Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Aplicadas Departamento de Engenharia Elétrica Trabalho de Conclusão de Curso Implantação de Sistema de Controle de Temperatura da Água Utilizando Trocador de Calor Aplicado em uma Planta Industrial Matheus Sales Lage João Monlevade, MG 2018 Matheus Sales Lage Implantação de Sistema de Controle de Temperatura da Água Utilizando Trocador de Calor Aplicado em uma Planta Industrial Trabalho de Conclusão de Curso apresentado à Univer- sidade Federal de Ouro Preto como parte dos requisitos para obtenção do Título de Bacharel em Engenharia Elétrica pelo Instituto de Ciências Exatas e Aplicadas da Universidade Federal de Ouro Preto. Orientador: Prof. Dr. Víctor Costa da Silva Campos Coorientador: Prof. Dr. Márcio Feliciano Braga Universidade Federal de Ouro Preto João Monlevade 2018 Catalogação: ficha@sisbin.ufop.br L174i Lage, Matheus Sales. Implantação de sistema de controle de temperatura da água utilizando trocador de calor aplicado em uma planta industrial [manuscrito] / Matheus Sales Lage. - 2018. 70f.: il.: color; grafs; tabs. Orientador: Prof. Dr. Víctor Costa da Silva Campos. Coorientador: Prof. Dr. Márcio Feliciano Braga. Monografia (Graduação). Universidade Federal de Ouro Preto. Instituto de Ciências Exatas e Aplicadas. Departamento de Engenharia Elétrica. 1. Controle de Temperatura. 2. Calor - Transmissão. 3. Controladores PID. I. Campos, Víctor Costa da Silva. II. Braga, Márcio Feliciano. III. Universidade Federal de Ouro Preto. IV. Titulo. CDU: 621.313 Powered by TCPDF (www.tcpdf.org) http://www.tcpdf.org Powered by TCPDF (www.tcpdf.org) http://www.tcpdf.org AGRADECIMENTOS Agradeço a Deus por ter me dado forças para concluir esta importante etapa da minha vida. Agradeço a minha família pelo incentivo constante durante esta jornada. Agradeço ao professor Dr. Márcio Braga, pela atenção e disponibilidade que sempre teve desde que apresentei a proposta do trabalho. Agradeço ao professor Dr. Víctor Campos pela excelente orientação, a qual foi de grande importância para minha formação acadêmica e será de grande importância para minha carreira profissional. Agradeço à ArcelorMittal Monlevade por ter disponibilizado a planta para a implantação do sistema de controle. Agradeço aos colegas da usina, pelo apoio dado para a realização deste trabalho. Agradeço aos meus amigos da UFOP pela força que sempre me deram durante esta batalha, e sobretudo, pela companhia durante os estudos. E, por fim, dedico esta obra ao meu filho, Lucas Ronaldo, que por diversas vezes, se sentou ao meu lado durante a realização deste trabalho e perguntou: “Papai, sua escolinha já acabou?” Sim filho, agora acabou! Esta conquista é nossa! Papai te ama! "Deus dá as batalhas mais difíceis aos seus melhores soldados." – Papa Francisco RESUMO O trabalho apresenta a implantação de um sistema de controle de temperatura da água utilizando trocador de calor, alimentando por uma bomba de água, aplicado em uma planta industrial. O grande desafio encontrado foi a obtenção do modelo matemático do sistema, além dos testes para a identificação dos parâmetros do modelo no ambiente industrial, uma vez que o sistema não atinge o regime permanente quando recebe um degrau em malha aberta, devido a perturbações. Sendo assim, foram utilizados sinais pseudo-aleatórios como entrada do sistema, em malha aberta, para identificar os parâmetros do modelo utilizando o Método dos Mínimos Quadrados. Em seguida, por meio de métodos de sintonia de controladores, são calculados os ganhos proporcional, integral e derivativo para implementar um controlador PID em malha fechada, de modo que o sistema mantenha o valor de temperatura desejado. Palavras-chave: Controle de Temperatura, Trocador de Calor, Controlador PID, Sintonia de controlador PID, Método dos Mínimos Quadrados MMQ ABSTRACT The work presents the implementation of a water temperature control system using a heat exchanger, supplied by a pump water, applied to an industrial site. The main challenges in this work were to find the mathematical model of the system and perform all the tests to find the parameters of the industrial site, since the system does not reach the steady state operation with an step input in open-loop, due to disturbances. Therefore, pseudo-random signals were used as input to the open-loop system to identify the parameters of the model using the Least Square method. Next, by means of a controller tuning methods the proportional, integral and derivative gains are calculated to implement a closed-loop PID controller for the system to sustain the desired temperature value. Keywords: Temperature Control, Heat Exchanger, PID Controller, Tuning Methods PID Controller, Least Squares Method LISTA DE ILUSTRAÇÕES Figura 1 – Operador Atuando em Malha Aberta. . . . . . . . . . . . . . . . . . . 2 Figura 2 – Controlador Atuando em Malha Fechada. . . . . . . . . . . . . . . . . 3 Figura 3 – Pirâmide da Automação. . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Figura 4 – Diagrama Simplificado de um Sistema de Automação. . . . . . . . . . . 7 Figura 5 – Controlador Lógico Programável CompactLogix Allen-Bradley. . . . . . 8 Figura 6 – Modelo de Hardware de um CLP. . . . . . . . . . . . . . . . . . . . . . 9 Figura 7 – Bloco PID do CLP da Allen-Bradley. . . . . . . . . . . . . . . . . . . . 9 Figura 8 – Configuração do Bloco PID do CLP da Allen-Bradley. . . . . . . . . . 10 Figura 9 – Funções de Operação da Malha de Controle no SCADA. . . . . . . . . 15 Figura 10 – Produção de Vapor para o Trocador de Calor. . . . . . . . . . . . . . . 17 Figura 11 – Tanque Aquecedor de Água no Campo . . . . . . . . . . . . . . . . . . 18 Figura 12 – Válvula de Controle de Temperatura no Campo. . . . . . . . . . . . . . 20 Figura 13 – Diagrama de Tubulação e Instrumentação do Processo. . . . . . . . . . 21 Figura 14 – Tela do Sistema de Controle de Temperatura no SCADA. . . . . . . . 21 Figura 15 – Função de Transferência. . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Figura 16 – FT de Malha Fechada. . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Figura 17 – Controle por Antecipação. . . . . . . . . . . . . . . . . . . . . . . . . . 26 Figura 18 – Diagrama de Blocos do Modelo Térmico Considerando a Perturbação. . 27 Figura 19 – Diagrama de Blocos do Sistema de Controle. . . . . . . . . . . . . . . . 28 Figura 20 – Resposta ao Degrau do Sistema Obtida do PIMS. . . . . . . . . . . . . 30 Figura 21 – Resposta ao Degrau do Sistema Incluindo a Perturbação Obtida do PIMS. 30 Figura 22 – Programação em Ladder para Gerar Sinais Pseudo-aleatórios na CV. . 31 Figura 23 – Resposta aos Sinais Aleatórios do Sistema Obtida do PIMS. . . . . . . 32 Figura 24 – Resposta aos Sinais Aleatórios do Sistema Incluindo a Perturbação Obtida do PIMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Figura 25 – LGR Característico dos Modelos Antes da Compensação do Sistema. . 41 Figura 26 – LGR do Sistema Compensado pelo Método de Skogestad com Modelo 1. 42 Figura 27 – FT do Controlador pelo Método de Skogestad com Modelo 1. . . . . . 42 Figura 28 – Primeira Lógica em Ladder para Controle Antecipatório. . . . . . . . . 47 Figura 29 – Resultado do Controlador PI sem Controle Antecipatório. . . . . . . . 47 Figura 30 – Resultado do Controlador PI Obtido por CHR com Modelo 3 com Primeira Estratégia para Controle Antecipatório - SP e PV. . . . . . . 48 Figura 31 – Resultado do Controlador PI Obtido por CHR com Modelo 3 com Primeira Estratégia para Controle Antecipatório - SP, PV, CV e distúrbio. 48 Figura 32 – Resultado do Controlador PID Obtido por Skogestad com Modelo 1 com Primeira Estratégia para Controle Antecipatório - SP e PV. . . . . 49 Figura 33 – Resultado do Controlador PID Obtido por Skogestad com Modelo 1 com Primeira Estratégia para ControleAntecipatório - SP, PV, CV e distúrbio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 Figura 34 – Segunda Lógica em Ladder para Controle Antecipatório. . . . . . . . . 50 Figura 35 – Resultado do Controlador PID Obtido por Skogestad com Modelo 1 com Segunda Estratégia para Controle Antecipatório - SP e PV. . . . . 51 Figura 36 – Resultado do Controlador PI Obtido por CHR com Modelo 3 com Segunda Estratégia para Controle Antecipatório - SP e PV. . . . . . . 51 Figura 37 – Resultado do Controlador PID no MATLAB. . . . . . . . . . . . . . . 52 Figura 38 – Resultado do Controlador PI no MATLAB. . . . . . . . . . . . . . . . 53 LISTA DE TABELAS Tabela 1 – Parâmetros dos Modelos Matemáticos para Diferentes Faixas de Aber- tura na CV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Tabela 2 – Ganhos pelo Método de Skogestad para Todos os Modelos. . . . . . . . 43 Tabela 3 – Ganhos pelo Método de CHR para Todos os Modelos. . . . . . . . . . 43 Tabela 4 – Ganhos pelo Método de Ziegler & Nichols para Todos os Modelos. . . . 43 Tabela 5 – Resultados dos Overshoots e Settling Times para o Teste de Todos os Controladores nos Modelos 1 e 2. . . . . . . . . . . . . . . . . . . . . . 44 Tabela 6 – Resultados dos Overshoots e Settling Times para o Teste de Todos os Controladores nos Modelos 3, 4 e 5. . . . . . . . . . . . . . . . . . . . . 44 LISTA DE ABREVIATURAS E SIGLAS CLP Controlador Lógico Programável PLC Programmable Logic Controller SCADA Supervisory Control and Data Acquisition NEMA National Electrical Manufactures Association FBD Function Block Diagram ST Structured Text IL Instruction List SFC Sequential Function Chart LD Ladder Diagram CPU Central Processing Unit PV Process Variable CV Control Variable SP SetPoint OPC OLE for process control PIMS Plant Information Management System P&ID Piping & Instrumentation Diagram PID Proporcional, Integral e Derivativo ARX AutoRegressive with eXogenous inputs MQ Mínimos Quadrados MMQ Método dos Mínimos Quadrados LGR Lugar Geométrico das Raízes Z&N Ziegler & Nichols CHR Chien, Hrones e Reswick SUMÁRIO 1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1 Uma Visão Sobre Controle, Automação e Otimização de Processos 1 1.1.1 Controle em Malha Aberta e Controle em Malha Fechada . . . . . . . . . . 1 1.2 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.4 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2 PIRÂMIDE DA AUTOMAÇÃO . . . . . . . . . . . . . . . . . . . . . 6 2.1 Sistema de Automação . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.1 CLP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.2 Instrumentação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.1.2.1 Medição de Temperatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.1.2.2 Medição de Nível . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.1.2.3 Válvula de Controle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.2 SCADA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.3 PIMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3 DESCRITIVO DO PROCESSO . . . . . . . . . . . . . . . . . . . . . 17 3.1 Automatismo da Bomba de Água - A Perturbação do Sistema . . . 18 3.2 A Malha de Controle de Temperatura . . . . . . . . . . . . . . . . . . 19 3.3 Diagrama de Tubulação e Instrumentação . . . . . . . . . . . . . . . 20 4 MODELO MATEMÁTICO DO SISTEMA DE CONTROLE . . . . . 22 4.1 Função de Transferência . . . . . . . . . . . . . . . . . . . . . . . . . . 22 4.2 Modelo Térmico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 4.3 Controlador PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4.4 Controle por Realimentação e Controle Antecipatório . . . . . . . . 25 4.4.1 Modelo Considerando o Distúrbio . . . . . . . . . . . . . . . . . . . . . . 26 5 IDENTIFICAÇÃO DO SISTEMA DE CONTROLE . . . . . . . . . . 29 5.1 Coleta de Dados do Processo . . . . . . . . . . . . . . . . . . . . . . . 29 5.2 Estimação dos Parâmetros do Modelo ARX pelo Método dos Míni- mos Quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 5.2.1 Modelo ARX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 5.2.2 Método dos Mínimos Quadrados . . . . . . . . . . . . . . . . . . . . . . . 33 5.3 Resultados dos Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . 36 6 SINTONIA DO CONTROLADOR . . . . . . . . . . . . . . . . . . . 38 6.1 Métodos de Sintonia para um Controlador . . . . . . . . . . . . . . . 38 6.2 Resultados da Sintonia do Controlador . . . . . . . . . . . . . . . . . 40 7 VALIDAÇÃO DA MALHA DE CONTROLE . . . . . . . . . . . . . . 46 8 CONCLUSÃO E TRABALHOS FUTUROS . . . . . . . . . . . . . . 54 REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 1 1 INTRODUÇÃO 1.1 UMA VISÃO SOBRE CONTROLE, AUTOMAÇÃO E OTIMI- ZAÇÃO DE PROCESSOS A automação industrial tem como objetivo liberar o homem das tarefas repetitivas para executar tarefas de intervenção sob demanda e análise de tomada de decisões e, além disso, reduzir o custo do produto e aumentar a produtividade de uma indústria. O controle é a área que analisa diversas formas de descrever modelos matemáti- cos e proferir ações para que processos produtivos funcionem de maneira previamente determinada, uma vez que a finalidade de se otimizar um processo é reduzir ou eliminar desperdício de tempo, gastos e recursos. Sendo assim, as área de controle, automação e otimização de processos estão diretamente ligadas entre si e são fundamentais para aumentar a rentabilidade de uma indústria. 1.1.1 Controle em Malha Aberta e Controle em Malha Fechada Segundo Ogata (2010), o controle automático é essencial em qualquer campo da engenharia e da ciência, sendo um componente importante e intrínseco em diversos sistemas e operações industriais que envolvam o controle de temperatura, pressão, nível, vazão, etc. O termo “controle de processos” costuma ser utilizado para se referir a sistemas que têm por objetivo manter certas variáveis de uma planta industrial entre os seus limites operacionais desejáveis, dentro de uma faixa aceitável para sua operação conveniente, eficiente e econômica. Além disso, um controle de processo destina-se também a prevenir condições instáveis no processo que podem por em risco pessoas e/ou equipamentos. (CAMPOS; TEIXEIRA, 2010; BEGA, 2011). Portanto, a necessidade de controlar processos dá origem às técnicas de controle. Como exemplo, o controle de temperatura da água para atender um determinado processo, que é apresentado neste trabalho, pode ser em malha aberta ou em malha fechada. Para o processo considerado, de modo a realizar um controle em malha aberta, é necessário que um operador defina a abertura de uma válvula por onde passa um determinado fluído que irá alterar a característica termodinâmica e, consequentemente, a temperatura daquele determinado processo. O controle por faixas, em malha aberta, pode ser feito no campo ou via supervisório. Para isto o operador depende de uma curva de calibração (abertura × temperatura), ou considera a sua experiência para executar esta tarefa. De acordo com Ogata (2010), os sistemas de controle em malha aberta, são aqueles em que o sinal de saída, no caso em análise, a temperatura do tanque, não exerce nenhuma Capítulo 1. Introdução 2 ação de controle no sistema. Ou seja, em malha aberta tem-se uma operação manual do sistema. A desvantagem do controle em malha aberta é que não considera as perturbações da planta. No exemplo citado, ao se controlar a temperatura da água em um tanque com a abertura de uma válvula, não há como o operador prever qual a perturbação que ocorrerá quando o tanque for abastecidocom água fria para completar seu nível. Sendo assim, a temperatura irá diminuir devido a entrada de água fria. Portanto, o controle em malha aberta não compensa a entrada de água fria no tanque. Figura 1 – Operador Atuando em Malha Aberta. Fonte: (VERLY, 2017). Segundo Campos e Teixeira (2010), outra desvantagem do controle em malha aberta é a sobrecarga de trabalho repetitivo e sem interesse para o operador. O operador passa a operar em uma região mais segura e menos econômica, sendo mais conservativo. No exemplo da Figura 1, se existisse o risco por baixa temperatura, ele tenderia a operar em uma temperatura mais alta por segurança. Para isto, ele teria que abrir mais a válvula e, consequentemente, iria ser consumido mais vapor. O vapor, por sua vez, é produzido por uma caldeira que aumenta o consumo de combustível quando é necessário produzir mais vapor. Por fim, o aumento do consumo de combustível para produzir o vapor, aumentaria o gasto da planta industrial. Assim, para solucionar o problema, é necessário utilizar o controle em malha fechada. Basta adicionar uma realimentação ao sistema, juntamente com um controlador, de modo que ele compare o valor desejado (setpoint) com o valor real de temperatura e controle a válvula automaticamente para que o erro entre as duas medidas seja eliminado e o valor desejado seja atingido. Para Ogata (2010), o termo “controle em malha fechada” sempre implica a utilização de controle com realimentação para reduzir o erro do sistema. Portanto, o operador passa a ajustar o setpoint para que o próprio controlador compense as perturbações do sistema, como a entrada de água fria, atuando na válvula Capítulo 1. Introdução 3 Figura 2 – Controlador Atuando em Malha Fechada. Fonte: (VERLY, 2017). para que a temperatura fique idêntica ao setpoint. Para que o controlador atue na válvula de modo satisfatório dentro de um ponto de operação pré-estabelecido e tenha um bom desempenho, é necessário encontrar os ganhos proporcional, integral e derivativo da malha de controle, cujo algoritmo é conhecido como controlador Proporcional Integral Derivativo (PID). Muitas vezes, para utilizar o algoritmo é necessário um Controlador Lógico Programável (CLP), ou do inglês Programmable Logic Controller (PLC), que é um dos componentes básicos de um sistema de automação. Existem muitas técnicas para ajustar os ganhos de um controlador, procedimento comumente conhecido como sintonia do controlador. Uma das regras de sintonia mais comuns foi proposta por Ziegler & Nichols em 1942. Outras técnicas podem ser utilizadas para se obter uma melhor sintonia. Este trabalho foi realizado na Usina de Monlevade da ArcelorMittal, maior produ- tora de aço do mundo, em um processo de fornecimento de água, que necessita de controle de temperatura e utiliza um Trocador de Calor alimentado por vapor de água proveniente de um conjunto de caldeiras, para esta finalidade. A água com uma determinada temperatura desejada, é utilizada na planta industrial para diversas aplicações. Para a implementação do sistema de controle, foi utilizado o controlador CompactLogix da Allen Bradley, além do sistema SCADA (Supervisory Control and Data Acquisition) para a supervisão e operação da planta que utiliza o software FactoryTalk View Site Edition da Rockwell Automation e de ferramentas do PIMS (Plant Information Management System) para a coleta de dados necessários para a identificação do sistema. Capítulo 1. Introdução 4 1.2 MOTIVAÇÃO Controlar processos industriais é uma tarefa desafiadora por vários fatores. Um deles é a disponibilidade da planta e a segurança que deve ser empregada durante os testes. Outros fatores são o comportamento do sistema, a restrição no sobressinal da variável de processo, as diversas pertubações que ocorrem no processo que, às vezes, não são conhecidas, além do tempo morto do sistema e erros em medições de instrumentos de controle de processo. Sendo assim, a motivação do trabalho é mostrar que é possível controlar processos industriais, dentro de um ponto de operação, desde que estejam disponíveis os elementos básicos de um sistema de controle, e que todos os fatores negativos para que o controle seja feito possam ser compensados por um bom projeto. O presente trabalho tem grande importância, pois uma vez implementado, irá contribuir para o controle do processo de uma planta industrial, e servirá de referência para que outros trabalhos de controle temperatura sejam feitos pelo autor. 1.3 OBJETIVOS O objetivo geral deste trabalho é desenvolver o controle de temperatura da água, utilizando um trocador de calor alimentado por vapor de água proveniente de uma caldeira, e sintonizar a malha de controle, encontrando os ganhos proporcional, integral e derivativo do controlador para que o controle atue de maneira satisfatória e o sistema atenda o processo com o valor de temperatura desejado. Um dos objetivos específicos deste trabalho é a descrição do processo em detalhes com destaque para o automatismo de equipamentos, malhas de controle e tecnologias disponíveis para o desenvolvimento do projeto. E, além disso, os testes em malha aberta para obtenção dos parâmetros do modelo matemático do sistema e os testes em malha fechada para sintonia do controlador. 1.4 ESTRUTURA DO TRABALHO O trabalho está estruturado da seguinte forma: No Capítulo 1 é apresentada uma introdução sobre automação e otimização de processos, além de exemplificar um controle em malha aberta e em malha fechada, exata- mente como o controle apresentado no trabalho. São apresentadas também as motivações que impulsionaram o trabalho, bem como os objetivos do mesmo. No Capítulo 2, é expandida a importância da automação na indústria, e mostrado, por meio da Pirâmide da Automação, as referências de todas a tecnologias utilizadas para a realização deste trabalho. Capítulo 1. Introdução 5 No Capítulo 3, é feito o descritivo do processo no qual se deseja fazer a implantação do controle, e são mostradas ao longo deste descritivo as tecnologias disponíveis na planta industrial. No Capítulo 4, é feita uma introdução sobre o modelo matemático de um sistema de controle, além de mostrar o modelo térmico e o modelo do controlador PID em um controle por realimentação juntamente com um controle antecipatório. Neste capítulo é obtida a função de transferência do processo, considerando a perturbação conhecida. No Capítulo 5, são apresentadas as etapas para a identificação do sistema, com foco nos procedimentos para a coleta de dados do processo e estimação dos parâmetros do modelo pelo métodos dos mínimos quadrados. No Capítulo 6, são apresentados os métodos de sintonia utilizados neste trabalho, as possíveis sintonias considerando todos os modelos obtidos para o processo e os resultados de parâmetros de desempenho para a aplicação de um degrau. No Capítulo 7, é feito o ajuste do controle antecipatório e a validação do controle em malha fechada. 6 2 PIRÂMIDE DA AUTOMAÇÃO Para se entender a importância da automação em uma indústria, neste capítulo, é apresentado a pirâmide da automação industrial. Figura 3 – Pirâmide da Automação. Fonte: (NAMMUR, 2015). Como pode-se observar na Figura 3, a automação industrial é dividida em 5 níveis, que podem ser resumidos da seguinte maneira, segundo Nammur (2015): • Nível 1: Neste nível se encontram os dispositivos de campo, ou seja, sensores, atuadores e instrumentação em geral • Nível 2: É o nível dedicado ao controle automático da planta, onde estão os CLPs e redes de comunicação. • Nível 3: Este nível possui ferramentas de controle e supervisão de processos, como o sistema SCADA, que também possui um banco de dados razoável, mantendo o histórico do processo durante alguns meses. Normalmente, é também o nível em que se encontram os servidores OPC de modo a permitir a comunicação dos níveis superiores com os níveis inferiores. • Nível 4: O penúltimo nível faz o gerenciamento da planta industrial. Um exemplo de tecnologia neste nível é o PIMS que tem um poderoso bancode dados capaz de Capítulo 2. Pirâmide da Automação 7 gerar e armazenar relatórios, gráficos e históricos das informações de um processo por anos. • Nível 5: No topo da pirâmide, está o gerenciamento corporativo focado na adminis- tração dos recursos da empresa e nos resultados financeiros do processo produtivo. Ao longo deste capítulo, são mostrados os componentes de um Sistema de Automa- ção, que compreende o nível 1 e 2 da Pirâmide. É feita também uma introdução sobre o sistema SCADA, que está no nível 3, e a ferramenta PIMS, que está no nível 4. 2.1 SISTEMA DE AUTOMAÇÃO Segundo a lei de Realimentação, da Teoria Geral de Sistemas (TGS), todo sistema dotado de realimentação e controle implica na presença de três componentes básicos cuja principal característica é a realimentação das informações requeridas para o seu controle (SILVEIRA; SANTOS, 1998). São eles: sensores, atuadores e controladores. Figura 4 – Diagrama Simplificado de um Sistema de Automação. Fonte: Autor. Um sensor detecta o valor da variável de processo, o qual é enviado ao controlador por meio de um transmissor. Para Bega (2011), o sistema de automação tem no controlador o seu elemento principal no que se refere às tomadas de decisão para corrigir o valor da variável controlada. Isto porque o valor da variável de processo é recebida pelo controlador que, posteriormente, envia um sinal para o atuador, que age para corrigir o processo. Portanto, sem um controlador, não existe um sistema de automação. 2.1.1 CLP Segundo a norma da NEMA (National Electrical Manufactures Association) um CLP (Controlador Lógico Programável) é definido como um “suporte eletrônico-digital para armazenamento de instruções de funções específicas, como de lógica, sequencialização, contagem e aritmética, todas dedicadas ao controle de máquinas e processos.” Capítulo 2. Pirâmide da Automação 8 Os CLPs podem ser considerados como os componentes clássicos da automação. Antes, esses controladores só conseguiam realizar operação lógicas. Hoje, qualquer CLP podem executar sequências mais complexas de algoritmos de controle. A principal diferença do CLP para outros computadores são os arranjos especiais de entrada e saída, que conectam o CLP a dispositivos como sensores e atuadores (NOF, 2009). Neste trabalho é utilizado o CLP CompactLogix da Allen-Bradley, conforme mostrado na Figura 5. Figura 5 – Controlador Lógico Programável CompactLogix Allen-Bradley. Fonte: Autor. Para compreender o princípio de funcionamento de um CLP é necessário com- preender o que são variáveis de entrada e variáveis de saída. Variáveis de entrada são sinais externos provenientes de sensores, recebidos pelo CLP, como o sinal de medição de temperatura, recebido por uma entrada analógica ou o acionamento de uma botoeira, recebido por uma entrada digital. As variáveis de saída são sinais enviados para cada ponto de saída do CLP, que podem ser utilizados para controlar atuadores e lâmpadas, por exemplo (SILVEIRA; SANTOS, 1998). Os atuadores são controlados pelas saídas analógicas e as lâmpadas são controladas pelas saídas digitais do CLP. A Figura 6 mostra o modelo de hardware de um CLP, indicando os módulos de entrada e saída. Além disso, é necessário um programa em uma linguagem específica, para fazer a sequência de instruções que efetuam as ações de controles desejadas, ativando ou não as memórias internas e os pontos de saída do PLC a partir da monitoração do estado das mesmas memórias internas e/ou dos pontos de entrada do CLP (SILVEIRA; SANTOS, 1998). Atualmente, a norma IEC 61131-3 define 5 linguagens de programação para CLPs: digrama de bloco de funções (FBD), texto estruturado (ST), lista de instruções (IL), sequenciamento gráfico de funções (SFC) e diagrama ladder (LD). Os Controladores Lógicos Programáveis possuem um algoritmo PID pronto para ser usado, sendo necessário somente calcular os ganhos proporcional, integral, derivativo, Capítulo 2. Pirâmide da Automação 9 Figura 6 – Modelo de Hardware de um CLP. Fonte: Norma IEC 61131-5. além de outros ajustes de acordo com cada fabricante, para que seja possível usá-lo em uma malha de controle. Figura 7 – Bloco PID do CLP da Allen-Bradley. Fonte: Autor. Neste trabalho, é utilizado um bloco PID para o controle proposto, proveniente de um CLP da Allen-Bradley, conforme mostrado nas Figuras 7 e 8. Também é utilizado o diagrama ladder para a programação do automatismo das bombas centrífugas utilizadas no processo. Capítulo 2. Pirâmide da Automação 10 Figura 8 – Configuração do Bloco PID do CLP da Allen-Bradley. Fonte: Autor. 2.1.2 Instrumentação Segundo Aguirre (2013), a instrumentação é a ciência que estuda, desenvolve e aplica instrumentos para medir, transmitir, indicar, registrar e controlar variáveis de processos industrias. De acordo com Alves (2005), as diversas funções necessárias ao correto funcio- namento de uma malha de controle são desempenhadas por dispositivos chamados de instrumentos para controle de processos. A instrumentação nas instalações industriais é bastante vasta e diversificada, composta por várias classes de instrumentos, dentre os quais pode-se destacar os sensores, os transmissores e os atuadores. Os sensores são os elementos primários de um instrumento e estão em contato direto com a variável medida. Os transmissores recebem o sinal proveniente dos sensores e convertem para um sinal elétrico a ser enviado a um controlador. Os atuadores são os elementos finais de controle que recebem o sinal de correção do controlador para atuar sobre a variável manipulada, a válvula de controle por exemplo. Sendo assim, pode-se definir da seguinte maneira, segundo Alves (2005): 1. Sensores: É a parte do instrumento que primeiro “sente” a variável de processo e envia o sinal a um transmissor. 2. Transmissores: São circuitos que recebem o sinal dos sensores na entrada e produzem uma saída padronizada (4-20 mA, 0-10V, etc) proporcional ao valor da variável de processo, enviando esta saída a uma entrada analógica de um CLP, que por sua vez Capítulo 2. Pirâmide da Automação 11 faz a conversão do sinal para uma Unidade de Engenharia do Sistema Internacional de Unidades. 3. Atuador: Na maioria dos sistemas de controle de processo, o elemento final de controle, impulsionado pela saída do controlador, geralmente é uma válvula. O sinal do controlador é recebido por um atuador, que manipula de alguma forma o processo. Portanto, são circuitos que recebem o sinal de uma saída analógica do CLP (4-20mA, 0-10V) e atuam no elemento final de controle proporcionalmente ao sinal recebido. 2.1.2.1 Medição de Temperatura A temperatura é uma das principais variáveis de processo, sendo que sua medição e controle são de fundamental importância em várias aplicações em processos industriais, inclusive para proteção de equipamentos (BEGA, 2011). Segundo a física clássica, a temperatura quantifica o calor, que é uma forma de energia associada à atividade molecular de uma substância. Quanto maior a agitação das moléculas, maior a quantidade de calor e maior é a temperatura da substância (BEGA, 2011). No Brasil, a temperatura é medida em graus Celsius. Existem vários tipos de sensores de medição de temperatura dentre os quais pode-se destacar os termopares e as termorresistências que tem como seu exemplo de destaque o PT-100. 1. Termorresistência PT-100: São as mais utilizadas na indústria devido principalmente a sua precisão, ou seja, a capacidade que o instrumento tem de repetir suas medições fazendo com que sejam confiáveis. A medição ocorre com a variação da resistência elétrica de um condutor metálico em função da temperatura. O condutor metálico normalmente é a platina ou o níquel. A principal característica deste sensor é uma resistência de 100 Ohms a 0 graus Celsius (FIALHO, 2010). 2. Termopar tipo K: Os termopares são sensores bimetálicos que têm funcionamento a partir dos efeitos Seebeck, Peltier e Thomson. Basicamente, a temperatura é medida por meio de uma diferença de potencial entre doismetais (no caso do termopar tipo K são o Cromel e o Alumel). Os termopares têm maior exatidão na medição da temperatura, ou seja, tem mais capacidade de fornecer medições próximas ao valor real. Devido ao seu baixo custo, os termopares tipo K são uns dos mais utilizados na indústria (FIALHO, 2010). A parte crítica da especificação de um sistema para medição de temperatura, se concentra na escolha do sensor mais apropriado (BEGA, 2011). É importante destacar que o controle de temperatura proposto neste trabalho utiliza um termopar tipo K para a medição da variável de processo e está instalado dentro do tanque do trocador de calor. Uma das melhorias que podem ser feitas no processo é instalar um sensor de medição de Capítulo 2. Pirâmide da Automação 12 temperatura na saída de consumo do tanque, a fim de adquirir uma temperatura mais homogeneizada para melhorar o controle. Neste projeto, não foi feita a recalibração do termopar, uma vez que no ambiente industrial, para se retirar um instrumento do campo, é necessário instalar outro para que a medição e o controle do processo não sejam comprometidas. 2.1.2.2 Medição de Nível A medição de nível é definida como a determinação da posição de uma interface entre dois meios, sendo uma das variáveis mais comuns e amplamente utilizadas em aplicações industriais (BEGA, 2011). Os instrumentos de medição de nível podem ser classificados pela forma como medem o nível, em instrumentos de medida direta e indireta. Os instrumentos de medição direta medem diretamente a distância entre o nível do produto que se quer medir e um referencial previamente definido (BEGA, 2011). A medida pode ser feita pela observação visual, por meio de comparação com escalas graduadas (trenas) ou ainda pela reflexão de ondas ultrassônicas ou eletromagnéticas pela superfície do produto. A medição indireta é feita por meio da posição da superfície livre do produto cujo nível se quer medir, por meio de outra grandeza física a ela relacionada. Um exemplo de medida indireta é a medição da pressão da coluna hidrostática desenvolvida por um líquido (BEGA, 2011). Neste trabalho, é aplicado um dispositivo de medição direta do tipo ultrassônico para a medição de nível do tanque, uma vez que a medição é utilizada no automatismo de uma bomba de água fria que alimenta o tanque. Existem vários tipos de sensores de medição de nível, dentre os quais pode-se destacar os dispositivos do tipo ultrassônico e os dispositivos do tipo pressão diferencial. A seguir, é feita uma introdução sobre os dispositivos, segundo Bega (2011): 1. Dispositivos do tipo ultrassônico: são utilizados para a detecção contínua de nível e se caracterizam pelo tipo de instalação, que pode ser no topo do equipamento o qual se deseja medir o nível, sem contato com o produto. O nível é medido com base na velocidade de propagação da onda no meio e no tempo decorrido entre a emissão e a recepção da onda refletida. O princípio de operação é por meio da técnica do ECO, que baseia-se na reflexão da onda gerada pelo sensor, quando encontra a interface com o produto cujo nível se deseja medir. Sendo assim, por meio do som que se propaga em forma de onda, com frequência e velocidade características que são constantes em um determinado meio, e do tempo decorrido entre a emissão e a recepção da onda refletida, é possível que o transmissor do instrumento calcule a distância do líquido em relação ao topo do tanque, e assim converta o valor para um sinal elétrico proporcional a percentagem de nível do tanque. Capítulo 2. Pirâmide da Automação 13 2. Dispositivo do tipo pressão diferencial: o dispositivo mede a pressão da coluna líquida, desenvolvida pelo líquido confinado dentro do equipamento cujo nível se deseja medir. A medição da coluna líquida (hidrostática) é feita utilizando-se transmissor de pressão diferencial. O dispositivo mede a pressão e transmite o sinal proporcional a altura da coluna líquida, que é calcula pelo próprio transmissor por meio da divisão do valor de pressão pelo valor de densidade relativa do líquido e da gravidade. Apesar da boa confiabilidade da técnica de medição de nível por ultrassom, o vapor proveniente do aquecimento da água dentro do tanque estudado neste trabalho, produz uma falsa medição do nível fazendo com que a medição gere ruídos, uma vez que as ondas ultrassônicas detectam a névoa de vapor de água, interferindo consideravelmente no automatismo da bomba de água fria. Uma das melhorias que podem ser feitas no processo é instalar um dispositivo do tipo pressão diferencial para a medição de nível do tanque a fim de eliminar os ruídos provenientes da medição por ultrassom. 2.1.2.3 Válvula de Controle As válvulas de controle têm um papel muito importante no controle automático de processos industriais e fazem parte do conjunto de elementos finais de controle, sendo responsável pela manipulação do fluxo de matéria e/ou energia, que tem como finalidade atuar no processo de modo a corrigir o valor da variável controlada sem que haja algum desvio em relação ao valor desejado (BEGA, 2011). Os componentes de uma válvula de controle são basicamente o corpo mecânico e o atuador. O sistema de atuação das válvulas de controle normalmente transformam pressão de ar em força aplicada ao diafragma da mola ou pistão, e existe uma relação praticamente linear entre a pressão de ar de atuação e o deslocamento da haste mecânica (ALTMANN, 2005; BEGA, 2011). Segundo Altmann (2005), um atuador é a parte de um conjunto da válvula que responde ao sinal de saída analógica do controlador, fazendo com que ocorra um movimento mecânico que, por sua vez, resulte em modificação do movimento do fluido por meio da válvula. Para Altmann (2005), um atuador deve ser capaz de executar duas funções básicas: • Responder a um sinal externo e fazer com que uma válvula se mova proporcionalmente ao sinal, além de ser capaz de realizar outras funções como ações de segurança em defeitos indesejados. • Fornecer suporte (se necessário) para acessórios como fim-de-curso, interruptores, válvulas solenoides e controladores locais. As válvulas de controle podem ter atuação digital, elétrica, hidráulica ou pneumá- tica. Neste trabalho, a válvula de controle utilizada tem um atuador pneumático, sendo Capítulo 2. Pirâmide da Automação 14 necessário somente o sinal do controlador e o ar de instrumentação, que pode ser nitrogênio ou ar comprimido seco, para o funcionamento. Os atuadores pneumáticos respondem a um sinal de ar, movendo a guarnição da válvula para uma posição de estrangulamento correspondente, por meio de um transdutor que transforma o sinal de corrente para pressão, de modo que a válvula se mova proporcio- nalmente ao sinal. A força do ar se opõe a força gerada pela mola, a qual limita o curso e regula a posição da haste do corpo mecânico (BEGA, 2011; ALTMANN, 2005). A maioria dos atuadores operam numa faixa de pressão que varia de 3 a 15 PSI, o que representa 0,2 a 1,0 kgf/cm2 (BEGA, 2011). Ou seja, quando receber o range máximo de sinal proveniente do controlador, o atuador deve trabalhar na faixa de 1,0 kgf/cm2 para que a válvula de controle atinja a sua posição extrema de abertura. Por meio de inspeção visual, constatou-se que o atuador utilizado neste projeto responde ao sinal de controle proveniente do CLP e por estar em localização de difícil acesso, jamais foi inspecionado mecanicamente após a sua instalação. Portanto, para verificar se a pressão de nitrogênio está de acordo com as especificações do atuador, é necessário uma auditoria na malha de controle. Todavia, existem outras faixas de pressão de atuação, que devem ser verificadas de acordo com cada fabricante. Bega (2011) observou que a válvula de controle acaba sendo o elemento que recebe menos atenção na malha de controle, além de ser o componente mais sujeito a condições severas de pressão, temperatura, corrosão, etc., e ainda assim, deve operar de modo satisfatório para não comprometer o controle. A válvula de controle do projeto em questão pode não estaroperando linearmente e/ou pode apresentar agarramentos devido a desgaste proveniente da sua aplicação que é controlar o fluxo de vapor de água. 2.2 SCADA Segundo Seixas Filho (2007), os sistemas SCADA são sistemas de supervisão de processos industriais que coletam dados do processo por meio de remotas industriais, principalmente Controladores Lógico Programáveis, formatam os dados, e os apresentam ao operador de uma planta industrial, em uma multiplicidade de formas. Os sistemas de supervisão oferecem as seguintes funções básicas: • Funções de supervisão: Inclui os monitoramentos de processos, como sinóticos, gráficos de tendência de variáveis analógicas e digitais, totalizadores e alarmes. • Funções de operação: Inclui os ligamentos, desligamentos e sequências de equipa- mentos, além de operação das malhas PID e mudança de modo de operação de equipamentos. A Figura 9 mostra as funções de operação disponíveis no SCADA para o processo considerado neste trabalho. O operador pode colocar a malha de controle em manual e Capítulo 2. Pirâmide da Automação 15 atuar na sua abertura alterando o valor da CV, ou pode colocar a malha de controle em automático e alterar o SP. Figura 9 – Funções de Operação da Malha de Controle no SCADA. Fonte: Autor. Cada sistema SCADA gerencia um certo número de objetos também denominados entidades que descrevem as variáveis de processo controladas e os elementos habituais de uma mesa de controle. A atividade principal de configuração de um supervisório é definir cada variável de processo na base de dados. Hoje, praticamente todos os sistemas SCADA abandonaram linguagens próprias e padronizaram o Visual Basic ou o VBA da Microsoft como sua linguagem de geração de aplicações (Seixas Filho, 2007). A rede de supervisão normalmente é separada da rede de controladores, e ambas se comunicam por meio do servidor dedicado da rede de automação, viabilizando o controle do processo. De acordo com a norma IEC 61131-5, cada estação de operação é chamada de Client e faz a interface homem máquina, além de ajudar o operador a criar e manter uma imagem mental fiel e operacional do processo e seus componentes. A atuação de um operador em uma malha de controle fechada é ajustar o setpoint no ponto de operação de seu desejo, além de ligar e desligar equipamentos no modo manual e fazer o acompanhamento dos equipamentos que funcionam no modo automático, verificando alarmes e possíveis falhas. O sistema SCADA utilidado neste trabalho é o software FactoryTalk View da Rockwell Automation. Capítulo 2. Pirâmide da Automação 16 2.3 PIMS O Sistema de Gerenciamento das Informações da Planta, do inglês Plant Information Management System (PIMS) é um sistema de aquisição de dados que, basicamente, recuperam os dados do processo residente de forma distinta, armazenado-os num Banco de Dados e disponibilizando-os por meio de diversas ferramentas (CARVALHO et al., 2005). O sistema é composto por um Servidor Principal, que faz a centralização das informações de uma planta. As informações são enviadas pelos Servidores de Comunicação, que por sua vez estão instalados em cada processo distinto da planta e interligados diretamente ao nível 2 e 3 da Pirâmide de Automação, controladores e sistemas de supervisão, respectivamente, via protocolo OPC. A partir do PIMS, é possível visualizar, por meio de uma estação de trabalho conectada na rede corporativa da planta industrial, os dados do processo em tempo real. O PIMS é uma ferramenta fundamental para engenheiros de processo, pois o sistema pode gerar gráficos de tendência, tabelas, telas sinóticas, etc., permitindo a conclusão sobre comportamento atual e passado da planta, além do entendimento das situações operacionais que se apresentam (CARVALHO et al., 2005). Para o profissional de controle e automação o PIMS é uma ferramenta importante para a aquisição de dados que possibilitem a identificação de sistemas. Neste trabalho, foram utilizadas as ferramentas do PIMS para a coleta de dados do processo em questão, proveniente da realização de testes. Registraram-se os valores da variável de processo (medição de temperatura), da variável de controle (abertura da válvula), do atual setpoint, e da principal perturbação do controle de temperatura (estado das bombas de água fria, ligadas ou desligadas). A ferramenta Excel Add-In promove a integração entre o software do PIMS e o Excel, possibilitando a coleta de dados em um intervalo de tempo pré-determinado. 17 3 DESCRITIVO DO PROCESSO O sistema escolhido para a implantação do controle foi um Trocador de Calor, que é muito utilizado nas indústrias para fornecer energia a uma corrente de processo. Segundo Campos e Teixeira (2010), o controle de trocadores de calor, permite o projeto de unidades com baixo custo operacional, onde correntes quentes da planta fornecem calor às correntes frias, de forma a minimizar as necessidades de outras fontes de calor. Segundo Lyra (2017), “Trocador de Calor é um dispositivo usado para realizar o processo da troca térmica entre dois fluidos em diferentes temperaturas. Este processo é comum em muitas aplicações da Engenharia”. Na ArcelorMittal Monlevade, existem três caldeiras que produzem vapor para o processo siderúrgico tendo como seu principal cliente o Alto-Forno da unidade. Outro cliente é o Trocador de Calor, constituído por um tanque e um feixe de serpentinas, que tem o objetivo de aquecer a água, utilizando o fluido de vapor como elemento de controle. Não há mistura entre os dois fluidos, ou seja, há um contato indireto entre a água e o vapor por meio do feixe de serpentina. É desejável que a água seja aquecida a uma temperatura específica, e armazenada dentro do próprio tanque, para que seja utilizada em diversas aplicações na usina siderúrgica. Na Figura 10 está o sistema geral representado no SCADA, onde é possível observar que a saída de vapor das caldeiras chega no barrilete antes de sair para os consumidores. Figura 10 – Produção de Vapor para o Trocador de Calor. Fonte: Autor. Segundo Lyra (2017), quanto a sua utilização, o Trocador de Calor, mostrado na Figura 11 é classificado como aquecedor (heater), pois aquece o fluido de processo, no caso Capítulo 3. Descritivo do Processo 18 a água, utilizando vapor de água. Quanto à forma construtiva, o Trocador de Calor é do tipo “casco e tubo”, pois é constituído por um casco cilíndrico que armazena a água e um feixe de serpentina por onde circula o vapor de água. Os componentes físicos principais do Trocador de Calor são o cabeçote de entrada de água de reposição, o casco, o feixe de serpentina e o cabeçote de saída de água para o consumo na planta industrial. Figura 11 – Tanque Aquecedor de Água no Campo Fonte: Autor. Como a água é armazenada dentro do próprio tanque do Trocador de Calor, ele é revestido por um isolante térmico conhecido como lã de vidro, para reduzir a transmissão de calor para o meio externo e conservar a temperatura da água, reduzindo assim uma possível perturbação para o controle. 3.1 AUTOMATISMO DA BOMBA DE ÁGUA - A PERTURBA- ÇÃO DO SISTEMA A principal perturbação do sistema é a bomba de água fria que abastece o tanque. Obviamente não é possível eliminá-la, uma vez que o tanque não pode ficar sem reposição, Capítulo 3. Descritivo do Processo 19 pois é necessário abastecer o cliente do processo estudado intermitentemente. O tanque tem aproximadamente 30 m3 de água e é abastecido por duas bombas centrífugas de água fria, à temperatura ambiente, sendo que uma funciona intertravada com o nível do tanque e a outra fica reservada caso a primeira apresente defeito. As bombas são acopladas a motores de indução trifásicos de 5 CV, acionados por partida direta. A medição de nível é feita por uma sonda ultrassônica instalada no tanque, cujo transmissor envia um sinal de 4 a 20 mA proporcional ao nível, para o CLP, viabilizando o controle automático do nível de água no tanque. Sendo assim, a bomba de água fria funciona de acordo com a programação em linguagem ladder criadapara o seu automatismo, ligando quando o nível atinge 75% e desligando quando o nível atinge 100%. Está faixa de acionamento da bomba deve ser mantida uma vez que os modelos matemáticos do processo foram obtidos com a automação das bombas funcionando desta maneira. 3.2 A MALHA DE CONTROLE DE TEMPERATURA De forma independente ao controle automático de nível do tanque, tem-se o controle de temperatura da água. Ele é realizado pelo mesmo CLP, por um termopar para medir a temperatura da água (PV) e uma válvula de controle (CV), instalada na rede de vapor de água para fazer o controle do fluxo de vapor pelo Trocador de Calor. O vapor de água, passando pelo feixe de serpentina, troca calor com a água e aquece-a, condensando no final da sua rede. Para medir a temperatura da água no tanque, é utilizado um termopar do tipo K, que envia um sinal de 4 a 20 mA por meio de seu transmissor, proporcional à temperatura, para uma entrada analógica do CLP que converte o valor em Unidade de Engenharia utilizando-o como PV. O controle é feito portanto pela medição de temperatura. Conforme mostrado na Figura 9 e na Figura 14, no SCADA o operador pode monitorar o processo visualizando em tempo real as medições de nível dos tanques bem como o gráfico de tendência do controle PID, sendo possível observar o SP e a variação da PV e da CV. O operador ainda tem a opção de colocar o controle em malha aberta (manual) e alterar a abertura da válvula conforme desejar ou em malha fechada (automático) para que a abertura da válvula obedeça o projeto do controlador PID implementado. O CLP utilizado para todo o processo descrito é o CompactLogix da Allen-Bradley, mostrado na Figura 5, que possui um bloco de PID pronto para ser usado, conforme a Figura 7. Capítulo 3. Descritivo do Processo 20 Figura 12 – Válvula de Controle de Temperatura no Campo. Fonte: Autor. 3.3 DIAGRAMA DE TUBULAÇÃO E INSTRUMENTAÇÃO De acordo com o norma ISA de Automação, todo processo de controle deve ser representando pelo Diagrama de Tubulação e Instrumentação, do inglês Piping & Instrumentation Diagram (P&ID) de modo que engenheiros da área de controle e de processos compreendam o sistema, sem a necessidade de compreender o processo para uma avaliação inicial, uma vez que diversos sistemas de controle podem ter os mesmos elementos iniciais e finais de controle, diferindo no seu modelo matemático. Na Figura 13, é mostrado o Level Element (LE) que é a sonda ultrassônica e o Temperature Element (TE) que é o termopar tipo K. O transmissor indicador de temperatura (TIT) utilizado neste trabalho é do fabricante ROSEMOUNT e o transmissor indicador de nível (LIT) é da SIEMENS, modelo Multiranger 100. A válvula de controle de temperatura (TCV) e o seu conversor eletro-pneumático são do fabricante FISHER. As Figuras 13 e 14 representam o sistema estudado neste trabalho, pelo P&ID e pelo SCADA. Capítulo 3. Descritivo do Processo 21 Figura 13 – Diagrama de Tubulação e Instrumentação do Processo. Fonte: Autor. Figura 14 – Tela do Sistema de Controle de Temperatura no SCADA. Fonte: Autor. 22 4 MODELO MATEMÁTICO DO SISTEMA DE CONTROLE Segundo Aguirre (2013), o modelo matemático deve ser construído a partir de dados observados que descrevem o comportamento do sistema em estudo. O modelo de um sistema, obtido muitas vezes por meio de testes em malha aberta, é feito a partir da mudança da variável de processo em função da variável de controle para obter a descrição do comportamento dinâmico do sistema. Uma das formas de se obter modelos matemáticos é por meio da modelagem caixa branca. Neste caso, é necessário conhecer a fundo o sistema, bem como as leis físicas que descrevem o sistema a ser modelado. Sendo assim, a identificação de sistemas é uma área de modelagem matemática que estuda técnicas alternativas à modelagem caixa branca. Uma das características dessas técnicas é que pouco ou nenhum conhecimento prévio do sistema é necessário, como no caso do controle de temperatura estudado neste trabalho, sendo portanto, necessário uma modelagem caixa preta. Assim, os modelos do tipo caixa preta só se interessam nas relações entre as entradas e saída do processo, e não nos mecanismos internos do processo (AGUIRRE, 2007). É importante frisar que, independente do modelo escolhido, obtém-se apenas uma representação aproximada da realidade uma vez que modelos perfeitos são praticamente impossíveis se obter (AGUIRRE, 2013). Algumas informações conhecidas podem ajudar na modelagem, como por exemplo, uma perturbação que ocorre no sistema e que é possível saber o momento que o afeta. Neste trabalho, a perturbação proveniente da entrada de água fria para repor o sistema é inevitável para que o sistema funcione, uma vez que o tanque de aquecimento tem que manter um nível para atender o processo. De posse desta informação, ela pode ser útil para o modelador identificar o sistema de controle. 4.1 FUNÇÃO DE TRANSFERÊNCIA A função de transferência (FT) de sistemas lineares invariantes no tempo é um modelo matemático que constitui um método operacional para expressar a equação diferencial que relaciona a variável de saída à variável de entrada. É definida pela razão entre a transformada de Laplace da variável de saída (função de resposta) e a transformada de Laplace da variável de entrada (função de excitação), com as condições iniciais supostas iguais a zero. A função de transferência descreve como uma determinada entrada é dinamicamente “transferida” para a saída do sistema (OGATA, 2010; AGUIRRE, 2007). Capítulo 4. Modelo Matemático do Sistema de Controle 23 Para um sistema linear, invariante no tempo, com entrada U(s) e saída Y (s), a FT é representada como a razão de dois polinômios em s: G(s) = Y (s) U(s) ∣∣∣∣∣ c.i.=0 (4.1) em que c.i. representa as condições iniciais. A função de transferência não fornece nenhuma informação relativa à estrutura física do sistema, e pode ser determinada experimentalmente com o auxílio de entradas conhecidas e do estudo das respectivas respostas do sistema. Na Figura 15, tem-se a representação da FT em diagrama de blocos, que tem a vantagem de indicar mais realisticamente o fluxo de sinais do sistema real, contendo informações relativas ao comportamento dinâmico, porém não inclui informação sobre a construção física do sistema (OGATA, 2010). Figura 15 – Função de Transferência. Fonte: (OGATA, 2010) 4.2 MODELO TÉRMICO Segundo Ogata (2010), uma das características dos sistemas térmicos é possuir comportamento de primeira ordem, sendo assim, funções de transferência de primeira ordem podem descrever muito bem a dinâmica desses sistemas, dada por G(s) = Y (s) U(s) = K τs+ 1 , (4.2) em que K é o ganho do sistema e τ é a constante de tempo, que caracteriza a velocidade com que um sistema responde a uma entrada. Na FT (4.2), U(s) é a entrada do processo, ou seja, a porcentagem de abertura da válvula, por exemplo, e Y (s) é a saída, ou seja, a variável de processo (PV). O modelo é, na maioria das vezes, uma aproximação da realidade, pois um processo real raramente é linear e de primeira ordem (CAMPOS; TEIXEIRA, 2010). Para Campos e Teixeira (2010), um modelo um pouco mais completo é o que utiliza um parâmetro adicional conhecido como tempo morto (θ) que é definido como o tempo a partir do instante em que o processo foi perturbado, em que sua variável de saída, como a Capítulo 4. Modelo Matemático do Sistema de Controle 24 temperatura por exemplo, começa a variar ou sair do seu regime permanente, cuja FT é descrita por G(s) = Y (s) U(s) = Ke−θs τs+ 1 . (4.3) 4.3 CONTROLADOR PID A maioria dos controladores aplicados na indústria utilizam o algoritmo proporcio- nal, integral e derivativo conhecido como PID. O algoritomo calcula o erro entre a variável controlada e o seu valor desejado (setpoint), gerando um sinal de controle que atua na variável manipulada (válvula) com o intuito de eliminar o desvio. As ações de controle podem ser usadas separadamente ou em conjunto, e podem ser resumidas da seguinte maneira,segundo Altmann (2005): 1. Controlador Proporcional (P): calcula uma ação de controle proporcional ao erro, porém não tem a capacidade de eliminá-lo completamente. 2. Controlador Integral (I): tem a função de eliminar o erro deixado pela ação proporci- onal, podendo resultar na redução da estabilidade na ação de controle. 3. Controlador Derivativo (D): ação de controle adicionada para introduzir estabilidade dinâmica no controle, capaz de antecipar o comportamento do processo. O sinal de controle gerado pelo controlado PID é, de acordo com o padrão ISA, u(t) = Kc ( e(t) + 1 TI ∫ t 0 e(τ)d(τ) + TD de(t) dt ) (4.4) sendo, de acordo com Campos e Teixeira (2010): • u(t): sinal de saída do controlador que atua no elemento final de controle; • e(t): sinal de entrada do controlador, que é o erro entre o valor desejado e o valor real; • Kc: ganho proporcional à amplitude do valor do sinal de erro; • TI : tempo integral, que dará a ação proporcional à integral do sinal de erro; • TD: tempo derivativo, responsável pela ação proporcional à derivada do sinal de erro. A função de transferência do controlador PID é dada por C(s) = U(s) E(s) = Kc ( 1 + 1 TIs + TDs ) . (4.5) Capítulo 4. Modelo Matemático do Sistema de Controle 25 Neste trabalho, devido ao padrão Standard, conhecido como equação PID indepen- dente, utilizado pelo MATLAB R©, os ganhos do controlador foram configurados no CLP sendo: Kp = Kc, Ki = KcTI e Kd = KcTD. Portanto, a FT utilizada pelo controlador é: C(s) = U(s) E(s) = Kp +Ki 1 s +Kds. (4.6) Os parâmetros do controlador PID correspondem aos efeitos Proporcional, Integra- dor e Derivador do sinal de erro atuante. O processo de ajuste dos parâmetros é comumente chamado de sintonia do controlador, que é o principal objetivo deste trabalho. 4.4 CONTROLE POR REALIMENTAÇÃO E CONTROLE ANTE- CIPATÓRIO A função de transferência em malha fechada, conhecida como feedback que relaciona a saída do sistema Y (s) = PV com a entrada R(s) = SP pode ser obtida analisando o diagrama de blocos da Figura 16. Neste exemplo, G(s) é o modelo térmico obtido por (4.2) e C(s) é o modelo do controlador dado em (4.6) (CAMPOS; TEIXEIRA, 2010). Figura 16 – FT de Malha Fechada. Fonte: Adaptado de Campos e Teixeira (2010). Considerando que a entrada do controlador C(s) é o sinal E(s), a sua saída pode ser calculada como U(s) = C(s)E(s) (4.7) A saída do sistema é: Y (s) = G(s)U(s) (4.8) Substituindo (4.7) em (4.8) tem-se: Y (s) = G(s)C(s)E(s) (4.9) Capítulo 4. Modelo Matemático do Sistema de Controle 26 Como E(s) = R(s)−Y (s), substituindo em (4.9), obtém-se a FT em malha fechada Y (s) R(s) = G(s)C(s) 1 +G(s)C(s) . (4.10) O controle por realimentação utiliza o desvio da variável controlada em relação ao valor desejado, por meio do sinal E(s) para efetuar a ação corretiva. O ponto forte deste controle é que não se necessita conhecer antecipadamente os distúrbios que afetam o processo (BEGA, 2011), porém, neste trabalho, existe um distúrbio (perturbação) conhecido cuja inserção no modelo do sistema é interessante. Sendo assim, é necessário obter um controle por antecipação, conhecido como feedforward, pois, como se conhece o processo, sabe-se que a perturbação afeta muito o controle. Portanto, o objetivo do controle por antecipação é responder diretamente aos distúrbios, proporcionando um controle preditivo (BEGA, 2011). A Figura 17 mostra claramente como ocorre a implementação do controle. Figura 17 – Controle por Antecipação. Fonte: (NOF, 2009). 4.4.1 Modelo Considerando o Distúrbio Sendo assim, para se obter a FT do processo com a perturbação, é necessário representar o diagrama de blocos para o modelo térmico do processo considerando o distúrbio. Na Figura 18, pode-se observar que U(s) é a ação da válvula, comandada pelo controlador, e que Y (s) é a variável controlada. Sendo assim, é fácil perceber que G1(s) = Ke−θs (4.11) G2(s) = 1 τs+ 1 (4.12) Capítulo 4. Modelo Matemático do Sistema de Controle 27 Figura 18 – Diagrama de Blocos do Modelo Térmico Considerando a Perturbação. Fonte: (OGATA, 2010) adaptado. E por fim, tem-se o ganho da perturbação: G3(s) = Kw (4.13) Logo, a função de transferência do modelo é Y (s) = Ke −θs τs+ 1U(s) + Kw τs+ 1D(s). (4.14) Quando os componentes de um sistema de controle estão conectados, seu comporta- mento dinâmico geral pode ser descrito combinando as funções de transferência para cada componente. Um exemplo é o feedback & feedforward conforme mostrado no diagrama de blocos da Figura 19. Obtém-se finalmente um controle regulatório, que trata de distúrbios que entram no sistema. O ponto de ajuste (SP) é fixo, desejando-se manter a variável de processo o mais próximo possível do valor desejado, apesar das perturbações (NOF, 2009; CAMPOS; TEIXEIRA, 2010). Considerando que o desejo é o cancelamento da perturbação, de modo que Y (s) D(s) = 0, obtém-se portanto −Kw K , que representa o controle antecipatório pois está atuando na entrada do processo U(s) juntamente com o controlador C(s). No diagrama, o modelo térmico do processo considerando a perturbação, mostrado na Figura 18, está presente e foi calculado em (4.14). Obviamente, existem mais perturbações no sistema, como a pressão do vapor que passa pelo feixe de serpentinas do Trocador de Calor, ou algum distúrbio no sinal do termopar que envia o valor da temperatura, ou ainda mal comportamento da válvula devido a desgaste físico. Porém só é possível mensurar a perturbação D(s) que se refere a entrada de água fria no sistema, que é conhecida. Considerando que, segundo Aguirre (2007), o modelo desenvolvido para um deter- minado sistema é apenas uma representação aproximada de algumas características do Capítulo 4. Modelo Matemático do Sistema de Controle 28 Figura 19 – Diagrama de Blocos do Sistema de Controle. Fonte: Autor. sistema real, pode-se considerar que a modelagem do processo obtida em (4.14), é melhor que um modelo obtido somente por feedback e pode ser um bom modelo para o sistema apresentado neste trabalho, o que é percebido após a validação do controle. 29 5 IDENTIFICAÇÃO DO SISTEMA DE CON- TROLE Segundo Aguirre (2007), a identificação de parâmetros do modelo de um sistema de controle se propõe a obter um modelo matemático que explique, pelo menos em parte ou de forma aproximada, a relação de causa e efeitos presente nos dados. Que modelo há que ao ser excitado por u(k), resulta em y(k)? Como se sabe, o sistema foi modelado por um feedback & feedforward, e os parâ- mentros a serem obtidos deste modelo, representado em diagrama de blocos na Figura 19 e por (4.14), são os ganhos K e Kw, a constante de tempo τ , e o atraso do sistema θ, conhecido também como tempo morto. De acordo com Aguirre (2007) as principais etapas de um problema de identificação, são: 1. Testes dinâmicos e coleta de dados: A identificação se propõe a obter modelos apartir de dados, e muitas vezes, os únicos dados disponíveis são os de “operação normal” do processo. Porém, quando o sistema não responde a um degrau, é necessário efetuar testes de forma a extrair informações dinâmicas, como por exemplo, gerar sinais aleatórios na variável de controle a fim de obter mudanças no comportamento da variável de processo. 2. Escolha da representação matemática a ser usada: Existem diversas representação de modelos para processo, um deles é o modelo ARX, do inglês AutoRegressive with eXogenous inputs. 3. Determinação da estrutura do modelo: No caso de modelos lineares, a escolha da estrutura se dá a partir da escolha do número de polos e zeros, bem como a determinação do atraso puro de tempo. 4. Estimação de parâmetros: Esta etapa começa com a escolha do algoritmo a ser usado. O método clássico de estimação de parâmetros pelos mínimos quadrados é utilizada nesta etapa. 5.1 COLETA DE DADOS DO PROCESSO A maneira mais simples de se identificar um sistema é pela resposta ao degrau. Segundo os procedimentos apresentados por Campos e Teixeira (2010), para variar a saída, é necessáriocolocar a malha de controle em manual e dar um degrau na entrada, ou seja, alterar o valor de abertura da válvula. Seria então registrada a variação da temperatura Capítulo 5. Identificação do Sistema de Controle 30 e a partir daí, a obtenção do ganho, da constante de tempo e do tempo morto, o que resultaria no modelo de resposta ao degrau. Porém, o sistema apresentado neste trabalho não conseguiu atingir o regime permanente. Isto devido ao comportamento intermitente e quase aleatório das bombas utilizadas para o controle de nível. Obter o regime permanente no método da resposta ao degrau é fundamental para se conseguir obter os parâmetros do modelo do processo (K, τ e θ) (CAMPOS; TEIXEIRA, 2010). É possível observar na Figura 20, que mostra a resposta do sistema ao degrau, obtida por meio do gráfico do PIMS, em que a linha azul é a variável de processo e a linha laranja é a variável de controle. Figura 20 – Resposta ao Degrau do Sistema Obtida do PIMS. Fonte: Autor. O fato ocorreu, obviamente, devido a perturbação conhecida do sistema, que é o automatismo da bomba de água fria, como pode-se observar na Figura 21, em que é mostrado o ligamento e desligamento da bomba, na linhas vermelhas. Figura 21 – Resposta ao Degrau do Sistema Incluindo a Perturbação Obtida do PIMS. Fonte: Autor. Capítulo 5. Identificação do Sistema de Controle 31 Sendo assim, é necessário identificar o sistema por meio de outro método. Uma das soluções é estimar os parâmetros (K, τ , Kw) do modelo considerando o distúrbio obtido no Capítulo 4 reescrevendo o modelo como um modelo discreto ARX e fazer uso do Método dos Mínimos Quadrados (MMQ). O MMQ determina o melhor ajuste do modelo aos dados experimentais a partir da minimização do erro. Para garantir que o MMQ tenha solução, é necessário que os sinais de entrada variem “suficientemente” de forma a evitar problemas numéricos. Sabe-se que o sinal de abertura da válvula (sinal de entrada) que é ao mesmo tempo a saída do controlador, ou a variável manipulada, na verdade é a causa do sinal de temperatura (sinal de saída do sistema de controle). Sendo assim, para estimar os parâmetros do modelo ARX pelo MMQ, foi feita uma programação no CLP CompactLogix do Sistema de Automação conforme mostrado na Figura 22, de modo que a válvula variasse a sua abertura de 30 em 30 minutos, com 100 valores pseudo-aleatórios dentro de diferentes faixas de abertura da válvula. Figura 22 – Programação em Ladder para Gerar Sinais Pseudo-aleatórios na CV. Fonte: Autor. Basicamente, o programa conta o tempo para alterar o valor na “pilha” de 100 valores da CV, ao chegar no último valor, retorna ao primeiro e começa novamente. A Figura 23 mostra o gráfico com a CV e a PV durante o período de testes com sinais aleatórios. Na Figura 24, mostra-se a resposta do sistema aos sinais pseudo-aleatórios incluindo a perturbação. Sendo assim, foram coletados os dados da variável de controle CV (abertura da válvula), além dos dados da temperatura a ser controlada (PV) e do sinal binário da bomba de água fria ligada/desligada. Foram coletados dados de 10 em 10 segundos das 3 variáveis (PV, CV e distúrbio) por meio da ferramenta Excel Add-In do PIMS, a fim de se obter os parâmetros do modelo do sistema para que fosse realizada a sintonia do controlador. Capítulo 5. Identificação do Sistema de Controle 32 Figura 23 – Resposta aos Sinais Aleatórios do Sistema Obtida do PIMS. Fonte: Autor. Figura 24 – Resposta aos Sinais Aleatórios do Sistema Incluindo a Perturbação Obtida do PIMS. Fonte: Autor. 5.2 ESTIMAÇÃO DOS PARÂMETROS DO MODELO ARX PELO MÉTODO DOS MÍNIMOS QUADRADOS A estimação de parâmetros pode ser interpretada como a solução de um problema que envolve a inversão de uma matriz. No caso do estimador MQ, essa matriz é ΨTΨ, sendo assim quanto mais aleatório for o sinal de entrada melhor numericamente condicionado é o problema (AGUIRRE, 2007). Isto justifica o uso dos sinais pseudo-aleatórios na CV. Capítulo 5. Identificação do Sistema de Controle 33 5.2.1 Modelo ARX A FT do processo considerando o distúrbio, pode ser representada por um modelo contínuo, uma vez que (4.14) resulta em Y (s)[τs+ 1] = Ke−θsU(s) +KwD(s). (5.1) E por fim, em τsY (s) + Y (s) = Ke−θsU(s) +KwD(s). (5.2) Fazendo a transformada de Laplace inversa, tem-se o modelo contínuo considerando o distúrbio τ ẏ(t) + y(t) = Ku(t− θ) +Kwd(s). (5.3) A partir do modelo contínuo, busca-se o modelo discreto fazendo τ y[k + 1]− y[k] ∆t + y[k] = Ku[k − θ] +Kwd[k] (5.4) τy[k + 1]− τy[k] + ∆ty[k] = ∆tKu[k − θ] + ∆tKwd[k] (5.5) τy[k + 1] = −(∆t− τ)y[k] + ∆tKu[k − θ] + ∆tKwd[k] (5.6) E por fim, tem-se que y[k + 1] = −∆t− τ τ y[k] + ∆tK τ u[k − θ] + ∆tKw τ d[k] (5.7) Sabendo que ∆t = 10 segundos, pois os dados foram coletados com este intervalo e, considerando que a1 = ∆t−ττ , b1 = ∆tK τ e c1 = ∆tKwτ é a matriz de parâmetros que deseja-se encontrar, tem-se portanto o modelo ARX discreto y[k + 1] = −a1y[k] + b1u[k − θ] + c1d[k]. (5.8) Na próxima seção é explicado como encontrar o vetor de parâmetros pelo MMQ e a relação do modelo ARX discreto e contínuo. 5.2.2 Método dos Mínimos Quadrados Seja um sistema representado por um modelo ARX: yk+1 = a1yk + . . .+ anyk−n + b1uk + . . .+ bnuk−m + c1dk + . . .+ crdk−r (5.9) em que c1dk + . . .+ crdk−r é um distúrbio. Capítulo 5. Identificação do Sistema de Controle 34 O modelo obtido em (5.9) pode ser escrito na forma y = XZ (5.10) com X = [ yk . . . yk−n uk . . . uk−m dk . . . dk−r ] (5.11) e Z = a1 ... an b1 ... bm c1 ... cr . (5.12) em que a matriz (5.12) é denominada vetor de parâmetros, e a matriz (5.11), vetor de regressão. Sendo assim, o problema de identificação consiste em determinar Z. Suponha que estejam disponíveis medições de duas grandezas, x e y. Tais variáveis estão relacionadas da seguinte forma y = f(x). Uma situação comum ocorre quando a função f é caracterizada por um vetor de parâmetros Z. Neste caso diz-se que f é parametrizada por Z e tal relação pode ser explicitamente representada escrevendo-se y = f(x, Z). (5.13) O problema de estimação de parâmetros consiste em estimar Z a partir de um conjunto de medidas de x e y, ou seja, a partir de x1, x2, . . . , xN e y1, y2, . . . , yN . Sendo assim, em problemas de identificação de sistemas, não apenas o vetor Z deve ser estimado como também a função f precisa ser determinada. Se a função for determinada apenas como uma estrutura matemática apta para descrever uma relação de causa e efeito, como no caso deste trabalho, os parâmetros normalmente não terão resultado físico e o modelo resultante é chamado de um modelo tipo caixa preta (AGUIRRE, 2007). Neste caso, são tomadas n restrições a fim de se ter n equações para determinar os n elementos de Z, ou seja, neste caso N = n. Capítulo 5. Identificação do Sistema de Controle 35 Desde que X seja não singular, determina-se o vetor de parâmetros invertendo X, ou seja, Z = X−1y. (5.14) Se N > n restrições de (5.9) forem tomadas, tem-se então um sistema de equações sobredeterminado, ou seja, quando há mais equações do que incógnitas. Como a matriz X não é quadrada, ela não pode ser invertida. Portanto, multiplicando (5.10) por XT em ambos os lados, tem-se XTy = XTXZ, (5.15) o que resulta em Z = [XTX]−1XTy, (5.16) no caso de XTX não ser singular. Note que (5.16) é uma solução para o problema de determinar um vetor a partir de um conjunto de equações com mais restrições do que incógnitas, sendo a solução de mínimos quadrados, ou seja, é o estimador que fornece o valor de Z que minimiza o somatório do quadrado dos erros. Considerando o modelo discreto, obtido (5.8), o MMQ é aplicado em yk = [ −yk−1 uk−θ dk−1 ] a1 b1 c1 . (5.17) Sendo assim, obtendo os parâmetros a1, b1 e c1 da matriz Z é possível relacionar o modelo discreto ARX com o modelo contínuo obtido por meio do modelo considerando o distúrbio, e encontrar os parâmetros da FT. Sabe-se que, do modelo discreto,a1 = ∆t−ττ , b1 = ∆tK τ e c1 = ∆tKwτ , então isolando τ em a1, tem-se τ = ∆t a1 + 1 . (5.18) Isolando K em b1, tem-se K = b1τ∆t . (5.19) E por fim, isolando Kw em c1, tem-se Kw = c1τ ∆t . (5.20) Capítulo 5. Identificação do Sistema de Controle 36 5.3 RESULTADOS DOS MODELOS Por meio de um algoritmo no software MATLAB R©, foi montada a matriz de regres- são, e foi aplicado o MMQ para se obter a matriz de parâmetros. Conforme mencionado na Seção 5.1, foi variada a abertura da válvula de 30 em 30 minutos, para 100 valores pseudo-aleatórios, dentro de faixas de abertura pré-determinadas. Com estas características, foram obtidos 5 modelos para o sistema de controle: • Modelo 1: obtido com sinais pseudo-aleatórios variando de 0 a 20% na abertura da válvula de controle; • Modelo 2: obtido com sinais pseudo-aleatórios variando de 10% a 40% na CV; • Modelo 3: obtido com sinais pseudo-aleatórios variando de 20% a 40% no sinal de entrada da FT do processo; • Modelo 4: obtido com sinais pseudo-aleatórios variando de 20% a 50% o sinal de saída do controlador; • Modelo 5: obtido com sinais pseudo-aleatórios variando de 40% a 60% a variável manipulada. Os parâmetros obtidos para os modelos, dados por (4.14), são mostrados na Tabela 1. Tabela 1 – Parâmetros dos Modelos Matemáticos para Diferentes Faixas de Abertura na CV ``````````````̀Modelos Parâmetros K Kw τ θ Modelo 1 0.7779 -78.0578 56020 420 Modelo 2 1.028 -112.6925 66950 320 Modelo 3 0.9380 -97.5652 53280 240 Modelo 4 0.9858 -55.4766 41270 280 Modelo 5 2.9788 -60.1719 67340 170 Para o estudo conveniente do controle de processos, é muito importante o conhe- cimento das características do processo em si. (BEGA, 2011) Uma das características mais importantes de um processo e, inclusive, dos parâmetros do modelo matemático de um sistema, são os atrasos relativos ao processo, os atrasos na medição das variáveis do processo e na transmissão dos valores das variáveis medidas. Estes atrasos provocam o chamado “tempo morto”, representado pelo parâmetro θ. O tempo morto está presente em grande parte dos processos da indústria. Bega (2011) frisou que um exemplo clássico de atraso do processo pode ser ilustrado por um Capítulo 5. Identificação do Sistema de Controle 37 processo de aquecimento, como o apresentado neste trabalho, no qual uma variação de vazão de vapor determina uma alteração na temperatura do fluido que está sendo aquecido. Tanto a condução de calor pelas paredes do tubo da serpentina de vapor como a própria dinâmica de troca térmica pelo volume do líquido no tanque determina uma resposta com tempo morto. Campos e Teixeira (2010) afirmam que o tempo morto é “o tempo a partir do instante em que o processo foi perturbado com um degrau, em que sua variável de saída, por exemplo a temperatura, começa a variar ou sair do regime permanente”. Este parâmetro é medido de modo experimental, sendo assim, após uma das variações dos sinais pseudo- aleatórios na CV, foi medido o tempo, em segundos, em que a PV começou a mudar de valor. De modo geral, os problemas com os atrasos e tempos mortos são contornados pelas ações de controle, o que nem sempre garante uma resposta adequada em relação ao real valor da variável controlada. O sistema de medição e o processo em si têm uma ligação dinâmica, sendo que o controlador, quando instalado na malha de controle, é responsável por oferecer sintonia à malha, de modo a manter o processo estável. (BEGA, 2011) A constante de tempo (τ) do sistema é outro importante parâmetro, pois representa o tempo que o sistema leva para alcançar 63,2% do seu valor final (OGATA, 2010). Pode-se concluir que quanto maior o τ , mais lento é o sistema e mais próximo está o polo do eixo imaginário. O sistema deste trabalho é estável, porém é muito lento devido à alta constante de tempo τ . O ganho estático K relaciona a variação de saída do sistema quando sujeito a uma variação do tipo degrau na entrada. Este parâmetro também é de extrema importância para caracterizar o processo. Pode-se observar que, no Modelo 5, quando a válvula teve uma faixa maior de abertura, o ganho K foi maior, pois a temperatura subiu mais que nos outros testes, devido à maior faixa de abertura. Por outro lado, o ganho Kw, negativo, mostra que a perturbação tem uma grande capacidade de diminuir a temperatura, justificando mais uma vez o controle antecipatório. 38 6 SINTONIA DO CONTROLADOR Segundo Ogata (2010), como a maioria dos controladores PID são ajustados em campo, diferentes tipos de regras de sintonia vêm sendo propostas na literatura. Com a utilização das regras de sintonia, ajustes finos do controlador PID podem ser feitos no campo. Todavia, métodos de sintonia automática vêm sendo desenvolvidos por alguns fabricantes e alguns controladores PID tem a capacidade de fazer sintonia automática online. Quando um modelo matemático da planta não é conhecido e métodos de projeto analítico não podem ser utilizados, sintonias automáticas se mostram úteis. Na área de controle de processos, sabe-se que os esquemas básicos de controle PID provaram sua utilidade conferindo um controle satisfatório, embora em muitas situações eles possam não proporcionar um controle ótimo. De acordo com Campos e Teixeira (2010), antes de se obter a sintonia do controlador PID, deve-se definir o critério de desempenho desejado para a malha, como o overshoot e o settling time. Outro fato importante é saber o ponto de operação da malha de controle que deve ser 60 ◦C, 65 ◦C ou 70 ◦C, dependendo da aplicação da água quente, e que o controle proposto deve ter o menor erro estacionário possível. O principal critério para o ajuste de uma malha de controle, que deve ser sempre satisfeito, é a estabilidade. Sendo assim, a sintonia faz com que todos os polos da função de transferência em malha fechada tenham a parte real negativa. A estabilidade de um processo pode alterar-se dependendo se o sistema opera em malha aberta ou malha fechada, e a função do sistema de controle é justamente alterar o comportamento dinâmico do processo, de modo que opere satisfatoriamente, com pouca oscilação (BEGA, 2011). Um dos principais aspectos que influenciam na operação de um processo de modo satisfatório é a sintonia do controlador, que determina os ganhos proporcional, integral e derivativo do sistema. Cada estratégia de controle exerce uma influência na estabilidade do sistema, e o que se faz normalmente, em teoria de controle, é pesquisar os valores das parâmetros do controlador e seus respectivos efeitos. Neste capítulo, é utilizada a ferramenta Control System Designer do MATLAB R© obtida por meio do comando rltool(G) ou sisotool(G), sendo G a função de transferência do processo a ser controlado. 6.1 MÉTODOS DE SINTONIA PARA UM CONTROLADOR Neste trabalho, são utilizados alguns métodos de sintonia, descritos em Campos e Teixeira (2010), no Capítulo 3, de Sintonia de Controladores. São eles: Capítulo 6. Sintonia do Controlador 39 • Método de Skogestad; • Método CHR (Chien, Hrones e Reswick); • Método de Ziegler & Nichols. O trabalho de Ziegler & Nichols, de 1942, foi inovador no sentido de ter sido o primeiro a propor uma metodologia objetiva e simples para a sintonia de controladores PID. A respeito desta sintonia, pode-se destacar que o ganho proporcional do controlador (Kp) é inversamente proporcional ao ganho do processo (K) e à razão entre o tempo morto e a constante de tempo do processo (θ/τ). Quanto maior a razão, mais difícil é controlar o processo e menor deve ser o ganho do controlador. O tempo integral (TI) e o tempo derivativo (TD) do controlador estão relacionados com a dinâmica do processo (τ), ou seja, quanto mais lento o processo, maior deve ser o tempo integral e o tempo derivativo. Porém, deve-se lembrar que as fórmulas propostas por Ziegler & Nichols não garantem nem um desempenho específico, nem a estabilidade em malha fechada, devendo ser utilizadas com cuidado (CAMPOS; TEIXEIRA, 2010). O método CHR, proposto por Chien, Hrones e Reswick em 1952, propõe
Compartilhar