This project addresses the problem of applying Predictive Control techniques to industrial processes that cannot be accurately modeled but whose modeling errors or uncertainties are bounded.
Proyecto: Control predictivo para procesos con incertidumbres acotadas
Código: DPI2002-04375-C03-03
Ámbito del proyecto: Nacional
Entidad financiadora: Ministerio de Ciencia y Tecnología
Responsable: Berenguel-Soria, Manuel
Fecha inicio: 01/12/2002
Fecha fin: 30/11/2005
Proyecto coordinado con la Universidad de Sevilla (Coordinador: Eduardo Fernández Camacho) y con el CIEMAT-Plataforma Solar de Almería (Responsable: Eduardo Zarza Moya)
En este proyecto se aborda la problemática de la aplicación de técnicas de Control Predictivo a procesos
industriales que no pueden ser modelados de forma precisa pero cuyos errores de modelado o incertidumbres, se
pueden acotar. Aunque la presencia de incertidumbre es inherente a la mayoría de aplicaciones de control, su
tratamiento en la etapa de análisis y diseño de estrategias de control predictivo es un aspecto poco tratado y
complejo. El proyecto aborda tres problemas básicos que aparecen en la aplicación de esta tecnología en la
industria: a) la obtención de modelos adecuados que permitan capturar la dinámica del proceso y obtener unas
cotas de la incertidumbre asociada a dicho modelo, b) los aspectos de viabilidad relacionados con las enormes
necesidades de cálculo que en la actualidad precisan este tipo de controladores y c) garantizar la robustez de los
controladores. Estos problemas se están aplicando sobre plantas reales que sirven de referencia para formular y
validar los resultados sobre bases realistas y que presentan características dinámicas distintas e interesantes:
motores, planta de laboratorio de tanques acoplados, un fotobiorreactor, invernaderos y el campo DISS de la
Plataforma Solar de Almería, que constituye un referente a nivel internacional en la tecnología de producción
directa de vapor en plantas solares de colectores distribuidos. Estos últimos sistemas se caracterizan por la
dificultad de obtención de modelos, la incertidumbre inherente a la formulación de dichos modelos y el alto nivel
de perturbaciones que soportan.