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

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