Hybrid fuzzy logic and pid controller based ph neutralization pilot plant

Resumo Técnico: Controle Híbrido de Lógica Fuzzy e PID para Planta Piloto de Neutralização de pH

Definição do Problema
O artigo aborda os desafios inerentes ao controle de processos de neutralização de pH em indústrias químicas. Esses sistemas são caracterizados por alta não linearidade, incerteza e relações cinéticas e termodinâmicas complexas, o que torna as técnicas de controle linear clássicas insuficientes para capturar todo o intervalo operacional. Além disso, abordagens de controle de componente único tradicional (como o PID padrão ou a Lógica Fuzzy isolada) frequentemente enfrentam dificuldades com atrasos de transmissão de sinal, limitações computacionais e razões sinal-ruído. O desafio específico reside em manter um nível de pH neutro (visando 7 ± 1 para segurança industrial) apesar da curva de titulação em forma de S, onde pequenas mudanças na entrada perto do pH 7 resultam em grandes variações na saída.

Metodologia
Os autores propõem uma arquitetura de controle híbrida combinando um controlador Proporcional-Integral-Derivativo (PID) com um Controlador de Lógica Fuzzy (FLC) aplicado a uma planta piloto de neutralização de pH. A metodologia envolve três componentes principais:

1. Arquitetura do Sistema e Modelagem:

   • A planta piloto consiste em um tanque ácido (VE200), um tanque alcalino (VE210) e um tanque misturador (VE220) equipado com transmissores de fluxo, válvulas de controle e um motor de agitação contínua.
   • Um modelo matemático físico-químico rigoroso foi desenvolvido com base em equações de balanço de massa para espécies não reativas e condições de eletroneutralidade. O modelo considera as constantes de dissociação do ácido sulfúrico e o produto iônico da água para derivar uma equação dinâmica para a concentração de íons de hidrogênio ($H^+$).
   • O sistema é identificado como altamente não linear, com variações de resposta dinâmica que são baixas em pH 3–4 e 10–12, mas altamente sensíveis e lineares entre pH 6–8.

2. Design do Controlador:

   • Componente PID: Um controlador PID é projetado para gerenciar as taxas de fluxo das correntes de ácido e base. Os parâmetros foram ajustados usando o método de Ziegler-Nichols, resultando em um ganho proporcional ($K_p$) de 10,8, ganho integral ($K_i$) de 0,65 e ganho derivativo ($K_d$) de 44,5.
   • Componente de Lógica Fuzzy: O FLC atua como a camada supervisora, manipulando os pontos de ajuste (set points) para o controlador PID com base no erro entre os valores de pH desejado e real. O FLC utiliza nove variáveis linguísticas (de "Negativo Extra Grande" a "Positivo Extra Grande") tanto para a entrada (erro de pH) quanto para a saída (ajuste do ponto de ajuste do PID). Uma base de regras específica (Tabela 5) mapeia os erros de entrada diretamente para os ajustes de saída para garantir transições suaves e erro de regime permanente zero.
   • Integração Híbrida: O FLC calcula o ajuste necessário no ponto de ajuste do PID, que então controla as válvulas físicas de fluxo. Esta integração visa aproveitar a robustez da lógica fuzzy para o tratamento de não linearidades e a precisão do PID para a regulação de fluxo.

Principais Contribuições

• Modelagem Matemática Otimizada: O artigo apresenta um modelo físico-químico detalhado de um reator de tanque agitado contínuo (CSTR) para neutralização de pH, definindo explicitamente a relação entre taxas de fluxo, concentrações e níveis de pH.
• Implementação de Controle Híbrido: Demonstra a implementação prática de um controlador híbrido Fuzzy-PID em uma planta piloto real, indo além da simulação teórica.
• Validação Experimental: O estudo fornece dados empíricos comparando o controlador híbrido contra um controlador de Lógica Fuzzy isolado, testando especificamente o desempenho sob pontos de ajuste estáticos, mudanças de degrau e distúrbios de onda quadrada.

Resultos
Resultados experimentais de três testes distintos indicam o seguinte:

• Rastreamento de Ponto de Ajuste: O controlador híbrido rastreou com sucesso as mudanças de ponto de ajuste (ex: de pH 7 para 10 e vice-versa). No entanto, os autores observam atrasos inerentes nos tempos de subida e descida (ex: um atraso de 10 segundos na resposta a uma queda na entrada) atribuídos às limitações mecânicas das válvulas de controle e taxas de fluxo.
• Robustez: Sob distúrbios de onda quadrada (variando o pH entre 6 e 10), o sistema demonstrou robustez, com a saída rastreando a entrada apesar de pequenos atrasos causados pelos tempos de atuação das válvulas.
• Desempenho Comparativo: Quando comparado a um controlador de Lógica Fuzzy isolado, a abordagem híbrida mostrou eficiência superior no rastreamento de pontos de ajuste (especificamente entre 1250–2000 segundos) e maior estabilidade (entre 500–1250 segundos). Observou-se que o sistema híbrido é mais estável e eficiente no tratamento das não linearidades do processo.

Significância e Alegações
O artigo afirma que o controlador híbrido proposto oferece uma solução mais robusta e estável para a neutralização de pH em comparação com controladores de Lógica Fuzzy tradicionais isolados. Ao integrar uma abordagem de modelagem físico-química com uma estratégia de controle híbrida, o sistema é capaz de lidar com todo o intervalo operacional do processo não linear. Os autores enfatizam que esta metodologia é geralmente aplicável a plantas de neutralização de pH baseadas em reatores de tanque agitado contínuo.

O artigo reconhece modestamente que a resposta global do sistema (tempos de subida e descida) depende fortemente dos instrumentos físicos utilizados (válvulas, sensores, transmissores). Consequentemente, os autores sugerem que, embora o design do controle seja eficaz, a previsibilidade do modelo do processo poderia ser futuramente aprimorada através do uso de instrumentação mais precisa. Sugere-se como trabalho futuro explorar controladores baseados em redes neurais adaptativas para alcançar objetivos semelhantes, mas o presente estudo foca estritamente na validação da abordagem híbrida Fuzzy-PID.