Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
di Reggio Calabria
Facoltà di Ingegneria
Corso di Laurea in Ingegneria Elettronica
Tesi di Laurea in Tecnologie dei Sistemi di Controllo
e Controlli II
Progetto di un Osservatore
H∞ per la stima di
Temperature e
Concentrazioni in un
Reattore Batch
Candidato: Relatore:
Massimo Talia Chiar.mo Prof.Massimiliano Mattei
Correlatore:
Dott.Ing.Gaetano Paviglianiti
Introduzione 8
1 Nozioni di Reattoristica 11
1 Definizioni di base . . . . . . . . . . . . . . . . . . . 11
1.1 Velocità di reazione e ordine di reazione . . . 11
1.2 Legge di Arrhenius . . . . . . . . . . . . . . . 12
1.3 Reazioni singole e multiple . . . . . . . . . . . 13
2 Classificazione dei reattori . . . . . . . . . . . . . . . 14
3 Reattori chimici ideali . . . . . . . . . . . . . . . . . 14
3.1 Il Reattore discontinuo o batch . . . . . . . . 15
3.2 Reattore continuo a perfetta miscelazione . . . 16
3.3 Reattore continuo con flusso a pistone . . . . 17
4 Modellizzazione di un reattore batch incamiciato . . . 18
4.1 Ambito di utilizzo dei reattori batch . . . . . 21
5 Cenni alla modellizzazione dei reattori reali . . . . . . 22
5.1 Fluidodinamica computazionale . . . . . . . . 22
5.2 La modellizzazione a zone . . . . . . . . . . . 24
3 Teoria dell’osservazione 31
1 Il problema dell’osservazione . . . . . . . . . . . . . . 31
1.1 La supervisione . . . . . . . . . . . . . . . . . 31
1.2 La fault detection . . . . . . . . . . . . . . . . 32
1.3 Il controllo . . . . . . . . . . . . . . . . . . . . 33
2 Osservabilità . . . . . . . . . . . . . . . . . . . . . . . 34
Indice 6
4 Sintesi dell’osservatore H∞ 58
1 Algoritmo di approssimazione LPV . . . . . . . . . . 58
1.1 Interpolazione parabolica per le cinetiche di
reazione . . . . . . . . . . . . . . . . . . . . . 59
1.2 Ricoprimento politopico multiaffine del termi-
ne f (q) = q 2 . . . . . . . . . . . . . . . . . . . 62
1.3 Approssimazione politopica delle cinetiche di
reazione . . . . . . . . . . . . . . . . . . . . . 64
2 Formulazione del problema H∞ nello spazio di stato . 66
3 Sintesi H∞ . . . . . . . . . . . . . . . . . . . . . . . . 69
3.1 Matrice di guadagno dell’Osservatore . . . . . 69
Bibliografia 82
Rigraziamenti
Dicembre 2005
Massimo Talia
Introduzione
” Parla, Musa, tu dell’eroe scaltro a me:
di lui che andò tanto vagando poi che
di Troia la rocca sacra abbattè.”
- Omero Libro Primo Odissea -
1 Definizioni di base
1.1 Velocità di reazione e ordine di reazione
Definiamo velocità di reazione:
1 dNa
rA = − · (1.1)
V dt
Dove V è l’unità di volume del reagente,
Na
A→B
A→D
competitive
A→B
C→D
indipendenti
Nello studio del modello del reattore batch che andremo a trattare
nel capitolo successivo, ci soffermeremo sull’analisi delle reazioni in
serie, per tale motivo nel proseguo approfondiremo il discorso sulle
reazioni in serie o consecutive.
Molte reazioni avvengono in modo consecutivo, attraverso la forma-
zione di un prodotto intermedio che diventa il reagente di una suc-
cessiva reazione ad esempio: nitrosazione, e nitrificazione, processi
anaerobici, idrolisi di un substrato particolato e successiva degrada-
zione biologica, formazione del deficit di ossigeno in un corso d’acqua,
conseguente riossigenazione, ecc...
Prendendo come riferimento le reazioni in serie precedenti e assu-
mendo che entrambe le reazioni ad esempio siano del primo ordine,
è possibile scrivere l’insieme delle equazioni differenziali che descri-
vono l’andamento nel tempo della concentrazione delle tre specie A,
B e C al variare della temperatura interna T del reattore.
Reagenti
Reattore Miscelatore
Ck
Reagenti
Prodotti
Reattore Miscelatore
Reattore
Reagenti Prodotti
Linee di flusso
Reagenti
Tr
Condensato
Flusso F
Ck di fluido
Fluido
Refrigerante
Tj
Reattore (Vr) Miscelatore
Jacket (Vj)
Descrizione Parametro
Fattore pre-esponenziale k0
Energia di attivazione Ea
Var.di Entalpia di reazione ∆Hr
Volume del Reattore Vr
Volume del Jacket Vj
Densità soluzione liquida ρr
Densità fluido in camicia ρj
Calore specifico soluzione nel reattore Cpr
Calore specifico fluido in camicia Cpj
Temperatura del fluido in camicia Tj
Temperatura del fluido nel reattore Tr
Concentrazione nel reattore Ck
Coefficiente di scambio termico U
Superficie di scambio S
dCk E
a
= −Ck k0 ·exp (1.19)
dt RTr
dTr (−∆Hr ) E
a
= k0 ·exp +U S(Tj −Tr ) (1.20)
dt ρr Cpr RTr
dTj F US
= (Tjin −Tj )+ (Tr −Tj ) (1.21)
dt Vj ρj Vj Cpj
lineari accoppiate tra loro, la cui risoluzione per via analitica si pre-
senta in genere come una via non percorribile.
Nei casi più semplici è possibile ottenere per via analitica una solu-
zione approssimata, ma solo quando i termini non lineari sono trascu-
rabili rispetto a quelli lineari, come nel caso di flussi perfettamente
sviluppati o di creeping flow (flusso intorno ad oggetti sommersi a
bassi numeri di Reynolds).
Mediante le tecniche CFD, il dominio di interesse viene suddiviso in
elementi infinitesimi e, per ognuno di tali elementi, è possibile sosti-
tuire alla derivata parziale il corrispondente rapporto incrementale
(metodo alle differenze finite).
Il sistema di equazioni differenziali viene cosı̀ sostituito da un siste-
ma di equazioni algebriche che può essere risolto tramite calcolatore
per ottenere la soluzione numerica del problema.
L’errore di calcolo che si commette con tale metodo è proporziona-
le alle dimensioni degli elementi infinitesimi in cui viene suddiviso
il dominio, per cui soluzioni più accurate sono ottenibili mediante
una più fine discretizzazione. Ciò però comporta anche una maggio-
re onerosità di calcolo.
In letteratura sono disponibili numerosi lavori in cui sono riporta-
ti importanti risultati di studi fluidodinamici su reattori miscelati
monofasici ottenuti con tecniche CFD (Bakker, 1992; Hjertager e
Morud, 1993; Kresta e Wood, 1991; Ranade e Joshi, 1990).
La modellazione di reattori agitati può presentarsi anche molto com-
plessa, ad esempio nel caso in cui siano presenti agitatori multipli,
oppure più fasi; alcuni tra i principali risultati ottenuti con tecni-
che CFD per questo tipo di apparecchiature sono stati conseguiti
ad esempio da Noorman (1993), Smith e Rielly (1988), Tragardh
(1993), con particolare attenzione ai sistemi liquido-gas di interesse
nei processi fermentativi.
I risultati ottenuti sono stati generalmente supportati da misure spe-
rimentali di velocità, che, eseguite in punti diversi del reattore, hanno
anche permesso di determinare le condizioni al contorno del problema
e di individuare eventuali incertezze del modello (Lou et al., 1993).
La verifica dei risultati delle simulazioni CFD per reattori industria-
li, tuttavia, si presenta molto difficile.
A volte, infatti, non è possibile condurre una sperimentazione appro-
fondita, altre volte l’installazione di appropriati sensori per la fase
sperimentale risulta troppo costosa.
Questi problemi hanno spesso scoraggiato l’applicazione di tecniche
1.5.2 La modellizzazione a zone 24
Miscelatore
Reattore
Soluzione
Miscelatori
Reattore
1 Introduzione al problema
La modellizzazione matematica nell’ambito del controllo dei processi
chimici e del controllo in generale, è uno strumento di fondamentale
importanza, note che siano le variabili che entrano in gioco nel pro-
blema stesso, che consente di capire il funzionamento di un sistema,
comprendere le interazioni ed i rapporti causa ed effetto, predire gli
effetti delle perturbazioni sul sistema senza necessariamente pertur-
barlo, effettuare diagnostica, gestire in tempo reale il processo.
In questo capitolo verrà finalmente preso in esame il modello di un
reattore batch ideale caratterizzato da forti non linearità, di cui sono
ben noti i dati sperimentali, allo scopo di progettare un osservatore
H∞ , per stimare le temperature d’uscita dal reattore e concentrazio-
ni corrotte da incertezze e disturbi parametrici.
Le forti non linearità del sistema, oltre alla natura fisica del pro-
blema, non consentono la linearizzazione nell’intorno di un punto di
equilibrio ben preciso, per questo motivo verrà scritto un algoritmo
che approssima il sistema con un modello LPV ( Lineare Parametro
Variante), a partire dal quale verrà risolto un problema di ottimizza-
zione attraverso l’uso di LMI (Linear Matrix Inequality) per la deter-
minazione della matrice di retrazione L dell’osservatore non lineare.
Le simulazioni verranno fatte in ambiente Matlab/Simunlink.
2.2 Modello ISU del reattore 27
C˙A = −k1 (Tr )CA (2.1) C˙B = k1 (Tr )CA −k2 (Tr )CB (2.2)
Dove Tr è la temperatura del reattore [K], CA e CB sono le concen-
trazioni [mol/m3 ] di reagente A e di prodotto desiderato B, rispet-
tivamente kimax < ki (Tr ) < kimin i=1,2 sono le cinetiche di reazione
che dipendono dalla temperatura Tr secondo la legge di Arrhenius:
Ea
ki (Tr ) = k0i · exp − (2.3)
RTr
Dove R è la costante universale dei gas [kj/molK], Eai sono le ener-
gie di attivazione [Kj/mol] delle due reazioni e k0i sono i fattori
pre-esponenziali [min−1 ]. Il bilancio di energia nel reattore è dalla
seguente equazione differenziale:
Q(CA , CB , Tr ) U S(Tr − Tj )
T˙r = − (2.4)
V r ρr C p r V r ρr C p r
Dove Tj la temperatura [K] del fluido nella camicia (jacket), Vr è il
volume del reattore [m3 ], ρr è la densità della miscela dei reagenti
[Kg/m3 ], Cpr è la capacita termica massica del contenuto all’inter-
no del reattore [Kj/Kg · K], US è il prodotto del coefficiente di
trasmissione del calore U [Kj/m2 · K · min] per la sezione S della
parete del reattore [m2 ]. La differenza dei rapporti al secondo mem-
bro dell’equazione differenziale, rappresenta lo scambio termico tra
la temperatura interna del reattore e la camicia esterna (jacket) tra-
mite la parete di sezione S; il termine Q(CA , CB , Tr ) è il contributo
di calore liberato in seguito alla reazione con dimensione [Kj/min],
dipendente dai valori entalpici di reazione quindi avente la seguente
espressione:
U S(Tr − Tj ) (Tjin − Tj )F
T˙j = + (2.6)
Vj ρjCpj Vj
Posto:
(−∆Hi ) 1 F
αi = (i = 1, 2) α∗ = (∗ = j, r) βj =
ρr Cpr V∗ ρ∗ Cp∗ Vj
x1 CA
x2 CB y1 Tr
x3 = T r
x= u = Tjin y= =
y2 Tj
x4 Tj
0
0 0 0 1 0 0
0 (2.8)
B= C= (2.9) D= (2.10)
0 0 0 1 0
βj
La matrice dinamica A è una matrice non lineare parametro variante
mentre le altre matrici sono delle semplici matrici lineari.
2.3 Dati sperimentali 29
3 Dati sperimentali
Lo studio del sistema è essenzialmente legato ad un contesto rea-
listico, e per questo motivo è necessario fare affidamento a dei da-
ti sperimentali che vengono forniti dopo un serie di simulazioni in
laboratorio. Il set di dati in possesso è il seguente:
4 Conclusioni
Una volta determinato il modello matematico del reattore chimico
del sistema, si può passare alla fase realizzattiva del progetto, ovvero
alla fase di sintesi dell’osservatore.
Nel capitolo seguente verranno introdotti i concetti della teoria del-
l’osservazione con riferimento al controllo robusto di tipo H∞ , allo
scopo di rendere chiara la fase di sintesi dell’osservatore, che verrà
trattata nel capitolo 4.
In tale fase verrà elaborato l’algoritmo per la risoluzione del proble-
ma di osservazione H∞ , che consente di rendere (LPV) il modello
del reattore, di poter applicare i teoremi fondamentali del controllo
robusto per la determinazione della matrice di anello L. Una volta
ottenuta tale matrice si andranno a fare delle simulazioni su uno
schema di controllo non lineare adattativo, per verificare i migliora-
menti ottenuti rispetto all’osservatore precedentemente realizzato.
Le stime ottenute avranno un ruolo importante per l’azione del con-
trollo, e quindi più migliora la valutazione delle variabili in gioco,
migliore è l’azione del controllo.
Capitolo 3
Teoria dell’osservazione
”Applied mathematics is a style, not a subject.”
- R.Shaker -
1 Il problema dell’osservazione
In molte applicazioni ingegneristiche è desiderabile avere la stima di
certe quantità che non sono misurabili direttamente, o perchè risulta
molto costoso, o perchè è impossibile installare un sensore fisico de-
dicato. Un interessante alternativa è pertanto produrre una stima a
partire dalle dinamiche del processo noto, ed ottenere l’informazione
di misura attraverso una misura indiretta. Nell’ingegneria dei con-
trolli la misurazione indiretta, prende nome di processo di osserva-
zione e in particolare il blocco sistemistico di osservazione prende il
nome di osservatore. L’osservazione è molto usata per risolvere tre
tipologie di problematiche: la supervisione, la fault detection, il
controllo.
1.1 La supervisione
Un utilizzatore potrebbe aver bisogno di stimare le variabili non note
di un processo per sapere quando può intervenire manualmente sul
sistema: un pilota ad esempio potrebbe voler conoscere l’angolo di
pitch di un aeroplano, allo scopo di sapere se l’aeroplano è prossimo
a fermarsi o un operatore invece lo stato di un processo industriale
di tipo batch.
La funzione di supervisione di un osservatore pertanto consente di
stimare le dinamiche di sistema a partire dalla conoscenza delle sue
uscite e dei suoi ingressi,in particolare, è molto spesso utilizzata
3.1.2 La fault detection 32
Ingresso Uscita
Processo
Osservatore
Stato stimato
Utilizzatore
Osservatore
Stima Residui
Fault detector
Informazioni di fault
Utilizzatore
1.3 Il controllo
L’uso dell’osservatore spesso necessita nei problemi di controllo in
cui gli stati non sono normalmente disponibili alla retroazione e mi-
surabili.
Gli obbiettivi in questo caso sono radicalmente differenti dalle due
precedenti applicazioni, in cui veniva fatta una stima fine a se stes-
sa, poichè si vuole accedere agli stati allo scopo di retroazionarli e
controllarli.
Senza l’ausilio dell’osservatore di stato la lettura degli stati non è
fattibile.
Nella pagina seguente è rappresentato lo schema a blocchi indicativo
che evidenzia questa terza tipologia di problema in cui si usa l’os-
servatore, dove in alto allo schema c’è il solito processo, nel secondo
blocco c’è l’osservatore che stima gli stati, nell’ultimo blocco c’è il
controllore che accetta in ingresso l’uscita dell’osservatore retroazio-
nandolo.
3.2 Osservabilità 34
Ingresso Uscita
Processo
Osservatore
Stima Stati
Controllore
2 Osservabilità
L’osservabilità è una proprietà di un sistema dinamico che consente
di determinare lo stato se sono noti gli ingressi e le uscite del sistema
stesso.
Intuitivamente l’osservabilità è la proprietà duale della raggiungibi-
lità: un sistema è raggiungibile se ogni stato può essere raggiunto
mediante una scelta opportuna degli ingressi; è osservabile se, in as-
senza di ingressi, si può determinare lo stato mediante opportuna
elaborazione delle uscite.
Per i sistemi LTI questa intuitiva dualità si traduce in una ben
precisa dualità algebrica.
ẋ = f (x, u, t) (3.1a)
y = g(x, u, t) (3.1b)
ove u ∈ U con U insieme delle funzioni continue a tratti.
Uno stato x del sistema (2.1) si dice indistinguibile nel futuro inter-
vallo [t0 , t1 ], con t0 < t1 dallo stato x0 se:
Xo = R C T AT C T · · · AT (n−1) C T
(3.9)
E si può dimostrare che la condizione di completa osservabilità è
verificata se il rango della matrice di osservabilità è pieno:
3 Osservatori lineari
Un osservatore per un sistema dinamico S(x, y, u) con stato x, uscita
y, ingresso u è un altro sistema dinamico Ŝ(x̂, y, u) che ha la proprietà
che lo stato x̂ dell’osservatore Ŝ converge allo stato x del processo S,
in modo indipendentemente dall’ingresso o dallo stato x.
Il concetto di osservatore per un processo dinamico fu introdotto nel
1966 da D.Luenberger, ma la versione più generale di osservatore o
osservatore generalizzato apparı̀ alcuni anni dopo sotto il nome di
filtro di Kalman, il quale è stato ottimizzato per abbattere il rumore
presente in fase di osservazione.
Tra la classe di osservatori lineari ricordiamo: gli osservatori lineari
di ordine pari a quello del sistema dinamico (Full-Order Observers),
gli osservatori di ordine ridotto (Reduced-Order Observers).
All’interno dell’insieme di queste due classi di osservatori rientrano
le metodologie di progetto che possono essere riassunte come segue:
progetto mediante l’algoritmo del piazzamento dei poli, attraverso la
tecnica di controllo LQR, LQG (Fitro di Kalman), LTR, attraverso
il controllo robusto (H2 ,H∞ ) e cosı̀ via.
Da quanto detto si può evidenziare il fatto che l’osservazione è duale
ai problemi di controllo, e ciò significa che ad un problema di con-
trollo corrisponde un problema di osservazione: infatti alla coppia di
matrici (A, B) in un problema di controllo corrisponde ad una coppia
(AT , C T ) di un problema di osservazione.
3.3.1 Linear Full-Order Observers 37
ẋ = Ax+Bu (3.11a)
y = Cx+Du (3.11b)
e := x−x̂ (3.13)
ė = Âx̂+Bu−Â(x−e)−KCx−Hu = Âe+(−Â+A−KC)x+(B−H)u
posto:
 = A−KC (3.14)
H=B (3.15)
si ottiene la dinamica dell’errore:
ė = Âe (3.16)
e converge a zero se e soltanto se la matrice  è una matrice stabile.
Dal momento che le matrici A,B, e C sono definite dall’impianto, la
sola libertà nel progetto dell’osservatore è la scelta della matrice di
guadagno K.
Per enfatizzare il ruolo della matrice di guadagno dell’osservatore, e
tenere in conto delle equazioni (3.14), (3.15) l’osservatore può essere
riscritto come:
La quantità:
B
Osservazione
y
+ + x 1
-
K + s
y
C
y = x1 = x̂1 (3.21)
Per il rimanente sottostato x2 , definiamo l’osservatore ridotto come
segue:
ż = Âz+Ly+Hu (3.23)
Osservazione y=x1 x1
L K
u + z 1 z +
H + s +
x2
Ingresso di controllo
Osservazione y=x1 x1
L K
u + z 1 z +
H + s +
x2
Ingresso di controllo
u = −Gx (3.29)
Quando lo stato x non è direttamente disponibile alla retroazione,
lo stato x̂ dell’osservatore è usato in luogo dello stato attuale x nel-
l’equazione (3.29).
Perciò il controllo è stato implementato usando:
u = −Gx̂ (3.30)
dove
x̂ = x−e (3.31)
Pertanto quando è usato un osservatore, le dinamiche a ciclo chiuso
sono date in parte da:
y = x̂ (3.42b)
Ψ = p−Kf n (3.44)
Si può osservare che il filtro di Kalman pùo essere visto come un os-
servatore di natura stocastica che viene progettato attraverso la riso-
luzione di un problemma di ottimizzazione; i particolari di progetto
verranno illustrati nei paragrafi successivi.
3.4 Tecniche di progetto di un osservatore 44
a = [a1 a2 · · · an ]T
O = [C T AT C T · · · AT (n−1) C T ]
7. Si calcola L come
Zona a parte
Re<0
Re
Ascissa di convergenza
AS + SAT + Π − SC T N −1 CS = 0
4. Calcolare Kf = SC T N −1
Lo stesso problema può essere risolto come problema deterministico
applicando la dualità alle matrici Π ed N , ponendo Π = Q e ponendo
R = N.
3.4.3 Controllo H∞ 47
4.3 Controllo H∞
Lo scopo del controllo robusto è quello di fornire un insieme di tec-
niche di progetto che garantiscano l’invarianza di alcune proprietà
essenziali dei sistemi di controllo sotto l’effetto di perturbazioni di-
sturbi ed incertezza di modello. La maggior parte dei metodi classici
garantiscono robustezza limitata nei confronti delle perturbazioni
inferiori all’unità. Il concetto di controllo H∞ è legato alla minimiz-
zazione della norma del funzionale H : Cn → Cm , in particolare alla
norma infinito che è definita al seguente modo:
kez k2
sup ≤ γopt γopt ∈ ℜ+ (3.47)
π∈P ,w∈L2 ,kwk2 ≤I kwk2
Laddove P è l’insieme dei parametri, L2 è l’insieme dei segnali di
disturbo al quadrato sommabili, scelti in modo tale che kwk2 ≤ I,
w è il vettore di disturbo, ez è il canale di controllo dell’errore.
Ci siamo messi ovviamente nel caso più generale di sistema lineare
ossia quello parametro variante.
Visto che nel capitolo successivo andremo a trattare il progetto di un
osservatore col la tecnica H∞ , cercheremo di approfondire un pò più
questa tecnica rispetto alle altre, introducendo il concetto di sistema
incerto.
3.4.3 Controllo H∞ 48
Rappresentazione dell’incertezza
Tipicamente l’incertezza può essere di due tipi: additiva, moltiplica-
tiva in ingresso o in uscita. Il primo tipo di incertezza è un incertezza
sul modello del sistema, la seconda è propria degli attuatori (in in-
gresso) e dei sensori (in uscita). Nel progetto del controllo robusto di
un sistema MIMO, l’incertezza viene rappresentata mediante la LFT
(Linear Fractal Trasformation) che è una trasformazione lineare in-
vertibile nel campo complesso che mappa la matrice M,giù definita,
in un espressione polinomiale in cui è presente l’incertezza. La LFT
pùo essere Upper o Lower sulla base dei blocchi della matrice M che
intervengono nella LFT ed è definita con la seguente scrittura:
z w
G(S)
y u
K(s)
z
K(s)
w
G(S)
y u
kM̃ k∞ ≤ 1 (3.58)
Problema standard H∞
Per dare la formulazione del problema H∞ è necessario definire i
concetti di stabilizzabilità e rivelabilità:
• un sistema è stabilizzabile se non esistono dinamiche a parte
reale positiva nella parte non controllabile del sistema.
• un sistema è rivelabile se non esistono dinamiche a parte reale
positiva nella parte non osservabile del sistema.
A partire da questi concetti molto importanti è possibile formulare
il problema di controllo robusto H∞ al seguente modo, considerando
l’impianto G nella forma dello spazio di stato:
A B1 B2
G = C1 0 D12 (3.61)
C2 D21 0
dato γ, sintetizzare un controllore K(s) LTI stabilizzante significa
trovare una trasformazione Tzw = LF T (G, K) tale che kTzw k∞ < γ
imponendo le seguenti condizioni:
1. (A,B2 ) stabilizzabile, (A,C2 ) rivelabile
2. (A,B1 ) stabilizzabile, (A,C1 ) rivelabile
3. C1T D12 = 0, B1 D21 = 0
T
4. D12 ha rango pieno colonna con D12 D12 = I
T
5. D21 ha rango pieno riga con D21 D21 = I
Sotto le condizioni (1-5) data la matrice Hamiltoniana H∞ cosı̀
definita:
γ −2 B1 B1T − B2 B2T
A
H∞ = T (3.62)
−C1 C1 −AT
e la sua duale J∞ :
AT γ −2 C1T C1 − C2T C2
J∞ = T (3.63)
−B1 B1 −A
A∞ = A + γ −2 B1 B1T X∞ + B2 F∞ + Z∞ L∞ C2
F∞ = −B2T X∞
L∞ = −Y∞ C2T
Z∞ = (I − γ 2 Y∞ X∞ )−1
AR + RAT RC1T B1
NRT
0 NR 0
· C1 R −γI D11 ·
<0 (3.67)
0 I T T 0 I
B1 D11 −γI
AS + RS T RC1T B1
NST
0 N S 0
· C1 S −γI D11 · <0 (3.68)
0 I T T 0 I
B1 D11 −γI
R I
≥0 (3.69)
I S
3.4.3 Controllo H∞ 56
L˜11 L˜12
<0 (3.80)
∗ L˜22
Dove:
L˜11 = L˜22 = sinϑ(A(π)T P T + P A(π) + C2T W T + W C2 ) (3.81)
L˜12 = cosϑ(A(π)T P T − P A(π) + C T W T − W C2 )
2 (3.82)
−1
ϑ = cos (ζmin ) (3.83)
E
a
ki (y1 ) = k0i ·exp i = 1, 2 (4.1)
Ry1
Supponiamo di andare a fissare un modello parametrico di tipo
parabolico del tipo:
y1 = [293.15, 300, 310, 315, 320, 329.02, 325, 320, 315, 308.15] (4.3)
Si costruisce il seguente sistema lineare di dati stimati per le cinetiche
di reazione k1 , k2 indicando il generico valore della cinetica nel punto
come ki [y1 (j)] i=1,2, j = 1 · · · 10:
ki [y1 (1)] ai + bi [y1 (1)] + ci [y1 (1)]2 resi (1)
ki [y1 (2)] ai + bi [y1 (2)] + ci [y1 (2)]2 resi (2)
.. = .. + .. (4.4)
. . .
ki [y1 (10)] ai + bi [y1 (10)] + ci [y1 (10)]2 resi (10)
Posto:
ki [y1 (1)] ai + bi [y1 (1)] + ci [y1 (1)]2
ki [y1 (2)] ai + bi [y1 (2)] + ci [y1 (2)]2
b= .. G= ..
. .
ki [y1 (10)] ai + bi [y1 (10)] + ci [y1 (10)]2
4.1.1 Interpolazione parabolica per le cinetiche di reazione 60
resi (1)
resi (2) ai
ε= .. v = bi
.
ci
resi (10)
0.05
−
0.04
0.03
0.02
0.01
k2=k02*exp(−Ea2/(R*y1))
2
k2cap=a2+b2*y1+c2*y1
6
5
Variazioni cinetiche [min−1]
0
295 300 305 310 315 320 325
Tempertura [K]
5 res1=k1−k1cap
res2=k2−k2cap
4
Variazioni cinetiche [min 1]
−
−1
q2
f(q)
q2
f(q)
q q q
F (q, 0) = q 2 (4.9a)
F (q, 1) = q 2 (4.9b)
F (q, 0) = q 2 (4.9c)
F (q, 1) = q 2 + 2q(q − q) (4.9d)
e ew
Observer
ey eu
0 0 1 0
C2 = (4.23)
0 0 0 1
0 0 0 0
0 0 0 0
D11 = (4.24)
0 0 0 10−1
0 0 10−1 0
0 0 0 0
0 0 0 0
D12 =
0
(4.25)
0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
D21 = (4.26)
0 0 0 10−1
0 0 10−1 0
4.2 Formulazione del problema H∞ nello spazio di stato 68
0 0 0 0
0 0 0 0
D22 =
0
(4.27)
0 0 0
0 0 0 0
3 Sintesi H∞
Il problema di sintesi può essere affrontato numericamente se e sol-
tanto se si ha a disposizione di un set finito di matrici da manipolare;
nel caso in esame le matrici ottenute precedentemente, in partico-
lare le matrici A(π) e B(π), sono matrici dipendenti da parametri.
Nella teoria della calcolo numerico e della ricerca operativa esiste un
teorema condizione necessaria e sufficiente, che assicura che, dato un
sistema LPV multiaffine, vincolo di un problema di ottimizzazione è
andare a determinare la regione di ammissibilità equivale ad andare
a calcolare il problema su un sott’insieme convesso ottenuto sosti-
tuendo al modello LPV i vertici del politopo approssimante.
Siccome il numero di parametri è s=5 ed il numero di indici è N=2,
allora il numero di matrici A(π) e B1 (π) da valutare sono 25 , le al-
tre, che non dipendono da parametri si ripetono. Costruito l’insieme
di matrici è possibile impostare il problema di ammissibilità per il
calcolo della matrice di retroazione L dell’osservatore e questo è pos-
sibile farlo impostando un set di 3 LMI per ogni matrice delle 32
ottenute, quindi 96 LMI in tutto.
−ωnmax P P A(π) + W C2
<0 (4.35)
∗ −ωnmax P
L˜11 L˜12
<0 (4.36)
∗ L˜22
Dove:
1
trasposti degli elementi di posto (i,j) al di sopra della diagonale principale
Capitolo 5
Risultati delle simulazioni
”Quelli che si innamorano di pratica sanza scienza,
son come il nocchiere,
che entra nel navilio senza timone o bussola,
che mai ha certezza dove si vada.”
- Leonardo-
2 Schema adattativo
Come detto nel paragrafo precedente, lo schema di controllo utilizza-
to per le varie simulazioni è stato realizzato con tecnica adattativa,
che è una tecnica di controllo utilizzata per modelli non lineari e si
basa sull’adattamento o (Tuning) tra la risposta del sistema in uscita
e quella desiderata in riferimento tramite un controllo disaccoppia-
to. L’approccio utilizzato per il controllo risulta abbastanza positivo,
mentre la stima delle temperature da parte dell’osservatore, realizza-
to sempre in maniera adattativa, inficia sulle concentrazioni e sulla
stima di del calore rilasciato. Quindi allo scopo di rendere robusto
l’osservatore in presenza di variazioni parametriche, si è progettata
la matrice di guadagno dell’osservatore con tecnica H∞ come visto
nel capitolo precedente. Lo schema utilizzato è il seguente:
Tr_d Tj_d
+ Jacket + Reactor
Temperature Temperature Plant
- Controller - Controller
y2=Tj y1=Tr
u=Tj_in
Observer
Estimate of Q
1500
Valore stimato
1000 Valore reale
CA [mol/m3]
500
−500
0 10 20 30 40 50 60 70 80 90
tempo [min]
1500
CB [mol/m3]
1000
500
0
0 10 20 30 40 50 60 70 80 90
tempo [min]
200
errore su CA [mol/m3]
100
−100
−200
0 10 20 30 40 50 60 70 80 90
tempo [min]
1000
errore su CB [mol/m3]
−1000
−2000
0 10 20 30 40 50 60 70 80 90
tempo [min]
600
errore % su CA
400
200
−200
0 10 20 30 40 50 60 70 80 90
tempo [min]
500
errore % su CB
−500
−1000
0 10 20 30 40 50 60 70 80 90
tempo [min]
2 Valore reale
−1
0 10 20 30 40 50 60 70 80 90
tempo [min]
2200
2000
US [Kj/minK]
1800
1600
1400
1200
0 10 20 30 40 50 60 70 80 90
tempo [min]
5000
−5000
−10000
0 10 20 30 40 50 60 70 80 90
tempo [min]
400
errore % su Qgen
200
−200
0 10 20 30 40 50 60 70 80 90
tempo [min]
330
Valore stimato
320 Valore reale
Tr [K]
310
300
290
0 10 20 30 40 50 60 70 80 90
tempo [min]
340
330
Tj [K]
320
310
300
290
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.1
−0.1
−0.2
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.2
errore su Tj [K]
0.1
−0.1
−0.2
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.1
errore % su Tr
0.05
−0.05
−0.1
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.1
errore % su Tj
0.05
−0.05
−0.1
0 10 20 30 40 50 60 70 80 90
tempo [min]
1000
Valore stimato
800 Valore reale
CA [mol/m3]
600
400
200
0
0 10 20 30 40 50 60 70 80 90
tempo [min]
1000
800
CB [mol/m3]
600
400
200
0
0 10 20 30 40 50 60 70 80 90
tempo [min]
0
errore su CA [mol/m3]
−20
−40
−60
0 10 20 30 40 50 60 70 80 90
tempo [min]
0
errore su CB [mol/m3]
−10
−20
−30
−40
0 10 20 30 40 50 60 70 80 90
tempo [min]
errore % su CA −4.98
−5
−5.02
−5.04
0 10 20 30 40 50 60 70 80 90
tempo [min]
−4.98
errore % su CB
−5
−5.02
−5.04
0 10 20 30 40 50 60 70 80 90
tempo [min]
Valore reale
2
0
0 10 20 30 40 50 60 70 80 90
tempo [min]
2200
2000
US [Kj/minK]
1800
1600
1400
1200
0 10 20 30 40 50 60 70 80 90
tempo [min]
−500
−1000
−1500
0 10 20 30 40 50 60 70 80 90
tempo [min]
−3
errore % su Qgen
−4
−5
−6
−7
0 10 20 30 40 50 60 70 80 90
tempo [min]
330
Valore stimato
320 Valore reale
Tr [K]
310
300
290
0 10 20 30 40 50 60 70 80 90
tempo [min]
340
330
Tj [K]
320
310
300
290
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.2
errore su Tr [K]
0.1
−0.1
−0.2
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.2
errore su Tj [K]
0.1
−0.1
−0.2
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.1
errore % su Tr
0.05
−0.05
−0.1
0 10 20 30 40 50 60 70 80 90
tempo [min]
0.1
errore % su Tj
0.05
−0.05
−0.1
0 10 20 30 40 50 60 70 80 90
tempo [min]
5 Possibili applicazioni
Dai risultati ottenuti precedentemente si evincono le seguenti consi-
derazioni: l’osservatore adattativo garantisce una stima analoga delle
temperature a quella dell’osservatore H∞ , per contro non riesce a sti-
mare in maniera corretta le due concentrazioni e il calore rilasciato
dalla reazione all’interno del reattore, cosa che viene ben ottenu-
ta tramite l’osservatore H∞ . La matrice di anello determinata con
tecnica robusta H∞ conferisce all’osservatore buone prestazione per
l’abbattimento di incertezze parametriche inferiori all’unità: infatti
riesce a mantenere lo scostamento tra il valore effettivo del calore ge-
nerato e quello stimato dell’ordine del 4%, quello delle concentrazioni
invece, dell’ordine del 5%. L’approccio adattativo non risulta essere
totalmente adatto a risolvere tutte le problematiche presenti nel pro-
getto, mentre quello H∞ ha sicuramente contribuito ad apportare ad
esso miglioramenti. Gli sviluppi futuri della ricerca saranno quelli di
proporre approcci nuovi di progetto con schemi più complessi, al fine
di migliorare ancora i risultati.
Bibliografia
[1] F.Caccavale, M.Iamarino, F.Pierri, V.Tufano
”Model based Control of Chemical Batch Reactors.”
DIFA (Dipartimento di Ingegneria e Fisica dell’Ambiente) -
http://www.ing.unibas.it
[16] V.Comincioli
”Analisi numerica metodi modelli e applicazioni.” McGrawHill-
http://www.mcgrawhilllibri.it