Resumen de Dynamics model for the thermal performance from a lyophilization process, based on a complete transfer functions matrix

Maria Elizabeth Rodríguez Ibarra, Eloy Edmundo Rodríguez Vázquez, Ana Marell Arteaga Martínez, Samantha Lilia Narváez Granados, Helen Janeth Zuñiga Osorio, Victor Miguel Villasana Velázquez

• español

  Durante el comienzo del siglo XX, la liofilización se desarrolló como una tecnología alternativa para extender el tiempo de almacenamiento de frutas y verduras u otro tipo de alimentos; Sin embargo, el consumo energético de esta tecnología hace que no sea una opción para los productores de alimentos comunes, menos para aquellos que trabajan con la técnica de cultivo en campo abierto. El principal consumo de energía en un sistema de liofilización son los motores de la bomba de vacío y de los compresores de refrigerante; Debido al rango de temperatura que necesitan los sistemas de liofilización para tener más de un sistema termodinámico de enfriamiento basado en la compresión de vapor. Este artículo describe una metodología experimental para obtener una matriz completa de funciones de transferencia de estado, basada en el análisis gráfico de los espectros de magnitud de las funciones de transferencia en cuestión. Estos datos experimentales provienen de un conjunto de pruebas realizadas en el Laboratorio Nacional de Investigación de Tecnología de Refrigeración (LaNITeF) en el Centro de Ingeniería para el Desarrollo Industrial (CIDESI). La intención de esta matriz de funciones de transferencia es aplicarla en una estrategia de control para luego optimizar el rendimiento energético del sistema de liofilización en cuestión. Esta matriz de transferencia de funciones se considera completa porque no hay una reducción de orden dinámico considerando sus grados de libertad. La matriz de funciones de transferencia describe la relación dinámica entre las variables de entrada que describen el consumo energético del sistema de liofilización y las condiciones ambientales, así como las variables de salida que representan el vector de estados dinámicos con las variables de interés del proceso en cuestión. La simulación de un escenario experimental funcionó como la validación gráfica de la matriz de funciones de transferencia caracterizada experimentalmente, por lo que la conclusión principal de este trabajo científico es que esta matriz de funciones de transferencia puede usarse como modelo dinámico para implementar algoritmos de control y optimización.

• English

  During the beginning of the XX century lyophilization was developed as an alternative technology to extend the storage time for fruit and vegetables or other kind of food; however, the energetic consumption of this technology makes it not an option for common food producers, less over for those one that work by the open field cultivation technique. The main energy consumption in a lyophilization systems are the motors from the vacuum pump and from the refrigerant compressors; due to the temperature range needs the lyophilization systems use to have more than one cooling thermodynamic system based on vapor compression. This paper describes an experimental methodology to get a complete state transfer functions matrix, based on the graphical analysis of the concerned transfer functions magnitude spectra. This experimental data came from a set of test performed at the National Laboratory for Cooling Technology Research (LaNITeF) at the Engineering Center for Industrial Development (CIDESI). The intention of this transfer functions matrix is to be applied in a control strategy to then optimize the energetic performance of the concerned lyophilization system. This function transfer matrix is considered complete because there is not a dynamic order reduction considering its degrees of freedom. The transfer functions matrix describes the dynamic relationship between both the inputs variables that describe the energetic consumption of the lyophilization system, and the ambient conditions, as well as the output variables that represent the dynamical states vector with the variables of interest from the concerned process. The simulation from an experimental scenario worked as the graphical validation of the transfer functions matrix characterized experimentally, so the main conclusion of this scientific work is that this transfer functions matrix can be used as dynamic model to implement control and optimization algorithms.