Automatización de una unidad de bombeo de 600HP y diseño de un controlador entrenado con sistemas de inferencia difusa basado en redes adaptativas

Autor: Villalba Castillo, Williams Ramiro
Přispěvatelé: Garcia Sanchez, Marcelo Vladimir, Calderón Carrillo, Johnny Alexander, Rivas Lalaleo, David Raimundo
Jazyk: Spanish; Castilian
Rok vydání: 2017
Předmět:
Zdroj: Repositorio Escuela Superior Politécnica de Chimborazo
Escuela Superior Politécnica de Chimborazo
instacron:ESPOCH
Popis: El presente trabajo tuvo como objetivo la implementación de la automatización de una unidad de bombeo de 600HP para derivados de petróleo y el diseño de un controlador entrenado con un sistema de inferencia difusa basado en redes adaptativas – ANFIS; el desarrollo, se centró en dos fases; la primera, la etapa de implementación de la automatización, donde se desarrolló P&ID, la selección de equipos en cada nivel del modelo CIM, la programación de los autómatas y el interfaz hombre maquina (HMI) con Wonderware System Platform, tomando como referencia el ciclo de vida ANSI/ISA-101.01,2015. Por su parte, la fase de diseño del controlador ANFIS mostró la metodología de diseño, iniciando con la captura de datos mediante LabView-MyRio; con esta información, se elaboró un modelo a través redes neuronales No-lineal auto-regresivas con entradas exógenas y por último el diseño del sistema de inferencia difusa basado en redes adaptativas sustentado en la clonación de controladores PI y estructurados en un control override a fin de mantener la unidad de bomba dentro de las presiones entrada-salida óptimos evitando el fenómeno “Slug-Flow” en el punto más alto del perfil altimétrico. Para probar la hipótesis se simuló la estructura override-neurodifusa considerando siempre el control por presión de descarga de la bomba; sin embargo, a la presencia de errores del setpoint por descarga toma el control por presión de succión; adicionalmente, fue capaz de soportar disturbios a la salida de la bomba de hasta -30psig considerando alguna falla en la instrumentación o algún fenómeno hidráulico que lo produzca, más allá de este valor se puede avistar como una rotura real en la trayectoria del ducto y por lo tanto se pierde el control. Finalmente se recomienda una investigación para el diseño de controladores neurodifusos tomando como referencia los puntos críticos del ducto a fin de mitigar sus fenómenos perjudiciales. The present work had as objective the implementation of the automation of a 600HP pumping unit for oil derivatives and the controller design trained by Adaptive neuro fuzzy inference system- ANFIS; the development was focused on two phases; The first one, was the implementation of the automation, where the P & ID was development, the equipment selection by each level of the CIM model, the PLCs and the human machine interface (HMI) programing with Wonderware System Platform, took as reference the cycle of life ANSI / ISA-101.01.2015. Inasmuch as, the ANFIS controller design phase showed the design methodology, initiated with the data capture with Lab View-My Rio, with this data a plant model by neuronal network NoLineal auto-regressive exogenous -NARX and ultimately was created, the adaptive neuro fuzzy inference system design was based on PI controllers cloning and arranged in an advance override structure with the aim of keeping the optimum inlet-outlet pressures of the pump avoiding the “Slug-Flow” hydraulic phenomenon in the higher point of altimetric profile. For testing the hypothesis, the override neuro-fuzzy structure was always simulated considering the control by outlet pressure of the pump; nevertheless, when there were errors in pump outlet pressure setpoint takes the control by pump inlet pressure; in addiction to that, was able to soften the disturbance on the pump outlet up to -30psig considering them with a little instrumentation fault or hydraulic phenomenon, a greater reduction of pressure could be considered as a real ruptured pipeline; therefore the automatic control was lost . Finally, an investigation is recommended for the design of neuro-fuzzy controllers, taking as reference the critical points of the pipeline in order to mitigate their harmful phenomena.
Databáze: OpenAIRE