Model-based prediction, fault estimation and optimal control: application on wine fermentation and time-delay systems

Abstract

Dentre os algoritmos avançados de controle de processos, o Controle Preditivo baseado em Modelo (do inglês, Model Predictive Control, MPC) é o mais utilizado na indústria. Um elemento crucial do MPC é o modelo, uma vez que é usado para prever o comportamento futuro do sistema. Independentemente do tipo de modelo, incerteza nos parâmetros e fenômenos não modelados, normalmente presentes na prática, podem deteriorar o desempenho e a confiabilidade. Uma maneira de lidar com isso é o uso de estimadores e preditores on-line paradetectar e antecipar distúrbios e falhas. O objetivo desta tese é aprimorar o monitoramento e controle de processos industriais através de estimação baseada em modelos, predição e controle ótimo, com foco na fermentação do vinho tinto e preditores para sistemas com atraso. Esta tese pode ser dividida em quatro partes. Primeiro, uma estrutura Observador-Preditor para sistemas com atraso chamada Preditor de Kalman PK foi comparada com o consolidado Preditor de Smith Filtrado (do inglês, Filtered Smith Predictor, FSP). É mostrado que o PK define implicitamente um FSP e, por isso, todas as ferramentas no domínio da frequência utilizadas para analisar as propriedades de malha fechada do FSP podem ser utilizadas. Primeiramente são obtidos resultados para sistemas SISO, que são então estendidos para sistemas MIMO quadrados. Argumenta-se que o PK tem muitas vantagens sobre o FSP na fase de projeto, especialmente para sistemas não estáveis. Na segunda parte, foi proposta um Estimador de Horizonte Deslizante (do inglês, Moving Horizon Estimation, MHE), que utiliza um horizonte de medições e atuações passadas, para estimação de falhas em uma planta de produção de cana-de-açúcar. Este sistema é composto por inúmeras partes sujeitas a falhas durante a operação que foram modeladas como termos multiplicativos. A eficácia e robustez do MHE foram discutidas num estudo de simulação. As duas últimas partes da tese se concentram no processo de vinificação. Para monitoramento, foi proposta uma abordagem de estimativa do estado do Filtro de Kalman Estendido (do inglês, Extended Kalman Filter, EKF) para detecção precoce de fermentação de vinho parada e lenta. Com base no modelo, o EKF é capaz de estimar variáveis não medidas, como a biomassa. Ao mesmo tempo, esta informação é utilizada para prever a probabilidade de ocorrência de uma falha no final da fermentação. O estudo de simulação investiga a sensibilidade do processo de fermentação a diversos fatores, como parâmetros do modelo e condições iniciais, especialmente nitrogênio. O algoritmo nas simulações de Monte Carlo foi capaz de prever 95% da fermentação problemática nos primeiros dias, fornecendo informações precisas aos enólogos durante a fermentação, o que leva a uma melhor tomada de decisões. Por fim, foi desenvolvido um problema de controle ótimo relacionado ao MPC para maceração de vinho tinto, onde o suco de uva é fermentado em contato com as cascas e sementes. A principal preocupação é gerir o ponto de drenagem considerando dois objetivos associados à produtividade aos custos. Foi encontrado um bom compromisso entre os objetivos através da aplicação de técnicas de tomada de decisão multicritério.

Abstract: Among the advanced process control algorithms, Model Predictive Control (MPC) is the most used in the industry. A crucial element of MPC is the model since it is used to predict the future behavior of the system. Regardless of the type of model, uncertainty in the parameters and unmodeled phenomena, usually present in practice, might deteriorate the performance and reliability. One way to cope with this is to use online estimators and predictors to detect and anticipate disturbances and faults. The goal of this thesis is to improve the monitoring and control of industrial processes through model-based estimation, prediction and optimal control, with a focus on red wine fermentation and predictors for time-delay systems. This thesis can be divided into four parts. First, an Observer-Predictor structure for time-delay systems called Kalman Predictor (KP) was compared to the well studied Filtered Smith Predictor (FSP). It is shown that the KP implicitly defines an FSP and, because of that, all the frequency-domain tools used to analyze the closed-loop properties of the FSP can be used. First, results for SISO systems are obtained, which are then extended for square MIMO systems. It is argued that the KP has many advantages over the FSP in the design phase, especially for non-stable systems. In the second part, a Moving Horizon Estimation (MHE), which uses a horizon of past measurements and inputs, was proposed for fault estimation in a sugarcane production plant. This system is composed of numerous parts subject to faults during operation which were modeled as multiplicative terms. The effectiveness and robustness of the MHE was discussed in a simulation study. The last two parts of the thesis are focused on the winemaking process. For monitoring, an Extended Kalman Filter (EKF) state estimation approach was proposed for early detection of stuck and sluggish wine fermentation. Based on the model, the EKF is able to estimate unmeasured variables such as biomass. At the same time, this information is used for predicting the likelihood of a fault occurring at the end of the fermentation. The simulation study investigates the sensitivity of the fermentation process to various factors such as model parameters and initial conditions, especially nitrogen. The algorithm under Monte Carlo simulations was able to predict 95% of the problematic fermentation within the first few days, providing accurate information to enologists during fermentation which leads to better decision-making. Finally, an optimal control problem related to MPC was developed for red wine maceration, where the grape juice is fermented in contact with the skins and seeds. The main concern is to manage the digging-out point considering two objectives associated with process efficiency and costs. A good compromise between the objectives was found by applying multi-criteria decision-making techniques.