Capitolul 1

Introducere
Cercetri independente n Europa si SUA ale firmelor Adersa (Richalet s.a., 1978) si
respectiv Shell Oil Co. (Cutler si Ramaker, 1980) au condus la impunerea unor noi
tehnici de reglare cu predictie bazate pe modelul prtii fixate: IDCOM (Identification
and Command) si DMC (Dynamic Matrix Control). n paralel cu acestea, grupuri de
cercettori proveniti din domeniul reglrii adaptive au nceput experimentarea unor
predictii pe termen lung peste un orizont finit, mai mare dect valoarea timpului mort
d, care s nlocuiasc predictorul de ordinul d (pe orizontul a d tacte de esantionare),
rezultnd noi algoritmi de reglare cu predictie, cum ar fi: EPSAC (Extended
Prediction Self Adaptive Control), GPC (Generalized Predictive Control), MUSMAR
(Multistep Multivariable Adaptive Regulator), EHAC (Extended Horizon Adaptive
Control) etc.
Aceste noi metode au fost grupate n ultimii ani n asa numita reglare cu predictie
bazat pe model care prezint avantaje importante n raport cu alte tehnici de reglare.
Dintre acestea amintim:
- permite rezolvarea unor probleme de reglare a proceselor complexe n situatii
specifice mediului industrial;
- poate fi folosit de specialisti cu un bagaj de cunostinte redus n domeniul
reglrii deoarece conceptele pot fi asimilate ntr-un interval scurt de timp;
- rezolv problemele generate de interactiunea dintre canale n cazul
multivariabil;
- compenseaz timpul mort al prtii fixate;
- introduce un mod natural actiuni de reglare tip feedforward pentru
compensarea perturbatiilor msurabile;
- pot fi luate n consideratie relativ simplu restrictiile impuse problemelor de
reglare (de exemplu limitarea comenzii);
- parametrii algoritmului de reglare se obtin pe baza performantelor impuse
nefiind necesar o acordare propriu-zis;
- este o metodologie de reglare bazat pe anumite principii cheie, dar care
permit extensii viitoare n functie de specificul domeniului abordat;
- datorit predictiei aceast tehnic de reglare este utilizat n aplicatii unde
referinta este cunoscut a priori.
Aceste caracteristici au o mare important n problemele practice de reglare
conducnd la aplicarea cu succes n industrie a controlului predictiv bazat pe model.
Desigur, reglarea cu predictie bazat pe model are si dezavantaje. Necesit calcule
complexe, dar datorit puterii de calcul a computerelor aceasta nu constituie o
problem n aplicatiile de reglare a proceselor lente. Poate deveni o problem n cazul
sistemelor rapide (sisteme mecanice, servo-mecanisme, robotic) care se poate
rezolva apelnd la calcul paralel cu sisteme multiprocesor. Dezavantajul principal al
reglrii cu predictie bazate pe model l constituie necesitatea cunoasterii unui model
adecvat al procesului. Aceasta explic de ce majoritatea metodelor s-au desprins de
reglarea adaptiv dnd nastere unui nou domeniu: controlul peredictiv. Pretul pltit
este modelarea sau identificarea sistemului dup care reglarea cu predictie bazat pe
model devine ea nssi puternic. De notat c acest dezavantaj (cunoasterea modelului
prtii fixate) este ntlnit si la alte metode de reglare, cum ar fi de exemplu clasicul
PID care necesita un model al procesului pentru a putea fi acordat cu scopul de a
obtine performante bune atunci cnd instalatia tehnologic este complex.
1.1 Conceptul de reglare cu predictie bazat pe model
1.2 Necesitatea tehnicilor avansate de reglare
1.3 Aplicatii ale reglrii cu predictie bazate pe model
1.1 Conceptul de reglare cu predictie bazat pe model
Notiunea de reglare cu predictie bazat pe model provine de la modul n care se
determin legea de reglare, ilustrat n fig. 1.1.1.
Fig. 1.1.1 Ilustrarea conceptului de reglare cu predictie
Metodologia de reglare cu predictie este caracterizat prin urmtoarea strategie:
- La fiecare moment prezent t = kT
s
, unde T
s
este perioada de esantionare,
iesirea procesului y (k + i) este determinat cu predictie pe termen lung peste
un orizont finit i = 1p. Valorile predictate sunt notate cu y(k + i, k), iar p se
numeste orizont de predictie. Predictia este fcut cu ajutorul unui model al
procesului. Valorile predictate depind de scenariul viitor de reglare u (k + i, k),
i = 0p-1 care intentionm s-l aplicm ncepnd cu momentul prezent
t = kT
s
. De notat c:
pentru k > 0 (1.1.1)
deoarece u (k + i, k) noteaz valoarea viitoare a comenzii postulat la
momentul t = kT
s
, iar u(k + i) este valoarea real viitoare a comenzii la
momentul t = (k + i) T
s
care evident nu este cunoscut la momentul t = kT
s
.
- Se defineste traiectoria referintei r(k + i, k), i = 1 p peste orizontul de
predictie care descrie modul n care dorim s evolueze iesirea reglat a
procesului de la valoarea curent y(k) la referinta sa r(k).
- Se calculeaz secventa de comand pe orizontul de predictie
prin minimizarea unui criteriu de performant ce depinde de eroarea de reglare
predictat:
(1.1.2)
- De asemenea, majoritatea metodelor de control predictiv utilizeaz o
structurare a legii de reglare viitoare, aceasta fiind un principiu important al
reglarii cu predictie bazate pe model.
- Primul element al secventei "optimale" de comand u(k, k) este aplicat
procesului. Toate celelalte elemente ale secventei pot fi "uitate" deoarece la
urmtorul moment de esantionare se obtine o nou valoare y(k + 1) pentru
mrimea reglat si ntreaga procedur este repetat. Aceasta conduce la o nou
mrime de comand u(k + 1, k + 1), care n general este diferit de cea
calculat anterior u(k + 1, k).
Strategia prezentat reprezint o lege de reglare cu orizont alunector (receding
horizon) pentru care secventa comenzilor viitoare se determin la fiecare pas de
esantionare.
Pentru a implementa aceast strategie a controlului predictiv bazat pe model, se
utilizeaz structura de baz prezentat n figura 1.1.2. Este folosit un model pentru a
predicta iesirile viitoare ale procesului bazate pe valorile trecute si curente si pe
actiunile de control viitoare optime propuse. Aceste actiuni sunt calculate de
dispozitivul de optimizare lund n considerare functia obiectiv (unde este avut n
vedere si viitoarea eroare de urmrire) la fel ca si restrictiile.
Fig. 1.1.2 Strategia de calcul a comenzii optimale n cazul controlului predictiv
Modelul procesului joac n consecint un rol decisiv n reglare. Modelul ales trebuie
s fie capabil s surprind dinamicile procesului pentru a predicta precis iesirile
viitoare, s fie usor de implementat si de nteles.
Dispozitivul de optimizare este o alt parte fundamental a strategiei deoarece face
posibil calculul secventei optimale de control. Complexitatea problemelor de
optimizare depinde de numrul de variabile si de orizonturile de predictie folosite, si
de obicei, acestea se dovedesc a fi probleme de optimizare relativ modeste care nu
necesit limbaje de programare sofisticate pentru a fi rezolvate.
Din cele prezentate se pot extrage urmtoarele elemente importante ale reglrii cu
predictie bazate pe model:
- predictia cu ajutorul unui model al procesului;
- generarea traiectoriei referintei;
- structurarea legii de reglare postulate;
- calculul algoritmic al celui mai bun scenariu de comand.
Pentru fiecare din aceste elemente exist cteva optiuni disponibile specifice
diferitelor metode de reglare cu predictie bazate pe model.
De asemenea, reglarea cu predictie s-a dovedit a fi robust, calitate foarte important
pentru aplicatiile industriale unde modelul matematic al procesului este o aproximatie
a lumii reale complexe. Avantajul algoritmilor de reglare cu predictie l constituie si
faptul c prezint un singur parametru de acordare. Semnificatia fizic a acestui
parametru este pentru utilizator viteza cu care regulatorul reactioneaz la schimbri
ale referintei si la perturbatii tip sarcin. Aceast simplitate poate fi comparat cu
pozitionarea polilor unei bucle de reglare ntr-o problem de alocare, sau alegerea
matricelor de ponderare n cadrul controlului optimal.
Comparat cu legile de reglare clasice (cum ar fi PID) reglarea cu predictie bazat pe
model este remarcabil pentru procese "dificile" ( cu faz neminim sau timp mort)
sau dac referinta este preprogramat.
1.2 Necesitatea tehnicilor avansate de reglare
nainte de a trece n revist aplicatiile industriale ale reglrii cu predictie bazate pe
model se va ncerca s se dea un rspuns la ntrebarea dac aceast tehnic avansat
de control este sau nu necesar.
n primul rnd, tehnicile avansate de reglare nu pot fi definite ca un sir particular de
strategii de control, fcnd parte dintr-o grup aparte a algoritmilor de reglare. Din
punct de vedere al aplicatiilor practice, diferentele dintre diferitele tehnici de reglare
provin din necesitatea modelrii procesului condus. n industrie, situatia este mai clar
n prezent punndu-se o singur ntrebare: este sau nu necesar modelul procesului?
Dac rspunsul este afirmativ, atunci se vor utiliza tehnici avansate de conducere, iar
n caz contrar se utilizeaz algoritmi de reglare care se acordeaz local, cum ar fi PID.
Se poate considera c acordarea unui regulator PID este teoretic echivalent cu
modelarea unui sistem de ordin doi, dar explicit modelarea nu se face. Aplicnd reguli
euristice de acordare se pot obtine performante foarte bune, motiv pentru care
algoritmul PID este preferat n aplicatiile industriale fiind utilizat pentru rezolvarea a
80%-90% din totalitatea problemelor de reglare care se ntlnesc. Restul de 20%-10%
l reprezint algoritmii multivariabili de reglare folositi n cazul proceselor cu
interactiuni puternice care nu pot fi usor decuplate, algoritmii neliniari pentru care
optimalitatea este cutat n termenii variantei erorii, sau a timpului de rspuns al
buclei de reglare n circuit nchis. n cazurile amintite mai sus, regulatoarele PID nu
pot realiza performantele impuse, fiind necesar un simulator care s permit testarea
unor tehnici complexe de reglare.
Penetrarea tehnicilor avansate de reglare n industrie este dificil deoarece se modific
esential nivelul de cunoastere n domeniul conducerii proceselor, att la nivel de
decizie ct si la nivel de executie.
De asemenea sunt necesare si metode specifice de "acordare". Astfel, dac n primul
caz (fr model) regulatorul trebuie acordat, n cel de-al doilea caz modelul trebuie
determinat (potrivit) n functie de proces. Odat acest efort fcut, regulatorul poate fi
obtinut automat utiliznd numai parametrii specificati (timpul de rspuns, robustetea).
Succesul reglrii cu predictie bazate pe model a fost datorat n mare parte faptului c
avnd un model potrivit al procesului, regulatorul poate fi usor implementat cu o
ntelegere fizic direct a parametrilor de acord (traiectoria referintei, rejectia
perturbatiilor etc.) si manipularea usoar a restrictiilor.
n fig. 1.2.1 este reprezentat efectul utilizrii, sau nu, a modelului procesului asupra
proiectrii legii de reglare.
(a) fr model (b) cu model
Fig. 1.2.1 Efectul cunoasterii modelului asupra proiectrii legii de reglare
Modelarea nu presupune numai proiectarea unui simulator, ci permite o cunoastere
profund a procesului, astfel nct realizarea tehnic a unei companii poate fi estimat
n prezent prin numrul si calitatea modelelor dinamice identificate. Estimarea
procesului si ghidul de instrumentatie stau la baza diagnozei si a ntretinerii
preventive, modelul permitnd obtinerea unui simulator pentru antrenarea
operatorului si testarea algoritmilor de reglare. Introducerea controlului n ingineria
sistemelor conduce la o tratare mai cuprinztoare care marcheaz adevrata diferent
dintre tehnicile avansate de reglare si metoda clasic de instrumentatie. Acestea nu
sunt opuse, ci mai degrab complementare. Astfel, tehnicile avansate de reglare
implic mai mult dect simpla implementare a algoritmului de conducere - necesit o
tratare ampl bazat n primul rnd pe model.
Tehnicile avansate de reglare sunt justificate prin:
- mbunttirea calittii produselor;
- adaptarea rapid la frecventele modificri cantitative si calitative ale materiei
prime;
- minimizarea problemelor de poluare si hazard prin reducerea stocurilor;
- intensificarea muncii intelectuale a operatorului uman.
Aplicarea tehnicilor avansate de reglare nu este obstructionat de facilittile de calcul
sau hardware, ci de lipsa cunostintelor si a ntelegerii de ctre specialisti a acestor
tehnici avansate si cum pot fi ele implementate. Cheia succesului n aplicarea acestor
metode de reglare o constituie instruirea specialistilor. n multe unitti industriale se
doreste introducerea tehnicilor avansate de conducere, dar expertii n reglarea clasic
nu au cunostinte suficiente privind modelarea, iar specialistii tehnologi nu sunt
obisnuiti cu conducerea ierarhizat.
Tehnicile avansate de reglare necesit o cercetare aprofundat si implic n acelasi
timp o partitionare accentuat a capacittilor intelectuale.
Proiectarea unei structuri de reglare avansat presupune parcurgerea urmtoarelor trei
etape:
I. Strategia. Care este eficienta buclei clasice de reglare considernd
traductorul, elementul de executie si regulatorul (de tip PID) utilizate? Dac
performantele obtinute cu o bucl conventional de reglare nu sunt
nesatisfctoare, se va alege o strategie din categoria tehnicilor avansate de
reglare atunci cnd unitatea industrial doreste s realizeze:
- reducerea diversittii calittii produselor si micsorarea dependentei acesteia de
calificarea operatorului, de conditiile de lucru si de calitatea materiei prime;
- micsorarea perioadelor nespecificate n timpul schimbrii sarcinilor. Cstigul
rezultat este similar cu al unei unitti flexibile de fabricatie capabil s
urmreasc cerintele unei programri variabile;
- reducerea produselor care polueaz;
- scderea numrului salariatilor.
II. Lucrul n echip. Tehnologia calculatoarelor si prelucrarea informatiilor sunt
instrumente utile, dar n acelasi timp deosebit de important este si colaborarea
ntre specialistii din diferite domenii: automatistii si tehnologii trebuie s
lucreze mpreun. De exemplu, stabilirea programului de test reprezint un
moment n care trebuie s participe toti specialistii. Preluarea unor date din
proces n timpul functionrii poate cauza perturbatii ntregii instalatii dac nu
sunt cunoscute att elementele de automatizare ct si cele tehnologice.
III. Instrumente tehnice si tehnologice. Aceast etap presupune abordarea a
dou aspecte: metodologia folosit si tehnica de calcul.
Din punct de vedere metodologic este bine s se tin seama de: tipul modelelor
disponibile, interactiunea dintre optimizarea static si dinamic, metoda de conducere
ce se va folosi (reglare clasic, reglare cu predictie bazat pe model, sisteme de
reglare bazate pe cunostinte etc.).
Tehnica de calcul utilizat va dicta structura sistemului de conducere: sistem
distribuit, regulatoare numerice dedicate, sisteme inteligente cu supervizare.
1.3 Aplicatii ale reglrii cu predictie bazate pe model
Necesitatea unei unitti industriale de a se adapta rapid la schimbrile ce intervin
implic luarea n consideratie a urmtoarelor niveluri de automatizare.
- Nivelul de msur realizeaz achizitia si monitorizarea mrimilor msurate pe
cale instrumental.
- Nivelul de reglare manipuleaz gradele de libertate ale procesului pentru a
satisface criteriile de performant. Aceasta implic dou niveluri de
implementare: bucla de reglare monovariabil realizat cu regulatoare
analogice, sau numerice cu vitez mare de esantionare si nivelul de reglare
performant ce utilizeaz calculatoare ce lucreaz n timp real.
- Nivelul de optimizare manipuleaz gradele de libertate ale procesului pentru a
obtine obiectivele economice impuse instalatiei tehnologice. Uzual, aceste
cerinte sunt considerate pentru regimul stationar de functionare a procesului.
- Nivelul logistic asigur repartizarea materiilor prime si programarea
functionrii instalatiilor tehnologice pentru obtinerea unui profit maxim si
realizarea programului unittii industriale.
Fiecare dintre cele patru niveluri nu poate functiona fr cellalt. Aceast integrare
impune satisfacerea mai multor criterii de performante fat de unul singur existent n
trecut: asigurarea unei functionri stabile. La rndul lor aceste criterii pot fi mprtite
n urmtoarele grupe:
- Performante economice care sunt asociate fie cu mentinerea variabilelor
reglate n apropierea referintelor dictate n faza de optimizare, fie cu
minimizarea dinamic a unei functii obiectiv (de cost).
- Siguranta n functionare care trebuie s asigure anumite limite impuse
variabilelor reglate din motive de protectie a personalului, sau a
echipamentului, sau a mediului nconjurtor.
- Performante corelate cu echipamentele utilizate n conducere care tin seama
de limitrile fizice ale acestor echipamente.
- Calitatea productiei, o performant important care trebuie satisfcut.
- Factorul uman care impune o anumit limitare a oscilatiilor variabilelor
reglate si un anumit mod de functionare.
Implementarea unui astfel de sistem de conducere integrat impune functionarea
procesului ntr-o gam larg de conditii. Acest fapt conduce la urmtoarea formulare a
problemei reglrii: actualizarea on-line a variabilelor de comand astfel nct s fie
satisfcute multiple criterii de performant n concordant cu schimbrile
caracteristicilor procesului. Metodologiile de control actuale ncearc s gseasc
solutii pentru aceast problem. Diferentele dintre aceste metode constau n
formularea matematic a criteriilor de performant si n selectarea unei reprezentri a
procesului. Majoritatea criteriilor sunt exprimate prin functii de cost ce trebuie
minimizate, sau prin restrictii ce sunt reprezentate prin inegalitti. Reprezentarea
matematic a procesului se face de obicei utiliznd un model nsotit de anumite
ambiguitti. Importanta ambiguittii este n crestere, fiind recunoscut de automatisti
care o includ n mod explicit n formularea legilor de reglare prin impunerea unor
restrictii. Totusi, cel mai important compromis fcut n control este ignorarea acestor
restrictii n formularea problemei reglrii. De aceea, pentru a avea succes un sistem de
reglare trebuie s anticipeze violarea restrictiilor si s mentin functionarea n
apropierea acestor restrictii. Practica uzual n conducerea proceselor ignor n faza
proiectrii restrictiile, ca apoi, n momentul implementrii s le rezolve n mod ad-
hoc.
Tehnicile de reglare cu predictie bazate pe model furnizeaz singura metodologie de a
tine seama de restrictii n mod sistematic, att n etapa de proiectare ct si de
implementare a regulatorului. n plus, reglarea cu predictie bazat pe model nu este
limitat n ceea ce priveste modelul, functia obiectiv si/sau restrictiile de
functionalitate. Din aceste motive, singura metodologie care poate reflecta, n mod
curent, cel mai direct mai multe criterii de performant impuse proceselor industriale
si poate utiliza orice model de proces disponibil este reglarea cu predictie bazat pe
model. Acesta este cauza principal a succesului tehnicilor de control cu predictie n
aplicatii industriale.
Primele aplicatii industriale sunt raportate la sfrsitul anilor 1970. Astfel conceptul de
predictie pe termen lung, ca modalitate de comand robust, este introdus de Richalet
si colaboratorii care l folosesc n algoritmul IDCOM, numit mai trziu MAC (Model
Algorithmic Control). Acesta are succes n cteva aplicatii din domeniul petro-
chimiei, avnd unele restrictii privitoare la modelul procesului, de tip functie pondere.
Rezolvarea problemei reglrii (anularea erorii de regim stationar) se face n mod ad-
hoc si nu se pondereaz actiunea comenzii n criteriu de performant. Din acest motiv,
algoritmul nu este indicat pentru procese instabile sau de faz neminim. Cea de-a
doua aplicatie important din aceeasi perioad este datorat lui Cutler si Ramaker,
care au dezvoltat la firma Shell algoritmul DMC, ce se bazeaz pe modele ale
procesului de tip rspuns indicial si include idea de baz a orizontului comenzii. Poate
fi folosit pentru modelele cu faz neminim, dar nu si pentru procese instabile n
bucl deschis, iar problema erorii stationare este rezolvat n mod euristic.
ncepnd cu acesti doi algoritmi, popularitatea reglrii cu predictie bazate pe model
creste continuu. Astfel, n 1982, Mehra si colaboratori trec n revist mai multe
aplicatii incluznd un supranclzitor, un generator de abur, un tunel aerodinamic, un
boiler conectat la o coloan de distilare si un cuptor pentru sticl.
Cteva companii precum DMC, Honeywell si Setpoint au produs software pentru
reglarea cu predictie bazat pe model.
De asemenea, Martin si colaboratorii raporteaz alte aplicatii n 1986 ce vizeaz
urmtoarele domenii: cracarea catalitic, reglarea diferential a presiunii n reactoare,
hidrocracarea etc. Cele mai multe dintre aplicatiile amintite se refer la sisteme
multivariabile ce implic restrictii.
Alte aplicatii industriale pot fi ntlnite n (Richalet 1993), (Camacho si Bordons
1995), (De Keyser si Donald 1999).
Independent a aprut a doua ramur a reglrii cu predictie bazate pe model a crei
principal obiectiv este controlul adaptiv. Astfel, n 1984, Peterka propune un regulator
predictiv, Ydstie metoda EHAC, iar Mosca si colaboratorii elaboreaz algoritmul
MUSMAR, n 1985 De Keyser si Van Cauwenberghe definitiveaz algoritmul
EPSAC, urmnd ca n anul 1987, Clarke si colaboratorii s prezinte strategia GPC.
n aceeasi perioad s-a observat o diminuare a interesului cercettorilor n domeniul
teoriei sistemelor adaptive cu autoacordare si o efervescent n comunitatea
academic privind reglarea cu predictie bazat pe model materializat printre altele si
n tratarea unificat a algoritmilor predictivi de ctre Soeterboeck n anul 1990.
Capitolul 2
Modele si predictori
Modelele pentru predictii permit calculul iesirii procesului la momentul t = (k + i) T
s
utiliznd informatii din trecut (deci cunoscute) si valorile viitoare ale comenzii
obtinute prin calcule. Un astfel de model se numeste predictorul de ordinul i (i-step-
ahead predictor) si se bazeaz pe un model al procesului.
Orice model al procesului cu ajutorul cruia se pot calcula predictii privind evolutia
mrimii reglate poate fi utilizat pentru controlul predictiv. Astfel, pot fi considerate
modelele continue sau discrete, functiile de transfer, intrare-stare-iesire, liniare sau
neliniare si chiar bazate pe retele neuronale. n continuare vor fi prezentate modelele
cele mai frecvent ntlnite n controlul predictiv.
2.1 Tipuri de modele
2.2 Predictorii de ordinul i cu C = D = 1. Exemplul 2.2.1
2.3 Predictori pentru modelele ARMAX si ARIMAX
2.4 Proprietti ale predictorilor de ordinul i
2.5 Predictorii de ordinul i pentru procese cu timp mort
2.6 Predictori de ordinul i pentru procese cu timp mort necunoscut
2.7 Comparatii cu predictorul Smith
2.1 Tipuri de modele
Modelul unui sistem real include dou submodele aditive:
- un model al procesului care depinde de mrimile de intrare / iesire msurabile
ale instalatiei. Dac exist o singur intrare, atunci aceasta devine automat
mrime de comand. n cazul mai multor intrri, una sau mai multe devin
comenzi, iar celelalte pot fi considerate perturbatii msurabile. Controlul
predictiv bazat pe model poate compensa aceste perturbatii prin actiuni de tip
"feedforward";
- un model al perturbatiilor care descrie o parte a iesirilor msurabile ale
instalatiei care nu au fost incluse n modelul procesului. n aplicatiile reale
acestea sunt de fapt efecte ale unor intrri nemsurabile ale procesului, ale
unor perturbatii externe, ale zgomotului de msur, sau ale erorilor de
modelare.
Modelul unui proces real, conform divizrii de mai sus, poate fi pus sub forma
general:
(2.1.1)
unde q
-1
este operatorul de ntrziere cu un tact, y(k) este iesirea msurat a
procesului, d este timpul mort exprimat n perioade de esantionare (d > 0), u(k) este
comanda si e(k) este o secvent de zgomot alb discret cu media zero si varianta .
Polinoamele A(q
-1
), B(q
-1
), C(q
-1
) si D(q
-1
) sunt date de urmtoarele relatii:
(2.1.2)
unde n
A
, n
B
, n
C
, n
D
, sunt gradele polinoamelor A(q
-1
), B(q
-1
), C(q
-1
) si D(q
-1
). Un grad
negativ al unui polinom implic inexistenta acelui polinom si nlocuirea sa cu zero.
Pornind de la forma general (2.1.1) a unui model se pot obtine urmtoarele forme
particulare:
- Modelul ARX (Auto-Regressive eXogenous)
Acest tip de model se obtine din forma general (2.1.1) particulariznd gradele
polinoamelor A(q
-1
), B(q
-1
), C(q
-1
) si D(q
-1
) astfel:
, (2.1.3)
rezultnd:
(2.1.4)
sau
. (2.1.5)
- Modelul ARIX (Auto-Regressive Integrated eXogenous)
De data aceasta, setrile pentru polinoamele A(q
-1
), B(q
-1
), C(q
-1
) si D(q
-1
) vor fi:
, (2.1.6)
unde A este operatorul de diferentiere. Astfel se obtine modelul:
(2.1.7)
sau
. (2.1.8)
- Modelul ARMAX (Auto-Regressive Moving-Average eXogenous)
Dac polinoamele A(q
-1
), B(q
-1
), C(q
-1
) si D(q
-1
) vor avea gradele:
(2.1.9)
atunci rezult modelul ARMAX:
(2.1.10)
sau
. (2.1.11)
- Modelul ARIMAX (Auto-Regressive Integrated Moving-Average
eXogenous)
Pornind de la (2.1.1) cu:
(2.1.12)
modelul ARIMAX va avea forma:
(2.1.13)
sau
. (2.1.14)
- Modelul FIR (Finite Impulse Response)
Acesta se obtine impunnd conditiile:
: nu exist (2.1.15)
care conduc la forma:
(2.1.16)
unde n
H
este numrul de esantioane h
i
ale rspunsului la impuls care sunt luate n
consideratie, celelalte fiind zero. Aceast aproximare poate fi aplicat numai
sistemelor stabile.
- Modelul FSR (Finite Step Response)
Un model simplu se obtine din rspunsul la semnal treapt pentru care:
nu exist (2.1.17)
si
(2.1.18)
unde n
S
este numrul de esantioane s
i
ale rspunsului indicial care sunt luate n
consideratie. Celelalte elemente , se presupun a fi constante.
Modelele ARX, ARIX, ARMAX, ARIMAX difer prin modul de modelare al
perturbatiei. Prezenta lui A ca factor al polinomului D(q
-1
) introduce o component
integral n regulator si astfel se va rezolva problema reglrii n cazurile ARIX si
ARIMAX.
Tipul modelului utilizat pentru a obtine predictorul de ordinul i depinde de procesul
ce urmeaz a fi reglat. Astfel, pentru procese cu perturbatii de tip miscare brownian,
sau cu offset se utilizeaz modelele ARIMAX.
n continuare se va analiza influenta polinoamelor C(q
-1
) si D(q
-1
) asupra predictiilor
considernd mai nti procesele fr timp mort (d = 0).
2.2 Predictorii de ordinul i cu C = D = 1. Exemplul 2.2.1
Pentru C = D = 1 forma general (2.1.1) a modelului unui proces real devine:
(2.2.1)
putnd fi folosit pentru modelele ARX, FIR si FSR.
Se vor considera n cele ce urmeaz dou cazuri: n
A
> 0 si n
A
= 0.
- n
A
> 0 (pentru modelele ARX)
nlocuind n (2.2.1) k k + i se obtine:
(2.2.2)
sau
, (2.2.3)
unde operatorul q
-1
a fost omis pentru a simplifica scrierea. Pentru a pune n evident
n membrul drept al relatiei (2.2.3) termenii msurabili, care sunt predictibili, si
valorile viitoare ale zgomotului, care nu sunt predictibile se efectueaz mprtirea 1/A
pn la ordinul i:
(2.2.4)
unde
(2.2.5)
Polinoamele E
i
si F
i
se determin rezolvnd ecuatia diofantic (2.2.4) rescris sub
forma:
. (2.2.6)
nmultind (2.2.2) cu E
i
se obtine:
, (2.2.7)
si apoi prin utilizarea relatiei (2.2.6) sub forma:
(2.2.8)
rezult:
. (2.2.9)
Cu scopul de a evidentia n expresia (2.2.9) a predictorului termenii cunoscuti la
momentul k si semnalele viitoare, se introduce urmtoarea ecuatie diofantic:
(2.2.10)
unde
(2.2.11)
Rezolvnd (2.2.10) rezult imediat c primii i coeficienti ai lui E
i
B sunt coeficientii
lui G
i
, iar ultimii n
B
coeficienti sunt coeficientii lui H
i
.
Relatia (2.2.10) conduce la urmtoarea form a predictorului (2.2.9):
. (2.2.12)
Predictorul de minim variant se obtine prin minimizarea criteriului de performant:
(2.2.13)
unde este o estimare a lui este eroarea de
predictie, iar E operatorul de mediere (speranta matematic).
Considerndu-se c intrrile viitoare sunt independente de secventa viitoare de
zgomot, criteriul de performant (2.2.13) poate fi descompus astfel:
(2.2.14)
Al treilea termen al membrului drept al relatiei (2.2.14) este nul pentru c zgomotul
alb la momentul k + i este independent fat de orice semnal ce apare la momentele
. Din cei doi termeni ce rmn n criteriul (2.2.14), nu
depinde de . Rezult c alegerea lui nu va afecta dect al doilea
termen care nu poate fi dect pozitiv sau zero.
Deci, prin minimizarea criteriului de performant (2.2.14) se obtine:
(2.2.15)
Predictorul de ordinul i astfel obtinut se poate determina folosind urmtorul algoritm:
i. se afl polinoamele E
i
si F
i
de forma (2.2.5) rezolvnd ecuatia diofantic
(2.2.6);
ii. cunoscnd E
i
se calculeaz G
i
si H
i
de forma (2.2.11) rezolvnd ecuatia
diofantic (2.2.10);
iii. cu F
i
, G
i
si H
i
cunoscuti se obtine predictorul folosind relatia (2.2.15).
Observatii:
- Coeficientii polinomului G
i
sunt primii i coeficienti ai rspunsului la
impuls al procesului. ntr-adevr nmultind cu B relatia (2.2.4)
rezult:
(2.2.16)
si substituind (2.2.10) n (2.2.16) obtinem:
(2.2.17)
- Solutia pentru n
B
= 0 devine simpl: G
i
= E
i
B si H
i
= 0.
Forma matriceal a predictorilor de ordinul i
Pentru i = 1,, p, cei p predictori de ordinul i pot fi pusi sub form matriceal:
(2.2.18)
unde
(2.2.19)
si , iar matricele P si au
dimensiunile p p si respectiv:
(2.2.20)
. (2.2.21)
- n
A
= 0 (pentru modele FIR si FSR)
Modificrile care apar n acest caz sunt urmtoarele:
- ecuatia diofantic (2.2.4) conduce la E
i
= 1 si F
i
= 0;
- deoarece gradul lui E
i
este zero, rezult:
- gradul lui H
i
depinde de i; dac i > n
H
H
i
= 0.
Predictorul de ordinul i de minim variant bazat pe modelul FIR devine:
, (2.2.22)
sau dac se utilizeaz (2.2.10):
. (2.2.23)
Acest tip de predictor este adesea utilizat ntruct se pot obtine cu usurint predictii
pentru modelele FIR si FSR.
Forma matriceal pentru predictorii i =1, , p este (2.2.19), dimensiunile lui P si
fiind si respectiv
Exemplul 2.2.1
Se consider sistemul cu dou rezervoare din fig. 2.2.1, instalatie des
ntlnit n industria chimic. Presupunnd c debitul dintre rezervoare
este proportional cu diferenta nivelurilor n rezervoare si aplicnd
principiul conservrii masei (a volumului dac fluidul este
incompresibil) sistemul este descris de ecuatiile:
Fig. 2.2.1 Sistem cu dou rezervoare
Pentru parametrii A
1
= A
2
= 1, R
1
= 1/2, R
2
= 1/3, se cere:
a. s se gseasc functia de transfer (f.d.t.) ;
b. s se determine modelul ARX al instalatiei avnd ca mrime de intrare debitul
u si ca mrime de iesire nivelul h
2
= y din rezervorul al doilea (pentru o
perioad de esantionare T
s
= 0.1 sec.);
c. s se gseasc predictorul de ordinul 3 asociat modelului de la punctul b);
d. s se determine forma matriceal a predictorului considerndu-se orizontul de
predictie p = 3.
Rezolvare:
Aplicnd transformata Laplace ecuatiilor ce descriu sistemul se obtin
relatiile:
a.
care conduc imediat la f.d.t. cutat:
.
b. Modelul ARX al sistemului este de forma:
care rezult din f.d.t. G
f
(z
-1
) obtinut din G
f
(s) prin discretizarea cu
metoda "ZOH":
si
unde polinoamele A si B sunt date de expresiile:
c. Pentru calculul predictorului de ordinul 3 se va folosi algoritmul prezentat n
subcapitolul 2.2:
i. Mai nti se vor calcula polinoamele E
3
si F
3
rezolvnd ecuatia diofantic:
unde:
Rescriind ecuatia diofantic sub forma:
se gsesc coeficientii celor dou polinoame:
care conduc la urmtoarele expresii pentru E
3
si F
3
:
.
ii. Al doilea pas al algoritmului prevede determinarea polinoamelor G
3
si H
3
folosind ecuatia diofantic:
unde
Calculnd produsul E
3
B se gseste:
primii trei coeficienti fiind ai polinomului G
3
, iar ultimul al polinomului H
3
:
rezultnd:
iii. Predictorul de ordinul 3 se obtine n pasul al treilea folosind relatia (2.2.15):
iar prin nlocuirea polinoamelor F
3
, H
3
si G
3
cu expresiile gsite, forma
acestuia este:
Not
Din calculele de mai sus rezult c se pot determina coeficientii
polinoamelor E
i
si F
i
cu formulele:
(2.2.24)
Dac n formulele de mai sus apar coeficientii , acestia
se vor considera zero.
d) Forma matriceal a predictorului pentru un orizont de predictie
p = 3 este:
,
unde:
iar matricele P si se construiesc cu relatiile (2.2.20) si (2.2.21).
Rezult necesitatea determinrii predictorilor de ordinul i, , care
se vor calcula cu algoritmul din subcapitolul 2.2. Pentru gsirea
polinoamelor E
i
si F
i
se vor folosi relatiile (2.2.24) (vezi Nota de la
punctul c) al problemei), iar pentru polinoamele G
i
si H
i
se va folosi
ecuatia diofantic (2.2.10).
Calculul polinoamelor E
1
, F
1
, H
1
, G
1
pentru predictorul de ordinul 1.
Polinoamele E
1
si F
1
sunt de forma:
si pot fi determinate folosind ecuatia diofantic:
sau formulele (2.2.24)
Pentru polinoamele H
1
si G
1
prin rezolvarea ecuatiei diofantice:
cu:
se obtine:
Calculul polinoamelor E
2
, F
2
, H
2
si G
2
pentru predictorul de ordinul 2.
Pentru i = 2, polinoamele E
2
si F
2
devin:
iar coeficientii acestora se pot calcula cu (2.2.24):
rezultnd:
Gsirea polinoamelor G
2
si H
2
se face rezolvnd ecuatia diofantic:
cu
obtinndu-se coeficientii:
si n final:
Calculul polinoamelor E
3
, F
3
, H
3
si G
3
pentru predictorul de ordinul 3.
Acestea au fost gsite la punctul c) al exemplului si sunt urmtoarele:
Cunoscnd coeficientii polinoamelor G
i
, F
i
si H
i
, , se pot
construi matricele P si :
si astfel se obtine forma matriceal a predictorului:
2.3 Predictori pentru modelele ARMAX si ARIMAX
- n
A
> 0
Pentru aceste modele se foloseste forma general (2.1.1) considerndu-se pentru
nceput d = 0 (procese fr timp mort):
(2.3.1)
nlocuind n (2.3.1) k k + i se obtine:
(2.3.2)
Ca si n subcapitolul 2.2 se separ termenii msurabili de valorile viitoare ale
zgomotului efectund mprtirea C/DA pn la ordinul i:
(2.3.3)
unde si sunt polinoame avnd gradele i - 1 si respectiv .
Polinoamele si se determin rezolvnd ecuatia diofantic:
(2.3.4)
nmultind (2.3.2) cu se obtine:
(2.3.5)
Rescriind (2.3.4) sub forma:
(2.3.6)
si substituind (2.3.6) n (2.3.5) rezult:
(2.3.7)
Utiliznd aceleasi consideratii privind obtinerea predictorului de minim variant
expuse n subcapitolul precedent gsim:
(2.3.8)
Separarea termenilor n (2.3.8) se face utiliznd ecuatia diofantic:
, (2.3.9)
unde si sunt polinoame avnd gradele i - 1 si respectiv
Folosind (2.3.9), predictorul de ordinul i de minim variant pentru modelul (2.3.1)
este:
(2.3.10)
Predictorul de ordinul i se va calcula folosind urmtorul algoritm:
i. se determin polinoamele si rezolvnd ecuatia diofantic (2.3.4);
ii. cu polinomul cunoscut se afl si rezolvnd ecuatia diofantic (2.3.9);
iii. se utilizeaz polinoamele , si
pentru a gsi predictorul (2.3.10).
2.3.1 Predictorul generalizat de ordinul i
Pentru a gsi relatia dintre predictorul (2.2.15) pentru modele cu C = D = 1 si
predictorul (2.3.10) se vor utiliza ecuatiile diofantice (2.2.4) si (2.3.3) nmultite cu C,
respectiv D:
(2.3.11)
Toti coeficientii pn la ordinul i + n
D
- 1 pot fi determinati utiliznd urmtoarele trei
ecuatii diofantice:
(2.3.12)
(2.3.13)
(2.3.14)
Cu relatiile (2.3.12) - (2.3.14), (2.3.11) devine:
(2.3.15)
rezultnd:
(2.3.16)
Din (2.3.12) si (2.3.16) se obtine:
(2.3.17)
Introducnd polinomul K
i
definit prin:
(2.3.18)
relatia (2.3.17) devine:
(2.3.19)
Relatia dintre si F
i
se obtine utiliznd (2.2.4), (2.3.3) si (2.3.19):
(2.3.20)
Revenind la ecuatia predictorului (2.3.8) si folosind ultimele dou relatii obtinute
pentru si se gseste:
(2.3.21)
Termenul aditional care apare n aceast relatie devine nul pentru modele de forma:
(2.3.22)
Dac n locul polinoamelor A, B, C si D se folosesc polinoamele estimate si
(de exemplu printr-un proces de identificare) predictorul (2.3.21) devine:
(2.3.23)
unde:
(2.3.24)
Deoarece n practic polinoamele C si D sunt greu de estimat, majoritatea
regulatoarelor cu predictie utilizeaz polinoame fixate. Aceste polinoame se aleg de
obicei de forma:
(2.3.25)
Utiliznd ecuatia diofantic (2.2.10) ecuatia predictorului capt forma:
(2.3.26)
Forma general (2.3.26) a predictorului pune n evident modelul predictorului pentru
la care se adaug un termen aditional. De asemenea, aceast exprimare
permite separarea termenilor n dou: cei care depind de T si si cei care nu depind.
Mai mult, dac T sau se modific este afectat numai termenul aditional. Diferenta
dintre predictorii de ordinul i pentru modelele ARX, ARMAX, ARIX sau ARIMAX
este exprimat prin diferenta dintre iesirea msurat a procesului si cea estimat,
ponderat cu filtru care depinde de modelul perturbatiilor.
Observatii:
- n
A
= 0
Pentru n
A
= 0 din ecuatia diofantic (2.2.4) rezult F
i
= 0 si E
i
= 1.
Utiliznd aceste rezultate n (2.3.14) si (2.3.12) obtinem:
(2.3.27)
si Se observ c N
i
= 0 dac i > n
T
-n
D
si deci N
i
= 0
i > 1 dac n
T
s n
D
.
Cu aceste consideratii expresia (2.3.18) a lui K
i
devine:
(2.3.28)
n continuare se disting dou cazuri:
- n
D
= 0. n acest caz din (2.3.13) si atunci K
i
= N
i
, unde N
i
este dat
de (2.3.27) cu n
D
= 0. Dac i > n
T
atunci N
i
= 0 si K
i
= 0. Astfel, dac
n
T
= 0, atunci K
i
= 0 i > 1.
- n
D
> 0. n acest caz din (2.3.13) rezult si astfel
si K
i
sunt diferiti de zero i > 1 si n
D
, n
T
> 0.
Lund n consideratie cele de mai sus predictorul de ordinul i de minim
variant devine:
(2.3.29)
unde :
(2.3.30)
n anumite situatii specifice K
i
= 0, si anume pentru i > n
T
, n
D
= 0. Dac n
T
= n
D
= 0, K
i
= 0, i > 1, predictorul va avea forma:
(2.3.31). Acest din urm predictor este pentru
modelul FIR.
2.3.2 Calculul lui K
i
- Modelul ARX
Pentru acest model T = 1 si = 1, rezultnd n
T
= n
D
= 0. Din (2.3.18) se obtine
imediat K
i
= 0.
- Modelul ARMAX
n acest caz = 1 si deci n
D
= 0. Din (2.3.13) si (2.3.14) rezult , iar din
(2.3.18):
(2.3.32)
n acest fel K
i
se poate calcula cu (2.3.12) fiind egal cu ultimii n
T
coeficienti ai
polinomului TE
i
.
- Modelul ARIMAX
Deoarece pentru acest model din (2.3.13) si (2.3.14) se obtin Q
i
si
scalari. Relatia (2.3.17) cu q = 1 si C = T devine:
(2.3.33)
sau utiliznd si (2.3.12):
(2.3.34)
Din (2.3.18) si (2.3.34) se obtine:
(2.3.35)
N
i
se calculeaz cu (2.3.12) fiind pentru acest model ultimii n
T
- 1 termeni ai lui TE
i
.
- Modelul ARIX
Pentru modelul ARIX T = 1 si . n acest fel, ca si n cazul
anterior, Q
i
si sunt scalari, iar (2.3.17) se poate rescrie sub forma:
(2.3.36)
ntruct n
T
= 0, din (2.3.12) rezult N
i
= 0. Fcnd q = 1, (2.3.36) devine:
(2.3.37)
Acum din (2.3.18) si (2.3.37) obtinem:
(2.3.38)
- Modelul FIR cu T = 1 si
n acest caz rezult n
A
= n
T
= 0 si n
D
= 1. Din (2.3.19) cu q = 1, tinnd cont c
E
i
= T = 1 se obtine K
i
= 1. Modelul predictorului generalizat devine:
(2.3.39)
Se observ c fat de modelul (2.3.31) apare termenul aditional care a fost adugat
ntr-un mod euristic pentru a preveni erorile stationare.
- Modelul FSR cu T = 1 si
Modelul FSR cu T = 1 si coincide cu modelul FIR obtinut n aceleasi
conditii, singura diferent fiind semnificatia coeficientilor polinomului .
2.3.3 Forma matriceal
Pentru i = 1, , p forma matriceal se obtine pornind de la relatia (2.3.26), cu ,
care pune n evident un predictor cu si un termen aditional:
(2.3.40)
Forma matriceal a predictorului cu se poate calcula cu relatiile (2.2.19) -
(2.2.21). Pentru termenul aditional, vectorul K se obtine calculnd produsul:
(2.3.41)
n care
(2.3.42)
(2.3.43)
(2.3.44)
Matricea K
c
s-a construit cu coeficientii polinoamelor K
i
, pentru i = 1, , p.
Observatii:
- dac n
A
= 0 si n
D
= 0 atunci ultimele
linii ale lui K
c
sunt egale cu zero deoarece K
i
= 0 dac i > n
T
;
- dac n
A
= n
T
= n
D
= 0, atunci K
c
= 0 si de aici K = 0.
2.4 Proprietti ale predictorilor de ordinul i
O proprietate important este determinat de efectul polinomului T asupra predictiilor.
Relund expresia predictorului de minim variant (2.3.8) si nlocuind C, D, si B cu T,
si respectiv se obtine:
(2.4.1)
Se consider procesul descris prin modelul:
(2.4.2)
unde este o perturbatie prezent la iesirea procesului. Acum, nlocuind si A cu
, expresia lui dedus din (2.3.6) devine:
(2.4.3)
si relatia (2.4.1) poate fi rescris dup cum urmeaz:
(2.4.4)
sau dup un calcul simplu utiliznd si (2.4.2):
(2.4.5)
Din ultima relatie se determin direct eroarea de predictie:
(2.4.6)
Expresia (2.4.6) a erorii de predictie indic modul n care aceasta este influentat de
erorile de modelare si perturbatii prin polinoamele T si . Conceptul de reglare cu
predictie bazndu-se pe predictia iesirii procesului va conduce la influentarea
performantelor regulatorului si a robustetii sistemului de reglare n circuit nchis
datorit erorilor de modelare.
- Dac i = 1 atunci si perturbatiile mpreun cu erorile de modelare
sunt filtrate de . Alegnd T si astfel nct s rezulte un filtru trece
band, efectele frecventelor joase cauzate de o estimare incorect a factorului
de amplificare (n curent continuu), sau de perturbatii constante, sunt
eliminate. n plus se vor atenua efectele frecventelor nalte datorate erorilor de
modelare n domeniul frecventelor mari sau zgomotelor de nalt frecvent ce
apar la iesirea proceselor (de exemplu zgomotul de msur).
- Dac si , atunci
eroarea de predictie este egal cu
ntruct s-a presupus e(k) ca fiind zgomot alb discret de medie zero, varianta erorii de
predictie se obtine din:
(2.4.7)
Deoarece aceast variant este egal cu varianta zgomotului e(k), predictorii de
ordinul i (2.3.8) si (2.3.23) sunt predictori de minim variant.
- Dac A este un factor a lui si perturbatiile mpreun cu iesirea regulatorului
sunt constante (cazul general al traiectoriei referintei constante n regim
stationar), atunci eroarea de predictie se anuleaz n regim stationar
independent de erorile de modelare. Mai mult, dac A nu este factor al
polinoamelor , A si , atunci, pentru a avea predictii corecte n regim
stationar este necesar ca si
, unde k
dc
este factorul de amplificare n curent continuu.
2.5. Predictorii de ordinul i pentru procese cu timp mort
Pentru procesele cu timp mort, intrarea (comanda) aplicat la momentul k are efect
asupra iesirii dup depsirea ntrzierii d si va influenta numai
. Strategia reglrii cu predictie prezentat n fig. 1.1.1
devine n cazul proceselor cu timp mort cea reprezentat n fig. 2.5.1.
Fig. 2.5.1 Ilustrarea conceptului de reglare cu predictie pentru procese cu timp mort
n acest caz secventa de comand se calculeaz pentru a
conduce iesirile procesului ctre traiectoria referintei
Din acest motiv predictorii de ordinul i pentru procese cu
timp mort trebuie s predicteze y(k + i) ca o functie de u(k + i - d - 1) pentru i = d + 1,
, p. De notat c orizontul de predictie n prezenta timpului mort trebuie s satisfac
conditia:
(2.5.1)
Pentru procese cu timp mort si C = D = 1 modelul (2.2.1) va avea forma:
(2.5.2)
Considernd n
A
> 0, prin nlocuirea n (2.2.9) a lui B cu q
-d
B si prin eliminarea
zgomotului rezult expresia predictorului de ordinul i pentru procese cu timp mort:
(2.5.3)
Separarea termenilor din (2.5.3) se poate face utiliznd ecuatia diofantic:
(2.5.4)
Polinoamele G
i-d
si H
i-d
au gradele i-d-1 si respectiv n
B
+ d - 1. Deoarece ,
gradul lui este mai mare sau egal cu zero, deci polinomul exist ntotdeauna.
Predictorul de ordinul i de minim variant prin utilizarea relatiei (2.5.4) devine:
(2.5.5)
Considernd predictorii de ordinul i pentru i = d + 1, , p, acestia pot fi pusi sub
forma matriceal:
(2.5.6)
unde:
(2.5.7)
iar matricele P si de dimensiuni , respectiv
(2.5.8)
(2.5.9)
Pentru n
A
= 0, predictorul de ordinul i pentru procese cu timp mort se obtine din
(2.2.23) prin nlocuirea lui G
i
si H
i
cu G
i-d
si H
i-d
care au acum gradele
si respectiv :
(2.5.10)
Predictorul generalizat de ordinul i pentru procese cu timp mort
Varianta predictorului generalizat de ordinul i pentru procese cu timp mort se obtine
utiliznd predictorul generalizat de ordinul i prezentat n subcapitolul 2.3. n prezenta
timpului mort, considernd n
A
> 0 si polinoamele estimate din relatia
(2.3.8) se obtine:
(2.5.11)
Separarea n cadrul relatiei (2.5.11) a termenilor anteriori si posteriori momentului
curent k se face utiliznd ecuatia diofantic:
, (2.5.12)
unde acum si sunt polinoame de gradul i d 1 si respectiv
Folosind (2.5.12) predictorul generalizat de ordinul i pentru
procese cu timp mort se obtine din relatia (2.3.10) pentru nlocuirea lui si cu
si :
(2.5.13)
Lund n considerare si cazul , predictorul (2.3.23) din subcapitolul 2.3 n
prezenta timpului mort devine:
(2.5.14)
unde E
i
si F
i
se calculeaz cu (2.2.4) prin nlocuirea lui A cu , iar cu relatia:
(2.5.15)
Utiliznd (2.5.4) pentru separarea termenilor n (2.5.14) se obtine:
(2.5.16)
ntruct calculul lui K
i
este independent de prezenta timpului mort rezult c se pot
folosi relatiile din paragraful 2.3.1.
Forma matriceal a predictorului generalizat de ordinul i pentru procese cu timp mort
pstreaz aceeasi form ca n lipsa timpului mort:
(2.5.17)
Prima parte a relatiei corespunde situatiei , iar vectorul K se
calculeaz cu relatia:
(2.5.18)
n care
(2.5.19)
iar matricea K
c
este dat de (2.3.44).
2.6 Predictori de ordinul i pentru procese cu timp mort
necunoscut
De obicei, timpul mort al procesului supus reglrii nu este cunoscut cu exactitate. n
continuare se va admite c timpul mort este cuprins ntre dou limite, una inferioar
d
m
si alta superioar d
M
, care satisfac relatia:
(2.6.1)
Spre deosebire de sectiunea precedent, predictorul de ordinul i va trebui s determine
y (k + i) n functie de pentru
Un timp mort necunoscut satisfcnd (2.6.1) poate fi abordat modificnd modelul
procesului n :
(2.6.2)
unde
(2.6.3)
n care
(2.6.4)
iar coeficientii lui sunt dati n tabelul 2.1.
Tabelul 2.1 Coeficientii polinoamelor si B
. . . . . .
. . .
B 0
. . .
0 b
0 . . .
0
. . .
0
Diferentele ntre procesele cu timp mort cunoscut si cu timp mort necunoscut sunt
urmtoarele:
- gradul polinomului este iar gradul polinomului B n (2.5.2)
este n
B
;
- timpul mort considerat n (2.6.2) este d
m
si nu d.
Utiliznd d
m
n locul lui d si n locul lui n
B
, predictorul de ordinul i pentru
procese cu timp mort necunoscut si devine:
(2.6.5)
Separarea n (2.6.5) a termenilor anteriori, respectiv posteriori momentului curent k se
face folosind (2.5.4) cu d
m
si n locul lui d si B:
(2.6.6)
unde gradele lui si sunt i - d
m
- 1 si respectiv n
B
+ d
m
- 1. Dac d > d
m
,
atunci Substituind (2.6.6) n (2.6.5) rezult expresia
predictorului de ordinul i pentru procese cu timp mort necunoscut (cu separarea
termenilor):
(2.6.7)
Forma matriceal se obtine din (2.5.17) cu notatiile:
(2.6.8)
si
(2.6.9)
2.7 Comparatii cu predictorul Smith
Pentru a compara predictorul de minim variant cu predictorul Smith se va considera
structura de reglare cu timp mort din fig. 2.7.1.
Fig. 2.7.1 Structura de reglare a procesului cu timp mort
Considernd R f.d.t. a regulatorului si modelul procesului rezult pentru
bucla de reglare n circuit nchis relatia (n absenta perturbatiilor (k)):
(2.7.1)
Se cunoaste c prezenta timpului mort n ecuatia caracteristic a sistemului de reglare
conduce la micsorarea rezervei de stabilitate si uneori chiar la pierderea ei. Pentru a
evita acest lucru Smith a propus structura de reglare din fig. 2.7.2 care utilizeaz
modelul estimat al procesului fr timp mort si modelul timpului mort pur q
-d-1
.
Se observ c de aceast dat pe reactie apare predictia iesirii Dac
procesul este corect modelat n absenta perturbatiilor (k) rezult:
(2.7.2)
si compensarea timpului mort.
Fig. 2.7.2 Structura de reglare cu predictor Smith
Din fig. 2.7.2 rezult cu usurint expresia predictorului Smith:
(2.7.3)
Pentru a compara acest predictor cu predictorul de ordinul i de minim variant vom
relua expresia acestuia din urm (relatia 2.5.11) cu i = d + 1:
. (2.7.4)
Folosind ecuatia diofantic (2.3.3) cu i = d + 1 si nmultind cu se obtine:
, (2.7.5)
sau
(2.7.6)
nlocuind (2.7.6) n (2.7.4) rezult:
(2.7.7)
Aceast expresie a predictorului de ordinul unu de minim variant conduce la
structura de reglare din fig. 2.7.3.
Fig. 2.7.3 Structura de reglare cu predictor de ordinul unu de minim variant
Se observ c aceast structur permite filtrarea erorii de corectie c(k) cu fiind
deci diferit de structura Smith. Prin aceast filtrare se pot rejecta perturbatiile (t),
lucru imposibil n cadrul predictorului Smith.
Capitolul 3
Functii obiectiv ptratice
n controlul cu predictie bazat pe model, legea de reglare se obtine prin minimizarea
unei functii obiectiv. Din acest motiv alegerea functiei obiectiv ocup un loc
important n proiectarea algoritmilor de reglare cu predictie.
Performantele impuse unui sistem de reglare se exprim de obicei prin indici de
calitate, cum ar fi suprareglarea, factorul de amortizare, durata regimului tranzitoriu,
care sunt cunoscuti si usor de specificat. Cu toate acestea, minimizarea unei functii
obiectiv bazat pe acesti indici este dificil de realizat datorit relatiilor puternic
neliniare ce exist ntre parametrii de acord ai regulatoarelor si aceste functii. Uneori
exist totusi solutii convenabile din punct de vedere matematic. n acest capitol se vor
prezenta functii obiectiv din aceast categorie precum si relatiile dintre acestea si
indicii de performant.
Functiile obiectiv se mpart n dou mari categorii: functii obiectiv ptratice pe un pas
si functii obiectiv pe mai multi pasi. Utilizarea functiilor din prima categorie are
avantajul obtinerii unui algoritm de reglare simplu, ale crui performante pot fi
controlate prin ponderea comenzii. Totusi se obtin suprareglri mari si erori n regim
stationar atunci cnd domeniul de variatie al mrimii de comand este limitat. Efortul
mare de reglare ce rezult prin utilizarea acestor functii poate fi micsorat dac se
utilizeaz functii obiectiv pe mai multi pasi. Cu pretul cresterii efortului de calcul,
dependent de mrimea orizontului de predictie p, se obtin performante mult mai bune
dintre care se remarc urmrirea cu acuratete a traiectoriei de referint.
3.1 Functii obiectiv ptratice pe un pas. Exemplul 3.1.1
3.2 Functii obiectiv ptratice pe mai multi pasi. Exemplul 3.2.1
3.3 Extensii ale functiilor obiectiv
3.4 Functia obiectiv generalizat
3.1 Functii obiectiv ptratice pe un pas. Exemplul 3.1.1
La nceput, aceste functii obiectiv au inclus numai iesirea procesului rezultnd
implementarea usoar pe calculator, dar cu probleme privind aplicarea acestor functii
sistemelor cu faz neminim. Extinderea functiilor obiectiv ptratice pe un pas, prin
introducerea n criteriu a erorii de urmrire a sistemului si a comenzii ponderate a
permis rezolvarea problemei de urmrire si depsirea partial a problemei de
conducere a sistemelor cu faz neminim.
3.1.1 Functii obiectiv bazate pe eroarea de urmrire
O functie obiectiv simpl care ia n consideratie numai eroarea de urmrire este:
. (3.1.1)
Dup cum se observ, functia obiectiv (3.1.1) utilizeaz un predictor de ordinul unu
. Pentru a obtine algoritmul de reglare, functia obiectiv trebuie minimizat
n raport cu mrimea de comand u(k). Aceasta se realizeaz pornind de la modelul
procesului fr timp mort (2.3.1):
(3.1.2)
Predictorul de ordinul unu pentru modelul (3.1.2) se obtine din (2.3.8) fcnd i = 1 si
nlocuind polinoamele A, B, C si D cu estimatiile acestora:
. (3.1.3)
Alegnd n (3.1.1) se obtine valoarea minim a functiei J si
utiliznd aceast egalitate n (3.1.3) se gseste legea de reglare:
. (3.1.4)
Relatia de mai sus pune n evident un regulator cu dou grade de libertate (2-GDL).
Structura sistemului de reglare este reprezentat n fig. 3.1.1.
Fig. 3.1.1 Structur de reglare cu regulator cu predictie de minim variant
Se remarc faptul c prin introducerea lui ca factor al lui apare n cadrul
sistemului de reglare o actiune integral.
Prin folosirea urmtoarelor notatii:
(3.1.5)
unde a fost fortat scos n factor n produsul pentru a obtine normalizarea
polinomului R (r
0
= 1), structura de reglare capt forma din fig. 3.1.2, numit forma
standard.
Fig. 3.1.2 Forma standard a structurii de reglare cu predictie
Din fig. 3.1.2 rezult urmtoarea descriere a regulatorului:
(3.1.6)
si a sistemului de reglare n bucl nchis:
. (3.1.7)
Din (3.1.7) rezult ecuatia caracteristic:
(3.1.8)
care furnizeaz polii sistemului de reglare n circuit nchis.
Revenind la relatia (3.1.5) si considernd c modelul estimat este identic cu cel real
( si ), relatiile (3.1.6) si (3.1.7) devin:
(3.1.9)
. (3.1.10)
Avnd n vedere cele de mai sus, asupra regulatorului obtinut cu functia obiectiv pe
un pas se pot face urmtoarele comentarii:
- Dac referinta r(k) este constant, relatia (3.1.10) demonstreaz c varianta
iesirii procesului este tocmai varianta zgomotului e(k). ntruct aceasta s-a
presupus a fi o secvent de zgomot alb de medie zero, rezult c s-a obtinut un
regulator de minim variant.
- n absenta zgomotului, ecuatia (3.1.10) arat c iesirea reglat y(k) urmreste
referinta r(k), iar rspunsul sistemului se obtine ntr-un interval minim de
timp.
- Dac numai modelul intrare-iesire este corect estimat ( ) iesirea
procesului din (3.1.10) devine:
. (3.1.11)
Aceast relatie demonstreaz c polinomul T nu influenteaz performantele de
urmrire (pentru (k) = 0) si deci poate fi folosit pentru a rejecta perturbatiile
de la iesirea procesului. De exemplu se pot atenua frecventele nalte ale
semnalului (t) prin proiectarea raportului ca un filtru trece jos. Mai
mult din (3.1.11) rezult c incluznd n factorul A se pot elimina
perturbatiile constante care apar la iesirea procesului. Combinarea celor dou
proprietti se poate obtine dac se comport ca un filtru trece band.
- Dac procesul este cu faz neminim, (3.1.9) arat c iesirea regulatorului este
nelimitat. n acest caz, sistemul n bucl nchis poate deveni instabil, cu
toate c teoretic prin simplificrile fcute relatia (3.1.10) indic o comportare
stabil. Dac zerourile procesului sunt pe axa real negativ n interiorul
cercului unitate, atunci regulatorul va avea poli "dublati". Rezultatul acestor
poli va fi aparitia unor oscilatii ale comenzii.
3.1.2 Functii obiectiv bazate pe eroarea de urmrire si comand
Pentru a putea aplica functiile obiectiv pe un pas si proceselor cu faz neminim va
trebui s fie introdus n aceste functii si comanda rezultnd:
(3.1.12)
unde este un factor de ponderare.
Minimizarea criteriului (3.1.12) conduce la dou obiective contrare: minimizarea
erorii de urmrire si minimizarea comenzii. Factorul de ponderare introdus va realiza
un compromis ntre cele dou obiective. Valoarea minim a expresiei (3.1.12) se
obtine prin nlocuirea lui cu expresia predictorului (3.1.3):
(3.1.13)
si egalarea apoi a derivatei cu zero:
(3.1.14)
Pentru a ajunge la forma standard a structurii sistemului de reglare cu predictie
(fig. 3.1.2) se introduc urmtoarele notatii:
(3.1.15)
n ipoteza unei bune estimri a modelului procesului rezult pentru iesirea reglat
expresia:
(3.1.16)
Din (3.1.14) se observ ca prin alegerea potrivit a factorului de ponderare ,
zerourile procesului din afara cercului unitate nu mai devin poli instabili pentru
regulator. De asemenea, (3.1.16) arat c pentru > 0, varianta iesirii reglate este mai
mare dect varianta zgomotului. Un alt dezavantaj al acestui tip de functie obiectiv
este aparitia erorii stationare:
(3.1.17)
unde k
0
este factorul de amplificare al procesului. Numai = 0, sau un integrator al
procesului poate rezolva problema reglrii (anularea erorii stationare).
Efectul negativ al factorului de ponderare asupra erorii stationare a determinat
introducerea n functia obiectiv a incrementului comenzii:
(3.1.18)
n locul comenzii u(k). Expresia noii functii obiectiv va fi:
. (3.1.19)
n regim stationar incrementul comenzii Au(k) va fi zero, dac referinta si perturbatiile
vor fi constante. De aici rezult lipsa influentei factorului de ponderare asupra erorii
stationare.
Dezavantajul principal al utilizrii ponderii comenzii n functia obiectiv pentru a
mbuntti performantele sistemului de reglare n circuit nchis l constituie
dificultatea alegerii apriorice a valorii lui . Pentru a rezolva aceast problem se
utilizeaz urmtoarea functie obiectiv:
(3.1.20)
n care P, Q, si M sunt polinoame n q
-1
, iar P este monic. n acest fel rezult mai
multi parametri de acord si vor fi mai usor de obtinut performantele dorite n bucl
nchis.
Minimizarea criteriului (3.1.20) cu Q = 0 conduce la:
(3.1.21)
si deci la anularea lui J. Pentru a obtine predictorul de ordinul 1 pentru Py(k + 1) se
foloseste urmtoarea ecuatie diofantic:
(3.1.22)
care pentru E
1
= 1 devine:
(3.1.23)
Utiliznd modelul procesului (3.1.2) n (3.1.22) se obtine predictorul de ordinul unu
de minim variant:
(3.1.24)
Din (3.1.21) si (3.1.24) rezult legea de reglare:
(3.1.25)
Dac algoritmul (3.1.25) este scris n forma standard reprezentat n fig. 3.1.2
polinoamele R, S si T
*
devin:
(3.1.26)
Polii buclei de reglare n circuit nchis pot fi gsiti folosind polinomul caracteristic:
(3.1.27)
Expresia iesirii reglate se poate calcula, pe baza structurii din fig. 3.1.2, cu relatia:
, (3.1.28)
sau dac modelul procesului este estimat corect:
(3.1.29)
iar polinomul caracteristic va fi:
. (3.1.30)
Dac numai modelul intrare-iesire este estimat corect ( si ), (3.1.28)
devine:
. (3.1.31)
Pe baza celor prezentate n aceast sectiune se pot trage urmtoarele concluzii:
- Pentru a elimina eroarea la pozitie este necesar ca polinoamele P si M s
satisfac egalitatea:
P(1) = M(1). (3.1.32)
- Prin alegerea lui P si M dac si se poate defini f.d.t. n circuit
nchis dorit.
- Expresia (3.1.31) arat c polinoamele P si T pot influenta performantele
sistemului de reglare. n contrast cu T, polinomul P afecteaz si performantele
de urmrire ale buclei de reglare n circuit nchis. Acest lucru poate fi prevenit
lund P ca fiind un factor al lui . n acest caz performantele de urmrire ale
sistemului n bucl nchis sunt determinate de M si P n timp ce
performantele de reglare sunt definite de si T.
- Polinomul caracteristic (3.1.30) arat c estimarea corect a modelului
procesului conduce la aparitia zerourilor prtii fixate ca poli ai buclei de
reglare n circuit nchis. De aici, imposibilitatea folosirii metodei n cazul
proceselor cu faz neminim. Pentru a elimina acest dezavantaj se poate alege
Q = 0, dar este dificil de gsit un astfel de Q.
O alt cale de a rezolva problema sistemelor cu faz neminim este alegerea
polinoamelor R si S n asa fel nct polii buclei de reglare n circuit nchis s fie
furnizati de polinomul PT si nu BPT. Astfel, (3.1.30) devine:
. (3.1.33)
mpreun cu T
*
= RT/B(1), expresia (3.1.31) a mrimii reglate va fi:
(3.1.34)
Acum polinomul P poate fi utilizat pentru a aloca polii doriti n bucl nchis si n
acelasi timp s asigure performantele de urmrire. Polinoamele regulatorului R si S
pot fi determinate rezolvnd ecuatia (3.1.33).
Exemplul 3.1.1
Se consider partea fixat din exemplul 2.2.1 avnd modelul ARX:
.
S se determine regulatorul cu predictie prin minimizarea functiei
obiectiv pe un pas (3.1.12) si s se reprezinte structura standard de
reglare pentru acest caz. S se calculeze eroarea stationar pentru
r(k) = 1, k > 0.
Rezolvare:
Pornind de la modelul prtii fixate rezult urmtorul predictor de
minim variant de ordinul 1:
.
nlocuind expresia acestui predictor n functia obiectiv (3.1.12) se
obtine:
.
Prin minimizarea functiei obiectiv n raport cu u(k) se gseste expresia
legii de reglare:
si astfel regulatorul cu predictie va avea forma:
.
Pentru a ajunge la forma standard se calculeaz polinoamele:
.
Forma standard a structurii de reglare cu predictie este dat n fig.
3.1.3.
Fig. 3.1.3 Forma standard a structurii de reglare cu predictie
Calculul erorii stationare de pozitie:
3.2 Functii obiectiv ptratice pe mai multi pasi. Exemplul 3.2.1
O etap nou n dezvoltarea reglrii cu predictie a fost marcat de utilizarea unor
metode bazate pe minimizarea unei functii obiectiv pe mai multi pasi, pentru
depsirea problemei zerourilor de faz neminim si mentinerea functiei de iesire cu
variant minim. Evident aceste rezultate se obtin pe seama cresterii efortului de
calcul.
Cea mai simpl functie obiectiv multi-pas este dat de relatia:
(3.2.1)
echivalent cu functia pe un pas (3.1.1).
Dac comanda va fi ponderat, regulatorul va depinde si el de orizontul de predictie p.
Un exemplu de functie multi-pas cu comanda ponderat este urmtorul:
(3.2.2)
Ca si la functiile obiectiv pe un singur pas (3.1.12), astfel de ponderri conduc la
aparitia erorilor de regim stationar atunci cnd procesul nu contine integratoare. Acest
efect nedorit poate fi evitat pentru traiectorii de referint si perturbatii constante dac
se folosesc incrementele comenzii:
(3.2.3)
Uneori, functiei obiectiv (3.2.3) i se adaug o restrictie suplimentar: pe un anumit
interval fixat de orizontul comenzii c si orizontul de predictie p, incrementele
comenzii se consider zero:
(3.2.4)
De aici rezult c numai u(k), , u(k + c 1) trebuie calculate, celelalte comenzi pe
orizontul de predictie fiind considerate constante. Conceptul de utilizare a unui
orizont al comenzii a fost introdus prima dat de Cutler si Ramaker (1980), odat cu
dezvoltarea algoritmului predictiv DMC.
n termenii functiei obiectiv, relatia (3.2.4) este echivalent cu a considera valori
infinite ale ponderilor modificrii comenzii, dup un anumit numr de intervale de
esantionare. De exemplu, pentru c = 1 se consider numai o modificare a
incrementului comenzii Au(k), dup care comenzile u(k + i) sunt alese toate egale cu
u(k). S presupunem n acest caz, c la momentul k apare o modificare a valorii
referintei r(k). Aplicarea comenzii u(k) procesului va plasa iesirea acestuia la valoarea
r(k). Legea de reglare pentru procese stabile simple genereaz actiuni de comand
care sunt n general netede si lente. n cazul unor valori mari pentru c vor fi generate
comenzi mult mai active.
O interpretare intuitiv a utilizrii orizontului de comand apare n cazul stabilizrii
instalatiilor de faz neminim. Dac factorul de ponderare a comenzii n criteriu este
fixat la zero, comanda optimal care minimizeaz J reprezint o lege de anulare, care
ncearc s anuleze dinamica procesului, incluznd n regulator modelul invers al
instalatiei tehnologice. Dup cum se stie, astfel de legi sunt instabile n practic, ele
continnd n semnalul de comand moduri corespunztoare zerourilor instalatiei de
faz neminim. Strategia de comand utilizat, prin plasarea unor ponderi infinite
pentru incrementele comenzii stabilizeaz sistemul n bucl nchis, impunnd
restrictii asupra modurilor instabile, chiar dac = 0.
Utilizarea orizontului comenzii c < p reduce semnificativ efortul de calcul.
O alt extindere util care poate fi adugat criteriului (3.2.3) este introducerea unui
orizont minim de predictie p
m
n care eroarea de urmrire s nu fie luat n
considerare:
(3.2.5)
n acest fel, eroarea de urmrire nu intervine n procesul de optimizare n primii p
m
-1
pasi.
n continuare se vor da cteva criterii practice privind alegerea orizonturilor comenzii
si iesirii, precum si modalitatea de obtinere a unor regulatoare clasice prin selectia
corespunztoare a mrimilor p, p
m
, c si .
3.2.1 Alegerea orizonturilor comenzii si iesirii
n urma numeroaselor simulri efectuate pe o varietate larg de modele si instalatii,
incluznd procese stabile, instabile, de faz neminim si cu timp mort variabil, Clarke
si colaboratorii (1984) au determinat reguli de alegere a parametrilor de proiectare p,
p
m
si c. Aceste studii au scos n evident de asemenea c metoda propus este extrem
de robust n ceea ce priveste alegerea parametrilor.
p - orizontul de predictie. Dac instalatia are un rspuns cu faz neminim initial
negativ, p va fi ales astfel nct esantioanele iesirii pozitive de mai trziu s fie incluse
n functia obiectiv. Aceasta nseamn c p trebuie s depseasc gradul polinomului
B(q
-1
). n practic se utilizeaz o valoare mai mare pentru p, corespunztoare timpului
de crestere al rspunsului prtii fixate.
p
m
- orizontul minim de predictie. Dac d nu este cunoscut sau este variabil, p
m
poate
fi fixat la 1, fr pierderea stabilittii, iar gradul polinomului B(q
-1
) va fi crescut
pentru a include toate valorile posibile ale timpului mort d.
c - orizontul comenzii. Acesta reprezint un parametru de proiectare important. Astfel,
pentru procese simple (stabile, cu posibil timp mort si faz minim) o valoare c = 1
asigur conducerea cu bune performante a instalatiei. Crescnd c, comanda si iesirea
reglat devin mai active pn la atingerea unei anumite faze, dup care orice crestere
a orizontului comenzii produce schimbri nesemnificative. O valoare crescut pentru
c este indicat n cazul conducerii sistemelor complexe, pentru care se realizeaz o
conducere de calitate cnd c are valoarea cel putin egal cu numrul polilor instabili
sau slab amortizati ai instalatiei.
Pentru un proces simplu, cu urmrirea unei referinte de tip treapt, secventa de
comand are n general o comportare bun fr schimbarea semnului. Prin urmare nu
vor aprea corectii semnificative ale comenzii la urmtorul moment de esantionare,
chiar dac c = 1. n cazul sistemelor descrise n spatiul strilor, un proces de ordinul n
necesit n valori de comand diferite pentru obtinerea, de exemplu, a unui rspuns n
timp minim. Pentru un sistem complex aceste valori si pot schimba frecvent semnul,
astfel c un orizont al comenzii redus nu ar permite suficiente grade de libertate n
obtinerea actiunii curente.
n general a rezultat c = 1 pentru instalatii industriale tipice si c egal cu numrul
polilor aflati n apropierea frontierei de stabilitate pentru cazul stabilizrii unor
sisteme complexe. Dac se doreste si amortizarea actiunilor de comand, se poate
creste factorul de ponderare .
Din cele prezentate mai sus rezult c alegerea orizonturilor comenzii si iesirii se
poate face n dou moduri. Pentru conducerea proceselor simple valorile implicite
sunt:
p
m
= 1
p = timpul de crestere al rspunsului instalatiei exprimat n perioade de
esantionare
c = 1.
n cazul aplicatiilor de conducere a unor procese complexe, n care se doreste
obtinerea unor performante deosebite, se recomand utilizarea unei valori mai mari
pentru orizontul comenzii c.
Prin alegeri particulare ale parametrilor p, p
m
, c si se obtin legi clasice de reglare.
Dintre acestea vom exemplifica n continuare reglarea cu minim variant si
algoritmul "dead-beat".
3.2.2 Reglarea cu minim variant
Pentru a obtine un regulator cu minim variant se minimizeaz functia obiectiv
(3.2.5) n conditiile:
. (3.2.6)
n acest caz functia (3.2.5) este de forma (3.2.1) si deoarece c = p, conditia (3.2.4) nu
mai are efect. Valoarea minim a criteriului (3.2.5) n conditiile (3.2.6) se obtine
egalnd cu zero functia J si deci:
(3.2.7)
Considernd forma matriceal a predictorului:
(3.2.8)
n care:
(3.2.9)
si rescriind (3.2.7) tinnd seama de (3.2.8), se obtine:
(3.2.10)
unde:
(3.2.11)
Acum u poate fi determinat din (3.2.10). Totusi, deoarece matricea P este
triunghiular inferior, orizontul de predictie p nu are efect asupra comenzii u(k). De
aici, acelasi u(k) este gsit cnd se minimizeaz (3.2.5) cu p = c = 1.
Dac exist timp mort, reglarea cu minim variant se obtine n urmtoarele conditii:
(3.2.12)
3.2.3 Algoritmul "dead-beat"
Minimizarea functiei obiectiv (3.2.5) aduce iesirea procesului la o referint constant
n n
B
+ 1 tacte dac sunt ndeplinite urmtoarele conditii:
(3.2.13)
ntr-adevr din relatiile (3.2.13) rezult pentru proces modelul:
(3.2.14)
sau
(3.2.15)
Rescriind (3.2.15) n care se substituie k cu si se nmultesc ambii
membri cu A se obtine:
(3.2.16)
Acum iesirea procesului va ajunge la traiectoria de referint constant:
(3.2.17)
n n
B
+1 tacte de esantionare dac membrul drept al ecuatiei (3.2.16) este nul si
. De aici rezult urmtoarele relatii:
, (3.2.18)
, (3.2.19)
. (3.2.20)
Conditia (3.2.18) este satisfcut dac c = n
A
+ 1 deoarece prin definitie
pentru Relatiile (3.2.19) si (3.2.20) sunt satisfcute dac:
(3.2.21)
Este usor de artat c (3.2.21) este ndeplinit dac p = n
A
+ n
B
+ 1, p
m
= n
B
+ 1,
d = 0 si Apoi lund n consideratie ipoteza = 0 si (3.2.17),
functia obiectiv (3.2.5) devine:
(3.2.22)
Valoarea minim a functiei (3.2.22) poate fi obtinut dac:
(3.2.23)
Acum trebuie gsit algoritmul de reglare astfel nct s fie ndeplinit conditia
(3.2.23). Pentru a-l obtine se rescrie criteriul (3.2.22) sub form matriceal:
(3.2.24)
unde
(3.2.25)
Mai mult tinnd seama de (3.2.4) rezult:
(3.2.26)
Acum relund forma matriceal (3.2.8) a predictorului unde:
(3.2.27)
pe baza relatiei (3.2.26) se obtine pentru vectorul u forma:
. (3.2.28)
Dac are loc (3.2.21), atunci (3.2.8) devine:
(3.2.29)
Problema de optimizare se reduce la determinarea a n
A
+ 1 necunoscute
u(k), , u(k + n
A
) dintr-un sistem cu n
A
+ 1 ecuatii. Dac exist inversa matricei ce
trebuie calculat pentru rezolvarea ecuatiei matriceale (3.2.29), rezult c solutia este
unic si de aici relatia (3.2.23) este obtinut prin minimizarea functiei (3.2.22).
Pentru sistemul cu timp mort conditiile (3.2.13) pentru obtinerea unui algoritm "dead-
beat" devin:
(3.2.30)
prin nlocuirea lui n
B
cu n
B
+ d. Acest algoritm va conduce iesirea procesului spre
traiectoria de referint constant n n
B
+ d + 1 tacte de esantionare.
Exemplu 3.2.1.
Se consider partea fixat din exemplul 2.2.1. Se cere:
a. s se gseasc regulatorul cu minim variant;
b. s se determine regulatorul "dead-beat".
Rezolvare:
a) Pentru a obtine o lege de reglare cu variant minim, parametrii
functiei obiectiv (3.2.5) se aleg astfel:
obtinndu-se:
Minimizarea acestei functii obiectiv conduce la relatia:
unde
iar matricele P si au fost calculate n cadrul exemplului 2.2.1:
.
Secventa de comand u se obtine acum cu usurint pornind de la
expresia:
,
si calculnd P
-1
:
se gseste:
b) Pentru a obtine un regulator "dead-beat" care s conduc mrimea
reglat y spre o referint constant r = 1 n n
B
+ 1 = 2 pasi, se vor alege
pentru functia obiectiv (3.2.5) urmtorii parametri:
rezultnd:
sau sub form matriceal:
.
Colectnd predictorii de ordinul i, , n form matriceal se
gseste:
unde:
.
ntruct n exemplul 2.2.1 s-au calculat predictorii pn la ordinul 3,
acum trebuie determinat predictorul de ordinul 4.
Calculul polinoamelor E
4
, F
4
, H
4
si G
4
pentru predictorul de ordinul 4.
Pentru i = 4 polinoamele au expresiile:
iar coeficientii acestora se pot calcula cu relatiile:
rezultnd:
Gsirea polinoamelor G
4
si H
4
se face rezolvnd ecuatia diofantic:
cu:
Dup un calcul simplu se obtine:
Predictorul de ordinul 4 va fi:
Forma matriceal a predictorului pentru cu
devine:
Pentru calculul regulatorului "dead-beat" se utilizeaz relatia:
cu
,
obtinndu-se:
.
3.3 Extensii ale functiilor obiectiv
Pn acum s-a considerat o traiectorie de referint constant. n cazurile n care
aceast referint nu este constant pot s apar erori de regim stationar atunci cnd
c < p. Cu scopul de a preveni aceste erori determinate de orizontul comenzii se
extinde definitia acestuia (3.2.4) astfel:
(3.3.1)
unde N este un polinom monic n q
-1
si | un ntreg > 1. De notat c alegnd | = 1 si
N = 1 se obtine relatia (3.2.4) de definitie a orizontului comenzii.
Cu aceast extensie se pot obtine algoritmi "dead-beat" pentru traiectorii de referint
de tip w (w = 1 - traiectorie constant, w = 2 - traiectorie ramp etc.). Astfel, conditiile
necesare (3.2.13) de existent a algoritmului "dead-beat" devin:
(3.3.2)
Regulatorul "dead-beat" ce va rezulta din aceste conditii va conduce iesirea reglat
spre traiectoria de referint de ordinul w n n
B
+ d + 1 tacte de esantionare.
ntr-adevr considernd mai nti procesul fr timp mort, pe baza relatiilor (3.3.2)
modelul acestuia poate fi pus sub forma:
sau
(3.3.3)
Substituind n (3.3.3) k cu (k + n
A
+ n
B
+ 1 + w) si nmultind ambii membri cu A
|
se
obtine:
(3.3.4)
Acum iesirea procesului va atinge traiectoria de referint n n
B
+1 tacte de esantionare
dac membrul drept al relatiei (3.3.4) este zero, iar . De
aici urmtoarele conditii trebuie ndeplinite:
(3.3.5)
(3.3.6)
(3.3.7)
Conditia (3.3.5) este satisfcut dac c = n
A
+ w, N = 1 si | = w, deoarece prin
definitie (relatia (3.3.1)) pentru . Celelalte relatii (3.3.6) si
(3.3.7) sunt ndeplinite dac:
(3.3.8)
si traiectoria de referint este de tip w.
Astfel, este usor de artat c (3.3.8) are loc dac si p
m
= n
B
+ 1.
Considernd si ipoteza = 0, functia obiectiv (3.3.5) devine:
(3.3.9)
Minimizarea relatiei (3.3.9) conduce la:
(3.3.10)
pe baza demonstratiilor date mai sus.
Dac si e(k) = 0 (3.3.10) coincide cu (3.3.8).
Cnd procesul are timp mort se parcurge acelasi algoritm nlocuind n
B
cu n
B
+ d.
O alt extensie utilizat adesea este ponderarea termenilor din prima sum a functiei
obiectiv (3.2.5):
(3.3.11)
unde P este un polinom monic n q
-1
si M un scalar egal cu P(1). Prin minimizarea lui
J, functia de transfer a buclei de reglare poate fi definit cu ajutorul lui P si M. De
exemplu, n paragraful 3.1.2 s-a demonstrat c pentru
si , mrimea reglat este dat de
(3.1.29):
(3.3.12)
iar polii buclei de reglare n circuit nchis se obtin din BPT (relatia (3.1.30)). S-a
artat c datorit factorului B n ecuatia caracteristic, apar probleme n reglarea
proceselor de faz neminim. Pentru a evita aceast situatie, B nu trebuie s fie inclus
n ecuatia caracteristic si, de aici, (3.1.30) devine:
(3.3.13)
mpreun cu T
*
= MT / B(1) performantele de urmrire ale sistemului n bucl
nchis, n absenta erorilor de modelare, sunt descrise de :
(3.3.14)
Relatia (3.3.14) se obtine prin minimizarea criteriului (3.3.11) dac sunt ndeplinite
urmtoarele conditii:
(3.3.15)
Dac relatiile (3.3.15) sunt satisfcute, atunci Py(k) va atinge referinta de tip w n
n
B
+ d +1 tacte de esantionare.
Pentru a demonstra acest lucru se va considera la nceput procesul fr timp mort si
apelnd la relatia (3.3.4) pe care o nmultim cu P se obtine:
(3.3.16)
Utiliznd aceleasi considerente ca la prima extensie prezentat n aceast sectiune,
rezult c trebuie satisfcute relatiile:
(3.3.17.)
(3.3.18.)
(3.3.19.)
Conditia (3.3.17) este ndeplinit dac si | = w deoarece prin
definitia (3.3.1) pentru Relatiile (3.3.18) si (3.3.19) sunt
ndeplinite dac:
(3.3.20)
si dac traiectoria de referint este de tip w. Demonstratia se ncheie prin nlocuirea
lui cu n (3.3.9) si cu n (3.3.10) si fcnd
aceleasi consideratii.
Pentru procesele cu timp mort se parcurg aceleasi etape nlocuind n
B
cu n
B
+d.
Pe baza celor demonstrate mai sus se poate arta c dac:
(3.3.21)
si traiectoria de referint este egal cu referinta constant r, atunci se obtine
performanta de urmrire prin minimizarea criteriului (3.3.11). n urma minimizrii se
va gsi:
(3.3.22)
ntr-adevr, din (3.3.22) rezult:
(3.3.23)
Pentru a obtine (3.3.23), semnalul Py(k) trebuie s ating referinta n n
B
+ d + 1 tacte
de esantionare. Considernd demonstratia anterioar, aceasta se obtine prin
minimizarea functiei obiectiv (3.3.11) cu
= 0 si dac
traiectoria de referint este egal cu referinta constant r.
La aceast extensie se pot face urmtoarele observatii:
- polii buclei de reglare sunt determinati de polinomul P;
- zerourile lui B nu sunt anulate (prin simplificare);
- procesele cu faz neminim pot fi reglate.
O alt extensie a fost folosit de De Keyser n algoritmul EPSAC pondernd n
cadrul functiei obiectiv eroarea de urmrire si nu comanda. Aceasta va modifica
functia obiectiv (3.3.11) si dac se consider = 0 se obtine:
(3.3.24)
unde
i
este factorul de ponderare a erorii de urmrire la momentul k + i. Metoda
EPSAC foloseste pentru
i
urmtoarea expresie:
(3.3.25)
De notat c pentru u = 1 eroarea de urmrire este ponderat cu aceeasi valoare peste
orizontul de predictie. n acest caz functia obiectiv (3.3.24) coincide cu (3.3.11) cu
= 0.
Alegnd u < 1, eroarea de urmrire n viitorul apropiat este mai putin important ca
eroarea de urmrire din viitorul ndeprtat. Aceast alegere pentru u este motivat prin
faptul c dac P = M = 1, un proces real nu poate urmri o schimbare a referintei, de
exemplu, ntr-un singur tact de esantionare. Din acest motiv, eroarea de urmrire
dintre iesirea predictat a procesului si referint poate fi destul de mare n primele
cteva tacte de esantionare (viitorul apropiat). Dac nu se includ aceste erori mari n
functia obiectiv ce este minimizat, regulatorul nu va ncerca s le reduc. De aici,
alegnd u < 1 n combinatie cu P = M = 1 se obtine de obicei o comand neted.
Totusi pentru procese cu faz neminim aceste conditii conduc la un rezultat opus.
Acesta poate fi explicat prin faptul c alegnd u < 1 este similar cu a alege p
m
> d + 1.
Dac u 0, atunci aceleasi rezultate sunt obtinute prin impunerea conditiei p
m
= p.
Evident, n acest caz, erorile de urmrire trebuie considerate n viitorul apropiat si, de
aici, u nu se alege prea mic.
n cazul si r(k + i) = r, eroarea de urmrire poate fi privit ca diferenta
dintre iesirea predictat a procesului si iesirea dorit:
(3.3.26)
Dac polinomul P este ales n asa fel nct procesul s poat urmri referinta filtrat
nu este nici un motiv s alegem u < 1. Pentru a face regulatorul mai putin activ se
poate apela n mod natural la ponderea comenzii ca n (3.3.11).
Alegnd u > 1 eroarea de urmrire din viitorul apropiat devine mai important si
conduce la actiuni mai active ale comenzii. Aceast alegere trebuie fcut cu
precautie deoarece simulri au artat c reglarea proceselor cu faz neminim n acest
caz poate avea ca rezultat obtinerea unor bucle de reglare instabile.
Pentru aceast extensie introdus n algoritmul EPSAC se pot trage urmtoarele
concluzii:
- rezultate similare se pot obtine prin impunerea conditiei p
m
> d + 1 mpreun
cu ponderarea comenzii cu ;
- ponderarea erorii de urmrire cu a fost necesar n EPSAC deoarece
comanda nu a fost ponderat si nu a fost inclus n proiectare un orizont minim
de predictie diferit de d + 1.
3.4 Functia obiectiv generalizat
Pentru a examina n scopul alegerii unei functii obiectiv, Soeterboeck (1990) a propus
urmtoarea functie obiectiv generalizat:
(3.4.1)
cu restrictiile
(3.4.2)
unde Q
n
si Q
d
sunt polinoame monice n q
-1
si nu au factori comuni. Dac procesul
supus reglrii are timp mort, criteriul (3.4.1) poate fi folosit, dar n acest caz u(k), ,
u(k + p - 1) nu vor afecta iesirile si de aici nici problema
optimizrii. Din acest motiv rezult c aceste iesiri predictate ale procesului nu trebuie
introduse n functia obiectiv de minimizat. De aici, orizontul minim de predictie p
m
trebuie ales mai mare sau egal cu d
m
+1 si functia obiectiv devine:
(3.4.3)
cu
(3.4.4)
si
(3.4.5)
n multe aplicatii practice exist restrictii asupra evolutiei comenzii impuse de
convertoarele D/A si de elementele de executie. Aceste restrictii se refer la nivelul si
respectiv viteza de variatie a comenzii. Ultimul tip de restrictie poate avea efecte
nefavorabile asupra stabilittii buclei de reglare.
Un mod natural de a lua n consideratie restrictiile asupra comenzii este minimizarea
criteriului (3.4.3) cu (3.4.4) n prezenta acestora:
(3.4.6)
(3.4.7)
unde u
min
si u
max
sunt limitele restrictiei de nivel, iar Au
min
si Au
max
sunt limitele
restrictie de vitez impuse comenzii.
Minimizarea criteriului (3.4.3) n raport cu secventa de comand si restrictiile (3.4.6)
si (3.4.7) nu poate fi realizat analitic, necesitnd metode de minimizare neliniare.
Dac nu sunt luate n consideratie restrictiile (3.4.6) si (3.4.7) solutia optimal a
functiei obiectiv (3.4.3) cu (3.4.4) poate fi determinat analitic.
Capitolul 4
Sinteza legii unificate de reglare cu predictie
Legea de reglare cu predictie se determin prin minimizarea unei functii obiectiv
ptratice n raport cu secventa de comand {u(k), , u(k + c 1)} peste orizontul c.
Dac se foloseste functia obiectiv generalizat (3.4.3) mpreun cu predictorul
generalizat (2.3.40), se obtine o lege unificat de reglare cu predictie UPC (Unified
Predictive Control - denumire dat de Soeterboek (1990)). Pentru unele regulatoare
predictive (de exemplu MAC) functia obiectiv este minimizat prin utilizarea unor
metode iterative. Totusi, cnd procesul este liniar, functia obiectiv este ptratic si nu
exist restrictii impuse comenzii, functia obiectiv poate fi minimizat analitic. n acest
capitol se va considera acest ultim caz.
4.1 Legea unificat de reglare cu predictie
4.2 Forma polinomial a legii de reglare cu predictie. Exemplul 4.2.1
4.3 Proprietti ale legii de reglare cu predictie
4.4 Traiectoria referintei
4.5 Acordarea parametrilor legii de reglare cu predictie
4.6 Regulatoare cu predictie
4.1 Legea unificat de reglare cu predictie
Functia obiectiv J este optimizat n raport cu vectorul u si deci, orice optim local
satisface relatia:
, (4.1.1)
unde g noteaz functia gradient. n plus, dac hessianul este pozitiv definit oricare ar
fi u, atunci orice optim local este un minim global. Hessianul H este dat de:
(4.1.2)
n continuare, pentru calculul gradientului n raport cu u, se ca folosi functia obiectiv
generalizat (3.4.3) rescris sub forma matriceal:
(4.1.3)
(4.1.4)
unde:
Suplimentar introducem vectorul u:
(4.1.5)
De notat c contine numai acele elemente ale secventei de comand ce trebuie
calculate, iar celelalte elemente peste orizontul de predictie trebuie s satisfac
restrictia (3.4.4).
Gradientul functiei (4.1.3) n raport cu devine:
. (4.1.6)
Calculul relatiei (4.1.6) necesit determinarea derivatelor partiale si .
4.1.1 Relatia dintre u
*
si u
Relatia dintre u si poate fi obtinut prin determinarea secventei
din (3.4.4):
(4.1.7)
Pentru obtinerea relatiei cerute se foloseste ecuatia diofantic:
(4.1.8)
sau
, (4.1.9)
unde gradul lui E
i-c
este i-c-1 si al lui F
ic
este | + n
N
1. Din relatia (4.1.9) nmultit
cu si utiliznd (4.1.7) rezult:
(4.1.10)
Separarea termenilor posteriori de cei anteriori momentului curent se face utiliznd
egalitatea:
(4.1.11)
n care gradele polinoamelor G
ic
si H
ic
sunt:
(4.1.12)
Utiliznd (4.1.11), (4.1.10) devine:
(4.1.13)
cu 1 s c < i s p d
m
. De notat c dac | = 1 si N = 1 ( de aici, comanda este
considerat constant pentru i = c + 1, , p d
m
), atunci G
ic
= 1 si H
ic
= 0.
Acum se poate scrie relatia dintre u si u utiliznd forma matriceal:
(4.1.14)
n care M este o matrice de dimensiune (p d
m
) c:
(4.1.15)
N este o matrice de dimensiune (p d
m
) (| + n
N
c):
(4.1.16)
unde j = p c d
m
si este dat de relatia:
(4.1.17)
De notat c dac c = p d
m
atunci M= I si N = O. n plus este necesar si relatia
dintre u si u
*
. Pornind de la egalitatea:
(4.1.18)
separarea termenilor posteriori de cei anteriori momentului curent se face utiliznd:
, (4.1.19)
unde u
i
si O
i
sunt polinoame avnd gradele (i 1) si respectiv
, dac . Pentru , gradele lui u
i
si O
i
sunt date de si
respectiv .
De notat c, deoarece Q
n
si Q
d
sunt monice, u
i
este monic de asemenea.
Utiliznd (4.1.19), (4.1.18) devine:
. (4.1.20)
Colectnd u
*
(k + i 1) pentru i = 1, , p d
m
ntr-o notatie matriceal se obtine:
(4.1.21)
unde este o matrice triunghiular inferior de dimensiune (p d
m
) (p d
m
) si
este o matrice de dimensiune (p d
m
) nO cu . Vectorul e dat
de relatia:
Folosind ecuatiile (4.1.14) si(4.1.21) relatia dintre u si u
*
este:
. (4.1.23)
Pe baza ecuatiei (4.1.23) se obtine:
. (4.1.24)
4.1.2 Relatia dintre y
*
si u
Derivata partial poate fi calculat utiliznd predictorul generalizat:
(4.1.25)
n care:
(4.1.26)
unde si matricele P si au dimensiunile (p p
m
+ 1)
(p d
m
) si respectiv . Vectorul K este
dat de relatia:
(4.1.27)
unde
(4.1.28)
Matricea K
c
se construieste cu coeficientii polinoamelor K
i
pentru i = p
m
, , p:
(4.1.29)
unde .
De notat c dimensiunile date mai sus sunt valide numai pentru n
A
> 0.
Utiliznd (4.1.25) si (4.1.14) relatia dintre si u devine:
(4.1.30)
si de aici:
. (4.1.31)
4.1.3 Determinarea algoritmului de reglare
Cu derivatele partiale obtinute n paragrafele 4.1.1 si 4.1.2 gradientul (4.1.6) devine:
(4.1.32)
iar heassianul H este :
. (4.1.33)
De notat c hessianul este independent de si este pozitiv definit . De aici
rezult c minimul global al lui J n raport cu se poate determina egalnd gradientul
(4.1.32) cu zero si rezolvnd n functie de se obtine:
. (4.1.34)
Deoarece aceast lege de reglare este bazat pe un predictor generalizat si o functie
criteriu generalizat, se numeste legea unificat de reglare cu predictie (UPC).
Din (4.1.34) se observ c matricea ce trebuie inversat pentru a determina are
dimensiunea . De aici rezult c din motive de calcul numeric se prefer o
valoare mic a orizontului comenzii care va reduce si timpul de calcul. n multe
situatii practice, orizontul comenzii se alege de valoare redus, respectnd
si de aici, inversarea matricei se face usor pentru procese de ordin redus. Primul
element al vectorului (u(k)) este utilizat n conducerea procesului, iar celelalte
elemente nu sunt folosite, deci nu trebuie s fie calculate. Din acest motiv legea
unificat de reglare cu predictie (4.1.34) poate fi redus la:
(4.1.35)
unde:
(4.1.36)
Legea de reglare (4.1.35) este usor de implementat pe calculator deoarece dup ce
vectorii v, , l, v
2
, z si z
2
sunt calculati o singur dat, calculul legii de reglare u(k)
devine simplu si rapid. De notat c dac Q
n
= 1 si Q
d
= 1, atunci z = 0 si .
Dac si , atunci z = r
11
, unde r
11
este primul element al matricei .
O problem care apare la calculul lui din (4.1.34) este inversabilitatea matricei
care uneori poate fi prost conditionat, sau nesingular. De exemplu, dac p
m
= d
m
+ 1
si = 0 apar probleme privind minimizarea criteriului (3.4.3) dac d > d
m
. n aceast
situatie u(k), , u(k + d 1) nu au efect asupra secventei y(k + 1), , y(k + d) si de
aici d d
m
linii din matricea P vor fi nule, fcnd matricea P
T
P singular. Pentru a
evita ca R s fie singular se poate manipula corespunztor orizontul comenzii c. Se
demonstreaz usor c acesta trebuie ales astfel nct
n general R este singular dac problema de optimizare nu are solutie unic.
Aceast situatie poate s apar usor. Astfel, considernd criteriul (3.4.3) cu (3.4.4) si
= 0, atunci c comenzi diferite trebuie determinate n asa fel nct secventa iesirii
predictate a procesului s minimizeze (3.4.3). Dac
, evident c vor exista mai multe solutii si de aici matricea R va fi
singular.
n concluzie pentru a obtine o matrice R nesingular trebuie s fie ndeplinite
conditiile: = 0 si . De obicei timpul mort d al procesului nu
este cunoscut cu precizie. Din acest motiv cel putin c trebuie ales n asa fel nct:
(4.1.37)
De asemenea si n alte situatii matricea R poate fi singular, de exemplu cnd are o
valoare mic ( = 10
6
).
4.2 Forma polinomial a legii de reglare cu predictie. Exemplul
4.2.1
Forma polinomial cea mai des utilizat pentru descrierea regulatoarelor proiectate
prin alocare este:
(4.2.1)
unde r(k + p) reprezint referinta. Acest regulator cu dou grade de libertate a fost
utilizat si pentru construirea formei standard a structurii de reglare cu predictie. n
continuare se propune rescrierea legii de reglare cu predictie (4.1.35) n forma
polinomial (4.2.1) care va fi utilizat n analiza sistemelor de reglare cu predictie.
Pentru implementarea algoritmilor cu predictie se utilizeaz ns forma (4.1.35).
Rescriind relatia (4.1.35) sub forma polinomial rezult:
(4.2.2)
n care:
(4.2.3)
unde P este un operator care transpune un vector ntr-un polinom, iar l
1
este format
din primele n
F
+ 1 elemente ale vectorului l si l
2
const din ultimele n
B
+ d
M
elemente
ale lui l.
Rescriind (4.2.2) rezult:
(4.2.4)
Din (4.2.4) se obtin direct polinoamele R, S si T
*
:
(4.2.5)
(4.2.6)
(4.2.7)
Pentru n
A
> 0 gradele polinoamelor R, S si T
*
sunt urmtoarele:
(4.2.8)
De notat c n cazul conditiilor T = 1, , Q
n
= 1 si Q
d
= 1, polinoamele
regulatorului (4.2.1) vor avea o form simplificat:
(4.2.9)
Dac n
A
= 0 (n cazul modelelor FIR), T
*
= 1 si atunci S = 0 deoarece
. n aceast situatie reactia negativ dispare din bucla de reglare. Totusi , dac
, reactia negativ este garantat A fiind diferit de zero n (4.2.6).
Legea de reglare (4.2.1) poate fi reprezentat n structura standard de reglare cu
predictie ca n fig. 4.2.1.
Folosind structura din fig. 4.2.1 rezult urmtoarele relatii pentru mrimea reglat si
respectiv comand:
, (4.2.10)
(4.2.11)
Exemplul 4.2.1
Se consider procesul din exemplul 2.2.1 descris prin modelul ARX:
S se proiecteze pentru aceast parte fixat o lege unificat de reglare
cu predictie considernd o referint constant S
p
. S se determine
forma polinomial a algoritmului predictiv si polinoamele R, S, T
*
.
Rezolvare:
Pentru obtinerea legii unificate de reglare cu predictie se porneste de la
functia obiectiv generalizat (3.4.1):
cu restrictia
Parametrii de acord se aleg folosind metodele euristice din paragraful
4.5.1. Procesul fiind amortizat au rezultat urmtorii parametri:
pentru a micsora varianta comenzii si
.
Cu aceste valori pentru parametrii de acord, functia obiectiv devine:
cu restrictia
sau sub forma matriceal:
unde
.
Datorit orizontului comenzii c = 2 legea de reglare se va obtine prin
minimizarea functiei obiectiv n raport cu vectorul :
.
Forma matriceal a predictorului se construieste pe baza rezultatelor
din exemplul 3.2.1:
Pentru a obtine legea unificat de reglare cu predictie se porneste de la
relatia (4.1.34):
.
ntruct modelul este de tip ARX, K = 0 si deoarece Q
n
= Q
d
= 1,
si . Matricele M si N care apar n relatia de mai sus se
calculeaz dup cum urmeaz:
unde I
c
este matricea unitate de ordinul c, iar matricea G se
construieste cu ajutorul coeficientilor polinoamelor
G
i-c
. Deoarece | = 1 si N = 1 rezult si urmtoarea form
pentru M:
.
Matricea N are structura:
,
unde O
c
este matricea nul de ordinul c, iar H este format din
coeficientii polinoamelor H
i-c
care sunt egali cu zero deoarece
si deci, H = 0.
Astfel, secventa de comand devine:
cu
.
Legea de reglare poate fi scris acum sub forma matriceal:
sau:
Comanda u(k) care se aplic prtii fixate se poate determina usor pe
baza relatiei de mai sus, sau folosind (4.1.35) si (4.1.36) rezult:
,
unde:
.
Pentru obtinerea formei polinomiale a legii unificate de reglare cu
predictie se va folosi relatia (4.2.2), care pentru conditiile specifice ale
exemplului devine:
cu:
unde sunt elementele vectorului v, iar
componentele vectorului l. nlocuind valorile parametrilor se obtine:
Polinoamele R, S si T
*
se determin cu relatiile (4.2.9):
regulatorul putnd fi pus sub forma (4.2.1):
4.3 Proprietti ale legii de reglare cu predictie
n acest subcapitol se vor prezenta performantele de regim stationar ale legii de
reglare cu predictie si efectele polinoamelor T si asupra indicilor de calitate ai
sistemului de reglare n circuit nchis.
4.3.1 Performantele de regim stationar
Se va considera n continuare o traiectorie de referint polinomial de tip w si
magnitudine k
r
descris de:
. (4.3.1)
Perturbatia (z
1
) ce actioneaz asupra iesirii procesului are forma:
(4.3.2)
unde m noteaz tipul perturbatiei, iar k

factorul ei de amplificare. De asemenea, se

consider c modelul procesului contine n integratoare. Cu aceste ipoteze iesirea
procesului poate fi exprimat prin relatia:
(4.3.3)
unde . Acum se introduc urmtoarele variabile:
o = numrul de factori A n . De aici ,
= numrul de factori A n Q
n
. De aici (4.3.4)
Avnd aceste date se poate obtine o conditie suficient pentru anularea erorii
stationare.
Astfel, dac si , atunci,
eroarea stationar se anuleaz dac traiectoria de referint este de tipul w, perturbatia
de tipul m si modelul procesului contine n integratoare.
ntr-adevr, rescriind ecuatia (2.4.1) a predictorului de ordinul i:
(4.3.5)
si aplicnd transformata z se obtine:
(4.3.6)
Utiliznd ecuatia diofantic (2.3.3):
(4.3.7)
si nlocuind polinoamele A, C, si D cu cele estimate , T si , (4.3.6) devine:
.
(4.3.8)
Iesirea predictorului n regim stationar se obtine apelnd la teorema valorii finale:
(4.3.9)
n care
(4.3.10)
nlocuind n (4.3.9) expresia lui Y(z
-l
), din (4.3.3) se obtine:
(4.3.11)
unde
(4.3.12)
Reamintim c se minimizeaz functia obiectiv (3.4.6) cu (3.4.7) si M= P(1). Valoarea
de regim stationar a functiei obiectiv va fi:
, (4.3.13)
unde
(4.3.14)
n plus, n regim stationar (3.4.7) devine:
. (4.3.15)
Utiliznd (4.3.1), (4.3.3) si (4.3.11), relatia (4.3.13) poate fi pus sub forma:
(4.3.16)
Comanda optimal n regim stationar se obtine prin minimizarea relatiei (4.3.16) n
raport cu U(z
1
). Acum se poate verifica usor c dac urmtoarele conditii sunt
satisfcute:
(4.3.17)
(4.3.18)
(4.3.19)
atunci comanda optimal n regim stationar va fi:
(4.3.20)
n aceste conditii valoarea de regim stationar a functiei obiectiv (4.3.16) este nul si
relatia (4.3.15) satisfcut. nlocuind (4.3.20) n (4.3.3) se obtine:
. (4.3.21)
Folosind aceast relatie si aplicnd teorema valorii finale rezult:
(4.3.22)
si deci anularea erorii stationare.
Observatii:
- Pentru = 0 conditia (4.3.18) nu este ndeplinit.
- Dac c = p d
m
, conditia (4.3.19) nu este satisfcut si de fapt nu
are loc (4.3.15) si de aici este anulat efectul lui |.
- Conditia suficient prezentat n aceast sectiune permite anularea
erorii stationare n momentele de esantionare. ntre momentele de
esantionare eroarea se va anula dac (4.3.17), (4.3.18) si (4.3.19)
sunt satisfcute si dac procesul contine cel putin max(m, w) 1
integratoare, adic dac n > max(m, w) 1.
Se cunoaste c anularea erorii stationare n bucl nchis este corelat cu prezenta a
cel putin m integratoare dac perturbatia si/sau referinta sunt de tip m. Acelasi rezultat
se obtine prin ndeplinirea conditiilor (4.3.17) (4.3.19). Din (4.2.10) rezult c R
trebuie s contin m n factori A si S(1) = T
*
(1). De aici se poate generaliza spunnd
c includerea a x factori A n Q
n
si si prin alegerea lui | egal cu x rezult x factori A
n R si de aici x integratoare n sistemul de reglare n bucl nchis.
4.3.2 Efectul polinoamelor T si asupra sistemului de reglare
Se va studia efectul polinoamelor T si asupra sistemului de reglare n bucl nchis
considernd c modelul procesului a fost bine estimat ( si ). n
aceste conditii T devine factor al ecuatiei caracteristice a sistemului de reglare, iar
nu afecteaz aceast ecuatie. ntr-adevr considernd polinomul caracteristic n care
nlocuim R si S cu (4.2.5) si respectiv (4.2.6) se obtine:
(4.3.23)
Considernd satisfcute egalittile si , relatia (4.3.23) poate fi
rescris astfel:
(4.3.24)
Relatia (4.3.24) demonstreaz c T este factor al ecuatiei caracteristice a sistemului de
reglare n circuit nchis.
S-a artat n capitolul 2 c nu are efect dect asupra lui K
c
. n plus (4.1.35) si
(4.2.2) arat c matricea K
c
influenteaz numai si, de aici, va afecta numai .
Acum, (4.3.24) demonstreaz c nu este prezent n ecuatia caracteristic si deci
nu influenteaz aceast ecuatie.
De asemenea dac modelul procesului a fost corect estimat, atunci T si nu vor
afecta performantele de urmrire ale sistemului de reglare.
Pentru a demonstra acest lucru vom considera expresia (4.2.10) a mrimii reglate:
(4.3.25)
din care rezult c performantele de urmrire sunt determinate de:
(4.3.26)
Pe baza primei consideratii din aceast sectiune rezult ceea ce doream s
demonstrm: performantele de urmrire nu sunt influentate de T si .
Observatie:
Totusi T si pot afecta performantele de urmrire ale sistemului de reglare
n circuit nchis deoarece este putin probabil s se obtin o estimare perfect
a modelului procesului. Pentru diferente mici ntre modelul estimat si cel
real, modificarea performantelor de urmrire de ctre T si este
nesemnificativ.
4.4 Traiectoria referintei
n expresia legii de reglare cu predictie apare secventa mrimilor de referint viitoare
. Aceasta este utilizat pentru a defini performantele sistemului de
reglare.
4.4.1 Traiectorii impuse mrimii reglate
Regulatorul cu predictie utilizeaz patru moduri pentru a specifica traiectoriile impuse
mrimii reglate. Astfel mrimile reglate fie trebuie s ating o referint constant, sau
s evolueze ntr-o anumit zon, s ajung n zona impus parcurgnd o restrictie de
tip "plnie", sau s urmreasc o traiectorie a referintei. Aceste situatii posibile sunt
reprezentate n fig. 4.4.1 unde zonele hasurate indic deviatii de la forma rspunsului
dorit care vor fi penalizate ptratic prin intermediul criteriului de performant.
Fig. 4.4.1. Traiectorii impuse mrimii reglate y(t)
Majoritatea regulatoarelor au optiunea de a impune o referint constant (fig.
4.4.1,(a)), mrimea reglat avnd att abateri pozitive ct si negative ce vor fi
penalizate de criteriul ptratic de performant, rezultnd o mrime de comand mai
putin neted. De asemenea se poate impune o zon n care s evolueze mrimea
reglat (fig. 4.4.1,(b)) definit prin limita superioar y
max
si prin limita inferioar y
min
.
Dac mrimea reglat prseste zona permis se poate utiliza o "plnie" (fig.
4.4.1,(c)) pentru aducerea lui y n interiorul intervalului [y
max
, y
min
]. Panta "plniei"
este determinat de intervalul de timp impus pentru rencadrarea mrimii reglate n
zona permis. Cu scopul de a evita suprareglrile, unele regulatoare cu predictie
folosesc o traiectorie de referint (fig. 4.4.1,(d)) care oblig mrimea reglat s ating
referinta mai lent. n fig. 4.4.1,(d) este folosit drept traiectorie o curb de ordinul I,
viteza de rspuns fiind dependent de constanta de timp a elementului de ordinul nti.
Modul de generare a traiectoriei va fi comentat n paragraful urmtor.
4.4.2 Generarea traiectoriei referintei
n generarea traiectoriei referintei se utilizeaz dou metode care tin seama de
cunoasterea aprioric sau nu a schimbrilor referintei. Pentru simplitate, dar fr a
reduce din generalitate, ne vom referi n continuare la sisteme fr timp mort
.
n primul caz o schimbare a referintei la k + p este deja cunoscut la momentul k si
regulatorul poate rspunde acestei modificri prin elaborarea corespunztoare a
comenzii u(k). n figurile 4.4.2, (a) si (b) este ilustrat aceast metod cnd traiectoria
de referint r(k) este egal cu referinta S
p
.
(a) (b)
Fig. 4.4.2 Schimbri ale referintei cunoscute aprioric
Figura 4.4.2, (a) ilustreaz situatia la momentul k 1. Schimbarea referintei la k + p
depseste orizontul de predictie si de aici nu este inclus n traiectoria referintei:
(4.4.1)
n fig. 4.4.2, (b) este reprezentat situatia la momentul k. Acum schimbarea referintei
este detectat si r devine:
(4.4.2)
Evident genernd r ca mai sus are loc relatia:
(4.4.3)
n plus n acest caz T* din (4.2.7) devine:
(4.4.4)
cu
(4.4.5)
Totusi, polinomul poate avea rdcini n afara cercului unitate care pot rezulta n
cazul sistemelor de reglare cu faz neminim. Cu toate c regulatorul este optimal n
raport cu functia criteriu care este minimizat, performantele n circuit nchis pot fi
alterate.
n multe aplicatii schimbrile referintei nu sunt cunoscute a priori.
Dac, de exemplu, operatorul modific referinta la momentul k, aceast referint este
depistat de regulator prin vectorul r:
(4.4.6)
De notat c la momentul k 1 referinta era definit de (4.4.1). n fig. 4.4.3, (a) si (b)
este ilustrat aceast metod.
(a) (b)
Fig. 4.4.3 Schimbri ale referintei necunoscute aprioric
Fig. 4.4.3, (a) ilustreaz traiectoria referintei la momentul k 1, iar fig. 4.4.3, (b) la
momentul k.
n aceast situatie relatia (4.4.3) nu este ndeplinit si de aici (4.4.4) nu mai este
valabil. Deoarece acum avem:
(4.4.7)
este dat de:
(4.4.8)
si de aici disparitia problemelor care apar cnd are rdcini n afara cercului unitate.
n afar de faptul dac sunt cunoscute a priori sau nu modificrile referintei, un rol
important l are si modul de generare a traiectoriei. Traiectoria poate fi o secvent
arbitrar de puncte, situatie ntlnit n robotic, sau la servosisteme. Totusi, pentru
multe procese se foloseste o traiectorie simpl descris de o functie de ordinul nti:
(4.4.9)
Pentru initializarea traiectoriei referintei la momentul k sunt dou posibilitti:
a. r(k) = y(k)
b. r(k) = valoarea initial a traiectoriei referintei r
i
.
Ambele cazuri sunt ilustrate n fig. 4.4.4, (a) si (b) pentru o traiectorie de ordinul nti.
(a) (b)
Fig. 4.4.4 Generarea traiectoriei de ordinul nti
n cazul (a) o bucl exterioar suplimentar este activat. Rescriind (4.4.9), aceasta
devine:
(4.4.10)
sau ntr-o form matriceal:
(4.4.11)
n care si sunt vectori de dimensiune :
(4.4.12)
. (4.4.13)
Substituind (4.4.11) n expresia legii de reglare (4.1.35) si utiliznd P = M= 1 si
rezult:
(4.4.14)
Din (4.4.14) se obtine direct c acum S n (4.2.1) este:
(4.4.15)
Deoarece este un scalar, se modific numai primul coeficient al lui S. De notat c
dac n
A
= 0, T = 1 si , atunci reactia negativ este realizat numai prin modul n
care este generat traiectoria referintei:
. (4.4.16)
Rspunsul dorit n bucl nchis poate fi definit prin alegerea traiectoriei referintei.
Totusi, acelasi scop poate fi atins prin alegerea polinoamelor P si M n functia
obiectiv ce trebuie minimizat. De aici exist o strns legtur ntre generarea
traiectoriei referintei ca n (4.4.9) si alegerea polinoamelor de forma:
(4.4.17)
Dac p = p
m
= 1, cele dou moduri de a defini performantele buclei de reglare n
circuit nchis sunt identice, iar (4.4.9) devine:
(4.4.18)
Substituind (4.4.18) n functia obiectiv (3.4.3) cu P = M = 1 si p = 1 se obtine:
(4.4.19)
Din (4.4.19) se observ imediat c acelasi rezultat se poate obtine utiliznd
r(k + 1) = S
p
si relatiile de definitie (4.4.17) pentru P si M.
Dac p > 1, functia criteriu (3.4.3) cu (4.4.17) poate fi rescris astfel:
(4.4.20)
De aici minimizarea criteriului (3.4.3) cu (4.4.17) este echivalent cu minimizarea lui
(3.4.3) cu P = M = 1 si traiectoria referintei generat de:
(4.4.21)
Dac , atunci (4.4.9) si (4.4.21) sunt identice. n general
aceast egalitate nu are loc, dar dac iesirea predictat a procesului urmreste cu
acuratete semnalul de referint, ambele metode conduc la acelasi rezultat.
Transformnd modelul continuu ntr-unul discret si utiliznd un extrapolator de
ordinul zero se obtine pentru P expresia:
(4.4.23)
unde:
(4.4.24)
Polinomul M se va calcula cu relatia:
(4.4.25)
4.5 Acordarea parametrilor legii de reglare cu predictie
Parametrii de acord care intervin ntr-o lege de reglare cu predictie sunt centralizati n
tabelul 4.1 specificndu-se natura acestora si gama n care iau valori.
Tabelul 4.1 Parametrii de acord
Simbol Parametru de acord Tipul parametrului Gama
p orizontul de predictie ntreg > p
m
p
m
orizontul minim de predictie ntreg d
m
+ 1 s p
m
s
p
c orizontul comenzii ntreg 1 s c s p d
m
|
tipul orizontului comenzii ntreg > 1
N cu | si c: orizontul comenzii polinom -
P cu M: filtru pentru eroarea de urmrire polinom -
M cu P: filtru pentru eroarea de urmrire real = P(1)

factor de ponderare real > 0

Q
n
cu Q
d
: filtru pentru comand polinom -
Q
d
cu Q
n
: filtru pentru comand polinom -
d
m
limita minim a timpului mort ntreg 0 s d
m
s d
d
M
limita maxim a timpului mort ntreg d s d
M
s p
T
cu si : modelul zgomotului
polinom -
cu si T: modelul zgomotului
polinom -
Acordarea acestor parametri din tabelul 4.1 se face n dou etape: prima cuprinde
metode euristice, iar cea de-a doua, metode de acordare fin.
4.5.1 Metode euristice de acordare
Aceste metode permit setarea initial a parametrilor de acord. Deoarece exist
diferente ntre metodele utilizate pentru procesele "amortizate" si cele "neamortizate",
cele dou categorii se vor trata separat.
- Metode pentru procese amortizate
Pentru procesele amortizate si care contin integratoare, n urma a numeroase simulri
Soeterboek (1990) recomand urmtoarele reguli pentru alegerea parametrilor de
acord.
p
m
= d
m
+ 1. Aceast valoare se bazeaz pe faptul c eroarea de urmrire peste
orizontul de predictie este inclus n functia criteriu. (Pentru alte detalii a se
consulta paragraful 3.2.1.)
c = n
A
. Aceast relatie s-a impus n urma compromisului ce trebuie realizat
ntre performante si robustete. Valori mai mari sau mai mici pot conduce la
cresterea robustetii dar altereaz performantele sistemului de reglare. (Pentru
alte detalii a se consulta paragraful 3.2.1.)
p = int [t
t
/ T
s
]. t
t
este durata regimului tranzitoriu a rspunsului indicial al
procesului (continuu). De notat c p este direct legat de perioada de
esantionare. Utiliznd o perioad de esantionare mic va rezulta un orizont de
predictie mare. (Pentru alte detalii a se consulta paragraful 3.2.1.)
| = max(max(w, m) n, 1). w si m noteaz tipul traiectoriei de referint si
respectiv al perturbatiei, iar n numrul integratoarelor din proces. Cu aceast
acordare se anuleaz erorile de regim stationar si pentru valori ct mai mici
posibile se mbuntteste stabilitatea.
= 0. Pentru multe aplicatii se prefer pentru factorul de ponderare valoarea
nul, caz n care Q
n
si Q
d
se aleg egali cu 1.
. mpreun cu alegerea lui | conduce la eliminarea erorilor de regim
stationar. Q
n
nu joac nici un rol deoarece s-a recomandat = 0. n plus P nu
va afecta performantele de urmrire si robustetea sistemului de reglare.
. Aceast valoare a lui T poate fi utilizat dac polii modelului sunt bine
amortizati. Ideal, T si ar trebui luati egali cu C si respectiv D cu scopul de a
obtine o bun rejectie a zgomotului. Totusi deoarece C si D sunt adesea
necunoscuti se prefer relatia de mai sus.
p
1
si p
2
se calculeaz cu relatiile (4.4.24). Traiectoria de
referint n acest caz va fi referinta S
p
(r = [S
p
, , S
p
]
T
).
n plus se alege M = P(1) si N = P.
- Metode pentru procese neamortizate
Dintre regulile de acordare prezentate pentru procesele amortizate se modific numai
dou (celelalte rmn neschimbate). Acestea sunt:
p = int [t
r
/ T
s
]. t
r
este timpul de crestere obtinut pe rspunsul indicial al
procesului.
cu = 0,8. Deoarece rdcinile lui T apar ca poli ai buclei de
reglare utilizarea egalittii nu este posibil. Aceast alegere pentru T
poate fi folosit si n cazul proceselor amortizate.
Dificultatea proiectantului este de a ncadra procesul intr-una din cele dou clase.
Dac regulatorul este acordat cu prima categorie de metode, iar procesul este
neamortizat vor rezulta oscilatii ale mrimii reglate. Dac aceste oscilatii sunt
suprtoare se schimb setul de reguli de acordare apelndu-se la o a doua categorie
de metode.
De obicei metodele de acordare euristic conduc la obtinerea unor performante bune.
Totusi sunt situatii cnd sunt necesare si metode de acordare fin, dup acordarea
initial, pentru a obtine performantele dorite.
4.5.2 Metode de acordare fin
Aceste metode se aplic atunci cnd performantele obtinute prin metode de acordare
euristic nu sunt satisfctoare. Pe baza rezultatelor teoretice si a simulrilor urmtorii
parametri nu sunt considerati parametri de acord n cadrul acestui paragraf: Q
n
, Q
d
, |,
p
m
, si p. Acesti parametri au fie o influent mic asupra comportrii sistemului de
reglare (de exemplu p) fie o influent greu de anticipat (de exemplu p
m
). Numai n
cazul c = 1, p poate fi considerat un parametru de acord deoarece actiunea acestuia
asupra performantei buclei de reglare este mai pronuntat. Parametrii : Q
n
, Q
d
, |, si
sunt determinati din conditia obtinerii erorii stationare nule. De aici rezult ca posibili
parametri de acord T, P, si c.
Acordarea fin se aplic n mai multe situatii care vor fi prezentate n continuare.
- Varianta comenzii este prea mare
Dac varianta comenzii este prea mare (regulatorul este prea activ) se recomand
utilizarea urmtoarelor reguli:
r
1
) Dac varianta comenzii este prea mare datorit actiunii zgomotului asupra
sistemului, atunci se va folosi polinomul T pentru a micsora varianta.
nlocuind cu:
(4.5.1)
prin cresterea lui se poate micsora varianta comenzii. Ca urmare, eliminarea
zgomotului va fi mai proast si eliminarea sarcinilor mai nceat. Totusi se va
mbuntti robustetea sistemului de reglare. De asemenea dac procesul difer
de modelul su, rspunsul buclei de reglare la schimbri ale referintei va fi
lent. O alt posibilitate de a alege polinomul T este:
(4.5.2)
Prin cresterea lui n modul descris mai sus se va obtine un regulator mai
putin activ.
r
2
) Dac schimbrile referintei produc variatii mari ale comenzii, acest lucru se
poate ntmpla datorit alegerii unui timp de rspuns prea mic pentru sistem.
Mrirea timpul de crestere si apoi reacordarea lui p vor face regulatorul mai
putin activ. Rezultatul va fi obtinerea unei durate a regimului tranzitoriu mai
mare.
Dac regulile r
1
) si r
2
) nu dau rezultate scontate se pot ncerca urmtoarele
dou:
) Micsorarea lui c. Deoarece n cadrul metodelor euristice de acordare se
recomand c = n
A
, sunt putine posibilitti de descrestere a lui c. Aceast
micsorare face sistemul de reglare mai lent, dar mai robust. n schimb
eliminarea zgomotelor si a sarcinilor se va nrutti. Numai n cazul cnd
reducerea lui c conduce la c = 1, p poate fi folosit ca un parametru de acord.
) Cresterea factorului de ponderare . Alegerea lui Q
n
si Q
d
conduce la
evitarea erorilor stationare si a problemelor legate de stabilitate.
Impunnd:
(4.5.3)
se obtine anularea erorii de regim stationar dar nu si un anumit grad de
stabilitate. Acesta din urm poate fi asigurat prin cresterea factorului de
ponderare .
- Eliminarea sarcinilor se face prea lent
Prin alegerea lui |, si Q
n
conform metodelor empirice de acordare, se obtine
eliminarea schimbrilor de sarcin n orice situatie. Dac aceast eliminare este prea
lent, se pot utiliza parametrii de acord , T si c pentru a o face mai rapid. De
asemenea va creste viteza de eliminare prin micsorarea lui , dac acesta nu a fost
ales zero. Cum de obicei = 0 se vor utiliza parametrii T si c dup urmtoarele reguli:
r
1
) Dac atunci se recomand nlocuirea acestuia cu (4.5.2) si = 0.8.
Prin micsorarea lui se asigur eliminarea rapid a sarcinilor.
r
2
) Dac c = 1, c poate fi crescut cu scopul obtinerii unei eliminri mai rapide,
dar cu ndeplinirea conditiei .
Obtinerea unor rezultate bune presupune folosirea combinat a celor dou reguli
prezentate mai sus.
- Urmrirea lent a referintei
Dac rspunsul la schimbri ale referintei este mai lent dect cel specificat prin P,
rdcinile lui P nu sunt dominante n raport cu polii sistemului de reglare care s-ar
obtine dac P = 1. De aici pentru a mbuntti urmrirea referintei n cazul P = 1 se
aplic urmtoarele reguli:
r
1
) Dac este diferit de zero, se micsoreaz .
r
2
) Se creste c, dac .
r
3
) Se creste , dac pentru T sunt folosite expresiile (4.5.1) sau (4.5.2).
Din pcate aplicarea regulilor de mai sus conduce la micsorarea robustetii.
- Acordarea fin pentru procese instabile
Dac procesele sunt instabile sau cu un rspuns indicial slab amortizat se recomand
utilizarea regulilor de acordare fin prezentate pn acum cu urmtoarele precautii:
- T se alege folosind relatia (4.5.2). Cresterea lui ( 1) reduce gradul de
stabilitate;
- se adopt dup regulile de acordare fin prezentate cu evitarea valorilor prea
mari;
- c nu trebuie ales unitar deoarece poate rezulta un sistem de reglare instabil.
4.6 Regulatoare cu predictie
n acest capitol a fost prezentat pn acum legea unificat de reglare cu predictie
UPC. Subcapitolul 4.6 este dedicat setrii parametrilor de acord ai acestei legi cu
scopul obtinerii principalelor legi de reglare cu predictie:
- DMC: Dynamic Matrix Control - Cutler si Ramaker, 1980
- PCA: Predictiv Control Algorithm - Bruijn s.a., 1984
- MAC: Model Algorithmic Control - Richalet s.a., 1978
- GPC: Generalized Predictive Control - Clarke s.a., 1987
- EPSAC: Extended Prediction Self-Adaptive Control - De Keyser si Van
Cauwenberghe, 1985
- EHAC: Extended Horizon Adaptive Control - Ydstie,1984.
Tabelul 4.2 contine parametrii de acord ai legilor de mai sus n raport cu legea
unificat de reglare cu predictie UPC (UPC \ ), care odat selectati se obtine functia
obiectiv specific din functia obiectiv generalizat:
cu:
.
Tabelul 4.2 Parametrii de acord ai principalelor regulatoare cu predictie
Regulator p p
m
c N
|
P M

Q
n
Q
d
DMC
\
d + 1
\
1 1 1 1
\ A
1
PCA
\
d + 1 p d 1 1
\ A
1
MAC
\
d + 1 p d 1 1
\ A
1
GPC
\ \ \
1 1
\ \ \ A
1
EPSAC
\
d + 1 1 1 1
\ \
0
EHAC
\
p 1 1 1 1 1 0
n tabelul 4.3 se dau parametrii modelelor utilizate de legile de reglare cu predictie din
tabelul 4.2 n raport cu regulatorul unificat UPC.
Tabelul 4.3 Parametrii modelelor
Regulator Model A B C D
DMC FSR 1
\
1
A
PCA FIR 1
\
1
A
MAC FIR 1
\
1
A
GPC ARIMAX
\ \ \ A
EPSAC ARIMAX
\ \ \ A
EHAC ARIX
\ \
1
A
Deoarece toate regulatoarele predictive se bazeaz pe acelasi concept (principiul
orizontului alunector) pot conduce procese complexe, motiv care a dus la succesul
acestor legi de reglare n aplicatiile industriale.
- Regulatorul DMC
Deoarece utilizeaz modele FSR pot fi reglate numai procesele stabile si fr
integratoare. Erorile stationare pentru referinte si/sau perturbatii constante se vor
anula ntruct D = A, | = 1 si Q
n
= A. Totusi pentru referinte si/sau perturbatii
neconstante apar erori de regim stationar.
Deoarece modelarea zgomotului se face cu 1/A regulatorul nu este optimal n
sensul variantei minime. Cu Q
n
= A si Q
d
= 1 rezult c se va pondera incrementul
comenzii, ceea ce va conduce la amortizri slabe, sau chiar instabilitate n circuit
nchis.
Setarea parametrilor de acord face posibil implementarea legilor "dead-beat" cu
regulatorul DMC. Deoarece P = M = 1 performantele de urmrire vor fi dictate de
generarea unei traiectorii adecvate a referintei.
- Regulatorul PCA
Regulatorul PCA se bazeaz pe modelul procesului de tip FIR, iar modelarea
zgomotului se face cu T = 1 si . Traiectoria referintei este generat de un filtru
de ordinul nti initializat la y(k). Regulatorul PCA prezint urmtoarele caracteristici:
- datorit modelelor de tip FIR pot fi controlate numai procesele stabile si fr
integratoare;
- , | = 1, Q
n
= A implic erori stationare nule pentru referinte si/sau
perturbatii constante si nenule dac semnalele exogene nu sunt constante;
- modelul zgomotului T/ fiind 1/A, rezult c regulatorul nu este optimal n
sensul minimei variante;
- c = p d conduce la posibilitatea folosirii metodelor de tip "dead beat", sau
alocare pentru proiectarea regulatorului. Pentru = 0 se poate obtine un
regulator de minim variant;
- Q
n
= A, Q
d
= 1 implic ponderarea incrementului comenzii si, de aici,
rspunsuri n bucl nchis slab amortizate, sau chiar instabile;
- generarea traiectoriei referintei cu un filtru de ordinul nti este echivalent cu
utilizarea unui polinom
n functia obiectiv.
- Regulatorul MAC
Regulatorul MAC foloseste tot un model FIR pentru proces, iar pentru zgomot T = 1
si
. Deosebirea de regulatorul PCA const n metoda de optimizare: analitic
pentru PCA si iterativ pentru MAC.
- Regulatorul GPC
Se folosesc pentru proces modele ARIMAX si deci regulatorul poate fi utilizat si
pentru prti fixate instabile. Traiectoria referintei este adesea generat cu un element
de ordinul nti initializat la y(k). De asemenea, se utilizeaz polinomul P pentru a
fixa performantele de urmrire. Principalele deosebiri fat de UPC sunt:
- implic luarea n consideratie numai a urmtoarelor perturbatii:
zgomotul de msur, miscarea brownian, zgomotul filtrat de sistemele
dinamice si schimbri ale sarcinii;
- , Q
n
= A si | = 1 conduc la erori stationare nenule pentru referinte si/sau
perturbatii constante;
- Q
n
= A, Q
d
= 1 implic ponderarea incrementului comenzii cu dezavantajele
privind performantele buclei nchise prezentate la regulatorul PCA.
- n GPC polinoamele P si N nu apar n expresia functiei obiectiv si n definirea
orizontului comenzii.
Ca si n cazul UPC, regulatorul GPC foloseste polinomul T pentru a influenta
robustetea si performantele de reglare ale sistemului de reglare. Se alege
, cu = 0,8 (valoare sugerat de Clarke).
- Regulatorul EPSAC
Acest regulator introduce n functia obiectiv un factor de ponderare suplimentar u
care pondereaz eroarea viitoare de urmrire. Din acest motiv nu se poate considera
un regulator din familia UPC, cu toate c s-a artat c u are aceeasi influent cu p
m
.
Diferentele importante dintre UPC si EPSAC sunt:
- implic rejectia acelorasi tipuri de perturbatii ca si n cazul
regulatorului GPC;
- , | = 1 conduc la erori stationare nenule pentru referinte si/sau
perturbatii neconstante;
- = 0 nu permite filtrarea anumitor frecvente care apar la iesirea regulatorului;
- deoarece c = 1, prin setarea corespunztoare a lui p se poate obtine un
regulator de minim variant;
- alegerea lui p se face dificil, de obicei dup regulile de acordare
experimental; totusi, s-a constatat c pentru acest tip de regulator rezult
comportri bune pentru majoritatea proceselor dac p = d + 5; pentru a obtine
performante mai bune se recomand .
- polinomul P este folosit si aici pentru a controla performantele de urmrire.
- Regulatorul EHAC
La nceput zgomotul nu era modelat, ulterior considerndu-se pentru aceasta T = 1 si
. Caracteristica principal a acestui regulator este p
m
= p si = 0. n combinatie
P = M = 1, functia obiectiv devine
Minimizarea lui J nu conduce la o solutie unic. Un mijloc de a obtine unicitate este
c = 0 sau:
Regulatorul EHAC prezint urmtoarele particularitti:
- pentru procesele bine amortizate de faz neminim se alege p egal cu timpul
de rspuns al sistemului de reglare n circuit nchis. Pentru celelalte procese
este dificil de gsit o valoare pentru orizontul de predictie;
- = 0 provoac imposibilitatea de a filtra unele frecvente de la iesirea
regulatorului;
- T = 1 implic folosirea numai a parametrului p pentru robustete.
- Comparatii cu UPC
UPC are urmtoarele caracteristici suplimentare:
- poate evita erorile stationare pentru referinte si/sau perturbatii neconstante;
- Q
n
, Q
d
nu sunt fixe putnd astfel filtra anumite frecvente ale semnalului de
comand n combinatie cu > 0;
- polinoamele P si N pot fi utilizate direct pentru a proiecta regulatorul folosind
o metod de alocare; dac P este un factor al lui
se poate specifica performanta de urmrire, iar T controleaz robustetea si
performanta de reglare;
Att GPC ct si UPC sunt capabile s conduc procese slab amortizate sau chiar
instabile. Celelalte regulatoare au propriettile urmtoare:
- pot controla procese cu timp mort;
- erori stationare nule pentru referinte si/sau perturbatii constante;
- atenuarea anumitor frecvente din semnalul de comand nu poate fi realizat.
Capitolul 5
Conducerea predictiv a sistemelor multivariabile
n acest capitol este prezentat legea unificat de reglare multivariabil cu predictie
obtinut prin extinderea regulatorului pedictiv unificat UPC de la cazul monovariabil
la cel multivariabil.
5.1 Modele pentru procese multivariabile
5.2 Predictori multivariabili
5.3 Functii obiectiv
5.4 Legea unificat de reglare multivariabil cu predictie
5.1 Modele pentru procese multivariabile
Pentru a determina modelul unificat al unui proces multivariabil se va porni mai nti
de la modelul liniar al procesului, obtinndu-se apoi structura optim pentru a
reprezenta acest model n cazul utilizrii reglrii cu predictie.
Se consider c procesul real multivariabil cu m intrri si n iesiri este descris prin
urmtorul model:
(5.1.1)
unde A(q
-1
) este o matrice polinomial nesingular de dimensiune , B(q
-1
) este o
matrice polinomial de dimensiune , iar sunt vectori la
momentul de timp t = kT
s
, respectiv vectorul de iesire de dimensiune , vectorul
de intrare de dimensiune si vectorul perturbatie de dimensiune . Matricele
polinomiale A(q
-1
) si B(q
-1
) se definesc astfel:
(5.1.2)
unde A
j
, j = 1, , n
A
si B
k,
, k = 0, , n
B
sunt matrice reale. Gradele matricelor
polinomiale sunt n
A
si respectiv n
B
. Ipotezele care se fac asupra matricelor
polinomiale ale procesului sunt urmtoarele: matricea polinomial A(q
-1
) este monic
si B
0
este matrice nesingular.
Perturbatia este modelat cu un zgomot alb filtrat si astfel modelul liniar general
(5.1.1) al procesului este acum:
(5.1.3)
unde e(k) este un vector zgomot de dimensiune considerat a fi zgomot alb de
medie 0. C(q
-1
) si D(q
-1
) sunt matrice polinomiale de dimensiuni adecvate definite
astfel:
(5.1.4)
avnd coeficienti matrice reale, D(q
-1
) fiind nesingular.
Pentru multe regulatoare predictive, C(q
-1
) si D(q
-1
) sunt matrice polinomiale fixate
deoarece n practic sunt greu de estimat cu suficient precizie. Astfel, aceste matrice
polinomiale devin parametri de proiectare, iar D(q
-1
) este ales ntotdeauna de forma:
(5.1.5)
unde este operatorul de diferentiere. Totusi, matricele polinomiale C(q
-1
) si
D(q
-1
) pot fi obtinute prin operatii de identificare. Aceasta face posibil utilizarea unui
model necunoscut n care C(q
-1
) si D(q
-1
) sunt parametri de proiectare.
Pentru a reprezenta modelul general al procesului (5.1.3) se pot folosi mai multe
structuri echivalente deoarece o descriere prin fractie de matrice la stnga poate fi
transformat oricnd ntr-o form echivalent de fractie de matrice la dreapta. De
exemplu, pentru modelul zgomotului se poate utiliza o descriere de tip fractie de
matrice la stnga. Totusi, modelul (5.1.3) este cel mai bun dintre toate structurile
posibile (De Vries si Verbruggen, 1994) deoarece este o form general care permite
obtinerea unor modele de tip ARX, ARMAX, ARIMAX, FIR sau FSR foarte simplu.
Conversia de la un model special la structura de model (5.1.3) va dura mai putin dect
dac s-ar folosi alte structuri de model. De asemenea, parametrii matricelor
polinomiale ai predictorilor obtinuti pe baza modelului (5.1.3) se calculeaz mai rapid
dect dac s-ar folosi alte structuri de modele generale posibile. Din aceste motive
pentru legea unificat de reglare multivariabil cu predictie se foloseste modelul
(5.1.3).
Pentru utilizarea modelului (5.1.3) n vederea obtinerii regulatorului UPC
multivariabil se consider urmtoarele ipoteze:
1 matricea de transfer a modelului intrare-iesire:
(5.1.6)
este strict proprie si matricea de transfer:
(5.1.7)
a modelului zgomotului este proprie. Ambele matrice de transfer sunt de ordin finit.
2 C(q
-1
) si D(q
-1
) sunt determinate cu ajutorul momentelor de ordinul unu sau doi
ale perturbatiei , sau sunt fixate.
3 relatia:
(5.1.8)
implic nesingularitatea matricelor C(q
-1
), A(q
-1
) si D(q
-1
).
4 toate rdcinile lui C(q
-1
) sunt n interiorul cercului unitate.
5 toate rdcinile lui A(q
-1
) sunt n interiorul cercului unitate dac si numai dac
procesul este descris printr-un model al erorii iesirii.
6 una dintre matricele polinomiale A(q
-1
), C(q
-1
) sau D(q
-1
) este diagonal sau una
dintre urmtoarele perechi de matrice polinomiale {A(q
-1
), C(q
-1
)}, {A(q
-1
), D(q
-1
)},
{C(q
-1
), D(q
-1
)}, sunt diagonale.
7 perechea de matrice polinomiale nesingulare {C(q
-1
), D(q
-1
)} este coprim la
dreapta si/sau una din urmtoarele perechi de matrice polinomiale {A(q
-1
), B(q
-1
)},
{A(q
-1
), [B(q
-1
), C(q
-1
)]} este coprim la stnga.
n cele ce urmeaz nu se vor folosi conditiile 6 si 7 deoarece pentru diferite
regulatoare predictive, aceste consideratii se exclud. Astfel, lund ultimele dou
consideratii ca parametri de proiectare, regulatorul UPC multivariabil va fi mult mai
general si modelele obtinute prin identificare pot fi folosite direct, fr a le transforma
n modele care respect conditiile 6 si 7 altfel formulate. Deci, pentru legea
unificat de reglare cu predictie multivariabil se va folosi modelul (5.1.3) cu
respectarea ipotezelor 1-5.
5.2 Predictori multivariabili
Predictorii multivariabili se calculeaz pornind de la modelul multivariabil (5.1.3) n
asa fel nct s se obtin o form generalizat utilizat pentru regulatoarele cu
predictie, iar calculul parametrilor matricelor polinomiale s se fac ct mai rapid.
Majoritatea regulatoarelor predictive folosesc predictori de minim variant deoarece
acestia necesit cele mai putine cunostinte apriorice despre perturbatia n relatia
(5.1.1) sau zgomotul e(k) n relatia (5.1.3). Un alt motiv al utilizrii acestui tip de
predictor (de minim variant) este c modelul predictiei va fi liniar si relativ usor de
calculat. De aici, predictorul multivariabil va fi de minim variant bazat pe modelul
(5.1.3). Totusi, multe modele de predictori utilizate n regulatoare cu predictie
furnizeaz predictii pentru iesirea filtrat a procesului. Filtrarea iesirii se face
ntotdeauna cu o matrice polinomial nesingular (uneori rational). Exist ns multe
regulatoare cu predictie care utilizeaz matricea de interactiune ca filtru pentru
mrimea de iesire si se consider c aceast matrice este cunoscut. Matricea de
interactiune reprezint structura timpului mort a procesului multivariabil si exist
ntotdeauna dac matricea de transfer a procesului este strict proprie si
(5.2.1)
Aceast cerint poate fi ntotdeauna satisfcut prin reducerea numrului de intrri si
este permis numai dac ne intereseaz reglarea procesului. Totusi, relatia (5.2.1) nu
este impus prin definitie deoarece aceasta nu este necesar n cazul regulatoarelor
predictive care pondereaz n mod explicit intrrile.
Matricea de interactiune V(q) este definit n (Goodwin si Sin, 1984) ca fiind matricea
polinomial care satisface relatiile:
i. (5.2.2)
unde f este un ntreg si :
ii.
, (5.2.3)
unde K este o matrice nesingular. n general, V(q) poate avea urmtoarea structur:
, (5.2.4)
unde
(5.2.5)
cu
si d
ij
este timpul mort dintre intrarea j si iesirea i. H(q) este o matrice unimodular de
forma:
(5.2.6)
si este divizibil prin q (sau este zero).
n cele mai multe cazuri, matricea de interactiune V(q) are urmtoarele dou forme
simple:
(5.2.7)
sau
. (5.2.8)
n primul caz se asociaz un singur timp mort d cu fiecare iesire, iar n cel de-al doilea
d
i
este timpul mort spre iesirea i.
Cu scopul de a obtine predictorul pentru legea unificat de reglare multivariabil cu
predictie se va folosi urmtorul filtru pentru mrimea de iesire:
(5.2.9)
unde
(5.2.10)
si
, (5.2.11)
fiind matricea de interactiune estimat. P(q
-1
)si devin parametri de
proiectare care trebuie s ndeplineasc urmtoarele conditii:
- P(q
-1
) este o matrice polinomial stabil cu P
0
nesingular
-
se alege n asa fel nct s fie egal cu matricea de interactiune a procesului.
Matricea polinomial P(q
-1
) a fost introdus cu scopul de a conferi regulatorului
capacitatea de a urmri un model. De aici, aceast matrice polinomial se alege de
obicei diagonal si monic. De notat c regulatorul unificat nu utilizeaz o matrice
polinomial rational de forma:
(5.2.12)
cu toate c acest tip de descriere este folosit n cadrul unor regulatoare importante cu
predictie (de exemplu Kinnaert (1989)). n practic, aceste regulatoare folosesc o
matrice P
d
real si nesingular. De asemenea, este usor de artat c toate avantajele
obtinute prin folosirea matricei polinomiale P
d
(q
-1
) n exprimarea lui P(q
-1
), se pot
obtine si prin utilizarea unei traiectorii de referint filtrate. Dezavantajul principal al
utilizrii matricei polinoamiale P
d
(q
-1
) este mrimea timpului de calcul al predictiilor.
Matricea polinomial este introdus cu scopul de a oferi toate informatiile
despre structura timpului mort a procesului multivariabil n vederea anticiprii
ntrzierilor pure. Totusi, nu este necesar ca matricea de interactiune s fie cunoscut
cu exactitate. De aici, si d sunt parametri de proiectare si nu este prin
definitie matricea de interactiune a procesului estimat. Dac matricea de interactiune
este cunoscut partial, se va alege astfel nct:
(5.2.13)
s fie o matrice polinomial rational proprie n .
n practic, aceast conditie se exprim prin forma diagonal:
. (5.2.14)
Dac timpul mort este necunoscut, dar se estimeaz c apartine intervalului
, atunci se alege:
. (5.2.15)
De notat c si, de aici, are ntotdeauna cel putin aceleasi proprietti
structurale ca si matricea de interactiune V(q). Astfel, matricea polinomial
este fie triunghiular inferior, fie diagonal, nesingular si cu toate rdcinile n
origine. Mai mult, desi prin definitie:
(5.2.16)
va fi nesingular cu exceptia cazului cnd , ceea ce implic
(aceasta rezult direct din structura matricei de interactiune). De asemenea trebuie
artat c matricea poate fi aceeasi pentru diferite valori ale parametrilor lui
(de exemplu si ). Totusi, alegerea lui este
important deoarece defineste valoarea lui d.
Se poate afirma, pe baza celor artate mai sus, c P
u
(q
-1
) din (5.2.9) reprezint un
filtru unificat pentru mrimea de iesire:
(5.2.17)
iar modelul unificat multivariabil al procesului devine:
. (5.2.18)
Regulatoarele cu predictie si predictorii contin n expresiile acestora doi termeni: unul
necunoscut care depinde de evolutia viitoare a mrimilor de intrare si unul cunoscut
cu valori din trecut ale intrrii si iesirii.
Predictiile iesirilor modelului (5.2.18) se pot calcula mai rapid, iar expresia
predictorului de ordinul i de minim variant este urmtoarea:
, (5.2.19)
unde , iar s-a determinat aplicnd operatorul de mediere E mrimii
filtrate obtinut din relatia (5.2.18), avnd date pn la momentul de timp
t = kT
s
. Pentru calculul lui se ntlnesc dou cazuri:
i. dac si numai dac si P(q
-1
) este o matrice diagonal, sau P
0
este
diagonal si n > 0, unde:
(5.2.20)
atunci:
(5.2.21)
unde este predictia asupra iesirii filtrate y
f
(k) efectuat cu date
pn la ;
ii. dac nu sunt ndeplinite conditiile (i) atunci pentru determinarea lui
se va folosi relatia:
. (5.2.22)
Matricele polinomiale din (5.2.19) sunt solutiile urmtoarelor ecuatii diofantice:
(5.2.23)
cu
(5.2.24)
(5.2.25)
cu
(5.2.26)
(5.2.27)
cu
. (5.2.28)
Dac procesul este descris printr-un model al erorii iesirii, C din (5.1.3) devine
si . n acest fel, solutia ecuatiei diofantice (5.2.25) se
poate calcula mai rapid substituind (5.2.23) n (5.2.25):
(5.2.29)
unde:
si (5.2.30)
si
. (5.2.31)
Gradele date de (5.2.24), (5.2.26), (5.2.28) si (5.2.31) sunt valabile numai dac n
A
> 0.
Expresia predictorului multivariabil de minim variant (5.2.19) s-a obtinut, conform
celor artate mai sus, printr-o procedur similar cazului monovariabil. Astfel, relatia
(5.2.19) rezult direct prin nmultirea lui (5.2.18) cu E
i
, substituind ecuatiile (5.2.23)
(5.2.28) si (5.2.17). Relatia (5.2.21) provine direct din predictia erorii:
(5.2.32)
cu i = 1. Conditia impus pentru calculul lui n cazul (i) este
determinat de P
0
, care altfel ar trebui nlocuit cu , n timp ce matricea este
singular; de aici, ecuatia (5.2.21) nu va avea solutie, sau nu va avea solutie unic
pentru . Relatia (5.2.22) rezult direct din (5.1.3).
Solutiile ecuatiilor diofantice (5.2.23) (5.2.31) conduc la proprietti similare cu cele
de la sistemele monovariabile (demonstratiile n De Vries and Verbruggen (1994)).
Astfel, coeficientii matriceali ai lui E
i
(q
-1
), G
i
(q
-1
) si H
i
(q
-1
) sunt egali cu primele i
matrice rspunsuri discrete la impuls ale matricelor de transfer:
-
-
(5.2.33)
si respectiv
-
.
De aici:
pentru X = E, G si H. (5.2.34)
Din (5.2.34) rezult c nu mai este necesar utilizarea indicelui i pentru coeficientii
matriceali ai lui E
i
(q
-1
), G
i
(q
-1
) si H
i
(q
-1
).
De asemenea:
si , (5.2.35)
unde sau . Rang dac este egal cu
matricea de interactiune a procesului si K
s
= 0 dac nici un element a lui nu este
egal cu nici unul din elementele (nu neaprat corespondente) matricei de interactiune.
Cea mai important consecint a relatiei (5.2.35) este c predictorii de ordinul
i = 1, , d 1 sunt independenti de evolutia viitoare a intrrilor. De aici rezult c
intereseaz numai predictorii pentru . Totusi este necesar s se
calculeze solutiile ecuatiilor diofantice (5.2.23), (5.2.25) si (5.2.29) pentru a obtine
conditiile initiale (solutia pentru i = d).
n cazul sistemelor monovariabile, predictorii se calculeaz pentru
unde . La sistemele multivariabile se vor calcula predictorii
pentru unde si p
j
nu sunt necesari aceiasi pentru toti j. n
acest fel mai apare un parametru care va da posibilitatea impunerii formei dorite a
rspunsului.
Algoritmul de calcul al predictorilor prin rezolvarea ecuatiilor diofantice (5.2.23)
(5.2.31) d rezultate foarte bune dac se foloseste acelasi orizont de predictie pentru
toate iesirile filtrate. Totusi, se pot calcula predictorii multivariabili si pentru
orizonturi de predictie diferite. n continuare se vor prezenta trei metode pentru
calculul parametrilor predictorilor multivariabili, care utilizeaz urmtoarele notatii:
(5.2.36)
1. Se calculeaz prin metoda uzual predictorul multivariabil pentru
si se elimin liniile j ale vectorului si ale matricelor polinomiale
, E
i
(q
-1
), F
i
(q
-1
), G
i
(q
-1
), L
i
(q
-1
) si K
i
(q
-1
) din relatiile (5.2.23)
(5.2.31), pentru i > p
j
, j = 1, , n. De asemenea, cnd se calculeaz parametrii
predictorului multivariabil cu aceast metod ar trebui eliminate si liniile j ale
matricelor polinomiale mai sus mentionate si ale vectorului pentru
. Totusi calculul acestor linii este necesar pentru a obtine
conditiile initiale pentru .
2. Se utilizeaz asa numitul "filtru al orizonturilor diferite":
(5.2.37)
si se calculeaz predictia pentru:
(5.2.38)
folosind orizonturile ajustate si metoda 1. Avantajul utilizrii lui este acela
c se pot ajusta orizonturile n asa fel nct noul sau ai lui
sunt aceiasi, sau c diferenta devine mai mic pentru toti indicii j.
3. Se transform modelul ntr-unul echivalent astfel nct , A(q
-1
)
si D(q
-1
) s fie diagonale. Astfel, modelul unificat multivariabil (5.1.3) va fi
format din n modele separate cu mai multe intrri si o singur iesire, avnd
iesirile
. Cei n predictori se pot calcula cu ecuatiile diofantice (5.2.23) si (5.2.25), (5.2.27),
(5.2.29) care vor fi, prima n form scalar, iar celelalte n form vectorial.
Prima metod este mai rapid dect celelalte dou. De notat c pentru metoda 3
matricele C(q
-1
) si D(q
-1
) se aleg de forma:
(5.2.39)
unde matricele C''(q
-1
) si D''(q
-1
) sunt diagonale. De aici rezult c metoda a treia are
un numr mai mic de grade de libertate n alegerea parametrilor de proiectare dect
primele dou metode.
5.2.1 Forma matriceal a predictorilor multivariabili
Forma matriceal se obtine prin gruparea predictorilor multivariabili pentru
si , unde:
(5.2.40)
si are forma:
(5.2.41)
unde:
(5.2.42)
si este egal cu dac se elimin din expresia lui liniile:
, (5.2.43)
iar
(5.2.44)
Expresiile si dimensiunile vectorilor si sunt urmtoarele:
(5.2.45)
(5.2.46)
(5.2.47)
.
Matricele reale H
d
, S
d
si L
d
din relatia (5.2.41) au dimensiuni corespunztoare, iar H
d
se obtine prin eliminarea acelorasi linii (5.2.43) din matricea:
(5.2.48)
Submatricele H
j
sunt egale cu coeficientii matriceali de ordin j ai matricelor H
i
(q
-1
) n
(5.2.27) si, deci, pot fi chiar matrice. Matricele L
d
si S
d
, cu
(5.2.49)
contin coeficientii matriceali ai matricelor polinomiale L
i
(q
-1
) si F
i
(q
-1
), K
i
(q
-1
) n
(5.2.23)-(5.2.29) pentru , crora li s-au eliminat aceleasi linii ca n relatia
(5.2.43).
5.2.2 Proprietti ale predictorilor multivariabili
De multe ori matricele polinomiale C(q
-1
) si D(q
-1
) sunt utilizate ca parametri de
proiectare. n continuare se va analiza influenta acestor matrice polinomiale asupra
predictorilor multivariabili, considernd si pentru toti j. Analiza
poate fi extins si pentru si n cazul anumitor valori ale lui j.
Dac n modelul multivariabil al procesului se nlocuiesc matricele polinomiale cu
estimatiile acestora si , expresia predictorului
multivariabil poate fi pus sub forma:
(5.2.50)
prin folosirea relatiilor (5.2.19) si (5.2.22). Ca si la predictorii monovariabili, vezi
relatiile (2.3.23) si (2.3.26), si aici la cei multivariabili, a aprut un termen aditional.
Prima proprietate a predictorilor multivariabili se deduce direct din ecuatiile
diofantice (5.2.23), (5.2.25), (5.2.29) si relatia (5.2.50). Astfel, predictorii
multivariabili provin din predictorii calculati cu , sau
si , la care se adaug un termen aditional ce depinde de modul n care
perturbatia a fost modelat. n relatia (5.2.19) termenul este .
Consecinta acestei proprietti este faptul c se pot reprezenta predictorii multivariabili
bazati pe modele diferite utiliznd un termen aditional ce depinde de filtrarea cu
a diferentei dintre mrimea msurat (cu
si e(k) = 0) si estimarea iesirii procesului.
Eroarea de predictie a predictorilor multivariabili va fi:
(5.2.51)
dac perturbatia este de forma:
. (5.2.52)
Din (5.2.51) rezult c efectul erorilor de modelare si al perturbatiilor poate fi
influentat utiliznd matrice polinomiale si adecvate. Deoarece
conceptul de control predictiv se bazeaz pe predictiile iesirilor procesului, att
ct si vor influenta propriettile de reglare n circuit nchis n raport cu
erorile de modelare.
5.3 Functii obiectiv
Ca si n cazul monovariabil, utiliznd diferite functii obiectiv se pot obtine diferite
regulatoare multivariabile cu predictie. Se vor considera numai functiile obiectiv
ptratice care pot fi minimizate mai usor. Mai mult, cu modelele liniare ale proceselor
multivariabile si fr restrictiile aplicate mrimilor de iesire ale regulatoarelor,
problema de minimizare se va rezolva analitic. Astfel, functia obiectiv ptratic
pentru cazul multivariabil va fi:
(5.3.1)
cu relatia de definitie a orizonturilor comenzilor :
. (5.3.2)
n relatia (5.3.1) este un vector ce noteaz elementul i al vectorului x(k), iar
iesirea filtrat y
f
(k) se foloseste cu filtrul unificat P
u
(q
-1
) (vezi relatia (5.2.17)).
Traiectoria referintei r(k) este filtrat si ea cu filtrul R
u
(q
-1
) rezultnd r
f
(k) descris de:
,
(5.3.3)
unde R
d
(q
-1
) este o matrice polinomial monic stabil, iar R
n
(q
-1
) o matrice
polinomial nesingular, ambele avnd dimensiunea . Pentru a micsora erorile
de regim stationar matricele R
d
(q
-1
) si R
n
(q
-1
) se aleg astfel nct:
(5.3.4)
Traiectoria de referint filtrat este generat utiliznd membrul drept al relatiei
(5.3.3), motiv pentru care filtrul R
u
(q
-1
) a fost modelat printr-o fractie de matrice la
stnga.
Matricele polinomiale Q
n
(q
-1
) si Q
d
(q
-1
) se aleg astfel nct si s fie
nesingulare pentru a asigura existenta legii multivariabile de reglare cu predictie. Mai
mult, Q
d
(q
-1
) trebuie s fie stabil si de multe ori, fr a pierde din generalitate,
.
este o matrice real diagonal, care este pozitiv definit sau egal cu matricea
nul.
Iesirile regulatorului sunt ponderate de la i = 1 (pentru acelasi motiv pentru care
si trebuie s fie nesingulare) pn la (datorit impunerii
inegalittilor si ).
este un polinom monic cu toate rdcinile n interiorul cercului unitate, iar z un
polinom monic arbitrar. Cu ajutorul acestora se pot construi matricele
polinomiale diagonale:
. (5.3.5)
Se pot folosi diferite orizonturi minime de predictie , orizonturi de predictie
sau orizonturi ale comenzii ca parametri de acord ai legii multivariabile de reglare
cu predictie. De asemenea filtrele P
u
(q
-1
) si R
u
(q
-1
) pot utiliza o matrice de
interactiune estimat n locul matricei de interactiune complet cunoscut, sau
necunoscut.
Pentru filtrarea iesirii regulatorului multivariabil se foloseste n general matricea
polinomial rational:
. (5.3.6)
Cele mai multe regulatoare cu predictie consider egal cu I sau AI.
Avantajul folosirii unui filtru general este posibilitatea de a obtine o filtrare
trece band a comenzilor.
Filtrele z si u se aleg pentru majoritatea regulatoarelor predictive 1 si respectiv A (sau
1), dar pot fi folosite si alte polinoame. Cu toate c filtrele
si nu se consider prin definitie matrice polinomiale diagonale, n cele mai
multe cazuri se alege forma diagonal.
Functia obiectiv ptratic (5.3.1) cu (5.3.2) este expresia functiei obiectiv (3.4.3) cu
(3.4.4.) din cazul monovariabil, care prin minimizare permite obtinerea legii unificate
de reglare multivariabil.
5.4 Legea unificat de reglare multivariabil cu predictie
Legea de reglare multivariabil se obtine prin minimizarea functiei obiectiv (5.3.1) n
raport cu secventa de comand peste orizonturile comenzilor (5.3.2). Pentru aceasta,
mai nti relatia (5.3.1) este rescris sub forma matriceal:
, (5.4.1)
unde este dat de (5.2.41), are aceeasi dimensiune ca si si este
egal cu din relatia (5.4.2) dac aceleasi elemente din sunt eliminate ca n
(5.2.43). Astfel rezult:
(5.4.2)
(5.4.3)
iar:
(5.4.4)
si:
. (5.4.5)
n plus se va defini vectorul ca fiind vectorul din (5.2.45) din care se
elimin elementele:
(5.4.6)
iar:
. (5.4.7)
Astfel definit vectorul contine elementele secventei viitoare de comand care
trebuie calculate, iar celelalte elemente ale lui satisfac relatia (5.3.2).
Pentru a obtine secventa viitoare de comand trebuie anulat gradientul:
rezultnd dup parcurgerea etapelor de calcul de la cazul monovariabil:
(5.4.8)
unde , si matricele reale H
d
, S
d
si L
d
sunt date n (5.2.41), iar:
(5.4.9)
N
d
si sunt matrice reale de dimensiuni adecvate, M
d
este o matrice real avnd
dimensiunea , este o matrice real cu
si este nesingular dac si sunt
nesingulare.
Matricea ptratic:
(5.4.10)
se consider a fi nesingular. Aceast conditie este ndeplinit prin alegerea unei
matrice , deoarece este ntotdeauna nesingular.
Legea de reglare (5.4.8) este aplicat n sensul principiului orizontului alunector si
astfel numai primele m elemente ale lui trebuie calculate. De aici legea de
reglare poate fi simplificat prin nmultirea relatiei (5.4.8) cu o matrice T
d
format din
primele m rnduri ale unei matrice identitate, rezultnd
(5.4.11)
unde
(5.4.12)
iar matricele reale din (5.4.12) au dimensiuni adecvate.
Legea de reglare (5.4.11) poart denumirea de lege unificat de reglare multivariabil
cu predictie. Aceasta poate fi pus si sub forma matriceal polinomial apelnd la
structura standard a unei legi de reglare obtinut printr-o metod de alocare (vezi
cazul monovariabil relatia (4.2.1)):
(5.4.13)
unde R(q
-1
), P(q
-1
) si S (q
-1
) sunt matrice polinomiale de dimensiuni adecvate.
Transformarea legii de reglare (5.4.11) n forma (5.4.13) se realizeaz prin utilizarea
operatorului:
(5.4.14)
unde
. (5.4.15)
n plus se introduc urmtoarele relatii pentru a realiza transformarea legii de reglare:
, (5.4.16)
unde n
F
este definit n (5.2.47), si
, (5.4.17)
unde matricea de dimensiune se obtine apelnd la din
(5.4.12) prin nlocuirea coloanelor cu zero pentru acele elemente ale lui n
(5.4.2) care au fost eliminate pentru a obtine n (5.4.1). Astfel, relatia (5.4.11)
poate fi adus la forma (5.4.13) prin aplicarea operatorului P
f
matricelor din (5.4.11),
matricele polinomiale corespunztoare fiind notate fr "tilda", si lund n considerare
relatiile (5.4.16) si (5.4.17). n ecuatia rezultat se vor folosi relatiile (5.3.3) si
(5.2.22) si apoi se vor rezolva urmtoarele ecuatii:
(5.4.18)
unde:
.
(5.4.19)
Substituind acum relatiile (5.4.18) de la stnga la dreapta si nmultind dup fiecare
substituire cu si respectiv se obtin matricele polinomiale:
(5.4.20)
Pornind de la forma matriceal polinomial (5.4.13) a legii de reglare si considernd
structura standard a unui sistem de reglare cu predictie (fig.3.1.2) se pot determina
secventele mrimilor reglate si ale comenzilor:
(5.4.21)
(5.4.22)
unde si se obtin rezolvnd urmtoarele ecuatii:
(5.4.23)
Propriettile sistemului n bucl nchis
O strategie de reglare are succes dac sunt cunoscute influentele parametrilor
regulatorului asupra performantelor sistemului de reglare. De asemenea se prefer
exprimarea analitic a relatiilor dintre parametri de proiectare si performante. n
continuare se vor prezenta principalele rezultate analitice obtinute prin impunerea
unor anumiti parametri de proiectare legii unificate de reglare multivariabil cu
predictie.
Aceast lege de reglare poate conduce la obtinerea unui regulator cu minim variant
sau a unui sistem de reglare decuplat dac sunt ndeplinite urmtoarele conditii
preliminare:
(5.4.24)
unde este matricea de interactiune a matricei rationale:
si matricea real H
d
M
d
din (5.4.8) este nesingular.
Pentru a obtine regulatorul cu minim variant mai trebuie ca
si parametrii legii de reglare s satisfac relatiile:
(5.4.25)
si .
Un sistem de reglare multivariabil decuplat descris de:
(5.4.26)
se obtine dac matricea de interactiune este diagonal, e(k) = 0 si parametrii
legii unificate de reglare se aleg astfel:
(5.4.27)
si
sau
(5.4.28)
si
d
j
este gradul rndului j al matricei polinomiale si si
trebuie s fie diagonale att pentru (5.4.27) ct si pentru (5.4.28).
Capitolul 6
Conducerea predictiv generalizat
Algoritmul GCP, care va fi prezentat n acest capitol, este unul dintre cei mai
rspnditi algoritmi de reglare cu predictie att n industrie, ct si n mediile
academice. A fost implementat cu succes n mai multe aplicatii industriale (Clarke,
1988) demonstrnd obtinerea unor performante bune si un grad nalt de robustete.
Regulatorul GCP rezolv multe probleme de control pentru o clas larg de procese,
folosind un numr redus de parametri de proiectare.
Conducerea predictiv generalizat are multe prti comune cu regulatoarele predictive
prezentate n capitolele anterioare, dar are si unele particularitti. Legea de reglare
poate fi obtinut analitic n absenta restrictiilor, ncorporeaz conceptul de orizont al
comenzii si utilizeaz incrementul comenzii ponderat n functia obiectiv.
6.1 Formularea problemei de conducere predictiv generalizat
6.2 Analiza sistemului n bucl nchis. Exemplul 6.2.1
6.3 Conducerea predictiv generalizat a proceselor multivariabile.
Exemplul 6.3.1
6.1 Formularea problemei de conducere predictiv generalizat
Algoritmul GCP foloseste pentru procesele monovariabile modele liniare ARMAX si
ARIMAX, considernd c acestea se obtin prin liniarizare n cazul functionrii n
jurul unei referinte particulare. Pentru multe aplicatii industriale modelul ARIMAX se
consider a fi cel mai potrivit, utilizndu-se sub forma:
(6.1.1)
unde A este operatorul de diferentiere .
La nceput se va considera , urmnd ca zgomotul colorat s fie prezentat
mai trziu.
6.1.1 Cazul zgomotului alb
Algoritmul GCP const n calcularea unei secvente de comand care minimizeaz o
functie obiectiv de forma:
(6.1.2)
Pe lng orizontul minim p
m
, orizontul de predictie p si orizontul comenzii c, mai apar
n functia obiectiv (6.1.2) ca parametri de proiectare secventele de ponderare si
. n cele mai multe aplicatii si este considerat constant.
Pentru calculul predictiilor de ordinul i se porneste de la modelul procesului (6.1.1)
pentru care se introduce notatia:
(6.1.3)
si se foloseste ecuatia diofantic:
. (6.1.4)
Ca si n primele capitole, pentru simplificarea scrierii se va omite operatorul de
ntrziere q
-1
. Gradele polinoamelor E
i
si F
i
vor fi de data aceasta i 1 si respectiv n
A.
Dac relatia (6.1.1) se nmulteste cu se obtine:
. (6.1.5)
Considernd (6.1.4), relatia (6.1.5) poate fi rescris sub forma:
(6.1.6)
sau:
. (6.1.7)
ntruct gradul lui E
i
este i 1, ultimul termen din membrul drept al relatiei (6.1.7) va
furniza numai zgomotul din viitor. Prin introducerea notatiei:
(6.1.8)
si cu observatia de mai sus privind zgomotul, rezult expresia predictorului de ordinul
i prin aplicarea operatorului de mediere E relatiei(6.1.7):
. (6.1.9)
Polinoamele E
i
si F
i
pot fi obtinute si recursiv. Astfel, se consider c aceste
polinoame s-au obtinut prin mprtirea lui 1 la pn ce restul mprtirii a putut fi
factorizat n forma . Polinoamele E
i
si F
i
au expresiile:
(6.1.10)
Dac se aplic aceeasi procedur pentru obtinerea polinoamelor si , rezult c
se va mprti 1 la pn ce restul mprtirii va fi factorizat n forma cu:
. (6.1.11)
Rezult c obtinerea polinoamelor si s-a realizat efectund un pas n plus fat
de algoritmul de obtinere a polinoamelor E
i
si F
i
. Astfel
,
polinomul va fi de
forma:
(6.1.12)
cu:
, (6.1.13)
iar coeficientii polinomului se pot calcula cu relatia:
. (6.1.14)
De asemenea polinomul poate fi obtinut recursiv dup cum urmeaz:
, (6.1.15)
sau:
. (6.1.16)
Din (6.1.16) rezult c primii i coeficienti ai lui sunt identici cu cei ai lui G
i
, iar
ultimii coeficienti se vor calcula cu:
. (6.1.17)
Pentru minimizarea functiei obiectiv (6.1.2) n vederea obtinerii secventei de comand
trebuie fixati parametrii p
m
, p si c. Dac procesul are timpul
mort d, n cadrul algoritmului GPC parametrii de acord se aleg astfel:
. (6.1.18)
Forma matriceal a predictorilor de ordinul i, se obtine folosind relatiile:
(6.1.19)
Grupnd relatiile de mai sus se obtine:
(6.1.20)
unde:
(6.1.21)
.
Pentru a scoate n evident c si sunt matrice polinomiale, s-a scris
explicit c si sunt polinoame n .
Se observ c ultimii doi termeni din membrul drept al relatiei (6.1.20) depind numai
de trecut si pot fi grupati n asa numitul "rspuns liber" f rezultnd:
. (6.1.22)
De notat c atunci cnd toate conditiile initiale sunt nule, rspunsul liber f este de
asemenea zero.
Dac o treapt unitate este aplicat la intrare la momentul t = kT
s
, rezult:
(6.1.23)
si astfel secventa de iesire predictat este egal cu
prima coloan a matricei G. Deci, prima coloan a matricei G poate fi determinat din
rspunsul indicial al procesului.
Si rspunsul liber poate fi calculat recursiv cu expresia:
(6.1.24)
cu:
. (6.1.25)
Avnd forma matriceal a predictorului (6.1.22) se poate rescrie si functia obiectiv
(6.1.2) sub forma matriceal:
(6.1.26)
unde:
. (6.1.27)
Introducndu-se notatiile:
(6.1.28)
functia obiectiv (6.1.26) poate fi scris sub forma:
. (6.1.29)
Valoarea minim a lui J, n ipoteza c nu exist restrictii impuse mrimilor de
comand, se poate determina anulnd gradientul lui J, rezultnd:
. (6.1.30)
Din vectorul u numai primul element va fi trimis spre proces, care poate fi calculat cu:
, (6.1.31)
unde K este prima linie a matricei .
Relatia (6.1.31) conduce la structura de reglare din fig 6.1.1 specific algoritmului
GPC. Dac nu vor exista erori predictate , atunci incrementul comenzii
Au(k) va fi zero deoarece obiectivul va fi realizat prin evolutia liber a procesului. n
celelalte cazuri
Fig. 6.1.1 Structura de reglare pentru strategia GPC
incrementul comenzii este o mrime proportional cu eroarea viitoare. De notat c
pentru elaborarea comenzii se folosesc erorile viitoare si nu cele anterioare ca n cazul
regulatoarelor conventionale.
6.1.2 Cazul zgomotului colorat
Cnd polinomul din relatia (6.1.1) este diferit de 1, predictiile se vor modifica.
Pentru a calcula predictorii n aceast situatie trebuie rezolvat urmtoarea ecuatie
diofantic:
, (6.1.32)
polinoamele E
i
si F
i
avnd gradele i-1 si respectiv n
A
.
nmultind relatia (6.1.1) cu si utiliznd (6.1.32) se obtine:
. (6.1.33)
Aplicnd operatorul de mediere E relatiei (6.1.33) deoarece termenii zgomotului sunt
toti n viitor, rezult:
(6.1.24)
si deci valoarea predictat a iesirii poate fi determinat cu expresia:
. (6.1.35)
Predictorul (6.1.35) poate fi utilizat pentru a genera predictii n mod recursiv. O form
explicit a predictorului de ordinul i se poate obtine rezolvnd ecuatia diofantic:
, (6.1.36)
unde polinoamele M
i
si N
i
n q
-1
au gradele i - 1 si respectiv n
C
- 1.
nmultind relatia (6.1.35) cu M
i
si utiliznd (6.1.36) se obtine:
, (6.1.37)
relatie ce poate fi scris sub forma:
, (6.1.38)
unde s-a introdus notatia:
. (6.1.39)
Expresia (6.1.38) a predictorului de ordinul i este utilizat n functia obiectiv care se
minimizeaz ca si n cazul zgomotului alb.
O alt modalitate de a calcula predictorii n cazul zgomotului colorat este de a
introduce semnalele filtrate si pentru mrimile de iesire si respectiv de
intrare ale procesului:
. (6.1.40)
Cu expresia (6.1.39) modelul procesului (6.1.1) poate fi rescris astfel:
(6.1.41)
si predictorii de ordinul i pot fi acum calculati cu procedura de la zgomotul alb.
Predictorul rezultat trebuie filtrat cu pentru a se obtine .
6.3 Conducerea predictiv generalizat a proceselor
multivariabile. Exemple 6.3.1
Ca si n cazul legii unificate cu predictie, conducerea predictiv generalizat a
proceselor multivariabile va fi tratat ca o extensie a algoritmului GPC pentru sisteme
monovariabile.
6.3.1 Obtinerea algoritmului GPC multivariabil
Pentru un proces multivariabil cu m intrri si n iesiri modelul ARIMAX va fi:
(6.3.1)
unde y(k), u(k) si e(k) sunt vectori, iar A(q
-1
), B(q
-1
) si C(q
-1
) sunt matrice polinomiale
ce au fost definite n capitolul 5.1. Matricele polinomiale au forma:
(6.3.2)
Functia obiectiv utilizat n cazul multivariabil este:
(6.3.3)
cu R si Q matrice de ponderare pozitiv definite.
- Cazul zgomotului alb
Mai nti se va considera cel mai ntlnit caz cnd matricea .
Predictorul de ordinul i, necesar n functia obiectiv (6.3.3), se poate calcula n acelasi
fel ca la sistemele monovariabile.
Astfel, se consider mai nti ecuatia diofantic:
(6.3.4)
unde:
, (6.3.5)
iar si sunt matrice polinomiale de ordinul i 1 si respectiv n
A
. Prin
nmultirea modelului (6.3.1) cu se obtine:
. (6.3.6)
Utiliznd ecuatia diofantic (6.3.4), dup cteva calcule simple rezult:
. (6.3.7)
Deoarece gradul lui este i - 1, ultimul termen din membrul drept al relatiei
(6.3.7) va contine numai zgomot din viitor. Aplicnd operatorul de mediere si
considernd c se obtine predictorul de ordinul i pentru cazul
multivariabil:
. (6.3.8)
Ca n cazul monovariabil, solutia ecuatiei diofantice (6.3.4) se poate obtine recursiv.
Se porneste de la expresiile matricelor polinomiale si :
(6.3.9)
Ecuatia diofantic corespunztoare predictorului va fi:
. (6.3.10)
Acum, scznd (6.3.4) din (6.3.10) se obtine:
. (6.3.11)
ntruct matricea polinomial este de grad i se poate scrie:
, (6.3.12)
unde este o matrice polinomial de dimensiune si grad mai mic sau egal
cu , iar R
i
este o matrice real. nlocuind (6.3.12) n (6.3.11) rezult:
. (6.3.13)
Deoarece matricea polinomial este monic, se deduce imediat c:
(6.3.14)
si astfel matricea polinomial poate fi calculat recursiv:
. (6.3.15)
De asemenea urmtoarele expresii se deduc usor din (6.3.13):
(6.3.16)
Conditiile initiale pentru ecuatia recursiv sunt date de:
(6.3.17)
Introducnd relatia:
, (6.3.18)
unde matricea polinomial are gradul mai mic dect i, expresia predictorului
de ordinul i poate fi rescris sub forma:
(6.3.19)
unde:
. (6.3.20)
Se consider acum setul de N predictori:
(6.3.21)
Datorit posibilittii de calcul recursiv al matricei polinomiale , expresiile
(6.3.21) pot fi rescrise n forma matriceal:
, (6.3.22)
unde:
. (6.3.23)
Forma matriceal (6.3.22) a predictorilor de ordinul i poate fi pus acum n forma
restrns:
(6.3.24)
ca si n cazul monovariabil.
Se observ c dac toate conditiile initiale sunt nule, rspunsul liber f va fi zero. Dac
se aplic o treapt unitate pe prima intrare la momentul :
(6.3.25)
predictorii sunt chiar prima coloan a matricei
G(q
-1
), sau primele coloane ale matricelor G
0
, G
1
,, G
N-1
. Astfel, prima coloan a
matricei G(q
-1
) poate fi determinat pe baza rspunsului procesului la semnal treapt
unitate aplicat pe prima intrare. Coloana i se poate obtine ntr-un mod asemntor
aplicnd o treapt unitate pe intrarea i a procesului. n general matricea G
l
se obtine
cu:
, (6.3.26)
unde este elementul (i, j) al matricei G
l
si este iesirea i a
procesului cnd s-a aplicat o treapt unitate pe intrarea j la momentul .
Rspunsul liber poate fi calculat recursiv dup cum urmeaz:
, (6.3.27)
unde si pentru .
Dac matricea polinomial este diagonal, atunci si matricele polinomiale
si vor fi diagonale, iar determinarea acestora se reduce la calculul
recursiv a n ecuatii diofantice scalare. De asemenea se simplific si calculul lui
si f
i
.
n continuare se vor considera urmtoarele orizonturi:
si . (6.3.28)
Cu aceste valori forma matriceal (6.3.24) a predictorului se poate scrie n forma:
(6.3.29)
unde:
(6.3.30)
cu G
i
= 0 pentru i < 0.
Functia obiectiv (6.3.3) poate fi exprimat acum ca fiind:
(6.3.31)
unde:
(6.3.32)
Dac nu sunt restrictii impuse comenzilor, acestea pot fi calculate ca si n cazul
monovariabil rezultnd:
(6.3.33)
Conform principiului orizontului alunector numai se va aplica procesului si
deci se vor calcula numai primele m linii ale matricei ce
vor fi grupate n matricea K. Astfel, legea de reglare va avea forma de la algoritmul
monovariabil:
(6.3.34)
fiind obtinut prin nmultirea matricei K cu diferenta dintre traiectoriile de referint r
si rspunsurile libere predictate f ale procesului.
- Cazul zgomotului colorat
Dac zgomotul este colorat, matricea polinomial C(z
-1
) se consider a fi stabil si
.
Pentru a gsi predictorii se rezolv mai nti ecuatia diofantic:
(6.3.35)
unde si sunt matrice polinomiale de ordinul i 1 si respectiv n
A
.
Ecuatia (6.3.35) se poate rezolva recursiv . Pentru aceasta se consider ecuatia
diofantic pentru i + 1:
. (6.3.36)
Fcnd diferenta ntre relatiile (6.3.36) si (6.3.35), rezult c matricele polinomiale
si pot fi calculate recursiv folosind aceleasi expresii ca n cazul
zgomotului alb ( ), dar cu conditiile initiale:
(6.3.37)
Se definesc matricele polinomiale si care satisfac relatia:
(6.3.38)
cu:
si . (6.3.39)
Se observ c:
(6.3.40)
si astfel matricele si pot fi interpretate (calculate) ca o descriere de
tip fractie matriceal la stnga a unui proces avnd o descriere de tip fractie matriceal
la dreapta dat de matricele polinomiale si . Se defineste matricea
polinomial:
(6.3.41)
Prin nmultirea relatiei (6.3.1) cu se obtine:
. (6.3.42)
Utiliznd relatiile (6.3.38) si (6.3.41) rezult:
. (6.3.43)
Prin aplicarea operatorului de mediere E relatiei (6.3.43) se obtine predictorul de
ordinul i:
. (6.3.44)
Pentru a pune n evident n expresia predictorului de ordinul i termenii anteriori
momentului ce formeaz rspunsul liber si termenii posteriori care formeaz
rspunsul fortat, se va folosi ecuatia diofantic:
(6.3.45)
cu grad . nmultind la stnga cu relatia (6.3.44) si tinnd cont de
(6.3.45) se obtine:
(6.3.46)
sau:
.
(6.3.47)
Dac:
(6.3.48)
cu grad , rezult separarea termenilor amintit mai sus si expresia
predictorului de ordinul i devine:
(6.3.49)
sau:
. (6.3.50)
Functia obiectiv (6.3.3) poate fi exprimat sub form matriceal si lund n
consideratie (6.3.50) se obtine:
. (6.3.51)
Minimizarea functiei obiectiv si gsirea solutiei optime se face prin rezolvarea unui
set de ecuatii liniare, ca n cazul zgomotului alb, dar calculele necesare sunt acum
mult mai complexe.
n aplicatiile reale este foarte dificil de obtinut matricea polinomial de
colorare si din acest motiv se alege n mod arbitrar de utilizator cu scopul de a creste
robustetea algoritmului de reglare.
Dac matricele polinomiale si se aleg diagonale, problema se
transform n generarea unui set de predictori pentru o serie de procese cu mai multe
intrri si o singur iesire. n acest fel problema este mai usor de rezolvat si necesit
calcule substantial simplificate.
Se consider n continuare c modelul ARIMAX al procesului multivariabil satisface
conditia de mai sus si:
. (6.3.52)
Modelul pentru iesirea cu numrul j va fi:
. (6.3.53)
Se rezolv ecuatia diofantic scalar:
, (6.3.54)
cu si . nmultind (6.3.53) cu
si utiliznd (6.3.54) rezult:
. (6.3.55)
Prin aplicarea operatorului de mediere relatiei (6.3.55) se obtine predictorul de ordinul
i pentru iesirea j:
. (6.3.56)
Aceast ecuatie a predictorului poate genera predictii n mod recursiv. O expresie
explicit a predictorului de ordinul i se obtine rezolvnd ecuatia diofantic:
, (6.3.57)
cu si . nmultind (6.3.56) cu
si utiliznd (6.3.57) se obtine:
(6.3.58)
expresie ce poate fi pus sub forma:
(6.3.59)
cu grad . Aceste predictii se nlocuiesc n functia obiectiv care se
minimizeaz pentru a obtine secventa de comand. De notat c volumul de calcule se
reduce considerabil fat de cazul unei matrice polinomiale de colorare nediagonale.
6.3.2 Reprezentarea tip fractie de matrice
Pornind de la reprezentarea sistemelor liniare monovariabile prin functii de transfer,
de forma unor fractii rationale, se poate extinde aceast reprezentare si la procesele
multivariabile exprimnd matricea de transfer printr-o fractie matriceal la stnga sau
la dreapta (Voicu, 1993). Matricea de transfer este una dintre cele mai utilizate
reprezentri ale proceselor multivariabile. Astfel, pentru multe prti fixate, fiecare
coloan a matricei de transfer poate fi obtinut prin aplicarea unei trepte unitate pe
intrarea corespunztoare si prin utilizarea rspunsurilor indiciale se pot obtine
functiile de transfer pentru fiecare iesire. Prin repetarea procedeului pentru toate
intrrile se obtine matricea de transfer.
Avnd matricea de transfer a procesului multivariabil pentru gsirea
modelului ARIMAX (6.3.1) corespunztor, se vor cuta dou matrice polinomiale
si astfel nct s fie satisfcut relatia:
(6.3.60)
ce reprezint o descriere de tip fractie de matrice la stnga. Cel mai simplu mod de a
gsi matricele polinomiale mentionate este construirea unei matrice polinomiale
n form diagonal avnd elementele egale cu cel mai mic multiplu comun al
numitorilor corespunztori liniilor lui . n acest fel se poate obtine si
matricea polinomial :
. (6.3.61)
Matricele si determinate ca mai sus nu trebuie s fie n general
coprime la stnga. O reprezentare coprim la stnga se poate obtine dup cum
urmeaz.
Se caut o descriere de tip fractie de matrice la dreapta
(6.3.62)
lund matricea n form diagonal cu elementele egale cu cel mai mic
numitor comun al coloanei corespunztoare si apoi se formeaz . De notat
c matricele polinomiale nu trebuie s fie n general coprime la dreapta.
Se determin o matrice unimodular astfel nct:
(6.3.63)
unde este cel mai mare divizor comun la dreapta al matricelor si
. De aici rezult c este divizor la dreapta al matricelor si
:
. (6.3.64)
Dac mai exist si alt divizor la dreapta , atunci:
, (6.3.65)
unde este o matrice polinomial.
Cel mai mare divizor comun la dreapta poate fi obtinut folosind urmtorul algoritm
din (Goodwin si Sin, 1984).
1 - Se construieste matricea:
. (6.3.66)
2 - Se anuleaz prin transformri elementare toate elementele primei coloane a lui
de sub diagonala principal dup cum urmeaz:
Se alege elementul din prima coloan cu gradul cel mai mic si se interschimb liniile
corespunztoare pentru a lsa acest element n pozitia (1, 1) a matricei (acum
). Se obtine si . Se repet operatia pn cnd toate elementele de sub
diagonala principal sunt zero.
3 - Pentru restul coloanelor se foloseste aceeasi procedur descris la pasul 2 pentru
a anula toate elementele de sub diagonala principal, dar acum folosind elementul
(i, i) si n acelasi timp reducnd ordinul elementelor din dreapta diagonalei principale
ct mai mult posibil.
4 - Se aplic aceleasi transformri elementare pn se ajunge la matricea unitate,
rezultnd o matrice unimodular care va fi . Submatricele si
sunt coprime la stnga si este nesingular. Din (6.3.63) rezult:
(6.3.67)
si de aici:
. (6.3.68)
Desi si nu trebuie s fie coprime la stnga pentru implementarea
algoritmului GPC, matricele polinomiale vor avea n general grade mari si astfel poate
s rezulte n unele cazuri un algoritm mai putin eficient.
Exemplul 6.3.1.
Se consider instalatia de nclzire a unui cazan cu abur (fig.6.3.1)
pentru care se doreste reglarea depresiunii n focar (P
f
) si a debitului de
aer (Q
A
) pentru amestecul de combustie. De obicei, acesti doi
parametri sunt reglati cu bucle monovariabile. n realitate, cele dou
mrimi reprezint iesirile reglate ale unui sistem multivariabil ce are ca
intrri debitul de aer (U
1
) si cel de gaze arse (U
2
). Prin nclzirea apei
se obtine un anumit debit de abur, care este de 57t/h pentru cazanul cu
abur din (Fenet si Meizel, 1986). Modelul matematic al instalatiei de
nclzire pentru cazanul amintit mai sus este descris de:
, (6.3.69)
unde mrimile reglate si cele de comand au semnificatiile:
y
1
: debitul de aer Q
A
y
2
: depresiunea n focar P
f
u
1
: comanda clapetei de aer Q
A
u
2
: comanda clapetei pentru gazele de ardere Q
A
Fig. 6.3.1 Instalatia de nclzire
Pentru acest proces cu dou intrri si dou iesiri se cere:
a. s se determine modelul ARIMAX al prtii fixate
b. s se proiecteze un regulator GPC multivariabil care s permit
reglarea mrimilor de iesire Q
A
si P
f
dup traiectoriile de referint
fixate.
Rezolvare:
a. Modelul ARIMAX pentru acest proces are forma:
(6.3.70)
unde matricele polinomiale si sunt monice. Pentru a
determina matricele polinomiale si se va exprima
matricea de transfer a procesului printr-o fractie de matrice la
stnga:
. (6.3.71)
Conform paragrafului 6.3.2 se va construi matricea polinomial
n form diagonal, avnd ca elemente cel mai mic multiplu
comun al numitorilor corespunztori liniilor lui , rezultnd:
.
(6.3.72)
Matricea polinomial se obtine folosind relatia (6.3.61):
(6.3.73)
n cele ce urmeaz se va considera cazul zgomotului alb si deci:
. (6.3.74)
Astfel s-au detrminat matricele polinomiale ale modelului ARIMAX
(6.3.70) si rezult c n
A
= 2 si n
B
= 1.
b. Pentru proiectarea regulatorului GPC multivariabil se va folosi functia
obiectiv (6.3.31) cu urmtorii parametri de acord:
.
Mai nti se va determina predictorul multivariabil (6.3.29) folosind
ecuatiile diofantice (6.3.10) si (6.3.18).
Astfel, solutiile ecuatiei diofantice:
,
unde:
se obtin recursiv dup cum urmeaz:
Prin rezolvarea ecuatiilor diofantice:
se obtin matricele:
.
Acum se poate construi forma matriceal a predictorului:
unde vectorii si au expresiile:
iar matricea si rspunsul liber se pot determina dup cum
urmeaz:
.
Matricele reale G
0
, G
1
, G
2
se pot afla utiliznd (6.3.23) care conduce la
urmtoarele rezultate:
.
Elementele rspunsului liber se gsesc pe baza relatiei (6.3.20),
rezultnd:
.
Functia obiectiv:
cu:
prin minimizare conduce la expresia secventei de comand:
.
ntruct intereseaz numai Au(k), regulatorul GPC multivariabil pentru
procesul considerat va fi descris de relatia:
,
unde:
iar matricea real K contine primele m = 2 linii ale matricei
:
.
Capitolul 7
Aplicatie: Conducerea predictiv a unui cuptor de tratament
termic
Obiectivul principal al cuptoarelor de tratamente termice este obtinerea unui anumit
profil de temperatur caracteristic tipului de tratament termic impus de tehnolog.
Operatiile de nclzire din cadrul diverselor tehnologii moderne impun cuptoarelor
industriale conditii de performante foarte stricte. Astfel, unele tratamente termice
pentru procese de emailare, uscare, lcuire etc., necesit adesea ca temperatura s fie
mentinut constant, cu abateri maxime de 2-3C fat de temperatura prescris. De
asemenea, uniformitatea temperaturii impus unor cuptoare functionnd la
temperaturi de regim cuprinse ntre 600C si 1200C, poate necesita valori maxime
admisibile ale gradientului de temperatur, ntre dou puncte oarecare din interior, sub
10-15C, iar la unele oteluri aliate chiar sub 10C. Din aceste conditii rezult cerinta
urmririi cu acuratete a profilului de temperatur dorit, deziderat greu de ndeplinit cu
algoritmi de reglare conventionali.
n cadrul acestei aplicatii se va prezenta modul de rezolvare a problemelor complexe
de conducere a unui cuptor electric de tratament termic, proces dificil cu timp mort,
prin utilizarea controlului predictiv bazat pe model.
7.1 Descrierea instalatiei tehnologice
7.2 Modelul procesului
7.3 Proiectarea structurii de conducere
7.4 Implementarea structurii de conducere; rezultate experimentale
7.1 Descrierea instalatiei tehnologice
Cuptorul electric industrial de tratament termic este de tip incint cu dou zone de
temperatur si are urmtoarele caracteristici tehnice:
- puterea nominal: 5 Kw;
- dou zone de temperatur cu elemente de msur (termocuple) si de executie
(contactoare statice) pentru fiecare zon;
- dimensiunile incintei: 800mm () x 1400mm (h);
- temperatura maxim: 600C;
- alimentare: 220 V, 50 Hz.
Schema de principiu a instalatiei este prezentat n fig. 7.1.1.
Fig. 7.1.1 Schema de principiu a instalatiei tehnologice
Schema din fig. 7.1.1 pune n evident urmtoarele elemente:
- Cuptorul propriu-zis este de tip incint, cu dou zone de nclzire dispuse
vertical. nclzirea incintei si implicit a piesei se face cu rezistoare de nclzire
prin radiatie si convectie. Cuptorul este prevzut cu doi rezistori de nclzire
alimentati de la reteaua monofazat, fiecare zon a cuptorului fiind deservit
de cte unul din cei doi rezistori.
- Elementele de executie (EE) sunt contactori statici cu tiristoare, comandati
prin intermediul unor dispozitive de comand pe gril ce primesc pe intrare
semnale de tensiune continu n gama 0-5V (semnalele de comand figurate u
1
si u
2
).
- Elementele de msur sunt formate din traductoare (Tr - termocuple) si
adaptoare (Ad). Termocuplul folosit este de tip Fe-Ct si furnizeaz la iesiri
tensiuni n gama 0-27.39 mV pentru o variatie termic n incint ntre 0-
600C. Acest semnal este convertit de adaptor (ELT 162) n semnal unificat de
curent n gama 2-10 mA. Curentul unificat furnizat de adaptor este aplicat pe o
rezistent de precizie de 500 obtinndu-se astfel o tensiune continu n gama
1-5V (semnalele y
1
si y
2
), corespunztoare unei variatii a temperaturii n
incinta cuptorului n gama 0-600C.
7.2 Modelul procesului
Instalatia tehnologic prezentat anterior reprezint un sistem multivariabil cu dou
intrri si dou iesiri. Modelul su matematic a fost obtinut prin identificare
parametric folosind platforma software MATLAB.
Culegerea si prelucrarea datelor necesare procedurii de identificare au fost efectuate
cu un calculator compatibil IBM PC. Interfatarea instalatiei tehnologice cu
calculatorul s-a fcut cu ajutorul unei plci LabPC+ (National Instruments) ce contine
convertoare A/D si D/A. Mrimile msurate din proces (semnale de tensiune n gama
1-5V) au fost scalate n gama 0-5V, astfel nct procesul s aib la intrare si la iesire
acelasi tip de semnal si anume, tensiune continu n gama 0-5V.
Procesul fiind multivariabil cu dou intrri si dou iesiri, modelul su matematic
intrare-iesire poate fi pus sub forma unei matrice de transfer de forma:
. (7.2.1)
Functiile de transfer de pe diagonala principal modeleaz canalele de transfer
principale ale procesului, celelalte dou punnd n evident interactiunile dintre cele
dou zone ale cuptorului.
Identificarea celor patru functii de transfer presupune parcurgerea urmtorilor pasi:
1 - Obtinerea unui set de date intrare-iesire. Au fost necesare dou experimente
pentru culegerea datelor necesare identificrii procesului si aflrii functiilor de
transfer ce formeaz cele dou coloane ale matricei de transfer :
- Se aplic semnal de comand numai pe prima zon a cuptorului (u
2
= 0) si se
achizitioneaz ambele mrimi de iesire (y
1
si y
2
). Tripletul (u
1
, y
1
, y
2
) se
foloseste pentru a identifica functiile de transfer G
11
(q
-1
) si G
12
(q
-1
) ce
formeaz prima coloan a matricei de transfer .
- Se aplic semnal de comand numai pe a doua zon a cuptorului (u
1
= 0) si se
achizitioneaz ambele mrimi de iesire (y
1
si y
2
). Tripletul (u
2
, y
1
, y
2
) se
foloseste pentru a identifica functiile de transfer G
21
(q
-1
) si G
22
(q
-1
) care
alctuiesc cea de-a doua coloan a matricei
.
n ambele cazuri la intrare s-a aplicat un semnal treapt de amplitudine 2 V peste care
s-a suprapus un semnal pseudo-aleator binar (algoritmul de calcul al parametrilor
folosit de functia MATLAB arx poate esua n cazul unui semnal de intrare constant).
Perioada de esantionare folosit a fost T
s
= 40 sec.
Datele achizitionate sunt prezentate n fig. 7.2.1, (a) (primul experiment) si n fig.
7.2.1, (b) (cel de-al doilea set de date).
Fig. 7.2.1 Datele intrare iesire obtinute: (a) prima zon a cuptorului; (b) a doua zon a cuptorului
n ambele figuri pe abscis este reprezentat variabila temporal n tacte de
esantionare, iar pe ordonat semnalele intrare-iesire exprimate n volti
2 - Examinarea, prelucrarea si filtrarea datelor. Dup cum se observ, mrimile de
iesire preluate din proces nu pornesc din zero, ci dintr-o valoare initial (aproximativ
0.5 V ce corespunde temperaturii initiale din cuptor de circa 25C). n aceast etap se
realizeaz o scalare corespunztoare a iesirilor n gama 0-5V si o translare cu valoarea
initial pentru ca acestea s aib originea ca punct de plecare. De asemenea sunt
eliminate esantioanele care sunt vizibil eronate datorit unor erori de achizitie.
3 - Identificarea parametrilor modelului matematic si validarea modelului obtinut.
Estimarea parametrilor procesului s-a realizat folosind functia arx din pachetul
software MATLAB, modelele obtinute astfel fiind n format "gamma". Cu functia
th2tf acestea sunt apoi transformate n functii de transfer discrete de forma:
. (7.2.2)
Estimarea parametrilor s-a fcut ncercnd obtinerea unui model matematic de ordin
ct mai mic. Pentru nceput s-a ncercat aproximarea cu functii de transfer de ordinul
I, pentru ca apoi s se creasc ordinul acestora pn s-a considerat c s-a ajuns la o
modelare suficient de bun (validarea modelului matematic s-a fcut prin compararea
iesirii achizitionate din proces cu rspunsul modelului matematic la acelasi semnal de
intrare).
Procedura de estimare a parametrilor functiilor de transfer (7.2.2) a condus la
urmtoarele rezultate:
(7.2.3)
Se observ c functiile de transfer obtinute sunt de ordinul II, ceea ce simplific
problema de optimizare (ca ordin de mrime) si conduce la obtinerea unei legi de
reglare numerice cu un numr redus de parametri si deci mai usor de implementat. n
acelasi timp, aproximarea prin functii de transfer de ordinul II este suficient de
precis, dup cum se poate observa n fig. 7.2.2 si fig. 7.2.3, n care se compar
rspunsul procesului real cu rspunsul modelului matematic la acelasi semnal de
intrare, utilizndu-se functia MATLAB compare.
Fig. 7.2.2 Compararea rezultatelor obtinute cu u
1
:
(a) iesirea y
1
si rspunsul modelului G
11
(z
-1
); (b) iesirea y
2
si rspunsul modelului G
12
(z
-1
)
Fig. 7.2.3 Compararea rezultatelor obtinute cu u
2
:
(a) iesirea y
2
si rspunsul modeluluiG
22
(z
-1
); (b) iesirea y
1
si rspunsul modelului G
21
(z
-1
)
7.3 Proiectarea structurii de conducere
Modelul matematic reprezentat de relatiile (7.2.1) (7.2.3) pune n evident faptul c
sistemul multivariabil este puternic cuplat. Din acest motiv s-a preferat folosirea unei
structuri de reglare noninteractive, ce se obtine prin decuplare.
7.3.1 Decuplarea sistemului multivariabil
Exist mai multe metode de decuplare a sistemelor multivariabile. n particular,
pentru sisteme cu dou intrri si dou iesiri se pot folosi metode de decuplare n
circuit deschis ce depind de forma canonic a sistemului (Isermann, 1991). n cazul de
fat, modelul procesului fiind n form canonic P, se poate utiliza un regulator de
decuplare n form canonic V, avnd urmtoarea matrice de transfer:
(7.3.1)
unde:
(7.3.2)
cu urmtoarele functii de transfer:
(7.3.3)
n urma introducerii regulatorului de decuplare se obtine structura din fig. 7.3.1
caracterizat printr-o matrice de transfer n circuit deschis diagonal:
. (7.3.4)
Fig.7.3.1 Sistemul decuplat n bucl deschis
Sistemul multivariabil initial se transform practic n dou sisteme monovariabile
independente a cror prti fixate sunt descrise de functiile de transfer G
11
(q
-1
) si G
22
(q
-
1
), care pot fi conduse folosind tehnici de reglare monovariabile.
7.3.2 Proiectarea si testarea prin simulare a legii de reglare cu predictie
Relatia (7.3.4) evidentiaz dou canale intrare-iesire independente. Pentru fiecare
sistem monovariabil astfel obtinut s-a proiectat o lege unificat de reglare cu predictie
conform metodei prezentate n subcapitolele 4.1 si 4.2. Regulatoarele proiectate au
fost puse sub forma polinomial (4.2.1), iar polinoamele algoritmului de reglare s-au
calculat cu formulele simplificate (4.2.9).
Proiectarea legilor de reglare cu predictie necesit un volum mare de calcule ce creste
odat cu mrirea orizontului de predictie si a orizontului comenzii. Din acest motiv a
aprut necesitatea dezvoltrii unor programe, ct mai generale, care s calculeze
parametrii legii de reglare. Astfel, au fost create dou functii MATLAB (Lazr, s.a.,
1998 a), (Lazr, s.a., 1998 b) ce pot fi utilizate n proiectarea legilor unificate de
reglare cu predictie: ostep.m si mstep.m.
Programul ostep.m implementeaz algoritmul de proiectare a regulatorului cu
predictie corespunztor unei functii obiectiv generalizat pe un singur pas ce se poate
obtine din (3.4.3) pentru si , unde Q este un polinom n q
-1
.
Functia ostep.m se apeleaz prin urmtoarea linie de comand:
(7.3.5)
n care A, B si d definesc modelul de tip ARX al procesului, iar P, M, lam () si Q
sunt parametrii legii de reglare. Rezultatul obtinut prin folosirea acestei functii
MATLAB este matricea gamma ale crei linii contin coeficientii polinoamelor legii
de reglare (4.2.1), dar cu notatiile:
. (7.3.6)
Pentru functii obiectiv ptratice pe mai multi pasi, proiectarea legii de reglare se poate
realiza cu programul mstep.m ce se apeleaz prin linia de comand:
(7.3.7)
unde A, B si d caracterizeaz modelul ARX al procesului, iar pm = p
m
, p, c, P, M, lam
() si Q sunt parametrii algoritmului de reglare. Rularea acestui program produce
polinoamele legii de reglare n forma (4.2.1) si cu notatiile (7.3.6). Regulatorul (4.2.1)
s-a implementat n SIMULINK (cu notatiile 7.3.6) si este reprezentat n fig. 7.3.2.
(a) (b)
Fig. 7.3.2 Regulator cu predictie:
a. schema de implementare; (b) blocul SIMULINK
n cazul impunerii unor restrictii asupra mrimii de comand, structura regulatorului
poate fi modificat astfel nct s fie incluse si restrictiile (Lazr si Arabolu, 1998 c).
De obicei este limitat nivelul mrimii de comand datorit elementelor de executie.
Din aceast cauz apar erori n calculul mrimii de comand deoarece vor exista
diferente ntre mrimea de comand folosit pentru determinarea lui u(k) si comanda
real (limitat) aplicat procesului. Pentru eliminarea erorilor, structura regulatorului
din fig. 7.3.2,(a) se va modifica, rezultnd schema din fig 7.3.3,(a), unde polinomul
se calculeaz cu:
, (7.3.8)
iar este monic.
Folosind facilittile de grupare si mascare oferite de SIMULINK s-a transformat
schema regulatorului din fig. 7.3.3, (a) n blocul SIMULINK din fig. 7.3.3, (b).
(a) (b)
Fig. 7.3.3 Regulator predictiv cu limitarea comenzii:
(a) schema de implementare; (b) blocul SIMULINK
De notat c matricea gamma obtinut cu functiile MATLAB ostem si mstep contine si
coeficientii polinomului .
Structura de reglare cu predictie, continnd regulatoarele principale cu predictie RPP,
regulatoarele de decuplare RD si modelul matematic al prtii fixate PF, a fost testat
prin simulare utiliznd schema SIMULINK din fig. 7.3.4.
Pentru implementarea regulatorului de decuplare s-au folosit functiile de transfer
(7.3.3).
Calculul legii de reglare cu predictie pentru cele dou bucle de reglare monovariabile
s-a fcut utiliznd diferite valori pentru parametri de acord prezenti n functia
obiectiv. Deoarece nu exist o metod analitic de calcul a acestor parametri pe baza
unor performante impuse, ci doar niste recomandri fcute de diferiti autori, alegerea
optim a acestora s-a fcut prin simulare.
Simulrile s-au efectuat considernd fixati urmtorii parametri de acord:
(7.3.8)
si utiliznd diverse valori pentru p
m
, p si c.
Ca semnal de referint s-a impus un profil de temperatur y
*
uzual proceselor de
tratament termic (acelasi pentru ambele zone), format din succesiuni de semnale
ramp si paliere.
Fig.7.3.4 Schema SIMULINK pentru simularea sistemului de reglare n bucl nchis
S-a calculat traiectoria referintei n avans cu p tacte de esantionare , care
este furnizat de blocurile From Workspace din fig. 7.3.4 regulatoarelor cu predictie.
Pentru afisarea corect a celor dou referinte s-au folosit blocurile Filter 5 si Filter 6,
considernd pentru fig. 7.3.4 c .
Blocurile Saturation 4 si 5 au fost introduse pentru a tine cont de limitrile introduse
de elementele de executie, obtinndu-se astfel semnalele de comand n gama 0-5V.
S-au efectuat numeroase simulri cu diferite valori ale parametrilor de acord. n cele
ce urmeaz se vor prezenta rezultatele obtinute pentru trei cazuri distincte de alegere a
parametrilor p
m
, p si c. n urma simulrilor s-au reprezentat grafic profilul de
temperatur y
*
(traiectoria referintei), mrimile reglate y
1
, y
2
si comenzile v
1
si v
2
furnizate de regulatoarele cu predictie.
a.
Fig. 7.3.5 Rezultatele simulrii pentru:
(a) prima zon de nclzire a cuptorului; (b) a doua zon de nclzire a cuptorului.
Cazul reprezint de fapt minimizarea unui criteriu de
performant pe un singur pas.
Rezultatele obtinute prin simulare (fig.7.3.5) sunt foarte bune, n sensul c
iesirile sistemului de reglare (y
1
si y
2
) urmresc cu fidelitate traiectoria impus
y
*
. Mrimile de comand sunt ns destul de oscilante, datorit faptului c
predictia se face pe un singur pas.
b.
Pentru acest set de parametri de acord rezultatele simulrii sunt prezentate n
fig. 7.3.6.
Fig. 7.3.6 Rezultatele simulrii pentru:
(a) prima zon de nclzire a cuptorului; (b) a doua zon de nclzire a cuptorului.
Se observ c folosirea unui criteriu pe mai multi pasi conduce la performante
mult mai bune n ceea ce priveste mrimea de comand, care este mult mai
neted. n acelasi timp, performantele excelente obtinute anterior n ceea ce
priveste urmrirea de ctre iesire a referintei impuse se pstreaz. Pe
ansamblu, aceast alegere a parametrilor de acord este foarte bun.
c.
Rezultatele pentru cel de-al treilea set de parametri de acord sunt date n fig. 7.3.7.
Fig. 7.3.7 Rezultatele simulrii pentru:
(a) prima zon de nclzire a cuptorului; (b) a doua zon de nclzire a cuptorului.
n acest caz se constat o netezire si mai accentuat a mrimii de comand datorit
cresterii orizontului de predictie p. Se observ ns o abatere a mrimii de iesire de la
traiectoria de referint n zonele de frngere a profilului impus. Concluzia este c nu
se justific o crestere prea mare a orizontului de predictie.
Analiznd performantele obtinute n cele trei situatii distincte de fixare a parametrilor
de acord, pentru implementarea structurii de reglare si conducerea n timp real a
cuptorului de tratament termic s-a ales tripletul .
Notatii si abrevieri
Notatii
T
s
perioada de esantionare
k timpul discret normalizat (t/T
s
)
u, y intrarea si respectiv iesirea procesului
u, y vectorul de intrare si respectiv vectorul de iesire
e(k) zgomotul alb discret
q
-1
operatorul de ntrziere ( )
polinoame n variabila q
-1
d timpul mort al procesului (numr ntreg de perioade de esantionare)
estimatiile polinoamelor A(q
-1
), B(q
-1
), C(q
-1
), D(q
-1
)
A, B matrice reale
matrice polinomiale
G(q
-1
) operatorul de transfer (discret)
G(s) functia de transfer continu
G(z), G(z
-1
) functii de transfer discrete
matricea de transfer
t
r
timpul de crestere
operatorul de mediere statistic (speranta matematic)
ARX proces auto-regresiv si intrare exogen
ARMAX proces auto-regresiv cu medie alunectoare si intrare
exogen
valoare estimat a lui
norma entittii (vector sau matrice)
p orizontul de predictie
p
m
orizontul minim de predictie
c orizontul comenzii
n
A
gradul polinomului A(q
-1
),
n
A
gradul matricei polinomiale A(q
-1
),
y(k), u(k) vectori la momentul k
Abrevieri
ARX Auto-Regressive eXogenous
ARIX Auto-Regressive Integrated eXogenous
ARMAX Auto-Regressive Moving Average eXogenous
ARIMAX Auto-Regressive Integrated Moving Average eXogenous
DMC Dynamic Matrix Control
EHAC Extended Horizon Adaptive Control
EPSAC Extended Prediction Self-Adaptive Control
IDCOM Identification and Command
MAC Model Algorithmic Control
MUSMAR Multistep Multivariable Adaptive Regulator
GPC Generalized Predictive Control
PCA Predictive Control Algorithm
UPC Unified Predictive Control
FIR Finite Impulse Response
FSR Finite Step Response