Development and analysis of predictive hybrid control by fuzzy logic for polymerization processes

A síntese de controladores representa uma importante vertente dos desenvolvimentos atuais no campo da pesquisa acadêmica e industrial. Um controlador bem projetado pode significar sucesso no que se refere aos objetivos de produção, sendo gerados materiais com as especificações desejadas e proporcionando que o sistema opere sob certas restrições, levando em consideração aspectos relativos à operabilidade, segurança e minimização de resíduos. Para tanto, sabe-se que as etapas de modelagem são fundamentais para a delineação de estratégias de controle. Contudo, a obtenção de representações matemáticas precisas e, ao mesmo tempo, aplicáveis para o controle da maioria dos processos de interesse da engenharia química é uma tarefa árdua, devido à presença de comportamentos dinâmicos não lineares e variantes ao longo do tempo e, por vezes, do espaço. Deste modo, busca-se a obtenção de modelos mais simples, porém dotados da imprescindível representatividade inerente aos sistemas de produção, a fim de serem projetadas estruturas de controle adequadas para cada necessidade específica. Esta tese enfoca o desenvolvimento de quatro controladores avançados híbridos preditivos não lineares multivariáveis, baseados em modelos nebulosos (fuzzy) funcionais não lineares multivariáveis, para processos de polimerização. Tais sistemas apresentam dinâmicas altamente complexas e de difícil modelagem matemática, dificultando, assim, a aplicação, com sucesso, de metodologias clássicas de controle ou avançadas baseadas em modelos convencionais. Foram considerados dois casos de estudo para a análise de desempenho das configurações de controle propostas: o processo de copolimerização em solução do metacrilato de metila com o acetato de vinila, e a copolimerização industrial do eteno/1-buteno com catalisador Ziegler-Natta solúvel. Os modelos fenomenológicos de ambos os processos já se encontram descritos na literatura, sendo considerados como plantas virtuais para a geração de dados dinâmicos e implementação dos desenvolvimentos sugeridos. A partir de simulações computacionais, os modelos nebulosos dinâmicos funcionais não lineares multivariáveis foram construídos – os quais demonstraram excelentes capacidades para a predição das saídas dos processos como uma função dos dados dinâmicos de entrada – sendo, posteriormente, acoplados à estrutura de controle preditivo MPC (Model-based Predictive Control). A escolha da metodologia MPC como base para o desenvolvimento das estratégias propostas deve-se ao fato de sua notória aplicabilidade industrial a processos químicos multivariáveis, além de possibilitar a incorporação de restrições operacionais nas variáveis controladas e manipuladas. Por fim, foram comparados os desempenhos entre os controladores híbridos delineados e duas estratégias de controle preditivo bastante difundidas na literatura. Os problemas regulatório e servo foram analisados, observando-se resultados satisfatórios em ambas as condições. Isto demonstra o alto potencial dos algoritmos propostos para o controle multivariável de sistemas não lineares.Controllers design has currently a great importance in the field of açademic and industrial research. A well-projected controller may mean the success regarding the aims of production, and it also provides the production of materials with desirable specifications and it allows that the system operates under specific restrictions, considering aspects related to operability, safety and minimization of residue. Then, it is known that modeling stages are fundamental for delineation of controller strategies. However, the obtaining of precise and applicable mathematical representations to the control of most of relevant process in chemical engineering is a challenging task, because of the presence of nonlinear dynamic behaviors and space-time mutable. Therefore, an effort is done to obtain the simpler models, but provided with the essential representativity inherent to production systems. Thus, suitable control structures could be designed for each specific necessity. This work focus on the development of four multivariable nonlinear predictive hybrid advanced controllers, based on multivariable nonlinear functional fuzzy models, to polymerization processes. Such systems present high complex dynamic and hard mathematical modeling, making difficult to apply classic controllers or advanced control methodologies based on conventional models. Two study cases for the performance analysis of the proposed controllers were considered: the copolymerization process of methyl methacrylate and vinyl acetate, and industrial copolymerization of ethene/1 butene with Ziegler-Natta catalysis. The phenomenologic models of the two processes already are described in relevant literature, and they are considered as virtual plants to create dynamic data and to implement the suggested developments. Based on computational simulations, multivariable nonlinear functional dynamic fuzzy models were made – they demonstrated excellent capacity for outputs prediction from input dynamic data – and they were, subsequently, inserted in the MPC (Model-based Predicitve Control) control structure. The choice of MPC methodology to develop the proposal structures is because of its wellknown industry applicability to multivariable chemical processes, beyond it makes possible the incorporation of restrictions in controlled and manipulated variables. Finally, the performance among outlined hybrid controllers and two predictive control strategies fairly widespread in the literature were compared. The regulatory and servo problems were analyzed and satisfactory results were observed in both conditions. This demonstrates the high potential of proposed algorithms to control multivariable nonlinear systems