SAAET‘00
R Cabeza, S. Porta, L, Saragieta
‘Universidad Pablica de Navarra
Medida de pardanetros de Ia red eléctrica del bugue occanogritice Heapéries.
R Ramos, A Manel, X Rose.
‘Universit Politdenica de Catauny
Marz deconnmutaclén de bajo core.
S Cans, D Ramires, E Navarro, B Garcia, Pelegri, IM. Esp
Universitat de Valencia. on
Sistema integral para control de circulaciéa ferreviaria eu lineas de baja y media densidad de
trifico
1. Ureha, M Mazo, A Herninder J. Sesis Garcia, LM Villadangos, E. Bueno, M" Soledad Bscuier,
1M Marrén J. Pastor, D. Hernar
Universidad 8 ALA, nnn
Generador de pulsos de poteacia para aplicaciones Ge ultrasonides
M. Lopes, J Salazar, A. Tad, ZA. Chivea, A. Ortega, MU Gara,
‘Universitat Poltéenica de Catahanya
Aplicacin de ls redes ueuronales
potencia.
FJ Aleintara,P.Salmerin J: Rodrigue
Universidad de Huelva.
Control borrose mltvariable de una plana de aguas reiduales.
IM Andijr,P Sabmerén, O. Sincher
647
651
Universidad de Huelva. 63
Logica Difusa en un CPLD aplicada al seguimiento del punto de mixima potencla-MPPT en
paneles solares,
A. Esquivel, R Sepulveda, R Lamaison, J Peracaula.
Departamento de investigacicn y desarollo de Tecnologia Digital, CITEDHIPN. von 66T
[Nivel de radiacin electromagnética en el entorno de estaciones base de telefoula mévil.
J. Véeques, E. Olias, A. Barrado, J Pett, A Lézaro.
Universidad! Carlos TT do Madrid
Aplicacién basada en ta educacién asstida por interactintranet (EAL). Ejemplo de desarrollo.
on
‘especifico: microprocesadores,
V.Aleo, JA. Ortega, LA. Chives, J. Salazar, A. Turd, MJ. Garcia
Universitat Politéenica de Catalunya. ee
Innovacién docente en las précticas de ia usignatura Control de Maqulnas Eléetricas.
S. Galeeran, A. Sudrid, J. Bergas, J. Rul
Universitat Politéonica de Catalunya nnn
Curso multimedia en formato HTML de diseto de Gltros aualdgicos.
R Pigui, J. Garcia, A. Conesa, G. Velasco.
niversitat Politécnica de Catalunya, o
Inversor resonaate serie con IGBTs a alta frecuencia.
4 Maicas, JM. Bspi, R. Garcia, B. Sanchis, F Tordn, J. Pelegri, 8 Casans.
Universita de Valencia,
onic GETSAAEI‘00
Control borroso multivariable de una planta de
aguas residuales
4M. Andijar, P. Salmerén', O. Sanchez
{andujar, ptricio, omar) @uhu es
Departamento de IngenierfaElecudnica de Sistemas Informatcos y Awomitiea.
Departamento de Fisica Aplicada e Ingenieria Eléctrica,
Escuela Politcnica Superior, Carretera Huelva-Palos de la Frontera s', Huelva.
Universidad de Huclva, Teléfono: 959530880, Fax: 959380311
Resumen
EL control adaptative borroso y ¢l control adaptativo
cconvencional tienen similitudes y diferencias. Ambos
‘comparten: (a) la estructura bésica, (b) las herramientas
‘matemdticas usadas en el andlsisy sitesi. Las principales
diferencias son: (a) el controlador borroso tiene una
estructura no lineal especifica que es universal para plantas
diferentes, (b) el conocimiento humano puede ser
incorporado a la cstrategia de control. Esta itima
diferencia constiuye Ia principal ventaje del control
‘daptativo borraso sobre al cantrol adaptativo
convenciona
Se propone en el presente ariculo una estrategia de control
borroso multivariable basado en la linealizaciéa por
realimentacién, validada a wavés de la aplicacién a une
planta para el tratamiento de aguas residuaes,
1. Introduccién
La mayoria de los procesos biotecnolégicos que se
microorganismos especializados en la sintesis de un
prosivcto especifico (produecién de etanol, antibiticos,
{%c.), Tales proceso son fciles de earacterizar, y po tanto
de contolar, al estar presente wn solo tipo de_poblacién
mierobiana.
En los ambientes naturales, los microorganisms a menudo
crecen en presencia de una baja concenracién de una
diversidad de. compusstos que sirven para #us propias
finciones metabilieas, como pueden ser las fuentes. de
sarbono 0 nitrigeno; de hecho, Jos ccosistemas naturales
son espacialmente heterogéneos y les condiciones de
crecimiento pueden cambiar continuamente en el tiempo
con mezclas de varias especies que compiten entre si
mismas por miltiples substratos (1).
Un ejemplo de una poblacion heterogénca de
njcroorganismos To constituyen los procesos para la
depuracicn de aguas residuales,cxyo objetivo fundamental
es mantener el agua libre de contaminants. Las eguas de
detecho se caracteizan por poseer dos tipos fundamentales
de substratos confaminantes: substraas energéticas y
subsiraos zenobiticos los cuales constiuyen la fuente
principal de elimentacién del cutive de microorganismos 0
‘iomasa, encargados a su vez de la descontaminacion [2.
En la actualided se ha hecho necesario controlar la
prolifercion de microorganismos para preservar al
‘ecosistema de alteraciones bacterioldgicas indeseables, es
por ello que una solucién natural es no s6lo garamizar el
‘recimiento de la biomasa a valores deseados, sino ademés
clde la concentracin residual de substratos xenobisticos.
Dada ta no linealidad que caraceriza a una planta para el
tratamiento de aguas residuales, una solucidn natural es
utilizar estucturas basadas en! modelos [3] las cuales
permiten cancer las no linealidades para el seguimiento de
eterminado modelo de referencia (4] en las que se han
utlizado estructurashibridas borross-neuronal {5}
Basado en la estructura de control adaptativo no lineal
autoajustable uiizando redes de neuronas propuesta en (4),
se extiende la misma a un caso multivariable en Ia que la
cancelacién de no linealidades se basa en modelos borros0s.
2, Modelo para el tratamiento de aguas
La dindmica de las variables del proceso en wn bioreactor @
volumen constante responden al siguiente conjunto de
ezuacions diferencias
= HMA) DKA)
i= 4 .40)+ 0605, -DiOHo
a
ay-—4 +2092, Died
donde «(sy ei) representa las concenraciones (en
gl) de. biomasa, substrate xenobibico y subrato
énergitico respectivamente; (0) representa la tasa de
crecimiento especlicn dela biomasa (otra de cecinlent
global relatva a cadn substrate especiicn) y Mo,
‘aktVYoy representa la tasa de degradacioneapecfice de
tos subrstos xenobistcos y energéices respctvamente
Los tdinos Tez Yor ton coofclenes d2 campo
equivaentes ala convesiéa de os _subsiatos
oniaminaniss en blomesa, La ta de disoheiin DO
Tepreserta el fo’ de entrada como una faccdn dt
‘women total del bireas. Las variables eso It
oncenzaciones de subsraos energies y xenobioeas&h
Ins gis contamina
1a tsa de crecimiento espcifia global?) relaiva a as
tusas de crecimiento espetfias de cada subarato 10
63SAAET‘00
‘14 son una fancigm no inal de as variables del poceso y
diversos parametros cinéticos, cuya relacién depende de la
sfinidad “dele biomasa por cada. subsirato. y Ins
imeracciones microbianas que ocurren durante la reacein
biologica
ee visite tne den
iteraeciones mierobianas:
1 Competicién microbiana: TA crecimiento dela
poblacion eft) se relaciona con las dos fuentes de
crecimiento espectficas su(0) y s4(t) como la suma de las dos.
fase de crecimiento especiieas sostenidas por cada
substrata
He = MLO* HD %
2- Actiactén/nhibcién competoa: Las intrecciones
miorobianas existe ene los mictoorpansmos que
compiten entre si por tas dos fuentes de crecimiento 44(1) y
add cue esponden a:
MO hon
+5) +a)
eo)
MO“ ba Fanaa
onde fom» fay representan las minimas tasas de
crecimiento de cada substrato. Los parimetros K, y K, son
Jas constantes de Michaelis Menten y coresponden’a la
sfinidad de Ia poblacin por cada substrao especifcn. Los
parimetros . y 2, son constantesinhibitorias.
Considerando las ecuaciones (3) y (4) s¢ tiene que la
expresién final de Ia tasa de crecimiento de la poblacién
responde a (de 2):
@
@
st) ett)
0* bn EO he aca
MO" he Rayna OK, netted)
Los valores deseados para la biomasa y a concentraci6n de
substratos xenobisticos se establecen de acuerdo al efecto
téxieo de ambos contaminantes (substratos y bacterias),
para lo cual es necesario un contro! multivariable de la 1353
de disolucién de dos fyjos: uno de un tanque de agua no
contaminada y otro de un tanque con agua residual para lo
cual se aplican das sefiales de control sobre las bombas:
14() para a tasa de disolucién del agua limpia y w(?) para
la tasa de disolucion del agua residual. De Ia combincién
de las dos tasas de disolucin se tienen miltiples entradas al
bioreactor:
DW = 400420
oat ,
O° Oud °
y=
00,
6 O=T eas
andes" y e° representn a méxinasconcenacines
aque los substrates pueden tener en el tanque de aguas
residuales,
Coma resultado de combinar ls ecuaciones (1-4) a raves
de las variables de contol dadas por (6) se obione el
‘modelo completo del proceso:
0 a,
bi {un Kasey MK weal
= mKeC~ HOLE)
—— MO _—ayan(one
hare K, +910) +, aan” 40H m
Gsm,
Hon et)
(yah
On TE Rada)
eu (9
Las variables w,(¢) y (0) representan las seftales de control
be peraie kun ee agua ts resid 600
Scadnmads'y ol gn reldsl msec, ln Qe
‘esti limitadas por saturacién a los intervalos (0.04 y
6001 po esiconesmeciies ena bomb
-m (e+
Las condiciones iniciaes y ls. pertarbaciones de Tos
semmcaran ena abt
Descripci6a Pardmetro Valores
Waina ria am a7
‘crecimiento especifico ty Ol
‘Constante de x
MictaisMeramio | _K
Pareto de acivacséo- | at
inhibin a
Coeficiente de Y,
reximiono x,
Tabla 1 Parimcirs det modelo deta planta para ia depuractén
“de aguas residuatesy su porciente de variacién.
3. Control adaptativo autoajustable
En la expresion (7) se puede aprecar que exisen dos
setales de control en un sisema que depende de tres
variables de estado, po I que pede plantearse el siguients
‘modelo basado en la estimacién de pardmewos uilizando
siseras borrosos:
SK) + AOD + 6,0)
SO = 6,0) +9, (a), +4, (0)
donde x=[e(?) s() e()] representa el vector de las
variables de estado. No se plntcaunatecera ecuncién para
Ja conceniracin de substratos energticos pues que, como
a sido mencionsdo anterionmente, 3010 se canola Ia
tomas y fa concentracién de subsratos xenobiticos.
Es posible definir un equivalente discret de (8) de Ia
‘siguiente forma:
eel) = fle) + 8) (Adu) + (Ree)
(+m Fug) + BaCKg hie (A) + KH (RY
donde el vector de cstados esti defnido por
1 =[) e(=1) sk) 8-1) e(K) (1). Aunque en
este cato se han selecionado dos valores retardados de
cada variable de estado, puede realizarse una seleecion
alterativa que permit aplicar diferentes teenicas para
obrener modelos
Para obtener un modelo de la forma (9) es necesario adaptar
los pardmetros a sis sistemas borrosos (equvalenes a f,
Sie Ai, Se 81 fz). La Figura | muestra un diagrama para
‘obtener los tres sistemas borrosos equivalentes a un
subsistema de la forma (9) a pati de los datos de entrada
sala
@
°Figure 1 Obenciéa det modelo equvalente pare te
concntraciin de le Homasa
Como se puede apreciar en fa figura 1, los valores de
‘entrada del vector xy y las sefiales de control an(A), w(K); y
tos valores de slida de c{k+) extn disponibles para a
rediién y consinyen la base para ia obencin’ de un
‘modelo equivalene que etardformado por ret sbsistemes
borosoe del forma!
Her = False) BRIM ea) 0)
Lassistemas boros08 7, g, ¥ in son de uns estructura a
«que os datos de entrada estin disponibles, pero no ts de
Salida, puesto que no existe ningn dato disponible para la
medicion correspondiente 2 las funciones f;, gi y A, €& por
ello que los parametros deben adaptarse a partir de la
Fimcian defini por
ecernad(ecern-ett+n) ay
2
El conjunto de relas para obtener el modelo de ta forma
(10) queda definido po (paral estimacin de f)
SidhyesCh ysttDesS4, yelbes Ey
ok—NesCj, ystk-WesSi, yelk = Nes Ey
Entonces 7, = choth) + shs(k)+ eyotk) +
ehe(k=1) + sha(k=Ip chet =1)
«2
SAAEI
donde c's sy el som los coefiienes del conseevene
TSK pars n= 12: Cin, Sin Ep son Mas fnclones de
perenencia en la prt precedente de as eas para cada
Yariable de extado del vector xy
De forma similar a (12) se pede planter e}conjunto de
reglas pra ls funciones gy flascunles vienen dad por:
Sicthes Ch yotADen 5h yelb)es Ely
ofk—Nes Ch, yslk—Des Si, yolk - Nes El,
2 3)
Entonoes g, = cyctt) + 5,s(k)+ eye()+
cyl) + shs(k-I)# chet =I)
y
SIc{kyescy ystk)essy, yelA)es En y
Ak -NesCh, yath—DeosSj, yetk - Nes By. 1
Entonees = ee(k) + shsté)+ ehe(y+
chetk=D) + sas(k-1)4 ett)
€l significado de los pardmetras en (13) y (Id) es similar a
(12) pero cambiando el subindice f por g y A
respectlvamente.
[La expresién analltica equivalent alas reglas detnidas por
(22), (3) y (14) viene dada por:
05)
donde» y6!=(ff.7!) son el consecunt, el anco y el
cerito de las fanciones de pertenencia de fs variables de
fnrada con M$ Moon Mx parimetrosajusabes.
Para obtener Is ley de adapracién es necesario derivar (11)
on repeco als parkmetros que confrman el onjan de
‘reglas de la forma (12), (13) y (14); para ello, de sustituir
(Go)en (11 se obiene:
eked =HRcereb eudnCbrehng a(t) 40)
9
y al aplcar el gradiente descendente para el ajuste de los
pardmetros, resulta la siguiente ley de adaptacin
jy (R41) =O) (k)=n((k +1) ck +1)) an
2f,
28)
aceon empty ctep~aton) 42 (18)
Bee) =0h(b)-n e+. -cb +) 0 ED 9)
donde 8.6). 0 representan los parkmetros que definen
Jas funeiones de pertenencia de la parte precedente y
consecuentes. constanies TSK de las-reglassimas
definictas por (12), (13) y (14).
‘Como la expresién analtiea que representa a tos valores
‘estimados de fg y A viene dado por (15), el diferencia! do
665SAABI‘00
«ada funcién en (17), (18) y (19) es el equivalente a una ley
de adaptacin de parémeiros basado en gradiente.
1a obtencié del modelo equivalente ala concentracion de
substreios xenobidticos es totalmente equivalents a la
concentracion de biomasa, el fandamento de la adaptacién
sera una reformacién de (11) que responde en este e200
etenet(iaen-aesn)
Basado en (20) se obtendria los pardmetos 6), Os ¥ Os
‘que definen al segundo sistema de (9) que para el caso de Ia
Cconcentracion de los substratos xenobidticas responde:
JOD =F.) +O MO+RO IO — QD
La ley de adaptacién de pardmetros (17-19) es semejante
‘excepto en Jos cambios de fas variables o(k+ 1) por s(+1) y
Sin BiY POT fa Bey
En el caso de la planta para la depuracion de aguas
residuales, como las variables a controlar son la biomasa y
Te concentraién de subatratos xenebidico, entonces debe
cumple:
ok Dee (kD y okt Dar a+ @2
donde c’{k+l}ys'(k+1) representan el modelo de
referencia para la biomasa y la concentracion de substatos
xenobicticosrespecivamente.
‘Al sustiui (22) en 0) se fene que:
CON = fla) +8 (44H) +A (BD
FON = hl) + a+ GO
La ley de control consiste entonces en determinar los
‘valores de u(A) y #(k) que sean la solucion de (23), lo cual
es simple de obtener debido a que constituye un sisterna de
dos ecuaciones con dos inedignitas,
@
‘La solucién de (23) es una ley de control de la forma:
jy =a ~ $4) - Ao k+- HO)
GDS G)= BG OKG)
BME E+D- HO) Bi HE E+D- Hi)
a=
nf 78 )= BAG)
(24)
Cuando se sustitaye (24) en (9) se obtiene (22), lo cual es la
ccomprobacién de la ley de control previamente propuest.
4, Resultados de simulacion
En ta figura 2 se rmuestra Ja evolucién de Ia biomasa de
acuerdo a la ecuacion (7) y el modelo estimado a través de
(10). La figura 3 muestra‘! resultado en el seguimiento de
lun modelo de referencia para la concentracion de substratos
enobisticos.
os} — ove
Nea
fr
r
dod
3
Figura 2- Evolucion del modelo de la blomasa como resubado
‘de eplicarselales de control uniformemense dsribuldes.
-
Pr
:
ul
5 st
iM
Bus 0 200 1000,
« « we
Figura 3- Modelo de referencia y seguilento del etude bajo
‘contol para 1a concensracién de substrais xenoblétios.
5. Referencias
U) 3. Gotschal, 7. Things: "Maheratical deexipion of
‘compaion between two and thre bacterial species wner
ual substrate liniation in te chemcata 2 comparion
‘it experimental daa, Bicetnology and Blengheern,
24, 403-1418, 1982
DP] C'Ben Youset “Benchmark of wastewater tenes!
frocest"” Rapport LAAS No. 97458. Laboraowe. &
male ct Architectre dee Systmes. Centre Nail
dea Recherche Scientifique, 1997
(D1. G Lightbody, CW. Irving: “Nonlincar Control Stratics
Based on Embedded Neural System Models. EEE Tron.
(On Nesral Neowrks, Wal 8, No. pp 583-567, 1997.
(8). 4. Moscnsk, 2. Ogonowski: “Advanced Conta ith
MATLAB and Simulink”. Preatice Hail, Englewood Cliff,
NI 1995.
(5] K. Tanaka, M. Sugeno: “Fuzzy identification of
systems and its application to modeling and contol,
TEBE Trans. Man. Cyber, vol 15, pp 116-132.1992