1) Title & Author
Journal: Desalination, Desalination, Volume 255, Issues 1-3, Pages 129-136 (2010), IF: 1.155
Title: Robust model-based control of a tubular reverse-osmosis desalination unit
Author: M. Al-haj Ali, A. Ajbar, E. Ali, K. Alhumaizi (alhajali@ksu.edu.sa)
2) Summary of Paper
- 해수담수화 공정 제어의 목적은 원하는 수질 (permeate concentration)과 유량 (permeate flow rate)을 지속적으로 얻고자 하는데 있습니다. 두 가지 제어가 필요한 variables은 permeate flow rate과 concentration이며, 이에 반해 제어를 위해 조절되는 variables은 feed pressure와 brine flow rate입니다.
PI control과 같은 classical한 방법과 달리 Model Based Control (MPC)는 복잡한 화학공정에서 주로 사용되며, 더 나은 제어를 보여줍니다.
- RO process control의 흐름
1. Simple Incremental on/off control system
2. Proportional-integral (PI) control
: permeate flux and conductivity of the desalinated water by adjusting the feed pressure and feed pH
3. Dynamic matrix control (DMC)
: The plant dynamics were modeled by empirical transfer functions: two output variables (production flow rate and product water conductivity)
4. Constrained model-predictive control (CMPC)
: The models required for the control were obtained by step testing
5. Automation using intelligent control design approaches such as fuzzy logic and genetic algorithms
6. Computer simulation using real data of decoupled control system
7. DMC algorithm
: In the first case, the permeate flux was controlled by manipulating feed pressure
In the second case was a multivariable case in which both the permeate flow rate and conductivity were controlled by adjusting the feed pressure and pH
8. Dynamic non-linear model-predictive control algorithm
: To induce transition from the high to low-flow steady-states in an optimal way while subjected to plant-model mismatch.
9. model-based control using bounded nonlinear feedback and feed-forward controllers
: With fault detection, isolation, and fault-tolerant control (FTC) techniques
10. A mathematical nonlinear control model using geometric control techniques.
? 8 논문을 제외한 대부분의 연구는 model을 기초로 하지 않고, transfer function이나 impulse response model와 같은 empirical control이었습니다. 또한, permeate concentration 제어를 위해 feed pH의 set point를 설정하였는데, 이는 산업계에서는 실용적이지 않습니다.
- Dynamic Process model
: “Modeling the transient behavior of an experimental reverse osmosis tubular membrane”에서 개발된 모델을 이용했으며, 이 모델은 brine concentration이 transient한 변화를 가지고 있습니다.
- Nonlinear model-predictive control (NLMPC)
Ali and Zafiriou에 개발된 MPC version 구조를 사용하고 있습니다.
또한, 이 논문에서는 모델과 실제 plant사이에서의 불일치를 향상시키기 위해 NLMPC에 Kalman-filter를 도입하였습니다.
Result 1. Permeate flow rate 10% 증가
Fig.1은 PI contoller를 통한 제어를 보여주고, Fig.2는 MPC를 통한 제어를 보여준다. 그림에서 보여지는 것처럼 MPC가 더 smoother하고, over-under shoot이 없이 제어가 되고 있음을 알 수 있습니다.
Result 2. Permeate flow rate 10% 증가, permeate concentration 10% 감소
Result 1과 흡사한 결과로 MPC control이 더 우수한 것을 보여줍니다.
Result 3. Disturbance test: feed concentration 10% 증감.
Disturbance에 따른 over-under shoots이 나타나고 있음을 알 수 있습니다.
또한, Kalman-Filter의 필요성이 보여집니다.
3) Originality & Creativity
이 논문은 literature review를 바탕으로 다음과 같은 originality를 가지고 있습니다.
1. Dynamic model based Control
2. control using brine flow rate and feed pressure as manipulated variables
4) Contribution to ESEL
이 논문에서 사용한 procedure을 토대로 현재 개발된 RO 모델을 control method로 적용하는 것이 가능하리라고 생각됩니다. 또한, 동일한 Simulation을 할 수 있을 것으로 보여집니다.
5) 리뷰어 : lyg@gist.ac.kr