A comparison study of MPC strategies based on minimum variance control index performance

Abstract

Model Predictive Control (MPC) is a useful tool when controlling processes that handle a large number of input and output variables. This study presents a comparison of different MPC strategies when they are subjected to control process variables directly. The strategies studied are IMC, GPC, MPC-D, MPC-DR, and DMC. Evaluation of the performance of the controlled loop was performed with the filtering and correlation analysis algorithm (FCOR). The methodology proposed is validated in a Continuous Stirred-Tank Reactor (CSTR) case study. Discrete predictive control demonstrated the best results in this study.

El Control predictivo de modelos (MPC) es una herramienta útil para controlar procesos que manejan un gran número de variables de entrada y salida. Este estudio presenta una comparación de diferentes estrategias de MPC cuando son usadas para controlar directamente variables de proceso. Las estrategias estudiadas son IMC, GPC, MPC-D, MPC-DR y DMC. La evaluación del desempeño del lazo de control se realizó con el algoritmo de análisis de filtrado y correlación (FCOR). La metodología propuesta se valida en un caso de estudio tipo CSTR. El control predictivo discreto demostró los mejores resultados en este estudio.