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 GETSAAEI‘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 63SAAET‘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 665SAABI‘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