Carros Acoplados con Unin Flexible.

El sistema de la Figura est compuesto por dos carros con masas M1 y M2. Los carros estn unidos a travs de un resorte con constante K y de un damper con coeficiente de friccin viscosa b. El carro de la izquierda tiene un motor elctrico que permite aplicar una fuerza F al sistema. El objetivo del sistema de control es reducir la oscilacin del segundo carro cuando el primero cambia de posicin. se espera un tiempo de establecimiento de 1 segundo y un sobrepico menor al 10%. Como instrumentacin hay instalados en cada carro un potencimetro que permite medir el desplazamiento. Se espera un tiempo de establecimiento de 1 segundo y un sobre pico menor al 10%. Como instrumentacin hay instalados en cada carro un potencimetro que permite medir el desplazamiento.
ADVANCED CONTROL IVAN RAMIREZ

Carros Acoplados con Unin Flexible.

+
Carro 1
Carro 2

ADVANCED CONTROL

IVAN RAMIREZ

Parmetros del sistema

b C1 , C 2
ADVANCED CONTROL

Coeficiente de friccin viscosa = 2 Ns/m Constantes debidas al motor y la transmisin C1= 1.6954 , C2= 7.252
IVAN RAMIREZ

Ecuaciones del Sistema en SS

ADVANCED CONTROL

IVAN RAMIREZ

Anlisis de Controlabilidad y Observabilidad

Rank( C ) =4

Rank( O ) =4

El sistema es totalmente controlable y observable

ADVANCED CONTROL IVAN RAMIREZ

Respuesta Impulso sistema en lazo abierto

Respuesta Impulso Carros acople flexible 0.25 0.2

To Y(1) Amplitude To: Y(2)

0.15 0.1 0.05 0 0.4

0.3

0.2

0.1

0.5

1.5

2 Time (sec)

2.5

3.5

ADVANCED CONTROL

IVAN RAMIREZ

Control Optimo
La ubicacin de los polos en un sistema dinmico controlado viene determinada por las especificaciones de control. Tpicamente las especificaciones de control vienen dadas por las condiciones del problema . Para el control ptimo, las especificaciones de control son formuladas en una funcin de costo. La funcin de costo (tambin conocida como figura de mrito, ndice de desempeo, etc.), es una funcin que penaliza el mal comportamiento del sistema, es decir cuanto ms lejos este el sistema de la situacin deseada, mayor ser el valor de la funcin de costo. Entonces, el objetivo del controlador ptimo, ser minimizar esta funcin.

Controladores ptimos cuadrticos por realimentacin de estado LQR Filtros de Kalman Regulador optimo cuadrtico Gaussiano. LQG
ADVANCED CONTROL IVAN RAMIREZ

Regulador Optimo Cuadrtico Lineal (Linear Quadratic Regulator-LQR)

Problema con Horizonte finito El problema puede ser planteado como la necesidad de calcular la mejor entrada u(t), que permita llevar el sistema de un estado inicial x(to), a un estado final x(tf), en un tiempo tf-to. El problema es equivalente a minimizar la funcin:

Con las siguientes restricciones:

Pf, Q y R son matrices positivas definidas

Pf : indica la importancia del estado final Q : la importancia de los estados durante la

transicin y R : la importancia de la entrada.
ADVANCED CONTROL IVAN RAMIREZ

Linear Quadratic Regulator-LQR

El problema con las restricciones dadas puede ser formulado como una optimizacin sin restricciones utilizando el mtodo de los multiplicadores de Lagrange
RECORDERIS

Sean Si = entonces

() = ( + ) Si adems A es simtrica () = 2

Calculando las derivadas indicadas

, = () () = & =

ADVANCED CONTROL

IVAN RAMIREZ

Linear Quadratic Regulator-LQR

El problema se puede plantear como un sistema de ecuaciones diferenciales con dos puntos como condicin de frontera

O la ecuacin diferencial: Ecuacin Matricial de Riccati

ADVANCED CONTROL

IVAN RAMIREZ

10

Linear Quadratic Regulator-LQR

Problema con Horizonte finito
Asumimos que

ADVANCED CONTROL

IVAN RAMIREZ

11

Solucin de la ecuacin algebraica de Riccati

La ecuacin algebraica de Riccati se puede escribir como:

En esta representacin tenemos una matriz de 2nx2n asociada a la ecuacin de Riccati, esta matriz se conoce con el nombre de matriz de Hamilton

Propiedades importantes de la matriz de Hamilton: Los valores propios de H son simtricos con respecto al eje imaginario. Existen las matrices X1 y X2 nxn y X1 es invertible de forma que la matriz formada por X1 y X2 son los vectores propios de la matriz H, si (A, B) es estabilizable y (Q, A) detectable.
ADVANCED CONTROL IVAN RAMIREZ

12

Solucin de la ecuacin algebraica de Riccati

Entonces la solucin de la ecuacin de Riccati se obtiene por descomposicin de H en sus espacios propios, y la solucin es de la forma:

ADVANCED CONTROL

IVAN RAMIREZ

13

Carros Acoplados con Unin Flexible.

Retomemos ahora nuestro problema..
Para el diseo del controlador LQR seleccionamos las matrices Q y R as:

Observe que la matriz Q penaliza en mayor proporcin las desviaciones de los carros de su punto de equilibrio, comparado con las velocidades o con la entrada.

ADVANCED CONTROL

IVAN RAMIREZ

14

Carros Acoplados con Unin Flexible.

Los polos del sistema sern: 1.9521 10.6106 i, 4.1151i -5.7951 4.1151i Si penalizamos an ms la posicin la matriz Q ser [K,S,E] = LQR(SYS,Q,R)

la nueva matriz de realimentacin ser: y los polos del sistema:

ADVANCED CONTROL IVAN RAMIREZ

-8.7999 8.4970 i , -3.6673 10.5267 i

15

Carros Acoplados con Unin Flexible

Respuesta del sistema para los dos controladores propuestos

.. Q=1000 ___ Q=10000

El segundo tiene una respuesta ms rpida, pero para lograr esa respuesta ms rpida se requiere una entrada con mayor amplitud. La seleccin de las matrices de costo esta basada en el compromiso entre una respuesta rpida pero sin saturar la entrada o consumir demasiada energa para llevar el sistema al estado deseado. Esto convierte el diseo en la tarea de encontrar los valores adecuados de Q y R 16

que llenen las especificaciones de control.

Diseo de un LQR con referencia

En nuestro ejemplo se pide controlar dos variables ( x1 y x3) con cero error de estado estacionario. Esta tarea exige que si queremos construir un controlador por realimentacin de estado debamos extender el sistema de modo que incluya un par de integradores sobre las variables que deseamos controlar con cero error de estado estacionario. El sistema extendido tendr la siguiente presentacin: X1ref x2ref

donde el vector e representa la integral del error de seguimiento, definido como:

ADVANCED CONTROL

IVAN RAMIREZ

17

Diseo de un LQR con referencia

Usando esta nueva representacin podremos calcular un controlador LQR si definimos las matrices de la funcin de costo:

de la siguiente forma:

Q =diag([50000 1 50000 1 1 1]); R =diag([1]);

Observe que todos los estados y las entradas tienen la misma penalizacin. Obtenindose una matriz de realimentacin de estado con los siguientes valores:

K=[335.9724 15.9142 -19.5435 24.8015 -0.7071 -0.7071]

Las cuatro primeras columnas corresponden a la realimentacin de los 4 estados "naturales" del sistema (posicin y velocidad del carro 1, posicin y velocidad del carro 2) (matriz Ks); las dos columnas restantes corresponden a la realimentacin de las integrales de los errores de seguimiento (matriz KI).

18

Diseo de un LQR con referencia

Ks = [335.9724 15.9142 -19.5435 24.8015] Ki = [ -0.7071 -0.7071]
position To Workspace 1 1 s x1 Ref Integrator1 -Ki* u 1 s x2 Ref Integrator Matrix Gain
In1 Out3 Out1

x1 v1 2 Scope

Scope1
Out2

3
Out4

x2 4

CARROS ACOPLADOS

v2

time Clock To Workspace1 -Ks* u Matrix Gain1

Diagrama de bloques de la simulacin del controlador LQR

ADVANCED CONTROL IVAN RAMIREZ

Diseo de un LQR con referencia

Es conveniente realizar la sintona del controlador usando el modelo lineal, una vez ajustado se puede montar el controlador sobre el modelo no-lineal.
posicion del carro 2 (m)

0.5

0.4

posicion (m)

0.3

posicion Referencia
0.2

0.1

200

400

600

800

1000

1200

1400

1600

1800

2000

tiempo (s)

ADVANCED CONTROL

IVAN RAMIREZ