Hierro y Acero Edicion 26 | Page 17

laminación
Modelación del controlador difuso
Para el diseño del controlador difuso en el Horno 4 , se procede a repetir la metodología descrita para el Horno # 3 .
Pruebas comparativas
Para la evaluación del desempeño del controlador difuso tipo PD Vs . controlador PID convencional , se generó un análisis gráfico ( ver Figura 6 ) de cada una de las 9 zonas del Horno # 4 , calculando un beneficio de cuando menos un 1 % gas .
Fig . 6 Gráfica comparativa de zona de Horno # 4 en MATLAB
4 . Implementación
La implementación del controlador difuso se dividió en dos fases : la primera abarcó el desarrollo del algoritmo del controlador difuso en ANSI-C para cada uno de los 2 PLC que tienen bajo su control los hornos de recalentamiento # 3 y # 4 , con el uso de la herramienta de programación en C ( ver Figura 7 ). Una segunda fase consistió en la implementación , ajuste y sintonización del mismo dentro del horno .
Fig . 7 Diagrama a bloques del algoritmo del Controlador difuso
Set Point
Variable de proceso
Funciones de Membresía
Bloque Controlador Difuso
Reglas Difusas
Salida
• Reducción de reglas difusas . En el controlador difuso propuesto , existían dos entradas identificadas como e y Δe ( error y tendencia del error ), cada una de ellas con 7 funciones de membresía . Con las combinaciones posibles , se producían en total 49 reglas difusas de acción ( 7 x 7 ). Con la reducción de funciones de membresía a 5 por entrada , se redujo el número de reglas de control a 25 , lo que abrevió el número de iteraciones que necesita cada controlador para evaluarlas .
• Funciones de membresía de salida . Se modificaron las funciones de membresía de la salida a singleton en lugar de triangulares , buscando la reducción de operaciones desarrolladas .
• Activación de controladores . Dada la respuesta en tiempo de ejecución del horno , directamente dependiente de la velocidad de respuesta de las válvulas , se optó por la reducción del tiempo de barrido a través de la activación secuencial de los controladores de cada zona , siempre dentro del tiempo de respuesta del horno .
Aunado a estas estrategias , la modernización del equipo apoyó en la reducción del ciclo de barrido de la lógica , haciendo posible su generalización en todas las zonas de ambos hornos .
5 . Resultados y Conclusiones
La gráfica siguiente muestra el consumo de MMBTUS / TON de rollo de acero producido reportado como resultado del proyecto .
L ín e a Ba s e : 2 . 0 4 ( C o n 2 Ho r n o s )
2.20
MMBTUS / TON
2.00
1.80
1.60
1.40
1.20
2 . 0 3 1 . 9 8 2 . 0 1
1 . 9 5
2 . 1 8
2 . 0 4 1 . 8 9
2 . 0 2 1 . 9 5
1 . 9 6 2 . 0 7
1 . 8 7
1 . 9 7
O b je tiv o : 1 . 94
1 . 9 5
2 . 0 3
1 . 9 5 1 . 9 7 1 . 9 6 P r o m e d io : 1 . 9 7
Normalización
Error
∆ error
Controlador PI Difuso
Denormalización
Feb 04 Mar 04
Abr 04
1.00
Jul 04 Ago 04
Sep 04
Ene 05
Feb 05
6 . Referencias
Mar 05
Abr 05
May 05
Jun 05
Jul 05
Ago 05
Sep 05
Oct 05
Nov 05
Dic 05
Con las pruebas fuera de línea en un PLC de prueba , se detectó que el tiempo de barrido del PLC , incluyendo el llamado al controlador difuso , aumentaba a valores de 250 ms . Este tiempo crecía proporcionalmente con cada nuevo controlador , por lo que fue necesario implementar estrategias de optimización descritas a continuación :
[ 1 ] Wang Li-Xin . “ A course in Fuzzy Systems and Control ”. Prentice Hall . USA , 1997 .
[ 2 ] Serge Boverie , Bernard Demaya and André Titli . “ Fuzzy Control Compared with other automatic control approaches ”. 30th IEEE Conference on Decision and Control , Brighton ( GB ), 11-13 December 1991 . [ 3 ] Reznik , Leonid . “ Fuzzy Controllers ”. Newnes , England 1997 .
17 HIERRO yACERO / AIST MÉXICO