Edgar Ledezma Zavala.

A00811157.

Control predictivo. 21/Ene/15

Tarea #1: INTRODUCCIN AL CONTROL PREDICTIVO

El control predictivo surgi a mediados de los aos 70 y se ha desarrollado

enormemente desde entonces.
De acuerdo con informacin obtenida de la pgina oficial de ADEX los principios
de la metodologa de control Adaptativo Predictivo fueron introducidos por Juan
M. Martn Snchez en su tesis doctoral en la Universidad Politcnica de
Catalua en 1974, y posteriormente en 1976 present una patente sobre su
trabajo en control predictivo. Otros trabajos surgieron tambin de Richalet
presentando el Model Predictive Heuristic Control (MPHC) conocido despus
como Model Algorithmic Control (MAC) y los trabajos de Cutler y Ramakter
presentando la Dynamic Control Matrix (DMC).
El control predictivo basado en modelo (MPC) no designa a una estrategia de
control en especfico, ms bien abarca una amplia gama de mtodos de control
en el que se hace un uso explcito del modelo de un proceso para obtener una
seal de control que minimice una funcin o criterio deseado.
Todas estas tcnicas mantienen una estructura general basado en las
siguientes ideas:

Necesariamente hacen uso de un modelo para predecir las salidas futuras

de un proceso (horizonte)
Calculan una secuencia de control que minimice una funcin o criterio
deseado
Operan de manera reiterativa, es decir, realiza el clculo anterior en cada
instante de tiempo, desplazando siempre el horizonte de prediccin hacia
adelante.

Los diferentes algoritmos MPC solo difieren entre ellos en el modelo utilizado
para representar el proceso, y en las funciones a ser minimizadas.
Este tipo de control es de una naturaleza abierta, con lo que se han
desarrollado muchos trabajos sobre el mismo, y ampliamente recibido por la
industria y los acadmicos. Existen una gran cantidad de aplicaciones del
control predictivo no nicamente en la industria de procesos, sino tambin en
aplicaciones como el control de robots o la aplicacin de anestesia clnica.
El MPC presenta una serie de ventajas respecto a otros modelos, dentro de las
ms importantes se encuentran las siguientes:

Es atractivo para personal con poco conocimiento de la teora de control,

pues sus conceptos son bastante intuitivos, y a la vez, la sintonizacin de
controladores es relativamente sencilla.
Puede utilizarse para controlar una gran variedad de procesos, desde
aquellos con una dinmica muy simple, a aquellos complejos con tiempos
muertos demasiado largos o inclusive inestables.
Se puede aplicar a sistemas multi-variables.

Edgar Ledezma Zavala.

A00811157.

Control predictivo. 21/Ene/15

De manera intrnseca, presenta una compensacin para tiempos muertos.

Introduce de manera natural un control antialimentado para perturbaciones
medibles.
Est basado en una metodologa libre y en ciertos principios bsicos, que
permiten su futuro desarrollo.

Algunas de las desventajas que puede presentar es que aunque la ley de

control es fcil de implementar y requiere de poco poder computacional, su
obtencin puede volverse ms compleja que aquellas del PID del control
clsico. Tambin, si la dinmica del proceso no cambia, la obtencin del
controlador se puede hacer una nica vez, pero en el caso del control adaptivo,
estos clculos deben de ser calculados cada periodo de muestreo, y si se trata
con limitaciones, la computacin requerida es mayor. Sin embargo, la mayor
desventaja que puede presentar, es que se requiere un modelo del proceso
bastante preciso para obtener los mejores beneficios.
Otra desventaja que puede tener, es la falta de resultados tericos que
demuestren la estabilidad o robustez del sistema, ms all de los buenos
resultados obtenidos en la prctica.
En la industria donde se puede observar ms fcilmente los buenos resultados
del uso del control predictivo adems de las ya mencionadas anteriormente- ,
son aquellas de gran complejidad donde las variables a controlar son limitadas,
pero aquellas que intervienen en el proceso y que no se pueden controlar son
mayores.
Un ejemplo puede ser una planta de energa solar, que utiliza un colector de
calor distribuido, que consiste bsicamente en una lnea de tuberas por las
que circula aceite, y en el que la radiacin solar se concentra por medio de
espejos parablicos que pueden girar en un eje para seguir la posicin del sol.
El objetivo de control es mantener la temperatura de salida del aceite a un
nivel determinado, a pesar de las perturbaciones. La nica manera de lograr
esto, es variando el flujo de aceite que circula alrededor de la tubera del
colector, pues las dems variables que intervienen no se pueden controlar.
Tambin se debe considerar que el sistema presenta un tiempo muerto que
depende a la vez de la variable de control (el flujo de aceite), y a la vez, el
modelo del sistema varia con factores como los cambios en los niveles de
radiacin solar causado por las nubes, la reflectividad de los espejos o la
temperatura del aceite en la entrada del sistema.
Desde el punto de vista terico, el colector solar en un sistema no lineal pero
que podra aproximarse a uno si se consideran pequeas perturbaciones. Sin
embargo, mantener una temperatura constante para el aceite de salida,
conforme las condiciones solares varan en el da, requieren una gran variacin
en el flujo de aceite que circula, que trae a su vez grandes variaciones en la
dinmica del sistema, pues el tiempo muerto de la planta vara conforme se
vara el flujo. Estas condiciones requieren que los parmetros del controlador
sean ajustados para adaptarse a los condiciones de operacin, con lo que el

Edgar Ledezma Zavala.

A00811157.

Control predictivo. 21/Ene/15

uso de un controlador adaptivo-predictivo, se acopla perfectamente a la

aplicacin.

Referencias bibliogrficas.
Camacho, E. F., and C. Bordons. Model Predictive Control. London: Springer,
2004. Print.
ADEX. "Del Control Adaptativo Predictivo a ADEX." Historia. N.p., n.d. Web. 19
Jan. 2015. <http://www.adexcop.com/es/history>.
Sanchez, Juan M. "Introduction and Fundamentals of Optimized Adaptative
Controllers Systems." Introduction. ADEX Optimized Adaptive Controllers
and Systems: From Research to Industrial Practice. Switzerland:
Springer, 2015. N. pag. Advances in Industrial Control. Web. 19 Jan.
2015.