Vous êtes sur la page 1sur 96

Centro Nacional de Investigacin y Desarrollo Tecnolgico

Departamento de Electrnica

TESIS DOCTORAL
Observabilidad y observadores.
Estudio orientado hacia el diagnstico de fallas en reactores
biolgicos.

Presentada por:
Albino Martnez Sibaja
M. en C. en Ingeniera Electrnica por el CENIDET

Como requisito para la obtencin del grado de:


Doctor en Ciencias en Ingeniera Electrnica

Director de Tesis:
Dr. Carlos Manuel Astorga Zaragoza
Co-Director de Tesis:
Dr. Alejandro Alvarado Lassman

Cuernavaca, Morelos, Mxico.

11 de julio de 2011.

Centro Nacional de Investigacin y Desarrollo Tecnolgico


Departamento de Electrnica

TESIS DOCTORAL
Observabilidad y observadores.
Estudio orientado hacia el diagnstico de fallas en reactores
biolgicos.
Presentada por:
Albino Martnez Sibaja
M. en C. en Ingeniera Electrnica por el CENIDET
Como requisito para la obtencin del grado de:
Doctor en Ciencias en Ingeniera Electrnica

Director de Tesis:
Dr. Carlos Manuel Astorga Zaragoza
Co-Director de Tesis:
Dr. Alejandro Alvarado Lassman
Jurado:

Cuernavaca, Morelos, Mxico.

11 de julio de 2011.

SUBSECRETARA DE EDUCACIN SUPERIOR


DIRECCIN GENERAL DE EDUCACIN SUPERIOR TECNOLGICA
CENTRO NACIONAL DE INVESTIGACIN Y DESARROLLO TECNOLGICO

ESC\FORDOC010
CUERNAVACA, MORELOS A 30 DE JUNIO DEL 2011

Albino Martnez Sibaja


Candidato a grado de Doctorado
en Ciencias en Ingeniera Electrnica
Presente

Despus de haber sometido a revisin su trabajo final de tesis titulado Observabilidad y


observadores. Estudio orientado hacia el diagnstico de fallas en reactores
biolgicos, y habiendo cumplido con todas las indicaciones que el jurado revisor de tesis le
hizo, le comunico que se le concede autorizacin para que proceda a la impresin de la
misma, como requisito para la obtencin del grado.
Reciba un cordial saludo.

Atentamente
Conocimiento y Tecnologa al Servicio de Mxico

______________________________________
Dr. Carlos Manuel Astorga Zaragoza
Jefe del Departamento de Ingeniera Electrnica
c.c.p.: L.I. Guadalupe Garrido Rivera / Jefa del Departamento de Servicios Escolares
c.c.p.: Expediente.
Interior Internado Palmira S/N, Col. Palmira C.P. 62490, Cuernavaca, Morelos, Mxico
Tel. 01(777) 362-7770 (con 10 lneas), Fax 01(777) 362-7795

www.cenidet.edu.mx

AGRADECIMIENTOS:

A mi esposa y mis hijas, por todo el amor y comprensin que siempre me


han brindado.
A mis padres y mis hermanos, por

sus enseanzas y su apoyo

incondicional.
A mis asesores, por las acertadas contribuciones, consejos e ideas que me
proporcionaron; pero sobre todo les agradezco su amistad.

A mis sinodales, por el gran apoyo brindado para la conclusin de este


proyecto de tesis.
A todos mis amigos que me motivaron a seguir adelante para concluir
satisfactoriamente esta etapa de mi vida.

A la Direccin General de Educacin Superior Tecnolgica y a la Secretara


de Educacin Pblica, por haber otorgado la licencia beca comisin para la
realizacin de esta tesis doctoral.
Al

Programa

de

Mejoramiento

del

Profesorado

la

Asociacin

de

Universidades e Instituciones de Educacin Superior, por haber financiado


parcialmente la realizacin de este proyecto de tesis, mediante el
otorgamiento de una beca para estudios de doctorado de alta calidad.

ndice General

1. Introduccin.

2. Modelo del reactor UASB utilizado como caso de estudio.

10

2.1. Reactores anaerobios.

10

2.1.1. Reactor perfectamente agitado (CSTR).

10

2.1.2. Reactor perfectamente agitado (CSTR) con recirculacin.

11

2.1.3. Reactor de manto de lodo anaerobio de flujo ascendente (UASB).

12

2.1.4. Reactores de biopelcula.

14

2.2. Modelado de la digestin anaerobia.

15

2.2.1. Modelo ADM1.

16

2.2.1.1. Modelo ADM1 con dos grupos bacterianos.

17

2.2.1.2. Modelo ADM1 con un grupo bacteriano.

18

3. Sistema de Adquisicin e Interfaz Hombre - Mquina.

20

3.1. Sistema de adquisicin y procesamiento de seales.

20

3.2. Interfaz Hombre - Mquina.

23

3.2.1. Interfaz hombre mquina para el pH del reactor.

24

3.2.2. Interfaz hombre mquina para el volumen de biogs producido.

25

3.2.3. Interfaz hombre mquina para el flujo del reactor.

26

3.2.4. Interfaz hombre mquina para la concentracin de biomasa del reactor.

27

3.2.5. Interfaz hombre mquina para la concentracin de DQO del efluente del reactor.

28

3.2.6. Mdulo de avisos operativos de la interface hombre mquina.

29

4. Esquema de diagnstico y aislamiento de fallas.

30

4.1. Teora de deteccin y aislamiento de fallas basada en modelos.

30

4.1.1.

Deteccin y aislamiento de fallas.

34

4.1.2.

Generacin de residuos robustos.

36

4.2. FDI basada en observabilidad asinttica.


4.2.1.

38

Observador de intervalo.

42

4.3. Diseo e implementacin de un esquema original de diagnstico SIOS IFD.

45

4.3.1. Observador de intervalo diseado para el esquema SIOS-IFD.

47

4.3.2. Resultados experimentales del esquema SIOS-IFD.

52

4.4. Diseo e implementacin de un esquema de diagnstico de fallas en parmetros.

54

4.4.1.

Deteccin de falla en el parmetro Y1.

55

4.4.2.

Deteccin de falla en el parmetro YCH4.

56

4.4.3.

Resultados experimentales del esquema de diagnstico de fallas en parmetros.

58

5. Esquema de mantenimiento basado en la condicin.


5.1. Banco de observadores para esquema de mantenimiento basado en la condicin.

62
62

5.1.1. Observador asinttico 1.

62

5.1.2. Observador asinttico 2.

65

5.1.3. Observador asinttico 3.

69

5.2. Resultados experimentales de esquema de mantenimiento basado en la condicin.

72

5.2.1. Diagnstico de falla del sensor s1.

72

5.2.2. Operacin del esquema de mantenimiento basado en la condicin.

75

6. Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin.

78

7.

83

Conclusiones.

Artculos generados por este proyecto.

85

Tesis dirigidas.

86

Referencias.

87

ndice de Figuras
2.1. Diagrama esquemtico de un reactor perfectamente agitado.

11

2.2. Diagrama esquemtico de un reactor perfectamente agitado con recirculacin.

12

2.3. Diagrama esquemtico de un reactor UASB.

13

2.4. Reactor UASB utilizado en el proyecto.

15

3.1. Diagrama a bloques del sistema automtico de concentracin de gas metano.

21

3.2. Prototipo para la medicin de pH.

22

3.3. Prototipo para la medicin de biogs.

22

3.4. Ventana pH de la interfaz hombre-mquina.

25

3.5. Ventana Biogs de la interfaz hombre-mquina.

26

3.6. Ventana Flujo de la interfaz hombre-mquina.

27

3.7. Ventana Biomasa X1 de la interfaz hombre-mquina.

28

3.8. Ventana Efluente S1 de la interfaz hombre-mquina.

28

3.9. Mdulo de avisos operativos de la interfaz hombre mquina desarrollada.

29

4.1. Sistemas de deteccin de fallas.

35

4.2. Mtodos de deteccin de fallas basados en modelos.

35

4.3. Esquema SIOS-IFD.

47

4.4. Residuos para falla nica, sbita y permanente, de +50 mgDQO/L, en el sensor s1.

53

4.5. Grfica del residuo rY1 ante un incremento de 0.01 gDQO/GDQO del parmetro Y1.

58

4.6. Grfica del residuo rk ante un incremento de 0.01 gDQO/gDQO del parmetro Y1.

59

4.7. Grfica del residuo rk ante un incremento de 10% del parmetro Y1.
i

4.8. Grficas de residuos rk y probabilidad

60

rki del banco de filtros de Kalman.

5.1. Residuos del banco de observadores asintticos, ante una falla nica, sbita y permanente

61
75

de +50 mgDQO/L en el sensor s1.


5.2. Esquema de decisin basado en la condicin.

76

5.3. (a) Medicin experimental del sensor s1. (b) Estimacin de


(c) Estimacin de

(observador 3).

(observador 2).

77

5.4. Grfica de s1 conmutada por el esquema de mantenimiento basado en la condicin, debido a

77

una falla sbita y permanente de +50 mgDQO/L en el da 60 de experimentacin.


6.1. Interfaz grfica de usuario indicando modo Normal de operacin del reactor anaerobio.

79

6.2. Interfaz grfica de usuario indicando modo de Subcarga orgnica del reactor anaerobio.

79

6.3. Interfaz grfica de usuario indicando modo de Sobrecarga orgnica del reactor anaerobio.

80

6.4. Interfaz grfica de usuario indicando modo de Sobrecarga hidrulica del reactor anaerobio.

80

6.5. Interfaz grfica de usuario indicando modo de Acidognesis del reactor anaerobio.

81

6.6 Interfaz grfica de usuario indicando modo de Toxicidad del reactor anaerobio.

81

ndice de Tablas
2.1. Parmetros del modelo.

18

4.1. Matriz de Diagnstico Estructurada.

54

5.1. Media y desviacin estndar de los residuos del banco de observadores asintticos, sin falla.

73

5.2. Media y desviacin estndar de los residuos del banco de observadores asintticos con falla

74

nica, sbita y permanente de +50 mgDQO/L en el sensor s1.

Introduccin.

Cap. 1

Captulo 1.
Introduccin.
En las ltimas dcadas, diferentes tipos de reactores biolgicos han sido utilizados para el
tratamiento de residuos industriales provenientes de plantas qumicas, farmacuticas, papeleras y
alimenticias, para remover materia orgnica soluble y suspendida en las aguas residuales, as como
tambin para la reduccin de nitratos y nitritos (como contaminantes de aguas residuales) hasta gas
nitrgeno.

Un reactor biolgico (en ingls, bioreactor) es un reactor qumico en el cual, el producto que se
obtiene es generado por mltiples biorreacciones ocasionadas por microorganismos o substancias
derivadas de dichos microorganismos. Los reactores biolgicos que son utilizados para el
tratamiento de aguas residuales son conocidos como digestores.

Bsicamente, existen dos mtodos para el tratamiento de residuos orgnicos, de acuerdo con sus
caractersticas de operacin: la digestin anaerobia y la digestin aerobia. La diferencia
fundamental entre ambos mtodos es la presencia del oxgeno como elemento indispensable de la
digestin aerobia mientras que la digestin anaerobia ocurre en ausencia de oxgeno. Los
digestores anaerobios presentan numerosas ventajas sobre los aerobios, tales como: produccin de
biogs, altas velocidades de carga orgnica, baja emisin de olores y adems se requiere de poco
espacio, pocos equipos mecnicos y un bajo costo de mantenimiento. Sin embargo, tambin
existen algunas desventajas de los sistemas anaerobios, tales como: una alta sensibilidad ante
compuestos txicos y tiempos de puesta en marcha de los reactores bastante largos y complicados.

La digestin anaerobia consiste en una serie de reacciones que degradan la materia orgnica, en
ausencia de oxgeno, hasta la obtencin de dos productos principales: metano (CH4) y dixido de
carbono (CO2). La digestin anaerobia se puede dividir en las siguientes etapas: a) desintegracin
e hidrlisis, b) acidognesis, c) acetognesis, y d) metanognesis [Batstone, 2002].

Introduccin.

Cap. 1

Dentro de los reactores biolgicos utilizados para el tratamiento de aguas residuales, los reactores
anaerobios son los que presentan mayores incertidumbres, lo cual dificulta la operacin y control
de tales procesos debido a la falta de sensores capaces de medir, en lnea, muchas de las variables
implcitas en el proceso [Batstone,2002]. Los observadores de estado han sido una herramienta
muy til para la estimacin de concentraciones de materia orgnica y cinticas de crecimiento en
reactores anaerobios, pero adems, en aos recientes se han empezado a utilizar tambin para la
deteccin y aislamiento de fallas, la supervisin y el desarrollo de sistemas de ayuda a la decisin
del operador humano de este tipo de reactores.

El alto grado de complejidad de los procesos industriales actuales ocasiona que la cantidad de
informacin generada por dichos procesos rebase la capacidad de anlisis del operador humano, lo
cual dificulta la toma de decisiones [Detyniecki, 2003][Noel, 2004]. Para un operador humano, el
proceso de supervisin de un proceso industrial implica mltiples facetas, tales como: percepcin,
gestin de tiempos (tiempo de operacin del sistema y de respuesta del operador), anticipacin,
explicacin, reflexin, etctera [Dumont, 2005]. Los sistemas de supervisin ms recientes tienen
la capacidad de realizar funciones inteligentes de diagnstico y mantenimiento, para garantizar el
correcto funcionamiento de procesos de alta complejidad, los cuales seran difciles de supervisar
por el operador humano [Wang, 2006][Hu, 2005] [Lardon, 2004][Steyer, 2004][Kleer, 2003].

Los sistemas de ayuda a la decisin estn integrados por un conjunto de herramientas de apoyo al
operador humano para la solucin de problemas complejos de toma de decisiones. Estos sistemas
deben ser amigables para permitir una fcil interaccin con el operador humano, deben tener cierto
nivel de inteligencia y de autonoma para poder proponer alternativas de solucin para incrementar
la probabilidad de xito y la funcionalidad del operador humano.

Los sistemas de supervisin de procesos [Montmain, 2000]; [Benkhannouche, 1993] para


operadores han evolucionado conforme aparecen nuevas tcnicas de deteccin y aislamiento de
fallas (FDI por las siglas en ingls de Fault Detection and Isolation) [Isermann,1997]; [Isermann y
Ball, 1997]. La investigacin en ste mbito ha crecido conforme a la complejidad de los
procesos industriales y ha motivado el desarrollo de diferentes tipos de enfoques para el diseo de
sistemas FDI como puede apreciarse en los artculos de [Venkatasubramanian, 2003a; 2003b;
7

Introduccin.

Cap. 1

2003c], [Frank, 1990], [Isermann, 1993] y [Basseville, 1998] y en los libros de [Patton, 1989] y
[Baseville y Nikiforov, 1993] entre otras referencias. La unidad FDI desempea una funcin de
gran importancia para mejorar la seguridad del sistema de supervisin [Kinnaert,
2003][Basseville,1998][Gertler, 1998] [Frank, 1990].

Una de las aplicaciones de las tcnicas FDI es el mantenimiento basado en la condicin, el cual
consiste en inspeccionar los equipos a intervalos regulares y tomar accin para prevenir las fallas o
evitar las consecuencias de las mismas segn la condicin del equipo que es decidida por medio de
analizar las seales de medicin. Este tipo de mantenimiento es contrario al mantenimiento
sistemtico. La decisin para determinar si un equipo necesita mantenimiento puede determinarse
por la deteccin de ligeras desviaciones con respecto a la caracterizacin nominal (paramtrica)
del proceso sin necesidad de una excitacin artificial.

Por lo anterior, en esta tesis se abordar el problema de disear un sistema de ayuda al operador
humano para un reactor anaerobio. Dicho sistema contendr algoritmos de deteccin de fallas que
estimarn las velocidades de crecimiento de los grupos bacterianos a partir de las seales
provenientes de los sensores disponibles en el reactor y adems, sern capaces de detectar cundo
existe una falla o una posible falla en el sistema, diagnosticar la posible causa de la falla, y emitir
recomendaciones para corregir la falla con el fin de evitar posibles daos al equipo, al operador o
al medio ambiente. De manera general, el sistema completo de ayuda al operador humano, incluir
las siguientes etapas:

Adquisicin y procesamiento de seales.

Interfaz hombre-mquina.

Esquema de diagnstico y aislamiento de fallas.

Esquema de mantenimiento basado en la condicin.

Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin.

La organizacin de este informe es la siguiente, en el Captulo 2 se presenta el modelo ADM1 y


los modelos simplificados para el reactor UASB utilizado como caso de estudio. En el Captulo 3
se presentan las dos primeras etapas del sistema completo de ayuda al operador humano, es decir,
8

Introduccin.

Cap. 1

la etapa de Adquisicin y Procesamiento de Seales, as como tambin la etapa de Interfaz


Hombre - Mquina.

En el Captulo 4 se presenta el Esquema de Diagnstico y Aislamiento de Fallas (FDI), el cual


constituye la tercera etapa del sistema de ayuda al operador humano desarrollado en esta tesis. En
este captulo se presentan los preliminares tericos de FDI basados en modelos analticos, el
anlisis de FDI basado en observabilidad asinttica, as como tambin, el diseo e implementacin
de un esquema original de diagnstico de fallas en sensores utilizando un observador de intervalo.
En este mismo Captulo 4 se presenta el diseo e implementacin de un esquema de diagnstico de
fallas en los parmetros, utilizando las herramientas de la geometra diferencial, mediante la
construccin de un espacio de observacin combinando el enfoque multimodelo con un esquema
de transformacin de estado e inyeccin de la salida para generar subsistemas desacoplados de
fallas en los parmetros.

En los Captulos 5 y 6, se presentan las dos ltimas etapas del sistema de ayuda al operador
humano desarrollado en esta tesis, es decir, el Esquema de mantenimiento basado en la condicin
y la etapa de Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin. Por
ltimo, en el Captulo 7 se muestran las conclusiones de este proyecto.

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

Captulo 2.
Modelo del reactor UASB utilizado como caso de estudio.
2.1. Reactores anaerobios.
Un reactor anaerobio es un reactor biolgico en el cual se degrada la materia orgnica, en ausencia
de oxigeno, hasta la obtencin de dos componentes principales: metano (CH4) y dixido de
carbono (CO2), por medio de mltiples biorreacciones ocasionadas por microorganismos o
substancias derivadas de dichos microorganismos. A continuacin se presentan los diferentes tipos
de reactores anaerobios existentes.
2.1.1. Reactor perfectamente agitado (CSTR Continuously Stirred Tank Reactor).
Fueron los primeros reactores anaerobios que se construyeron y todava son ampliamente
utilizados para la digestin anaerobia de desechos con una gran concentracin de slidos, tales
como: lodos fecales y la materia orgnica de los desechos municipales [Kleerebezem 2003,
Monroy-Hermosillo 1998].
El tiempo de retencin hidrulica (TRH) de este tipo de reactores est determinado por la
velocidad de crecimiento especfico del microorganismo con crecimiento ms lento en el sistema.
En general, esto significa que se requieren valores muy grandes de TRH para alcanzar niveles
aceptables de degradacin (alrededor de 25 das). Los altos valores de TRH hacen que este tipo de
reactores sea poco factible para el tratamiento de corrientes de desechos con concentraciones
moderadas de compuestos orgnicos disueltos, es decir, de 4 a 30 Kg DQO / m 3 de agua residual.
En la Fig. 2.1 se muestra un diagrama esquemtico de un reactor de flujo mezclado. El agitador
que aparece en dicha figura se encarga de mantener una mezcla apropiada entre el afluente (flujo
de agua residual) y las bacterias que se encuentran en el reactor, sin embargo, esta misma accin
de mezclado ocasiona que el efluente (flujo de agua tratada) contenga cantidades importantes de
biomasa.

10

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

Fig. 2.1. Diagrama esquemtico de un reactor perfectamente agitado.


El balance de biomasa de un reactor perfectamente agitado puede escribirse como:
(2.1)
donde:
xi es la concentracin de los diferentes tipos de bacterias i (gDQO/L), i es la velocidad especfica
de crecimiento de cada grupo bacteriano y D es la tasa de dilucin (Flujo/Volumen, d-1).
En (2.1) se puede ver claramente que, si la tasa de dilucin D es mayor que i entonces la
concentracin de bacterias en el reactor tender a cero, con lo cual ya no ser posible realizar el
tratamiento deseado al agua residual. Por otro lado, si la tasa de dilucin es menor que la
velocidad especfica de crecimiento de la bacteria ms lenta del sistema, entonces habr un
crecimiento sin control de la biomasa xi. Por lo anterior, el valor de la tasa de dilucin de los
reactores perfectamente agitados est determinado por la velocidad de crecimiento especfico del
microorganismo con crecimiento ms lento en el sistema.
2.1.2. Reactor perfectamente agitado (CSTR) con recirculacin.
Desacoplando la biomasa o el tiempo de retencin de slidos (TRS) del TRH, puede incrementarse
la capacidad de tratamiento volumtrico para sustratos disueltos de un reactor anaerobio. La
separacin de biomasa del agua residual puede realizarse mediante sedimentacin por gravedad en
un tanque externo [Kleerebezem 2003, Monroy-Hermosillo 1998]. En la Fig. 2.2 se muestra el
diagrama esquemtico de un reactor perfectamente agitado con recirculacin. Durante la
operacin, la biomasa recolectada es regresada al reactor tipo CSTR, con lo cual se incrementa la
capacidad de degradacin volumtrica en el sistema. Sin embargo, la mxima concentracin de
11

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

biomasa que puede ser alcanzada en estos sistemas est usualmente limitada a valores de 4 a 6 Kg
DQO / m3 de reactor, por lo cual esta tecnologa solo puede ser aplicada en una escala muy
limitada para el tratamiento de aguas residuales industriales que contengan compuestos orgnicos
disueltos.

Fig. 2.2. Diagrama esquemtico de un reactor perfectamente agitado con recirculacin.


El balance de biomasa de un reactor perfectamente agitado con recirculacin, puede escribirse
como:
(2.2)
donde R es la fraccin de biomasa recuperada.
En (2.2) se observa que la tasa de dilucin D puede alcanzar valores mayores que los que se
podran manejar en el reactor perfectamente agitado sin recirculacin, debido a la fraccin R de
biomasa recuperada en el sedimentador externo.
2.1.3. Reactor de manto de lodo anaerobio de flujo ascendente (UASB - Upflow Anaerobic
Sludge Blanket).
Este reactor fue desarrollado en 1980 por el Dr. Gatze Lettinga [Lettinga, 1980]. Este tipo de
reactor cuenta con una entrada de afluente colocada en su parte inferior, un lecho de lodos, un
separador trifsico formado por un embudo colocado de manera invertida y un decantador
conectado a la salida del efluente. En la Fig. 2.3 se presenta un diagrama esquemtico de un
reactor UASB. El agua residual fluye en forma ascendente y pasa a travs del lecho de lodos. En el
lecho de lodos, la materia orgnica disuelta en el agua residual es convertida en biogs, el cual
siempre tiende a subir, con lo cual se logra una mezcla apropiada de lodo y agua y de esta manera
12

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

se evita la necesidad de un mezclado mecnico [Kleerebezem 2003, Monroy-Hermosillo 1998,


Kalyuzhnyi 1997].

Fig. 2.3. Diagrama esquemtico de un reactor UASB.


En los reactores UASB el biogs es colectado a travs del separador de tres fases, mientras que la
mezcla de agua y lodo fluye a travs del sedimentador que se encuentra en la parte ms alta del
reactor, donde la biomasa es capturada y regresada por gravedad al compartimiento de reaccin.
En este tipo de reactores se pueden tratar aguas residuales con altas concentraciones de biomasa,
es decir, de 20 a 30 Kg DQO/ m3 de reactor. La simplicidad de su construccin y su gran
capacidad de tratamiento volumtrico han hecho que los reactores de tipo UASB sean los ms
utilizados a nivel mundial.
A partir del reactor UASB, se han derivado otros tipos de reactores, tales como el UASB en dos
etapas y el reactor de lecho de lodo granular expandido (EGSB - Expanded Granular Sludge
Blanket reactor)[Rinzema, 1993].
El reactor UASB en dos etapas est compuesto por dos reactores UASB conectados en serie. En el
primer reactor se ocupa nicamente de la etapa acidognica, mientras que el segundo reactor se
encarga de la fase metanognica. Esta configuracin permite aumentar la velocidad de carga de la
etapa metanognica, debido a que ingresan sustratos directamente asimilables por las bacterias
metanognicas [Mussati,2000][Monroy-Hermosillo,1998]. Una de las ventajas principales de los
13

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

reactores UASB en dos etapas es la posibilidad de un mejor control del proceso debido a que, en
general, las bacterias acidognicas son menos sensibles que las bacterias metanognicas ante
agresiones en las condiciones ambientales. Por lo tanto, la recuperacin de un reactor UASB en
dos etapas, en comparacin con un UASB simple, es ms rpida y segura ante perturbaciones tipo
shock en las especificaciones del afluente, tales como el ingreso de compuestos txicos. Por otro
lado, la principal desventaja de estos sistemas son sus mayores costos tanto de instalacin como de
operacin en relacin a los reactores de una sola etapa.
Un reactor EGSB es prcticamente idntico a un UASB pero construido con una geometra ms
larga y ms delgada, para alcanzar velocidades de flujo ascendente mucho mayores [Kleerebezem,
2003][Rinzema,1993]. Las altas velocidades de flujo ascendente de lquido, hacen menos crtica la
distribucin del agua residual en la parte baja del reactor y en consecuencia, las capacidades de
tratamiento y concentracin de biomasa son generalmente mejores que en el caso de los reactores
tipo UASB convencionales, aunque el modelo matemtico esencialmente es el mismo.
2.1.4. Reactores de biopelcula.
Otro tipo de reactores anaerobios que han sido investigados en los ltimos aos utilizan biomasa
adherida en una pelcula fija (reactores de lecho fijo - fixed film reactors) o en un material soporte
mvil (reactores de lecho fluidizado - fuidized bed reactors). Ninguno de estos reactores tiene la
limitacin hidrulica encontrada en los reactores UASB. Sin embargo, el volumen ocupado por el
material de soporte que se encuentra en el interior de este tipo de reactores, reduce el volumen til
que est disponible para la formacin de biomasa, por lo que las capacidades de tratamiento
volumtrico de este tipo de reactores es generalmente baja [Kleerebezem, 2003].
El desarrollo de un modelo matemtico para un reactor anaerobio de biopelcula se torna complejo
si se incorporan todas las etapas biolgicas con sus mecanismos inhibitorios, el clculo del pH y
de las concentraciones de especies inicas y no disociadas, as como tambin la velocidad de
produccin global de gas, debido principalmente a las dificultades implcitas en el modelado de la
biopelcula y su distribucin en el interior del reactor [Mussati, 2000][Gupta, 1997][Suidan, 1994].

14

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

Fig. 2.4. Reactor UASB utilizado en el proyecto.


El reactor biolgico utilizado como caso de estudio en este proyecto es el reactor anaerobio de
manto de lodos de flujo ascendente (UASB - Upflow Anaerobic Sludge Blanket) mostrado en la
Fig. 2.4, el cual ha sido fabricado a escala de laboratorio, para fines de investigacin. Las
dimensiones del reactor UASB mostrado en la Fig. 2.4, son las siguientes: altura total 650 mm.,
altura til 550 mm, dimetro interno 70 mm. y un volumen til de 2.11 L.

2.2. Modelado de la digestin anaerobia.


Es de sobra conocido que la tarea de obtener un modelo matemtico para un proceso, no es una
actividad trivial. En ingeniera de procesos existen numerosos procesos complejos que
comprenden variables que han sido modeladas de manera heurstica de una manera u otra forma.
Por ejemplo, la ecuacin de Monod utilizada para describir la tasa de crecimiento de bacterias en
un reactor biolgico [Kornaros, 1996] o las ecuaciones de equilibrio lquido-vapor en los procesos
de destilacin [Grassi II, 1992].

El modelado de la digestin anaerobia ha sido una lnea de investigacin muy activa durante las
ltimas dcadas, desde los primeros modelos que consideraban la existencia de un solo grupo
bacteriano hasta modelos ms complejos que consideran la existencia de mltiples grupos
bacterianos [Lettinga,1980] [Denac,1988] [McCarty,1991] [Angelidaki,1993] [Suidan,1994]
[Kalyuzhnyi,1997] [Gupta,1997].
15

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

2.2.1. Modelo ADM1.


Hacia finales de la dcada de los 90s, haban tantos modelos de reactores anaerobios, que la
International Water Association (IWA) estableci el Grupo de Trabajo IWA-Anaerobic Digestin
Modelling, en el Octavo Congreso Mundial de Digestin Anaerobia, realizado en Sendai, Japn,
en 1997, con la meta de desarrollar un modelo generalizado de digestin anaerobia. El resultado de
este trabajo fue el modelo ADM1 [Batstone,2002].
La estructura del modelo ADM1 incluye mltiples etapas que describen los procesos bioqumicos
y fisicoqumicos de la digestin anaerobia. La etapa bioqumica incluye la desintegracin de
partculas homogneas en carbohidratos, protenas y lpidos; la hidrlisis extracelular de esas
partculas en azucares, aminocidos , y cidos grasos de cadena larga (LCFAs), respectivamente;
la acidognesis de azucares y aminocidos en cidos grasos voltiles (VFAs) e hidrgeno; la
acetognesis de LCFAs y VFAs en acetato; y en forma separada, las etapas de metalognesis del
acetato y la mezcla de hidrgeno y bixido de carbono. Por su parte, las ecuaciones fisicoqumicas
describen la asociacin y disociacin de iones, y la transferencia gas-lquido, mediante un
conjunto de ecuaciones diferenciales. A partir de 2002, muchos investigadores han utilizado el
ADM1 como la base de sus investigaciones en torno al modelado de la digestin anaerobia y
simplemente han adecuado el modelo al tipo de reactor utilizado. En el Anexo A se presenta una
amplia descripcin del modelo ADM1, mientras que en el Anexo B se presenta la programacin de
dicho modelo, en MATLAB, as como tambin se presentan algunas simulaciones del mismo.
En el Anexo A se puede verificar que el modelo ADM1 considera 24 de variables de estado, de las
cuales 7 corresponden a diferentes grupos bacterianos que deberan ser medidos para poder
realizar un sistema de diagnstico de fallas a partir del modelo completo. Sin embargo, es
prcticamente imposible tener la instrumentacin necesaria para poder medir la concentracin de
cada uno de los grupos bacterianos que se encuentran presentes en la digestin anaerobia, as como
tambin es muy difcil medir las presiones parciales de los gases metano, dixido de carbono e
hidrogeno, en el interior del reactor. Cabe destacar que estas ltimas mediciones seran necesarias
para poder realizar el clculo de la transferencia de fase lquida a fase gaseosa del metano, el cual
es uno de los principales productos de la digestin anaerobia. Por lo anterior, en este proyecto se
han desarrollado dos modelos simplificados del ADM1, en modo de operacin continuo, para el
reactor UASB utilizado como caso de estudio.
16

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

2.2.1.1.Modelo ADM1 con 2 grupos bacterianos.

(2.3)

con:
,

donde: x1 y x2 son las concentraciones de biomasa acidognica y metanognica, respectivamente.


s1 y s2 son las concentraciones de DQO y AGV del efluente, respectivamente. QCH4 es el flujo de
gas metano que sale del reactor. D(t) es la tasa de dilucin, Km,i y Ks,i (i = 1, 2) son las velocidades
especficas de crecimiento y las constantes de semisaturacin para la biomasa acidognica y
metanognica, respectivamente. Kd es la velocidad especfica de decaimiento de biomasa, Y1 y Y2
son los coeficientes de produccin de biomasa acidognica y metanognica, respectivamente.
son las concentraciones de DQO y AGV en el afluente del reactor, respectivamente. IPH
representa la inhibicin por pH, donde pHLL y pHUL son los lmites inferior y superior de pH,
respectivamente. INH3 representa la inhibicin por amonio libre en la metanogenesis. sNH3 y KNH3
son la concentracin y la constante de inhibicin de amonio libre, respectivamente. En la Tabla 2.1
se presentan los parmetros del modelo, los cuales fueron ajustados heursticamente, tomando
como punto de partida diferentes valores encontrados en la literatura. Especficamente, para el
proceso de acidogenesis los mejores resultados fueron obtenidos a partir de los parmetros
presentados por (Angelidaky et al., 1993). Para el proceso de metanogenesis, el coeficiente de
produccin de metano YCH4 fue seleccionado a partir de los resultados presentados por (Michaud et
al., 2005). El parmetro adimensional a, fue obtenido heursticamente.
17

Todos los dems

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

parmetros fueron obtenidos a partir de los parmetros del modelo ADM1 presentado por
[Batstone et al., 2002]. Cabe destacar que el modelo matemtico desarrollado en este proyecto fue
validado experimentalmente y sirvi de base para el desarrollo de un observador de intervalo que
fue publicado en la memoria tcnica del Congreso Mundial de Digestin Anaerobia 2010
[Martnez-Sibaja et al., 2010].

Tabla 2.1. Parmetros del modelo.


Parmetro

Valor y unidades

Km,1

5.1 gDQO / gDQO d

Km,2

8 gDQO / gDQO d

Ks,1

0.5 gDQO / L

Ks,2

0.15 gDQO / L

Kd

0.02 1 / d

Y1

0.1 gDQO / gDQO

Y2

0.05 gDQO / gDQO

YCH4

0.35 L CH4 / gDQO

KNH3

0.0018 g mol / L

0.5 (adimensional)

2.2.1.2. Modelo ADM1 con 1 grupo bacteriano.

(2.4)
con:

18

Modelo del reactor UASB utilizado como caso de estudio.

Cap. 2

donde: x1 es la concentracin de biomasa anaerobia. s1 es la concentracin de materia orgnica


expresada como demanda qumica de oxgeno (DQO). QCH4 es el flujo de salida de biogs metano.
D(t) es la tasa de dilucin, Km1, Kd y Ks1 son la velocidad especfica de crecimiento, decaimiento y
constante de semi-saturacin para la biomasa anaerobia, respectivamente. Y1 es el coeficiente de
rendimiento para la degradacin de DQO.

es la concentracin de DQO en el afluente. IPH

representa la inhibicin por pH, donde pHLL y pHUL son los lmites inferior y superior de pH,
respectivamente. Los valores de los parmetros del modelo son mostrados en la Tabla 2.1.

19

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

Captulo 3.
Sistema de Adquisicin e Interfaz Hombre - Mquina.
En este captulo se presentan las dos primeras etapas del sistema completo de ayuda al operador
humano, para el caso de estudio presentado en el captulo 2. Cabe recordar que el objetivo de esta
tesis es disear un sistema de ayuda al operador humano de un reactor anaerobio UASB y que las
dos primeras etapas de dicho sistema, son:

Adquisicin y procesamiento de seales.

Interfaz hombre-mquina.

3.1. Sistema de Adquisicin y Procesamiento de Seales.


Para llevar a cabo la adquisicin y el procesamiento de seales provenientes del reactor, se
disearon e implementaron diferentes prototipos para la medicin en lnea de pH, volumen de
biogs producido y concentracin de metano. Cada uno de los prototipos desarrollados incluye las
siguientes etapas:

Etapa de captacin y transporte de muestra.

Control de tiempos de procesamiento.

Preparacin de la muestra.

Sensado y acondicionamiento de seal.

Sistema de adquisicin de datos va USB.

Cada prototipo fue desarrollado para realizar mediciones de manera automtica y en lnea, es decir
que cada prototipo es capaz de llevar a cabo autnomamente las operaciones de control de cada
una de las etapas antes mencionadas. El proceso de cuantificacin es llevado a cabo por el propio
sistema, sin intervencin del operario, la muestra es analizada in situ, de manera continua, esto
quiere decir que no es transportada de la zona de muestreo al laboratorio de anlisis. Para la
implementacin del sistema de adquisicin de datos se utiliz la tarjeta de adquisicin de datos
USB6008 de National Instruments.
20

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

En la Fig. 3.1 se muestra el diagrama a bloques del sistema automtico de concentracin de gas
metano, el cual se encuentra actualmente en trmite de patente, a travs de la Direccin General de
Educacin Superior Tecnolgica. Por otro lado, en la Fig. 3.2 se muestra el prototipo para la
medicin de pH. Este prototipo utiliza una sonda comercial para la medicin de pH (sensor
electrnico de pH), pero est conectado a un sistema de electrovlvulas, las cuales son accionadas
por una etapa de potencia, la cual es controlada por un microcontrolador PIC 16F84A. El sistema
de electrovlvulas permite que una muestra del agua residual contenida en el reactor sea
suministrada al sensor electrnico de pH, para realizar una medicin, y posteriormente la muestra
es desechada y enseguida el sensor es suministrado con agua destilada para que la membrana
sensible se limpie. El agua destilada utilizada para limpiar el sensor es desechada y reemplazada
por agua limpia para que el sensor permanezca con pH neutro hasta la siguiente medicin. El
periodo de muestreo del pH es programable.

Fig. 3.1. Diagrama a bloques del sistema automtico de concentracin de gas metano.
21

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

Fig. 3.2. Prototipo para la medicin de pH.


Cabe destacar que el prototipo para medicin de pH desarrollado, sirvi de base para la realizacin
del artculo Diseo e implementacin de un sistema automatizado de medicin de pH para
aplicaciones en biodigestores anaerobios, el cual fue publicado en la Memoria Tcnica del VIII
Congreso Internacional en Innovacin y Desarrollo Tecnolgico. En la Fig. 3.3 se muestra el
prototipo para la medicin de biogs desarrollado, el cual est basado en el principio de
desplazamiento de lquido. El biogs producido es colectado en una bolsa de poliamida
impermeable, la cual se encuentra sumergida en agua. El volumen de biogs producido es medido
a travs de un sensor de presin diferencial y dicha medicin tambin es enviada a la computadora
para el monitoreo y registro de los datos.

Fig. 3.3. Prototipo para la medicin de biogs.


Cabe destacar que de este prototipo se gener el artculo: Volumetric gas meter for laboratoryscale anaerobic bioreactors que actualmente se encuentra en proceso de revisin para la revista
Measurement de Elsevier.
22

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

3.2. Interfaz Hombre - Mquina.


La interfaz hombre-mquina del sistema de ayuda al operador humano est encargada de trasmitir
de manera continua los parmetros operativos al operador de la planta durante la evolucin del
proceso de digestin anaerobia. La aplicacin est programada bajo un entorno de programacin
grfica que ofrece el paquete de computacin Labview, el cual se especializa en la creacin de
sistemas de medicin, control, y transmisin de datos de procesos industriales.
Uno de los principales motivos para la utilizacin de este software de instrumentacin fue que
involucra libreras dedicadas para la integracin de hardware para visualizacin y anlisis de los
datos generados por el proceso a travs de una representacin de flujo de datos facilitando la
interpretacin para el operador humano.
La estructura general de la interfaz hombre-mquina se basa en la monitorizacin en tiempo real
de cada una de las variables medidas en el proceso. Cada variable medida involucra una serie de
elementos grficos dedicados a enviar la informacin de manera precisa al operador humano. Las
variables manejadas por la interface se encuentran divididas por pestaas, el ttulo de las pestaas
corresponden a la variable medida. Las variables mostradas por la interface hombre-mquina, son:

pH.

Biogs.

Flujo.

Concentracin de biomasa x1.

Concentracin de DQO en el efluente s1.

Mdulo de avisos operativos.


23

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

3.2.1. Interfaz hombre mquina para el pH del reactor.


La ventana pH est dedicada al control de la medicion del pH del reactor. La ventana despliega
distintos tipos de botones para controlar los equipos de medicin de la variable, los cuales incluyen
botones de control y visualizadores.
El control numrico Control Iterativo otorga la consigna de la cantidad de veces en que la
aplicacin ejecuta una rutina para que el sistema de medicion de pH determine la magnitud a
traves del manejo de una tarjeta de adquisicion de datos marca National Instruments modelo USB6008. El boton Tiempo entre rutina permite establecer el lapso de tiempo en que el sistema
realiza la medicin del pH, el sistema permite que sea llevado a la orden de milisegundos.
Finalmente el control Paro de emergencia detiene la ejecucin de la rutina de medicin de pH
permitiendo que las otras variables sean medidas con normalidad durante la evolucin del proceso
de digestin anaerobia.
Los controles numricos Tiempo de Aperura 1,2 y 3, permiten establecer el tiempo de apertura y
cierre de las valvulas, lo anterior supone que el sistema otorga la flexibilidad para programar la
rutina de medicion realizada por el sistema automatizado de pH dependiendo del sensor de pH
como mejor lo sugiera el fabricante.
Los visualizadores llamados Vlvula 1, Vlvula 2 y Vlvula 3 sirven para indicar el estado
de on o de off de las electrovlvulas pertenecientes al sistema de medicin automatizado de
pH, un color verde obscuro indica estada off mientras que un color verde claro indica on, estos
visualizadores son de gran importancia debido que es la forma en que el operador humano sabe de
su operacin debido a que el sistema de medicin se encuentra en un cuarto separado de la
terminal de monitoreo.

El indicador grfico localizado en la parte superior izquierda indica la magnitud presente y la


magnitud histrica del valor de pH, cabe destacar que la interfaz permite que el historial sea
guardado en un archivo de hoja de clculo para el post-anlisis de los datos adquiridos. El
indicador permanece siempre visible aunque se navegue por los distintos mdulos de la interfaz
24

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

hombre-mquina. En la Fig. 3.4 se muestra la captura de pantalla de la interface al seleccionar la


pestaa pH.

Fig. 3.4. Ventana pH de la interfaz hombre-mquina.


3.2.2. Interfaz hombre mquina para el volumen de biogs producido por el reactor.
Otro parametro importante del proceso de digestin anaerobia es la cantidad de biogs producido.
La interfaz hombre-mquina tiene la capacidad de realizar un monitoreo del volumen de biogs
producido a travs de un mdulo de medicin que utiliza el principio de presin diferencial el cual
se registra por medio de un sensor de presin diferencial. La seleccin de la pestaa Biogs en la
interfaz grfica despliega un conjunto de controles e indicadores destinados a medir la magnitud
de biogs (ver Fig. 3.5).
El control numrico desplegado llamado Tiempo de muestreo establece el periodo en que se
efecta la medicin del volumen de biogs, internamente la interface est programada para
interpretar la seal que enva el sensor de presin localizado en el sistema de medicin de biogs.
Por su parte, el botn Paro de emergencia sirve para detener la rutina de medicin de biogs en
caso de ser necesario pero, la operacin de la interfaz hombre-mquina para las variables restantes
no resulta detenida por la accin de este botn.
25

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

El indicador Voltaje de entrada (V) indica la magnitud de voltaje que el sensor de presin
diferencial enva a la interfaz a travs de la tarjeta de adquisicin de datos. Esta seal es
interpretada por la interface para poder monitorear el volumen de biogs producido por el reactor.
El indicador Tiempo transcurrido muestra el tiempo transcurrido desde que se efecto la ltima
medicin del volumen de biogs. Finalmente el indicador grfico localizado al centro superior de
la pantalla mostrada en la Fig. 3.5 muestra la ltima medicin de biogs, as como el trazo de una
curva de historial de medicin. Los datos de esta grfica son guardados para su anlisis posterior.

Fig. 3.5. Ventana Biogs de la interfaz hombre-mquina.


3.2.3. Interfaz hombre mquina para el flujo del reactor.
El proceso de digestion anaerobia exige el control adecuado del flujo del reactor, el cual determina
la tasa de dilucin D (D = Flujo / Volumen). El flujo est regulado de manera automtica y
adems, est protegido por el Sistema de Mantenimiento Basado en la Condicin, el cual es
presentado en el captulo 5 de esta tesis.
Por lo anterior, el operador humano solo tiene acceso al botn denominado: Paro de emergencia,
el cual se encarga de detener la operacin de la bomba y as suspender el ingreso del afluente hacia
el interior del reactor. Se decidi que fuera de esta manera para tener un control de cambios ms
restringido para este parmetro, debido a que un cambio voluntario o involuntario del operador de
26

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

la planta puede causar un efecto nocivo para la produccin de biogs e inhibir de forma
permanente a la biomasa contenida en el tanque.
La interfaz hombre-mquina cuenta con un indicador numrico llamado ml/s el cual muestra al
operador humano la cantidad de mililitros por segundo de agua residual que son ingresados al
reactor. En la Fig. 3.6 se muestra la ventana Flujo de la interfaz hombre-mquina.

Fig. 3.6. Ventana Flujo de la interfaz hombre-mquina.


3.2.4. Interfaz hombre mquina para la concentracin de biomasa del reactor.
El conocimiento de la concentracin de biomasa del reactor es de suma importancia para poder
determinar el estado de operacin del reactor. El conocimiento de la evolucin de esta variable,
hace posible que el operador humano pueda llevar a cabo acciones preventivas y/o correctivas,
previniendo la inhibicin del proceso de digestin anaerobia del reactor.

Cuando se selecciona la pestaa correspondiente de esta variable se despliega un indicador grfico


que es capaz de mostrar la tendencia de la magnitud. Por su parte, un indicador numrico se
encarga de mostrar la concentracin actual de biomasa, dentro de un recuadro para su fcil lectura
y ubicacin por parte del operador de la planta. En la Fig. 3.7 se muestra la ventana Biomasa X1
de la interfaz hombre mquina desarrollada.
27

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

Fig. 3.7. Ventana Biomasa X1 de la interfaz hombre-mquina.


3.2.5. Interfaz hombre mquina para la concentracin de DQO del efluente del reactor.
La concentracin de DQO del efluente del reactor permite conocer la eficiencia de la degradacin
de materia orgnica del agua residual que es procesada por dicho reactor. Cuando se selecciona la
pestaa Efluente S1 se despliegan dos indicadores uno de tipo grfico y otro de tipo numrico. El
indicador numrico se encarga de dar a conocer al operador humano la concentracin de DQO del
efluente del reactor. Por su parte, el indicador grfico muestra tambin la magnitud actual de la
variable y al mismo tiempo la grfica de la tendencia del comportamiento de la misma a lo largo
del tiempo. En la Fig. 3.8 se muestra la ventana Efluente S1 de la interfaz hombre mquina
desarrollada.

Fig. 3.8. Ventana Efluente S1 de la interfaz hombre-mquina.


28

Sistema de Adquisicin e Interfaz Hombre - Mquina.

Cap. 3

3.2.6. Mdulo de avisos operativos de la interfaz hombre mquina.


Una caracterstica particular de los sistemas de ayuda al operador humano para la toma de
decisiones es un mdulo dedicado al despliegue de sugerencias para acciones correctivas ante
alguna falla en los sensores o en los parmetros del proceso. En la presente tesis de investigacin
este mdulo tambin est representado en la interfaz hombre-mquina desarrollada. El mdulo de
avisos operativos es, en esencia, un cuadro de texto en el cual se imprime la informacin operativa
de ltimo momento durante la operacin del reactor anaerobio. El cuadro se considera como un
indicador textual dentro de Labview. El indicador textual se muestra en la parte superior derecha
de la aplicacin y se encuentra visible en todo momento, an cuando se est navegando entre las
distintas ventanas mencionadas anteriormente. En la Fig. 3.9 se muestra el mdulo de avisos
operativos de la interfaz hombre mquina desarrollada.

Fig. 3.9. Mdulo de avisos operativos de la interfaz hombre mquina desarrollada.

29

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Captulo 4.
Esquema de diagnstico y aislamiento de fallas.
En este captulo se presenta el diseo e implementacin del esquema de diagnstico y aislamiento
de fallas, el cual constituye la tercera etapa del sistema completo de ayuda al operador humano de
un reactor anaerobio UASB.

4.1.

Teora de deteccin y aislamiento de fallas basada en un modelo.

La deteccin y aislamiento de fallas (FDI) en lnea, se ha convertido en un problema de suma


importancia debido al incremento de la demanda de confiabilidad y seguridad en los procesos
industriales, as como tambin a restricciones econmicas y ambientales. Cuando ocurre una falla,
puede afectar la eficiencia del proceso, y si dicha falla no es localizada en una etapa temprana
podra llevar a un escenario catastrfico incluyendo lesiones al personal, contaminacin ambiental,
destruccin de bienes y de equipo.
En la actualidad, los procesos industriales son cada vez ms complejos, lo cual incrementa la
dificultad de realizar un diagnstico de fallas en lnea, en forma rpida y eficiente, debido a la
naturaleza no lineal y altamente acoplada de las variables involucradas en estos procesos.
Este ltimo punto se encuentra presente especialmente en el caso de los reactores anaerobios, en
los cuales es prcticamente imposible realizar la medicin en lnea de todas las variables
involucradas en la digestin anaerobia, por lo cual se justifica plenamente la necesidad de
desarrollar una herramienta adecuada para el diagnstico de fallas para este tipo de reactores.
Los reactores anaerobios presentan un caso de estudio interesante para los mtodos de deteccin
de fallas debido a que es muy difcil detectar lo que est ocurriendo dentro del reactor en un
instante dado, as como tambin conocer cmo estn evolucionando las concentraciones de los
diferentes grupos bacterianos y de la carga orgnica contaminante en funcin del tiempo. Adems,
dado un conjunto de seales o mediciones indirectas tomadas de un proceso, puede ser complicado
identificar si la informacin proveniente del proceso es confiable o no. Adems, en caso de que el
30

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

proceso no se est comportando como debiera, puede ser muy difcil saber qu componente es
responsable de la irregularidad. Para resolver este problema se ha desarrollado el estudio de
deteccin y aislamiento de fallas que se presenta a continuacin, el cual est basado en un enfoque
de geometra diferencial para una clase de sistemas no lineales.
La aproximacin basada en observador para la FDI se encuentra entre las contribuciones ms
importantes al rea de la FDI basada en redundancia analtica. Bsicamente, consiste en la
definicin de una funcin de las salidas del sistema, para cada seal de falla o conjunto de seales
de falla, que solo pueda ser afectada por esa falla (o conjunto de fallas) en particular. Esto indica
sin lugar a duda que podemos encontrar un subsistema observable que forma parte del modelo
matemtico del sistema en cuestin, y hacer uso de las funciones determinadas mediante
mediciones como su salida. Para identificar este subsistema se hace uso de tcnicas de
descomposicin. El siguiente paso consistir en el diseo de un observador para este subsistema.
La redundancia del sistema viene dada por la comparacin de la funcin de salida en cuestin con
su estimacin. Por tanto, se toma la innovacin del observador como seal de indicacin,
denominada residuo. En ausencia de una falla, el residuo decrece hasta cero mientras el observador
proporciona una buena estimacin de la funcin de salida elegida. Cuando la falla en cuestin
ocurre, afecta al residuo que en respuesta muestra un valor diferente de cero, por consiguiente la
falla es detectada y aislada. En un sistema donde ms de una falla es de inters, puede definirse un
conjunto de residuos de manera que cada uno sea sensible a un conjunto diferente de fallas,
creando as una situacin en la que puede hacerse uso de una lgica de decisin para la deteccin y
aislamiento de fallas en lnea. Un estudio de FDI basado en un observador puede encontrarse en
[Alcorta y Frank, 1997]. La mayora de las contribuciones propuestas fueron desarrolladas para
sistemas lineales, sin embargo, muchos procesos son no lineales. Cabe destacar que, an si el
proceso opera en un cierto punto de operacin, la ocurrencia de una falla puede alejarlo del punto
de operacin, generando por consiguiente errores en el modelo que llevaran a la generacin de
falsas alarmas.
Se dice que un sistema lineal es observable en el tiempo t0, si con el sistema en el estado x(t0) es
posible determinar dicho estado a partir de la observacin de la salida del sistema, durante un
intervalo de tiempo finito. Considere el sistema lineal en tiempo continuo, representado por:

31

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

(4.1)
Donde: x(t) n es el vector de estado, A nn es la matriz de estado, y(t) m es el vector de
salida y C mn . La observabilidad del sistema (4.1) se establece de acuerdo a la matriz de
observabilidad

(4.2)

El sistema es observable si y slo si la matriz de observabilidad

tiene rango completo, es decir,

Para sistemas no lineales, un concepto relacionado con la observabilidad es el de detectabilidad u


observabilidad asinttica, que establece que un sistema es detectable si la diferencia entre dos
trayectorias con el mismo historial de salida converge asintticamente a cero [Gouz, 2001].
El anlisis de observabilidad para sistemas no lineales puede realizarse, de manera aproximada, a
partir de la linealizacin de las ecuaciones que representan el modelo alrededor de un punto de
equilibrio, y determinar la matriz de observabilidad con el objeto de establecer la observabilidad
local del sistema en las vecindades del punto de equilibrio seleccionado. Otra alternativa para
evaluar la observabilidad de sistemas no lineales se basa en la utilizacin de las herramientas de la
geometra diferencial, mediante la construccin del espacio de observacin [Isidori, 1995],
partiendo de que la salida depende slo de las variables de estado.
Los procesos biolgicos, en la mayora de los casos no son completamente observables, debido a
su naturaleza no lineal, por lo que resulta ms apropiado estimar algunas relaciones entre
parmetros, en vez de estimarlos individualmente [Aceves-Lara, 2004][Dochain, 2003].
La estimacin de estados en reactores biolgicos, presenta un inconveniente crtico, debido a la
alta incertidumubre asociada a los siguientes factores [Alcaraz-Gonzlez, 2004]:
32

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

La variedad de especies biolgicas presentes en el reactor dificulta la determinacin del papel


que desempea cada una de ellas en el proceso.

La medicin de la biomasa total inicial no corresponde a la concentracin de la biomasa


efectiva.

La complejidad del sistema dificulta la descripcin de los parmetros asociados con la cintica
de las reacciones biolgicas.

Las velocidades de crecimiento de los grupos bacterianos son variantes en el tiempo.

En el trabajo presentado por Dochain (2003), se explora una metodologa para determinar la
observabilidad global y la detectabilidad de reactores biolgicos. El mtodo propuesto en el
artculo permite formalizar el diseo de los denominados obervadores asintticos.
Recientemente se han enfocado numerosos esfuerzos orientados a la implementacin de sensores
programados basados en observadores de estado, debido a las ventajas que el uso de stos
representan, comparado con sensores de hardware. A continuacin se mencionan algunas ventajas:

El costo por mantenimiento de un sensor programado es mucho ms econmico que el de un


sensor de hardware.

Una vez que se ha diseado y sintonizado un sensor programado para una aplicacin en
particular, no se requiere mantenimiento peridico para re-calibracin del mismo (como por
ejemplo, los analizadores de pH, los analizadores de oxgeno, etc.).

Los sensores programados pueden ser utilizados para predecir informacin difcil de obtener
por mtodos tradicionales, ya sea debido a retardos inherentes de las mediciones o bien debido
a las condiciones de operacin del proceso.

Los costos de instalacin son ms econmicos en la mayora de los casos, comparado con los
mtodos tradicionales de sistemas de monitoreo.

Los sensores programados, se utilizan con el fin de resolver problemas asociados con la falta de
sensores para la medicin en tiempo real de ciertas variables de proceso. Por ejemplo, Bernard
(2004), utiliza sensores programados (tambin conocidos en ingls como software sensors o de
manera ms simple como soft sensors) para la estimacin de COD (siglas en ingls de Chemical
Oxygen Demand) en un reactor anaerobio perfectamente agitado, mientras que [Aubrun, 2001]
33

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

propone el uso de sensores programados para la estimacin de COD en un reactor anaerobio de


lecho fluidizado. Adems, [Bogaerts, 2003] y [Bernard, 2001] utilizan sensores programados para
la estimacin de variables en reactores anaerobios (concentracin de biomasa, concentracin de
substratos, etc.). Una de las principales dificultades para implementar sensores programados es
que el diseo contempla el obtener previamente un modelo predictivo para un proceso dado. En
consecuencia, el xito de un sensor programado depende fuertemente de la precisin del modelo
matemtico que se haya obtenido para ese proceso.

Otros tipos de observadores no lineales que han sido utilizados en procesos biolgicos son los
observadores adaptivos y los observadores asntoticos [Bastin,1990]. Sin embargo, estos
observadores necesitan forzosamente toda la informacin de las variables de entrada del proceso,
lo cual es prcticamente imposible en los procesos de digestin anaerobia [Batstone,2002]. Para
superar esta problemtica se han utilizado observadores de intervalo [Alcaraz-Gonzlez, 2004], as
como tambin observadores asintticos combinados con la tcnica de programacin sucesiva
cuadrtica (SQP) [Aceves-Lara,2004].

4.1.1. Deteccin y aislamiento de fallas.

De manera global, existen dos enfoques para detectar fallas en procesos: (a) mediante el uso de
sensores redundantes o (b) mediante la redundancia analtica (ver la Fig. 4.1). El primer enfoque
consiste en utilizar varios sensores para la medicin de una misma variable, as, en caso de que
exista una falla en un sensor, siempre existir otro sensor de reemplazo. A la diferencia
aritmtica entre la medicin entregada por un sensor s1 y otro sensor s2, que miden la misma
variable, se le conoce como residuo r. En condiciones normales de operacin, el valor del residuo
r debe ser nulo. Por ejemplo, suponga que dos sensores s1 y s2 miden una misma variable. En caso
de que el sensor s1 presente una falla, existir una diferencia con la medicin entregada por el
sensor s2 y el valor del residuo r= s2 - s2 ser diferente de cero. Si el residuo r es diferente de cero,
entonces el operador del proceso sabr que existe una falla en el sensor s1 o el sensor s2. El
operador verificar cual de los dos est daado y proceder a corregir la falla en el sensor.

34

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Fig. 4.1. Sistemas de deteccin de fallas.


El segundo enfoque utiliza modelos o algoritmos matemticos que reciben las seales de los
sensores disponibles en las entradas y/o salidas del proceso (ver la Fig. 4.2). El algoritmo
matemtico, basado en estas mediciones, genera seales de residuo r' que pueden ser
necesariamente no nulas, pero que tienen un comportamiento conocido en condiciones normales
de operacin. Los residuos r' son evaluados por una etapa de evaluacin de residuos (la etapa de
evaluacin de residuos existe tambin en el caso de sensores redundantes) o de diagnstico lgico.
Esta etapa es la que finalmente generar una seal de alarma indicativa que existe una falla o una
posible falla, segn sea el caso.

Fig. 4.2. Mtodos de deteccin de fallas basados en modelos.


35

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

4.1.2. Generacin de residuos robustos.

A pesar de que no ocurran fallas en un proceso, siempre existe un error entre el proceso actual y su
modelo matemtico, debido a perturbaciones no modeladas, tales como: cambios en los
parmetros del sistema y/o ruido de medicin. El efecto de las perturbaciones no modeladas se
puede asumir como entradas desconocidas actuando sobre el sistema, las cuales pueden ocasionar
falsas alarmas.

Una herramienta til para el diagnstico de fallas es el concepto de desacoplamiento a


perturbaciones [Visairo, 2004]; aqu los efectos de las perturbaciones y algunas fallas sobre los
residuos se desacoplan a travs de un diseo elaborado de un generador de residuos; de modo que
el diagnstico se pueda lograr. La meta de diseo es un residuo que sea altamente sensible a las
fallas pero desacoplado de perturbaciones y robusto contra incertidumbres en el modelo. Una de
las formas de lograrlo es haciendo uso de una transformacin de estado.

Una contribucin importante de FDI con un enfoque algebraico es la que se relaciona con las
condiciones para generar un subsistema desacoplado de perturbaciones y fallas de no inters
manteniendo su sensibilidad a las fallas de inters [Seliger y Frank, 2000]. Los autores dan las
condiciones en trminos de una transformacin no lineal de desacoplamiento a perturbaciones con
requerimientos de sensibilidad. Estas condiciones tienen la ventaja que permiten analizar en
algunos casos la combinacin particular de fallas que no se pueden detectar.
Considere el modelo:

(4.3)

(4.4)

donde x es el vector de estado, u el vector de entrada, y el vector de salida, d el vector de


perturbaciones o entradas desconocidas y f el vector de fallas, K(x) y E(x) son matrices conocidas.
36

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

La transformacin:

(4.5)

llamada transformacin de desacoplamiento a perturbaciones y sensible a fallas, genera un


subsistema con inyeccin de la salida de la forma [Visairo, 2004]

(4.6)

(4.7)

si, y slo si

(4.8)

La primera condicin de (4.8) se llama condicin de desacoplamiento y la segunda, condicin de


sensibilidad. De esta forma, el sistema en coordenadas z est totalmente desacoplado de las
perturbaciones sin perder el efecto de las fallas. Este resultado de desacoplamiento a
perturbaciones se puede utilizar para resolver tanto el problema de deteccin de fallas como el de
aislamiento de fallas. El aislamiento de fallas es posible cuando se consideran fallas modeladas
como perturbaciones. De este modo, el aislamiento de fallas requiere del desacoplamiento de los
efectos de diferentes fallas sobre el residuo lo que permite decidir qu falla o fallas han ocurrido.

37

Esquema de diagnstico y aislamiento de fallas.

4.2.

Cap. 4

FDI basada en observabilidad asinttica.

Un gran nmero de procesos qumicos y bioqumicos pueden ser descritos por la siguiente clase de
sistemas de ecuaciones diferenciales no lineales:
(t) = C f (x(t),t)+ A(t)x(t)+ B(t)u(t)

(4.9)

El modelo matemtico presentado en la Ec. (2.3) puede reescribirse con la estructura de la Ec.
(4.1), de la siguiente forma:

(4.10)

con:

38

Esquema de diagnstico y aislamiento de fallas.


donde

Cap. 4

x(t) 5 es el vector de estado, C 52 representa una matriz de coeficientes

estequiomtricos y f(x(t),t) 2 representa el vector que contiene a las funciones no lineales, el


cual puede se asume como completamente desconocido. La matriz variante en el tiempo A(t)
55 es la matriz de estado. B(t) 5x2 y u(t) 2 por lo tanto, b(t)=B(t)u(t) 5. y(t) 2 es el
vector de salida. Las salidas del sistema son: y1= s1 y y2= s2.
Hiptesis 1:
a)

A(t) es conocida t 0.

b)

b(t) es conocida t 0.

c)

C es constante y conocida.

d)

A(t) es acotada, es decir que existen matrices constantes A- y A+, tales que:
A- A t A+ t 0, donde el operador debe ser interpretado como una coleccin de
desigualdades entre los componentes.

Dado que las no linealidades f(x(t),t) son desconocidas, el observador asinttico est diseado de
modo tal que permite la reconstruccin de las variables de estado no medidas a partir de las
medidas [Chen, 1992], desacoplando los trminos no lineales. Para generar la reconstruccin de
estados deseada se propone una transformacin lineal e inyeccin de salida. La transformacin
est asociada con la suma y resta de las concentraciones de los diferentes sustratos del modelo que
estn relacionados con las no linealidades del mismo y tiene la ventaja de obtener un subespacio
con variables de estado fsicas. Esta transformacin se determin a partir del sistema (4.10). Se
puede observar, por ejemplo, que para desacoplar la funcin no lineal 1x1, la suma x1 + Y1 s1 la
desacopla completamente [Verde y Visairo, 2002].
Para desacoplar las funciones no lineales 1x1 y 2x2 en (4.10) se utiliza la transformacin de
estado:

(4.11)

resultando:
39

Esquema de diagnstico y aislamiento de fallas.

Cap. 4
(4.12)

con

como entradas y

) como salidas. Existen varios

diseos de observadores para la generacin de residuos del sistema transformado (4.12). En este
trabajo se utiliza el observador asinttico que fue utilizado como observador base para el
desarrollo del observador de intervalo presentado por [Martnez-Sibaja et. al., 2010]. El sistema
(4.12) se puede reescribir como:

(4.13)

con:

40

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Para analizar la estabilidad del observador asinttico, en la hiptesis 1 se asumi que tanto la tasa
de dilucon D, as como tambin las entradas al digestor son consideradas como conocidas. Por lo
tanto, A(t) y b(t) son conocidas t 0. Adems, de acuerdo con el inciso (d) de dicha hiptesis,
para que A(t) sea acotada t 0, se requiere que D tambin est acotada, por lo que, con base en
la experimentacin realizada para la validacin del modelo del reactor UASB, las variaciones de
D(t) se acotaron al siguiente intervalo: 0.1 d-1 < D(t) < 0.33 d-1, de modo tal que W+ se calcula
utilizando el valor mnimo de la tasa de dilucin D(t)=0.1 d-1 y los valores de a y kd dados en la
Tabla 2.1, obtenindose:

Por su parte, W- se calcula utilizando el valor mximo de la tasa de dilucin D(t)=0.33 d-1 y los
valores de a y kd dados en la Tabla 1, obtenindose:

Los eigenvalores de W+ y W- son, respectivamente:


(W+) = [-0.07 -0.07 -1]
(W-) = [-0.185 -0.185 -1]

Ahora bien, para que el observador sea asintticamente estable, se deben cumplir las siguientes
condiciones:
41

Esquema de diagnstico y aislamiento de fallas.

(a)

W-i,j i j.

(b)

W+ y W- deben ser estables por Hurwitz.

Cap. 4

Dado que ambas condiciones se cumplen, entonces el observador es asintticamente estable.

4.2.1. Observador de intervalo.

Cabe recordar que los observadores asintticos necesitan forzosamente toda la informacin de las
variables de entrada del proceso, lo cual es prcticamente imposible bajo condiciones normales de
operacin de un reactor UASB. Para superar la problemtica que implica el conocer todas las
variables de entrada del reactor, se dise el observador de intervalo que se presenta en la
siguiente seccin. La principal caracterstica de los observadores de intervalo es que son capaces
de brindar estimaciones a intervalos garantizados de variables de estado no medidas en lugar de
una estimacin exacta de las mismas, si se proporciona un lmite inferior y superior para cada una
de las entradas del proceso. Una condicin necesaria para el diseo de un observador de intervalo
es que exista un observador hipottico de entradas conocidas, llamado observador base [Rapaport
y Armand, 1998]. Entonces, si dicho observador existe, se utiliza su estructura para construir el
observador de intervalo.

Resulta evidente que el observador asinttico presentado en este captulo, cumple todas las
condiciones necesarias para servir como observador base para el diseo de un observador de
intervalo para el digestor UASB. El diseo del observador de intervalo est basado en la
suposicin de que se desconocen los valores del vector de variables de entrada b(t) pero se
conocen sus lmites superior

e inferior

de manera que

Entonces, el observador asinttico presentado en la ecuacin (4.12) sirve como estructura base
para construir el siguiente observador de intervalo:
42

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Para el lmite superior:

(4.14)

Para el lmite inferior:

(4.15)

donde:

43

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

La convergencia del observador de intervalo est basada en el principio de cooperatividad definido


por [Smith, 1995] (ver Lema 1). Sean

los errores de

estimacin asociados a las ecuaciones (4.14) y (4.15), respectivamente. La dinmica de estos


errores tiene la siguiente forma:

(4.16)

Por claridad, se utiliza

para referirse a cualquiera de los errores

ya que su

dinmica tiene la misma estructura matemtica. En la ecuacin presentada anteriormente


para el caso del lmite superior, mientras que

para el caso

del lmite inferior.

Lema 1 [Smith, 1995]

Sea

. Se dice que este sistema es cooperativo si

Esto implica que si

entonces

Por lo tanto, si las condiciones iniciales de las variables estimadas son desconocidas pero se tienen
garantizados sus lmites como:
sistema (4.16) es cooperativo, si la matriz
entonces puede garantizarse que

entonces
es estable (Hurwitz) y si

[Alcaraz et. Al., 2005].

44

, y por consiguiente:

. Adems, si el
es positivo (o cero),

Esquema de diagnstico y aislamiento de fallas.

4.3.

Cap. 4

Diseo e implementacin de un esquema original de diagnstico SIOS IFD.

El diagnstico de fallas basado en un modelo matemtico puede realizarse utilizando ecuaciones


de paridad, observadores, o bien, estimacin de parmetros. Una gran ventaja de los esquemas de
diagnstico basados en observadores es que son esquemas bastante robustos, en comparacin con
los otros mtodos. Un observador es un modelo capaz de generar una aproximacin del vector de
estado. Los observadores que reconstruyen todo el vector de estado se llaman observadores de
orden completo, mientras que los observadores que slo reconstruyen una parte del vector de
estado se llaman observadores de orden reducido. Los esquemas de diagnstico basados en
observadores pueden clasificarse de acuerdo al tipo de falla en:
a) Falla en sensores IFD (Instrument Fault Detection).
b) Falla en actuadores AFD (Actuator Fault Detection).
c) Falla en componentes CFD (Component Fault Detection).
Tambin se puede clasificar a los esquemas de diagnstico de acuerdo al nmero de Observadores
que se utilicen, en:
a) Un solo observador.
Esquema SOS (Simplified Observer Sheme).
El esquema SOS es un esquema de un solo observador, de orden reducido. Para fallas en sensores
(IFD), el nico observador de este esquema utiliza todas las entradas y una sola salida. Este
esquema slo proporciona redundancia simple y nicamente permite la localizacin de falla en un
slo sensor. Para fallas en actuadores (AFD), el nico observador de este esquema utiliza todas las
salidas y una sola entrada.

45

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

b) Banco de observadores.
Esquema DOS (Dedicated Observer Scheme).
El esquema DOS est formado por un banco de observadores de orden reducido. Para fallas en
sensores (IFD), cada observador utiliza todas las entradas y una sola salida. El nmero de
observadores es igual al nmero de salidas (sensores). Para fallas en actuadores (AFD), cada
observador utiliza una entrada y todas las salidas. Cabe destacar que el esquema DOS permite la
localizacin de fallas simultneas, tanto en sensores (IFD) como en actuadores (AFD).
Esquema GOS (Generalized Observer Scheme).
El esquema GOS est formado por un banco de observadores de orden reducido. Para fallas en
sensores (IFD), cada observador utiliza todas las entradas y m-1 salidas, siendo m el nmero de
salidas. Para fallas en actuadores (AFD), cada observador utiliza todas las salidas y n-1 entradas,
siendo n el nmero de entradas.
De lo anterior se puede concluir que para el caso de fallas en sensores (IFD), todos los esquemas
requieren la medicin de todas las entradas, lo cual es una tarea bastante difcil de realizar cuando
se trabaja con reactores biolgicos por ejemplo. Para superar esta dificultad se presenta a
continuacin un nuevo esquema de diagnstico con un solo observador:
Esquema SIOS - IFD (Simplified Interval Observer Scheme).
El esquema SIOS-IFD es un esquema de un solo observador de intervalo, de orden reducido, para
fallas en sensores. La principal ventaja del esquema SIOSIFD sobre todos los esquemas
presentados anteriormente, es el hecho de que no se requiere la medicin de entrada alguna, solo
se requiere tener conocimiento del intervalo de valores que pueden alcanzar dichas entradas. Sin
embargo, la principal desventaja del esquema SIOS-IFD es que no permite la localizacin de fallas
simultneas.
En la Fig. 4.3 se muestra un diagrama a bloques del esquema SIOS-IFD. En dicha figura se
observa que el esquema SIOS-IFD no utiliza las entradas ui (i=1,2,3,4,,n), solo utiliza una salida
(y3) para estimar las otras dos salidas (

) y as poder generar los residuos:

.
46

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Fig. 4.3. Esquema SIOS-IFD.


A continuacin se presenta el diseo e implementacin de un esquema SIOS-IFD para el reactor
anaerobio utilizado como caso de estudio.

4.3.1. Observador de intervalo diseado para el esquema SIOS-IFD.

En esta seccin se presenta el diseo del observador de intervalo diseado para el esquema SIOSIFD. El observador de intervalo diseado es capaz de estimar x1 y QCH4 a partir de la medicin en
lnea de s1. Cabe destacar que el observador de intervalo diseado no requiere la medicin de las
variables de entrada al reactor.

La primera condicin necesaria para el diseo de un observador de intervalo es que exista un


observador hipottico de entradas conocidas, llamado observador base. Para satisfacer esta primera
condicin, se diseo el observador asinttico que se presenta a continuacin.

El modelo descrito por el conjunto de ecuaciones diferenciales no lineales (3.4) puede reescribirse
de la siguiente forma:

(4.17)

con:

47

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

donde x(t) n es el vector de estado, C mn es la matriz de coeficientes de rendimiento y


f(x(t), t) m es el vector que contiene las no linealidades del modelo, las cuales se asumen como
totalmente desconocidas. La matriz variante en el tiempo A(t) nn es la matriz de estado y
b(t)=B(t)u(t) n .

El observador asinttico es diseado bajo la suposicin de que todas las entradas son conocidas, y
adems m estados medidos en lnea. Por lo que el espacio de estados puede ser dividido de modo
tal que la ecuacin (4.17) puede ser reescrita como:
1(t) = C1 f (x(t),t)+ A11(t)v1(t)+ A12(t)v2(t)+b1(t)
2(t) = C2 f (x(t),t)+ A21(t)v1(t)+ A22(t)v2(t)+b2(t)
donde los m estados medidos son agrupados en el vector v2(t) (dim v2(t) = m) y las variables que
sern estimadas son representadas por v1(t) (dim v1(t) = s = n m). Las matrices A11(t) ss,
A12(t) sm, A21(t) ms, A22(t) mm, C1 sr, C2 mr, b1 s y b2 m son las
particiones correspondientes de A(t), C y b(t) respectivamente.
48

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

En la ecuacin (4.18) se presenta el observador asinttico que fue diseado para el reactor
anaerobio descrito por la ecuacin (4.17):

(4.18)

con:

Cabe recordar que para el diseo de este Observador Asinttico, se asumi que tanto la tasa de
dilucin D, as como tambin las entradas al digestor son consideradas como conocidas. Por lo
tanto, A(t) y b(t) son conocidas t 0.

El Observador Asinttico 1 fue diseado asumiendo s1 como el nico estado medido en lnea, es
decir, v2(t) = [s1] (dim v2(t) = 1), mientras que x1 y QCH4 fueron asumidos como los estados
estimados, es decir, v1(t) = [x1 QCH4]T (dim v1(t) = 2). Para el clculo de la matriz N, se eligio
arbitrariamente N1 como una matriz identidad, para calcular N2 de la siguiente forma:
N2 = N1C1C2, (donde C2 es la pseudo inversa generalizada de C2) [Alcaraz_Gonzlez et. Al.,
2005], obtenindose el siguiente resultado:

Sustituyendo N1 y N2 en la ecuacin (4.18), se obtiene lo siguiente:

49

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Finalmente, We+ se calcul utilizando el valor mnimo de la tasa de dilucin D(t)=0.1,


obtenindose:

Por su parte, We- se calcul utilizando el valor mximo de la tasa de dilucin D(t)=0.33,
obtenindose:

Los eigenvalores de We+ y We- son, respectivamente:


(We+) = [-0.07

-1]

(We-) = [ -0.185 -1]


Ahora bien, para que el observador sea asintticamente estable, se deben cumplir las siguientes
condiciones:

(c)

We-i,j 0 i j.

(d)

We+ y We- deben ser estable por Hurwitz.

Dado que ambas condiciones se cumplen el observador es asintticamente estable. A continuacin


se presenta el diseo de un observador de intervalo basado en el observador asinttico diseado.

Despus de haber diseado el observador asinttico que servir como observador base,
continuamos con el diseo del observador de intervalo, el cual est basado en la suposicin de que
se desconocen los valores del vector de variables de entrada b(t) pero se conocen sus lmites
superior

e inferior

de manera que

. Entonces, el observador
50

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

asinttico presentado en la ecuacin (4.18) sirve como estructura base para construir el siguiente
observador de intervalo:

Para el lmite superior:

(4.19)

Para el lmite inferior:

(4.20)

donde:

51

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

4.3.2. Resultados experimentales del esquema original SIOS-IFD.

Para poder verificar experimentalmente el funcionamiento del Observador de Intervalo


desarrollado, el digestor anaerobio fue alimentado con agua residual de una cervecera, la cual
alcanza valores mximos de 4 gDQO/L pero cualquier valor mayor de 3 gDQO/L es diluido a 3
gDQO/L, el cual es el valor mximo recomendado en la literatura para un reactor UASB, mientras
que los valores menores de 3 gDQO/L se mantienen en su valor original. Los valores mnimos de
las muestras recolectadas de la cervecera tienen valores cercanos a 2 gDQO/L. Todas las muestras
de agua residual son acondicionadas a pH=7, independientemente de que sean diluidas o no. La
tasa de dilucin, tal como se mencion en la seccin anterior, est acotada a un valor mximo de
0.33 d-1 y un valor mnimo de 0.1 d-1. Los sustratos s1 y s2 fueron medidos en lnea, para estimar
.

El nuevo esquema SIOS-IFD que fue desarrollado es capaz de detectar fallas nicas, sbitas y
permanentes en los sensores s1, x1 y QCH4, a partir de los residuos

y residuo

, siendo y1= x1 e y2=QCH4.

En la figura 4.4 se muestran los residuos correspondientes a una falla nica, sbita y permanente,
de +50 mgDQO/L en el sensor s1, en el da 60 de experimentacin. Estos residuos fueron filtrados
por medio de un filtro promediador de ventana mvil. Se puede observar que ambos residuos
presentan falla en el da 60, debido a que tanto

como

, han sido estimadas a partir de s1,

por lo que las dos estimaciones son errneas a partir del instante en el que se presenta la falla de s1.
El residuo r1 pas de un valor de media cero y desviacin estndar cero a un valor de media de
9.59 mgDQO/L y desviacin estndar 1 mgDQO/L, en el instante en el que se present la falla del
sensor s1, por lo que se decidi establecer un valor de umbral de 5 mgDQO/L para la deteccin de
falla en el residuo r1. Por otro lado, el residuo r2 pas de un valor de media cero y desviacin
estndar cero a un valor de media de 4.88 mL/d y desviacin estndar 1 mL/d, en el instante en el
que se present la falla del sensor s1, por lo que se decidi establecer un valor de umbral de 3
mL/d para la deteccin de falla en el residuo r2.

52

Esquema de diagnstico y aislamiento de fallas.

r1

Cap. 4

r2

Tiempo (d)

Tiempo (d)

Fig. 4.4. Residuos para falla nica, sbita y permanente, de +50 mgDQO/L, en el sensor s1.

Como se mencion anteriormente, cada uno de los residuos presentados en la figura 4.4 fue
filtrado por medio de un filtro promediador de ventana mvil. Posteriormente, cada uno de los
residuos filtrados fue evaluado por un detector de umbral, el cual es capaz de determinar alguno de
los siguientes valores: -1, 0, 1. El valor 1 indica que el residuo promediado alcanz un valor
menor que el umbral, es decir, el residuo tuvo un cambio de media negativo. De manera anloga,
el valor 1 indica que el residuo tuvo un cambio de media positivo. Por ltimo, el valor 0 indica
que el residuo no tuvo un cambio de media, o mejor dicho, las variaciones de sus valores
promediados estuvieron por debajo de los umbrales preestablecidos.

Por lo anterior, el resultado de la evaluacin de los residuos generados por el esquema de


diagnstico de fallas desarrollado, para el ejemplo de una falla nica, sbita y permanente, de +50
mgDQO/L en el sensor s1, genera el siguiente vector de sntoma: [ 1 1], lo cual significa que
ambos residuos tuvieron un cambio de media positivo. En la Tabla 4.1 se presenta la Matriz de
Diagnstico Estructurada para fallas nicas en los sensores s1, x1 y QCH4, obtenida por medio del
esquema de evaluacin de residuos desarrollado.

53

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Tabla 4.1. Matriz de Diagnstico Estructurada.

Falla s1

Falla s1

Falla x1

+50mgDQO/L

-50mgDQO/L

r1

-1

r2

-1

Falla x1

Falla QCH4

Falla QCH4

+50mL/d

- 50mL/d

-1

-1

+50mgDQO/L -50mgDQO/L

En la Tabla 4.1 se ha sombreado el vector de sntoma [1 1], que es el resultado de la evaluacin de


los residuos generados por el esquema de diagnstico de fallas desarrollado, para el ejemplo de
una falla nica, sbita y permanente, de +50 mgDQO/L en el sensor s1. En esta misma tabla se
puede observar que existe un vector de sntoma diferente para fallas nicas, sbitas y permanentes
de cada uno de los sensores s1, x1 y QCH4.

4.4.

Diseo e implementacin de un esquema de diagnstico de fallas en


parmetros.

El anlisis de observabilidad para sistemas no lineales puede realizarse, de manera aproximada, a


partir de la linealizacin de las ecuaciones que representan el modelo alrededor de un punto de
equilibrio, y determinar la matriz de observabilidad con el objeto de establecer la observabilidad
local del sistema en las vecindades del punto de equilibrio seleccionado [Adam, 2004].
Otra alternativa para evaluar la observabilidad de sistemas no lineales se basa en la utilizacin de
las herramientas de la geometra diferencial, mediante la construccin del espacio de observacin
[Isidori, 1995], partiendo de que la salida depende slo de las variables de estado. Verde y Visairo
(2002), proponen un esquema de transformacin de estado e inyeccin de salida para generar
subsistemas desacoplados de fallas.
A continuacin se presenta el diseo e implementacin de un esquema de diagnstico de fallas en
los parmetros, utilizando las herramientas de la geometra diferencial, mediante la construccin
de un espacio de observacin combinando el enfoque multimodelo con un esquema de
transformacin de estado e inyeccin de la salida para generar subsistemas desacoplados de fallas
54

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

en los parmetros Y1 y YCH4, para el modelo ADM1 con un grupo bacteriano descrito por la
ecuacin (2.4).

4.4.1. Deteccin de falla en el parmetro Y1.


Es posible desacoplar completamente el trmino no lineal 1x1 de (2.4), mediante una
transformacin lineal e inyeccin de la salida. Para desacoplar el trmino 1x1 se utiliza la
transformacin de estado:
(4.21)
donde:

El subsistema generado por la transformacin de estado es:

(4.22)

con: s1i y p1=s1 , como entradas.


Se puede observar que el subsistema (4.22) es un sistema linealizado, sensible a Y1. Adems, se
puede verificar que

, por lo que puede utilizarse un filtro de Kalman para desarrollar un

observador que permita generar el residuo:


rY1 = x1 - ya

(4.23)

Por lo anterior, asumiendo que no existen fallas en sensores ni en actuadores, el residuo rY1 permite
detectar la falla del parmetro Y1, de modo tal que rY1 = 0 en ausencia de falla de Y1, mientras que
rY1 0 en presencia de una falla de Y1.

55

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

Es importante recordar que 1 es sensible a las fallas de los parmetros max1 y ks1, por lo que el
hecho de eliminar completamente el trmino no lineal 1x1 por medio de la transformacin de
estados e inyeccin de la salida, permite generar un subsistema desacoplado de los parmetros
max1 y ks1, de modo tal que el subsistema transformado permite detectar la falla del parmetro Y1
en forma satisfactoria, lo cual es una aportacin original de este proyecto de investigacin.
4.4.2. Deteccin de falla en el parmetro YCH4.
En forma anloga al desarrollo presentado en la seccin anterior, se utiliza la transformacin de
estado:
(4.24)
donde:

El subsistema generado por la transformacin de estado es:

(4.25)

con: s1i y p2 = QCH4 , como entradas.


Se puede observar que el subsistema (5.5) es un sistema linealizado, sensible a las fallas de YCH4
y de Y1. Adems, es fcil verificar que

, por lo que puede utilizarse un filtro de Kalman

para generar el residuo:


rk = s1 yb

(4.26)

A continuacin se presenta una metodologa novedosa, basada en un enfoque multimodelo, para


poder detectar una falla de YCH4, independientemente de que se presente o no una falla del
parmetro Y1.

56

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

El primer paso para poder desacoplar Y1 consiste en disear un filtro de Kalman, a partir del
subsistema dado por la ecuacin (4.25), para el punto de operacin del reactor sin fallas en los
parmetros, es decir, para los valores nominales de YCH4 y Y1.
El segundo paso consiste en disear un banco de filtros de Kalman clonando el primer filtro de
Kalman, pero se le debe asignar a cada uno de los clones un valor diferente de Y1 , de modo tal
que cada filtro de Kalman modele un punto de operacin diferente. Este banco de filtros de
Kalman permite obtener el vector de residuos de salida rki .
El vector de residuos de salida permite determinar la probabilidad de cada filtro de Kalman de
acuerdo a la teora de probabilidad de Bayes, de modo tal que los residuos estacionarios permiten
calcular una funcin de distribucin de probabilidad ik , definida como:

i
k

r
2 det

exp 0.5 rki ik


m

i
k

(4.27)

i T
k

donde i m es la matriz de covarianza de los residuos rki . Basado en la funcin de distribucin


de probabilidad, un modo de probabilidad rki , i 1,, M puede ser calculado como:

i
k 1


r
ik rki
M

h 1

h
k

(4.28)

h
k

Por lo tanto, el modo de probabilidad del algoritmo de estimacin puede obtenerse para cada filtro
de Kalman. Cuando la probabilidad converge a uno, los otros modelos convergen a cero. Este
modo de probabilidad estimado por cada modelo se considera como la funcin de ponderacin
respectiva a cada modelo. Teniendo en cuenta que por medio de la teora de probabilidad de Bayes
se selecciona el filtro de Kalman que ms se aproxima al punto de operacin correspondiente al
valor fallido del parmetro YCH4, entonces el efecto de una falla de Y1 sobre el residuo rk es mucho
menor que el efecto de una falla del parmetro YCH4 sobre el mismo residuo rk. Por lo tanto, la
metodologa presentada en esta seccin es capaz de desacoplar el parmetro Y1 del residuo rk , si y
solo si se establecen valores de umbral que rechacen el efecto de una falla del parmetro Y1 , de
modo tal que solo se detecten las fallas del parmetro YCH4.
57

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

4.4.3. Resultados experimentales del esquema de diagnstico de fallas en parmetros.

Para poder verificar experimentalmente el funcionamiento de los observadores desarrollados, el


reactor fue alimentado con una concentracin constante de DQO: s1i = 3 gDQO/L. La tasa de
dilucin D se mantuvo en un valor constante de 0.33 d-1. Durante los primeros 48 das de
experimentacin, la temperatura y el pH se mantuvieron constantes en 35 oC y 7, respectivamente.
Bajo estas condiciones de operacin, el parmetro Y1 se mantuvo en su valor nominal de 0.1
gDQO/gDQO. El da 48 de experimentacin se indujo una falla del parmetro Y1, incrementando
la temperatura del reactor, en forma sbita y permanente, de 35 oC a 40 oC, con lo cual se cambi
el punto de operacin, de modo tal que el parametro Y1 cambi sbitamente de su valor nominal a
0.11 gDQO/gDQO, es decir que se indujo una falla sbita y permanente de +0.01 gDQO/gDQO
del parmetro Y1.
En la Fig. 4.5 se muestra el residuo rY1 obtenido con un filtro de Kalman, que fue diseado a partir
de las ecuaciones (4.22) y (4.23), ante una falla sbita y permanente de +0.01 gDQO/gDQO del
parmetro Y1 en el instante t = 48 d. Puede observarse que en ausencia de falla, el residuo se
mantiene en cero, pero en el instante en el que aparece la falla, el residuo tiene un cambio de

rY1 (gDQO/L)

media, alcanzando un valor estacionario de 40 mgDQO/L.

t (d)
Fig. 4.5. Grfica del residuo rY1 ante un incremento de 0.01 gDQO/GDQO del parmetro Y1.
En la figura 4.6 se muestra el residuo rk obtenido con un solo filtro de Kalman, el cual fue
diseado a partir de las ecuaciones (4.24) y (4.25), para el punto de operacin nominal del reactor,
con temperatura regulada a 35 oC y Y1=0.1 gDQO/gDQO; ante una falla sbita y permanente de
+0.01 gDQO/gDQO del parmetro Y1 en el instante t = 48 d. Puede observarse que en ausencia de
58

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

falla, el residuo se mantiene prcticamente en cero (con media cero y desviacin estndar cero),
pero en el instante en el que aparece la falla (t=48 d), el residuo tiene un cambio de media,
alcanzando un valor de -18 mgDQO/L, con desviacin estndar de 1mgDQO/L, debido a que las

rk (gDQO/L)

ecuaciones (4.24) y (4.25) son sensibles tanto a fallas de Y1 como a fallas de YCH4.

t (d)
Fig. 4.6. Grfica del residuo rk ante un incremento de 0.01 gDQO/gDQO del parmetro Y1.
En la Fig. 4.7 se muestra el residuo rk* , obtenido a partir de un banco de 5 filtros de Kalman (cada
uno con un valor diferente de Y1) ante una falla sbita y permanente de +0.01 gDQO/gDQO del
parmetro Y1 en el instante t = 48 d. El primer filtro de Kalman fue diseado para el punto de
operacin nominal del reactor, con temperatura regulada a 35 oC y Y1=0.1 gDQO/gDQO. El
segundo filtro de Kalman fue diseado para el punto de operacin con temperatura regulada a 40
o

C, en el que el parmetro Y1 tiene un valor de 0.11 gDQO/gDQO. El tercer filtro de Kalman fue

diseado para el punto de operacin con temperatura regulada a 30 oC, en el que el parmetro Y1
tiene un valor de 0.05 gDQO/gDQO. El cuarto filtro de Kalman fue diseado para el punto de
operacin con temperatura regulada a 25 oC, en el que el parmetro Y1 tiene un valor de 0.02
gDQO/gDQO, mientras que el quinto filtro de Kalman fue diseado para el punto de operacin
con temperatura regulada a 20 oC, en el que el parmetro Y1 tiene un valor de 0.01 gDQO/gDQO.
En la misma figura puede observarse que rk* presenta una razn de cambio negativa en el instante
en el que se presenta la falla del parmetro Y1 (t=48d), est razn de cambio tiende a alejar al
residuo de su valor original de media cero y en consecuencia el sistema desarrollado selecciona el
filtro de Kalman que presente la mayor probabilidad de corresponder al nuevo punto de operacin
establecido por el valor fallido de Y1. En la misma figura se puede observar que rk* est
prcticamente desacoplado de la falla del parmetro Y1, porque a pesar del transitorio generado en
el da 48 por la conmutacin del banco de filtros de Kalman, la media de rk* se mantuvo muy
59

Esquema de diagnstico y aislamiento de fallas.

Cap. 4

cercana a cero despus de dicho transitorio. Posteriormente, en el instante t=72 d, se indujo una
falla sbita y permanente del parmetro YCH4, aplicando una concentracin de 0.15 g/L de Nitrato
de Sodio al afluente del reactor, lo cual tiene un efecto de inhibicin de las bacterias

rk* (gDQO/L)

metanognicas [Alvarado, 2005], es decir que implica una reduccin del parmetro YCH4.

t (d)
Fig. 4.7. Grfica del residuo rk* ante un incremento de 10% del parmetro Y1.

En la figura 4.7 puede observarse que antes de presentarse la falla de YCH4, el residuo rk* se
mantiene prcticamente en cero (con media cero y desviacin estndar cero), pero en el instante en
el que aparece la falla (t=72 d), el residuo tiene un cambio de media, alcanzando un valor de -136
mgDQO/L, con desviacin estndar de 1mgDQO/L. Por lo que, estableciendo valores de umbral
de 50 mgDQO/L, el residuo rk* queda desacoplado de la falla de Y1. De modo tal que realiza
satisfactoriamente la deteccin de falla en el parmetro YCH4.
En la figura 4.8 se muestran los cinco residuos rki (i=1,2,3,4,5) del banco de filtros de Kalman, que

permitieron generar la figura 4.7, con la correspondiente probabilidad de cada residuo rki
mostrada a su derecha.

60

Esquema de diagnstico y aislamiento de fallas.

rk1

rk1(t)

t (d)

rk2(t)

t (d)

rk2

t (d)

t (d)

rk3

rk3(t)

t (d)

rk4(t)

t (d)

rk4

t (d)

t (d)

rk5

rk5(t)
t (d)

t (d)

Fig. 4.8. Grficas de residuos rki y probabilidad rki del banco de filtros de Kalman.
61

Cap. 4

Esquema de mantenimiento basado en la condicin.

Cap. 5

Captulo 5.
Esquema de mantenimiento basado en la condicin.
En este captulo se presenta el diseo e implementacin de un esquema de mantenimiento basado
en la condicin, el cual constituye la cuarta etapa del sistema completo de ayuda al operador
humano para un reactor anaerobio UASB.

5.1. Banco de observadores para esquema de mantenimiento basado en la condicin.


En esta seccin se presenta el diseo de un banco de observadores asintticos para la deteccin de
fallas en los sensores QCH4 , s1 y x1, para el modelo ADM1 con un grupo bacteriano, descrito por la
ecuacin (2.4).

5.1.1. Observador asinttico 1.

El Observador asinttico 1 es capaz de estimar

, a partir de la medicin en lnea de s1.

Para el diseo de este observador, el modelo descrito por el conjunto de ecuaciones diferenciales
no lineales (2.4) puede reescribirse de la siguiente forma:

(6.1)

con:

62

Esquema de mantenimiento basado en la condicin.

Cap. 5

donde x(t) n es el vector de estado, C mn es la matriz de coeficientes de rendimiento y


f(x(t), t) m es el vector que contiene las no linealidades del modelo, las cuales se asumen como
totalmente desconocidas. La matriz variante en el tiempo A(t) nn es la matriz de estado y
b(t)=B(t)u(t) n .

El observador asinttico es diseado bajo la suposicin de que todas las entradas son conocidas, y
adems m estados medidos en lnea. Por lo que el espacio de estados puede ser dividido de modo
tal que la ecuacin (5.1) puede ser reescrita como:
a(t) = C1 f (x(t),t)+ A11(t)v1(t)+ A12(t)v2(t)+b1(t)
(5.2)
b(t) = C2 f (x(t),t)+ A21(t)v1(t)+ A22(t)v2(t)+b2(t)
donde los m estados medidos son agrupados en el vector v2(t) (dim v2(t) = m) y las variables que
sern estimadas son representadas por v1(t) (dim v1(t) = s = n m). Las matrices A11(t) ss,
A12(t) sm, A21(t) ms, A22(t) mm, C1 sr, C2 mr, b1 s y b2 m son las
particiones correspondientes de A(t), C y b(t) respectivamente.

En la ecuacin (5.3) se presenta el observador asinttico que fue diseado para el reactor
anaerobio descrito por la ecuacin (5.1):

(5.3)

63

Esquema de mantenimiento basado en la condicin.

Cap. 5

con:

Cabe recordar que para el diseo de este observador asinttico, se asumi que tanto la tasa de
dilucin D, as como tambin las entradas al digestor son consideradas como conocidas. Por lo
tanto, A(t) y b(t) son conocidas t 0. El observador asinttico 1 fue diseado asumiendo s1
como el nico estado medido en lnea, es decir, v2(t) = [s1] (dim v2(t) = 1), mientras que x1 y s1
fueron asumidos como los estados estimados, es decir, v1(t) = [x1 QCH4]T (dim v1(t) = 2). Para el
clculo de la matriz N, se eligio arbitrariamente N1 como una matriz identidad, para calcular N2
de la siguiente forma: N2= N1C1C2, (donde C2 es la pseudo inversa generalizada de C2)
obtenindose el siguiente resultado:

Sustituyendo N1 y N2 en la ecuacin (6.3), se obtiene lo siguiente:

Finalmente, We+ se calcul utilizando el valor mnimo de la tasa de dilucin D(t)=0.1,


obtenindose:

Por su parte, We- se calcul utilizando el valor mximo de la tasa de dilucin D(t)=0.33,
obtenindose:
64

Esquema de mantenimiento basado en la condicin.

Cap. 5

Los eigenvalores de We+ y We- son, respectivamente:


(We+) = [-0.07
(We-) = [ -0.185

-1]

-1 ]

Ahora bien, para que el observador sea asintticamente estable, se deben cumplir las siguientes
condiciones:

We-i,j 0 i j.

We+ y We- deben ser estable por Hurwitz.

Dado que ambas condiciones se cumplen el observador es asintticamente estable. Los residuos
obtenidos por el observador asintotico 1, son:

5.1.2. Observador asinttico 2.

El Observador asinttico 2 es capaz de estimar

, a partir de la medicin en lnea de QCH4.

Para el diseo de este observador, el modelo descrito por el conjunto de ecuaciones diferenciales
no lineales (5.1) puede reescribirse de la siguiente forma:

(5.4)

con:

65

Esquema de mantenimiento basado en la condicin.

Cap. 5

donde x(t) n es el vector de estado, C mn es la matriz de coeficientes de rendimiento y


f(x(t), t) m es el vector que contiene las no linealidades del modelo, las cuales se asumen como
totalmente desconocidas. La matriz variante en el tiempo A(t) nn es la matriz de estado y
b(t)=B(t)u(t) n .

El observador asinttico es diseado bajo la suposicin de que todas las entradas son conocidas, y
adems m estados medidos en lnea. Por lo que el espacio de estados puede ser dividido de modo
tal que la ecuacin (5.4) puede ser reescrita como:
a(t) = C1 f (x(t),t)+ A11(t)v1(t)+ A12(t)v2(t)+b1(t)
b(t) = C2 f (x(t),t)+ A21(t)v1(t)+ A22(t)v2(t)+b2(t)
donde los m estados medidos son agrupados en el vector v2(t) (dim v2(t) = m) y las variables que
sern estimadas son representadas por v1(t) (dim v1(t) = s = n m). Las matrices A11(t) ss,
A12(t) sm, A21(t) ms, A22(t) mm, C1 sr, C2 mr, b1 s y b2 m son las
particiones correspondientes de A(t), C y b(t) respectivamente.

En la ecuacin (5.5) se presenta el observador asinttico que fue diseado para el reactor
anaerobio descrito por la ecuacin (5.4):
66

Esquema de mantenimiento basado en la condicin.

Cap. 5

(5.5)

con:

Cabe recordar que para el diseo de este observador asinttico, se asumi que tanto la tasa de
dilucin D, as como tambin las entradas al digestor son consideradas como conocidas. Por lo
tanto, A(t) y b(t) son conocidas t 0.

El observador asinttico 2 fue diseado asumiendo QCH4 como el nico estado medido en lnea, es
decir, v2(t) = [QCH4] (dim v2(t) = 1), mientras que x1 y s1 fueron asumidos como los estados
estimados, es decir, v1(t) = [x1 s1]T (dim v1(t) = 2). Para el clculo de la matriz N, se eligi
arbitrariamente N1 como una matriz identidad, para calcular N2 de la siguiente forma: N2=
N1C1C2, (donde C2 es la pseudo inversa generalizada de C2) obtenindose el siguiente resultado:

Sustituyendo N1 y N2 en la ecuacin (5.5), se obtiene lo siguiente:

67

Esquema de mantenimiento basado en la condicin.

Cap. 5

Finalmente, We+ se calcul utilizando el valor mnimo de la tasa de dilucin D(t)=0.1,


obtenindose:

Por su parte, We- se calcul utilizando el valor mximo de la tasa de dilucin D(t)=0.33,
obtenindose:

Los eigenvalores de We+ y We- son, respectivamente:


(We+) = [-0.07
(We-) = [ -0.185

-0.1]

-0.33 ]

Ahora bien, para que el observador sea asintticamente estable, se deben cumplir las siguientes
condiciones:

We-i,j 0 i j.

We+ y We- deben ser estable por Hurwitz.

Dado que ambas condiciones se cumplen el observador es asintticamente estable. Los residuos
ontenidos por el observador asinttico 1, son:

68

Esquema de mantenimiento basado en la condicin.

Cap. 5

5.1.3. Observador asinttico 3.

El Observador asinttico 3 es capaz de estimar

, a partir de la medicin en lnea de x1.

Para el diseo de este observador, el modelo descrito por el conjunto de ecuaciones diferenciales
no lineales (5.1) puede reescribirse de la siguiente forma:

(5.6)

con:

donde x(t) n es el vector de estado, C mn es la matriz de coeficientes de rendimiento y


f(x(t), t) m es el vector que contiene las no linealidades del modelo, las cuales se asumen como
totalmente desconocidas. La matriz variante en el tiempo A(t) nn es la matriz de estado y
b(t)=B(t)u(t) n .

69

Esquema de mantenimiento basado en la condicin.

Cap. 5

El observador asinttico es diseado bajo la suposicin de que todas las entradas son conocidas, y
adems m estados medidos en lnea. Por lo que el espacio de estados puede ser dividido de modo
tal que la ecuacin (5.6) puede ser reescrita como:
a(t) = C1 f (x(t),t)+ A11(t)v1(t)+ A12(t)v2(t)+b1(t)
b(t) = C2 f (x(t),t)+ A21(t)v1(t)+ A22(t)v2(t)+b2(t)
donde los m estados medidos son agrupados en el vector v2(t) (dim v2(t) = m) y las variables que
sern estimadas son representadas por v1(t) (dim v1(t) = s = n m). Las matrices A11(t) ss,
A12(t) sm, A21(t) ms, A22(t) mm, C1 sr, C2 mr, b1 s y b2 m son las
particiones correspondientes de A(t), C y b(t) respectivamente.

En la ecuacin (5.7) se presenta el observador asinttico que fue diseado para el reactor
anaerobio descrito por la ecuacin (5.6):

(5.7)

con:

Cabe recordar que para el diseo de este observador asinttico, se asumi que tanto la tasa de
dilucin D, as como tambin las entradas al digestor son consideradas como conocidas. Por lo
tanto, A(t) y b(t) son conocidas t 0.

70

Esquema de mantenimiento basado en la condicin.

Cap. 5

El observador asinttico 3 fue diseado asumiendo QCH4 como el nico estado medido en lnea, es
decir, v2(t) = [x1] (dim v2(t) = 1), mientras que s1 y QCH4 fueron asumidos como los estados
estimados, es decir, v1(t) = [s1 QCH4]T (dim v1(t) = 2). Para el clculo de la matriz N, se eligio
arbitrariamente N1 como una matriz identidad, para calcular N2 de la siguiente forma: N2=
N1C1C2, (donde C2 es la pseudo inversa generalizada de C2) obtenindose el siguiente resultado:

Sustituyendo N1 y N2 en la ecuacin (6.7), se obtiene lo siguiente:

Finalmente, We+ se calcul utilizando el valor mnimo de la tasa de dilucin D(t)=0.1,


obtenindose:

Por su parte, We- se calcul utilizando el valor mximo de la tasa de dilucin D(t)=0.33,
obtenindose:

Los eigenvalores de We+ y We- son, respectivamente:


(We+) = [-0.07
(We-) = [ -0.185

-0.1]

-0.33 ]
71

Esquema de mantenimiento basado en la condicin.

Cap. 5

Ahora bien, para que el observador sea asintticamente estable, se deben cumplir las siguientes
condiciones:

We-i,j 0 i j.

We+ y We- deben ser estable por Hurwitz.

Dado que ambas condiciones se cumplen el observador es asintticamente estable. Los residuos
obtenidos por el observador asintotico 1, son:

5.2. Resultados experimentales de esquema de mantenimiento basado en la condicin.

En este trabajo se utiliz un Controlador Acotado Positivo [Zavala et. Al., 2008] para regular la
concentracin de DQO en el efluente del reactor, teniendo como variable de control el flujo de la
bomba de alimentacin qi. Para validar el desempeo del controlador se hicieron pruebas
experimentales alimentando al reactor con agua residual de una cervecera, la cual fue diluida y
acondicionada a 3 gDQO/L y pH=7, durante los veinte primeros das de experimentacin.
Posteriormente agua residual fue diluida a 2 gDQO/L, manteniendose el valor original de pH=7.
Durante las cuatro semanas previas al inicio de la experimentacin el controlador estuvo operando
con un valor de consigna de s1=1 gDQO/L. El primer da de experimentacin, el valor de consigna
fue modificado de 1 gDQO/L a 0.5 gDQO/L, y fue mantendio sin cambio durante los cuarenta das
de experimentacin. La temperatura del reactor se mantuvo constante a 35 oC durante la
experimentacin.

5.2.1. Diagnstico de falla del sensor s1.


El banco de observadores asintticos desarrollado es capaz de detectar fallas nicas, sbitas y
permanentes en los sensores s1, x1 y QCH4. Sin embargo, en esta seccin solo se presenta el
diagnstico de falla del sensor s1, debido a que este sensor es utilizado por el Controlador Acotado
Positivo para regular la DQO del efluente del reactor. En la Tabla 5.1 se presentan: la media M y
72

Esquema de mantenimiento basado en la condicin.

Cap. 5

la desviacin estndar para cada uno de los residuos generados por el banco de observadores
asintticos, ante un cambio de s1i de 2gDQO/L a 3gDQO/L, en el da 40 de experimentacin, pero
en ausencia de falla. Estos residuos fueron aplanados utilizando un filtro promediador de ventana
mvil. Los valores mostrados en la Tabla 5.1 demuestran que a pesar de que hubo una reduccin
del 50% del valor de s1i , el da 40 de experimentacin, el valor absoluto de la media M de todos
los residuos se mantuvo muy cercano a cero pero, para asegurar que estos valores no sean
detectados como fallas por el sistema FDI desarrollado, se establecieron valores de umbral
mayores que la suma de la media ms la desviacin estndar de cada uno de los residuos.

Tabla 5.1. Media y desviacin estndar de los residuos del banco de observadores asintticos, sin falla.

Observador

residuo

| media | M

desviacin

M+

| Umbral |

estndar
Asinttico 1

Asinttico 2

Asinttico 3

0.0002713

0.0004395

0.0007108

| U11 | > 0.71 mg/L

0.0004283

0.0006449

0.0010732

| U12 | > 1.07 mL/d

0.0002200

0.0002424

0.0004624

| U21 | > 0.46 mg/L

0.0001816

0.0006741

0.0008557

| U22 | > 0.85 mg/L

0.0019930

0.0026010

0.0045940

| U31 | > 4.59 mg/L

0.0004169

0.0006612

0.0010781

| U32 | > 1.07 mL/d

En la Fig. 5.1 se presentan las grficas de los residuos generados por el banco de observadores
asintticos, ante un cambio de s1i de 2gDQO/L a 3gDQO/L, en el da 40 de experimentacin y
adems, una falla nica, sbita y permanente de +50 mgDQO/L, en el da 60 de experimentacin.
Estos residuos fueron aplanados utilizando un filtro promediador de ventana mvil. En la Tabla
5.2 se presentan: la media M y la desviacin estndar para cada uno de los residuos mostrados en
la Fig. 5.1.

73

Esquema de mantenimiento basado en la condicin.

Cap. 5

Tabla 5.2. Media y desviacin estndar de los residuos del banco de observadores asintticos
con falla nica, sbita y permanente de +50 mgDQO/L en el sensor s1.

Observador

residuo

| media | M

desviacin

| Umbral |

estndar
Asinttico 1

Asinttico 2

Asinttico 3

0.0089110

0.0004402

0.0084708

| U11 | < 8.47 mg/L

0.0069650

0.0006722

0.0062928

| U12 | < 6.29 mL/d

0.0002199

0.0002428

Sin falla

0.0497800

0.0007583

0.0490217

| U22 | < 49 mg/L

0.0479700

0.0026950

0.0452750

| U31 | < 45 mg/L

0.0004170

0.0006615

Sin falla

A partir de las restricciones presentadas en las Tablas 5.1 y 5.2, para los valores de umbral de los
residuos del banco de observadores asintticos, se establecieron los siguientes umbrales: | U11 | = 5
mg/L, | U12 | = 5 mL/d, | U22 | = 25 mg/L y | U31 | = 5 mg/L. En la figura 6.1 se puede observar que
los dos residuos generados por el observador asinttico 1,
presentan falla en el da 60 de experimentacin, debido a que tanto

y
como

,
fueron estimadas

a partir de la seal proveniente del sensor s1, que es precisamente el sensor con falla sbita y
permanente de +50 mgDQO/L, en el da 60 de experimentacin. Por otro lado, el observador
asinttico 2 realiza sus estimaciones a partir de la seal proveniente del sensor QCH4, el cual no
presenta falla, por lo que

al igual que

estn bien estimados y en consecuencia, el residuo

es prcticamente cero, mientras que

si presenta falla porque s1 ha

fallado. Por su parte, el observador asinttico 3 realiza sus estimaciones a partir de la seal
proveniente del sensor x1, el cual no presenta falla, por lo que
estimados y en consecuencia, el residuo
el residuo

al igual que

estn bien

si presenta falla porque s1 ha fallado pero,

no presenta falla porque el sensor QCH4 no ha fallado.

74

Esquema de mantenimiento basado en la condicin.

r11

Cap. 5

r12

t (d)

t (d)

r21

r22

t (d)

t (d)

r31

r32

t (d)

t (d)

Fig. 5.1. Residuos del banco de observadores asintticos, ante una falla
nica, sbita y permanente de +50 mgDQO/L en el sensor s1.

5.2.2. Operacin del esquema de mantenimiento basado en la condicin.

Como se mencion anteriormente, el sensor s1 es el encargado de enviar la seal de


retroalimentacin al Controlador Acotado Positivo que se encarga de regular la concentracin de
la DQO en el afluente del reactor. Por tal motivo, si el sensor s1 presenta una falla, entonces la
regulacin de la DQO en el afluente del reactor tambin fallar. Para superar esta problemtica se
ha desarrollado el esquema de mantenimiento basado en la condicin del sensor s1 que se presenta
en la Fig. 5.2. Este esquema de mantenimiento recibe la informacin del sistema FDI y al
75

Esquema de mantenimiento basado en la condicin.

Cap. 5

presentarse una falla del sensor s1, entonces dicho sensor es deshabilitado y su seal es conmutada
por la seal

estimada por el observador asinttico 2, siempre y cuando este observador

no presente falla en su residuo

. En caso de que exista falla en el sensor s1 y

tambin exista falla en el residuo r21, entonces la seal del sensor s1 ser conmutada por la seal
estimada por el observador asinttico 3, siempre y cuando el residuo
est libre de falla.

Fig. 5.2. Esquema de decisin basado en la condicin.

En la Fig. 5.3 se presentan las grficas de la concentracin de DQO en el afluente, tanto la grfica
obtenida experimentalmente como las grficas estimadas por los observadores asintticos 2 y 3.
En dicha figura se puede observar que las tres graficas son prcticamente idnticas hasta el da 60
de experimentacin, en el que se observa la falla sbita y permanente del sensor s1. En la Fig. 5.4
se observa un transitorio en el da 60 de experimentacin. Dicho transitorio corresponde a la
accin del esquema de mantenimiento basado en la condicin, por la cual la seal del sensor s1 es
conmutada por su estimacin generada por el observador 2, de modo tal que el controlador
contina operando normalmente y sigue regulando la concentracin de DQO en el efluente del
reactor a 0.5 gDQO/L.
76

Esquema de mantenimiento basado en la condicin.

(a)

(b)

(c)

t (d)

t (d)

t (d)

Cap. 5

s1

Fig. 5.3. (a) Medicin experimental del sensor s1. (b) Estimacin de
(c) Estimacin de

(observador 2).

(observador 3).

Fig. 5.4. Grfica de s1 conmutada por el esquema de mantenimiento basado en la condicin,


debido a una falla sbita y permanente de +50 mgDQO/L en el da 60 de experimentacin.

77

Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin.

Cap. 6

Captulo 6.
Evaluacin del estado del proceso y recomendaciones para
ayuda a la decisin.
En este captulo se presenta la ltima etapa del sistema completo de ayuda al operador humano
para un reactor anaerobio UASB.
La operacin continua del digestor anaerobio permite conocer su comportamiento para establecer
estados operativos deseables y no deseables. En general para la digestin anaerobia se conocen
seis estados:

1. Condicin normal: La medicin en la concentracin de DQO de entrada y de salida permite


determinar el equilibrio de la entrada con la remocin de DQO esperado.
2. Sub-carga: Se determina con una concentracin de DQO pobre en el flujo de afluente
donde la actividad microbiolgica es baja.
3. Sobre-carga orgnica: La concentracin de DQO en la entrada es demasiado alta que
desequilibra al proceso.
4. Sobrecarga hidrulica: La tasa de dilucin es demasiado alta en donde se puede presentar el
efecto de lavado de reactor.
5. Acidognesis: Se determina cuando hay presente una sobrecarga derivado de una tasa de
carga alta que desequilibra al proceso.
6. Toxicidad: Existe un txico en el flujo de efluente que provoca la inhibicin de las
bacterias.

Estos estados se basan en la observacin de la tendencia de salida del sistema. En este proyecto se
utiliz la teora de probabilidad de Bayes para determinar el estado de operacin del reactor
anerobio utilizado como caso de estudio. Cada estado de operacin del reactor permiti establecer
una serie de recomendaciones para la toma de decisiones que auxilien al operador humano para la
eliminacin de condiciones indeseadas del reactor. En la Fig. 6.1 se observa el funcionamiento en
estado Normal del digestor anaerobio.
78

Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin.

Cap. 6

Fig. 6.1. Interfaz grfica de usuario indicando modo Normal de operacin del reactor anaerobio.

En la Fig. 6.2 se observa el funcionamiento en estado de Sub carga orgnica del reactor
anaerobio, la cual implica un valor de pH por debajo de 7, un nivel bajo de la DQO de entrada, por
lo que la DQO del efluente tambin es baja, y en consecuencia el volumen de biogs es bajo.

Fig. 6.2. Interfaz grfica de usuario indicando modo de Subcarga orgnica del reactor anaerobio.

79

Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin.

Cap. 6

En la Fig. 6.3 se observa el funcionamiento en estado de Sobrecarga orgnica del reactor


anaerobio, la cual implica que la DQO del efluente es alta y la DQO de entrada es alta pero, la
cantidad producida de biogs no es la deseada.

Fig. 6.3. Interfaz grfica de usuario indicando modo de Sobrecarga orgnica del reactor anaerobio.

En la Fig. 6.4 se observa el funcionamiento en estado de Sobrecarga hidrulica del reactor


anaerobio, la cual implica que la tasa de dilucin es alta, lo cual puede ser debido a un aumento del
flujo de alimentacin hacia el digestor, por lo que se presenta inhibicin de las bacterias
metanognicas y en consecuencia el volumen de biogs producido es bajo.

Fig. 6.4. Interfaz grfica de usuario indicando modo de Sobrecarga hidrulica del reactor anaerobio.
80

Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin.

Cap. 6

En la Fig. 6.5 se observa el funcionamiento en estado de Acidognesis, la cual se caracteriza por


un pH bajo, un incremento de la concentracin de cidos grasos voltiles, lo cual inhibe a las
bacterias metanognicas, por lo que el volumen de biogs producido es bajo.

Fig. 6.5. Interfaz grfica de usuario indicando modo de Acidognesis del reactor anaerobio.
En la Fig. 6.6 se observa el funcionamiento en estado de Toxicidad, la cual se caracteriza por un
pH muy bajo (por debajo de 6) y la concentracin de DQO en el efluente es alta, es decir que no se
est realizando la digestin anaerobia.

Fig. 6.6 Interfaz grfica de usuario indicando modo de Toxicidad del reactor anaerobio.
81

Evaluacin del estado del proceso y recomendaciones para ayuda a la decisin.

Cap. 6

Como se puede observar en las figuras 6.1 a 6.6, existen diferentes elementos disponibles en el
sistema desarrollado para determinar el estado del reactor anaerobio y poder emitir
recomendaciones al operador humano. La continua observacin en la tendencia de los datos
generados por el reactor anaerobio le permite al operador humano encargado del reactor, realizar
acciones preventivas y correctivas, con el objetivo de alcanzar una operacin estable de dicho
reactor.

82

Conclusiones.

Cap. 7

Captulo 7.
Conclusiones.
El objetivo de esta tesis fue obtener una estacin de ayuda al operador de diagnstico y
localizacin de fallas que estime en tiempo real las variables de estado de un reactor anaerobio y
que determine cuando existe una posible falla en el proceso. Las variables de estado que
intervienen son concentraciones de biomasa y concentracin de substratos y productos. Estas
variables sern estimadas a partir de modelos matemticos y de observadores de estado partiendo
previamente de un anlisis de observabilidad.

El sistema de ayuda al operador humano desarrollado, requiri del diseo e implementacin de


dispositivos automatizados para la medicin en lnea del pH y del biogs producido por el reactor
anaerobio utilizado como caso de estudio. Cabe destacar que el sistema automatizado para la
medicin en lnea de gas metano que fue desarrollado especficamente para este trabajo de tesis,
est actualmente en trmite de patente a travs de la Direccin General de Educacin Superior
Tecnolgica. Adems; el sistema automatizado de medicin de pH para aplicaciones en
biodigestores anaerobios, el cual tambin fue desarrollado especficamente para este trabajo de
tesis, ya fue publicado en la Memoria Tcnica del VIII Congreso Internacional en Innovacin y
Desarrollo Tecnolgico; mientras que otro prototipo para la medicin en lnea del volumen de
biogs producido por el reactor anaerobio utilizado como caso de estudio, est actualmente en
proceso de revisin para la revista Measurement de Elsevier.
Para cumplir el objetivo planteado, en primer lugar se desarroll un modelo matemtico no lineal
para el reactor UASB utilizado como caso de estudio de esta tesis, a partir del modelo ADM1. En
las primeras etapas de este proyecto se realizaron simulaciones del modelo ADM1 completo, pero
al profundizar en la investigacin se desarrollaron dos modelos simplificados. Una contribucin de
estos modelos simplificados, a diferencia del ADM1, es que son de gran utilidad para la aplicacin
de algoritmos FDI en un sistema de supervisin. Cabe destacar que estos modelos simplificados
sirvieron de base para la elaboracin del artculo Interval observer for a continuous UASB
83

Conclusiones.

Cap. 7

reactor, el cual fue presentado en el 12th IWA World Congress of Anaerobic Digestion y
actualmente se encuentra en revisin para la revista Water Science and Technology.

Posteriormente, para desarrollar un sistema de supervisin y un mdulo FDI en lnea, para el


reactor UASB, se disearon e implementaron diferentes esquemas de diagnstico de fallas basados
en observabilidad asinttica, el enfoque multimodelos y el enfoque geomtrico. En esta parte de la
investigacin se obtuvieron dos resultados originales: Por un lado, se dise e implement un
esquema original de diagnstico de fallas en sensores, el cual fue nombrado como SIOS IFD
(Simplified Interval Observer Scheme - Instrument Fault Detection). La principal ventaja del
esquema SIOSIFD sobre todos los esquemas presentados anteriormente, es el hecho de que no se
requiere la medicin de entrada alguna, solo se requiere tener conocimiento del intervalo de
valores que pueden alcanzar dichas entradas. Por otro lado, se dise e implement un esquema
de diagnstico de fallas en los parmetros, utilizando las herramientas de la geometra diferencial,
mediante la construccin de un espacio de observacin combinando el enfoque multimodelo con
un esquema de transformacin de estado e inyeccin de la salida para generar subsistemas
desacoplados de fallas en los parmetros del modelo ADM1 con un grupo bacteriano desarrollado
en este proyecto. Una contribucin de este trabajo en comparacin con el presentado por Verde y
Visairo (2002), es que la transformacin de estados e inyeccin de salida es utilizada para
desacoplar completamente las funciones no lineales del modelo, de modo tal que se puede realizar
la deteccin de fallas es parmetros a partir de un modelo transformado linealizado.

Para integrar los mtodos de FDI con un sistema que permita el procesamiento y anlisis
matemtico en lnea para auxiliar al operador humano en la toma de decisiones, se implement un
esquema de mantenimiento basado en la condicin, el cual es capaz de conmutar, en caso de falla,
la seal proveniente de un sensor, por la estimacin generada por un observador asinttico, de
modo tal que la regulacin de esta variable pueda seguirse realizando satisfactoriamente. Con este
esquema de mantenimiento basado en la condicin, se complet la integracin de un sistema de
ayuda al operador humano encargado de mantener operando el reactor UASB en modo continuo.

84

Artculos generados por este proyecto

Artculos publicados en revistas:


Albino Martinez-Sibaja, Carlos M. Astorga-Zaragoza, Alejandro Alvarado-Lassman, Rubn
Posada-Gmez, Manuel Adam-Medina. Simplified Interval Observer Scheme. A New
Approach for Fault Diagnosis on Instruments. Publicado en la revista: SENSORS (ISSN: 14248220), Vol. 11(1). 2011. pp. 612-622.
A. Martinez-Sibaja, R. Posada-Gmez, A. Alvarado-Lassman, M. Adam-Medina, C.M.
Astorga-Zaragoza. Fuzzy gain scheduling of PI controller for an anaerobic digester. Publicado en
la revista: Research in Computing Science (ISSN: 1870-4069), Vol. 35, 2008. pp. 199-208.
Rosebet Miranda-Luna, Rubn Posada-Gmez, Giner Alor-Hernndez, Albino MartnezSibaja, Guillermo Corts-Robles. Registro de imgenes video endoscpicas para reconstruir
cartografas de rganos huecos. Publicado en la revista: Ingeniera Investigacin y Tecnologa
(ISSN: 1405-7743), Vol. XII, No. 1, 2011. pp. 83-91.
Artculos publicados en congresos:
Martinez-Sibaja, A. Alvarado-Lassman, C.M. Astorga-Zaragoza, M. Adam-Medina, R. PosadaGmez. Interval observer for a continuous UASB reactor. Publicado en la Memoria Tcnica del
12th IWA World Congress of Anaerobic Digestion y en revisin para la revista Water Science
and Technology.
A. Martinez-Sibaja, R. Posada-Gmez, C.M. Astorga-Zaragoza, J.P. Rodrguez-Jarquin, E.M.
Snchez-Coronado. Diseo e implementacin de un sistema automatizado de medicin de pH
para aplicaciones en biodigestores anaerobios. Publicado en la Memoria Tcnica del VIII
Congreso Internacional en Innovacin y Desarrollo Tecnolgico.
Artculos en revisin para publicacin en revistas:
Arturo Zavala-Ro, Adriana Aguilera-Gonzlez, Albino Martinez-Sibaja, Carlos M. AstorgaZaragoza, Manuel Adam-Medina. A generalized design methodology for the output feedback
regulation of a special type of systems with bounded inputs, el cual est actualmente en revisin
para la revista: International Journal of Robust and Nonlinear Control.
Martinez-Sibaja, A. Alvarado-Lassman, C.M. Astorga-Zaragoza, M. Adam-Medina, R. PosadaGmez. Volumetric gas meter for laboratory-scale anaerobic bioreactors. En revisin para la
revista Measurement de Elsevier.
85

Artculos generados por este proyecto


Martinez-Sibaja, A. Alvarado-Lassman, C.M. Astorga-Zaragoza, M. Adam-Medina, R. PosadaGmez. Sistema de diagnstico de fallas basado en observadores de intervalo para reactores
anaerobios. En revisin para la revista Dyna.
Martinez-Sibaja, A. Alvarado-Lassman, C.M. Astorga-Zaragoza, M. Adam-Medina, R. PosadaGmez. Interval observer for a continuous UASB reactor. En revisin para la revista Water
Science and Technology.
Martinez-Sibaja, A. Alvarado-Lassman, C.M. Astorga-Zaragoza, M. Adam-Medina, R. PosadaGmez. Low cost flow gas meter for laboratory-scale anaerobic bioreactors. En revisin para la
revista Journal of Chemical Education.

86

Referencias
Referencias
[Adam, 2004] Adam Medina, Manuel. Diagnostic de dfauts des systmes reprsentation multi-modle linaire invariant dans le temps. Tesis
doctoral. Universidad Henri Poincar, Nancy 1, Francia. 2004.
[Aceves-Lara, 2004] Aceves-Lara, C.A., Aguilar-Garnica, E., Alcaraz-Gonzlez, V., Gonzlez-Reynoso, O., Steyer, J.P., Gonzlez-lvarez, V.
Kinetic and yield parameters estimation in an anaerobic digestion process using successive quadratic programming (SQP). Proc. of 10th IWA
World Congress on Anaerobic Digestion (AD10), Montreal, Canada, vol. 3, 2004. Pp. 1329-1334.
[Ackerman, 1992] Ackerman, W.J., Block, W. R. Understanding supervisory systems. IEEE. Octubre 1992.
[Aguilar-Lpez, 2006] R. Aguilar-Lpez, G. Soto-Corts, M.I. Neria-Gonzlez. Monitoreo en lnea de un bioreactor continuo empleando
observadores de modo deslizante. Revista Mexicana de Ingeniera Qumica, Vol. 5, Supl. 1, 2006. Pp. 1-4.
[Alarcn, 2004] Alarcn, F., Gonzlez, J, Guzmn, R., Snchez, E. Designing components for dynamic process simulation. Revista Mexicana de
Ingeniera Qumica. Vol. 3. Num. 2. 2004. Pp. 161-175.
[Alcaraz, 2005] Alcaraz, V., Harmand, J., Rapaport, A., Steyer, J. P., Gonzlez-A, V., and Pelayo-O., C. Application of a robust interval observer to
an anaerobic digestion process. Developments in Chemical Engineering and Mineral Processing The Australian research Journal. 13(3-4). 2005.
Pp. 267-278.
[Alcaraz-Gonzlez, 2004] Alcaraz-Gonzlez, V., Harmand, J., Rapaport, A., Steyer, J.P., Gonzlez-lvarez, V., and Pelayo-Ortiz, C. Robust
interval-based siso regulation in anaerobic digestion. Proc. of 10th IWA World Congress on Anaerobic Digestion (AD10), Montreal, Canada, vol. 1,
2004. Pp. 337-342.
[Alcaraz-Gonzlez, 2003] Alcaraz-Gonzlez, V., Harmand, J., Dochain, D., Rapaport, A., Steyer, J.P., Pelayo Ortiz, C., and Gonzlez-lvarez, V.
A Robust Asymptotic Observer for Chemical and Biochemical Reactors. 3rd IFAC Symposium on Robust Control Design, ROCOND2003, Milan,
Italy, 6 pp. on CD-ROM.
[Alcorta, 1999] Alcorta, Efran. Modellgesttzte residuengenerierung fr die diagnose von additiven und multiplikativen fehlern in dynamischen
systemen. Tesis Doctoral. 1999.
[Alcorta-Garca, 1997] Alcorta-Garca, E., P.M. Frank. Deterministic nonlinear observer-based approaches to fault diagnosis: A survey. Control
Engineering Practice, 5(5),1997. Pp. 663-670.
[lvarez-Ramrez, 2002] Jos lvarez-Ramrez, Mnica Merz, Oscar Monroy, and Alejandra Velasco. Feedback control design for an anaerobic
digestion process. Journal of Chemical Technology and Biotechnology 77, 2002. Pp. 725-734.
[Alvarado, 2005] Alvarado Lassman, Alejandro. Modelacin matemtica de la remocin de carbono y nitrgeno en un reactor de lecho fluidizado
inverso para aguas residuales. Tesis doctoral. Instituto Tecnolgico de Veracruz. 2005.
[Angelidaki, 1993] Angelidaki, I.; Ellegaard, L. y Ahring, B. K. A Mathematical Model for Dynamic Simulation of Anaerobic Digestion of
Complex Substrates: Focusing on Ammonia Inhibition, Biotechnology and Bioengineering, Vol. 42, 1993. Pp. 159-166.
[Aranguren, 2004] Aranguren, S., Tarantino, R. Sistemas para la deteccin y diagnstico de fallas. Aplicacin industrial. Revista colombiana de
tecnologas de avanzada. Vol 1. Num. 3. 2004. Pp. 85-90.
[Armanet, 1998] Armanet, F., N.Othman, S. Othman. Non-linear observer based method for fault detection and isolation: Application to an
industrial petrochemical process, Proc. IFAC On-Line Fault Detection and Supervision in the Chemical Process Industries, Lyon, France, 1998. Pp.
53-58.
[Astorga, 2006] Atorga, C., Quintero, E., Vela, L., Torres, L. Observador no lineal para la estimacin de concentraciones en un proceso de
destilacin Metanol/Etanol. Informacin Tecnolgica. Vol. 17. No. 6. 2006. Pp. 35-41
[Astrom, 1997] K.J. Astrom. Computer Controlled Systems, Theory and Design. 3a. Edicin. EUA. 1997.
[Aubrun, 2001] Aubrun, C., D. Theilliol, J. Harmand, J. Steyer. Software sensor design for COD estimation in an anaerobic fluidized bed reactor.
Water Sci. Technol. 43(7), 2001. Pp. 115122.
[Baseville, 1998] Baseville, M. On-board component fault detection and isolation using statistical local approach. Automatica, 34(11), 1998.
[Baseville, 1993] Baseville, M., I. Nikiforov. Detection of abrupt changes Theory and Applications. Prentice Hall Information and Systems
Sciences Series. 1993.
[Batstone, 2002] D.J. Batstone, J. Keller, I. Angelidaki, S.V. Kalyuzhnyi, S.G. Pavlostathis, A. Rozzi, W.T.M. Sanders, H. Siegrist and V.A.
Vavilin.The IWA Anaerobic Digestion Model No 1 (ADM1). Water Science and Technology, 45(10), 2002. Pp. 65-73.
[Benkhannouche, 1993] Benkhannouche, S., J.-M. Penalva. Systemic approach for supervision systems design, Proc. International Conference on
Systems, Man and Cybernetics, Systems Engineering in the Service of Humans, Le Touquet, France, Vol. 1, 1993. Pp. 395-400.

87

Referencias
[Bernard, 2005] Olivier Bernard, Benoit Chachuat, A. Helias, B. Le Dantec, B. Sialve, J.-P. Steyer, L. Lardon, P. Neveu, S. Lambert, J. Gallop, M.
Dixon, P. Ratini, A. Quintaba, S. Frattesi, J. M. Lema, E. Roca, G. Ruiz, J. Rodriguez, A. Franco, P. A. Vanrolleghem, U. Zaher, D. J. De Pauw, K.
De Neve, K. Lievens, D. Dochain, O. Schoefs, H. Fibrianto, R. Farina, V. Alcaraz Gonzalez, V. Gonzalez Alvarez, P. Lemaire, J. A. Martinez, F.
Esandi, O. Duclaud, and J. F. Lavigne. An integrated system to remote monitor and control anaerobic wastewater treatment plants through the
internet, Water Science and Technology, Vol. 52, 2005. Pp.457-464.
[Bernard, 2004] Bernard, O. and G. Bastin. Identification of reaction networks for bioprocesses: determination of a partially unknown pseudostoichiometric matrix. Bioprocess and Biosystems Engineering, 27(5), 2004. Pp. 293-301.
[Bernard, 2001] O. Bernard, M. Z. Hadj-Sadok, D. Dochain, A. Genovesi, and J.-P. Steyer. Dynamical model development and parameter
identification for an anaerobic wastewater treatment process. Biotechnology and Bioengineering, 75(4), 2001. Pp. 424-438.
[Bogaerts, 2003] Bogaerts, P., A. Wouver (2003). Software sensors for bioprocesses. ISA Transactions, 42, 2003. Pp. 547558.
[Brus, 2005] Brus L. Nonlinear identification of an anaerobic digestion process. Proceedings of the 2005 IEEE International Conference on Control
Applications. 2005. Pp. 137-142.
[Busawon, 2000] Busawon, K., De Len, J. An observer design for uniformly observable nonlinear systems. International Journal of Control. Vol.
73. No. 15. 2000- Pp. 1375-1381.
[Campbell, 2006] S. Campbell, K. Drake, I. Andjelkovic, K. Sweetinngham, D. Choe. Model based failure detection using test signals from
linearizations: A case study. Proceedings of the 2006 IEEE Conference on computer aided control system design. 2006. Pp. 2659-2664.
[Chachuat, 2006] Benoit Chachuat and Olivier Bernard. Probabilistic observers for a class of uncertain biological processes, International Journal of
Robust and Nonlinear Control, 16(3), 2006. Pp. 157-171.
[Chen, 1999] Chen, J., Patton, R. Robust Model-Based Fault Disagnosis for Dynamical Systems. Kluwer Academic Publishers. 1999. Captulos 1y
2.
[Darouach, 1994] Darouach, M. Zasadzinski, M, y Xu, S. Full order observers for linear systems with unknown inputs. IEEE Transactions on
Automatic Control. Vol 39. No. 3. Marzo 1994. Pp. 606-609.
[Denac, 1988] Denac, M., Miguel, A. y Dunn, I. J. Modelling Dynamic Experiments on the Anaerobic Degradation of Molasses Wastewater,
Biotechnology and Bioengineering, Vol. 31, 1988. Pp. 1-10.
[Dietynecki, 2003] Dietynecki, Marcin. rboles de decisin borrosos y su aplicacin a la indexacin multimedia. CNRS. Francia. 2003.
[Dimitrova, 2005] N. S. Dimitrova, and M. I. Krastanov. Stabilization of a nonlinear anaerobic wastewater treatment model, in Large-Scale
Scientific Computing: 5th International Conference, LSSC 2005, Sozopol, Bulgaria, June 6-10, 2005.
[Dumont, 2005] G. Dumont. Coopration et valuation cognitive dagents artificiels pour la supervision. Thse. LInstitut National des Sciences
Appliques de Toulouse. Mar 2005.
[Dochain, 2003] Dochain, D. State and parameter estimation in chemical and biochemical processes: a tutorial. Journal of Process Control 13(8),
2003. Pp. 801-818.
[El-Antably, 1993] El-Antably, A.; Xiaogang Luo; Martin, R.; System simulation of fault conditions in the components of the electric drive system
of an electric vehicle or an industrial drive. Proceedings of the IECON'93, 15-19 Nov. 1993, pp: 1146 -1150 vol.2.
[Elnemr, 1996] Elnemr, H,, Elewa, M. Expert Failure Detection Tecnique for Distillation Column. IEEE. 1996.
[Farza, 1997] Farza, M. Nonlinear observers for parameter estimation in bioprocesses. Chemical Engineering Science, vol. 53, no. 23, 1997. Pp.
4251-4267.
[Fedorovich, 2003] Vyacheslav Fedorovich, Piet Lens, and Sergey Kal yuzhnyi. Extension of Anaerobic Digestion Model No.1 with Processes of
Sulfate Reduction. Applied Biochemistry and Biotechnology, Vol. 109, 2003. Pp. 33-45.
[Figueroa, 2004] M. Figueroa, M. Bonilla, M. Malabre, J. Martnez. On failure detection by inversion techniques. 43rd IEEE Conference on
decision and control. 2004. Pp. 4770-4775.
[Floquet, 2006] Floquet, T. and J.-P. Barbot. State and unknown input estimation for linear discrete-time systems. Automatica 42(11), 2006. Pp.
1883-1889.
[Frank, 1990] Frank. Paul. Fault Diagnosis in Dynamic Systems using analytical and knowledge-based redundancy- A survey and some new results.
Automatica. Vol. 26. No. 3. 1990. Pp. 459-474.
[Garca, 2004] C.D. Garca. Outils pour laide la supervision de procds dans une architecture multiagent. Thse. Institut National Polytechnique
de Greoble. Septembre 2004.

88

Referencias
[Garca, S/F] Garca, E., Morant F., Quiles, E.,Blasco, R., Correcher, A. Diagnstico de fallos de una columna de destilacin. Universidad
Politcnica de Valencia. S/F
[Garimella, 2005] P. Garimella, B. Yao. Model based fault detection of an electrohydraulic cylinder. 2005 American control conference. 2005. Pp.
484-489.
[Gertler, 1990] Gertler J.J., D. Singer. A new structural framework for parity equation based failure detection and isolation. Automatica, 26, 1990.
Pp. 381-388.
[Gertler, 1998] Gertler Janos. Survey of Model-Based failure detection and isolation in complex plants. IEEE. 1998.
[Gouz, 2000] Gouz J.L. Rapaport A. Hadj-Sadok M.Z. Interval observers for uncertain biological systems, Ecological Modelling, Vol. 113, 2000.
[Gouz, 2001] Gouz J.L. Hadj-Sadok M.Z. Estimation of uncertain models of activated sludge processes with interval observers. Journal of
Process Control, Vol. 11, 2001. Pp. 299-310.
[Guan, 1991] Guan, Yuping y Saif, Mehrdad Saif. A novel approach to the design of unknown inputs observers. IEEE Transactions on Automatic
Control. Vol 36. No. 5. Mayo 1991. Pp. 632-635.
[Gupta, 1997] Gupta, N.; Gupta, S. K. y Ramachandran, K. B. Modelling and simulation of anaerobic stratified biofilm for methane production and
prediction of multiple steady states, The Chemical Engineering Journal, Vol. 65, 1997. Pp. 37-46.
[Ha, 2004] Ha, Q. P. and H. Trinh. State and input simultaneous estimation for a class of nonlinear systems. Automatica 40(10), 2004. Pp. 17791785.
[Hammouri, 2002] Hammouri, H., Targui, B., Armanet, F. High gain observer based on a triangular structure. International Journal of Robust and
Nonlinear control. 2002. Vol. 12 Pp. 497-518.
[Han, 2006] Han, M. Nonlinear model based control of two-product reactive distillation column. SICE-ICASE International Joint Conference 2006.
Korea
[Hou, 1992] Hou, M. y Mller, P.C. Design of observers for linear systems with unknown inputs. IEEE Transactions on Automatic Control. Vol.
37. No. 6. Junio 1992. Pp. 871-874.
[Hou, 1994] Hou, M., Mller, P.C. Fault detection and isolation observers. Int.Journal of Control !994. Vol 60. No. 5. Pp. 827-846.
[Hu, 2005] Hu, Q., He, Z.J., Zhang, Z.S., Zi, .Y., Lei, Y.G. A novel hybrid intelligent maintenance system and its application. IEEE 2005.
[Isermann, 1993] Isermann, R. Fault diagnosis of machines via parameter estimation and knowledge processing Tutorial paper. Automatica, 29(4),
1993. Pp. 815-836.
[Isermann, 1996] R. Isermann, T. Hfling. Adaptive parity equations and advanced parameter estimation for fault detection and diagnosis. IFAC.
Estados Unidos. 1996. Pp. 55-60.
[Isermann, 1997] Isermann, R. Supervision, fault-detection and fault-diagnosis methods An introduction, Control Engineering Practice, 5(5),
1997. Pp. 639-652.
[Isermann, 1997] Isermann R., P. Ball. Trends in the application of model-based fault detection and diagnosis of technical processes, Control
Engineering Practice, 5(5), 1997. Pp. 709-719.
[Isidori, 1995] Isidori A., Nonlinear Control Systems, Springer, 1995.
[Jin, 1996] H. Jin, H. Zhang. Failure detection using optimal parity vector sensitive to special sensor failure. IEEE Proceedings of the 1996
International Conference on Multisensor Fusion and Integration for Intelligent Systems. 1996. Pp. 55-61.
[Jon, 2002] C. Jon. Diagnostic des systmes non linaires contribution aux mthodes de dcouplage. Thse. Universit Heinri Poincar. Nov. 2002.
[Kalyuznhyi, 1997] Kalyuznhyi S.V. Batch anaerobic digestin of glucosea and its mathematical modeling. II. Description, verification and
application of model. Bioresource Technology Vol. 59, 1997. Pp. 249-258.
[Kalyuznhyi, 1996] Kalyuznhyi S.V., Sklyar V.I., Davlyatshina M.A., Parshina S.N., Simankova M.V., Kostrikina N.A., Nozhevnikova A.N.
Organic removal and microbiological features of UASB reactor under various organic loading rates. Bioresource Technology Vol. 55, 1996. Pp. 4754.
[Khalil, 1996] H. Khalil, H. Nonlinear Systems. Segunda edicin. Prentice Hall, NJ,1996.
[Kinnaert, 2003] Kinnaert, Michael. Fault diagnosis based on analytical models for linear systems and nonlinear systems. A tutorial.
SAFEPROCESS 2003.

89

Referencias
[Kleer, 2003] Kleer, Johan de, Kurlen, James. Fundamentals of model-based diagnosis. SAFEPROCESS 2003.
[Kleerebezem, 2003] Kleerebezem R., Macarie H. Treating industrial wastewater: Anaerobic digestion comes of age. Chemical Engineering
WWW.CHE.COM April 2003.
[Knowles, 1982] Knowles, R. Denitrification. Microbiological Reviews, 46(1). 1982. Pp. 43-70.
[Kornaros, 1996] Kornaros, M., C. Zafiri, G. Lyberatos. Kinetics of denitrification by pseudomonas denitrificans under growth conditions limited
by carbon and/or nitrate or nitrite. Water Environment Research, 68(5), 1996. Pp. 934945.
[Lardon, 2002] Lardon L., Pual A., Steyer J.P., Roca E., Lema J., Lambert S., Ratini P., Frattesi S. and Bernard O. Specifications of modular
internet-based remote supervision systems for wastewater treatment plants, 15th biennial European Conference on Artificial Intelligence ECAI'2002,
Workshop 14: Binding Environmental Sciences and Artificial Intelligence, Lyon, France, 2002. Pp. 5.1-5.5.
[Lardon, 2004] Lardon L., Punal A. and Steyer J.P. On-Line diagnosis and uncertainty management using evidence theory Experimental
illustration to anaerobic digestion processes, Journal of Process Control, 14(7), 2004. Pp. 747-763.
[Lettinga, 1980] Lettinga, G., Van Velsen, A.F.M., Hobma, S.W., de Zeeuw, W., Klapwijk, A. Use of the upflow sludge blanket (USB) reactor
concept for biological wastewater treatment, especially for anaerobic treatment, Biotechnol. Bioeng., Vol. 22, 1980. Pp. 699-734.
[Lootsmo, 2001] T. Lootsmo. Observer-based fault detection and isolation for nonlinear systems. Ph.D. Thesis. Aalborg University. 2001.
[Luenberger, 1971] Luenberger, David. (1971) An introduction to observers. IEEE Transactions on Automatic Control. Vol. 16. No. 6. Diciembre
1971. Pp. 596-602.
[Macarie,2000] Macarie H. Overview of the application of anaerobic treatment to chemical and petrochemical wastewaters, Water Science and
Technology, 42(5-6), 2000. Pp. 201-213.
[McCarty, 1991] McCarty, P. L. y Mosey, F. E. Modelling of Anaerobic Digestion Processes (a discussion of concepts), Water Sci. Technol., 24(8),
1991. Pp. 17-33.
Martinez-Sibaja, A., Astorga-Zaragoza, C.M., Alvarado-Lassman, A., Posada-Gmez, R., Adam-Medina, M. Simplified Interval Observer
Scheme. A New Approach for Fault Diagnosis on Instruments. SENSORS (ISSN: 1424-8220), Vol. 11(1). 2011. pp. 612-622.
[Martnez-Sibaja et. Al., 2010] Martinez-Sibaja, A., Alvarado-Lassman, A., Astorga-Zaragoza, C.M., Adam-Medina, M., Posada-Gmez, R.
Interval observer for a continuous UASB reactor. Publicado en la Memoria Tcnica del 12th IWA World Congress of Anaerobic Digestion y en
revisin para la revista Water Science and Technology.
[Martnez-Sibaja et. Al., 2008] Martinez-Sibaja, A., Posada-Gmez, R., Alvarado-Lassman, A., Adam-Medina, M., Astorga-Zaragoza, C.M. Fuzzy
gain scheduling of PI controller for an anaerobic digester. Research in Computing Science (ISSN: 1870-4069), Vol. 35, 2008. pp. 199-208.
[Mattei, 2004] M. Mattei, G. Paviglianiti, V. Scordamaglia. Nonlinear H observers for sensor FDI: an application example. IEEE. 2004. Pp. 346351.
[Melndez, 1997] J. Melndez. Integration of knowledge-based qualitative and numeric tools for real time dynamic systems supervision. Thesis.
Universitat de Girona. December 1997.
[Milne, 1987] R. Milne. Strategies for diagnosis. IEEE Transactions on Systems, Man and Cybenetics. Vol SMC-17. No. 3. Mayo/Junio 1987. Pp.
333-339.
[Mina, 2008] J.D. Mina. Aislamiento de fallas con modelos estructurados de componentes principales. Tesis. UNAM. Enero 2008.
[Monroy-Hermosillo,1998] Monroy-Hermosillo O. A. Modelamiento y control de un sistema de digestin anaerobia en dos etapas. Tesis Doctoral
en Biotecnologa, UAM, 1998.
[Montmain, 2000] Montmain, Jacky (2000). Un superviseur pour les apprentis oprateurs ?, Communication
nationale, NmesTIC 2000, Nmes, France, septiembre, 2000. Pp. 64-73.
[Mussati, 2000] Miguel Mussati, Pio Aguirre, Nicols Scenna, Oscar Soto, y Miguel A. Zanuttini. Desarrollo de procesos anaerbicos para el
tratamiento de efluentes papeleros. Congreso Iberoamericano de Investigacin en Celulosa y Papel 2000. Argentina. 24 pp. on CD-ROM.
[Noel, 2004] Noel, S., Jajodia S. Managing attack graph complexity through visual hierarchical aggregation. Proceedings of the 2004 ACM
workshop on Visualization and data mining for computer security. EUA. 2004. Pp. 109-118.
[Noykova, 2002] Nelly Noykova, Thorsten G. Muller, Mats Gyllenberg, Jens Timmer. Quantitative Analyses of Anaerobic Wastewater Treatment
Processes : Identifiability and Parameter Estimation. Biotechnology and Bioengineering, 78(1), 2002. Pp. 89-103.
[Orrick, 1994] A. Orrick, M. McDermott, D. Barnett, E. Nelson, G. Williams. Failure detection in an autonomous underwater vehicle. IEEE
Proceedings of the 1994 International Conference on Multisensor Fusion and Integration for Intelligent Systems. 1994. Pp. 377-382.

90

Referencias
[Pannocchia, 2003] Pannocchia, G. Robust disturbance modeling for model predictive control with application to multivariable ill-conditioned
processes. Journal of Process Control. Vol 13. Elsevier. 2003. Pp. 693-701.
[Patton, 1989] Patton, R.J., P. Frank, R. Clark, Eds. Fault diagnosis in dynamic systems Theory and Application, Prentice Hall International
Systems and Control Engineering Series. 1989.
[Patton, 1991] R.J. Patton, J. Chen. A review of parity space approaches to fault diagnosis. Proc. Safeprocess 91. Baden Baden. FRG. 1991. Pp
239-255.
[Patton, 1998] Patton, R.J., M. Hou. Fault observability and fault reconstruction for dynamic systems, Proc. IFAC On-Line Fault Detection and
Supervision in the Chemical Process Industries, Lyon, France, 1998. Pp. 59-64.
[Payne, 1973] Payne, W. Reduction of nitrogenous oxides by microorganisms, Bacteriological
Reviews. Vol. 37, No. 4. 1973. Pp. 409452.
[Polit, 2002] M. Polit, M. Estaben, and P. Labat. A fuzzy model for an anaerobic digester , comparison with experimental results. Engineering
applications of artificial intelligence Vol. 15, 2002. Pp. 385-390.
[Riggins, 1997] R. Riggins, W. Ribbens. Designed inputs for detection and isolation of failures in the state transition matrices of dynamic systems.
IEEE Transactions on control systems technology. Vol. 5. No.2. 1997. Pp. 149-162.
[Rinzema, 1993] Rinzema, A.; Alphenaar, A. y Lettinga, G. Anaerobic Digestion of Long-Chain Fatty Acids in UASB and Expanded Granular
Sludge Bed Reactors, Process Biochemistry, Vol. 28, 1993. Pp. 527-537.
[Rivas, 2006] F. Rivas. Diseo de una estacin de monitoreo de procesos aplicacin a una columna de destilacin. Tesis para obtener el grado de
maestro en ciencias en ingeniera mecatrnica. Cenidet. 2006.
[Saif, 1993] Saif, M., Guan, Y. A new approach to robust fault detection and identification. IEEE transactions on aerospace and electronic systems.
Julio 1993. Vol. 29, No. 3. Pp. 685-694.
[Sayed, 2002] M. Sayed. Conception dun systme de diagnostic adaptatif et prdictif bas sur la mthode Fuzzy Pattern Matching pur la
surveillance en ligne des systmes volutifs. Thse. Universit de Reims Champagne-Ardenna. Diciembre 2002.
[Seliger and Frank, 2000] Seliger, R. and Frank, P. Robust observer-based fault diagnosis in non-linear uncertain systems. Issues of Fault Diagnosis
for Dynamic System, R. Patton, P. Frank, R. Clark (Eds). Springer, 2000. Pp. 145-187.
[Seliger, 1991a] Seliger, R., P.M. Frank. Robust component fault detection and isolation in nonlinear dynamic systems using nonlinear unknown
input observers. Proc. Safeprocess'91, Baden-Baden, 1991. Pp. 313-318.
[Seliger, 1991b] Seliger, R., P.M. Frank. Fault diagnosis by disturbance decoupled nonlinear observers. Proc. CDC'91, Brighton, RU, 1991. Pp.
2248-2253.
[Selmic, 2001] R. Selmic, F.Lewis. Multimodel neural networks identification and failure detection of nonlinear systems. Proceedings of the 40th
IEEE Conference on decision and control. 2001. Pp. 3128-3133
[Setia, 2006] R. Setia. Run-to-run failure detection and diagnosis using neural networks and dempster-shafer theory: An application to excimer laser
ablation. IEEE Transactions on electronics packaging manufacturing. Vol. 29. No. 1. 2006. Pp. 42-49.
[Siegrist, 1996] Siegrist, H. Nitrogen removal from digester supernatant comparison of chemical and biological methods. Water Science and
Technology. 34 (1-2). 1996. Pp. 399-406.
[Simani, 2003] S. Simani, C. Fantuzzi, R. Patton. Model-based Fault Diagnosis in Dynamic Systems Using Identification Tecniques. Ed. Springer.
2003. Captulo 2.
[Smith, 1995] Smith, H. L. Monotone Dynamical Systems. An introduction to the theory of competitive and cooperative systems. AMS
Mathematical Surveys and Monographs. 41: 31-53.
[Steyer, 2004] Steyer J.P., Lardon and Olivier Bernard. Sensors networks and uncertainty management in anaerobic digestion processes, 2nd
International IWA Conference on Automation in Water Quality Monitoring AutMoNet,Vienna, Austria, 2004. Pp. 117-124.
[Stylios, 2004] Stylios, Ch., Groumpos, P. The challenge of modeling supervisory systems using fuzzy cognitive maps. Journal of Intelligent
Manufacturing. Vol. 9. Num.4. 1998. Pp. 339-345.
[Suidan, 1994] Suidan, M. T.; Flora, J. R. V.; Biswas, P., y Sayles, G. D. Optimization modeling of anaerobic biofilm reactors, Wat. Sci. Tech.,
Vol. 30, 1994. Pp. 347-355.
[Tai, 2002] Y. Tai, K. Yoshizawa, H. Okubo. Robust fault detection of smart structure control systems with model uncertainty. SICE 2002. Osaka.
Pp. 1135-1138.
[Targui, 2000] Targui, B. Modelisation et observation des colonnes a distiller. PhD Thesis. Universite Claude Bernard-Lyon. Francia. 2000.

91

Referencias
[Targui, 2002] Targui, B. Farza M. Observer design for a class of a class of multioutput nonlinear systems. Application to a distillation column.
Proceeding of the 40th IEEE conference on decision and control. EUA. 2002. Pp. 3352-3357.
[Targui, 2002] Targui, B., Farza, M., Hammouri, H. Constant-Gain observer for a class of multi-output nonlinear systems. Applied Mathematics
Letters 15. 2002. Pp. 709-720.
[Tartakovsky, 2002] Tartakovsky B., Morel E., Steyer J.P. and Guiot S. Application of a variable structure model in observation and control of an
anaerobic digestor, Biotechnology Progress, 18, 2002. Pp. 898-903.
[Theilliol, 2003] Theilliol, D., J.C. Ponsart, J. Harmand, C. Join and P. Gras. On-line estimation of unmeasured inputs for anaerobic wastewater
treatment processes. Control Engineering Practice, 11(9), 2003. Pp. 1007-1019.
[Venkatasubramanian, 2003a] Venkatasubramanian V., Rengaswamy R., Yin R. and Kavuri S.N. A review of process fault detection and diagnosis
Part I: Quantitative model-based methods, Computers and Chemical Engineering, 27, 2003. Pp. 293-311.
[Venkatasubramanian, 2003b] Venkatasubramanian V., Rengaswamy R., Yin R. and Kavuri S.N. A review of process fault detection and diagnosis
Part II: Quanlitative models and search strategies, Computers and Chemical Engineering, 27, 2003. Pp. 313-326.
[Venkatasubramanian, 2003c] Venkatasubramanian V., Rengaswamy R., Yin R. and Kavuri S.N. A review of process fault detection and diagnosis
Part III: Process history based methods, Computers and Chemical Engineering, 27, 2003. Pp. 327-346.
[Verde y Visairo, 2002] Verde, C. and Visairo, N. Fault isolation for nonlinear systems. CCA IASTED, May 20-22, 2002. Pp. 318322.
[Visairo, 2004] Visairo Cruz, Nancy. Deteccin y localizacin de fugas en un ducto. Tesis doctoral. Centro Nacional de Investigacin y Desarrollo
Tecnolgico CENIDET. 2004.
[Wang, 2006] Wang, L. Chu, J., Mao, W, Fu, Y. Advanced maintenance strategy for power plants- Introducing intelligent maintenance system.
Proceedings of the 6th congress on intelligent control and automation. China. IEEE. 2006.
[Yang, 1995] H. Yang, M. Saif. State observation, failure detection and isolation (FDI) in bilinear systems. IEEE Proceedings of the 34th
Conference on decision & control. 1995. Pp. 2391-2396.
[Zaher, 2003] U. Zaher, J. Rodrguez, A. Franco and P. A. Vanrolleghem. Application of the IWA ADM1 model to simulate anaerobic digester
dynamics using a concise set of practical measurements. IWA Conference on Environmental Biotechnology. Advancement on Water and
Wastewater Applications in the Tropics. Kuala Lumpur, Malaysia. December 2003.
[Zavala, 2003] M. Zavala, E. Alcorta. Detection of internal faults in transformers using non linear observers. IEEE. 2003. Pp. 195-199.
[Zhang, 1998] Zhang, Q., Benveniste, A. Fault detection and isolation in nonlinear dynamic system: A combined input-output and local approach,
AUTOMATICA, Vol. 34, 1998. Pp. 1359-1373.
[Zou, 2006] Zou, Z., Yu, D., Hu, Z, Guo, N., Yu, L., Feng, W. State space modeling and predictive control of a binary batch distillation column.
Proceedings of the 6th congress on intelligent control and automation. China. IEEE. 2006.

92