Modelado dinámico y control predictivo de un sistema microfluídico

Autores/as

DOI:

https://doi.org/10.4995/riai.2024.19953

Palabras clave:

Control predictivo basado en modelo, Estimación y filtrado, Microfluídica, Modelado

Resumen

La microfluídica, disciplina que estudia el comportamiento de fluidos en canales microscópicos, ha permitido importantes avances en campos tan diversos como la microelectrónica, la biotecnología o la química. La investigación en microfluídica se basa fundamentalmente en el uso de chips microfluídicos, dispositivos de bajo coste que permiten realizar experimentos de laboratorio utilizando una cantidad reducida de fluido. Estos sistemas, no obstante, requieren mecanismos avanzados de control para poder alcanzar con precisión los caudales y presiones necesarios en los experimentos. En este artículo presentamos el diseño de un controlador predictivo basado en modelo destinado a regular los flujos de fluido en uno de estos sistemas. Los resultados obtenidos, tanto mediante simulaciones como en experimentos reales realizados sobre el dispositivo, demuestran que el control predictivo es una técnica idónea para controlar estos sistemas, especialmente teniendo en cuenta todas las restricciones existentes.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Bruus, H., 2007. Theoretical Microfluidics. Oxford Master Series in Physics. OUP Oxford.

Calle Chojeda, E., Oliden Semino, J., Ipanaqué Alama, W., 2022. Control de un sistema multivariable no lineal y en fase no mínima empleando un controlador predictivo neuronal. Revista Iberoamericana de Automática e Informática industrial 20 (1), 32-43. https://doi.org/10.4995/riai.2022.17375

Camacho, E. F., Bordons, C., oct. 2010. Control predictivo: Pasado, presente y futuro. Revista Iberoamericana de Automática e Informática industrial 1 (3),5-28.

Clarke, D., 1988. Application of generalized predictive control to industrial processes. IEEE Control Systems Magazine 8 (2), 49-55. https://doi.org/10.1109/37.1874

Duinen, V. v., Trietsch, S. J., Joore, J., Vulto, P., Hankemeier, T., 2015. Microfluidic 3d cell culture: from tools to tissue models. Current Opinion in Biotechnology 35, 118-126. https://doi.org/10.1016/j.copbio.2015.05.002

Gañán Calvo, A. M., Jan 1998. Generation of steady liquid microthreads and micron-sized monodisperse sprays in gas streams. Phys. Rev. Lett. 80, 285-288. https://doi.org/10.1103/PhysRevLett.80.285

Gallego Len, A. J., Sánchez del Pozo, A. J., F. Camacho, E., mar. 2022. Aplicaciones de control predictivo en plantas solares ccp. Revista Iberoamericana de Automática e Informática industrial 19 (3), 309-317. https://doi.org/10.4995/riai.2022.16664

García-Camprubí, M., Bengoechea-Cuadrado, C., Izquierdo, S., 2020. Virtual sensor development for continuous microfluidic processes. IEEE Transactions on Industrial Informatics 16 (12), 7774-7781. https://doi.org/10.1109/TII.2020.2972111

Ghadami, M., Shagoshtasbi, H., Mahjoob, M., Lee, Y.-K., 2013. Comparative study of pid control and model predictive control for a microfluidic electroporation system. In: The 8th Annual IEEE International Conference on Nano/Micro Engineered and Molecular Systems. pp. 895-898. https://doi.org/10.1109/NEMS.2013.6559867

Gómez, J. F., Barragán, A. J., Andújar, J. M., Reboso, J. A., Pérez, G. A., Méndez, J. A., Torres, J. M., Martínez, M. A., 2016. Control Predictivo basado en Modelo Borroso con EKF para el control de anestesia. In: XII Simposio CEA de Control Inteligente. pp. 7-11. DOI: 10.13140/RG.2.2.21901.33764

Heo, Y. J., Kang, J., Kim, M. J., Chung, W. K., 2016. Tuning-free controller to accurately regulate flow rates in a microfluidic network. Scientific Reports 6 (1), 23273. https://doi.org/10.1038/srep23273

Kalman, R. E., Mar. 1960. A New Approach to Linear Filtering and Prediction Problems. Journal of Basic Engineering 82 (1), 35-45. https://doi.org/10.1115/1.3662552

Kim, Y., LeDuc, P., Messner, W., Jan. 2013. Modeling and Control of a Nonlinear Mechanism for High Performance Microfluidic Systems. IEEE Transactions on Control Systems Technology 21 (1), 203-211, conference Name: IEEE Transactions on Control Systems Technology. https://doi.org/10.1109/TCST.2011.2172445

Kuczenski, B., LeDuc, P. R., Messner, W. C., 2007. Pressure-driven spatiotemporal control of the laminar flow interface in a microfluidic network. Lab Chip 7, 647-649. https://doi.org/10.1039/b617065j

Li, Z., Hui, J., Yang, P., Mao, H., 2022. Microfluidic organ-on-a-chip system for disease modeling and drug development. Biosensors 12 (6). https://doi.org/10.3390/bios12060370

Lucia, S., Navarro, D., Karg, B., Sarnago, H., Lucía, O., 2021. Deep learning-based model predictive control for resonant power converters. IEEE Transactions on Industrial Informatics 17 (1), 409-420. https://doi.org/10.1109/TII.2020.2969729

Maddala, J., Rengaswamy, R., 2013. Droplet digital signal generation in microfluidic networks using model predictive control. Journal of Process Control 23 (2), 132-139, IFAC World Congress Special Issue. https://doi.org/10.1016/j.jprocont.2012.08.014

Marchante, G., Acosta, A., González, A., Zamarreño, J., Álvarez, V., abr. 2021. Evaluación de restricciones de confort en controlador predictivo para la eficiencia energética. Revista Iberoamericana de Automática e Informática industrial 18 (2), 146-159. https://doi.org/10.4995/riai.2020.13937

Martín-Banderas, L., Flores-Mosquera, M., Riesco-Chueca, P., Rodríguez-Gil, A., Cebolla, A., Chávez, S., Gañán Calvo, A. M., 2005. Flow focusing: A versatile technology to produce size-controlled and specific-morphology microparticles. Small 1 (7), 688-692. https://doi.org/10.1002/smll.200500087

Miller, E., Rotea, M., Rothstein, J. P., 2010. Microfluidic device incorporating closed loop feedback control for uniform and tunable production of microdroplets. Lab Chip 10, 1293-1301. https://doi.org/10.1039/b925497h

Méndez Pérez, J. A., Torres, S., Reboso, J. A., Reboso, H., 2011. Estrategias de control en la práctica de anestesia. Revista Iberoamericana de Automática e Informática Industrial RIAI 8 (3), 241-249. https://doi.org/10.1016/j.riai.2011.06.011

Ohno, K.-i., Tachikawa, K., Manz, A., 2008. Microfluidics: Applications for analytical purposes in chemistry and biochemistry. ELECTROPHORESIS 29 (22), 4443-4453. https://doi.org/10.1002/elps.200800121

Rapp, B. E., Jan. 2017. Chapter 17 - Hydraulic Resistance. In: Rapp, B. E. (Ed.), Microfluidics: Modelling, Mechanics and Mathematics. Micro and Nano Technologies. Elsevier, Oxford, pp. 351-370. https://doi.org/10.1016/B978-1-4557-3141-1.50017-4

Wang, L., 2009. Model Predictive Control System Design and Implementation using MATLAB. Springer.

Wang, Y., Wang, P., Qin, J., 2021. Microfluidic organs-on-a-chip for modeling human infectious diseases. Accounts of Chemical Research 54 (18), 3550-3562. https://doi.org/10.1021/acs.accounts.1c00411

Welch, G., Bishop, G., 2006. An Introduction to the Kalman Filter. Tech. rep., University of North Carolina at Chapel Hill.

White, F. M., 2008. Mecánica de fluidos / Frank M. White., 6th Edition. McGraw-Hill.

Çengel, Y. A., Cimbala, J. M., Balderas Tapia, L., 2018. Mecánica de fluidos : fundamentos y aplicaciones., 4th Edition. McGraw-Hill Interamericana.

Descargas

Publicado

08-02-2024

Cómo citar

Vicente Martínez, J., Ramírez Laboreo, Édgar y Calderón Gil, P. (2024) «Modelado dinámico y control predictivo de un sistema microfluídico», Revista Iberoamericana de Automática e Informática industrial, 21(3), pp. 231–242. doi: 10.4995/riai.2024.19953.

Número

Sección

Artículos

Datos de los fondos