FRSFCO - Producción de Investigación

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/1607

Browse

Has files: YesSubject: search.filters.subject.Linear matrix inequalities

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Adaptive model-based predictive control with changing operation points
    (Elsevier, 2025-05-28) Pipino, Hugo; Adam, Eduardo J.
    Most industrial processes are nonlinear and experience frequent variations in the operating point, which can make them impractical for real-time Model-based Predictive Control (MPC) implementation. This research explores the design and analysis of MPC formulations developed within the context of Linear Parameter Varying (LPV) model framework. These methods take into account the scheduling parameters of the multi-model and perform online process-model adaptation, obtaining a linear prediction model that allows representing the nonlinear process at each instant. Additionally, necessary conditions are established to guarantee the asymptotic stability of the feasible equilibrium set for all models contained in the LPV model. This enables the consideration of changes in operating points that occur during the normal operation of the process. The article concludes with realistic simulation results of two typical unit operations in the process industry, comparing the analyzed MPC techniques with a linear MPC present in the literature. Discussions are presented on the results in terms of performance, effectiveness, computational effort and disturbance rejection, in the presence of changing operating points.
  • Thumbnail Image
    Item
    Full-order Output Observer Applied to a Linear Parameter Varying System with Unknown Input
    (IEEE, 2020-12-01) Bernardi, Emanuel; Pipino, Hugo; Adam, Eduardo J.
    This short work presents the outline of a set of full-order observers, applied to linear parameter varying systems with unknown input. In particular, this approach is used to constructs a strategy to detect and diagnose sensor faults on industrial processes. The observers’ design and its stability conditions are guaranteed in terms of a linear matrix inequalities framework. As a consequence, the main purpose of this paper is to provide a model-based observers’ technique, to detect, isolate and diagnose sensor faults upon non-linear systems. At last, two numerical simulations of typical chemical industrial processes are given to illustrate its implementation and performance.
  • Thumbnail Image
    Item
    Control predictivo basado en modelo con desigualdades matriciales aplicado a la industria de procesos
    (Universidad Nacional del Litoral (UNL), 2023-06-09) Pipino, Hugo; Adam, Eduardo J.
    Los sistemas industriales modernos, basados en proveer una mejor calidad y uniformidad de sus productos aprovechando mejor los recursos disponibles y favoreciendo el cuidado del medioambiente, incorporan sistemas de control cada vez más complejos. La industria de procesos químicos tiene un gran y continuo desarrollo que ha sido acompañado de avances en problemas de computación, control y optimización. Entre ellos, las técnicas de control avanzadas se fueron estableciendo para mejorar el desempeño y garantizar la estabilidad del sistema controlado. En consecuencia, los controladores basados en problemas de optimización se implementan en una amplia gama de aplicaciones industriales. Los mismos toman en cuenta los objetivos requeridos e incorporan las restricciones operativas del sistema. Así, el control predictivo basado en modelos utiliza un modelo de predicción para obtener las respuestas futuras y aplicar aquella que mejor satisfaga los objetivos propuestos. Por lo tanto, para diseñar estos esquemas de control, se deben tener en cuenta varios aspectos, los objetivos requeridos, el modelo de la planta, las restricciones impuestas, la ley de control, el tamaño del horizonte de predicción, entre otros. Tomando en cuenta estos aspectos, esta tesis aborda el diseño, desarrollo y evaluación de estrategias de control predictivo basado en modelos aplicado a procesos típicos de la industria de procesos, que aseguren estabilidad del sistema controlado, cumplimiento de las restricciones y que contemplen incertidumbre en el modelo de predicción, ya sea por las que surgen de la naturaleza no lineal del sistema o porque no se conocen con exactitud los parámetros del modelo.