See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/275335398

Control predictivo multivariable de un bastidor de ósmosis inversa de una planta

desalinizadora de agua de mar

Conference Paper · October 2012

CITATIONS READS

2 804

3 authors:

Juan Moncada Raul Rivas-Perez

Siemens Universidad Tecnológica de la Habana, José Antonio Echeverría
1 PUBLICATION   2 CITATIONS    298 PUBLICATIONS   1,507 CITATIONS   

SEE PROFILE SEE PROFILE

Javier Sotomayor
Pontifical Catholic University of Peru
51 PUBLICATIONS   123 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Control of bioprocesses View project

Fault detection based PC View project

All content following this page was uploaded by Raul Rivas-Perez on 22 April 2015.

The user has requested enhancement of the downloaded file.

MEMORIA XV CONGRESO LATINOAMERICANO DE CONTROL AUTOMÁTICO
23 - 26 OCTUBRE, LIMA-PERÚ

Control Predictivo Multivariable de un

Bastidor de Ósmosis Inversa de una Planta
Desalinizadora de Agua de Mar
Moncada-Valerio J.*, Rivas-Perez R.**, Sotomayor-Moriano J.*

*Departamento de Ingeniería, Pontificia Universidad Católica del Perú, Avenida

Universitaria 1801, San Miguel, Lima, Perú, Tel: 51-1 626200
(e-mail: jmoncada@pucp.pe)
**Departamento de Automática y Computación, Universidad Politécnica de la Habana,
Calle 114 No 11901, CUJAE, Marianao, Habana, 19390, Cuba, Tel.: 537 266325
(e-mail: rivas@electrica.cujae.edu.cu)

Resumen: Se desarrolló un sistema de control predictivo, con controlador DMC

multivariable, de un bastidor de ósmosis inversa de una planta desalinizadora de
agua de mar. Mediante la aplicación de las herramientas de identificación de
sistemas se obtuvo un modelo matemático multivariable del proceso objeto de
estudio, cuyos resultados de validación mostraron un elevado grado adecuación.
Se desarrolló el diseño del controlador DMC multivariable en base a
Matlab/Simulink. Los resultados comparativos de simulación del sistema de
control predictivo desarrollado, de la planta objeto de estudio, con otro sistema
de control equivalente (con controlador PI y planta desacoplada) mostraron un
mejor comportamiento del sistema de control cuando se aplica el DMC. Se
desarrolló una propuesta de implementación práctica del controlador diseñado
utilizando la herramienta Simulink PLC Coder para PLCs Allen Bradley.

Palabras claves: Bastidor de ósmosis inversa, Controlador DMC multivariable,

Identificación de sistemas, Planta desalinizadora de agua de mar, Simulink PLC
Coder.

1. INTRODUCCIÓN ofrecen en comparación con otras tecnologías. La de-

La escasez de agua potable constituye una constante
y creciente preocupación en el ámbito internacional
debido a que en muchos países los recursos hídricos
son insuficientes y no logran satisfacer la alta deman-
da de agua requerida. Perú, a pesar de sus cuantiosos
recursos hídricos, presenta problemas de escasez de
agua como resultado de la mala distribución de di-
chos recursos. En algunos años, los más de ocho mi-
llones de personas que habitan la ciudad de Lima no
podrán disponer de agua potable debido al calen-
tamiento global, el cual está originando que se derri-
tan los glaciares que suministran agua a dicha ciudad.
Es por ello, que las medidas encaminadas a la bús-
queda y explotación eficiente de fuentes alternativas
de agua potable presentan una gran importancia y
actualidad (Rivas-Perez et al., 2007).
En los últimos años se vienen utilizando de forma
creciente las plantas desalinizadoras de agua de mar
mediante ósmosis inversa, las cuales constituyen una
buena solución a la problemática relacionada con la
escasez de agua potable debido a las ventajas que
salinización, mediante ósmosis inversa, consiste en
impulsar el agua de mar a alta presión a través de una
membrana semipermeable, la cual posibilita la sepa-
ración de las sales. De esta forma, se obtiene por un
lado el flujo de agua desalinizada (permeado) sin pre-
sión y por el otro el flujo de salmuera a alta presión
(Medina San Juan, 2000).
Estas plantas son muy complejas y requieren de
sistemas de control (precisos y eficientes) de sus pro-
cesos críticos, que garanticen condiciones óptimas de
operación, de forma tal de obtener una elevada cali-
dad del agua desalinizada, con costos mínimos de
producción (Abbas, 2006; Bartman et al., 2009).
Las membranas de ósmosis inversa se colocan en el
interior de tubos de presión (aproximadamente 7
membranas por tubos) con sus correspondientes co-
lectores, para permitir la entrada y salida de los dife-
rentes flujos que se generan en el proceso. Estos tu-
bos se ubican en una estructura metálica que los so-
porta y los mantiene inmóviles para resistir las pre-
siones que se aplican. Esta estructura representa a la
unidad de producción típica de una planta desaliniza- (Zhu, 2001). En la Fig. 1 se muestra un diagrama del
dora de agua de mar, la cual se conoce como bastidor arreglo experimental realizado para la identificación
de ósmosis inversa (Majali and Ettouney, 2008). del bastidor de ósmosis inversa objeto de estudio.

Los bastidores de ósmosis inversa constituyen los

procesos críticos de mayor importancia de esta clase
de plantas, debido a que determinan la calidad del
agua desalada y a su vez son los que consumen la
mayor cantidad de energía. Estos bastidores
requieren de un eficiente sistema de control que
posibilite mantener las condiciones de operación
cercanas a las óptimas, lo cual resulta en un aumento
de la productividad, un decremento del consumo
energético, así como en un incremento de la vida útil Fig. 1. Diagrama del arreglo experimental para la
de las membranas (Abbas, 2006 ). recolección de datos del bastidor de osmosis inversa.

En los últimos años diferentes autores (Abbas, 2006; Como variables de salidas del modelo matemático se
Ali et al., 2010; Ali and Zafiriou, 1993; Assef et al., consideraron el caudal y la conductividad del per-
1997; Robertson et al., 1996, entre otros) han pro- meado y como variables de entrada la presión y el pH
puesto el uso de controladores predictivos para el del alimentado. La estructura del modelo matemático
control eficiente de bastidores de ósmosis inversa, obtenido coincide con la propuesta por Alatiqi (Alati-
debido a las ventajas que ofrecen. Sin embargo, estos qi et al., 1989), la cual presenta la forma:
controladores fueron diseñados en base a paquetes
(software) comerciales, los cuales constituyen herra- ⎡ F ( s)⎤ ⎡G11 ( s) G12 ( s)⎤ ⎡ P( s) ⎤ (1)
mientas de control complejas y cerradas que no per- ⎢C ( s) ⎥ = ⎢G ( s) G ( s) ⎥ ⎢ pH ( s)⎥,
⎣ ⎦ ⎣ 21 22 ⎦ ⎣ ⎦
miten introducir mejoras y presentan un elevado cos-
to, lo cual limita su amplia utilización. Es por ello, donde F(S) es el caudal del permeado, C(s) es la
que en este trabajo se desarrolla un controlador DMC conductividad del permeado, P(s) es la presión del
multivariable para el control de un bastidor de ósmo- alimentado y pH(s) es el pH del alimentado;
sis inversa diseñado en base a Matlab/Simulink, el y1 ( s) F ( s) K11 (T11 s + 1)
cual puede encontrar una amplia aplicación, debido a G11 ( s) = = = ; (2)
su simple implementación práctica y bajo costo. u1 ( s) P( s) (T11 s + 1)(T11 s + 1)
y1 ( s) F (s) (3)
Este trabajo ha sido estructurado de la siguiente for- G12 ( s ) = = = zero;
u 2 ( s ) pH ( s )
ma. En la Sección 2 se presenta un modelo matemáti-
co del bastidor de ósmosis inversa objeto de estudio, y 2 ( s) C ( s) K 21 (T21 s + 1) (4)
G21 (s) = = = ;
el cual se obtuvo utilizando las herramientas de iden- u1 (s) P( s) (T21s + 1)(T21 s + 1)
tificación de sistemas. En la sección 3 se definen los
y 2 (s) C ( s) K 22 (T11 s + 1) (5)
elementos fundamentales del controlador DMC mul- G22 ( s) = = = .
tivariable y se realiza su diseño basado en Matlab/Si- u 2 ( s) pH ( s) (T22 s + 1)(T22 s + 1)
mulink. En la Sección 4 se exhiben los resultados
comparativos DMC vs PID del sistema de control di- Como resultado del procedimiento de estimación de
señado. En la Sección 5 se presenta una propuesta de parámetros se obtuvieron los valores nominales de
implementación práctica del controlador desarrolla- los parámetros de las expresiones (2)-(5):
do. Finalmente, en la última Sección, se ofrecen las F ( s) 0.007 (5.22 s + 1) (6)
G11 ( s) = = ;
conclusiones. P( s) (1.606s + 1)(59.39 s + 1)

2. MODELO MATEMATICO MULTIVARIABLE F ( s) (7)

G12 ( s) = = 0;
DEL BASTIDOR DE ÓSMOSIS INVERSA pH ( s)
C ( s) − 0.32(29.22 s + 1) (8)
El modelado matemático de un bastidor de ósmosis G21 ( s) = = ;
P( s) (7.506s + 1)(39.91s + 1)
inversa constituye una tarea compleja debido al ca-
rácter multivariable que presenta este tipo de C ( s) − 9.27(49.7 s + 1) (9)
G22 ( s) = = .
proceso, así como a la fuerte interacción que existe pH ( s) (10.506s + 1)(129.91s + 1)
entre variables (Alatiqi et al., 1989).
En la Fig. 2 se muestran los resultados de validación
Para la obtención del modelo matemático del bastidor del modelo matemático nominal obtenido del basti-
de ósmosis inversa se utilizaron las herramientas de dor de ósmosis inversa. Estos resultados muestran
identificación de sistemas de plantas multivariables que el modelo (1) considerando (6)-(9) reproduce
con un elevado grado de adecuación el comporta- dios y por ende puede ser utilizado con fines de dise-
miento dinámico nominal de la planta objeto de estu- ño de sistemas efectivos de control.

Fig. 2. Resultados de validación del modelo matemático obtenido del bastidor de ósmosis inversa.

3. DISEÑO DEL CONTROLADOR DMC PARA donde fι(t+j) es la respuesta libre del sistema, la cual
EL CONTROL DEL BASTIDOR DE se determina, por ejemplo para ι=1, como:
ÓSMOSIS INVERSA N
f1 (t + j ) = y p1 (t ) + ∑ ( g ( j +i )11 − g i11 )Δu1 (t − i ) +
El controlador DMC utiliza un modelo interno para i =1
N
predecir el comportamiento dinámico de la salida de
la planta en instantes futuros de tiempo, el cual se ob- ∑ (g
i =1
( j + i )12 − g i12 )Δu 2 (t − i ) + (12)
tiene de la respuesta escalón de la planta a controlar j
(Camacho and Bordons, 1999). ∑g
i =1
i13 Δv1 (t + j − i ) +
N
Considerando (1) el modelo multivariable, la
respuesta escalón del bastidor de ósmosis inversa se ∑ (g
i =1
( j + i )13 − g i13 )Δv1 (t − i ).
representa mediante las expresiones:
∞ ∞ La matriz dinámica G se determina mediante la
y1 (t ) = ∑ g i11Δu1 (t − i ) + ∑ g i12 Δu 2 (t − i ) + expresión:
i =1 i =1
∞ ⎡G11 G12 ⎤ , (13)
∑g Δv1 (t − i ) +n1 (t ); G = ⎢ ⎥
⎣G 21 G22 ⎦
i13
i =1
(10)
∞ ∞ donde cada submatriz Gij contiene los coeficientes de
y 2 (t ) = ∑ g i 21Δu1 (t − i ) + ∑ g i 22 Δu 2 (t − i ) + la respuesta escalón i-ésima correspondiente a la en-
i =1 i =1
trada j-ésima.
∞

∑g
i =1
i 23 Δv2 (t − i ) +n2 (t ), Finalmente, considerando (11)-(13) la salida predicha
del bastidor de ósmosis inversa se representa en for-
donde gi son los valores muestreados de la respuesta ma vectorial:
escalón de cada par de entrada/salida, vι(t) son las
perturbaciones medibles y nι(t) son las perturbacio- ŷ = Gu+f. (14)
nes no medibles, ι=1, 2.
La función de coste a minimizar presenta la forma:
Luego de separar las influencias de acciones pasadas
N 21
y futuras se obtiene el modelo de predicción del bas- 2
tidor de ósmosis inversa en la forma: J = ∑ γ 1 [ yˆ1 (t + j ) − w1 (t + j )] +
N 11
j j
yˆ1 (t + j ) = ∑ gi11Δu1 (t − i + j ) +∑ gi12Δu2 (t − i + j ) + f1 (t + j ); N 22
2 (15)
i =1
j
i =1
j
∑ γ [yˆ (t + j ) − w (t + j )]
N 12
2 2 2 +
yˆ 2 (t + j ) = ∑ gi 21Δu1 (t − i + j ) +∑ gi 22Δu2 (t − i + j ) + f 2 (t + j ), Nu1 −1 Nu2 −1
2 2
i =1 i =1

(11)
∑ β [Δu (t + j )] + ∑ β [Δu (t + j )] ,
j =0
1 1
j =0
2 2
donde γj, βj son factores de peso que reflejan las prio- 4. RESULTADOS COMPARATIVOS DE
ridades del usuario, N2 es el horizonte de predicción SIMULACIÓN DEL SISTEMA DE CONTROL
y Nu es el horizonte de control. DESARRROLLADO

Minimizando (15) con la ayuda de (14) se obtiene el
algoritmo de control multivariable del bastidor de
ósmosis inversa en la forma (Bao-cang, 2010):
u=(GTRG+Q)-1GTR(w-f), (16)
donde R y Q son matrices diagonales de coeficientes
de peso de dimensiones correspondientes y w es el
vector de referencias internas.
Para evaluar la efectividad y ventajas del sistema de-
sarrollado de control predictivo con controlador
DMC multivariable se diseñaron dos controladores
PI para la misma planta nominal, pero con variables
de salidas desacopladas con el objetivo de eliminar
las interacciones entre las mismas y de esta forma
lograr un mejor ajuste de los parámetros de los
controladores PI (Albertos and Sala, 2004).

El algoritmo de control (16) del controlador DMC
multivariable puede ser ejecutado con la ayuda del
bloque diseñado en base a Matlab/Simulink que se
muestra en la Fig. 3, el cual requiere de un script de
Matlab para cargar los datos iniciales.
En las Tablas 1 y 2 se presentan los resultados del a-
juste de los parámetros de los controladores DMC y
PI. En las Fig. 5 y 6 se muestran los resultados com-
parativos de las respuestas temporales del sistema de
control del bastidor de ósmosis inversa con controla-
dores DMC y PI. En la Tabla 3 se ofrecen las especi-
ficaciones de las respuestas temporales obtenidas del
sistema de control con controladores DMC y PI.

Tabla 1. Parámetros de ajuste del controlador DMC

Parámetros Valores
Fig. 3. Bloque del controlador DMC MIMO desarro- T 39 s
llado en base a Matlab/Simulink. N2 8T
Nu 3T
El controlador DMC multivariable diseñado tiene co-
mo señales de entradas las referencias externas y las β1 4.76e-6
mediciones de las variables controladas (caudal y β2 1e-3
conductividad). Este controlador se encuentra confor- γi 1
mado por 3 bloques principales, los cuales posibilitan α 0.3
ajustar las referencias internas wι(t+j), calcular las
respuestas libres fι(t+j) y calcular las señales de con-
trol uι(t+j). La estructura interna de este controlador Tabla 2. Parámetros de ajuste de los controladores PI
se muestra en la Fig. 4. Parámetros
Controlador
KC KI
PI 20.25 1.55
(caudal)
PI 0.026 0.0011
(conductividad)

Tabla 3. Especificaciones de las respuestas tempora-

les del sistema de control del bastidor de ósmosis in-
versa con controladores DMC y PID

Variable/ Especificaciones de
controlador respuesta temporal
Fig. 4. Estructura interna del controlador DMC Caudal % Mp tss (s) eee
MIMO diseñado. DMC 4.8 351 0
PID 27.5 780 0
La estructura del controlador DMC multivariable di-
señado se caracteriza por su sencillez, facilidades pa- Conductividad % Mp tss (s) eee
ra introducir modificaciones (por ejemplo incluir res- DMC 8.75 351 0
tricciones) y bajo costo de implementación práctica. PID 21.2 858 0
 Fig. 5. Respuestas temporales del sistema de control del bastidor de ósmosis inversa con controladores
DMC vs PID.

Fig. 6. Señales de control del sistema de control del bastidor de ósmosis inversa con controladores
DMC vs PID.

Matlab/Simulink. Este PLC cuenta con una platafor-

De las Fig. 5 y 6 y de la Tabla 3 se observa que la
ma robusta, que permite configurar el sistema de con-
respuesta temporal del sistema de control del bastidor
trol de forma autónoma o distribuida, lo cual es reco-
de ósmosis inversa presenta un mejor comportamien-
mendable para el control confiable de la planta objeto
to cuando se aplica el controlador DMC multivaria-
de estudio. Esta gama de PLCs utiliza la herramienta
ble. El sistema de control del bastidor de ósmosis
RSLogix 500, la cual permite crear, modificar y mo-
inversa objeto de estudio con controlador DMC al-
nitorear los programas de aplicación, así como la co-
canza la referencia externa con un menor % de pico
municación con otros dispositivos (por ejemplo con
máximo y con un tiempo de establecimiento también
una PC).
menor que los que se obtienen con los controladores
PID. Estos resultados muestran la efectividad del
La herramienta Simulink PLC Coder posibilita con-
sistema de control desarrollado y la conveniencia de
vertir un programa desarrollado en Matlab/Simulink
aplicar en el control del bastidor de ósmosis inversa
a un lenguaje que puede ser transferido y ejecutado
un controlador DMC multivariable.
en un PLC. Esta herramienta posibilita generar un
texto estructurado de programas de Matlab/Simulink
5. PROPUESTA DE IMPLEMENTACIÓN
en PLCopen XML, así como en otros formatos
PRÁCTICA DEL SISTEMA DE CONTROL
soportados en diferentes ambientes de desarrollo
DESARROLLADO
integrados (IDEs), lo cual permite compilar
programas y enviarlos a un PLC. Además el
Para la implementación práctica del sistema de con- Simulink PLC Coder genera ramas de prueba que
trol diseñado con controlador DMC multivariable se permiten verificar el texto estructurado.
propone utilizar un PLC Allen Bradley SLC 500 y
 En la Fig. 7 se muestra un diagrama con la estructura
que se propone de implementación práctica del siste-
ma de control desarrollado de un bastidor de ósmosis
inversa con controlador DMC multivariable.
Fig. 7. Estructura del sistema de control del bastidor
de ósmosis inversa con controlador DMC MIMO.
El controlador DMC multivariable ejecuta el algorit-
mo de control (16) y mediante las herramientas
Simulink PLC Coder y RSLogix se transfieren las
señales de control estructuradas al PLC.
6. CONCLUSIONES
Se desarrolló un sistema de control predictivo de un
bastidor de ósmosis inversa de una planta desalini-
zadora de agua de mar utilizando un controlador
DMC multivariable.
Utilizando las herramientas de identificación de siste-
mas se obtuvo un modelo matemático que describe el
comportamiento dinámico de un bastidor de ósmosis
inversa, cuya estructura multivariable coincide con la
propuesta por otros autores, pero con valores diferen-
tes de sus parámetros dinámicos. Los resultados de
validación del modelo matemático obtenido mostra-
ron un adecuado grado de adecuación. Este modelo
fue utilizado en el diseño del controlador DMC.
Se diseñó un controlador DMC multivariable basado
en Matlab/Simulink para el control de la planta ob-
jeto de estudio, el cual se distingue por su simplici-
dad y facilidades para introducir modificaciones en el
algoritmo de control. Los resultados comparativos de
simulación del sistema de control desarrollado con
controladores DMC y PID, mostraron una mejor res-
puesta temporal cuando se aplica el controlador
DMC.
View publication stats
Se realizó una propuesta de implementación práctica
del sistema de control desarrollado basada en la apli-
cación de un PLC Allen Bradley SLC 500 y la herra-
mienta Simulink PLC Coder, la cual se caracteriza
por su simplicidad, efectividad en el control y bajo
costo.
REFERENCIAS
Abbas A. (2006). Model predictive control of a re-
verse osmosis desalination unit. Desalination
194, 268-280.
Alatiqi I.M., Ghabris A.H. and Ebrahim S. (1989).
System identification and control of reverse os-
mosis desalination. Desalination 75, 119-140.
Albertos P., Sala A. (2004). Multivariable Control
Systems: An Engineering Approach. Springer-
Verlag, London
Ali M. A., Ajbar A., Ali E. and Alhumaizi K. (2010).
Robust model-based control of a tubular reverse-
osmosis desalination unit. Desalination 255,
129-136.
Ali E. and Zafiriou E. (1993). Optimization-based
tuning of non-linear model predictive control
with state estimation. J. Proc. Cont. 3, 97–107.
Assef J.Z., Waters J.C., Deshpande P.B. and Alatiqi
I.M. (1997). Advanced control of a reverse os-
mosis desalination unit. J. Proc. Cont. 7, 283–
289.
Bao-cang D. (2010). Modern Predictive Control.
Taylor and Francis Group, Boca Raton, FL.
Bartman A.R., McFall C.W., Christofides P.D. and
Co-hen Y. (2009). Model-predictive control of
feed flow reversal in a reverse osmosis desalina-
tion process. J. Proc. Cont. 19, 433–442.
Camacho, E.F. and Bordons C. (1999). Model Pre-
dictive Control, Springer-Verlag, New York.
Majali, F. and Ettouney H. (2008). Design and opera-
ting characteristics of pilot scale reverse osmosis
plants. Desalination 222, 441-445.
Medina San Juan, J. A. (2000). Desalación de Aguas
Salobres y de Mar. Osmosis Inversa. Ediciones
Mundi-Prensa, Madrid.
Rivas-Perez, R., Feliu-Batlle, V. and Sanchez-Rodri-
guez, L. (2007). Robust system identification of
an irrigation main canal. Advances in Water Re-
sources 30, 1785-1796.
Robertson M.W., Watters J.C., Desphande P.B.,
Assef J.Z. and Alatiqi I.M. (1996). Model based
control for reverse osmosis desalination proce-
sses. Desalination 104, 59-68.
Zhu Y. (2001). Multivariable System Identification
for Process Control. Elsevier Science & Techno-
logy Books, The Netherlands.