Adaptive Kalman Filtering with Exact Linearization and Decoupling Control on Three-Tank Process

A continuación presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Filtrado de Kalman Adaptativo con Linealización Exacta y Control de Desacoplamiento en un Proceso de Tres Tanques

1. Planteamiento del Problema
El artículo aborda el desafío de controlar y estimar el estado de un sistema hidráulico de tres tanques, un modelo estándar utilizado en plantas de tratamiento de agua y almacenamiento de líquidos. El problema central radica en la naturaleza no lineal y acoplada de la dinámica del sistema, donde los niveles de líquido en los tanques interactúan entre sí a través de tuberías, y los coeficientes de flujo varían según la diferencia de alturas.

• Limitaciones de los enfoques existentes: Los controladores lineales tradicionales solo son efectivos cerca de un punto de operación específico y fallan ante grandes variaciones. Además, los filtros de Kalman estándar (como el EKF) requieren una sintonización precisa de las covarianzas de ruido (matrices Q y R), lo cual es difícil de lograr en sistemas reales con incertidumbres estocásticas desconocidas, lo que degrada el rendimiento de la estimación.
• Objetivo: Desarrollar una estrategia que combine un control robusto para el seguimiento de referencias dinámicas (tanto lineal como no lineal) con un algoritmo de estimación adaptativo capaz de manejar el ruido del sistema sin conocimiento previo exacto.

2. Metodología
Los autores proponen una arquitectura de control y estimación dividida en tres componentes principales:

• A. Modelado Matemático y Linealización:

  • Se define el modelo no lineal basado en el principio de Bernoulli y la ley de Torricelli para el flujo entre tanques.
  • Se obtiene una representación lineal mediante la expansión de Taylor de primer orden alrededor de un punto de equilibrio $(u_0, y_0)$, asumiendo una condición de flujo específica ($h_1 > h_3 > h_2$).
  • El modelo se discretiza para su implementación digital, utilizando un tiempo de muestreo $t_s$.

• B. Estrategias de Control:

  1. Control Lineal Nominal: Se diseña un controlador de retroalimentación de estado con acción integral (para eliminar el error en estado estacionario) utilizando asignación de polos. Este enfoque es válido solo localmente alrededor del punto de operación.
  2. Control No Lineal por Desacoplamiento y Linealización Exacta: Para superar las limitaciones del modelo lineal, se aplica una linealización por retroalimentación exacta.
     • Se calculan los grados relativos de cada salida.
     • Se utiliza una transformación de coordenadas y una ley de control $u = \alpha(x) + \beta(x)\zeta$ para desacoplar las entradas y salidas, convirtiendo el sistema no lineal en subsistemas lineales independientes (integradores).
     • Se añade una retroalimentación proporcional para estabilizar los subsistemas desacoplados.

• C. Filtrado de Kalman Adaptativo (AKF):

  • Se propone un Filtro de Kalman Adaptativo (AKF) basado en el filtro de Kalman centralizado convencional (CKF).
  • Innovación clave: En lugar de usar una matriz de covarianza de ruido del proceso ($Q$) fija, el algoritmo actualiza dinámicamente $Q_k$ en tiempo real.
  • La actualización se basa en la secuencia de innovación ($v_k$) y la covarianza de la innovación estimada, permitiendo que el filtro se adapte a las incertidumbres del sistema sin requerir conocimiento previo preciso del ruido.

3. Contribuciones Clave

• Integración de Técnicas Avanzadas: Combina exitosamente la linealización exacta con control de desacoplamiento para un sistema de tres tanques, logrando un seguimiento de referencia independiente de los acoplamientos hidráulicos.
• Algoritmo de Estimación Adaptativa: Implementa un mecanismo de actualización de la covarianza de ruido ($Q$) en un filtro de Kalman aplicado a un proceso de tres tanques, algo que la literatura previa no había abordado en este contexto específico (aunque se usa en navegación GPS/INS).
• Validación Comparativa: Demuestra experimentalmente (mediante simulación) la superioridad del control no lineal desacoplado frente al control lineal en términos de desacoplamiento de variables, y la precisión del AKF frente a estimadores estáticos.

4. Resultados de la Simulación
Los autores realizaron simulaciones numéricas con los parámetros del sistema definidos (área de tanques, coeficientes de flujo, etc.) y un tiempo de muestreo de 1 segundo.

• Control Lineal: Logró un seguimiento aceptable de las referencias dinámicas para los tanques 1 y 2, pero mostró interacciones transitorias significativas debido al acoplamiento entre tanques.
• Control No Lineal Desacoplado: Mostró un rendimiento superior. Las variaciones en un tanque no afectaron significativamente a los otros, logrando un desacoplamiento casi perfecto. Los errores de seguimiento fueron menores, aunque el ruido de medición tuvo un efecto más visible en las salidas.
• Filtro de Kalman Adaptativo (AKF): Las estimaciones de los estados ($\hat{y}_i$) siguieron de cerca los estados reales ($y_i$). El error de estimación permaneció pequeño y acotado, demostrando que la actualización adaptativa de $Q$ mejoró la precisión de la estimación bajo dinámicas no lineales y ruido estocástico.

5. Significado e Impacto
Este trabajo es significativo porque:

• Ofrece una solución robusta para el control de sistemas hidráulicos complejos que operan en un rango amplio, superando las limitaciones de los controladores lineales tradicionales.
• Introduce una metodología de estimación que no depende de la sintonización manual y estática de los parámetros de ruido, lo cual es crucial para aplicaciones industriales donde las condiciones del sistema cambian dinámicamente.
• Establece una base para futuras investigaciones en sistemas de múltiples agentes, redes de tanques y control tolerante a fallos, sugiriendo la extensión de este marco a sistemas con dinámicas no observables o de rango incompleto.

En conclusión, el artículo valida que la combinación de linealización exacta, desacoplamiento y filtrado de Kalman adaptativo es una estrategia efectiva para el control y estimación de alta precisión en procesos industriales no lineales.