CONTROLADOR FUZZY TAKAGI-SUGENO APLICADO A UMA PLANTA DE TRATAMENTO DE ESGOTO POR LODOS ATIVADOS

CONTROLADOR FUZZY TAKAGI-SUGENO APLICADO A UMA PLANTA DE TRATAMENTO DE ESGOTO POR LODOS ATIVADOS

JOSÉ H. S. OLIVEIRA FILHO1, MARCO A. S. SUSSUARANA1, JOSÉ A. L. BARREIROS1, ORLANDO F. SILVA1,WALTER B. JÚNIOR1, NEYSON M. MEDONÇA1,

1. Instituo de Tecnologia, Universidade Federal do Pará Av. Augusto Correa, 01 – Campus Guamá

E-mails: [email protected], [email protected], [email protected], [email protected], [email protected], [email protected]

Abstract This paper presents a Takagi-Sugeno (TS) fuzzy system applied to an activated sludge wastewater treatment plant. The control acts the aeration valve engine in order to maintain regulated the dissolved oxygen level to provide the nitrification during the effluent treatment. A continuous model of oxygen mass balance has been linearized and two PI controllers were designed at two dif-ferent operating point. By using a TS fuzzy system, the gain of local PI controllers were interpolated in order to obtain a satisfactory response of the operation region. The TS controller, during the tests, has been tuned modifying the membership functions and to get even a small settling time, the fuzzy system interpolated just the proportional gains of the two PI controllers.

Keywords activated sludge wastewater treatment, dissolved oxygen, PI Controller, Fuzzy system

Resumo Este trabalho apresenta a aplicação de um controlador fuzzy Takagi-Sugeno (TS) em uma planta de tratamento de esgoto por lodos ativados. A ação de controle atua via o mecanismo de aeração da planta visando manter regulada a concentração de oxigê-nio dissolvido suficiente para que ocorra a nitrificação durante o tratamento do efluente. A partir da linearização de um modelo contí-nuo do balanço de massa de oxigênio dissolvido projetaram-se dois controladores PI em pontos de operações distintos. Utilizando-se o sistema TS, os ganhos dos controladores PI fixos foram interpolados para se obter uma resposta satisfatória na região de operação. O controlador TS, durante os ensaios, foi sintonizado modificando-se as funções de pertinência e para obter tempo de acomodação ainda menor, o sistema fuzzy interpolou apenas os ganhos proporcionais dos dois controladores PI.

Palavras-chave tratamento de esgoto por lodos ativados, oxigênio dissolvido, nitrificação, controlador PI, sistema Fuzzy

1 Introdução

O tratamento de esgoto é o processo que prepara água residuária para voltar ao meio ambiente através de processos químicos e biológicos. Especificamente no processo biológico há dois tipos de tratamentos: anae-róbio, que ocorre na ausência de oxigênio (O2), e aeró-bio, que acontece na presença de (O2). Um dos trata-mento mais utilizados no Brasil é o processo de lodos ativados por aeração prolongada que ocorre em uma etapa aeróbia e outra anaeróbia (Sperling, 1997).

Uma estação de tratamento de esgoto (ETE) de lodos ativados por aeração prolongada, de acordo com Sperling (1997), possui três tanques: um decantador primário (DP) que recebe o efluente bruto (EB) da água residuária, um tanque de aeração (TA) onde o-corre a oxigenação do efluente que pode ser por inje-ção de ar através de sopradores ou aeradores, por fim um decantador secundário (DS), onde se tem a separa-ção de fases sólido-líquido e a recirculação do lodo sedimentado nessa unidade para o TA. A figura 1 a-presenta uma planta de uma ETE de lodos ativados.

O tratamento de esgoto por lodos ativados neces-sita de microorganismos aeróbios e anaeróbios que auxiliarão a eliminar do efluente matéria carbonácea1, Nitrogênio (N2) e Fósforo (P) (Lindberg, 1997). Para que o N2 seja eliminado na forma gasosa, faz-se neces-

1 Segundo Haandel (1994) são compostos orgânicos representados na seguinte forma (CXHYOZ)

sário sua transformação a partir do amônio (NH4+) que ocorre em dois processos distintos: a nitrificação e desnitrificação (Haandel, 1994).

Figura 1. Planta de uma ETE de lodos ativados por aeração prolongada

(Sperling, 1997)

A nitrificação transforma o amônio (NH4+) a par-tir de uma reação química de oxiredução em nitrito (NO2-) e logo em seguida em nitrato (NO3-). O proces-so ocorre no TA pois necessita de microorganismos aeróbios. A desnitrificação transforma (NO3-) em (N2) que por sua vez ocorre no DS. Neste tanque ocorre também a remoção de (P) (Haandel, 1994). É impera-tivo para o sucesso do processo como um todo que a nitrificação ocorra em sua plenitude.

A nitrificação pode ocorrer a partir de concentra-ções de oxigênio dissolvido (OD) de 0,5 mgO2/l (Men-donça, 2002). Porém, segundo Lara (2005) a partir de concentrações de OD maiores que 1,0 mgO2/l inicia-se a remoção de matéria carbonácea, os nitritos inici-am formação a partir de concentrações 2,0 mgO2/l e

os nitratos a partir de 5,5 mgO2/l2. Para que a concen-tração de OD se estabeleça no ponto de operação dese-jado, o mecanismo de aeração deve proporcionar uma taxa de transferência de oxigênio (KLa) adequada.

Segundo Lindberg (1997) a concentração de OD deve ser suficiente para que a nitrificação ocorra res-salvando que uma alta contração de OD desnecessária pode prejudicar a desnitrificação além de provocar desperdícios de energia elétrica.

Otimizar a oxigenação para que a nitrificação o-corra, proporcionando eficiência energética do proces-so é o que propõem os trabalhos de Lindberg (1997), Lara (2005), Yoo (2001) e Stathaki (2007). Este tra-balho propõe a utilização de sistemas fuzzy do tipo Takagi-Sugeno (TS) para controlar, em ambiente si-mulado, o mecanismo de aeração de uma ETE de lo-dos ativados.

O projeto do controlador proposto no artigo foi e-laborado baseado em um modelo de balanço de massa de OD do TA apresentado por Bastin e Dochain (1990) apud Lindberg (1997). A partir de uma variá-vel de operação (valor médio de saída da planta), o sistema fuzzy TS irá interpolar os ganhos de dois con-troladores Proporcionais e Integrativos (PI) projetados para dois pontos de operação distintos, cobrindo assim a faixa de operação do processo.

Este artigo está divido em cinco partes: a primeira é a introdução com a apresentação da problemática, a segunda é o projeto do controlador PI para dois pontos de operação, a terceira o projeto do sistema fuzzy TS, a quarta são as simulações e suas análises e, por fim, a conclusão do artigo.

2 Projeto de Controlador PI para Dois Pontos de Operação Distintos

O modelo de balanço de massa de OD apresentado por Bastin e Dochain (1990) apud Lindberg (1997) des-creve a dinâmica de concentração de OD no tanque de aeração como mostra a equação 1:

)()(.))(()()(.)()( tRtYytuKtYtyVtQ

dttdy

satLain

(1)

em que: y(t) – Concentração de OD em mgO2/l. yin – OD do efluente bruto ao entrar no tanque de ae-ração em mg O2/l. ysat – OD de saturação em mgO2/l. KLa(u) – taxa de transferência de em O2 1/h R(t) – taxa de consumo de O2 em mgO2/l. Q(t) – vazão de entrada do efluente bruto no tanque de aeração em l/h V – volume do tanque de aeração em l

2 Outros autores citam concentrações de 2,0 a 2,5 mgO2/l suficientes para a nitrificação em clima temperado, este autor desenvolveu seu trabalho no Brasil onde o clima é predominantemente tropical.

O KLa, segundo Lindberg (1997), não pode ser medido através de sensores. Porém o autor apresenta alguns modelos não lineares de aproximação do mes-mo em função da taxa de fluxo de ar (u) do dispositivo de aeração. O autor apresenta também modelos de aproximação de R(t) que indicam quanto de (O2) está sendo consumido durante a nitrificação3. Os parâme-tros tanto do KLa quanto de R(t) são estimados quando aplicados em uma planta real. Neste trabalho o modelo de KLa utilizado é o da equação 2 (Lindberg, 1997).

).arctan(.))(( 21 ukktuKLa (2)

2.1 Linearização do Modelo

Para projetar o controlador, o modelo da equação 1 foi linearizado pelo método de Expansão de Séries de Taylor (Ogata, 1982). Para os ensaios deste trabalho, Q,V e R serão valores fixos, e adotar-se-á a seguinte convenção:

21 ,,)( uRuuxty Inicia-se a linearização reescrevendo a equação 1

em espaços de estado obtém-se:

RxyuKxyVQ

satLain ]).[(].[0 (3)

obtém-se então a equação 4:

2121 ]).[(].[),,( uxyuKxyVQuux satLain

(4)

As equações 5, 6 e 7 apresentam as derivadas par-ciais de cada entrada do modelo nos pontos de opera-ção.

)(21 ,,

uKVQ

u Lauux

(5)

uuKxy La

satuuux

uux

)().( 1

2121

,,,,

(6)

121 ,,

uuxu (7)

Admitindo-se que os coeficientes a, b1 e b2 serão

as derivadas das equações 4, 5 e 6 respectivamente, aplica-se então a transformada de Laplace.

2211 .. ububxaxs (8)

2211 ..).( ububasx (9)

Rs

bus

by

.. 21

(10)

)( uKVQa La (11)

3 O R(t) é uma entrada da equação 1 que se comporta como uma per-turbação à dinâmica do sistema.

).()(

1

xyLab sat

uuK

(12)

Por fim, obtém-se a função de transferência para o modelo linearizado que é dada na forma (Landau, 1990)

s

sG )( (13)

2.2 Projeto do Controlador PI

A função de transferência de um controlador PI é dada na forma (Landau, 1990):

sKIKPsPI )( (14)

Para o projeto, deseja-se que a constante de tempo para o sistema em malha fechada seja o dobro da cons-tante de tempo do sistema em malha aberta conforme equação 15 (Landau, 1990):

21

2 00 TTT (15)

Adotando-se a seguinte convenção: =-a (equação 11) e = b1 (equação 12), o ganho proporcional (KP) e o ganho integrativo (KI), equações 16 e 17 respecti-vamente, foram calculados na seguinte forma (Lan-dau, 1990):

Para o projeto dos controladores PI, foram utiliza-

dos os seguintes parâmetros extraídos de Lindberg (1997): yin = 0 mgO2/l ysat = 10 mgO2/l Q = 1000 l/h V = 630 l K1 = 15 K2 = 15/1000

Para o primeiro controlador, os ganhos foram cal-culados para o ponto de operação x° = 2,0 mgO2/l e o segundo para x° = 5,5 mgO2/l. A taxa de consumo de (O2) adotada para ambos os pontos de operação foi R° = 20 mgO2/l. A tabela 1 apresenta os valores de e (equação 13), KP (equação 16) e KI (equação 17) para os dois pontos de operação em questão.

3 Projeto do Controlador Fuzzy de Ganhos Pro-gramados

Os sistemas fuzzy proporcionam ferramentas valiosas para o processamento de informações qualitativas, inerentes à natureza humana. Um valor será conside-rado verdadeiro (ou falso) em um determinado percen-tual segundo uma função de pertinência com interva-

los contidos em um universo de discurso (Passino, 1998).

Tabela 1. Parâmetros da função de transferência e ganhos proporcio-nais e integrativos para cada ponto de operação.

x° = 2,0 x° = 5,5

-4,484 -7,972 0,267 0,187 KP 41,383 85,424 KI 185,568 680,979

O controlador fuzzy TS proposto interpolará os

ganhos dos controladores PI a partir do grau de perti-nência de uma função trapezoidal. O universo de dis-curso será o valor médio de OD na saída da planta no seguinte intervalo: [0, 7.5]. A figura 2 apresenta as funções de pertinência de cada controlador.

Figura 2. Funções de pertinência trapezoidal para cada controlador PI

A figura 3 apresenta o digrama de uma imple-mentação em Matlab/Simulink desenvolvido para estudo do sistema, neste caso o TA e os dois controla-dores PI sendo interpolados pelo controlador TS.

Figura 3. Diagrama de implementação da planta em malha fechada em

Matlab/Simulink

1

).(2b

aKP

1

2).(2b

aKI

(16)

(17)

e PI 1

e PI 2

1

TF.s + 1 Y

P1

P2

X

X

u y + +

Filtro Passa Baixa Controlador Takagi-Sugeno

+ -

Modelo de Balanço de Massa

OD

Controlador PI 1

YREF

Controlador PI 2

4 Resultado de Estudo de Simulação

Cada controlador PI teve seu desempenho analisado utilizando-se os seguintes valores de referência para controle (yref): 2,0 mgO2/l, e 5,5 mgO2/l, para os quais foi aplicado um degrau de 5% em cada valor citado. Como era de se esperar, cada controlador obte-ve desempenho superior na vizinhança do ponto de operação para o qual fora projetado, como mostram as figuras 4 e 5.

Figura 4. Desempenho dos controladores para o ponto de operação x° =

2,0 mgO2/l aplicando um degrau de 5% de x°

Figura 5. Desempenho dos controladores para o ponto de operação x° =

5,5 mgO2/l aplicando um degrau de 5% de x°

Simulou-se o controlador fuzzy TS e os controla-dores PI utilizando três valores de yref (2.0, 3.75 e 5.5) analisando-se o desempenho dos controladores quando aplicado um degrau de 5% em cada yref.

A tabela 2 apresenta os valores obtidos para o so-bressinal, tempo de acomodação e tempo de subida dos três controladores para o ponto x° = 3.75 mgO2/l, por exemplo, e a figura 6 as curvas de desempenho para este ponto de operação. Para este projeto, o tempo de acomodação calculado foi de 1% do valor de referên-cia.

Ao se aplicar o degrau de 5% do valor de referên-cia (3.75) o controlador TS apresentou desempenho intermediário em relação aos controladores PI con-forme fora projetado como pode ser visto na figura 6. No entanto o tempo de acomodação foi ligeiramente superior aos demais controladores.

Tabela 2. Parâmetros para análise de desempenho do controlador para o ponto de operação x° = 3,75 mgO2/l aplicando degrau de 5% de x°

Controlador Sobressinal (%)

Tempo de Acomoda-

ção (h)

Tempo de Subida (h)

PI 1 0 0,805 0,2589 Fuzzy 3,31 1,570 0,1152 PI 2 3,52% 0,404 0,0833

Após outros ensaios realizados obteve-se um re-

sultado também satisfatório sintonizando-se as funções de pertinência para triangular para o universo de dis-curso de intervalo [0, 5.5] conforme mostra a figura 7.

Figura 6. Análise de desempenho dos controladores para x° = 3,75

mgO2/l aplicando um degrau de 5% de x°

Figura 7. Funções de pertinência triangular para cada controlador PI

As figuras 8, 9 e 10 apresentam, respectivamente, o desempenho do controlador para o degrau de 5% aplicado aos pontos de operações x° = 2,0 mgO2/l, x° = 3,75 mgO2/l e x° = 5,5 mgO2/l de cada controlador.

As tabelas 3, 4 e 5 mostram os valores do sobres-sinal, tempo de acomodação e tempo subida para os pontos de operação supra citados aplicando-se o de-grau 5% sobre o valor de cada ponto.

Observa-se que para um degrau de 5% na referên-cia aplicado em torno do ponto de operação x° = 5,5 mgO2/l, o desempenho do controlador TS aproxima-se ao do controlador PI 2 que por sua vez é superior ao PI

14. Para um degrau aplicado ao ponto x° = 3,75 mgO2/l o controlador TS apresenta um desempenho intermediário em relação aos controladores PI con-forme fora projetado. O mesmo pode-se dizer para um degrau aplicado ao ponto x° = 2,0 mgO2/l, embora o tempo de acomodação do controlador TS foi maior em relação aos controladores PI.

Embora o desempenho do controlador TS seja sa-tisfatório como demonstraram as simulações, é neces-sário, para o controle do mecanismo de aeração, um menor tempo de acomodação na faixa de operação. Por isso, a planta em malha fechada foi modificada para o que o sistema fuzzy TS, com função de perti-nência triangular apresentadas na figura 7, faça a in-terpolação apenas dos ganhos proporcionais, haja vista serem os principais responsáveis pela rapidez de mi-nimização do erro.

Figura 8. Desempenho do controlador para o ponto de operação x° =

2,0 mgO2/l aplicando degrau de 5% de x°



As figuras 11, 12 e 13 apresentam, respectiva-mente, o desempenho do controlador para um degrau de 5% aplicado aos pontos de operações x° = 2,0 m-gO2/l, x° = 3,75 mgO2/l e x° = 5,5 mgO2/l, de cada controlador interpolando-se apenas os ganhos propor-cionais.

4 Era de se esperar esta superioridade, pois o controlador PI 1 operou distante da vizinhança do ponto o qual fora projetado.





Tempo de Acomodação

(h)

Tempo de Subida

(h)

PI 1 0 0,200 0,096

Fuzzy 3,5 0,800 0,061 PI 2 4,1 0,300 0,042



Tempo de Acomodação

(h)

Tempo de Subida

(h)

PI 1 0 0,805 0,080 Fuzzy 3,31 0,750 0,090 PI 2 3,52 0,400 0,258

Tabela 5. Parâmetros para análise de desempenho do controlador para

o ponto de operação x° = 5,5 mgO2/l aplicando degrau de 5% de x°


Tempo de Acomoda-

ção (h)

Tempo de Subida

(h)

PI 1 0 11,759 1,545 Fuzzy 0 3,107 0,423 PI 2 0 3,108 0,423







O desempenho do controlador TS para os pontos de operação x° = 2,0 mgO2/l e x° = 3,75 mgO2/l foi intermediário como esperado e o tempo de acomoda-ção foi de 0,255 h e 0,380 h respectivamente. Para o ponto de operação x° = 5,5 mgO2/l tempo de acomo-dação foi de 2,302 h porém o desempenho foi muito semelhante ao controlador PI 2 como demonstra a figura 13.

5 Conclusão

Neste trabalho foram projetados dois controladores PI clássicos a partir da linearização do modelo de balanço de massa de OD em dois pontos de operação distintos. O controlador fuzzy TS foi projetado para interpolar os dois controladores PI na faixa de operação ideal para a nitrificação ocorrer segundo Lara (2005).

O sobressinal, tempo de subida e o tempo de aco-modação serviram de parâmetros para analisar o de-sempenho dos controladores. As primeiras simulações realizadas na vizinhança dos pontos de operação, para os quais os controladores PI foram projetados, e um intermediário a eles, demonstraram que o controlador TS obteve desempenho intermediário conforme fora projetado sendo, portanto considerado satisfatório.

Sintonizando-se o controlador TS com funções de pertinência triangular, as simulações demonstraram desempenho satisfatório também. Entretanto observou-se a necessidade de um controlador com tempo de a-comodação menor.

Assim, o controlador TS foi modificado interpo-lando apenas os ganhos proporcionais e obteve-se uma ação rápida de controle como desejado. Assim, a di-nâmica da nitrificação não é comprometida. Lembran-do que em uma planta real, devido o R(t) se comportar como uma perturbação, é necessária uma resposta rá-pida de operação. Assim conclui-se que o controle TS é promissor no que se refere ao atendimento deste re-quisito.

Referências Bibliográficas

Haandel, A. and Marais, G. (1994). O Comportamento do Sistema de Lodos Ativados - Teoria e Aplicações para Projeto e Operações. Epigraf. Campina Grande - PB.

Landau, I. D. (1990) System Identification and Control Design using P.I.M. + Software. Prentice Hall. New Jersey – EUA.

Lara, J. M. V. (2005) Identificação de Modelos para Controle Preditivo: Aplicação a uma Planta de Lodos Ativados. Tese de Doutorado. Unicamp. Campinas – SP.

Lindberg, C. F. (1997) Control and Estimation Estrategies Applied to the Activated Sludge Process. Tese de Doutorado. Uppsala University. Uppsala Suécia.

Marsili-Libelli S., Maietti G. M. (2008). Energy-saving through remote control of a wastewater treatment plant. Proc. SIDISA Conference, Florence June 24- 28.

Mendonça, L. C. (2002) Microbiologia e Cinética de Sistema de Lodos Ativados com Pós-Tratamento de Efluente de Reator Anaeróbio de Leito Extendido. Tese de Doutorado. USP. São Carlos – SP.

Noykova, N. (2002) Modelling and identification of Microbial Population Dynamics in Wastewater Treatment. Tese de Doutorado. University of Turku. Turku Finlândia.

Passino, K. M. and Yurkovich, S. (1998) Fuzzy Control. Addison-Wesley. Menlo Park – EUA.

Ogata, K. (1982) Engenharia de Controle Moderno. Prentice Hall. Rio de Janeiro – RJ.

Sperling, M. (1997) Princípio do Tratamento Biológico de Águas Residuárias. Vol 4 - Lodos Ativados. SEGRAC. Belo Horizonte - MG.

Stathaki, A. and King R. E. (2007) An intelligent decision support system for wastewater treatment plant management, Int. Journal of Engineering Simulation (IJES), vol. 8, No. 1.

Yoo, C. K. (2001) Monitoring and Control of Biologic Wastewater Treatment Process. Tese de PhD. Pohang University of Science and Thecnology. Pohang Korea.

CONTROLADOR FUZZY TAKAGI-SUGENO APLICADO A UMA PLANTA DE TRATAMENTO DE ESGOTO POR LODOS ATIVADOS

Technology

Transcript of CONTROLADOR FUZZY TAKAGI-SUGENO APLICADO A UMA PLANTA DE TRATAMENTO DE ESGOTO POR LODOS ATIVADOS