Neste trabalho foram desenvolvidas duas técnicas de sintonia para controladores preditivos por modelo. Ambas visam minimizar a soma do erro quadrático entre respostas do sistema em malha fechada e trajetórias de referência pré-definidas; a primeira resolve um problema de otimização lexicográfica enquanto a segunda resolve um problema de otimização de compromisso. As vantagens dos métodos apresentados são: maior automatização, definição de objetivos de sintonia intuitiva que considera especificações na dinâmica do processo, uma métrica no domínio do tempo e é capaz de incluir o conhecimento do engenheiro de controle em uma técnica de sintonia confiável. Um estudo de caso no sistema de craqueamento catalítico ilustrou a flexibilidade de definição dos objetivos da técnica lexicográfica. Um estudo de caso sobre uma coluna de fracionadora de óleo pesado em malha fechada com um controlador preditivo por modelo comparou ambas as estratégias de sintonia desenvolvidas aqui e pode-se concluir que a técnica lexicográfica dá prioridade aos objetivos importantes enquanto a técnica de compromisso calcula uma solução média, com respeito aos objetivos. A técnica de compromisso foi comparada a um método de sintonia da literatura quanto a aplicação em um controlador preditivo de horizonte infinito com targets para as entradas e controle por faixas das saídas com uma coluna de destilação. Observou-se que a técnica desenvolvida aqui é computacionalmente mais rápida e não requer a escolha de uma solução não-dominada dentre um conjunto de soluções de Pareto. Aplicações reais de controle preditivo são severamente afetadas por incerteza de modelo. Estendeu-se as técnicas desenvolvidas aqui para considerar o caso de incerteza multi-planta, calculando parâmetros de sintonia robustos para controladores nominais, visando tratar o compromisso entre performance e estabilidade e robustez da malha fechada. Um controlador preditivo de horizonte infinito foi sintonizado de forma robusta e comparado com um controlador preditivo robusto em malha fechada com um modelo de separadora C3/C4. Observou-se que este consegue controlar melhor o processo, entretanto, tem um tempo de computação duas ordens de grandeza maior que o controlador nominal, em operação on-line.

Two multi-objective optimization based tuning techniques for Model Predictive Control (MPC) were developed. Both take into account the sum of the squared errors between closed-loop trajectories and reference responses based on pre-defined goals as tuning objectives; one solves a lexicographic optimization to obtain an optimum set of tuning parameters (LTT), whereas the other solves a compromise optimization problem (CTT). The main advantages are an automated framework, and straightforward goal definition, which are capable of taking into account a specification on the process dynamics, a time-domain metrics, and of embedding the control engineers knowledge into a reliable approach. A fluid catalytic cracking tuning case study unveiled the goal definition flexibility of the LTT, with respect to output tracking and variable coupling. A heavy oil fractionator in closed-loop with a MPC case study compared both tuning techniques developed here, and it was observed that the LTT in fact prioritizes the main objectives, whereas the CTT yields an average solution, in terms of the tuning objectives. The CTT was compared to another multi-objective tuning technique from the literature, in the tuning of a MPC with input targets and output zone control in closed-loop with a crude distillation unit model. The simulation results showed that the CTT allows for faster results, regarding the computational time to compute the tuning parameters and there is no need of a posteriori decisions to select the best non-dominated solution. Real MPC applications are strongly hindered by model uncertainty. This limitation was addressed by the extension of the tuning techniques to account for multi-plant model uncertainty, thus obtaining optimum robustly tuned parameters for nominal controllers, addressing the trade-off between robustness and performance. A robustly tuned Infinite Horizon MPC (IHMPC) was compared to a Robust IHMPC, in closed-loop with a C3/C4 splitter system model. It was observed in a simulation that even though the latter yields better output responses, it is two orders of magnitude slower than the former in online operation.