CONTROL DE UNA TORRE DE DESTILACIN

DE MEZCLA BINARIA
Mara E. Pardo Gmez, Jos M. Izquierdo Lao
Universidad de Oriente

En el trabajo se presenta un regulador NeuroPetri, para el control de las composiciones del

destilado y del residuo en un proceso multivariable con fuerte interaccin: una torre de destilacin
de mezcla binaria.
Se compara el regulador NeuroPetri y un regulador convencional PI multilazos, con y sin
desacopladores, cuyos parmetros son ajustados por el mtodo Biggest Log Modulus Tuning
(BLT), usando para el anlisis los siguientes ndices de comportamiento: ITAE: integral del tiempo
por el error absoluto, el tiempo de establecimiento y la desviacin mxima absoluta.
A partir del anlisis de los resultados obtenidos en los ndices de comportamiento antes mencio-
nados, pudo apreciarse una mejor ejecucin del regulador NeuroPetri, respecto a los reguladores
convencionales, para el control del proceso estudiado.
Palabras clave: torre de destilacin; regulador NeuroPetri; regulador PI multilazos.

In the work is presented, a Neuro Petri regulator is presented for the control of the compositions
of the distilled and the residual in a process multivariable with strong interaction: a distillation
tower of binary mixture. _____________________

It is compared the NeuroPetri regulator and a conventional PI multiloops regulator, whose

parameters are adjusted by the method Biggest Log Modulus Tuning (BLT), using for the analysis
the following behavior indexes: Integral of the time for the absolute error: ITAE, the time of
establishment and the absolute maximum deviation.
Starting from the analysis of the results obtained in the behavior indexes before mentioned, a better
execution of the NeuroPetri regulator could be appreciated, regarding the conventional regulators,
for the control of the studied process.
Key words: distillation tower, NeuroPetri regulator, PI multiloops regulator.

Introduccin funcionamiento del cerebro humano a partir del

En este trabajo se entrelazan las redes
neuronales y las redes de Petri en el diseo de un
regulador NeuroPetri para el control de los
productos (destilado y residuo) de una torre de
destilacin de mezcla binaria. En el mismo se
efecta un anlisis comparativo entre las presta-
ciones del regulador Neuro Petri diseado y la
de un regulador convencional PI multilazos, con y
sin desacopladores, cuyos parmetros son ajusta-
dos por el mtodo Biggest Log Modulus Tuning
(BLT).
Fundamentacin terica
Las redes neuronales artificiales constituyen
modelos computacionales que pretenden imitar el
desarrollo de una arquitectura que toma rasgos
del funcionamiento de este ltimo, sin llegar a
desarrollar una rplica del mismo.
Las Redes Neuronales Artificiales son estruc-
turas de procesamiento de informacin, paralelas
y distribuidas, formadas por elementos de proce-
samiento o neuronas artificiales, interconectadas
a travs de canales unidireccionales llamadas
conexiones y que tienen asociadas reglas de apren-
dizaje.
Por su parte, las Redes de Petri son grafos
formados por una serie de elementos como son:
un conjunto de lugares P, un conjunto de transicio-
nes T, una funcin de entrada I y una funcin de
salida O. Las funciones de entrada y salida rela-
cionan transiciones y lugares. La funcin de en-

TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006

29
trada I es el mapeo de un conjunto de lugares
(conocido como los lugares de entrada a la tran-
sicin) a una transicin Tj, o sea, I (Tj). La funcin
de salida O mapea de una transicin Tj a un
conjunto de lugares (conocido como los lugares
de salida de la transicin), es decir, O (Tj).
Descripcin de la torre de destilacin de
mezcla binaria.
En la revista Chemical Engineering Science se
reporta el resultado del trabajo realizado por los
investigadores Wood y Berry en una torre de
destilacin de mezcla binaria a escala de planta
piloto, como la que se muestra en la figura 1.
Dicha torre de destilacin separa una mezcla de
metanol y agua en dos productos relativamente
puros. El esfuerzo del control es mantener las dos
composiciones, la del tope y la del fondo de la
torre, en el valor deseado, en presencia de pertur-
baciones.

Fig. 1 Representacin simplificada de la torre de destilacin.

El modelo de la torre, determinado experimentalmente por Wood y Berry es:

12,8 s 18,9
3s 8,1 s
Xd ( s )

e e LR ( s ) 3,8

e
14,9 s + 1

16,7 s + 1 21 s + 1
= + F ( s)
6,6 7 s 3s
3, 4 s

e 19,4 e 4,9 e

Xb ( s ) Gv ( s ) 13,2 s + 1
10,9 s + 1 14,4 s + 1

Los valores nominales de las variables Mtodos utilizados y condiciones

involucradas en el modelo son:
____
Xd (composicin en el tope) = 96,25 mol %
____
Xb (composicin en el fondo) = 0,5 mol %
___
L (flujo del reflujo) = 1,95 lb/min
___
G (flujo de vapor de agua) = 1,71 lb/min
___
F (flujo del alimentado) = 2,45 lb/min
experimentales
Primeramente, se utiliz una configuracin de
control multilazos con controladores de accin
Proporcional Integral (PI), siendo el objetivo lo-
grar el control de las composiciones del producto
del tope o destilado (xd) y del producto del fondo
o residuo (xb), variando los flujos del retorno del
destilado a la torre (LR) y del vapor de agua (Gv).

30 TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006

 Para dicha configuracin, se obtuvieron los
parmetros de ajuste (la ganancia Kci y el tiempo
de integracin Ti), de los reguladores diagonales
PI, para ambos lazos, por el mtodo Biggest Log
Modulus Tuning (BLT), obtenindose:
Lazo Xd - LR Lazo Xb- Gv
Kci = 0,376 Kci = - 0,075
Ti = 8,24 min Ti = 23,46 min
Se trabaj con el Simulink del programa pro-
fesional MatLab, a partir del cual se construyeron
los diagramas de bloques del sistema a lazo cerra-
do, para el caso en que se usaban slo reguladores
diagonales PI, as como cuando se utilizaban
reguladores PI con desacopladores.
Fig. 2 Respuestas transitorias.
Del anlisis de la figura 2 puede observarse
que el uso de los desacopladores no influye favo-
rablemente si el cambio es producido en la carga
(perturbacin), debido a la persistencia de la
interaccin entre los lazos.
Diseo de un regulador NeuroPetri
En el diseo del regulador NeuroPetri, se
consider una estructura multilazos para el siste-
ma de control, es decir, un regulador para cada
lazo principal de la torre de destilacin, o sea, el
del control del destilado (xd) y el del control del
residuo (xb).
TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006
A partir de dichos diagramas de bloques, se
efectuaron los siguientes anlisis:
- Cambio de 0,75 mol % en el valor deseado de
xd
- Cambio de 0,50 mol % en el valor deseado de
xb
- Cambio de 0,34 lb/min en el flujo del alimenta-
do F
Las respuestas transitorias de las variables
controladas (xd, xb), para cambios en el flujo
del alimentado F, cuando se usaron regulado-
res PI con y sin desacopladores, se muestran
en la figura 2.
Para la parte neuronal del regulador, en el
entrenamiento de la red neuronal para ambos
lazos, como topologa de la misma se utiliz una
red feedforward con tres capas: dos neuronas en
la capa de entrada, treinta neuronas en la capa
oculta y una neurona en la capa de salida. Como
patrones a la red se le presentaron los errores del
sistema y los errores retrasados en un paso. El
entrenamiento se realiz con el algoritmo
Backpropagation (BP), con la funcin de acti-
vacin tangente hiperblica.
31
 Adems, se dise un bloque neuronal el cual
posibilita la medicin de la perturbacin (el flujo
del alimentado F) y por tanto, realiza una compen-
sacin de sta.
Fig. 3 Red de Petri hbrida.
En esta red, los lugares P1P8, corresponden
a la red de Petri Interpretada, y el lugar P9 a la
Red de Petri continua. En la red de Petri Interpre-
tada, las transiciones tienen asociadas las siguien-
tes condiciones o eventos:
E1: Si el error < 0
E2: Si el error > 0
E3: Si el error < - 0,2
E4: Si el error < 0
E5: Si el error = 0
E6: Si el error > 0
E7: Si el error > 0,2.
Los lugares en la red de Petri Interpretada
tienen asociados tareas o procedimientos los cua-
les se ejecutarn mientras el lugar est habilitado
(marcado), siendo los siguientes:
P1: Determina si el error es < = > que 0
P2: Analiza la ocurrencia de E3 o E4
32
La parte Petri del regulador fue diseada
por medio de una red de Petri hbrida
(interpretadacontinua), la cual se muestra
en la figura 3.
P3: Conmutar hacia el valor de ganancia K
para cuando el error es < 0
P4: Permite la extraccin de marcas de la red
de Petri continua
P5: Sin procedimiento asociado
P6: Analiza la ocurrencia de E6 E7
P7: Aadir marcas a la red de Petri continua
P8: Conmutar hacia el valor de ganancia K
para cuando el error es > 0
P9: Lugar que corresponde a la red de Petri
continua.
Los parmetros de ajuste de la parte Petri del
regulador son la ganancia K y el parmetro can-
tidad de disparos (qf: quantity of firing), el cual
est asociado a la magnitud del error.
Las respuestas transitorias de las variables
controladas (obtenidas con el regulador Neuro
Petri), al aplicar cambios en el flujo del alimentado
F se muestran en la figura 4.
TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006
 Fig. 4 Respuestas transitorias.

Resultados y discusin tamiento ITAE (Integral del Tiempo por el Error

Absoluto), tiempo de establecimiento (ts, min) y
En las tablas que se muestran a continuacin, desviacin mxima absoluta (dma, mol %), para
aparecen los resultados de los ndices de compor- los reguladores estudiados.

Tabla 1
Modelo original de la torre

Para un cambio en el valor prescrito de xd de magnitud 0,75 mol %

ndices PI PI (d) RNP

ITAE 312,94 11,54 36,51

ts 75,06 12,17 16,88

dma (xd) 0,06 0,01 0,45

Tabla 2
Modelo original de la torre

Para un cambio en el valor prescrito de xb de magnitud 0,5 mol %

ndices PI PI (d) RNP

ITAE 440,44 390,36 11,92

ts 89,13 87,32 9,54

dma (xb) No presenta No presenta 0,18

TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006

33
 Tabla 3
Modelo original de la torre

Para un cambio en el flujo del alimentado F de magnitud 0,34 lb/min

ndices PI PI (d) RNP

ITAE 1511,90 2904,50 7,23

ts 138,50 166,20 13,13

dma (xd) 0,12 0,18 0,04

dma (xb) 0,64 0,73 0,08

Todos los valores de esos indicadores fueron PI: Regulador PI

obtenidos considerando cada respuesta transito- PI (d): Regulador PI con desacopladotes
ria desde su inicio hasta entrar en una zona de
RNP: Regulador NeuroPetri.
0,05 mol % para cada variable controlada. El
valor de ITAE que se muestra en las diferentes Se variaron hasta un 50 % (modelo modifica-
tablas es el resultado de la suma del ITAE para la do), los parmetros dinmicos, es decir, las cons-
variable xd y para la variable xb (rea total bajo la tantes de tiempo y los tiempos muertos del modelo
curva para ambas variables). En dichas tablas: original de la torre, obtenindose:
Tabla 4
Modelo modificado
Para un cambio en el valor prescrito de xd de magnitud 0,75 mol %
ndices PI PI (d) RNP

ITAE 338,70 13,56 69,95

ts 68,19 12,40 19,94

dma (xd) 0,15 0,04 0,42

Tabla 5
Modelo Modificado
Para un cambio en el valor prescrito de xb de magnitud 0,5 mol %

ndices PI PI (d) RNP

ITAE 404,12 366,92 33,97

ts 82,22 79,90 16,62

dma (xb) No presenta No presenta 0,18

34 TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006

 Tabla 6
Modelo modificado
Para un cambio en el flujo del alimentado F de magnitud 0,34 lb/min
ndices PI
ITAE 1574,00
ts 138,90
dma (xd) 0,13
dma (xb) 0,64
A partir del anlisis comparativo de las dife-
rentes estructuras de control analizadas en la
torre de destilacin de mezcla binaria pudo apre-
ciarse que:
1. La estructura de control multilazos con
regulador de accin PI (sin desacopladores), con
parmetros ajustados segn el mtodo BLT, de-
mostr ser no satisfactoria ante los diferentes
cambios efectuados, por lo que no es recomenda-
ble para el control de la torre de destilacin
analizada.
2. La estructura de control del regulador PI
(con desacopladores), con parmetros ajustados
segn el mtodo BLT, demostr ser muy efectiva control modernas (el empleo de las redes
para cambios en el valor prescrito de xd, siendo la
peor estructura para cambios en la carga (flujo del
alimentado F).
3. Con la estructura con regulador Neuro
Petri, se obtuvieron los mejores resultados para
cambios en el flujo del alimentado F, pero adems,
es la estructura de control que se ha comportado
de la forma ms satisfactoria ante los diferentes
cambios aplicados, por eso dicha estructura es la
ms recomendable para el control de la torre de
destilacin.
4. No obstante que para un cambio en un
50 % de los parmetros dinmicos del modelo de
la torre de destilacin, los ndices de comporta-
miento del regulador NeuroPetri siguieron sien-
do los menores, al igual que haba ocurrido con el
modelo original; sin embargo, dichos ndices ex-
TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006
PI (d) RNP
3064,20 16,45
160,90 19,45
0,178 0,05
0,735 0,09
perimentaron un por ciento de cambio mayor que
el obtenido con los reguladores PI con y sin
desacopladores.
Conclusiones
Con el trabajo desarrollado se ha podido cono-
cer cul es la configuracin ms idnea para el
control de una torre de destilacin de mezcla
binaria, a partir de la comparacin de las tcnicas
de control convencionales; en este caso, el em-
pleo de un regulador proporcional integral PI (con
y sin desacopladores) y el uso de tcnicas de
neuronales y de las redes de Petri) en la obtencin
de un regulador NeuroPetri.
De las diferentes pruebas y anlisis efectua-
dos, pudo arribarse a la conclusin de que la
estructura de control con el empleo del regulador
NeuroPetri es la que se recomienda para el
control de dicha torre, dado que la misma es la que
se ha comportado de la forma ms satisfactoria
ante los diferentes cambios aplicados.
Bibliografa consultada
1. David, R.; Alla, H., "Petri Nets for Modelling of
Dynamic Systems", A Survey. Automtica, Vol.
XXX, No. 2, 1994.
2. Deshpande, P. B., Multivariable Process Con-
trol, Instrument Society of America, USA. 1989.
35
3. Hunt, K. J. et al., "Neural Networks for Control
Systems-A Survey. Automtica", Vol. XXVIII, No.
6, 1992.
4. Murata, T., "Petri Nets: Properties, Analysis and
Applications", Proceedings of the IEEE, Vol
LXXVII, No. 4, 1989.
5. Narendra, K.; Parthasarathy, K., "Identification and
Control of Dynamical Systems Using Neural
Networks", IEEE Transactions on Neural Networks,
Vol. I, No.1, 1990.
36
6. Uria del Castillo, M. et al., Predictive Control of
a Multicomponent Distillation Column Based
on Neural Networks, V Jornada Iberoamericana
de Automtica, Santa Cruz de la Sierra, Bolivia,
1996.
7. W o o d , R . K . ; B e r r y , M . W . , " T e r m i n a l
Composition Control of Binary Distillation
Column", Chemical Engineering Science, Vol.
XXVIII, 1973.
TECNOLOGA QUMICA Vol. XXVI, No. 2, 2006