

C 3 =
C3 + C3= + C 2 + C2= + C1
4.1.4 Especificao dos graus de liberdade para simulao do sistema
Como j visto, para tornar o modelo do sistema unvoco em termos de condies

operacionais, devemos especificar os graus de liberdade do sistema. Inicialmente
devemos especificar as caractersticas da carga como: temperatura, presso e
composio da carga. Ao passar pelo pr-aquecedor de carga, temos que especificar a
perda de calor pelas paredes do trocador de calor (no caso zero) e o produto UA do
trocador ou as temperaturas das correntes. Alm disso devemos especificar as perdas de
carga no casco e nos tubos, ou as presses das correntes. A carga pr-aquecida entra na
coluna de destilao.
25
A coluna depropanizadora no estado estacionrio apresenta dois graus de

liberdade alm da presso, que devem ser especificados conforme as variveis
manipuladas da estratgia de controle. Para simulao da coluna, adota-se a seguinte
simplificao: a gua de refrigerao para o condensador manipulada visando manter
constante a temperatura de subresfriamento do lquido que sai do condensador. Neste
caso, especificamos esta temperatura na simulao. Outras variveis manipuladas
especificadas so: a carga trmica do refervedor e a vazo de refluxo de topo. Como
visto, alm dessas especificaes, devemos definir o perfil de presses da coluna. Na
tabela 4.4 apresentamos as especificaes para o caso base.
Operao unitria
Especificao
Valor
ou corrente
M-20
N 2406
Perda de calor (MMcal/h)
0.00
Temp. ent. casco (oC)
42
Temp. sai casco (oC)
75
emp. sai tubos (oC)
103
P no casco (kgf/cm2)
0.1
P nos tubos (kgf/cm2)
0.14
Subresfriam.cond. (oC)
32
Carga trm. reb (MMcal/h)
7.85
Vazo refluxo topo (m3/d)
4000
P condensador (kgf/cm2)
0.07
Presso topo (kgf/cm2man)
18.63
Presso fundo (kgf/cm2man)
19.33
P refervedor (kgf/cm2)
0.0
Tabela 4.4 Especificaes da simulao

4.1.5 Validao do modelo esttico
Com o caso base convergido, devemos validar o modelo construdo. Para
validarmos o modelo devemos fazer as seguintes verificaes:
Verificao do balano material
26
Verificao do perfil de temperaturas

Verificao da qualidade dos produtos
Verificao das cargas trmicas do condensador e refervedor
No ajuste do modelo, elegemos os parmetros a serem manipulados, tais como,
eficincias dos estgios, modelo de equilbrio, composio da carga, entre outros. Na
tabela 4.5 apresentamos os resultados do ajuste do modelo para o caso base.
Varivel
Valor real
Valor simulado
2500 m3/d
2500 m3/d
Vazo de propano
1012.5 m3/d
1041 m3/d
Vazo de butano
1487.5 m3/d
1459 m3/d
Temperatura carga aquecida
75. oC
75 oC
Temperatura de refluxo
32 oC
31.8 oC
Temperatura de topo
47 oC
46.4 oC
Temperatura de fundo
106oC
106.4 oC
C4+ no propano
2.51 %vol.
2.45 %vol.
C3- no butano
0.50 %vol.
0.46 %vol.
Vazo de refluxo
4000 m3/d
4000 m3/d
7.85 MMcal/h
7.85 Mmcal/h
Vazo de carga
Carga trmica do refervedor
Tabela 4.5 Resultados da simulao

A vazo de propano para o caso base ficou em 1041 m3/d e a de butano em 1459
m3/d. Na planta industrial, temos uma vazo de propano de 1012.5 m3/d e de butano de
1487.5 m3/d. Tal diferena pode ser uma decorrncia de problemas de calibrao dos
instrumentos de medio e no motivo de preocupao pois os perfis de composio e
temperatura esto em bom acordo com os dados da planta.
Uma boa medida para o desempenho do processo de separao a verificao do
perfil de temperaturas ao longo da coluna. No entanto, a medio da temperatura em
todos os estgios na planta industrial no economicamente vivel, portanto colocam-se
sensores de temperatura somente nos pontos importantes. Na coluna depropanizadora,
os pontos importantes so a temperatura de topo e do fundo da coluna, que apresentaram
valores bastante coerentes com os da planta (cf. tabela 4.5).
27
Quanto qualidade dos produtos na simulao do caso base, obtivemos um

propano com um teor de C4+ de 2.45 %vol., e para o butano o teor de C3- ficou em 0.46
%vol., sendo estes valores bastante coerentes com os valores da planta industrial.
4.1.6 Definio dos estudos da simulao esttica
Com a simulao esttica ajustada, poderemos dar incio ao estudo de casos.

Neste estudo procuramos determinar a regio de operao da coluna em funo das suas
variveis independentes, sujeitas s restries de operao, tais como qualidade dos
produtos, hidrulica da coluna e outras.
Em nosso estudo foram manipuladas a vazo de refluxo e a carga trmica do
refervedor. As restries observadas foram o teor de C4+ no propano, teor de C3- no
butano, temperatura mxima e mnima no topo e fundo da coluna e o limite de
convergncia do processo. Nas tabelas 4.6 e 4.7 apresentamos estes valores.
Varivel independente
Limite mnimo
Limite mximo
Passo
Vazo refluxo
2300 m3/d
4000 m3/d
20 m3/d
C. term. refervedor
5.00 MMcal/h
8.0 MMcal/h
0.02 MMcal/h
Tabela 4.6 Variveis manipuladas
Restrio
Limite mnimo
Limite mximo
Teor de C4+
5 %vol.
Teor de C3-
5 %vol.
Temperatura topo
44 C
51 C
Temperatura fundo
103.5 C
107.5 C
C. term. condensador
No tem
10.95 MMcal/h
C. term. refervedor
No tem
8.32 MMcal/h
Tabela 4.7 Restries do processo
A sensibilidade do processo avaliada nesta etapa do estudo de casos, sendo

utilizado para isto a avaliao dos ganhos estticos do processo. Tambm, podemos
28
analisar o comportamento do processo, verificando as no-linearidades do processo,

bem como avaliarmos as suas variveis importantes. No captulo 6 faremos uma
descrio do estudo de casos e comportamento do processo analisado.
29
5
SIMULAO DINMICA DA DEPROPANIZADORA
A construo do modelo dinmico no HYSYS uma etapa realizada aps a
simulao esttica, ou seja, uma vez que o modelo fsico-qumico esttico esteja
representando a realidade da planta, necessrio adicionar outras variveis e operaes
que afetam a dinmica do processo, alm das variveis da simulao esttica (que requer
somente composies, temperatura, vazes, etc.).
Assim, para realizar a simulao dinmica, necessrio definir os holdups
(acmulos) dos equipamentos, as dimenses das vlvulas de controle e os controladores
do nvel regulatrio.
H uma srie de etapas a serem cumpridas na construo do modelo dinmico
do HYSYS, onde as seguintes so particularmente importantes:
Obteno da soluo do modelo esttico;
Estabelecimento do esquema de controle para o processo;
Definio das caractersticas dinmicas das operaes unitrias;
Definio dos controladores e vlvulas de controle do sistema;
Chaveamento da simulao do modo esttico para o dinmico.
A seguir apresentaremos as etapas da construo do modelo dinmico de acordo
com a seqncia acima descrita. Na estrutura dos simuladores, inicialmente devemos
solucionar o problema de simulao esttica. Para isto, devemos seguir o procedimento
descrito no captulo anterior.
Uma vez obtido o modelo esttico, devemos definir as variveis manipuladas e
perturbaes (independentes) e as variveis controladas (dependentes) do esquema de
controle do sistema, na forma de controle multimalhas. Deve-se tomar o cuidado de
manter a coerncia entre as especificaes na simulao esttica e as especificaes das
variveis manipuladas dos controladores para a simulao dinmica. Tambm
necessrio definir as caractersticas dinmicas das operaes unitrias envolvidas na
simulao. Por exemplo os acmulos de lquidos, incluindo volumes dos pratos da
coluna, dos vasos, trocadores de calor e tambm o set-point do nvel fundo da coluna.
Assim, para a simulao aqui estudada, definimos as caractersticas apresentadas na
tabela 5.1.
Captulo 5 - Simulao dinmica da depropanizadora
Equipamento
Caracterstica
30
Valor
Coluna
Dimetro da coluna
3.050 m
N-2406
Comprimento do vertedor
2.52 m
Altura do vertedor
0.08 m
Volume mnimo
0.58 m3
Condensador M2422A/C Volume do condensador
18.44 m3
O-2407
Volume do vaso
16.22 m3
Refervedor
Volume de fundo da torre e refervedor
8.66 m3
M-2423
SP do nvel de fundo
50 %
Tabela 5.1 Dados geomtricos dos equipamentos
Aps definirmos os parmetros geomtricos do sistema, devemos estabelecer as

estruturas de controle e as caractersticas dos controladores. Isto significa definir as
variveis manipuladas e controladas de cada malha de controle e os seus parmetros de
configurao e de sintonia.
Temos a seguinte estrutura representada na figura 5.1.
Figura 5.1 Esquema de controle da coluna depropanizadora.
31
O controlador FC-151 um controlador de carga trmica do refervedor.
A tabela 5.2 mostra os parmetros dos controladores e vlvulas para a estratgia

de controle adotada.
Malha
Varivel controlada
Nome
Min.
Varivel manipulada
Max.
No
Min.
Max.
7000 m3/d
Ao
me
FC-54
VRF
7000 m3/d
VRF
Reversa
PC-81
P#24
25 kgf/cm2man
VPP
3000 m /d
Direta
FC-151
QREB
10 MMcal/h
QRE
10 MMcal/h
Reversa
3000 m3/d
Direta
5000 m3/d
Direta
LC-29
LREB
100 %
VBU
TANO
FC-52
vCARGA
100 %
vCA
RGA
Tabela 5.2 Parmetros de configurao dos controladores

Sendo:
VRF
Vazo de refluxo de topo;
P#24
Presso no estgio 24;
QREB
Carga trmica do refervedor;
LREB
Nvel de fundo da coluna;
VBUTANO Vazo de butano;

VPP
Vazo de propano;
VCARGA Vazo de GLP;
Malha
Parmetros de sintonia
Kc
i
d
FC-54
0.75
0.25
0.0
PC-81
0.35
1.35
0.0
FC-151
0.8
0.1
0.0
LC-29
1.0
0.2
0.0
FC-52
1.0
0.1
0.0
Tabela 5.3 Parmetros de sintonia dos controladores
32
O sistema de controle do HYSYS pode ser representado pela estrutura da

malha fechada na figura 5.2. A equao do controlador (apresentada na seo 13.4.3
pgina 425 do manual de referncia na sua verso 1.0) tem a seguinte forma:
OP(t ) = OPSS + K C E (t ) +
KC
I
E (t )dt + K
dE (t )
dt
(5.1)
sendo:
OP(t) -
Sada do controlador no instante t
OPSS -
Sada do controlador no estado estacionrio inicial
E(t)
Erro no instante t
KC
Ganho proporcional do controlador
Tempo integral do controlador
Tempo derivativo do controlador
O erro deve ser definido tendo como referncia a ao reversa do controlador, ou

seja, se a PV ultrapassa o SP para cima, a sada do controlador (OP) deve decrescer.
Portanto, neste caso:
E (t ) = SP(t ) PV (t )
(5.1a)
sendo:
SP
- Setpoint da varivel controlada
PV
- Varivel de processo da varivel controlada
No equacionamento do bloco de elemento final de controle da figura 5.2,

devemos aplicar o modelo da vlvula para a fase lquida ou vapor, conforme o caso. A
equao da vlvula de controle para a fase lquida dada por:
F=
OP%
(Fmax Fmin ) + Fmin
100
sendo:
F
- Vazo atravs da vlvula de controle
OP% - sada do controlador em percentagem

Fmax
- Vazo mxima atravs da vlvula de controle
(5.1b)
Fmin
33
- Vazo mnima atravs da vlvula de controle
Figura 5.2 Diagrama em blocos da malha fechada.
Nessa etapa a simulao dinmica est quase concluda, restando apenas chavear
a simulao do modo esttico para o dinmico. Esta operao simples, e consiste do
simulador resolver o problema correspondente ao estado estacionrio do modo dinmico
utilizando os valores das variveis independentes e as propriedades iniciais da
simulao esttica. Como o conjunto de equaes ligeiramente diferente do utilizado
no modo esttico, este fato faz com que tenhamos ligeiras diferenas entre os estados
estacionrios dos dois modos.
Estando no modo dinmico podemos iniciar os testes para obteno dos modelos
do processo.
34
6
COMPORTAMENTO DO PROCESSO
A coluna depropanizadora tem como restries especificar o teor do componente

chave pesado no propano, representado pelo C4+, e o componente chave leve do butano,
representado pelo teor de C3-. O objetivo neste caso limitar a quantidade de fraes
pesadas no propano para termos o mnimo de perda de butanos. Avaliaremos a variao
destas especificaes em toda a regio de operao das variveis manipuladas.
A caracterstica bsica do controle dual a especificao dos produtos de topo e
fundo da coluna, sendo que, no processo de separao a qualidade do produto de topo
est ligada do fundo atravs do fracionamento da coluna. O fracionamento definido
principalmente pela relao L/V, que estabelecido externamente pela vazo de refluxo
e a carga trmica do refervedor. A figura 6.1 apresenta a relao entre as qualidades dos
dois produtos para diferentes valores de QReb e L/V. Vemos que, para um dado QReb, a
relao entre as duas sadas razoavelmente linear em grande parte do diagrama. Isto
indica que as duas sadas nessa regio so lineares em relao a L/V. Entretanto, para
valores de C3- e C4+ abaixo de 3%, esse comportamento deixa de ser linear, e a nolinearidade aumenta acentuadamente na regio indicada na figura.
Quando a carga trmica do refervedor aumenta, estamos aumentando o
fracionamento da coluna, que representado pelas curvas mais a esquerda da figura.
Figura 6.1 Dualidade das qualidades dos produtos da coluna
Captulo 6 - Comportamento do processo
35
As variveis manipuladas pelo controle supervisrio tero especial ateno no

estudo, pois afetam diretamente a qualidade dos produtos. No prximo item
apresentamos o comportamento do processo para as duas variveis de controle
regulatrio consideradas neste estudo.
6.1 Regio de operao e ganhos do processo:
A regio de operao foi levantada considerando-se as seguintes variveis no

controle preditivo:
Variveis Controladas
Teor de C4+ no propano (C4+)[%]
Temperatura de topo (Ttopo) [kPa], esta uma varivel redundante em
relao ao teor de C4+. Esta varivel ser utilizada em substituio ao teor
de C4+, pois a inferncia utilizada atualmente para clculo deste teor no
apresenta resultados satisfatrios.
Teor de C3- no butano (C3-) [%]
Os modelos de inferncia para o teor de C4+ e C3-, so baseados em correlaes

multilineares utilizando-se dados de anlise cromatogrfica das correntes de propano e
butano e variveis operacionais da planta industrial. Para obteno das correlaes,
normalmente utiliza-se o mtodo dos mnimos quadrados para ajuste dos parmetros das
correlaes. Esta metodologia apesar de em alguns casos apresentar resultados
satisfatrios a nvel industrial, no a mais recomendada principalmente nos casos em
que os produtos tm pureza relativamente elevada como no caso da coluna
depropanizadora. Assim, a utilizao de outras metodologias deve ser testada
principalmente aquelas que levem em conta modelos fundamentais do equilbrio
lquido-vapor.
Os modelos utilizados atualmente para o teor de C4+ e C3- so
apresentados a seguir:
C3 = a * x1 + b * x2 * ( x3 x 4 ) /( x5 * x6 ) + c * x7 + d * x8 + e * x9 + f
C 4+ = a * ( x1 ) + b * x2 + c * x3 + d * x 4 + e
2
36
PARMETROS PARA TEOR DE C3-
PARMETROS PARA
TEOR DE C4+
Coeficientes
Variveis
Coeficientes
Variveis
a = -0.6586
x1 = temp. fundo
a = 0.3714
x1 = temp. topo
b = -1.6912
x2 = vazo GOP
b = 0.6198
x2 = presso estgio 24
c = -0.0239
x3 = temp. GOP
c = -19.8385
x3 = temp. topo
d = 0.02027
x4 = temp. fundo
d = -0.04781
x4 = temp. refluxo
e = 0.1720
x5 = vazo carga
e = 464.19
f = 50.80
x6 = temp. carga
x7 = temp. estgio 24
x8 = presso estgio 24
x9
temp.
sada
refervedor
Tabela 6.1 Parmetros dos modelos das inferncias.
Variveis manipuladas
Vazo de refluxo de topo (VRF) [m3/d]
Carga trmica do refervedor (QREB) [MMcal/h] , o controlador preditivo
manipular a vazo de fluido de aquecimento (gasleo pesado - VGOP)
para o refervedor.
Variveis perturbadoras (so variveis independentes e que so medidas)

Vazo de carga (VFD) [m3/d]
Temperatura do fluido de aquecimento (TGOP) [C]
Como temos uma srie de restries a serem obedecidas, as variveis

manipuladas no podero assumir valores quaisquer. A regio delimitada por
estas condies chamada de regio de operao do sistema. No nosso caso a
regio de operao pode ser definida pelas seguintes restries:
Existe um estado estacionrio, isto , h lquido em todos os estgios da
coluna;
Quantidade mxima de C4+ no propano em funo da perda de componentes
nobres (iso-butano). A perda elevada de iso-butano na corrente de propano
ir implicar na necessidade de importao deste componente para suprir as
37
necessidades da unidade de gasolina de aviao. O valor mximo

considerado de butanos ( C4+ ) foi de 5%.
Quantidade mxima de C3- no butano, a presena de componentes leves na
corrente de butano ir implicar na perda de controle operacional na unidade
de gasolina de aviao, ocasionando a queima de produtos nobres no sistema
de tocha da refinaria. O valor mximo considerado de C3- foi de 5%.
O sistema apresenta folgas de projeto em relao s cargas trmicas do

condensador e refervedor, no apresentando restries quanto vazes de
refluxo ou de fludo de aquecimento para o refervedor. A hidrulica da coluna
tambm apresenta folga, sendo possvel processar todo o GLP produzido na
unidade bem como correntes provenientes de outras unidades.
Diante das restries acima, temos a regio de operao mostrada na figura
6.2, onde vemos que h uma srie limitada de pares de valores das variveis
manipuladas onde o processo vivel. Para levantamento da regio de operao,
as variveis perturbadoras so mantidas constantes.
Figura 6.2 Regio de operao das variveis manipuladas
Uma maneira eficiente para se observar o comportamento do processo avaliar

as curvas de ganhos do processo. Esses ganhos so estimados utilizando-se a derivada
em vrios pontos ao longo da regio de operao, por exemplo para o teor de C3- em
38
relao vazo de refluxo teramos:
KpC 3,i = C 3,i C 3,i 1 / (V RF,i V RF,i 1 )
sendo:
KpC 3,i - ganho esttico para o teor de C3- no ponto de operao atual.
C 3,i - teor de C3- no ponto de operao atual.
C 3,i 1 - teor de C3- no ponto de operao anterior.
V RF,i - vazo de refluxo no ponto de operao atual.
V RF,i 1 - vazo de refluxo no ponto de operao anterior.
Estes ganhos esto representadas nas figuras 6.3 a 6.8. Nas figuras podemos
observar que os ganhos do C3- com a VRF (vazo de refluxo) variam de 0.001 a 0.17
%vol/(m3/d), do C3- com a VGOP (vazo de GOP) variam de 0.25 a 0.0015 %vol/(
m3/d), do teor de C4+ com VRF variam de 0.07 a 0.0005 %vol/( m3/d) e com a VGOP
variam de 0.0010 a 0.150, da temperatura de topo com a VRF variam de -0.015 a -0.0450
C/(m3/d) e com a VGOP variam de 0.030 a 0.13 C/(m3/d). Isto mostra que, para um
dado par (manipulada e controlada), os ganhos do processo variam muito, o que leva a
crer que a utilizao de um nico modelo para o controlador preditivo, poder levar a
uma performance no adequada do sistema.
Figura 6.3 Ganhos do C3- versus a vazo de refluxo
Figura 6.4 Ganhos do C3- versus Vazo de GOP
Figura 6.5 Ganhos do C4+ versus vazo de refluxo
39
Figura 6.6 Ganhos do C4+ versus vazo de GOP
Figura 6.7 Ganhos da temperatura de topo versus vazo de refluxo
40
41
Figura 6.8 Ganhos da temperatura de topo versus vazo de GOP
Diante dos valores apresentados, podemos concluir que o controle preditivo

linear encontrar dificuldades para manter a qualidade dos produtos. Este fato coerente
com a observao do que ocorre em outras colunas de destilao nas plantas industriais,
onde verifica-se que com esse tipo de variaes no ganho do modelo o controlador tem
reao muito lenta em determinadas condies e oscila excessivamente em outras
condies de operao. Alm disso, quando realizamos o teste em degrau na planta, em
determinadas regies de operao, as respostas das variveis controladas so diferentes
dependendo se aplicamos degraus positivos ou negativos e dependendo da amplitude do
degrau. Isto evidenciado nas tabelas 6.2 e 6.3, onde variamos o degrau de 1 a 5% nas
variveis manipuladas para cima e para baixo em torno do caso base.
Degrau (%)
Kp C3-
Kp C4+
Kp Ttopo
-5.0
-3.0
-1.0
8.44E-04
1.09E-03
2.04E-03
-3.71E-02
-3.90E-02
-5.10E-02
-2.43E-02
-2.61E-02
-3.58E-02
1.0
5.54E-02
-2.94E-02
-2.75E-02
3.0
1.23E-01
-1.02E-02
-2.65E-02
Tabela 6.2 Ganhos do processo em relao vazo de refluxo.
42
Degrau (%)
Kp C3-
Kp C4+
Kp Ttopo
-3.0
-1.0
-6.49E-01
-1.36E-01
2.10E-02
5.79E-02
9.60E-01
5.70E-02
1.0
-5.22E-03
1.14E-01
7.91E-02
3.0
-8.97E-03
2.61E-01
1.73E-01
5.0
-2.32E-03
8.07E-02
5.23E-02
Tabela 6.3 Ganhos do processo para a vazo de GOP.
Nas tabelas 6.4 e 6.5 so apresentados os ganhos para as variveis perturbadoras

que sero utilizadas no controlador. Aqui tambm possvel observar a grande variao
do ganho em funo do degrau aplicado e do sentido (aumento ou reduo da varivel)
do mesmo.
Degrau (%)
Kp C3-
Kp C4+
Kp Ttopo
-10.0
-5.0
-3.0
-1.0
0.00192
0.00155
0.00128
0.00096
-0.01709
-0.01782
-0.01567
-0.01284
-0.01216
-0.01255
-0.01089
-0.00859
1.0
0.00266
-0.01525
-0.01104
3.0
0.00671
-0.01350
-0.01026
5.0
0.01355
-0.00923
-0.00798
10.0
0.02007
-0.00478
-0.00566
Tabela 6.4 Ganhos do processo para a vazo de carga .
Degrau
(C)
-3.6
-1.6
-0.6
Kp C3-
Kp C4+
Kp Ttopo
-3.42742
-2.09024
-0.48027
0.34303
0.75228
1.58481
0.73712
0.78103
1.18692
0.6
-0.11253
2.00225
1.42429
1.6
-0.05985
1.39626
0.95874
3.6
-0.04473
1.22596
0.82054
Tabela 6.5 Ganhos do processo para a temperatura do fluido de aquecimento.
43
7
IDENTIFICAO DOS MODELOS DO SISTEMA
Podemos dizer que a identificao do modelo do processo uma das etapas mais
importantes no projeto e anlise de um controlador, pois caso se utilize um modelo
inadequado, a performance do controle ficar prejudicada e sua anlise ser incorreta.
Assim, devemos ter em mente uma srie de consideraes sobre os modelos a serem
utilizados, tais como:
Que tipo de modelo o controlador utiliza?

Para responder esta pergunta devemos considerar uma srie de caractersticas do
sistema, como: se o modelo deve ser linear ou no-linear, fenomenolgico ou
emprico, invariante ou variante no tempo.
Qual a forma de apresentao do modelo?

Devemos responder se o modelo deve ser apresentado na forma de funo de
transferncia, ou resposta ao degrau ou impulso. Se apresentarmos o modelo na
forma de funo de transferncia, devemos definir se o modelo ser apresentado
no domnio de tempo contnuo ou discreto. Se o modelo estiver na forma de
resposta ao degrau ou impulso, podemos apresent-lo na forma de srie temporal
ou na forma analtica.
Qual a necessidade de se utilizar mais de um modelo do processo?

Para sistemas variantes no tempo, muitas vezes um nico modelo no atende
performance desejada em toda a regio de operao do sistema. Isto ocorre
quando o processo altera suas caractersticas, por exemplo, alterao da natureza
da matria-prima, ou degradao do processo por desgaste do equipamento,
como colunas de destilao cuja eficincia do estgio cai por vazamento nas
bandejas. Neste caso, devemos decidir se iremos utilizar um conjunto de
modelos pr-definidos ou se adaptaremos algum parmetro do modelo do
processo, por exemplo o seu ganho esttico.
No caso da coluna depropanizadora temos regies de fortes no-linearidades nos

ganhos, que devem ter, portanto, grandes alteraes na sua dinmica, e temos regies
Captulo 7 - Identificao dos modelos do sistema
44
onde os modelos obtidos so incompatveis sob o aspecto de utilizao em controle

preditivo.
7.1 Algoritmo de identificao com modelos na forma analtica
Neste trabalho utilizaremos um conjunto de modelos convenientemente

escolhidos sendo apresentados na forma de resposta ao degrau analtico no domnio do
tempo contnuo. Esta representao pode ser visualizada atravs das seguintes equaes:
si , j , n = 0 nT i , j
na
si , j , n = ci , j , 0 + ci , j , g f i , j , g (nT )
g =1
nT i , j
(7.1)
sendo:
i
- i-sima varivel de sada (controlada)
- j-sima varivel de entrada (manipulada e perturbao)
i,j
- tempo morto do par de variveis i,j
- instante de amostragem
f i , j ,0 ( t ) = 1
f i , j ,g (t ) = e i , j , g
r
( t )
f i , j , g ( t ) = t i , j
i,j
ri , j , g 0
ri , j , g = 0
O comportamento dinmico da maioria dos processos pode ser representado por

equaes diferenciais de primeira ou segunda ordem. No caso de processos em srie,
como por exemplo n estgios de equilbrio, a funo de transferncia resultante tem a
ordem correspondente multiplicao das vrias funes de transferncia. Felizmente
os processos qumicos de ordens elevadas tm normalmente comportamento que pode
ser razoavelmente aproximado por um modelo de ordem menor. Os controladores em
malha fechada podem adicionar razes complexas ou zeros s funes de transferncias.
Alm disso, sistemas com funes de transferncia em paralelo, podem adicionar zeros
no processo resultante, gerando por exemplo, resposta inversa.
Diante deste comportamento, podemos dizer que a maioria dos processos podem
ser representados pela seguinte funo de transferncia:
G (s ) =
b0 + b1 s
e s
2
1 + a1 s + a 2 s
45
(7.2)
Considerando o modelo sem a componente do tempo morto, temos:
G (s ) =
b0 + b1 s
1 + a1 s + a 2 s 2
(7.3)
Considerando a aplicao de um degrau unitrio ao sistema temos:
y d ( s ) = G (s )
1
s
(7.4)
substituindo a equao (7.3) em (7.4), temos:
y d (s ) =
b0 + b1 s
1
2
s
1 + a1 s + a 2 s
fatorando yd(s), temos:
y d (s ) =
b0 + b1 s
( 1 s + 1)( 2 s + 1)s
y d (s ) =
b0 + b1 s
1
1 2
1
1
s + s +
1 2
ou
Portanto as razes do denominador so:

r1 =
1
1
; r2 =
1
2
; r3 = 0
Ento a resposta ao degrau do sistema pode ser representada por:
y d (s ) = r1 r2
b0 + b1 s
(s r1 )(s r2 )s
Separando a resposta ao degrau em fraes parciais, temos:
y d (s ) =
46
c0
c
c
+ 1 + 2
s s r1 s r2
sendo:
c0 = b0
c1 = r2
c 2 = r1
b0 + b1 r1
r1 r2
1
+ b1
r1
ou c1 =
1 1
r2 r1
b0 + b1 r2
r2 r1
1
+ b1
r2
ou c 2 =
1 1
r1 r2
b0
b0
Passando a resposta ao degrau para o domnio do tempo e incluindo o termo do

tempo morto, teremos:
yd (t ) = c0 + c1e r1 (t ) + c2e r2 (t )
(7.5)
No caso de um sistema SISO, podemos escrever a equao da predio da sada

para um instante qualquer, na seguinte forma paramtrica:
na
[ ] f ( jT )
y j = [ p0 ]k + p g
g =1
[ p0 ]k = [ p0 ]k 1 + c0 u k 1
[p ] = [p ]
g k 1
g k
(7.7)
e g + c g e g u k 1
rT
(7.6)
rT
sendo:
g = 1, 2, , na
j = int k + + 1
T
sendo que:
k = 1, 2,, ns-/T-1
- tempo morto
- perodo de amostragem
ns
- horizonte da predio
int()
- valor inteiro
na
47
- nmero de plos do processo
A identificao dos modelos do processo consiste na determinao dos

parmetros cg, rg e para g = 0, 1, 2, , na da equao (7.6). Este ajuste de parmetros
efetuado atravs de um procedimento de busca no-linear. Normalmente na
identificao do processo, os modelos so apresentados na forma discreta. Neste
trabalho, os modelos sero apresentados na forma contnua.
A identificao do processo consiste das seguintes etapas:
1 Assumir os valores iniciais para os parmetros:

Considerando o modelo definido pela equao (7.2), a predio da sada que
dada pela equao (7.6), fica:
y j = [ p0 ]k + [ p1 ]k e r1 ( jT ) + [ p 2 ]k e r2 ( jT )
sendo:
[ p1 ]k = [ p1 ]k 1 e r T + c1e r T u k 1
(7.8)
[ p 2 ]k = [ p 2 ]k 1 e r T + c 2 e r T u k 1
(7.9)
Os parmetros a serem ajustados, para os quais devemos assumir valores iniciais,

so: c1, c2, r1, r2 e . Alm disso, inicialmente assumimos que o processo esteja no
estado estacionrio, portanto:
[ p0 ]1 = y1
[ p1 ]1 = 0
[ p 2 ]1 = 0
sendo:
y1 Valor inicial da sada
2 Calcular as predies da sada:

Nesta etapa calculamos as predies da sada nos instantes k = 1, 2,, ns-/T-1
com os parmetros calculados atravs das equaes (7.7) a (7.9).
3 Calcular o resduo da predio atravs do critrio quadrtico:
ISE =
(y
ns
j = +1
T
48
yj )
sendo:
y j - valor medido da sada no instante j
y j - valor da predio da sada no instante j
j - peso que pune o desvio no instante j
4 Executar o procedimento de otimizao dos parmetros do modelo, formulando o

problema da seguinte forma:
min ISE
c1 ,c2 , r1 , r2 ,
sujeito :
na
c
g =1
= c0
(7.10)
A restrio apresentada pela equao (7.10) garante que o sistema seja

estritamente prprio. Os parmetros cg e rg do modelo podem ser complexos e o
parmetro c0 um nmero real. No caso do modelo utilizado neste trabalho, a equao
(7.10) fica:
c0 = c1 + c2
Como a predio da sada uma funo exponencial, devemos utilizar um
algoritmo da programao no-linear.
No processo de identificao foram efetuados testes que consistiram na aplicao
de degraus nas variveis manipuladas e perturbadoras individualmente, ou seja, aplicouse um degrau em uma dada entrada, aguardou-se o processo atingir o estado estacionrio
e em seguida se aplicou um degrau na varivel seguinte. A escolha dos pontos de
operao onde os testes foram executados levou em conta as faixas de ganhos do
processo e a regio de operao em que o controlador dever operar.
No prximo item apresentamos os resultados da identificao dos modelos do
processo para as duas composies de carga utilizadas.
49
7.2 Modelos de processo identificados:
Foram aplicados degraus nas seguintes variveis manipuladas e perturbadoras do

controle supervisrio:
Vazo de refluxo de topo
(VRF)
[m3/d]
Vazo de fluido de aquecimento
(VGOP)
[m3/d]
Vazo de carga
(VCARGA)
[m3/d]
Temperatura do fluido de aquecimento (TGOP)
[C]
Foram efetuados testes em 5 pontos da regio de operao do sistema. Na figura

7.1, vemos os pontos escolhidos assinalados de 1 a 5, que correspondem aos nmeros
dos modelos identificados. Os modelos de 1 a 3 so referentes composio de carga 1
e os modelos 4 e 5 se referem composio de carga 2. O ponto FD corresponde a um
modelo obtido atravs de teste realizado na planta industrial, o teste consistiu na
aplicao de degraus nas variveis manipuladas e perturbadoras, sendo o modelo obtido
tambm na forma analtica como os demais.
Figura 7.1 Regio de operao do processo.
50
Os pontos foram escolhidos visando obter modelos que representem as diversas

condies do processo de forma a termos um politopo onde os vrtices seriam
representados atravs deste conjunto de modelos. A idia ento representar qualquer
modelo correspondente
outra condio operacional atravs de uma combinao
convexa deste conjunto de modelos.
Os modelos obtidos esto representando bem a regio de operao do

controlador. Na tabela 7.1 apresentamos os pontos de operao com suas principais
caractersticas.
Modelo
VRF
VGOP
Ttopo
C4+
C3-
(m3/d)
(m3/d)
(oC)
(%)
(%)
1
4000
2104
47.74
4.30
0.38
2
3160
1731
49.34
6.55
0.88
3
2300
1331
47.82
4.60
4.81
4
2240
1115
47.08
3.00
3.01
5
3532
1837
44.35
0.08
4.35
Tabela 7.1 Pontos de operao dos modelos do processo
A figura 7.2 mostra o conjunto de modelos para resposta s variveis

manipuladas e a 7.3 mostra o conjunto de modelos para as perturbaes. Observa-se que
h modelos de naturezas muito distintas, com ganhos e dinmicas bem diferentes. Nas
figuras, no apresentamos os modelos relativos do teor C4+ para a planta industrial,
devido no confiabilidade da inferncia utilizada para medio desta varivel.
51
Figura 7.2 Modelos de resposta ao degrau nas manipuladas. O modelo da planta real
o FD.
52
Figura 7.3 Modelos de resposta ao degrau nas perturbaes. O modelo da planta real
o FD.
53
A seguir apresentamos os parmetros dos modelos identificados, na forma de

resposta ao degrau unitrio analtica, conforme apresentado anteriormente. No Apndice
A, apresentamos os modelos na forma de funo de transferncia
Para o modelo 1:
y11 (t ) = 0.0004498 + (- 2 .2490 e- 4 -6 .0800 e-5i)e (-0.05450 + 0.14610i)( t - 1 ) + (- 2 .2490 e- 4 + 6 .0800 e-5i)e (-0.05450 0 .14610i)( t - 1 )
y12 (t ) = -0.00344 + ( 1.7208 e- 3-6.7829 e- 4i)e(- 0.17696 + 0.21441i)( t - 1 ) + ( 1.7208 e + 3 + 6.7829 e- 4i)e(- 0.17696 0.21441i)( t - 1 )
y13 (t ) = 6.6666e-004 + (-0.3333e-3 + 0.3327e-3i)e(- 0.1987 + 0.2134i)( t - 1 ) + (-0.3333e-3 0.3327e-3i)e(- 0.1987 0.2134i)( t - 1 )
y14 (t ) = -1.9574 e-002 + ( 0.9787 e-2 -0.3858e- 2i)e(-0.0671+ 0.0813i)( t - 1 ) + ( 0.9787 e-2 + 0.3858e- 2i)e(-0.06710.0813i)( t - 1 )
y21(t ) = -2.9662e-002 + ( 0.01483-0.00996i)e(- 0.0571+ 0.0728i)( t - 1 ) + ( 0.01483 + 0.00996i)e(- 0.05710.0728i)( t - 1 )

y22 (t ) = 7.6057e-002 + (-0.03803 + 0.03379i)e(- 0.0672 +0.0650i)( t - 1 ) + (-0.03803 0.03379i)e(- 0.0672 0.0650i)( t - 1 )
y 23 (t ) = -1.7603 e- 002 + ( 0.008801 -0 .008128 i)e (- 0 .0787 + 0.0890 i)( t - 1 ) + ( 0.008801 + 0.008128 i)e(- 0.0787 0 .0890 i)( t - 1 )
y 24 (t ) = 1.14 + (- 0 .0057 + 0 .0051 i)e (- 0 .0672 + 0 .0650 i)( t - 1 ) + (- 0 .0057 0 .0051 i)e (- 0 .0672 - 0 .0650 i)( t - 1 )
y 31 (t ) = -0 .0153 + ( 7 .6 e- 03-8.4 e- 03i)e (- 0 .06590 + 0 .05450 i)( t - 1 ) + ( 7 .6 e- 03 + 8.4 e- 03i)e (- 0 .06590 0 .05450 i)( t - 1 )
y32 (t ) = 0.0510 + 0.0009e -2.19840( t - 1 ) 0.0518e-0.06210( t - 1 )
y33 (t ) = -0.0112 0.0002e-1.8517( t - 1 ) + 0.0115e-0.0731( t - 1 )
y34 (t ) = 0.7643 + 0.0132 e-2.1984( t - 1 ) 0.7775e-0.06215( t - 1 )
Para o modelo 2:
y11(t ) = 0.0016713 + 0.00042e -1.49080( t - 1 )-0.002092e-0.16940( t - 1 )
y12(t ) = -0.01202 + ( 0.0060114-0.00337i)e(-0.25197+0.3263i)( t - 1 ) + ( 0.0060114 + 0.00337i)e(-0.251970.3263i)( t - 1 )

y13 (t ) = 0.001866 + (-0.009331 + 0.001740i)e(- 0.1048+ 0.1302i)( t - 1 ) + (-0.009331 0.001740i)e(- 0.1048 0.1302i)( t - 1 )
y14 (t ) = - 4 .0553 e- 002 + ( 0 .02028 -0 .01136 i)e (- 0 .0661 + 0 .0856 i)( t - 1 ) + ( 0.02028 + 0 .01136 i)e (- 0 .0661 0 .0856 i)( t - 1 )
y 21 (t ) = -5.1577 e- 002 0 .00512 e - 0 .6492 ( t - 1 ) + 0 .05670 e - 0 .0864 ( t - 1 )

y 22 (t ) = 7 .7075e- 002 + (-0.03854 + 0.01807 i)e(- 0.0634 + 0.0908 i)( t - 1 ) + (- 0.03854 0.01807 i)e(- 0.0634 0.0908 i)( t - 1 )
y23 (t ) = 2 .6256 e- 002 + ( 0.01313 -0.00691i)e(- 0.0678 + 0.1010i)( t - 1 ) + ( 0 .01313 + 0.00691i)e (- 0.0678 0.1010i)( t - 1 )
y 24 (t ) = 0 .99 + (- 0 .50 + 0 .23 i)e (- 0 .0634 + 0 .0908 i)( t - 1 ) + (- 0 .50 0 .23 i)e (- 0 .0634 - 0 .0908 i)( t - 1 )
y31 (t ) = -0.0261 + 0.0001e -1.94770( t - 1 ) + 0.026e -0.12470( t - 1 )

y32 (t ) = 0.055 + 0.0099e -0.72290( t - 1 ) 0.0649 e-0.11240( t - 1 )
y33 (t ) = -0.0170 0.0006e-0.7390( t - 1 ) + 0.0177e -0.0938( t - 1 )
y34 (t ) = 0.7074 + 0.1269e -0.7229( t - 1 ) 0.8343e-0.1124( t - 1 )
Para o modelo 3:
y11(t ) = 0.01679 + 0.00218e -1.1090( t - 1 )- 0.01898e-0.0823( t - 1 )
y12(t ) = -0.04317 0.01187e -0.2742( t - 1 ) + 0.05505e-0.0660( t - 1 )
y13 (t ) = 0.02143 + 0.00163e-0.4900( t - 1 )- 0.02306e-0.0733( t - 1 )
y14 (t ) = -0.430 0.1200e -0.2742( t - 1 ) + 0.5400e-0.0660( t - 1 )
y21(t ) = -0.0456 0.00748e-0.2653( t - 1 ) + 0.05308e -0.0871( t - 1 )

y 22 (t ) = 0 .06564 + ( 0 .03282 + 0 .0536 i)e (- 0 .1263 + 0 .0712 i)( t - 1 ) + ( 0 .03282 0 .0536 i)e (- 0 .1263 - 0 .0712 i)( t - 1 )
y 23 (t ) = 0 .01737 + ( 0 .000869 0 .001171 i)e (- 0 .1147 + 0 .0765 i)( t - 1 ) + ( 0 .000869 + 0 .001171 i)e (- 0 .1147 0 .0765 i)( t - 1 )
y 24 (t ) = 0 .65 + (- 0 .32 + 0 .53i)e (- 0 .1236 +0 .0712 i)( t - 1 ) + (- 0 .32 - 0 .53i)e (- 0 .1236 0 .0712 i)( t - 1 )
y31 (t ) = -0.0226 + 0.0021e -0.2625( t - 1 ) + 0.0205e-0.1391( t - 1 )

y32 (t ) = 0.0457 0.0009 e-1.7869( t - 1 ) 0.0488e-0.1089( t - 1 )
y33 (t ) = -0.0110 + 0.0001e -0.7822( t - 1 ) + 0.0109e-0.1021( t - 1 )
y34 (t ) = 0.4506 0.0086e-1.7869( t - 1 ) 0.4421e-0.1089( t - 1 )
Para o modelo 4:
y11(t ) = 7.5501e-003 + 0.000759e -0.9176( t - 1 )- 0.008309e -0.0704( t - 1 )
y12(t ) = -2.0402e-002 0.00381e -0.2187( t - 1 ) + 0.02422e -0.0417( t - 1 )
y13 (t ) = 1.0239 e-002 + 0.00105e -0.4526( t - 1 )- 0.01129 e-0.0585( t - 1 )
y14 (t ) = -0.20 0.04e-0.2187( t - 1 ) + 0.23e -0.0417( t - 1 )
y 21 (t ) = -5.9193e-002 + ( 0.02960 -0.03019 i)e (-0.0755 + 0.0416i)( t - 1 ) + ( 0.02960 + 0.03019 i)e (-0 .0755 0.0416i)( t - 1 )
y 22 (t ) = 0 .11 + (- 0 .05532 + 0 .07064 i)e (- 0 .0521 + 0 .0434 i)( t - 1 ) + (- 0 .05532 0 .07064 i)e (- 0 .0521 - 0 .0434 i)( t - 1 )
y 23 (t ) = 4 .0201 e- 002 + ( 0 .02010 0 .01679 i)e (- 0 .0484 + 0 .0477 i)( t - 1 ) + ( 0 .02010 + 0 .01679 i)e (- 0 .0484 0 .0477 i)( t - 1 )
y 24 (t ) = 1.06 + (- 0 .53 + 0 .68 i)e (- 0 .0521 + 0 .0434 i)( t - 1 ) + (- 0 .53 0 .68 i)e (- 0 .0521 - 0 .0434 i)( t - 1 )
54
y31 (t ) = -0.0295 + 0.0010e-0.7790( t - 1 ) + 0.0285e -0.1078( t - 1 )

y32 (t ) = 0.0751 0.0025e-0.8120( t - 1 ) 0.0726e-0.0482( t - 1 )
y33 (t ) = -0.0263 0.0003e-1.8516( t - 1 ) + 0.0266e-0.0361( t - 1 )
y34 (t ) = 0.7180 0.0237 e-0.8120( t - 1 ) 0.6943e-0.0482( t - 1 )
Para o modelo 5:
y11(t ) = 6.9795e-003 + 0.001979e-0.7011( t - 1 )-0.008959e-0.1154( t - 1 )
y12(t ) = -1.8445e-002 0.01706e-0.2281( t - 1 ) + 0.03551e-0.1136( t - 1 )
y13 (t ) = 9.5311e-003 + 0.00131e-0.8127( t - 1 )-0.01084 e-0.0876( t - 1 )
y14 (t ) = -0.25 0.23e-0.2281( t - 1 ) + 0.48e-0.1136( t - 1 )
y21(t ) = -3.9985e-002 0.00133e-1.1042( t - 1 ) + 0.04132e-0.0648( t - 1 )

y22 (t ) = 7.5193e-002 0.01706e -0.2536( t - 1 ) + 0.03551e -0.0709( t - 1 )
y23 (t ) = 2.6535e-002 0.00721e-0.2987( t - 1 ) + 0.03374e -0.0578( t - 1 )
y 24 (t ) = 1.02 + 0 .30 e - 0 .2536 )( t - 1 ) 1.32 e - 0 .0709 )( t - 1 )
y31 (t ) = -0.0193 0.0001e-1.0675( t - 1 ) + 0.0193e -0.1001( t - 1 )

y32 (t ) = 0.0461 0.0008e- 2.3439( t - 1 ) 0.0453e -0.0751( t - 1 )
y33 (t ) = -0.0139 0.0003e-0.9223( t - 1 ) + 0.0142 e-0.0595( t - 1 )
y34 (t ) = 0.6169 0.0161e-1.5952( t - 1 ) 0.6008e -0.0779( t - 1 )
Para o modelo da planta industrial:

y11(t ) = 9.5819e-004 + 0.000125e-3.3169( t - 1 )- 0.001083e-0.1780( t - 1 )
y12(t ) = -0.00361 0.0002712e- 2.5403( t - 1 ) + 0.003881e-0.1584( t - 1 )
y13 (t ) = 0.003487 + 0.001495e-1.1164( t - 1 )- 0.005046 e-0.2657( t - 1 )
y14 (t ) = -0.08923 + 0.00049e-0.08398( t - 1 ) + 0.08871e -0.00920( t - 1 )
y31 (t ) = -0.01253 + 0.0002322 e -1.5755( t - 1 ) + 0.0123e-0.0625( t - 1 )

y32 (t ) = 0.03144 + 0.0004781e-2.4027( t - 1 ) 0.03192e -0.0271( t - 1 )
y 33 (t ) = - 0 .01455 + ( 0 .007228 - 0 .008027 i)e (-1.1626 +1.1626 i)( t - 1 ) + ( 0 .007228 + 0 .008027 i)e (-1.1626 -1.1626 i)( t - 1 )
55
56
y 34 (t ) = 0 .6675 + ( 0 .3337 + 0 .5133 i)e (- 0 .3007 - 0 .1887 i)( t - 1 ) + ( 0 .3337 0 .5133 i)e (- 0 .3007 + 0 .1887 i)( t - 1 )
Nas equaes acima yij(t) representa uma resposta da sada i no instante t para um
degrau unitrio aplicado na entrada j no instante 0, onde:
i = 1 - representa a concentrao de C3- na corrente de fundo da coluna.
i = 2 - representa a concentrao de C4+ na corrente de topo da coluna.
i = 3 - representa a temperatura de topo da coluna.
j = 1 - representa a vazo de refluxo de topo da coluna.
j = 2 - representa a vazo de fluido de aquecimento para o refervedor da coluna.
j = 3 - representa a vazo de carga para a coluna.
j = 4 - representa a temperatura do fluido de aquecimento para refervedor.
57
8
ALGORITMOS DE CONTROLE
As principais caractersticas dos controladores preditivos inicialmente
desenvolvidos por Cutler e Ramaker (1979), Prett e Gillette (1980) e Richalet et al.
(1978) so as seguintes:
Embora na engenharia de controle clssico, o modelo do processo seja

definido por um modelo de estado ou funo de transferncia, nos
controladores preditivos, as sadas futuras so previstas usando modelos de
resposta ao degrau ou impulso.
Diante das incertezas no modelo identificado, variaes da planta e

perturbaes no medidas, introduziu-se o termo de correo da predio
como a diferena do valor estimado e o valor medido.
As aes de controle minimizam um ndice de performance definido pelo

usurio. Normalmente minimizada a diferena quadrtica entre a trajetria
desejada e a trajetria prevista.
As aes de controle so normalmente calculadas atravs de um algoritmo de

otimizao, onde inclumos pesos e restries ao problema de controle.
O algoritmo de controle calcula a trajetria futura das entradas, porm

somente a primeira ao de controle ser implementada na planta.
Nos controladores preditivos industriais as funes so executadas em um ciclo

de amostragem pr-definido onde temos as seguintes etapas:
Leitura das entradas e sadas da planta;
Clculo das predies das sadas;
Clculo do erro em relao trajetria desejada;
Clculo das aes de controle;
Implementao das aes de controle na planta.
A seguir apresentaremos a forma de evoluo do MPC onde sero abordados os

seguintes pontos:
Captulo 8 - Algoritmos de controle
MPC com modelo no-paramtrico;
MPC com modelo de ordem reduzida;
MPC com multi-modelos;
Soluo do algoritmo MPC com SQP.
58
8.1 MPC com modelo no-paramtrico
Neste tipo de algoritmo utilizado um modelo FIR (finite impulse response) ou um

modelo de resposta ao degrau para representar o comportamento dinmico do processo. O
modelo obtido como uma seqncia de coeficientes numricos que relaciona as entradas
com as sadas. Por exemplo, no caso do modelo FIR temos a sada i relacionada com a
entrada j da seguinte forma:
nbi,j
y i (k ) = bi,j,n u j (n )
n =1
Sendo:
nbi,j - nmero de coeficientes do modelo
bi,j,n - corresponde ao n-simo coeficiente da resposta ao pulso unitrio
8.1.1 Clculo das predies das variveis controladas
As predies das variveis controladas so baseadas no modelo do sistema e nas
aes de controle j aplicadas ao processo.
O clculo das predies tem as seguintes etapas:
Clculo do efeito da ltima ao de controle;
Correo da predio atravs das leituras da planta real;
Translao da predio corrigida.
8.1.1.1 Efeito da ltima ao de controle
59
No caso de um processo estvel em malha aberta, podemos representar a

predio da varivel controlada como a composio de duas parcelas, uma parte
corresponde aos efeitos das entradas passadas e a outra parte referente contribuio da
ltima ao de controle, esta predio pode ser representada da seguinte forma:
[y ]
i ,k +n k
k 1
= yi ,k + n
nu
k 1
k 1
+ si , j ,n u j ,k 1
(8.1)
j =1
sendo:
n
[y
- instante futuro n = 1, 2,
i ,k + n
k 1
- predio da varivel controlada i no instante futuro k+n

k 1
calculada no instante k-1 com informaes do processo at k-1.
[y ]
i ,k + n k
k 1
- predio da varivel controlada i no instante futuro k+n

calculada no instante k com informaes do processo at k-1.
si , j ,n
- coeficiente correspondente ao instante n da resposta ao degrau

da varivel controlada i com a varivel manipulada j
u j ,k 1 = u j ,k 1 u j ,k 2
u j ,k 1
- valor da varivel manipulada j aplicada no instante k-1.
u j ,k 2
- valor da varivel manipulada j aplicada no instante k-2.
Usando (8.1) para calcular as predies de todas as variveis controladas, temos:
[y ]
k +n k
k 1
= y k +n
k 1
k 1
+ S n uk 1
(8.2)
Sendo:
[y ]
k + n k 1
[ y k +n ]k
k 1
k 1
= y1,k + n
= y1,k + n
k 1
k 1
k 1
L y ny ,k + n
L y ny ,k +n
u k 1 = u1,k 1L unu ,k 1
k 1
k 1
k 1
[y ]
k + n k 1
[y ]
k +n k
k 1
k 1
ny 1
ny 1
u k 1 nu1
60
s1,1,n L s1,nu , n
Sn = M
M
s ny ,1,n L s ny ,nu ,n
S n ny nu
sendo, nu o nmero de variveis de entrada (manipuladas e perturbaes) e ny o nmero

de variveis de sada (controladas)
No enfoque convencional as predies das variveis controladas so feitas em
instantes seqnciais defasados de um perodo de amostragem at o maior horizonte de
estabilizao dos modelos, ou seja:
np = max(nhi , j )
i, j
Assim, as predies das variveis controladas em todos os instantes desejados,

podem ser apresentadas da seguinte forma:
[ y]
k 1
= [ y ] k 1
k 1
+ Su k 1
(8.3)
sendo:
[ y ]k 1k 1 = [ y k +1 ]T
[ y ]k k 1
k 1
T
= [ y k +1 ] k
k 1
[ y k +2 ]T
k 1
k 1
[ yk +2 ]
u k 1 = u1,k 1L unu ,k 1
S = S 1T
S 2T
T
L S np
L
k 1
L
k 1
[y ]
k 1
k 1
k + np
[y ]
k
k 1
k + np
8.1.1.2 Correo das predies com as leituras da planta
Diante das incertezas em relao aos modelos da planta e perturbaes no

medidas, necessrio acrescentar um termo de correo das predies das variveis
controladas.
Com os efeitos das aes de controle calculados, devemos corrigir as predies
atravs da leitura das variveis controladas. As predies dessas variveis, no primeiro
instante deveriam corresponder aos valores lidos das variveis controladas (se os
61
modelos fossem perfeitos). Para o clculo dessa correo, utilizamos apenas os termos
correspondentes ao instante k+1 do vetor de predies, ou seja:
[y ]
k +1 k
= N [ y] k
k 1
(8.4)
k 1
sendo:
[y ]
k +1 k
= y1,k +1
k 1
1
0
N=
M
[y ]
2 , k +1 k
k 1
k 1
0 L 0 0 L 0
1 L 0 0 L 0
;
M O M M
M
0 L 1 0 L 0
[y
ny , k +1
k 1
N ny ny .np
Considerando a leitura da varivel controlada i representada por y$ i ,k , podemos

calcular o desvio da predio em relao leitura da planta como
wi ,k = y$ i ,k yi ,k +1
k 1
Para todas as variveis controladas, obtemos:

Wk = y$ k [ y k +1 ] k
(8.5)
k 1
sendo:
[
= [y
Wk = w1,k
L wny ,k
y k
L y ny ,k
1, k
Wk ny1
y k ny1
Substituindo (8.4) em (8.5), temos:

Wk = y$ k N [ y ] k
k 1
(8.6)
A correo deste desvio normalmente propagada para todas as predies

futuras. A lei de propagao da correo adotada neste trabalho apresentada como:
[y ]
c
i,k + n k
k 1
= [ y i , k + n ]k
k 1
62
+ wi , k
sendo:
[y ]
c
i ,k + n k
- predio corrigida da varivel controlada i no instante futuro
k 1
k+n calculado no instante k com informaes do processo em

k-1.
Podemos escrever as predies corrigidas para todas as variveis controladas e

todos os instantes futuros escolhidos, assim temos:
[y ]
c
k 1
= [ y]k
k 1
+ KWk
(8.7)
sendo:
1
0
0
1
K = M
0
M
1
M
0
0 L 0
1 L 0
M O M
0 L 1
0 L 0
M
M
0 L 1
M
M
0 L 0
M
M
0 L 1
Substituindo as equaes (8.3) e (8.6) em (8.7), temos:
[y ]
c
k 1
= [ y ] k 1
+ Su k 1 + K y$ k N [ y ] k 1 + Su k 1
k 1
k 1
Agrupando os termos, temos:
[y ]
c
k 1
= ( I KN )[ y ] k 1
k 1
+ Ky$ k + ( I KN ) Su k 1
(8.8)
63
sendo:
I ny
0
I =
M
I ny
0
I ny
M
0
L 0
L 0
O M
L I ny
1 0 L 0
0 1 L 0
=
M M O M
0 0 L 1
I ny .np ny .np
I ny nyny
8.1.1.3 Translao da predio corrigida
As predies das variveis controladas esto atualizadas e corrigidas para o

instante k. Isto significa que:
[y ]
k 1
[y ]
k 1
c
i ,k + 2 k
c
i ,k +3 k
- corresponde ao instante atual k+1

- corresponde ao instante futuro k+2
[y
c
i , k + np +1 k
k 1
- corresponde ao instante futuro k+np
Portanto, dentro da filosofia dos controladores preditivos, que apresentam um

horizonte mvel, necessrio fazer a translao de um perodo de amostragem em todo
vetor de predies e para todas as variveis controladas.
[y ]
1,k +1 k
[y ]
[y ]
ny ,k +1 k
M
k
M
k
= y1c,k +np
k 1
k 1
c
= y ny
,k + 3
ny ,k + np 1 k
c
1,k + 3 k
k 1
[ ]
= [y ]
1,k + np 1 k
[y
= y nyc ,k +2
ny ,k + 2 k
[y
1,k + 2 k
[y
= y1c,k +2
64
= y nyc ,k +np
k 1
k 1
k 1
Para sistemas estveis, assume-se que np suficientemente grande tal que:
[y ]
i ,np k
[ ]
= y ic,np
k 1
Vetorialmente, podemos representar a translao da seguinte forma:
[ y ]k k
[ ]
= M yc
(8.9)
k 1
sendo:
0 I ny
0 0
M = M M
0 0
0 0
0
I ny
M
0
0
L 0
L 0
O M ;
L I ny
L I ny
M ny .np ny .np
(8.10)
Substituindo a eq. (8.8) na eq. (8.9), obtemos a seguinte expresso para as

predies das variveis controladas.
[ y]
= M ( I KN )[ y ] k 1
8.1.2 Clculo das aes de controle
k 1
+ MKy$ k + M ( I KN ) Su k 1 (8.11)
65
O algoritmo de controle preditivo calcula as aes de controle segundo as

seguintes etapas:
Recebe a trajetria referncia para as variveis controladas em determinados

instantes futuros. O nmero de instantes denominado
horizonte de
predio (np).
Calcula os erros das variveis controladas em relao ao setpoint ou a uma

faixa de operao, onde o erro nulo quando a predio est dentro dos
limites estabelecidos para as variveis.
Calcula os valores das aes de controle nos instantes futuros de modo a

minimizar os erros das variveis controladas em certos instantes futuros.
A seguir sero descritas estas etapas.
8.1.2.1 Trajetria de referncia das variveis controladas
Calculadas as predies das variveis controladas, utilizam-se estas mesmas no

clculo das aes de controle. Na forma tradicional de clculo do controlador preditivo
o horizonte de predio (np) corresponde aos instantes futuros at o maior tempo de
estabilizao dos modelos do processo. O horizonte de otimizao (nr) relativo aos
instantes futuros em que o controlador ir minimizar os erros.
Para o clculo das aes de controle, utilizamos apenas os termos
correspondentes at o instante k+nr do vetor de predies, pois comumente no
interessante calcularmos as aes de controle considerando todos os instantes at o
estado estacionrio. Desta forma, podemos escrever:
[~y ]k k
= N r [ y ]k
sendo:
[~y ]k k
= [ y k +1 ]k
k
T
[y k +2 ]T
k
L
k
k
k
[y k +nr ]T
66
1 0 L 0 0 L 0
0 1 L 0 0 L 0
Nr =
M M O M M
M
0 0 L 1 0 L 0
N r nr .nynp.ny
As predies das variveis controladas so alteradas ao aplicarmos as aes de

controle em cada instante. Os controladores preditivos tm a caracterstica de poder
calcular mais de uma ao de controle, que fornece mais graus de liberdade para o
controlador preditivo. Quando aumentamos o nmero de aes calculadas, permitimos
ao controlador distribuir de forma mais conveniente as suas aes. Desta forma, quando
aplicamos m aes de controle, temos:
[ y k +1 ]k k = [ yk +1 ]k k + S1uk
[ y k +2 ]k k = [ y k +2 ]k k + S 2 uk + S1uk +1
M
[ y k +m ]k k = [ y k +m ]k k + Sm uk + S m1uk +1 + L + S1uk +m1

M
[ y k +nr ]k k = [ y k +nr ]k k + S nr uk + Snr 1uk +1 + L + S nr m+1uk +m1

Na forma vetorial, temos:
[ y ]k k = [~y ]k k + S m u
sendo:
[ y ]k k = [ y k +1
y k + 2 L y k + m L y k + nr ]k
u = [uk
L u k + m1 ]
S1
S
2
M
Sm =
Sm
M
S nr
0
S1
M
S m 1
M
S nr 1
L S nr m+1
L
L
0
0
M
S1
M
67
8.1.2.2 Clculo dos erros das variveis controladas
Tendo a trajetria prevista das variveis controladas, podemos calcular os erros

em relao aos respectivos setpoints. Assim, para a varivel controlada i no instante
futuro j, o erro definido como:
[e ]
i ,k + j k
= y spi yi ,k + j
sendo:
y spi - o setpoint correspondente varivel controlada i
Podemos ento definir um vetor de setpoints dado por:
[e ]
k+ j k
[ ]
= I ny y sp y k + j
sendo:
[e ]
k+ j k
[y ]
k+ j k
L eny ,k + j
L y ny ,k + j
= e1,k + j
= y1,k + j
y sp = y sp1
L y spny
T
k
;
k
T
k
;
k
[e ]
[y ]
k+ j k
k+ j k
ny 1
ny 1
y sp ny 1
Para todos os instantes de predio futuros, temos:
[e]k k
~
= N y sp [~
y ]k
(8.12)
sendo:
[e]k k = [ek +1
y sp = y sp1
ek + 2 L ek + nr ]
L y spny
1
M
1
~ M
N =
0
M
1
M
0
M
0
M
1
M
L 0
O M
L 1
L
O
L
L
O
L
68
~
N ny.nrny
8.1.2.3 Algoritmo de controle preditivo
Os controladores de forma geral tm como principal objetivo minimizar os erros

das variveis controladas com os menores movimentos das variveis manipuladas.
No caso do controlador preditivo o objetivo minimizar a seguinte funo:
J k = [e ]k [e ]k + u T u
(8.13)
[e ]k k = [e]k k S m u
(8.14)
sendo:
[e ]k k = [ek +1
ek +2 L ek +nr ]
uma matriz de pesos para os erros nas variveis controladas

uma matriz de pesos para os movimentos das variveis manipuladas
0 L 0
0 L 0
=
M M O M
0 0 L
ny .nr ny .nr
1 L 0
=M O M
0 L
ny
ny ny
69
L 0
= M O M
0 L
m.num.nu
1 L 0
= M O M
0 L nu
nunu
Para solucionar o problema, devemos desenvolver o equacionamento da funo

objetivo do controlador. Desta forma, podemos substituir a equao (8.14) em (8.13),
resultando em:
) (
J k = [e]k S m u [e]k S m u + u T u
T
J k = [e]k [e]k u T S mT [e]k [e]k S m u + u T (S mT S m + )u

T
(8.15)
Os algoritmos de controle preditivo convencionais se diferenciam na forma de

minimizar a funo objetivo.
Como exemplo descreveremos os algoritmos: DMC, QDMC e MMPC
8.1.2.3.1 Algoritmo DMC
O algoritmo DMC o de abordagem mais simples, e se baseia no mtodo dos

mnimos quadrados.
Sua funo objetivo dada pela eq. (8.15):
J k = [e]k [e]k u T S mT [e]k [e]k S m u + u T (S mT S m + )u

T
Como os termos so todos escalares, podemos dizer que
u T S mT [e]k = [e]k S m u
T
70
portanto:
J k = [e]k [e]k 2u T S mT [e]k + u T (S mT S m + )u

T
O valor mnimo da funo objetivo corresponde ao ponto onde a derivada da

funo em relao ao u zero, isto :
Jk
=0
u
Portanto:
Jk
= 2 S mT [e]k + 2(S mT S m + )u
k
u
como
Jk
= 0 , portanto:
u
0 = 2 S mT [e]k + 2(S mT S m + )u
k
Isolando o termo em u, temos:

u = (S mT S m + ) S mT [e]k
1
Podemos escrever a equao do controlador na forma
u = K MPC [ e] k k
sendo:
K MPC = (S mT S m + ) S mT
1
(8.16)
8.1.2.3.2 Algoritmo QDMC
O algoritmo QDMC utiliza o mtodo de otimizao de programao quadrtica

(QP) para encontrar a melhor soluo para o problema de controle.
De forma compacta podemos representar o problema da programao quadrtica
da seguinte maneira:
Minimizar =
u
sujeito a
71
1 T
x Hx + C T x
2
Ax b
x0
Para resolvermos o controlador por QP, partimos da funo objetivo bsica,

resultando numa forma equivalente eq.(8.15):
J k = [e]k [e]k 2[e]k S m u + u T (S mT S m + )u

T
T
O termo [ e] k k [ e] k k na funo objetivo Jk uma constante escalar. Neste caso,
podemos eliminar este termo da funo sem alterar a sua soluo final. Tambm
podemos dividir a funo objetivo por 2 sem alterar a sua soluo.
Assim, a funo objetivo do QDMC pode ser apresentada da seguinte forma:
1 T T
T
u (S m S m + )u [e]k S m u
k
2
De forma simplificada podemos representar como:
1 T
u Hu + C T u
2
sendo:
H = S mT S m +
C T = [e]k S m
T
Na programao quadrtica, podemos incluir restries do tipo:

Au b
Neste caso, pode-se incluir as seguintes restries:
(8.17)
1. Restries de movimento das variveis manipuladas

2. Restries de limites das variveis manipuladas
8.1.2.3.2.1 Restries de movimentos
Estas restries podem ser apresentadas da seguinte forma:

u max u k + j u max
Para o caso u k + j u max com j = 1, 2, , m, temos
I m.nu u N u u max
sendo:
I nu
N u = M
I nu
N u m.nunu
Para o caso u max u k + j temos

uk + j umax
I m.nu u N u u max
compondo as duas condies, temos:
I m.nu
N u u max
I u N u
m.nu
u max
8.1.2.3.2.2 Restries de limites
As restries de limites podem ser apresentadas da seguinte forma:
72
73
u min u u max
como:
uk
u
k +1 =
M
u k + m1
I nu
I
nu
M
I nu
0
I nu
M
I nu
0 u k u k 1
L 0 u k +1 u k 1
O M M M
L I nu u k +m1 u k 1
L
ou
u = N u u + u k 1
Para o caso u u max

N u u + u k 1 u max
N u u u max u k 1
Para o caso umin u

u min N u u + u k 1
N u u u k 1 u min
compondo as duas condies, temos:
Nu
u max u k 1
u k 1 u min
N u
compondo todas as restries, temos:

I m.nu
N u u max
I
m.nu u N u u max
Nu
u max u k 1
u u
min
k 1
Nu
Portanto:
Au b
sendo:
I m.nu
I
A = m.nu ;
Nu
Nu
74
Nuu max
Nuu
max
b=
u max uk 1
uk 1 u min
8.2 MPC com modelo de ordem reduzida
Os MPCs convencionais necessitam de todos os estados do processo at o

estado estacionrio, para poder representar corretamente as previses das variveis
controladas. Algumas tentativas de reduzir a quantidade de estados foram apresentadas
por Hovd et al. (1993), que propem truncar o modelo de convoluo antes de atingir o
estado estacionrio e Li et al. (1989) que transformam um modelo no paramtrico em
um modelo em espao de estado.
Entretanto, uma soluo inovadora de reduo de ordem do modelo foi proposta
por Odloak (1996) e Gouva e Odloak (1997), na qual o modelo de estado obtido a
partir de um modelo de funo de transferncia.
8.2.1 Modelo de funo de transferncia
Os modelos do processo, originalmente eram representados atravs das respostas

das variveis controladas a degraus nas variveis de entrada (manipuladas e
perturbaes medidas). Obtinham-se estes modelos atravs do ajuste dos dados de um
teste na planta a um modelo do tipo FIR (Finite Impulse Response).
Os processos qumicos contnuos quando prximos de suas condies normais
de projeto so normalmente bem representados por modelos lineares do tipo funo de
transferncia. Conforme Ljung (1987) seria interessante fazer uma representao do
processo atravs de modelos paramtricos de ordem reduzida. Portanto, para um sistema
multivarivel, a relao dinmica entre a i-sima varivel controlada (ou sada) e a jsima varivel manipulada (ou entrada), pode ser colocada na forma:
Gi , j (s ) =
bi , j (s )
1 + ai , j (s )
s i , j
75
sendo:
bi , j (s ) = bi , j ,0 + bi , j ,1 s + L + bi , j ,nbi , j s
ai , j (s ) = a i , j ,1 s + L + ai , j ,na i , j s
i,j -
nb i, j
na i , j
tempo morto
nbi,j - ordem do polinmio bi,j(s)

nai,j - ordem do polinmio ai,j(s)
Os parmetros relativos aos polinmios ai,j(s) e bi,j(s) podem ser agrupados.

Desta forma, podemos representar os parmetros do modelo da seguinte forma:
[
= [b
]
]
ai, j = ai, j,1
ai, j, 2 L ai, j,nai , j
bi, j
bi, j,1 L bi , j,nbi , j
i, j,0
O sistema na forma multivarivel, tem genericamente ny variveis controladas e

nu variveis manipuladas e o modelo do sistema completo pode ser representado pela
seguinte matriz de transferncia:
? y (s ) = G (s )? u(s )
sendo:
? y (s ) = ? y 1 (s )L ? y ny (s )
? u(s ) = [? u1 (s )L ? unu (s )]
G1,1 ( s) L G1,nu ( s)
G ( s) = M
G ( s) L G ( s)
ny ,nu
ny ,1
No caso multivarivel, conveniente agrupar todos os parmetros do modelo da

seguinte forma:
a1,1 (s ) L a1,nu (s )
a (s ) = M
;
a ny,1 (s ) L a ny,nu (s )
b1,1 (s ) L b1,nu (s )
b(s ) = M
bny,1 (s ) L bny,nu (s )
76
1,1 ( s) L 1,nu ( s)
( s) = M
( s) L ( s)
ny ,nu
ny ,1
Os algoritmos de controle aqui utilizados, usam internamente modelos de

resposta ao degrau em malha aberta. Portanto, aplicando um degrau unitrio em u(s),
para cada par ij, temos:
y d i , j (s ) = Gi , j (s )u j (s )
sendo:
u j ( s) =
1
s
Na forma explcita, temos a seguinte funo correspondente resposta ao degrau

unitrio:
y d i , j (s ) =
bi , j , 0 + bi , j ,1 s + L + bi , j , nb s nb
s 1 + a i , j ,1 s + L + a i , j , na s
na
s i , j
Assumindo que o denominador no tenha razes mltiplas, o que razovel, pois

em processos qumicos dificilmente temos sistemas com constantes de tempo repetidas.
Por convenincia, as razes de 1+ai,j(s) so representadas como:
ri , j = ri , j ,1 L ri , j ,na
ri , j C na1
A resposta ao degrau do sistema pode ento ser fatorada, obtendo-se a seguinte

expresso:
y di , j (s ) =
bi , j (s )
s (s ri , j ,1 )(s ri , j , 2 )L (s ri , j ,na )s
s? i , j
77
O termo repetido em s indica a presena de caractersticas integradoras no

processo.
Separando a resposta ao degrau unitrio em fraes parciais, temos:
y d i , j (s ) =
ci , j , 0
s i , j
ci , j ,1
s ri , j ,1
s i , j
ci , j , na 1
+L+
s ri , j ,na 1
s i , j
ci , j ,na
s
s i , j
sendo:
ci, j,g = lim s ri, j,g

s ri , j,g
) s(s r )(s bri, j (s ))L (s r )

i, j,1
i, j, 2
i, j,na
Transformando a expresso da resposta ao degrau para o domnio do tempo

temos a seguinte forma geral:
y d i , j (t ) = ci , j ,0 + ci , j ,1e
ri , j ,1 t i , j
+ L + ci , j ,na 1e
ri , j , na 1 t i , j
+ ci , j ,na (t i , j )
(8.18)
Simplificando a expresso (8.18), temos:
y d i , j (t ) =
na 1
c
g =0
i, j,g
ri , j , g t i , j
+ ci , j ,na (t i , j )
(8.19)
Os coeficientes da resposta ao degrau do sistema podem ser obtidos a partir da

eq. (8.19):
si , j , n = 0 nT i , j
na
si , j , n = ci , j , 0 + ci , j , g f i , j , g (nT )
g =1
sendo:
n
- instante de amostragem
f i , j , 0 (t ) = 1
f i , j , g (t ) = e
ri , j , g t i , j
ri , j , g 0
f i , j , g (t ) = t i , j ri , j , g = 0
nT i , j
(8.20)
78
Para o sistema multivarivel conveniente agrupar os parmetros do modelo da

seguinte forma:
c1,1,0 L c1, nu , 0
C0 = M
M
c ny ,1, 0 L c ny ,nu ,0
C0 ny nu
(8.21)
c1,1 L c1,nu
C= M
M
c ny ,1 L c ny ,nu
C C nynu.na
(8.22)
ci, j = [ ci, j,1 ci, j,2 ... ci, j,na ]
0 L 0
M
r0 = M
0 L 0
r0 ny nu
(8.23)
r1,1 L r1,nu
r= M
M
rny ,1 L rny ,nu
r C nynu.na
(8.24)
ri, j = [ ri, j,1 ri, j,2 ... ri, j,na ]
A resposta ao degrau representada por:
s1,1,n L s1,nu , n
Sn = M
M
s ny ,1,n L s ny ,nu ,n
S n ny nu
8.2.2 Predio com modelos paramtricos
Para um processo qualquer, podemos representar a predio da varivel

controlada da seguinte forma:
[y ]
i ,k +n k
k 1
= yi ,k + n
nu
k 1
k 1
+ si , j ,n u j ,k 1
j =1
(8.1)
79
Podemos substituir si,j,n da eq. (8.20) na equao (8.1), obtendo:
[y ]
i ,k +n k
k 1
= yi ,k + n
nu
k 1
k 1
na
+ ci , j , g f i , j , g ( nT ) u j ,k 1
j =1 g = 0
Separando os termos independentes dos dependentes do tempo, temos:
[y ]
i ,k +n k
k 1
= yi ,k + n
k 1
k 1
nu
nu
na
j =1
j =1 g =1
+ ci , j ,0 u j ,k 1 + ci , j , g f i , j , g ( nT ) u j ,k 1
(8.25)
A equao (8.25) nos induz a supor que a equao da predio pode ser reescrita
da seguinte forma:
[y ]
i ,k + n k
= [ pi ]k 1
k 1
+ [pi , j , g ]k 1
nu
k 1
na
j =1 g =1
f i , j , g (nT )
k 1
(8.26)
n | nT > maxij
i
sendo:
[p ]
i k 1
k 1
[p ]
i , j , g k 1
k 1
os parmetros dessa nova representao.
Considerando apenas sistemas no integradores e usando a definio de fi,j,g em

(8.26), temos:
[y ]
i ,k + n k
k 1
= [yi ,k + n +1 ]k 1
k 1
nu
nu
na
j =1
j =1 g =1
+ ci , j ,0 u j ,k 1 + ci , j , g e i , j , g f i , j , g (nT )u j ,k 1
r
(8.27)
como:
[y
ou
i ,k + n +1 k 1
k 1
= [ pi ]k 1
+ [pi , j , g ]k 1
nu
k 1
na
j =1 g =1
k 1
f i , j , g ((n + 1)T )
[y
i ,k + n +1 k 1
k 1
80
= [ pi ]k 1
+ [pi , j , g ]k 1 e i , j , g f i , j , g (nT ) (8.28)

nu
k 1
na
k 1
j =1 g =1
substituindo (8.28) na equao (8.27) , temos:
[y ]
i ,k + n k
k 1
= [ pi ]k 1
nu
k 1
+ ci , j ,0 u j ,k 1 +
j =1
r T
r T
+ [pi , j , g ]k 1 e i , j , g + ci , j ,g e i , j , g u j ,k 1 f i , j , g (nT )
k 1
j =1 g =1
nu
na
(8.29)
Da a eq. (8.29) pode ser reescrita como:
[y ]
i ,k + n k
k 1
= [ pi ]k
+ [pi , j , g ]k
nu
k 1
na
j =1 g =1
k 1
f i , j , g (nT )
sendo:
nu
[ pi ]k k 1 = [ pi ]k 1k 1 + ci , j ,0 u j ,k 1
(8.30)
j =1
[p ]
i , j ,g k
= [pi , j , g ]k 1
k 1
e i , j , g + ci , j , g e i , j , g u j ,k 1
r
k 1
fazendo d i , j , g = e i , j , g , temos:
r
[p ]
i , j ,g k
= d i , j , g [pi , j , g ]k 1
k 1
k 1
+ ci , j , g d i , j , g u j ,k 1
(8.31)
As equaes (8.30) e (8.31) so as equaes que atualizam os parmetros da

equao (8.26), que foi proposta para a predio das variveis controladas.
Vamos procurar agora uma forma vetorial para a equao (8.26), que pode ser
escrita como:
[y ]
i,k + n k
k 1
= [ pi ]k
nu
k 1
{[
+ pi,j,1
j =1
1
k 1
f i,j,1 (nT ) + L + pi,j,na
k 1
[y ] = [ p ] + {[ p ] f (nT ) + L + [ p ]
] f (nT ) + L + [ p ] f (nT )}
+ [p
i ,k + n k
i k
k 1
i , nu ,1 k
k 1
k 1
i , nu ,1
i ,1,1 k
k 1
i ,1, na k
i ,1,1
i , nu , na k
f i,j,na (nT )
k 1
k 1
f i ,1, na (nT ) + L +
i , nu , na
(8.32)
81
Escrevendo a eq. (8.32) para i = 1, 2,,ny, temos:
[y1,k +n ]k
= [ p1 ]k
+ [ p1,1,1 ]k
f 1,1,1 (nT ) + L + [ p1,1,na ]k
f 1,1,na (nT ) + L +
k 1
k 1
k 1
k 1
+ [ p1,nu,1 ]k
f 1,nu,1 (nT ) + L + [ p1,nu,na ]k
f 1,nu,na (nT )
k 1
k 1
M
[y ny,k +n ]k
= p ny
k 1
]k
+ p ny,nu,1
[ ]k
k 1
+ p ny,1,1
k 1
]k
k 1
f ny,1,1 (nT ) + L + p ny,1,na
f ny,nu,1 (nT ) + L + p ny,nu,na
]k
]k
k 1
f ny,1,na (nT ) + L +
f ny,nu,na (nT )
k 1
Vetorialmente temos:
[ y k +n ]k k 1 = [p i ]k k 1 + n [p t ]k k 1
(8.33)
sendo:
[ y k +n ]k k 1 = [y1,k +n ]k
[p ]
k 1
[p ]
k 1
[p ]
ny ,1,1 k
k 1
L [y ny ,k +n ]k
= [ p1 ]k L [p ny ]k
k 1
k 1
k 1
[ y k +n ]k k 1 ny1
[p ]
k 1
ny1
= [p1,1,1 ]k L [ p1,1,na ]k L [ p1,nu ,1 ]k L [p1,nu ,na ]k L
k 1
k 1
k 1
k 1
k 1
L [p ny ,1,na ]k
f 1 ( n)
0
n =
M
k 1
f 2 ( n) L
M
L [pny ,nu ,1 ]k
0
M
f ny ( n)
k 1
L [pny ,nu ,na ]k
k 1
[p ]
t
n ny ny .nu.na
k 1
ny .nu. na1
(8.34)
sendo
f i ( n) = f i ,1,1 ( n) L
f i ,1,na ( n) L
f i ,nu ,1 ( n) L
Escrevendo a eq. (8.30) para i = 1, 2,,ny, temos:
f i ,nu ,na ( n)
i = 1, 2, L , ny
[p ]
i
k 1
[ ]
= pi
k 1
k 1
82
+ Co uk 1
(8.35)
Analogamente, a eq. (8.31) para i = 1, 2,,ny, leva seguinte relao:
[p ]
t
k 1
[ ]
= D pt
k 1
k 1
+ CDN p uk 1
(8.36)
sendo:
D = d 1,1,1L d 1,1,na L d 1,nu ,1L d 1,nu ,na L d ny ,1,1L d ny ,1,na L d ny ,nu ,1L d ny ,nu ,na
D ny .nu.na ny .nu.na
C = c1,1,1L c1,1,na L c1,nu ,1L c1,nu ,na L cny ,1,1L cny ,1,na L cny ,nu ,1L cny ,nu ,na
C C ny .nu .nany .nu .na
J1

Np = M
J
ny
M
1
J i = M
0
0
M
0 L 0
M
M
0 L 0
1 L 0
M
M
1 L 0
0 L 1
M
M
0 L 1
J i nu.na nu
N p ny.nu.na nu
8.2.3 Clculo das predies das variveis controladas
Para que a ordem do modelo seja reduzida necessrio que se reduza o nmero
de estados utilizados para o clculo das predies das variveis controladas.
Para modelos paramtricos, o vetor de predies tem duas partes com
caractersticas diferentes. A primeira parte idntica ao caso em que se usa modelos de
convoluo (item 8.1) e a segunda parte que utiliza o modelo paramtrico em instantes
83
previamente definidos, que normalmente esto distribudos em instantes de tempo

esparsos.
Uma vantagem direta desta abordagem a reduo substancial das dimenses do
vetor da predio e da matriz de transio de estado (M), onde, tambm podemos incluir
instantes bem distantes e as predies no estado estacionrio.
As mesmas etapas utilizadas para o clculo das predies com modelos no
paramtricos, feitas no pargrafo 8.1.1, so utilizadas no clculo das predies com
modelos paramtricos. Nos prximos itens apresentaremos as alteraes feitas nos
clculos das predies com a utilizao de modelos de ordem reduzida.
8.2.3.1 Efeito da ltima ao de controle
O vetor das predies das variveis controladas composto de duas partes:
1) Parte referente ao tempo morto, onde a varivel controlada no sofre o efeito

do uk -1, ou instantes em que se deseja intervalos de tempo sucessivos acima
do tempo morto, ou seja:
si , j ,n = 0
nT i , j
A parte do vetor de predies das sadas, dentro do tempo morto, tem a mesma
estrutura que o caso convencional apresentada em (8.1).
2) Parte onde uk -1 afeta os valores das predies, que pode ter uma estrutura
diferente, por exemplo, considerando instantes de tempo esparsos.
Na definio dos instantes das predies deve-se considerar a existncia dessas 2

partes. Assim, os instantes at o maior tempo morto mais um perodo de amostragem
devem ser seqenciais, ou seja:

n 0 = max int i , j
T
i, j

84
Aps o instante n0, as predies podem ser calculadas em instantes esparsos.

Entretanto, em todos os instantes desejados, elas podem ser corrigidas com a ltima
ao de controle da seguinte forma:
[ y]
k 1
= [ y ] k 1
k 1
+ Su k 1
(8.37)
sendo:
[ y ]k 1k 1
T
= [ y k +1 ] k 1
k 1
[ y ]k k 1 = [ y k +1 ]T
k 1
[yk +2 ]
[ y k + 2 ]T
u k 1 = u1,k 1L unu ,k 1
S = S 1T
S 2T
L S Tn 0
k 1
k + n0
k 1
L
k 1
[y ]
[y ]
[y ]
k 1
k + n1
k 1
[y ]
k + n0
k + n1
k 1
k 1
k + nh
k 1
L
k 1
[y ]
k 1
k 1
[y ]
k
k 1
k + nh
S Tn
L S Tn
sendo:
np - nmero de instantes de predio
np = n0 + h
n0 - nmeros de instantes seqenciais
h - nmero de instantes esparsos
8.2.3.2 Correo das predies com as leituras da planta
Com o efeito da ltima ao de controle calculado, devemos corrigir as predies

atravs da leitura das variveis controladas. Para o clculo dessa correo, utilizamos
apenas os termos correspondentes ao instante k+1 do vetor de predies da mesma
forma da abordagem utilizada na predio com modelos no paramtricos, porm as
dimenses da matriz N so diferentes, ou seja:
[y ]
k +1 k
k 1
= N [ y] k
k 1
(8.38)
85
sendo:
1
0
N=
M
0 L 0 0 L 0
1 L 0 0 L 0
M O M M
M
0 L 1 0 L 0
N nyny (np +1+ nu .na )
Para as predies atravs de modelos paramtricos, as correes das predies

com as leituras da planta so efetuadas da seguinte forma:
[y ]
= [ pi ]k
i,k + n
k-1
+ [pi,j,g ]k
nu
k 1
na
j =1 g =1
k 1
f i,j,g (nT ) + wi,k
como wi,k no funo do tempo, a correo s aplicada ao valor de [ pi ]k
k 1
Portanto, a correo dos parmetros fica da seguinte forma:
[p ]
c
i k
k 1
[p ]
c
i,j,g k
= [ pi ]k 1
k 1
nu
k 1
+ ci,j,0? u j,k 1 + wi,k
= [pi,j,g ]k 1
j =1
e i,j,g + ci,j,g e i,j,g ? u j,k 1

r
k 1
Como no controlador convencional, podemos corrigir o desvio da predio em

relao leitura da planta utilizando uma matriz K com dimenses relativas ao novo
vetor de predies, portanto a nova correo apresentada como:
[y ]
c
sendo:
k 1
= [ y ]k
k 1
+ KWk
(8.39)
1
0
0
1
M
0
K = M
1
0
M
0
M
0
1
M
0
0
M
0
M
0
M
0
M
0
M
0
L
L
O
L
L
L
L
L
L
L
86
0
0
M
1
0
M
1
M
0
1
M
0
M
8.2.3.3 Translao da predio corrigida
As predies das variveis controladas esto atualizadas e corrigidas para o

instante k. Isto significa que:
[y ]
k 1
[y ]
k 1
c
i ,k + 2 k
c
i ,k +3 k
- corresponde ao instante atual k+1

- corresponde ao instante futuro k+2
[y
c
i , k + n k +1 k
k 1
- corresponde ao instante futuro k+nk
Portanto, dentro da filosofia dos controladores preditivos, que apresentam um

horizonte mvel, necessrio fazer a translao de um instante de tempo em todo vetor
de predies e para todas as variveis controladas.
[y ]
1 ,k +1 k
[y ]
[y ]
ny,k +1 k
[y
1,k + nk k
[y
ny,k + n
k-1
c
1,k + 3 k
M
c
= y ny,k
+3
k-1
k-1
= y1c,k +nk +1
] = [y
k
[ ]
]
= [y
ny,k + 2 k
M
c
= y ny,k
+2
1 ,k + 2 k
[y
= y1c,k +2
87
k-1
k-1
c
ny,k + n +1 k
k-1
para
n no
sendo: no mx i,j
Para n > no usamos a eq. (8.33), assim temos:
[ y k +n+1 ]k
[ ]
= pi
[ ]
+ n+1 p t
Para os instantes esparsos temos:
[yk +n ]k = [p i ]k k + n +1 [p t ]k k
k
[yk +n ]k = [p i ]k k + n +1 [p t ]k k
1
[yk +n ]k = [p i ]k k + n +1 [p t ]k k
k
Para os parmetros da predio no temos a operao de translao, ou seja:
[pi, j,g ]k = [pi,c j,g ]k

k
[ pi ]k
[ ]
pic k
i = 1, . . . , ny
k
j = 1,. . . , nu
g = 1,. . . , na
88
Juntando as operaes de translao, efeito da ltima ao de controle e correo

da predio temos:
[ y ]k
= M [ y ]k -1
k -1
+ Su k 1 + KW
(8.40)
sendo:
[ y ]k
[ y k +1 ]k
k
=
y
.... k + n2
[ y k +2 ]k
]k
L
k
L
k
[ y k +n1 ]k
[ y k +n ]k
[yk +n ]k [p ]k k [p ]k k
i
[yk +n ]k
1
[ y ]k
...
ny (np +1+ nu.na )1
sendo np = n0 + h
0 I ny
0 0
M M
0 0
0 0
M = 0 0
0 0
M M
0 0
0 0
0 0
0
I ny
M
0
0
0
0
M
0
0
0
L 0
L 0
O M
L I ny
L 0
L 0
L 0
O M
L 0
L 0
L 0
0
0
M
0
0
0
0
M
0
0
0
0
0
M
0
0
0
0
M
0
0
0
0
0
M
0
0
0
0
M
0
0
0
L
L
O
L
L
L
L
O
L
L
L
0
0
M
0
0
0
0
M
0
0
0
0
0
0
0
M
M
0
0
I ny n0 +1
I ny n1 +1
I ny n2 +1
M
M
I ny nh +1
I ny
0
0
D
M ny ( np +1+ nu.na ) ny ( np +1+ nu.na )
S = S 2T
S 3T
L S nT0
S nT0 +1
S nT1 +1
S nT2 +1 L S nTk +1
C 0T
CDN p
S ny ( np +1+nu.na ) nu
A matriz M fornece a translao para instantes de tempo seqncias e esparsos.
89
8.2.4 Clculo das aes de controle
O algoritmo de controle preditivo com modelo paramtrico calcula as aes de

controle da mesma forma descrita anteriormente, alterando apenas a construo das
matrizes envolvidas. As etapas do algoritmo passam a ter a seguinte forma:
8.2.4.1 Trajetria referncia das variveis controladas
Com a utilizao dos modelos de estado (paramtrico), necessrio calcular as

predies somente nos instantes em que o controlador ir minimizar o erro. Neste caso,
o horizonte de predio (np) se confunde com o horizonte de otimizao (nr).
Com as predies em tempos esparsos, os instantes de predio podem ser
diferentes para cada uma das variveis controladas. Isto , se tivermos k instantes
esparsos, o vetor de instantes esparsos para a varivel j pode ser dado por:
t j = t j ,1
t j ,2 L t j , k
A predio transferida de um instante de amostragem para outro da forma:
[ y ]k k
= y k +1
y k + 2 L y k + n0
y k + n1 L y k + nh
pi
pt
T
k
(8.41)
sendo:
y k +i = y1,k +i
L y ny ,k +i
n0 - nmero de instantes de predio seqenciais.

h - nmero de instantes esparsos das predies ( np n0 )
As predies das variveis controladas so alteradas pelas aes de controle em

cada instante futuro. Desta forma, quando aplicamos m aes de controle, temos:
90
[ y k +1 ]k k = [ yk +1 ]k k + S1uk
[ y k +2 ]k k = [ y k +2 ]k k + S 2 uk + S1uk +1
M
[ y k +m ]k k = [ y k +m ]k k + Sm uk + Sm1uk +1 + L + S1uk +m1

M
[ y k +nk ]k k = [y k +np ]k
[p ]
[ ]
= pi
+ S nk uk + S nk 1uk +1 + L + S nk m+1uk + m1
+ C0 uk + C0 uk +1 + L + C0 uk +m1
Vetorialmente, temos:
[ y ]k
= [ y ]k + S m u
sendo:
[ y ]k
= y k +1
y k + 2 L y k + m L y k + nk
pi
T
k
u = [u1 L u m ]T
Sm
S1
S
2
M
= Sm
M
S nk
C
0
0
S1
M
S m1
M
S nk 1
C0
L S nk m+1
L
C0
L
L
0
0
M
S1
M
sendo:
m
- nmero de aes de controle futuras calculadas pelo controlador,

conhecido como horizonte de controle
8.2.4.2 Clculo dos erros das variveis controladas
Como visto para o MPC com modelo no paramtrico, no clculo dos erros em
relao aos respectivos setpoints, temos:
[e ]
k+ j k
= y sp y k + j
91
Na eq. (8.41), o vetor de predies inclui os parmetros pi e pt da equao de

predio (8.26). Assim, o vetor ysp deve incluir os valores correspondentes aos setpoints
desses parmetros. Pela eq. (8.26), se o sistema for estvel em malha aberta, ento:
lim[ y k +n ]k
n
k 1
[ ]
= pi
k 1
k 1
Assim, para pi o setpoint o mesmo das variveis controladas.
Resumindo, podemos representar o erro nas variveis controladas e parmetros

como:
[e]k k
= Ny sp [ y ]k
(8.42)
sendo:
[e]k k = [e k +1
ek+2 L ek+n
[ ]
ek + = y sp p i
y sp = y sp1
[ y ]k k
= y k +1
e k + n1 L e k + n k
ek +
pi
pt
L y spny
y k +2 L y k +n
y k + n1
L y k + nk

1
M
1
M
0
M
1
N=
M
1
M
0
0
M
0
L 0
O M
L 1
L 0
O M
L 1
M
L 0
O M
L 1
L 0
O M
L 1
L 0
O M
L 0
92
N ny ( np +1+nu.na ) ny
8.2.5 Algoritmo de controle preditivo
No caso do controlador preditivo multivarivel (MPC) com modelos de ordem

reduzida, temos para o erro aps as aes a mesma expresso que foi usada no item 8.1.2.3:
[e ]k k = [e]k k S m u
porm os vetores [e ]k , e [e]k
k
(8.14)
e a matriz Sm so definidas de forma diferente conforme
apresentada na seo anterior.
Os algoritmos de controle apresentados anteriormente podem tambm utilizar essa

nova formulao.
8.2.5.1 MMPC (Multi-Model Predictive Control)
93
Descreveremos agora uma nova formulao do controlador preditivo onde vrios

modelos do processo so simultaneamente considerados. O problema de controle resultante
ento resolvido usando a formulao da programao no-linear (NLP) utilizando o
algoritmo tipo SQP (sequential quadratic programming) proposto por K. Schittkowski
(1985).
Os controladores multi-modelos procuram resolver o problema de controle preditivo
com sistemas variantes no tempo e no estado, isto , tm uma faixa de operao mais ampla
do que os controladores convencionais, em funo das no-linearidades presentes no
processo. O problema de controle resolvido atravs da utilizao de um conjunto de
modelos, onde se descreve os diversos comportamentos do processo ao longo da regio de
operao do controlador.
8.2.5.1.1 Algoritmo MMPC
O MMPC foi desenvolvido por Almeida Neto (1999) utilizando uma formulao
baseada em LMIs (Linear Matrix Inequalities). Entretanto, no temos disponvel nenhum
pacote computacional para implementar essa soluo em sistemas industriais. Assim, neste
trabalho foi desenvolvida uma soluo que possa ser implementada com os pacotes de
programao no-linear disponveis. Para tal considere a funo objetivo do controlador
representada pela equao (8.15):
J k = [e]k [e]k u T S mT [e]k [e]k S m u + u T S mT S m + u

T
(8.15)
Considerando que Jk seja sempre menor do que um limite positivo , podemos

representar o objetivo na forma:
Jk
Jk 0
ou
ou
[e]k [e]k + u T S mT [e]k + [e]k S m u u T S mT S m + u 0

T
94
Dai, o problema que o MPC resolve pode ser colocado na forma:

Minimizar
u ,
sujeito
[e]k [e]k + u T S mT [e]k + [e]k S m u u T SmT S m + u 0

T
a:
0
u u min 0
u + u max 0
(8.43)
que um problema de otimizao com funo objetivo linear e restries quadrticas,
portanto um problema no-linear, que no pode ser resolvido com os pacotes
computacionais de programao linear (LP) ou quadrtica (QP).
8.2.5.1.2 Representao de incertezas do sistema
Em geral, o modelo do processo varia ao longo do tempo, pois caractersticas como:

vazo de carga e produtos, composio da carga e produtos, presso de operao, sujeira de
trocadores de calor variam no tempo. Estas incertezas podem ser incorporadas ao problema
de controle atravs da utilizao de vrios modelos, sendo estes modelos colocados como
novas restries a serem obedecidas pelo controlador, estas novas restries seriam da
forma:
(
u u (S
T
T
T
[e]k [e]k + u T S m,
S m,
1 [e ]k + [e]k S m,1 u u
1 S m,1 + u 0
T
T
[e]k [e]k + u T S m,
2 [e ]k + [e]k S m,2
T
.
.
T
m,2
S m,2 + u 0
T
T
[e]k [e]k + u T S m,L
[e]k + [e]k S m,L u u T S m,L
S m,L + u 0
T
onde Sm,1 . . . . Sm,L
correspondem aos modelos obtidos em diferentes condies
operacionais.
L o nmero de modelos alternativos do processo
95
Nessa formulao, o problema do MMPC pode ser representado na seguinte forma:

Minimizar
u ,
sujeito a:
(
u u (S
u u (S
[e]k [e]k + uT SmT [e]k + [e]k Smu uT SmT Sm + u 0

T
T
[e]k [e]k + uT Sm,
1[e]k + [e]k Sm,1
T
m,1
T
[e]k [e]k + uT Sm,
2 [e]k + [e]k Sm,2
T
m,2
.
.
)
+ )u 0
Sm,1 + u 0
Sm,2
T
T
[e]k [e]k + uT Sm,L
[e]k + [e]k Sm,Lu uT Sm,L
Sm,L + u 0
T
0
u u min 0
u + u max 0
(8.44)
Observe que o problema acima tem funo objetivo linear e restries quadrticas e
portanto um problema de NLP. Na planta industrial o controlador MMPC definido pelo
problema resolvido com um solver comercial baseado em SQP (K. Schittkowski , 1985).
Neste trabalho no se buscou investigar qual seria o solver mais adequado para o problema
do MMPC, que tem uma estrutura particular e talvez no a mais adequada para algoritmo
tipo SQP. Em sistemas de grande porte essa considerao pode se tornar importante.
96
9
APLICAO DO MPC COLUNA DEPROPANIZADORA
O algoritmo DMC em sua formulao tradicional apresenta algumas limitaes
que devem ser consideradas durante o projeto de controle. As limitaes bsicas so:
Utilizao de modelos de convoluo discretos, que se constituem de uma seqncia
de coeficientes que correspondem aos valores da resposta ao degrau unitrio em
instantes de amostragem sucessivos. Este fato faz com que o nmero de coeficientes
da resposta ao degrau leve a uma limitao computacional devido dimenso do
problema, quando temos dinmicas do processo muito lentas. Podemos contornar o
problema utilizando algumas opes como: forar o modelo a estabilizar no
horizonte desejado, o que provoca um desvio em relao planta; truncar o modelo
do processo, tendo um modelo incompleto em relao resposta da planta; ou
aumentar o perodo de amostragem, podendo perder alguma informao importante
entre duas amostragens sucessivas. Alm disso fica muito difcil conciliar modelos
com dinmicas rpidas e lentas com o mesmo nmero de coeficientes da resposta ao
degrau.
Com a limitao do nmero de coeficientes do modelo, a resposta ao degrau pode
ser semelhante de uma varivel integradora quando a constante de tempo do
processo for muito elevada. Isto faz com que o controlador tenha mais dificuldade
em resolver o problema de controle, porque o controlador preditivo no lida com
sistemas integradores diretamente.
Utilizao de modelos lineares invariantes no tempo. Assim, no so adequados para
resolver problemas de controle onde o processo tem comportamento no-linear ou
onde o modelo do sistema se altera ao longo do tempo. O modelo utilizado
identificado em um ponto especfico da regio de operao do sistema. Da o
controlador projetado para operar numa regio onde o processo tem um dado
comportamento. Isto resulta em incertezas nos ganhos e constantes de tempo do
processo e conseqentemente em perda de desempenho do controlador, quando
operando em outras regies.
Captulo 9 Aplicao do MPC coluna depropanizadora
97
Para contornar estas limitaes, neste trabalho modificamos o controlador

convencional. As modificaes testadas foram:
Uso do controlador em espao de estado com modelos de resposta ao
degrau analtico no domnio de tempo contnuo;
Utilizao de um controlador com mltiplos modelos, formulando o
problema de controle como um problema de Programao no-linear
(MMPC).
Foram comparadas as performances de duas estratgias de controle. A primeira,

que podemos chamar de convencional, foi representada pelo QDMC. A segunda, que
podemos chamar de robusta, ou que pelo menos tenta enfocar o problema de
estabilidade do sistema para incertezas no modelo, representada pelo MMPC proposto
neste trabalho. Na segunda, foram utilizados os 5 modelos levantados no simulador e
tambm o modelo levantado na planta industrial.
Os controladores foram avaliados atravs da observao da capacidade dos
mesmos em manter o sistema em malha fechada estvel, tanto para as variveis
controladas como as manipuladas, bem como a comparao das performances dos
controladores, considerando os efeitos dos seus parmetros de sintonia.
A avaliao da performance de um sistema de controle, pode ser feita atravs do
estabelecimento de algum padro de comportamento para o mesmo. Este padro pode
estar ligado ao estado estacionrio do sistema, ao comportamento no regime transiente,
sensibilidade do sistema aos parmetros do controlador e aos efeitos das nolinearidades do sistema.
As avaliaes das performances dos controladores realizadas neste trabalho
foram feitas de forma qualitativa para o caso servo e regulador. Inicialmente foram
comparadas as performances do QDMC e MMPC para alguns pontos de operao
considerando os mesmos parmetros de sintonia para os dois controladores. Aps o
ajuste da sintonia foram aplicados degraus nas variveis controladas e perturbaes,
sendo verificada a estabilidade dos dois controladores. Em seguida, foi avaliada a
performance de cada controlador quando sujeito a alteraes no modelo da planta,
mantendo-se a mesma sintonia do item anterior. Finalmente o controlador MMPC foi
98
avaliado em operao na planta industrial, considerando-se a melhor sintonia obtida

durante a simulao do controlador.
9.1 Comparao QDMC e MMPC
Como j vimos, o controlador tem a seguinte configurao:
Variveis manipuladas:
MV1 : vazo de refluxo de topo (VRF)
MV2 : vazo de fluido de aquecimento (VGOP)
Variveis controladas:
CV1 : C3- do butano (%vol.)
(C3-)
CV2 : temperatura de topo da coluna (C)
(Ttopo)
Variveis perturbadoras:
DV1 : vazo de Carga
(VFD)
DV2 : temperatura do fluido de aquecimento
(TGOP)
Os controladores QDMC E MMPC utilizados tm uma srie de parmetros que
so comuns. Durante o estudo foi utilizado um perodo de amostragem de 1 minuto que
o valor desse parmetro usado na unidade industrial. O horizonte de controle (m) foi
adotado igual a 2 em todas as simulaes. No caso da utilizao do MMPC o valor
desse parmetro deve ser o menor possvel j que, como vimos no item 8.2.5.1.2, o
problema de controle recai em um problema de NLP cujo tempo de computao
depende do horizonte de controle. Entretanto, as concluses no se alteram se um valor
de (m) maior for utilizado.
No ajuste do controlador, o modelo nominal utilizado na predio das variveis
controladas foi um modelo obtido atravs de uma combinao de todos os modelos.
Essa combinao consistiu na aplicao da mdia aritmtica para todos os parmetros
(ganho e dinmica) para os modelos obtidos atravs do simulador e tambm aquele da
planta industrial. Para o modelo da planta utilizamos o modelo da planta industrial. No
clculo da ao de controle utilizamos o modelo combinado para o algoritmo QDMC,
e os modelos 1, 2, 3, 4, 5 para o algoritmo MMPC. Alm disso foram utilizados fatores
de importncia () de 1 tanto para o C3- no butano como para a Ttopo. O C3-
controlado no set-point e a Ttopo numa faixa de 1C entre os valores mximo e
mnimo, j que sua especificao no to rigorosa, Almeida et al (1996) apresenta uma
99
descrio de como implementar o controle por faixas. Os instantes de amostragem

utilizados para o clculo da predio das variveis controladas foram 1, 2, 5, 7, 10, 15,
20, 25, 30, 35, 40, 45, 50, 60, 70 para os dois controladores.
Nesta fase, comparamos a performance do MMPC e QDMC. Esta fase foi

dividida em trs etapas; sendo que na primeira fizemos o ajuste da sintonia do
controlador (principalmente fator de supresso das manipuladas), na segunda etapa foi
avaliada a performance dos controladores sujeitos a variaes nas variveis controladas
e perturbaes e por ltimo os dois controladores foram avaliados quando sujeitos a
alteraes no modelo utilizado para a planta.
Na tabela 9.1, apresentamos os ganhos dos modelos utilizados nos controladores:
Kp C3-
Kp Ttopo
Kp C3-
Kp Ttopo
(VRF)
(VRF)
(VGOP)
(VGOP)
47.74
4.498e-4
-0.0153
-0.003441
0.0510
-3.01e-5
0.88
49.34
1.6713e-3
-0.0261
-0.012018
0.0550
-2.22e-4
1331
4.81
47.82
1.6792e-2
-0.0226
-4.3175e-2
0.0457
-2.08e-4
2240
1115
3.01
47.08
7.5501e-3
-0.0295
-2.0402e-2
0.0751
-3.48e-5
3532
1837
4.35
44.35
6.9795e-3
-0.0193
-1.8445e-2
0.0461
-3.42e-5
FD
3800
1970
0.69
50.2
9.5821e-4 -0.01253
Mdl
VRF
VGOP
C3-
Ttopo
4000
2104
0.38
3160
1731
2300
-3.61e-3
Det(Kp)
0.03144 -1.51e-5
Tabela 9.1 Ganhos dos modelos identificados
9.1.1 Ajuste de sintonia dos controladores:
Como mencionado acima, nesta primeira etapa foi feito o ajuste dos parmetros
de sintonia dos controladores, sendo o principal ajuste feito no fator de supresso das
manipuladas. Para as demais etapas foi mantido o melhor ajuste alcanado nesta etapa.
Na tabela 9.2, apresentamos as principais caractersticas dos dois controladores:
Controlador Modelo nominal
Modelo planta
Modelo de clculo
da ao de controle
Combinao dos modelos: 1 FD (planta industrial)

QDMC
2 3 4 5 FD
Combinao dos modelos: 1
MMPC
FD (planta industrial)
2 3 4 5 FD
Tabela 9.2: Caractersticas dos controladores utilizados
Modelo nominal
Modelos: 1 2 3 4 5
100
Na figura 9.1.a apresentamos os dois controladores com a mesma sintonia

conforme tabela 9.3. Este caso corresponde a um ponto dentro da regio mais freqente
de operao. Podemos observar nessa figura que o controlador MMPC estvel e o
QDMC instvel, para um mesmo fator de supresso das manipuladas. Note na figura,
que o QDMC vai aumentando a sua amplitude de oscilao medida que o tempo passa,
ao passo que no MMPC rapidamente chegamos a uma condio de estabilidade. Os
nmeros na abscissa de todos os grficos representam o tempo decorrido em minutos.
PARMETRO
QDMC
MMPC
1 min
1 min
Instantes de clculo da
predio
1 2 5 7 10 15 20 25 30 35 40 45 50
1 2 5 7 10 15 20 25 30 35 40 45
60 70
50 60 70
Peso das controladas
1 para as duas CVs
1 para as duas CVs
Supresso das manipuladas
0.001 para as duas MVs
Tabela 9.3 Parmetros de sintonia dos controladores para figura 9.1.a
Figura 9.1.a Comparao QDMC( - - - ) x MMPC( ) com mesma sintonia.
101
Na figura 9.1.b apresentamos o QDMC com dois fatores de supresso diferentes,

veja sintonia na tabela 9.4, onde pode se observar que para o controlador se estabilizar
necessrio utilizar um fator de supresso 500 vezes maior que aquele utilizado para o
MMPC, no entanto este fator apesar de ser maior que o utilizado para o MMPC no
chega a ser um valor to elevado.
PARMETRO
QDMC
QDMC
1 min
1 min
predio
1 2 5 7 10 15 20 25 30 35 40 45 50 60 70
1 2 5 7 10 15 20 25 30 35 40 45
50 60 70
Horizonte controle
1 para as duas CVs
1 para as duas CVs
Supresso das
manipuladas
Tabela 9.4 Parmetros de sintonia dos controladores para figura 9.2.a
Figura 9.1.b QDMCsupr = 0.001(- - -) QDMCsupr = 0.5()..
102
9.1.2 QDMC e MMPC com sintonias ajustadas :
Nesta etapa foi avaliada a performance dos dois controladores frente a alteraes
nos set-points das variveis controladas e tambm variaes nas variveis perturbadoras.
Repete-se aqui a estrutura dos controladores apresentada na tabela 9.2. Na tabela 9.5
apresentamos a sintonia utilizada para os controladores.
PARMETRO
MMPC
QDMC
Perodo de Amostragem
1 min
1 min
predio
1 2 5 7 10 15 20 25 30 35 40 45 50 60 70
1 2 5 7 10 15 20 25 30 35 40 45
50 60 70
1 para as duas CVs
1 para as duas CVs
Supresso das
manipuladas
Tabela 9.5 Sintonia dos controladores para item 9.1.2
Na figura 9.1.c apresentamos o comportamento do controlador quando alteramos

o set-point do teor de C3- . Podemos observar que os dois controladores tm
praticamente a mesma performance, ou seja, atingem o novo set-point proposto com a
mesma facilidade.
103
Figura 9.1.c Alterao do set-point do teor de C3- QDMC( - - - ) MMPC( ).
Na figura 9.1.d apresentamos o comportamento do controlador quando alteramos

a faixa de controle da Ttopo em -1 C no instante 20. Aqui no entanto, a performance do
controlador MMPC superior do QDMC, o que pode ser constatado atravs da
observao do tempo necessrio para que a varivel alcance a nova faixa de controle e o
teor de C3- retorne para o set-point. Com o MMPC o tempo de estabilizao em
torno de 600 minutos ao passo que para o QDMC este tempo superior a 1000 minutos.
104
Figura 9.1.d Alterao da faixa de controle da Ttopo QDMC( - - - ) MMPC( ).
Na figura 9.1.e apresentamos a performance dos controladores quando aplicamos

variaes em degrau na vazo de carga para a coluna, que uma varivel perturbadora
do processo. O degrau aplicado foi de 50 m3/d no instante 30 min. Neste caso, podemos
observar que os dois controladores conseguem manter as variveis controladas no setpoint e faixa de controle respectivamente, sem grandes dificuldades.
Figura 9.1.e Aplicao de degrau na vazo de carga QDMC( - - - ) MMPC( ).
105
Na figura 9.1.f apresentamos a performance dos controladores quando aplicamos

variaes em degrau na temperatura do fluido de aquecimento para o refervedor, que
uma varivel perturbadora do processo. O degrau aplicado foi de 5 C no instante 30
min. Neste caso, podemos observar que os dois controladores conseguem manter as
variveis controladas no set-point e faixa de controle respectivamente, sem grandes
dificuldades.
Figura 9.1.f Aplicao de degrau na TGOP QMDC( - - - ) MMPC( ).
9.1.3 Alterao do modelo da planta:
Nesta etapa analisamos a performance dos controladores frente a alteraes no

modelo utilizado para a planta. As avaliaes consistiram em colocar o controlador em
operao tendo como modelo da planta aquele da planta industrial e no instante 20 min.
o modelo da planta era alterado para um novo modelo. Os modelos utilizados foram
todos aqueles levantados atravs do simulador, ou seja, 1, 2, 3, 4 e 5. Em todos os casos
analisados, sempre partimos com o teor de C3- acima do set-point. A sintonia do
106
controlador permaneceu a mesma do item anterior (veja tabela 9.5). Os casos analisados
so apresentados nas figuras 9.1.g, 9.1.h, 9.1.i, 9.1.j e 9.1.k. A seguir analisamos a
performance para a alterao de cada modelo.
Na figura 9.1.g apresentamos o comportamento dos controladores quando
mudamos o modelo da planta para o modelo 1. Podemos observar que o MMPC
consegue levar o teor C3- para o set-point apesar de levar um tempo maior do que
quando no temos alterao no modelo da planta (veja figura 9.1.c). J o QDMC no
consegue levar o teor de C3- para o set-point apresentando assim um off-set. O
mesmo ocorre com a Ttopo.
Figura 9.1.g Mudana p/ modelo 1 no instante 20 min., QDMC( - - - ) MMPC( ).
Na figura 9.1.h apresentamos o comportamento dos controladores quando

mudamos o modelo da planta para o modelo 2. Novamente aqui temos um
comportamento semelhante ao apresentado quando alteramos o modelo da planta para o
modelo 1. No entanto, o tempo de estabilizao para o MMPC superior quele quando
no temos alterao do modelo da planta (figura 9.1c). O QDMC neste caso tambm
apresenta off-set para as variveis controladas.
107
Figura 9.1.h - Mudana p/ modelo 2 no instante 20 min., QMDC( - - - ) MMPC( ).
Na figura 9.1.i apresentamos o comportamento dos controladores quando

mudamos o modelo da planta para o modelo 3. Neste caso o comportamento do MMPC
semelhante quele apresentando na figura 9.1.c. No entanto, o QDMC apresenta um
ligeiro off-set para o teor de C3- o que no chega a comprometer sua performance.
Figura 9.1.i - Mudana para modelo 3 no instante 20 min., QMDC( - - - ) MMPC( ).
108
Na figura 9.1.j apresentamos o comportamento dos controladores quando

mudamos o modelo da planta para o modelo 4. Aqui no entanto, os dois controladores
apresentaram off-set para o teor C3-, sendo que para o MMPC o off-set menor do
que aquele apresentado pelo QDMC. Para a Ttopo somente o QDMC apresentou offset sendo que o MMPC levou a Ttopo para seu limite mximo.
Figura 9.1.j - Mudana para modelo 4 no instante 20min., QDMC( - - - ) MMPC( ).
Na figura 9.1.k apresentamos o comportamento dos controladores quando

mudamos o modelo da planta para o modelo 5. Temos neste caso um comportamento
semelhante ao apresentado quando alteramos o modelo da planta para o modelo 2, ou
seja, o MMPC consegue levar o teor de C3- para o set-point e a Ttopo para seu limite
superior, o que no ocorre com o QDMC, que apresenta off-set para as duas variveis
controladas.
109
Figura 9.1.k - Mudana modelo p/ 5 no instante 20 min., QDMC( - - - ) MMPC( ).
De forma geral, podemos constatar que o QDMC necessita de fatores de

supresso superiores ao MMPC para estabilizar o sistema de controle. Aps
sintonizado, o QDMC apresentou, em alguns casos, comportamento semelhante ao
MMPC (figuras 9.1.c, 9.1.e, 9.1.f) quando o modelo da planta no se alterava. No
entanto, quando tivemos alterao no modelo da planta, o que no processo real equivale
a termos alterao do ponto de operao, o QDMC se mostrou ineficaz em controlar o
processo, apresentando off-set na maioria das situaes simuladas (figuras 9.1.g,
9.1.h, 9.1.i, 9.1.k). Assim, podemos concluir que o QDMC no seria adequado para
controle do nosso processo, ao passo que o MMPC se mostrou mais adequado,
apresentando melhor performance que o QDMC.
Tendo em vista que o controlador MMPC se mostrou mais eficiente que o
QDMC, o mesmo foi implementado para controle da planta industrial. No prximo item
apresentamos a performance do MMPC em operao na unidade industrial.
9.2 Implantao do controlador MMPC na planta industrial
O controlador MMPC entrou em operao na planta industrial no dia 14 de

fevereiro de 2001, e tem operado continuamente demonstrando uma grande aceitao
110
por parte dos operadores da unidade. Para implantao do controlador na planta

industrial foi utilizado o SICON ( Sistema Integrado de Controle da Petrobras ). Este
sistema descrito no item 9.2.1. As subrotinas do SICON tiveram que ser adaptadas
para permitir a montagem do controlador na forma paramtrica apresentada no item
8.2.1, principalmente na parte de leitura dos modelos. Tambm foram implementadas
novas subrotinas no sistema para permitir o clculo das aes de controle atravs do
SQP.
Para verificao da performance do controlador em operao na planta industrial,
foram coletados dados com o controlador em operao sujeito s variaes normais da
planta tais como: variveis perturbadoras medidas (vazo de carga e temperatura do
fludo de aquecimento) e variveis perturbadoras no medidas (composio da carga,
variaes ambientais etc.). Tambm foram realizados testes para verificao da operao
do controlador frente alteraes no set-point das variveis controladas.
As figuras apresentadas abaixo foram obtidas atravs da interface grfica do PITM
(Plant Information) da Oil System Inc, que o sistema de gerenciamento de dados de
processo existente na RPBC. Este sistema consiste de uma interface de leitura dos dados
do SDCD enviando-os para um servidor onde fica a base de dados. Esta base de dados
pode ser acessada para gerar grficos atravs da interface grfica do prprio programa e
tambm atravs da planilha eletrnica ExcelTM da Microsoft, permitindo uma anlise
detalhada de todas as variveis operacionais do processo.
Para um melhor entendimento das figuras apresentaremos a seguir uma descrio
de cada item constante das mesmas:
Geral para todas as figuras:
campo superior esquerdo: uma descrio da varivel
o nmero abaixo dos tags o valor da varivel de processo (PV) no

caso das variveis controladas e perturbadoras, e o set-point (SV) no
caso das manipuladas. Este o valor real lido do SDCD e se refere ao
instante de tempo apresentado no lado direito inferior da figura.
parte inferior: so apresentados os instantes inicial e final do perodo de

tempo em que a varivel observada.
111
a escala que aparece do lado esquerdo dos grficos representa a faixa de

operao atual das variveis.
Varivel controlada teor de C3- :
AI2430 o tag da varivel de processo (PV).
AI2430MN o tag do limite mnimo da varivel para controle.
AI2430MX o tag do limite mximo da varivel para controle.
Varivel controlada Ttopo:
TC2483 o tag da varivel de processo (PV).
TC2483MN o tag do limite mnimo da varivel para controle.
TC2483MX o tag do limite mximo da varivel para controle.
Varivel manipulada Vrefluxo:
FC2454SV o tag do set-point (SV) da varivel.
FC2454SMN o tag do limite mnimo do set-point
(SV) para
controle.
FC2454SMX o tag do limite mximo do set-point (SV) para

controle.
FC2454MD o modo da varivel manipulada no SDCD. Informa se a

varivel est liberada para ser utilizada pelo controle supervisrio. A
opo RCAS (cascata remota) indica que o set-point est sendo
fornecido pelo controle supervisrio.
Varivel manipulada VGOP:
FC24151SV o tag do set-point (SV) da varivel.
FC24151SMN o tag do limite mnimo do set-point (SV) para

controle.
FC24151SMX o tag do limite mximo do set-point (SV) para

controle.
FC24151MD o modo da varivel manipulada no SDCD. Informa se a

varivel est liberada para ser utilizada pelo controle supervisrio. A
112
opo RCAS (cascata remota) indica que o set-point est sendo

fornecido pelo controle supervisrio.
Variveis perturbadoras (Vcarga e TGOP):
FC2452SV ou TI24154 so os
tags das variveis perturbadoras
medidas, que so utilizadas no controle.
Na tabela 9.6 apresentamos os parmetros de sintonia utilizados no controlador

utilizado na planta industrial.
PARMETRO
VALOR
1 min
Instantes de clculo da predio
1 2 5 7 10 15 20 25 30 35 40 45 50 60 70
1 para as duas CVs
Supresso de movimentos
Modelo nominal
Combinao dos modelos: 1 2 3 4 5 FD
Modelos para clculo da ao de

controle
1 2 3 4 5
Tabela 9.6 Parmetros de sintonia do controlador industrial
A seguir analisaremos os grficos referentes aos casos estudados com o

controlador em operao na planta industrial.
O primeiro conjunto de grficos (figuras 9.2.a1 a 9.2.a3) representa um perodo
de operao do controlador onde no temos alterao do set-point das variveis
controladas. O teor de C3- controlado no set-point, (AI2430MN = AI2430MX = 0.9
%vol.), enquanto que a Ttopo controlada dentro de uma faixa (TC2483MN=49C e
TC2483MX=50C), as variveis manipuladas tm seus limites bastante amplos (vazo
de refluxo de 2000 a 4300 m3/d, vazo de GOP de 500 a 2300 m3/d). Estes limites das
variveis manipuladas fazem com que o controlador tenha ampla liberdade para atuar no
controle do processo. Podemos observar nessas figuras que o controlador consegue
manter as variveis controladas nas suas especificaes (set-point para o C3- e faixa de
controle para a Ttopo), mesmo quando temos variaes significativas nos valores das
113
variveis perturbadoras. Veja que em alguns momentos a vazo de carga (Fig. 9.2.a3)
chega a variar 250 m3/d em um curto intervalo de tempo.
Figura 9.2.a1 Variveis controladas em operao tpica.
Figura 9.2.a2 Variveis manipuladas em operao tpica.
Figura 9.2.a3 Variveis perturbadoras em operao tpica.
No prximo conjunto de grficos (figuras 9.2.b1 a 9.2.b3) apresentamos dados

relativos a um teste (teste 1), realizado para observar a performance do controlador
frente a alteraes no set-point do teor de C3- no butano. O degrau aplicado foi de 0.3
%vol., passando de 1.2 para 1.5 %vol.. Podemos observar que o novo patamar de setpoint atingido em aproximadamente 30 minutos. Observe que no ocorre violao da
114
faixa de controle da temperatura de topo mesmo com severas variaes nas variveis
perturbadoras como a vazo de carga que variou quase 200 m3/d durante o perodo de
teste.
Figura 9.2.b1 Variveis controladas teste 1.
Figura 9.2.b2 Variveis manipuladas teste 1.
Figura 9.2.b3 Variveis perturbadoras teste 1.
O segundo teste realizado na planta (teste 2), descrito pelas figuras 9.2.c1 a
9.2.c3. Ele consistiu novamente na alterao do set-point do teor de C3- no butano. O
degrau aplicado foi de 0.3 %vol., s que desta vez no sentido contrrio ao anterior,
115
passando o set-point 1.2 %vol. para 0.9 %vol. Observe que quase simultaneamente
aplicao do degrau no set-point tivemos uma grande variao na vazo de carga da
coluna sendo que a mesma saiu de um patamar de 2050 m3/d baixou para 1800 m3/d, e
depois foi elevada para 2500 m3/d e finalmente retornou para o patamar de 2000 m3/d.
Estas variaes ocorreram durante um perodo de aproximadamente 4 horas. Observe
que tivemos tambm uma alterao no patamar da temperatura do fluido de
aquecimento passando a mesma de 259C para em torno de 261C. Veja que durante a
ocorrncia dessas perturbaes o teor de C3- oscilou entre um mximo a 1.6 %vol. e um
mnimo de 0.7 %vol.. A Ttopo violou 1C acima do limite mximo de controle. Observe
que as variveis manipuladas variaram bastante para manter as variveis controladas
dentro de suas especificaes durante a ocorrncia das perturbaes, permanecendo o
tempo todo ligadas (RCAS).
Figura 9.2.c1 Variveis controladas teste 2.
Figura 9.2.c2 Variveis manipuladas teste 2.
116
Figura 9.2.c3 Variveis perturbadoras teste 2.
O terceiro teste (teste3), corresponde s figuras 9.2.d1 a 9.2.d3. Ele consistiu na

aplicao de um degrau nos limites da temperatura de topo (Ttopo), permanecendo o
set-point do C3- no mesmo valor. O degrau aplicado foi de 0.5C nos limites da Ttopo,
passando o mximo de 50C para 49.5C e o mnimo de 49C para 48.5C. Observe que
o controlador em poucos minutos leva a Ttopo para dentro na nova faixa permanecendo
o C3- no set-point especificado. Veja que o patamar da vazo de refluxo muda da faixa
de 2800 m3/d
para um patamar de 2950 m3/d sendo que a vazo de fluido de
aquecimento sofre um ligeiro acrscimo. Aps a estabilizao inicial da temperatura na

nova faixa de controle, observamos que as variveis manipuladas mudam de patamar,
passando a vazo de refluxo de 2950 m3/d para 3100 m3/d e a vazo de fluido de
aquecimento de 1900 m3/d para 2050 m3/d. Esta mudana de patamar provavelmente
ocorreu devido alterao principalmente nas variveis perturbadoras no medidas
sendo a mais importante delas a qualidade da carga para a coluna. As variveis
perturbadoras medidas no tiveram alteraes significativas no perodo. Esta mudana
no patamar das variveis manipuladas foi necessrio para que as variveis controladas
mantivessem suas especificaes.
Figura 9.2.d1 Variveis controladas teste 3.
Figura 9.2.d2 Variveis manipuladas teste 3.
Figura 9.2.d3 Variveis perturbadoras teste 3.
117
118
9.2.1 - SICON - Sistema Integrado de Controle ( da Petrobras )
Para que possamos implementar o controlador apresentado nos itens anteriores

na planta industrial necessrio termos um conjunto integrado de softwares e
computadores para execuo dos algoritmos de forma segura. No caso da Petrobras este
conjunto pode ser representado esquematicamente atravs da figura 9.2.e onde temos
trs interfaces descritas a seguir.
Figura 9.2.e - Interfaces de controle
1 - Interface de operao: esta interface constituda pelas telas grfica do SDCD

(Sistema Digital de Controle Distribudo), onde os operadores atuam para colocar/retirar
o programa de operao, alterar os limites de mximo/mnimo das variveis quando for
necessrio, colocar/retirar variveis do controle e monitorar o comportamento do
programa e das variveis.
2 - Interface leitura de dados: esta interface constituda pelo programa PI (Plant
Information da Oil Systems) sendo a base de dados utilizada para leitura dos valores
das variveis utilizadas pelo programa de controle.
119
3 - Interface de engenharia: esta interface constituda de duas plataformas, sendo uma

plataforma de engenharia e um computador de processo. A plataforma de engenharia
constituda basicamente por um computador PC com Windows, comunicando-se em
rede com outros computadores. Nesta plataforma so executadas vrias aplicaes que
permitem ao engenheiro de controle realizar as atividades de construo, sintonia,
comissionamento e monitoramento das variveis dos controladores atravs de uma
interface grfica adequada. O ambiente do Computador de Processo prov todos os
servios necessrios execuo de aplicaes de controle, como por exemplo, a
aquisio de valores de processo do SDCD, validao destes valores para utilizao pelo
controlador, a execuo dos algoritmos de controle, o envio das aes de controle de
volta ao SDCD e a comunicao com a plataforma de engenharia. importante notar
que as aplicaes de controle so executadas nesta plataforma e no dependem da
plataforma de engenharia. A partir desta plataforma feita a escrita dos valores de
controle para o SDCD atravs da interface de comunicao Centap-plus da Yokogawa.
Nas figuras 9.2.f a 9.2.i, apresentamos as telas de configurao relativas
interface de engenharia, nestas telas temos os principais parmetros de configurao e
sintonia do controlador e das variveis manipuladas, controladas e perturbadoras.
Basicamente estas telas de configurao apresentam os seguintes campos de informao:
Descrio: apresenta uma descrio do controlador ou da varivel correspondente.
Tags de entrada: so os valores lidos do SDCD ou fixados em um determinado
valor.
Tags de sada: so valores que sero enviados para o SDCD ou PI.
Entradas: so parmetros de configurao do controlador ou das variveis que so
preenchidos pelo engenheiro de controle.
Sadas: so informaes fornecidas pelo programa a respeito da performance do
controlador ou varivel.
Faixa de validade: so os limites aceitveis para as variveis, fora destes limites a
varivel ser desligada automaticamente pelo controlador.
Range da varivel: normalmente so os limites mnimo e mximo de leitura das
variveis.
Auxiliares: so fatores de configurao adicionais que permitem a possibilidade de
customizao diferenciadas para cada controlador ou varivel.
Figura 9.2.f Tela de configurao/sintonia do controlador
Figura 9.2.g Tela de configurao/sintonia de varivel controlada
120
Figura 9.2.h - Tela de configurao/sintonia de varivel manipulada
Figura 9.2.i - Tela de configurao de varivel perturbadora
121
122
10
CONCLUSES E SUGESTES
10.1 Concluses
Este trabalho a primeira aplicao industrial de um controlador preditivo

baseada no modelo de variveis de estado montado a partir de resposta ao degrau
analtica (ROSSMPC). As vantagens desse enfoque so:
Controlar sistemas com dinmicas muito lentas, sem necessidade de
memorizar vetores e matrizes de grandes dimenses.
Controlar sistemas com dinmicas lentas e rpidas no mesmo controlador;
Prever as variveis controladas em instantes de tempo diferentes para cada
uma delas;
Controlar sistemas de grandes dimenses, ou seja, grande nmero de
variveis manipuladas e controladas. Isto possibilita controlar unidades de
processo inteiras, sem grande esforo computacional.
Fazer adaptao dos ganhos e at mesmo dos parmetros das dinmicas sem
grandes dificuldades.
Tambm nesse trabalho temos a descrio da primeira aplicao de um

controlador baseado em mltiplos modelos onde o problema de otimizao recai em
um problema tipo min-max., ou seja, o controlador escolhe uma ao de controle que
minimiza o erro para o pior modelo. Alguns autores argumentam que esse controlador
seria demasiadamente conservativo no caso de modelos bastante diferentes. Este o
caso da aplicao aqui estudada onde os modelos tm caractersticas bastante
diferentes. Por exemplo, o ganho do teor de C3- em relao vazo de refluxo para o
modelo 1 de 4.498E-4 e para o modelo 3 de 1.679E-2, portanto 37 vezes maior.
Assim, esperava-se um comportamento no muito eficiente do controlador
MMPC para a coluna depropanizadora. Entretanto, os resultados mostram que a
performance, em termos de velocidade de resposta e tempo de estabilizao ,
perfeitamente compatvel com as exigncias prticas. Portanto, conseguiu-se um
controlador com uma faixa de estabilidade bastante ampla e uma performance
adequada.
Captulo 10 - Concluses e sugestes
123
Este controlador exige um esforo na sintonia menor do que o QDMC e esta

sintonia mais adequada numa regio de operao mais ampla do que a correspondente
do QDMC. Embora o esforo computacional do MMPC seja maior que para o QDMC
essa desvantagem no importante para o caso estudado. No computador de controle de
processo (Alpha 1000 server da Digital de 400 mhz com 512 mb de memria ram) o
tempo de computao do MMPC no chega a 1 segundo, portanto no significativo em
comparao com o perodo de amostragem.
Tendo em vista estes resultados, espera-se que a utilizao do MMPC se torne
um padro dentro da Petrobras.
Outro aspecto importante do trabalho foi a utilizao do simulador de processos
para levantamento do conjunto de modelos. Esta utilizao se mostrou bastante
interessante, pois atravs dela temos uma reduo da necessidade de realizao de testes
na planta industrial, o que seria demorado e dispendioso. Alm, de podermos pesquisar
uma regio mais ampla do processo, o que dificilmente seria conseguido na planta
industrial.
10.2 Sugestes
Em funo de uma srie de dificuldades e restries do estudo, podemos sugerir

alguns pontos para trabalhos futuros.
Os componentes do conjunto de modelos e o modelo nominal para predio
foram escolhidos procurando abranger os diferentes pontos de operao do sistema e em
funo dos determinantes das matrizes de ganhos nestes pontos. Estes critrios so
necessrios, mas no suficientes, sendo que poderamos incluir os critrios de
estabilidade dos controladores na seleo dos modelos.
Neste estudo no inclumos a anlise de estabilidade do sistema no projeto de
controle. Sugerimos ento que se inclua a anlise de estabilidade no projeto de controle,
at mesmo estudar algum algoritmo que otimize os parmetros do controlador segundo
os critrios de estabilidade.
Captulo 10 - Concluses e sugestes
124
Tambm pode-se estudar alguma forma eficiente de incluir os critrios de

estabilidade no clculo da ao de controle. Isto poderia ser feito incluindo os critrios
de estabilidade de Lyapunov no problema de controle.
No sentido de aumentar a estabilidade do controle, pode-se estabelecer algum
critrio de normalizao das variveis manipuladas, perturbaes, controladas e modelos
de forma a condicionar adequadamente o sistema de controle, desacoplando-o da melhor
forma possvel.
Em relao ao sistema estudado, o ideal seria que controlssemos efetivamente a
contaminao de componentes pesados no topo da coluna atravs da medio do teor de
C4+. Para isto seria necessrio desenvolver uma inferncia com qualidade superior ao da
existente atualmente, que se baseia em correlao multilinear.
Outro aspecto que poderia ser desenvolvido seria a implementao de uma
camada de otimizao no controlador, isto permitiria um ganho em economia de
energia, o que em uma coluna de fracionamento representa um grande incentivo, j que
o processo de separao se baseia na introduo de energia para permitir a separao
dos produtos.
125
REFERNCIAS BIBLIOGRFICAS
ALMEIDA, E. 1999. Controle preditivo multimodelos de uma torre debutanizadora.

200p. Dissertao (Mestrado) - Escola Politcnica da Universidade de So Paulo.
ALMEIDA, E.; RODRIGUES, M. A.; ODLOAK D. (2000) Robust predictive control of
a gasoline debutanizer column. Brazilian Journal of Chemical Engineering, v.17,
n 04-07, p.967-977
ALMEIDA, E.; ZANIN, A. C.; ODLOAK, D. (1996). Advanced control and
optimization of a crude vacuum unit. XI Congresso Brasileiro de Automtica, - I
Simpsio de Automtica Aplicada, Anais p.23-28, So Paulo
ASTM-D86 (1970). Part 17, Petroleum Products-Fuels, Solvents, Burner Fuel Oils,
Lubrificating Oils, Cutting Oils, Lubrificating Greases, Hydraulic Fluids. American
Soc. For Testing & Materials, Philadelphia, PA, p.8-20.
BOYD, S.; GHAOUI, L. E.; FERON, E.; BALAKRISHNAN, V. (1994). Linear
Matrix Inequalities in System and Control Theory. SIAM, Philadelphia
CLARKE, D. W.; MOHTADI, C.; TUFFS, P.S. (1987). Generalized predictive control
Part I: the basic algorithm. Automatica, v.23, n.2, p.137-148
CLARKE, D. W.; MOHTADI, C.; TUFFS, P.S. (1987). Generalized predictive control
Part II: extensions and interpretations. Automatica, v.23, n.2, p.149-160
CUTLER, C. R.; RAMAKER, B. L. (1979). Dynamic matrix control a computer
control algoritm. AIChE 86th National Meeting, Houton, TX
GARCIA, C. E.; MORARI, M. (1982). Internal model control Part 1: A unifying
review and some new results. Ind. Eng. Chem. Proc. Des. Dev., v.21, p.308-323
GARCIA, C. E.; MORARI, M. (1985). Internal model control Part 2: Design
procedure for multivariable systems. Ind. Eng. Chem. Proc. Des. Dev., v.24, p.472484
GARCIA, C. E.; MORARI, M. (1985). Internal model control Part 3: Multivariable
control law computation and tuning guidelines. Ind. Eng. Chem. Proc. Des. Dev.,
v.24, p.484-494
GARCIA, C. E.; MORSHEDI, A. M. (1986). Quadratic programing solution of dynamic
matrix control (QDMC). Chem. Engng Commun., v.46, p.73-87
Referncias bibliogrficas
126
GOUVA, M. T.; ODLOAK, D. (1997). ROSSMPC: A new way of representing and

analysing the predictive controllers. Trans IchemE, v.75, Part A, p.693-708
HENSON, M. A. (1998). Nonlinear model predictive control: Current status and fucture
directions. Computers Chem. Engng, v.23, n.2, p.187-202
HOYD, M.; LEE, J. H.; MORARI, M. (1993). Truncated step response model predictive
control. Journal of Process Control, v.3, n.2, p.67-73
KOTHARE, K. V.; BALAKRISHNAN, V.; MORARI, M. (1996). Robust constrained
model predictive control using linear matrix inequalities. Automatica, v.30, n.10,
p.1361-1379
LEE, J. H.; MORARI, M.; GARCIA, C. E. (1994). State space interpretation of model
predictive control, Automatica, v.30, n.4, p.707-717
LI, S.; LIM, K. Y.; FISHER, D. G. (1989). A state space formulation for model
predictive control, AIChE Journal, v.35, n.2, p.241-249
LJUNG, L. (1987). System Identification: Theory for the user. Prentice-Hall,
Englewood Cliffs, NJ
LUNDSTRM, P.; LEE, J. H.; MORARI, M.; SKOGESTAD, S. (1995). Limitations of
dynamic matrix control. Computers Chem. Engng, v.19, n.4, p.409-421
MAGALHES, M. V. O.; ODLOAK, D. (1995). Multivariable quality control of a
crude oil frationator. DYDORD95, IFAC Conference, Dynanics and Control of
Chemical Reactors, Distillation Columns and Batch Processes, p.583-488,
Copenhagen
MIQUEL, J.; CASTELLS, F.(1993). Easy characterization of petroleum fractions,
Hydroc. Processing, December 1993, p.101-105
MORARI, M.; DOYLE, J. (1986). A unifying frameworks for control system design
under uncertainty and its implications for chemical process control. Proceedings of
Chemical Process Control - CPC III, p.5-52
MORARI, M.; LEE, J. H. (1991). Model predictive control: The good, the bad, and the
ugly. Proceedings of Chemical Process Control - CPC IV, San Padre Island, TX,
p.410-444
MORARI, M.; LEE, J. H. (1999). Model predictive control: past, present and future.
Computers Chem. Engng, v.23, p.667-682
127
MORARI, M.; ZAFIRIOU, E. (1989). Robust process control. Prentice-Hall,

Englewood Cliffs, NJ
MORO, L. F. L.; ODLOAK, D. (1994). Controle de conversores de craqueamento
cataltico em leito fluido, I - Modelagem dinmica. Boletim Tcnico da Petrobras,
v.37, n.1, p.3-12
MORO, L. F. L.; ODLOAK, D. (1994). Controle de conversores de craqueamento
cataltico em leito fluido, II Controle preditivo multivarivel com restries.
Boletim Tcnico da Petrobras, v.37, n.2, p.111-124
MORO, L. F. L.; ODLOAK, D. (1995). Constrained multivariable control of fluid
cracking converters. Journal of Process Control, v.5, n.1, p.29-39
MORSHEDI, A. M.; CUTLER, C. R.; SKROVANEK, T. A. (1985). Optimal solution
of dynamic matrix control with linear programming techniques (LDMC). Proc. Am.
Control Conf., Boston, MA, p.199-208
NESTEROV, Y.; NEMIROVSKY, A. (1994). Interior-point polynomial methods in
convex programming. SIAM, Philadelphia
ODLOAK, D. (1995). Stability analysis of the dynamic matrix controller, Braz. Jour.
Chem. Engng, v.12, n.1, p.50-64
ODLOAK, D. (1996). A new state-space approach to model predictive control, Braz.
Jour. Chem. Engng, v.13, n.3, p.152-167
PENG, D.Y.; ROBINSON, D.B. (1976). A new two constant equation of state. Ind.
Eng. Chem. Fundamen., v.15, p.59-64
PRETT, D. M.; GILLETTE, R. D. (1979). Optimization and constrained multivarible
control of catalytic cracking unit, AIChE 86th National Meeting, Paper 51-C,
Houton, TX
PRETT, D. M.; GILLETTE, R. D. (1980). Optimization and constrained multivarible
control of a catalytic cracking unit, Proc. Automatic Control Conf., San Francisco,
CA, Paper WP5-C
RICHALET, J.; RAULT, A.; TESTUD, J. L.; PAPON, J. (1978). Model predictive
heuristic control: application to industrial processes. Automatica, v.14, n.5, p.413428
RODRIGUES, M. A.; ODLOAK, D. (2000). Output feedback MPC with guaranteed
robust stability. Journal of Process Control, v.10, p. 557-572.
128
ROUHANI, R.; MEHRA, R. K. (1982). Model algorithmic control (MAC): basic

theoretical properties, Automatica, v.18, p.401
SCHITTKOWSKI, K. (1985/6). A Fortran Subroutine Solving Constrained NonLinear
Programming Problems, Annals of Operations Research, vol. 5, p. 485-500
SPANDRI, R.; MORO, L. F. L.; ODLOAK, D. (1995). Constrained multivariable
control of fluid catalytic cracking converters, a practical application. AIChE,
Spring National Meeting, Paper 84b, Houston, TX
TRIERWEILER, J. O.; FARINA, L. A.; DURAISKI R. G. (2001). RPN Tuning strategy
for model predictive control. DYCOPS, p.283-289, Jejudo Island, Korea
ZANIN, A. C.; ODLOAK, D. (1992). Advanced control of an atmospheric resid heater.
Proceedings of the First International Instrumentation, Systems and Industrial
Automation Meeting, p.33-42, Salvador, BA
129
APNDICE A
FUNO DE TRANSFERNCIA DOS MODELOS
IDENTIFICADOS
Nas tabelas A1 a A6 apresentamos na forma de funo de transferncia os
modelos identificados no captulo 7. Os parmetros da tabela obedecem seguinte
equao:
G (s ) =
b0 + b1s
e s
s + a1s + a2
2
MODELO
CV
MV/DV
b0
b1
a1
a2
C3 -
VRF
0.1094e-4
0.4227e-4
0.1090
0.0243
VGOP
-0.3824e-4
-1.2055e-4
0.1342
0.0111
Vcarga
0.5668e-2
-0.0945e-2
0.3975
0.0850
TGOP
-0.21740e-3
-0.6856e-3
0.1342
0.0111
VRF
-0.2539e-3
-0.2445e-3
0.1142
0.0086
VGOP
0.6641e-3
0.7159e-3
0.1343
0.0087
Vcarga
-0.2482e-3
0.0617e-3
0.1573
0.0141
TGOP
0.0996e-1
0.1074e-1
0.1343
0.0087
VRF
-0.1116e-3
-0.0873e-3
0.1317
0.0073
VGOP
0.0070
0.0013
2.2605
0.1366
Vcarga
-0.0015
-0.0004
1.9247
0.1353
TGOP
0.1044
0.0194
2.2605
0.1366
C4 +
TTOPO
Tabela A1 Parmetros da funo de transferncia para o modelo 1
130
Apndice A - Descrio sumria do HYSYS
MODELO
CV
MV/DV
b0
b1
a1
a2
C3 -
VRF
0.4220e-3
-0.2722e-3
1.6602
0.2525
VGOP
-1.405e-4
-2.1828e-4
0.1322
0.0117
Vcarga
0.0521e-3
0.1503e-3
0.2097
0.0279
TGOP
-0.4740e-3
-0.7365e-3
0.1322
0.0117
VRF
-0.2891e-2
-0.1572e-2
0.7355
0.0561
VGOP
0.0946e-2
0.1605e-2
0.1268
0.0123
Vcarga
-0.3885e-3
-0.3830e-3
0.1355
0.0148
TGOP
0.1216e-1
0.2064e-1
0.1268
0.0123
VRF
-0.0063
-0.0034
2.0724
0.2428
VGOP
0.0045
0.0002
0.8352
0.0812
Vcarga
-0.0012
-0.0012
0.8328
0.0693
TGOP
0.0575
0.0020
0.8352
0.0812
C4 +
TTOPO
MODELO
CV
MV/DV
b0
b1
a1
a2
C3 -
VRF
0.1532e-2
-0.0860e-2
1.1913
0.0912
VGOP
-0.7811e-3
-0.3770e-3
0.3402
0.0181
Vcarga
0.7698e-3
0.8929e-3
0.5633
0.0359
TGOP
-0.7701e-2
-0.3716e-2
0.3402
0.0181
VRF
-0.1053e-2
-0.2637e-2
0.3524
0.0231
VGOP
0.1335e-2
0.0474e-2
0.2471
0.0203
Vcarga
-0.3299e-3
-0.2002e-3
0.2293
0.0190
TGOP
0.1316e-1
0.0467e-1
0.2471
0.0203
VRF
-0.0008
-0.0034
0.4017
0.0365
VGOP
0.0089
0.0064
1.8959
0.1946
Vcarga
-0.0009
-0.0012
0.8844
0.0799
TGOP
0.0877
0.0634
1.8959
0.1946
C4 +
TTOPO
131
MODELO
CV
MV/DV
b0
b1
a1
a2
C3 -
VRF
0.4881e-3
-0.1107e-3
0.9881
0.0646
VGOP
-0.1862e-3
-0.1763e-3
0.2605
0.0091
Vcarga
0.2710e-3
0.1854e-3
0.5111
0.0265
TGOP
-0.1781e-2
-0.1686e-2
0.2605
0.0091
VRF
-0.0440e-2
-0.1955e-2
0.1510
0.0074
VGOP
0.5084e-3
-0.3732e-3
0.1041
0.0046
Vcarga
-0.1856e-3
-0.3426e-3
0.0967
0.0046
TGOP
0.4862e-2
-0.3570e-2
0.1041
0.0046
VRF
-0.0025
-0.0039
0.8868
0.0840
VGOP
0.0029
0.0055
0.8602
0.0392
Vcarga
-0.0018
-0.0004
1.8877
0.0669
TGOP
0.0281
0.0527
0.8602
0.0392
C4 +
TTOPO
MODELO
5
CV
C3
C4 +
TTOPO
MV/DV
b0
b1
a1
a2
VRF
0.5647e-3
-0.3536e-3
0.8165
0.0809
VGOP
-0.4780e-3
-0.1427e-3
0.3417
0.0259
Vcarga
0.6786e-3
-0.1149e-3
0.9003
0.0712
TGOP
-0.6481e-2
-0.1935e-2
0.3417
0.0259
VRF
-0.2862e-2
-0.1206e-2
1.1691
0.0716
VGOP
0.1352e-2
0.1303e-2
0.3245
0.0180
Vcarga
-0.4581e-3
0.2032e-3
0.3565
0.0173
TGOP
0.1833e-1
0.1767e-1
0.3245
0.0180
VRF
-0.0021
-0.0019
1.1676
0.1069
VGOP
0.0081
0.0053
2.4190
0.1761
Vcarga
-0.7616e-3
-0.5323e-3
0.9818
0.0549
TGOP
0.0766
0.0725
1.6731
0.1242
132
MODELO
CV
MV/DV
b0
b1
a1
a2
FD
C3 -
VRF
0.5656e-3
-0.2218e-3
3.4948
0.5902
VGOP
-0.001452
0.00007413
2.6987
0.4023
Vcarga
0.0001125
-0.0001138
0.4559
0.03227
TGOP
-0.01642
-0.01324
1.438
0.184
VRF
VGOP
Vcarga
TGOP
VRF
-0.001235
-0.001135
1.6380
0.09852
VGOP
0.0020
-0.0003
2.4298
0.0651
Vcarga
-0.0003829
0.0001715
0.2295
0.02632
TGOP
0.006970
0.001998
0.1731
0.01045
C4 +
TTOPO
Tabela A6 Parmetros da funo de transferncia para o modelo da planta industrial

Tde

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tde

Diunggah oleh

Hak Cipta:

Format Tersedia

CARLOS ROBERTO PORFRIO

IMPLANTAO DE UM CONTROLADOR MULTIMODELOS EM

Dissertao apresentada Escola

CARLOS ROBERTO PORFRIO

IMPLANTAO DE UM CONTROLADOR MULTIMODELOS EM

Dissertao apresentada Escola

Porfrio, Carlos Roberto

A todos os meus mestres, que ao longo de minha

minha esposa e filho, Ronilda e Gabriel, pela compreenso e incentivo durante a

Ao engenheiro Euclides Almeida Neto pela pacincia, apoio e incentivo nas

Petrobras, em nome do engenheiro Antnio Maylinch Teruel, por permitir e

Ao colega Dr. Oscar Rotava pelas sugestes e reviso final do trabalho.

Aos Operadores da Unidade de Craqueamento Fluido da RPBC pelo auxlio durante os

4.1.4 Especificao dos graus de liberdade do sistema............................................ 24

8.2.4.2 Clculo dos erros das variveis controladas................................................. 90

Figura 9.2.a1 Variveis controladas em operao tpica............................................ 113

% propano e componentes com pesos moleculares mais baixos

% de iso-butano e componentes de maior peso molecular

Dynamic Data Exchange

Determinante da matriz de ganhos do processo

Dynamic Matrix Control

Craqueamento cataltico flido

Finite Impulse Response

Generalized Predictive Control

Software de simulao de processo da empresa Hyprotech Inc

Integral do erro quadrtico

Linear Dynamic Matrix Control

Linear Matrix Inequality

Nvel de fundo da coluna

Relao molar lquido e vapor no estgio da coluna

Model Algorithmic Control

Software Matemtico da empresa Mathworks Inc

Multi-Model Predictive Control

Controlador preditivo multivarivel

Model Predictive Heuristic Control

Nmero de componentes do sistema

Object Link Embeding

Software de superviso do processo Plant Information

Controlador proporcional integral e derivativo

Calor absorvido na condensao

Quadratic Dynamic Matrix Control

Carga trmica do refervedor

Refinaria Alberto Pasqualini

Refinaria do Vale do Paraba

Refinaria Presidente Bernardes de Cubato

Sistema Digital de Controle Distribudo

Sistema de Controle da Petrobras

Programao quadrtica sucessiva

Temperatura do gasleo pesado

Temperatura de topo da coluna

Coeficiente global de troca trmica

Unidade de Craqueamento Cataltico Fluido

Unidade de Gasolina de Aviao

Vazo de gasleo pesado

Vazo de Refluxo de Topo

Termos do denominador do modelo do processo

Termos do numerador do modelo do processo

Parmetro do modelo dependente do tempo

Parmetro do modelo independente do tempo

Matriz dos parmetros do modelo dep. do tempo

Matriz diag. dos parm. do modelo dep. do tempo

Matriz dos parmetros do modelo indep. do tempo

Coef. de atualizao dos parmetros do modelo