Control predictivo basado en modelos fuzzy de sistemas complejos. Aplicación al control y supervisión de procesos de depuración de aguas

Resumen

El Control Predictivo basado en Modelos (MPC) es un caso particular de estrategia de control automático de procesos que abarca un conjunto de procedimientos cuyo denominador común es la utilización de un modelo de predicciones para determinar una ley de control óptima. El tipo de modelo elegido, los criterios de optimización y el procedimiento de deducción de la ley de control caracterizan cada una de las múltiples alternativas de MPC que existen. El control predictivo es una consolidada y, al mismo tiempo, prometedora estrategia de control con múltiples aplicaciones en el ámbito industrial y con numerosas líneas de investigación abiertas. Una de las modalidades de este tipo de control es el denominado Control Predictivo basado en Modelos Borrosos (FMBPC), que utiliza modelos cualitativos basados en reglas, globalmente no lineales, para representar el proceso a controlar. El control FMBPC está enmarcado en el subcampo del Control Predictivo No Lineal (NLMPC/NMPC) y al mismo tiempo pertenece también, parcialmente al menos, al campo del Control Inteligente (IC), debido a que utiliza una de las herramientas características de la inteligencia artificial, como es la lógica borrosa. En la Tesis Doctoral que aquí se presenta se considera una estrategia FMBPC cuyo modelo base es un modelo borroso, o Fuzzy Model (FM) en la literatura en inglés, de tipo Takagi-Sugeno (TS), obtenido mediante identificación a partir de series de datos numéricos de entrada-salida (que pueden ser datos estrictamente experimentales o adaptaciones de estos, generados en simulación). Esta característica dota a nuestra estrategia FMBPC de una interesante cualidad que aporta valor añadido dentro del campo del control NMPC, consistente en la útil información cualitativa implícita en el modelo borroso, consecuencia de la capacidad que tiene la identificación borrosa de capturar fielmente la dinámica de un sistema a partir de datos numéricos. Esta propiedad repercute directamente de forma positiva en la validez de las predicciones y supone, en última instancia, un incremento significativo del rendimiento o desempeño del algoritmo de control predictivo, en el caso de tratar con sistemas fuertemente no lineales, complejos o desconocidos. Esta es la razón por la que en esta tesis se propone la estrategia FMBPC como la idónea para abordar el control de un cierto tipo de procesos conocidos como Procesos de Fangos Activados (ASP), muy habituales como mecanismo de depuración biológica en Estaciones Depuradoras de Aguas Residuales (EDAR) (también conocidas en la literatura en inglés como Wastewater Treatment Plants (WWTP)). El interés de la propuesta es doble: por un lado, contribuir a ampliar las líneas de investigación en el campo del control predictivo no lineal y por otro, aportar una estrategia y una metodología que puedan ser útiles en la mejora de los procesos de depuración de aguas, cuya importancia en la salud pública y en el cuidado del medio ambiente es creciente, cono así se refleja en las legislaciones medioambientales, cada vez más exigentes. Una parte importante del esfuerzo investigador desarrollado en la presente tesis ha sido enfocado a la aplicación de la estrategia FMBPC propuesta al paradigmático caso de estudio elegido (procesos biológicos ASP en plantas depuradoras de aguas residuales). Dadas las características de estos procesos, principalmente su alta no linealidad, su complejidad intrínseca y su carácter multivariable, derivadas de su naturaleza biológica, las investigaciones realizadas pueden trascender más allá del mero ámbito del propio proceso. La implementación practica se ha llevado a cabo mediante simulación y ello ha supuesto un importante reto, principalmente en dos aspectos: por un lado, el desarrollo del software necesario y por otro, la implementación de los cálculos matemáticos apropiados. La investigación realizada puede descomponerse, de una manera esquemática, en las siguientes cuatro fases o etapas: a) identificación borrosa del proceso ASP a partir de datos numéricos de entrada-salida y conversión del modelo borroso obtenido en un modelo equivalente en el espacio de estados, discreto, lineal y variante en el tiempo (DLTV); b) determinación de una ley de control predictivo de tipo FMBPC, analítica y explícita, siguiendo los principios del denominado Control Predictivo Funcional (PFC); c) análisis de estabilidad local en lazo cerrado de la estrategia FMBPC propuesta; d) integración de esta estrategia dentro de la configuración de control predictivo conocida como Paradigma de Lazo Cerrado (CLP), también llamada control predictivo en lazo cerrado, con el objetivo de imponer restricciones de manera automática en la acción de control. Los resultados obtenidos son satisfactorios, principalmente en lo que se refiere a la demostración de la utilidad de la estrategia FMBPC propuesta como una alternativa válida en el campo del control predictivo no lineal, para sistemas complejos o desconocidos, con dos ventajas destacables en relación con otras estrategias, a saber: por un lado, la útil información contenida en el modelo base de las predicciones, capturada durante el proceso de identificación borrosa previo a la aplicación de la estrategia y, por otro, la forma analítica y explicita de la ley de control deducida, que facilita tanto la implementación del algoritmo de control como las tareas de análisis (entre ellas, las de análisis estabilidad).