Thesis:

Diseño e implementación de estrategia de control predictivo en proceso de flotación de minerales

Este trabajo presenta el diseño, la implementación y los resultados de una estrategia de control predictivo para el control del nivel de pulpa de dos circuitos de flotación “Rougher” de Minera Candelaria, ubicada en la tercera región de Chile. La estrategia considera una representación de estados que modela el nivel de cada banco (modelo de múltiples entradas y una salida), el que es obtenido mediante un procedimiento de identificación de sistemas y utiliza un filtro de Kalman como estimador de estados. Para resolver el problema de optimización que calcula la acción de control a aplicar se utiliza un optimizador basado en algoritmos genéticos. Los resultados obtenidos de manera experimental indican que con la estrategia de control implementada se logra reducir la varianza del nivel en los bancos Rougher hasta en un 88%, además de mejorar el seguimiento de la referencia mediante la adecuada compensación de perturbaciones. El sistema de control predictivo es integrado con otro sistema de control que manipula las referencias del nivel de los bancos Rougher con el fin de optimizar la operación del proceso, lo que le permite a la compañía producir al menos 1.685.973 libras extras de cobre al año entre las dos líneas de producción. Palabras clave: Control predictivo basado en modelo, Identificación de sistemas y estimación de parámetros, Filtro de Kalman, Algoritmos genéticos, Rechazo a perturbaciones, Minería, metalurgia, metales y materiales.

This work presents the design, implementation, and results of a model predictive control strategy used to control the pulp level of two Rougher flotation circuits of Minera Candelaria, located in the third region of Chile. The strategy considers a state‑space representation that models the level of each bank (multiple‑input single‑output model), which is obtained through a system identification procedure and uses a Kalman filter as a state estimator. To solve the optimization problem that calculates the control action to apply, a genetic‑algorithm‑based optimizer is used. The experimental results obtained show that the implemented control strategy manages to reduce the level variance in the Rougher banks by up to 88% and improve the reference tracking through proper disturbance compensation. The model predictive control system is integrated with another control system that manipulates the level setpoint of the Rougher banks for the purpose of optimizing the operation of the process, which allows the company to produce at least 1,685,973 extra pounds of copper per year between the two production lines.