Nonlinear process identification and friction quantification in control valves.

O atrito em válvulas e a sintonia inadequada de controladores são duas das maiores causas de degradação no desempenho das malhas de controle que incluem tais dispositivos. Assim como modelos de atrito são necessários para diagnosticar o mau funcionamento das válvulas ou para compensar os efeitos indesejáveis causados pelo atrito, modelos de processos são de fundamental importância para o projeto de controladores. Este trabalho estende métodos existentes para estimar parâmetros de modelos de atrito e processo, de modo que uma estrutura não-linear é adotada para representar o processo. O procedimento é baseado em dados de operação em malha fechada. Os algoritmos de estimação desenvolvidos são testados com dados simulados e gerados por uma plataforma híbrida (composta por uma válvula real e por uma planta simulada de neutralização de pH), a partir da qual avaliam-se as influências de perturbações, da magnitude do sinal de teste e da sintonia do controlador nos modelos estimados. Os resultados demonstram que o nível de atrito é corretamente quantificado, assim como bons modelos para o processo são estimados em diversas situações. Além disso, a extensão proposta apresenta vantagens significativas em relação a outros métodos, como: (1) maior exatidão na quantificação do nível de atrito, principalmente para processos em que as não-lineares sejam mais severas e (2) estimativas razoáveis do comportamento estático não-linear.The friction in control valves and inadequate controller tuning are two of the major sources of performance degradation in control loops that include such devices. As friction models are needed to diagnose abnormal valve operation or to compensate such undesirable effects, process models play an essential role in controller design. This work extends existing methods that jointly identify the friction and process model parameters, so that a nonlinear structure is adopted to represent the process model. The procedure is based on data from closed-loop experiments. The developed estimation algorithms are tested with data from simulations and generated by a hybrid setup (composed of a real valve and a simulated pH neutralization process), in which the influences of the process disturbances, of the excitation signal magnitude and of the controller tuning on estimated models are investigated. The results demonstrate that the friction is accurately quantified, as well as good process models are estimated in several situations. In addition, the proposed extension presents significant advantages in relation to other methods, such as: (1) greater accuracy for friction quantification, especially for highly nonlinear processes and (2) reasonable estimates of the nonlinear steady state characteristics