Documente Academic
Documente Profesional
Documente Cultură
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