Modelado, simulación y control predictivo de sistemas híbridos

  1. Sarabia Ortiz, Daniel
Dirigida por:
  1. César de Prada Moraga Director/a
  2. Smaranda Podar Codirector/a

Universidad de defensa: Universidad de Valladolid

Fecha de defensa: 29 de octubre de 2007

Tribunal:
  1. José Ramón Perán González Presidente/a
  2. Luis Felipe Acebes Arconada Secretario/a
  3. Luis Puigjaner Corbella Vocal
  4. Sebastián Dormido Bencomo Vocal
  5. Eduardo Fernández Camacho Vocal

Tipo: Tesis

Teseo: 139430 DIALNET

Resumen

Este trabajo pretende contribuir a la extensión del control predictivo a problemas no convencionales en los que se mezclan variables de decisión continuas y discretas con determinada lógica de operación, así como dinámicas no lineales, es decir a sistemas híbridos. Donde es importante la integración vertical de funciones de producción propias de distintos niveles para coordinar las decisiones sin que estas se tomen de forma aislada, utilizando para ello técnicas de optimización. En concreto se han examinado los siguientes tipos de problemas híbridos: - Procesos no lineales con variables continuas, discretas y regalas lógicas de operación. Se propone un control predictivo que incluye un modelo interno lineal y discreto en el tiempo junto con variables continuas y enteras. (modelo MLD). Solución vía optimización MIQP. - Procesos no lineales con variables continuas y actuados periódicamente mediante variables manipuladas discretas. Se propone un control predictivo híbrido (no lineal) que incluye un modelo no lineal y continuo en el tiempo. Las variables manipuladas discretas se parametrizan en función del tiempo obteniéndose una solución vía optimización NLP. - Procesos que involucran unidades continuas y unidades batch. Se propone un control predictivo híbrido (no lineal) que incluye un modelo no lineal y continuo en el tiempo basado en ciertas abstracciones y simplificaciones de las unidades batch. Por otro lado, ciertas variables manipuladas discretas se parametrizan en función del tiempo obteniéndose una solución vía optimización NLP. Así mismo y dado que en todos los casos se utiliza un controlador de tipo predictivo un aspecto importante en este trabajo es el modelado, es decir, la obtención de modelos adecuados de los procesos, sobre todo en los problemas mixtos continuos/batch que dada su complejidad, es necesario encontrar modelos simples pero suficientemente representativos de los procesos, para poder ser utilizados en lín