http://hdl.handle.net/10366/135275 Wed, 22 Apr 2026 23:50:40 GMT 2026-04-22T23:50:40Z http://hdl.handle.net/10366/149476 [ES] El Control Predictivo basado en Modelos (MPC) es un caso particular de estrategia de control automático de procesos que abarca un conjunto de procedimientos cuyo denominador común es la utilización de un modelo de predicciones para determinar una ley de control óptima. El tipo de modelo elegido, los criterios de optimización y el procedimiento de deducción de la ley de control caracterizan cada una de las múltiples alternativas de MPC que existen. El control predictivo es una consolidada y, al mismo tiempo, prometedora estrategia de control con múltiples aplicaciones en el ámbito industrial y con numerosas líneas de investigación abiertas. Una de las modalidades de este tipo de control es el denominado Control Predictivo basado en Modelos Borrosos (FMBPC), que utiliza modelos cualitativos basados en reglas, globalmente no lineales, para representar el proceso a controlar. El control FMBPC está enmarcado en el subcampo del Control Predictivo No Lineal (NLMPC/NMPC) y al mismo tiempo pertenece también, parcialmente al menos, al campo del Control Inteligente (IC), debido a que utiliza una de las herramientas características de la inteligencia artificial, como es la lógica borrosa. En la Tesis Doctoral que aquí se presenta se considera una estrategia FMBPC cuyo modelo base es un modelo borroso, o Fuzzy Model (FM) en la literatura en inglés, de tipo Takagi-Sugeno (TS), obtenido mediante identificación a partir de series de datos numéricos de entrada-salida (que pueden ser datos estrictamente experimentales o adaptaciones de estos, generados en simulación). Esta característica dota a nuestra estrategia FMBPC de una interesante cualidad que aporta valor añadido dentro del campo del control NMPC, consistente en la útil información cualitativa implícita en el modelo borroso, consecuencia de la capacidad que tiene la identificación borrosa de capturar fielmente la dinámica de un sistema a partir de datos numéricos. Esta propiedad repercute directamente de forma positiva en la validez de las predicciones y supone, en última instancia, un incremento significativo del rendimiento o desempeño del algoritmo de control predictivo, en el caso de tratar con sistemas fuertemente no lineales, complejos o desconocidos. Esta es la razón por la que en esta tesis se propone la estrategia FMBPC como la idónea para abordar el control de un cierto tipo de procesos conocidos como Procesos de Fangos Activados (ASP), muy habituales como mecanismo de depuración biológica en Estaciones Depuradoras de Aguas Residuales (EDAR) (también conocidas en la literatura en inglés como Wastewater Treatment Plants (WWTP)). El interés de la propuesta es doble: por un lado, contribuir a ampliar las líneas de investigación en el campo del control predictivo no lineal y por otro, aportar una estrategia y una metodología que puedan ser útiles en la mejora de los procesos de depuración de aguas, cuya importancia en la salud pública y en el cuidado del medio ambiente es creciente, cono así se refleja en las legislaciones medioambientales, cada vez más exigentes. Una parte importante del esfuerzo investigador desarrollado en la presente tesis ha sido enfocado a la aplicación de la estrategia FMBPC propuesta al paradigmático caso de estudio elegido (procesos biológicos ASP en plantas depuradoras de aguas residuales). Dadas las características de estos procesos, principalmente su alta no linealidad, su complejidad intrínseca y su carácter multivariable, derivadas de su naturaleza biológica, las investigaciones realizadas pueden trascender más allá del mero ámbito del propio proceso. La implementación practica se ha llevado a cabo mediante simulación y ello ha supuesto un importante reto, principalmente en dos aspectos: por un lado, el desarrollo del software necesario y por otro, la implementación de los cálculos matemáticos apropiados. La investigación realizada puede descomponerse, de una manera esquemática, en las siguientes cuatro fases o etapas: a) identificación borrosa del proceso ASP a partir de datos numéricos de entrada-salida y conversión del modelo borroso obtenido en un modelo equivalente en el espacio de estados, discreto, lineal y variante en el tiempo (DLTV); b) determinación de una ley de control predictivo de tipo FMBPC, analítica y explícita, siguiendo los principios del denominado Control Predictivo Funcional (PFC); c) análisis de estabilidad local en lazo cerrado de la estrategia FMBPC propuesta; d) integración de esta estrategia dentro de la configuración de control predictivo conocida como Paradigma de Lazo Cerrado (CLP), también llamada control predictivo en lazo cerrado, con el objetivo de imponer restricciones de manera automática en la acción de control. Los resultados obtenidos son satisfactorios, principalmente en lo que se refiere a la demostración de la utilidad de la estrategia FMBPC propuesta como una alternativa válida en el campo del control predictivo no lineal, para sistemas complejos o desconocidos, con dos ventajas destacables en relación con otras estrategias, a saber: por un lado, la útil información contenida en el modelo base de las predicciones, capturada durante el proceso de identificación borrosa previo a la aplicación de la estrategia y, por otro, la forma analítica y explicita de la ley de control deducida, que facilita tanto la implementación del algoritmo de control como las tareas de análisis (entre ellas, las de análisis estabilidad). [EN] Model Predictive Control (MPC) is a particular case of automatic process control strategy that encompasses a set of procedures whose common denominator is the use of a prediction model to determine an optimal control law. The type of model chosen, the optimization criteria and the control law deduction procedure characterize each one of the multiple MPC alternatives that exist. Predictive control is a consolidated and, at the same time, promises a control strategy with multiple applications in the industrial field and with many open lines of research. One of the modalities of this type of control is the so-called Fuzzy Model-Based Predictive Control (FMBPC), which uses qualitative models based on rules, globally non-linear, to represent the process to be controlled. The FMBPC control is framed in the subfield of Non-Linear Predictive Control (NLMPC/NMPC) and at the same time it also belongs, partially at least, to the field of Intelligent Control (IC), because it uses one of the characteristic tools of intelligence artificial, as is fuzzy logic. In the Doctoral Thesis presented here, a FMBPC strategy is considered whose base model is a fuzzy model, or Fuzzy Model (FM) in the English literature, of the Takagi-Sugeno (TS) type, obtained through identification from series of input-output numerical data (which can be strictly experimental data or adaptations of these, generated in simulation). This feature provides our FMBPC strategy with an interesting quality that provides added value within the field of NMPC control, consisting of the useful qualitative information indicated in the fuzzy model, a consequence of the fuzzy identification's ability to faithfully capture the dynamics of a system from numerical data. This property has a direct positive impact on the validity of the predictions and, ultimately, a significant increase in the performance of the predictive control algorithm, in the case of dealing with expensive non-linear, complex or unknown systems. This is the reason why in this thesis the FMBPC strategy is proposed as the ideal one to address the control of a certain type of processes known as Activated Sludge Processes (ASP), very common as a biological purification mechanism in Water Treatment Plants. Waste (WWTP) (also known in English literature as Wastewater Treatment Plants (WWTP)). The interest of the proposal is twofold: on the one hand, to contribute to expanding the lines of research in the field of nonlinear predictive control and, on the other, to provide a strategy and methodology that can be useful in improving the debugging processes of waters, whose importance in public health and in caring for the environment is growing, as reflected in the increasingly demanding environmental legislation. An important part of the research effort developed in this thesis has been focused on the application of the FMBPC strategy to the chosen paradigmatic case study (ASP biological processes in wastewater treatment plants). Given the characteristics of these processes, mainly their high non-linearity, their intrinsic complexity and their multivariable character, derived from their biological nature, the investigations carried out can transcend beyond the mere scope of the process itself. The practical implementation has been carried out through simulation and this has been an important challenge, mainly in two aspects: on the one hand, the development of the necessary software and, on the other, the implementation of the appropriate mathematical calculations. The research carried out can be broken down, schematically, into the following four phases or stages: a) fuzzy identification of the ASP process from numerical input-output data and conversion of the fuzzy model obtained into an equivalent model in the space of states , discrete, linear and variant in time (DLTV); b) determine a predictive control law of the FMBPC type, analytical and clean, following the principles of the so-called Predictive Functional Control (PFC); c) closed-loop local stability analysis of the proposed FMBPC strategy; d) integration of this strategy within the predictive control configuration known as Closed Loop Paradigm (CLP), also called closed loop predictive control, with the aim of automatically imposing restrictions on the control action. The results obtained are satisfactory, mainly in what refers to the demonstration of the utility of the FMBPC strategy as a valid alternative in the field of nonlinear predictive control, for complex or unknown systems, with two advantages Fri, 01 Jan 2021 00:00:00 GMT http://hdl.handle.net/10366/149476 2021-01-01T00:00:00Z http://hdl.handle.net/10366/137180 [EN] This paper addresses the implementation of economic-oriented model predictive controllers for the dynamic real-time optimization of the operation of wastewater treatment plants (WWTP). Both the economic-optimizing controller (pure-EMPC) and the economic-oriented tracking controller (Hybrid-EMPC, or HEMPC) formulations are validated in the benchmark simulation model (BSM1) platform that represents the behavior of a characteristic activated sludge process. The objective of the controllers is to ensure the appropriate operation of the plant, while minimizing the energy consumption and the fines for violations of the limits of the ammonia concentration in the effluent along the full operating period. A non-linear reduced model of the activated sludge process is used for predictions to obtain a reasonable computing effort, and techniques to deal with model-plant mismatch are incorporated in the controller algorithm. Different designs and structures are compared in terms of process performance and energy costs, which show that the implementation of the proposed control technique can produce significant economic and environmental benefits, depending on the desired performance criteria.; [ES] Este trabajo muestra la implementación de controladores predictivos basados en modelos (MPC) incluyendo consideraciones económicas para la optimización de la operación de una planta depuradora de aguas residuales (WWTP) en tiempo real. Tanto las formulaciones del controlador económico puro (pure-EMPC) como el económico con seguimiento de referencia (Hybrid-EMPC) se han validado en el banco de pruebas de simulación BSM1 que representa el comportamiento del proceso de fangos activados en una depuradora. El objetivo de los controladores es asegurar una operación apropiada de la planta, minimizando el consumo de energía y las posibles multas por violaciones de los límites en la concentración de amonio en el efluente. Como modelo de predicción en los controladores se utiliza un modelo no lineal reducido del proceso de fangos activados, con el fin de reducir el esfuerzo computacional en los algoritmos. Además, se han introducido técnicas para solucionar el problema de la diferencia entre el modelo de predicción y el modelo de la planta real para eliminar errores estacionarios en el seguimiento de la referencia. Los resultados comparando diferentes diseños y estructuras en términos de desempeño y costes muestran que la implementación de las técnicas propuestas pueden producir significativos beneficios económicos y medioambientales, dependiendo de los criterios de desempeño desado. Tue, 01 May 2018 00:00:00 GMT http://hdl.handle.net/10366/137180 2018-05-01T00:00:00Z http://hdl.handle.net/10366/137179 [ES] Este trabajo propone un nuevo controlador predictivo generalizado en lazo cerrado no lineal y económico (NECLGPC), implementado en una única capa, como una técnica de control avanzado para mejorar la economía en la operación de plantas. En vez del clásico controlador predictivo en modo dual, donde la ley de control terminal definida en la región terminal se obtiene fuera de línea mediante la resolución de un problema LQR, en este trabajo la ley de control terminal se determina en línea utilizando un controlador predictivo generalizado no lineal sin restricciones (NGPC). Para resolver el problema de optimización se han realizado dos consideraciones. En primer lugar, el modelo de predicción consistente en un modelo fenomenológico no lineal de la planta se expresa mediante una estructura lineal y matrices dependientes del estado. En segundo lugar, en vez de incluir en la función objetivo un término no lineal referente a los costes económicos, se incluye una aproximación consistente en el gradiente reducido de la función económica. Estos requisitos permiten diseñar un controlador GPC no lineal sin restricciones analíticamente y plantear el problema del NECLGPC como un problema de programación cuadrática (QP) cada periodo de muestreo. Se han comparado cuatro controladores basados en GPC con el propuesto en este trabajo en términos de desempeño y costes energéticos. Como caso de estudio la metodología se ha implementado en el proceso de eliminación de nitrógeno en una planta depuradora de aguas residuales (WWTP), mostrando la eficiencia del método para casos prácticos.; [EN] The main scope of this paper is the proposal of a new single layer Nonlinear Economic Closed-Loop Generalized Predictive Control (NECLGPC) as an efficient advanced control technique for improving economics in the operation of nonlinear plants. Instead of the classic dual-mode MPC (model predictive controller) schemes, where the terminal control law defined in the terminal region is obtained offline solving a linear quadratic regulator problem, here the terminal control law in the NECLGPC is determined online by an unconstrained Nonlinear Generalized Predictive Control (NGPC). In order to make the optimization problem more tractable two considerations have been made in the present work. Firstly, the prediction model consisting of a nonlinear phenomenological model of the plant is expressed with linear structure and state dependent matrices. Secondly, instead of including the nonlinear economic cost in the objective function, an approximation of the reduced gradient of the economic function is used. These assumptions allow us to design an economic unconstrained nonlinear GPC analytically and to state the NECLGPC allow for the design of an economic problem as a QP (Quadratic Programing) problem each sampling time. Four controllers based on GPC that differ in designs and structures are compared with the proposed control technique in terms of process performance and energy costs. Particularly, the methodology is implemented in the N-Removal process of a Wastewater Treatment Plant (WWTP) and the results prove the efficiency of the method and that it can be used profitably in practical cases. Wed, 02 May 2018 00:00:00 GMT http://hdl.handle.net/10366/137179 2018-05-02T00:00:00Z http://hdl.handle.net/10366/135290 [EN] Optimization and control strategies are necessary to keep wastewater treatment plants (WWTPs) operating in the best possible conditions, maximizing effluent quality with the minimum consumption of energy. In this work, a benchmarking of different hierarchical control structures for WWTPs that combines static and dynamic Real Time Optimization (RTO) and non linear model predictive control (NMPC) is presented. The objective is to evaluate the enhancement of the operation in terms of economics and effluent quality that can be achieved when introducing NMPC technologies in the distinct levels of the multilayer structure. Three multilayer hierarchical structures are evaluated and compared for the N-Removal process considering the short term and long term operation in a rain weather scenario. A reduction in the operation costs of approximately 20% with a satisfactory compromise to Effluent Quality is achieved with the application of these control scheme.; [ES] Las estrategias de optimización y control son necesarias para que las plantas de tratamiento de aguas residuales funcionen en las mejores condiciones posibles, maximizando la calidad de los efluentes con el mínimo consumo de energía. En este trabajo, se presenta un benchmarking de diferentes estructuras de control jerárquico para WWTP que combina Optimización en tiempo real estática y dinámica (RTO) y control predictivo modelo no lineal (NMPC). El objetivo es evaluar la mejora de la operación en términos de economía y calidad del efluente que se puede lograr al introducir las tecnologías NMPC en los distintos niveles de la estructura multicapa. Se evalúan y comparan tres estructuras jerárquicas multicapa para el proceso considerando la operación a corto y largo plazo en un escenario de lluvia. Con la aplicación de este esquema de control se logra una reducción de los costos de operación de aproximadamente el 20% con un compromiso satisfactorio a la calidad del efluente. Wed, 01 Jan 2014 00:00:00 GMT http://hdl.handle.net/10366/135290 2014-01-01T00:00:00Z http://hdl.handle.net/10366/135289 [EN] This paper describes a procedure to find the best controlled variables in an economic sense for the activated sludge process in a wastewater treatment plant, despite the large load disturbances. A novel dynamic analysis of the closed loop control of these variables has been performed, considering a nonlinear model predictive controller (NMPC) and a particular distributed NMPC-PI control structure where the PI is devoted to control the process active constraints and the NMPC the self-optimizing variables. The well-known self-optimizing control methodology has been applied, considering the most important measurements of the process. This methodology provides the optimum combination of measurements to keep constant with minimum economic loss. In order to avoid non feasible dynamic operation, a preselection of the measurements has been performed, based on the nonlinear model of the process and evaluating the possibility of keeping their values constant in the presence of typical disturbances.; [ES] Este trabajo describe un procedimiento eficiente para encontrar las mejores variables para el proceso de lodos activados en una planta de tratamiento de aguas residuales, a pesar de las grandes perturbaciones de carga. Se ha realizado un nuevo análisis dinámico del control en bucle cerrado de estas variables, considerando un controlador predictivo de modelo no lineal (NMPC) y una estructura de control NMPC-PI distribuida. Se ha aplicado la conocida metodología de control de auto-optimización, considerando las mediciones más importantes del proceso. Esta metodología proporciona la combinación óptima de mediciones para mantener constante con pérdidas económicas mínimas. Para evitar un funcionamiento dinámico no factible, se ha realizado una preselección de las mediciones, basándose en el modelo no lineal del proceso y evaluando la posibilidad de mantener constantes sus valores en presencia de perturbaciones típicas. Thu, 01 Jan 2015 00:00:00 GMT http://hdl.handle.net/10366/135289 2015-01-01T00:00:00Z http://hdl.handle.net/10366/135288 [EN] In this paper, the integrated design paradigm is illustrated with several examples taken from the wide range of methodologies developed in last decades and presented in the first article of this series [Part 1]. The techniques included here belong to the category of simultaneous design and control in an optimization framework, and they have been developed by the authors’ research group and applied to the simultaneous process and control system design of the activated sludge process in a wastewater treatment plant (WWTP). In the present article, new aspects and results of those methodologies are presented for further understanding. The scope of the problem considers both a fixed plant layout and the plant structure selection by defining a simple superstructure. The control strategy chosen is a linear Model Predictive Controller (MPC) with terminal penalty in order to guarantee stability. As for the evaluation of the controllability, norm based indexes have been considered, and a multi-model approach to represent the uncertainty and assure robustness. The formulation of the optimization problem can be stated either as a multiobjective one considering costs and controllability, or as monoobjective adding some controllability constraints. Several strategies for solving the optimization problem are presented, mixing stochastic and deterministic methods, and genetic algorithms.; [ES] En este artículo, el paradigma de diseño integrado se ilustra con varios ejemplos tomados de la amplia gama de metodologías desarrolladas en las últimas décadas y presentadas en el primer artículo de esta serie. Las técnicas utilizadas pertenecen a la categoría de diseño y control simultáneo en un marco de optimización siendo desarrolladas por el grupo de investigación de los autores y aplicadas al diseño simultáneo de procesos y sistemas de control del proceso de lodos activados en una planta de tratamiento de aguas residuales. El alcance del problema considera tanto una disposición fija de la planta como la selección de la estructura de la planta definiendo una superestructura simple. La estrategia de control elegida es un controlador predictivo modelo lineal (MPC). En cuanto a la evaluación de la controlabilidad, se han considerado índices basados en normas, y un enfoque multi-modelo para representar la incertidumbre y asegurar robustez. La formulación del problema de optimización se puede plantear bien como un objetivo multiobjetivo que considera costos y controlabilidad, o como monoobjetivo que añade algunas restricciones de controlabilidad. Se presentan varias estrategias para resolver el problema de optimización, mezclando métodos estocásticos y determinísticos, y algoritmos genéticos. Wed, 01 Jan 2014 00:00:00 GMT http://hdl.handle.net/10366/135288 2014-01-01T00:00:00Z http://hdl.handle.net/10366/135286 [EN] This work presents a comprehensive classification of the different methods and procedures for integrated synthesis, design and control of chemical processes, based on a wide revision of recent literature. This classification fundamentally differentiates between “projecting methods”, where controllability is monitored during the process design to predict the trade-offs between design and control, and the “integrated-optimization methods” which solve the process design and the control-systems design at once within an optimization framework. The latter are revised categorizing them according to the methods to evaluate controllability and other related properties, the scope of the design problem, the treatment of uncertainties and perturbations, and finally, the type the optimization problem formulation and the methods for its resolution.; [ES] Este trabajo presenta una clasificación integral de los diferentes métodos y procedimientos para la síntesis integrada, diseño y control de procesos químicos. Esta clasificación distingue fundamentalmente entre los "métodos de proyección", donde se controla la controlabilidad durante el diseño del proceso para predecir los compromisos entre diseño y control, y los "métodos de optimización integrada" que resuelven el diseño del proceso y el diseño de los sistemas de control a la vez dentro de un marco de optimización. Estos últimos se revisan clasificándolos según los métodos para evaluar la controlabilidad y otras propiedades relacionadas, el alcance del problema de diseño, el tratamiento de las incertidumbres y las perturbaciones y, finalmente, el tipo de la formulación del problema de optimización y los métodos para su resolución. Wed, 01 Jan 2014 00:00:00 GMT http://hdl.handle.net/10366/135286 2014-01-01T00:00:00Z http://hdl.handle.net/10366/135284 [EN] In this work, a novel methodology for the Integrated Design (ID) of processes with linear Model Predictive Control (MPC) is addressed, providing simultaneously the plant dimensions, the control system parameters and a steady state working point. The MPC chosen operates over infinite horizon in order to guarantee stability and it is implemented with a terminal penalty. The ID methodology considers norm based indexes for controllability, as well as robust performance conditions by using a multi-model approach. Mathematically, the ID is stated as a multiobjective nonlinear constrained optimization problem, tackled in different ways. Particularly, objective functions include investment, operating costs, and dynamical indexes based on the weighted sum of some norms of different closed loop transfer functions of the system. The paper illustrates the application of the proposed methodology with the ID of the activated sludge process of a wastewater treatment plant (WWTP).; [ES] Este trabajo aborda una nueva metodología para el Diseño Integrado (ID) de procesos con Control Predictivo Modelo (MPC) lineal, que proporciona simultáneamente las dimensiones de la planta, los parámetros del sistema de control y un punto de trabajo en estado estacionario. El MPC elegido opera sobre horizonte infinito para garantizar la estabilidad. La metodología de ID considera los índices basados en la norma para la controlabilidad, así como las robustas condiciones de rendimiento mediante el uso de un enfoque multi-modelo. Matemáticamente, la ID se declara como un problema de optimización no lineal multiobjetivo restringido, abordado de diferentes maneras. Particularmente, las funciones objetivas incluyen inversión, costos de operación e índices dinámicos basados en la suma ponderada de algunas normas de diferentes funciones de transferencia en bucle cerrado del sistema. El trabajo ilustra la aplicación de la metodología propuesta con el ID del proceso de lodos activados de una planta de tratamiento de aguas residuales (EDAR). Sat, 01 Jan 2011 00:00:00 GMT http://hdl.handle.net/10366/135284 2011-01-01T00:00:00Z