DISEÑO DE UN OBSERVADOR APLICADO A
LA ESTIMACION DE CONCENTRACION EN UN
REACTOR CSTR
Byron Cajamarca, Karina Rocha,
Departamento de Automatización y Control Industrial
Escuela Politécnica Nacional
Quito, Ecuador
{byron.cajamarca, karina.rocha}@epn.edu.ec
Abstract—En el presente artículo se presenta el diseño de un
observador que servirá como estimador de concentración de salida
del Tanque CSTR, de esta manera se resuelve uno de los
importantes problemas que tiene este tipo de procesos que es la
dificultad de medir la concentración de salida ya que no existen
sensores que nos permiten medir rápidamente esta variable,
además se realizara el diseño de controladores para control de esta
variable y la temperatura en el reactor.
Keywords— MIMO, IMC Observador,
I. INTRODUCTION
Los reactores químicos son recipientes diseñados para
contener reacciones químicas, son parte esencial de la industria
por que transforman las materias primas en productos químicos
valiosos. Gran parte de la sociedad moderna se basa en la
operación económica consistente. [1].
Por lo que es importante realizar un control adecuado de las
variables involucradas en este tipo de procesos químicos como
son los reactores.
El control automático resulta imprescindible en los procesos
químicos, no solo para controlar variables como la presión, la
temperatura, la humedad, entre otras, sino para lograr el control
integral de los procesos, de manera que se puedan optimizar
cumpliendo los objetivos económicos de la empresa. En el
control de procesos, el objetivo principal es mantener el
comportamiento real de un sistema lo más aproximado posible
a un comportamiento previamente fijado [2].
Para poder realizar un buen control en un proceso se hace
vital la lectura de las variables a través de sensores y
transmisores que nos permiten conocer el estado de una variable
a través del tiempo ya sea presión, flujo, temperatura o
concentración.
Aunque se han realizado muchos esfuerzos y progresos
importantes en nuevos sensores y analizadores químicos
relacionados con procesos, la disponibilidad comercial, la alta
fiabilidad y el bajo costo de los instrumentos para medir en línea
las variables internas importantes, como la masa celular, el
sustrato y las concentraciones de producto, todavía son muy
limitados. Aunque se han realizado muchos esfuerzos y
progresos importantes en nuevos sensores y analizadores
químicos relacionados con procesos, la disponibilidad
Oscar Camacho
Departamento de Automatización y Control Industrial
Escuela Politécnica Nacional, Quito Ecuador.
oscar.camacho@epn.edu.ec
Universidad de los Andes, Mérida Venezuela
ocamacho @ula.ve
comercial, la alta fiabilidad y el bajo costo de los instrumentos
para medir en línea las variables internas importantes, como la
masa celular, el sustrato y las concentraciones de producto,
todavía son muy limitados. Además, las variables de estado de
bioprocesos comúnmente se miden solo con largos retrasos de
medición. Debido a estas limitaciones, se ha prestado
considerable atención al desarrollo de estimadores de estado
basados en software en línea (sensores de software) (Tham,
Morris & Montague, 1989; Montague, Morris & Tham,1992).
El sensor de software es la asociación de un sensor
(hardware) que permite realizar mediciones en línea de algunas
variables del proceso, con un algoritmo de estimación
(software) para proporcionar estimaciones en línea de variables
no mensurables, parámetros del modelo o para superar retrasos
en la medición [3].
Pero antes de pensar en diseñar cualquier tipo de observador
de estado se debe verificar la observabilidad, propiedad
inherente a todo sistema, y la cual se define como la posibilidad
que tiene un sistema para que solo midiendo algunos de sus
estados se le pueda hacer una estimación de los demás. La
observabilidad es fácilmente verificable cuando se tiene un
sistema lineal, pero cuando esta ante un modelo no lineal se de
tener un criterio mas general ya que no se tiene matrices de
constantes que describan el sistema y faciliten su análisis.
(Kheir 1966).
La controlabilidad también debe ser verificada ya que a
través de la variable estimada se va a realizar esquemas de
control que nos permitirán probar como es la salida ante un
cambio de referencia y ante perturbaciones.
El paper se encuentra divido de la siguiente forma, en la
sección II encontraremos el modelado del reactor tipo CSTR,
en la sección III encontraremos el diseño del observador de
concentración de salida, en la sección IV encontraremos el
diseño de los controladores y la sección V la simulación de los
controladores y por último en la sección VI los controladores.
II. MODELO DEL REACTOR CSTR
El reactor mostrado en la Fig. 1 es un tanque agitado continuo
donde tiene lugar la reacción exotérmica A→B. Para eliminar el
calor de reacción, el reactor está rodeado por una camisa a
través de la cual fluye un líquido refrigerante [4].
 III. DISENO DEL OBSERVADOR
La realimentación de estados requiere medir los estados, pero
normalmente, no se tiene acceso a todos los estados. Entonces
para implementar la realimentación de estados el sistema debe
ser observable.

Entradas al Reactor Reactor CSTR en Salidas del Reactor

CSTR variables de estado CSTR

Observador

Fig. 1. Diagrama P&ID del Proceso
Las siguientes ecuaciones constituyen el modelo matemático
del proceso:
Balance de masa del reactante A del reactor CSTR:
Variable
Estimada
Fig. 2 Diagrama del observador en el Reactor CSTR.
Para el diseño del observador se necesitó conocer el modelo
en variables de estado las cuales se obtuvieron mediante series
de Taylor. Quedan expresadas en las siguientes matrices.

dCA (t) F(t) 𝑥̇ (𝑡) = 𝐴𝑥(𝑡) + 𝐵𝑢(𝑡) (8)

= (CAi (t) − CA (t)) − kCA 2 (t) (1)
dt V 𝑦(𝑡) = 𝐶𝑥(𝑡) + 𝐷𝑢(𝑡) (9)

Balance de energía del contenido del contenido reactor Donde:

CSTR:
𝐴 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑒𝑠𝑡𝑎𝑑𝑜
dT(t) F(t) ∆HR 𝐵 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎
= (Ti (t) − T(t)) − kCA 2 (t)
dt V ρCp 𝐶 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎
UA 𝐷 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑖𝑐𝑖𝑜𝑛 𝑑𝑖𝑟𝑒𝑐𝑡𝑎
− (T(t) − Tc(t)) (2)
Vρ Cρ
Balance de energía en la chaqueta del reactor CSTR: −0.26 −0.00121 0 0
5.43 −0.076 0.046 0
𝐴=[ 0 0.15 −0.36 0 ]
dTc(t) UA Fc(t) 0 0.15 0 −3.03
= (T(t) − Tc(t)) − (T(t) − Tci(t)) (3)
dt Vc ρc Cρc Vc
0.002214 0
Coeficiente de velocidad de reacción del reactor CSTR: −0.0279 0 ]
𝐵=[ 0 19.60
E 0 0
−
k = koe R(T(t)+273) (4)
𝐶 = [0 0 0 1]
Transmisor de temperatura del reactor CSTR:
𝐷 = [0]
dTO(t) 1 T(t) − 80
= ( − TO(t)) (5) ∆𝐶𝐴̇
dt τT 20 ∆𝐶𝐴
∆𝑇 ̇ ∆𝑈
𝑥̇ (𝑡) = = [𝐴] [ ∆𝑇 ] + [𝐵] [ ]
Válvula de control equiporcentual (air to close) del reactor ∆𝑇̇𝐶 ∆𝑇𝑐 ∆𝑚
CSTR: [∆𝑇𝑂̇ ] ∆𝑇𝑂
Fc(t) = Fcmax α−m(t) (6)
∆𝐶𝐴
Válvula lineal para el control de concentración: 𝑦(𝑡) = [𝐶] [ ∆𝑇 ]
∆𝑇𝑐
0.9 ∆𝑇𝑂
𝐹(𝑡) = ( ) 𝑈(𝑡) (7) La observabilidad del sistema se determina con la siguiente
100 ecuación:
 𝐶 Estas condiciones imponen diversas restricciones al
𝐶𝐴 observador. Así si se forma la diferencia entre la evolución del
𝑃 = [ 𝐶𝐴2 ] (10) estado del observador y del sistema:
…
𝐶𝐴𝑛−1
𝑥𝑒̇ (𝑡) − 𝑥𝑒̇ (𝑡) = 𝐹𝑥𝑒(𝑡) − (𝐴 − 𝐿𝐶)𝑥(𝑡)
Con los valores obtenidos de las matrices A y C se obtiene + (𝐺 − 𝐵)𝑢(𝑡) (19)
la siguiente matriz que es de rango completo por lo tanto el
sistema es observable. La segunda condición implica:

0 0 0 1 𝐺=𝐵
0 0.15 0 −3.03
𝑃 = [ 0.8145 −0.4659 0.0069 9.1809 ] La primera condición implica que:
−2.7416 1.4126 −0.0239 −27.8181
𝐹 = 𝐴 − 𝐿𝐶
La controlabilidad del Sistema se determina con la siguiente
ecuación: Debe tener todos los polos estables cuanto mas rápidos sean
2
los polos de F antes tendrán 𝑥𝑒(𝑡) 𝑎 𝑥(𝑡)
𝐶𝑜 = [𝐵 𝐴𝐵 𝐴 𝐵 ⋯ 𝐴𝑛−1 𝐵 ] (11) Entonces usando lo mencionado en ecuación (13) y (14) y
usando el programa Matlab se tiene:
La matriz de controlabilidad permite que se pueda desarrollar
algún tipo de controlador al sistema una vez que este se
𝑇𝑜= [𝑃 −1 (: ,4) 𝐴𝑃−1 (: ,4) 𝐴2 𝑃 −1 (: ,4) 𝐴3 𝑃 −1 (: ,4)] (20)
encuentre en variables de estado.
Para aplicar el observador es necesario trabajar en la base
𝐴̃𝑜 = 𝑇𝑜 −1 𝐴𝑇𝑜 (21)
canónica observable por lo que hay tener en cuenta el cambio
de base. 𝐵̃𝑜 = 𝑇𝑜 −1 𝐵𝑜 (22)
𝐶̃𝑜 = 𝐶𝑇𝑜 (23)
𝑥(𝑡) = 𝑇𝑥̃(𝑡) (12)
Para la elección del polo se debe tomar en cuenta los valores
Usando el cambio de base mencionado en la ecuación (12) se propios del sistema y escoger el polo que este más lejos en el
obtiene la siguiente representación. plano izquierdo.

𝑥̇ (𝑡) = 𝑇 −1 𝐴𝑇𝑥(𝑡) + 𝑇 −1 𝐵𝑢(𝑡) (13)

𝑦(𝑡) = 𝐶𝑇𝑥(𝑡) + 𝐷𝑢(𝑡) (14)

El observador estima el estado del sistema a partir de la

dinámica de su entrada y su salida.

Fig. 3 Diagrama del observador con las entradas y salidas del sistema

Se dice que es un observador:

𝑥𝑒̇(𝑡) = 𝐹𝑥𝑒(𝑡) + 𝐺𝑢(𝑡) + 𝐻𝑦(𝑡) (15)
𝑦𝑒(𝑡) = 𝑥𝑒(𝑡) (16) Fig. 4 Diagrama de un Observador

Si cumple con las siguientes condiciones: A. Validacion del sistema en variables de estado y el sistema
1. ∀𝑥𝑒(𝑡𝑜), 𝑥(𝑡𝑜), 𝑢(𝜏) 𝑝𝑎𝑟𝑎 𝜏 > 𝑡𝑜 no lineal
→ lim (𝑥𝑒(𝑡) − 𝑥(𝑡)) = 0 (17)
𝑡→∞

2. 𝑆𝑖 𝑥𝑒(𝑡𝑜) = 𝑥(𝑡𝑜) → ∀𝑢(𝜏) 𝜏

> 𝑡𝑜 𝑠𝑒 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎 (𝑥𝑒(𝑡) − 𝑥(𝑡)) = 0 (18)

Fig. 5 Diagrama del sistema en variables de estado.

 Fig9. Salida de concentración al dar un paso del 10% a la válvula de
Fig6. Salida del trasmisor al dar un paso del 10% a la válvula de flujo U(t) temperatura m(t)
Una vez validado el modelo tanto con el sistema no lineal y el
sistema en variables de estado para el transmisor TO ya que es
la única salida que se va a medir, la concentración se la estimo
con el observador sustituyendo a un analizador de
concentración. Posterior a esto se realizó esquemas de control
que nos permita trabajar de forma independiente las dos
variables de salida que son la concentración estimada y la
temperatura, pero antes de eso se debe aplicar desacopladores
ya que existe interacción en las variables como se ve en las
Figuras 6,7,8 y 9.
B. Estimacion de la Concentracion con el observador
Aplicando la teoría mencionada anteriormente se estima la
concentración la cual se la debe comparar con la salida de
concentración del sistema no lineal.
Para que el observador se acerque mucho al sistema real se
debió modificar el polo obtenido con los valores propios.
Fig7. Salida de concentración al dar un paso del 10% a la válvula de flujo
U(t)

Fig10. Diagrama del Observador implementado en simulink

Fig8. Salida del trasmisor al dar un paso del 10% a la válvula de

temperatura m(t)

Fig11. Diagrama del Observador implementado en el Reactor CSTR en

Simulink
 ᴧ = 𝐾. (𝐾 −1 )𝑇 (24)
𝐾 = 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝐺𝑎𝑛𝑎𝑐𝑖𝑎𝑠 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑎𝑠

Para obtener la matriz K se tiene:

𝐾11 𝐾12
𝐾=[ ] (25)
𝐾33 𝐾22

Partiendo del modelo lineal aproximado obtenido por el

método FIT3 se obtiene:

0.00728 0.01
𝐾=[ ]
−0.0433 0.0466

De donde se obtiene la siguiente matriz de Bristol:

Fig12. Salida de concentración estimada vs salida de concentración real al
0.8867 0.113
dar un paso del 10% a la válvula de flujo U(t) ᴧ=[ ]
0.113 0.8867

De la matriz de Bristol obtenida se tiene que los

emparejamientos entre variables que tienen más interacción son
los siguientes:
𝑢1(𝑡) → 𝑌1(𝑡)
𝑢2(𝑡) → 𝑌2(𝑡)

Luego de realizar el análisis de interacción entre variables

basándonos en la matriz de Bristol donde se observa que la
interacción entre variables es pequeña y además observando
directamente el proceso como fue la interacción se determinó
que no es necesario realizar un desacoplamiento entre variables
ya que la interacción es mínima.

Fig13. Salida de concentración estimada vs salida de concentración real al

dar un paso del 10% a la válvula de temperatura m(t)

Fig15. Interacción entre variables del proceso a) Concentración b)

Fig14. Salida de concentración estimada vs salida de concentración real al Temperatura
dar un paso del 10% en la concentración inicial

IV. DISEÑO DE CONTROLADORES A. Diseño del Controlador de Temperatura del Reactor

Previo al desarrollo de los controladores debido a que el Partiendo de la aproximación de primer orden con tiempo
Sistema es MIMO se revisara como se encuentra la interacción muerto (POMTM) se sintonizo un controlador tipo PID.
entre variables, por lo que se hallara la matriz de Bristol [5]:
0.466𝑒 −2.982𝑠
𝐺22(𝑠) =
Para obtener la matriz de Bristol se tiene: 12.48𝑠 + 1

Se obtuvo el siguiente controlador

 1 A. Cambio de Referencia de Concentracion
𝑃𝐼𝐷(𝑠) = 𝐾𝑐 (1 + + 𝑇𝑑𝑠) (26)
𝑇𝑖𝑠

𝐾𝑐 = 4.5 𝑇𝑖 = 12.48 𝑇𝑑 = 1.491

B. Diseño del control de Concenctracion de Salida
Partiendo de la aproximación de primer orden con tiempo
muerto (POMTM) se desarrollaron dos controladores, un
controlador de modelo interno (IMC) y un controlador por
síntesis de controladores [6].

0.00728𝑒 −0.133𝑠
𝐺11(𝑠) =
2.688𝑠 + 1
 Controlador IMC

Partiremos separando la parte no invertible de la invertible para

el diseño del controlador:
Fig16. Respuesta ante variación de la referencia de CA
𝐺𝑚(𝑠) = 𝐺𝑚− (𝑠). 𝐺𝑚+ (𝑠) (27)
𝐺𝑚− (𝑠) = 𝑃𝑎𝑟𝑡𝑒 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜.
𝐺𝑚+ (𝑠) = 𝑃𝑎𝑟𝑡𝑒 𝑁𝑜 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜.
Se obtuvo:
0.00728
𝐺𝑚− (𝑠) =
2.688𝑠 + 1

Con lo obtenido se procede a diseñar el controlador

1 1
𝐺𝑐(𝑠) = . (28)
𝐺𝑚 − (𝑠) 𝑇𝑓𝑠 + 1
𝑇𝑓 = 𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒𝑙 𝑓𝑖𝑙𝑡𝑟𝑜

Se obtuvo el siguiente controlador:

2.688𝑠 + 1
𝐺𝑐(𝑠) =
0.00728(12𝑠 + 1)

 Síntesis de Controladores

Para el desarrollo de este controlador se utilizó nuevamente Fig17. Observación de las variables ante un cambio de referencia de CA
a) Concentración salida, b) Temperatura Tanque
el modelo POMTM utilizado en el anterior controlador, además
se le dio una dinámica de respuesta deseada al sistema igual a:
𝑒 −0.2𝑠
𝑞(𝑠) =
9𝑠 + 1

1 𝑞(𝑠)
𝐺𝑐(𝑠) = . (29)
𝐺𝑐(𝑠) 1 − 𝑞(𝑠)

Se obtuvo el siguiente controlador:

137.36(2.688𝑠 + 1)
𝐺𝑐(𝑠) =
9𝑠(0.067𝑠 + 1)
V. SIMULACION DE CONTROLADORES
A continuación, se presentan los resultados obtenidos en la
simulación de los dos controladores y del observador de
concentración, el tipo de control es para seguimiento, es decir
Fig17. Comparación concentración del proceso y observada al aplicar el
para cambio de referencia tanto para la temperatura como para control
la concentración.
 Fig18. Acciones de Control de Flujo para control de CA Fig20. Variables del Proceso Controladas ante cambios de Referencia

En la Fig18. se observa las acciones de control de los dos

controladores de concentración de salida y se puede ver que son
suaves y rápidas por lo que se puede decir que se está realizando
un buen control de concentración sin afectar al actuador que en
este caso es una válvula.
Para realizar una comparación de los controladores se
utilizarán los índices de desempeño, como se puede observar en
la TABLA I el controlador que presenta menor ISE es el
controlador diseñado por síntesis, lo propio sucede con el otro
índice que es el tiempo de establecimiento.

TABLA I.
Índices de Desempeño de Controladores
Controladores ISE Ts[min]
IMC 0.5246 45,2
Síntesis 0.01328 39,4 Fig21. Comparación de Observador y proceso para el caso B de Control

B. Cambio de Referencia de Concentracion y Temperatura En la figura 21 y 22 podemos observar que pese a que el
observador tiene un ligero error al estimar el valor el control no
se pierde.

Fig19. Concentración ante cambio de Referencia y Temperatura

Fig22. Acciones de Control de Flujo para control de Concentración a la
salida y de Temperatura
 VI. CONCLUSIONES
El observador diseñado tuvo buen desempeño, por lo que el
control de la concentración de salida fue satisfactorio, gracias a
esto se logró solucionar el problema de no poder medir
rápidamente esta variable en el proceso.
Se logró controlar la concentración mediante controladores
de modelo interno y de síntesis, el ultimo mencionado fue el de
mejores características por lo que se podría implementar en un
sistema real.

REFERENCIAS

[1] W. Luyben, Chemical reactor design and control, 1st ed. [New
York]:AIChe,2007.
[2] S. Mojica, “Un problema de Referencia para el Control Multivariable de
Proceso,” Universidad Nacional de Colombia, Colombia, 2014.
[3] A. J. de Assis, R. M. Filho,” Soft sensors development for on-line
bioreactor state estimation,” Computers and Chemical
Engineering,2000.
[4] O. Camacho, C. Smith, “Sliding mode control: an approach to regulate
nonlinear chemical processes”, ISA Transactions 39,2000.
[5] F. Morilla, J. Garrido, F. Vásquez, “Control Multivariable por
Desacoplo” Revista Iberoamericana de Automática e Informática
Industrial (RIAI) · Marzo 2013
[6] A. Babatunde W. Harmon “Proccess Dynamics Modeling and Control”
1994 New York, Cap 19.