Cont Av Cap6

UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA Control Avanzado

_______________________________________________________________________________

Captulo 6

Control Predictivo

El control predictivo basado en modelos se impuso en la dcada de los 80, ofreciendo un
algoritmo de control que usa el modelo del proceso para calcular y optimizar las predicciones de las
acciones de control y de la salida controlada. El modelo a usar es el modelo CARIMA y entre los
parmetros de diseo tenemos el horizonte de prediccin mximo (N2), el horizonte de prediccin
mnimo (N1), el horizonte de control, y parmetros de peso y filtraje entre otros.

6.1 Principios, Modelo del Predictor y Algoritmos

6.1.1 Principios

El Control Predictivo basado en un modelo (MBPC) [1][2][3] es una metodologa de control,
desarrollada alrededor de ciertos principios comunes, entre los cuales podemos citar:

a) Uso explcito de un modelo del proceso para pronosticar su salida a controlar en instantes de
tiempo futuro.

b) Clculo de una accin de control ptima basada en la minimizacin de las funciones de costo,
posiblemente incluyendo restricciones en las variables del proceso.

La notacin usada es la siguiente:

t, denota el ndice de tiempo discreto (t = 0,1,2,...).

y(t), es la salida del proceso (variable controlada).

u(t), denota la entrada al proceso (variable manipulda o variable de control)

w(t), representa la trayectoria deseada (set point).

r(t), denota la trayectoria de referencia.

u(t+k/t), denota los valores futuros de la entrada (variable manipulada: MV) en el tiempo t+k
postulados en el tiempo t.

y(t+k/t), denota los valores futuros de la salida (variable controlada: CV) basado en las mediciones
disponibles en el tiempo t:

{ y(t), y(t-1),... , u(t-1), u(t-2), ...}
y en los valores futuros de la entrada postulados en el tiempo t:
______________________________________________________________________________
M. Sc. Ral Benites Saravia
113
_______________________________________________________________________________
{ u(t / t), u(t +1/t), ...}.

Sobre la estrategia de control MBPC, se pueden mencionar algunos elementos importantes:

Prediccin bajo el modelo del proceso
Especificacin de una trayectoria
Estructuracin de la futura ley de control;
Definicin de la funcin de costo (y
restricciones);
Clculo de una accin de control ptima.

La estrategia MBPC puede ser visualizada en el siguiente diagrama de bloques:

+

errores
futuros
Funcin de costo Restricciones
Ent.
Fut.
Ent./Sal
pasadas
Trayectoria de referencia
OPTIMIZADOR
MODELO DEL
PROCESO

Figura 6.1: Estrategia del Control Predictivo.

6.1.2 El Modelo del Predictor

Existen dos posibles esquemas de implementacin, los cuales se muestran en la figura 2 para un
modelo de segundo orden:

y(t+k-1/t)
y(t+k-2/t)
u(t+k-1/t)
u(t+k-2/t)
x(t+k/t)
x(t+k/t)
x(t+k-1/t)
x(t+k-2/t)
u(t+k-1/t)
u(t+k-2/t)

MODELO

SERIE/PARALELO

MODELO

PARALELO

Figura 6.2: Esquemas representativos de los
modelos paralelo y serie/paralelo.

El Modelo Paralelo

El modelo paralelo slo puede ser usado para procesos estables y es el que se implementa por
defecto. En este caso la salida y(t) se realimenta a s misma. Su expresin es:
______________________________________________________________________________
114
_______________________________________________________________________________

) 1 ( ) ( ) (
) (
1
1
) (
) (
) (
) (
1 1
1
t n t x
t e
z
t u
z A
z B
t y
+ =

+ =

con

) (
) (
) (
) ( ; ) (
1
1
) (
) 1 ( ) ( , 1 ) (
1
1
1
1 1 1
t u
z A
z B
t x t e
z
t n
z z D z C
=
= =

Por consiguiente, para cualquier t:

) 2 ( ) ( ) 1 (
) ( ) 1 (
) ( ) ( ) ( ) ( 1 ( ) (
1
1
1 1
b n
a n
n t u b t u b
n t x a t x a
t u z B t x z A t x
b
a
+ + +
=
+ =

L
L
Siendo su expresin genrica predictiva:

) 3 ( ) / (
) / 1 ( ) / (
) / 1 ( ) / (
1
1
t n k t u b
t k t u b t n k t x a
t k t x a t k t x
b n
a n
b
a
+ +
+ + + +
+ = +
L
L

La expresin genrica predictiva para la perturbacin es:

) 4 ( ) / ( ) / 1 ( ) / ( t k t e t k t n t k t n + + + = +

El Modelo Serie/Paralelo

El modelo serie-paralelo puede ser usado en procesos estables e inestables. En este caso, la
perturbacin n(t) se escoge diferente al del modelo paralelo como sigue:

) 5 ( ) (
1
) (
) ( ) ( ) ( ) (
1
1
1 1
t e
z
z A
t u z B t y z A

+ =
siendo

) 1 ( ) ( ), ( ) (
1 1 1 1
= = z z D z A z C

La salida sin perturbacin x(t) toma entonces la forma:

) 6 ( ) ( ) 1 (
) ( ) 1 (
) ( ) ( ) ( ) ( 1 ( ) (
1
1
1 1
b n
a n
n t u b t u b
n t y a t y a
t u z B t y z A t x
b
a
+ + +
=
+ =

L
L

Por consiguiente su expresin genrica predictiva del modelo serie/paralelo es:

______________________________________________________________________________
115
_______________________________________________________________________________
) 7 ( ) / (
) / 1 ( ) / ( ) / 1 ( ) / (
1 1
t n k t u b
t k t u b t n k t y a t k t y a t k t x
b n
a n
b
a
+ +
+ + + + + = + L L

La diferencia entre los dos modelos puede deducirse de la figura 3.

y
+
-
x
y
u
u

PROCESO
MODELO
S/P
+
-
y
x
x u
u
PROCESO
MODELO
PARALELO

Figura 6.3: Implementacin de los
modelos Paralelo y Serie/Paralelo.

6.2 El Controlador Predictivo
6.2.1 Objetivo del Controlador

El objetivo del controlador predictivo es determinar el vector de control u(t+k/t), con k = 0, ..., N
2
-1,
que minimice la siguiente funcin de costo[1][3][5]:

= =
+ + + + =
1
0
2 2
) 8 ( )] / ( [ )] / ( ) / ( [
2
1
u
N
k
N
N k
t k t u t k t y t k t r J

donde:

) 9 ( ) / 1 ( ) / ( ) / ( t k t u t k t u t k t u + + = +

con u(t+k/t) = 0 para k N
u

La trayectoria de referencia est representada por la ecuacin:

) 10 ( ) / ( ) 1 ( ) / 1 ( ) / ( t k t t k t r t k t r + + + = +
Los parmetros de diseo son:

N1: Horizonte de prediccin mnimo
N
2
: Horizonte de prediccin mximo (por defecto N
2
= N
1
+1 ...N
1
+10)
Nu : Horizonte de control (por defecto Nu=1)
N1 ... N2 = Horizonte de coincidencia (por defecto N1 = tiempo muerto)
: Parmetro de ponderacin; por defecto considerar cero.
: Parmetro de filtraje (por defecto considerar cero).

Es importante observar que:
______________________________________________________________________________
116
_______________________________________________________________________________

1. La trayectoria de referencia dada en (10) constituye un filtro de primer orden para w(t). Este
filtro se puede representar mediante la siguiente funcin de transferencia:

) 11 (
1
1
) (
) (
1
=
z z
z r

2. El filtro para w(t) se puede implementar fuera del lazo de control, no afectando de esta manera
a la estabilidad, pero s contribuyendo al rechazo al ruido.

6.2.2 Respuesta Libre y Respuesta forzada

Conceptualmente, la respuesta futura y(t+k/t) puede ser considerada como el resultado acumulativo de
dos efectos:

) 12 ( ) / ( ) / ( ) / ( t k t y t k t y t k t y
forzada libre
+ + + = +

donde:
y
libre
(t+k/t) : es el efecto del control pasado
y
forzada
(t+k/t) : es el efecto de la accin de control futuro y a una secuencia de entradas escaln.

El efecto acumulativo de todos los escalones es:

) 13 ( ) / 1 ( ... ) / 1 ( ) / ( ) / (
1 1
t N t u g t t u g t t u g t k t y
u N k k k forz
u
+ + + + + = +
+

donde los parmetros g
1
, g
2
, ...,g
N2
son los coeficientes de la respuesta del sistema al escaln unitario.
De la ecuacin (13) se puede obtener la siguiente expresin para la componente forzada:

) 14 ( GU Y
forz
=
donde:

(
(
(
(
+
+
=
(
(
(
(
(
=
(
(
(
(
(
(
(
+
+ +
+
+
+

=
) / 1 (
) / 1 (
) / (
;
) / (
..........
..........
) / 1 (
) / (
1 1
1
2 1
2
1
1
2 2 2
1 1
1 1 1
t N t u
t t u
t t u
U
g g g
g g
g g g
G
t N t y
t N t y
t N t y
y
u
N N N N
N N
N N N
forz
forz
forz
forz
u
L
L
L L L L
L L
L

______________________________________________________________________________
117
_______________________________________________________________________________

6.2.3 La Ley de Control

Con la notacin anterior, la funcin de costo resulta:

) 15 ( ] ) [( ] ) [(
) ( ) (
U U GU Y R GU Y R
U U Y R Y R
T T
T T
+
= +

la cual es una forma cuadrtica en U, cuya minimizacin por diferenciacin resulta en la siguiente
solucin ptima:

) 16 ( ) ( ) (
1
Y R G I G G U
T T
+ =

Es importante indicar que:
Solamente el primer elemento de u(t/t) de U
es necesario para computar la entrada de control

actual u(t) = u(t-1)+ u(t/t). El mismo procedimiento se repite para la nueva medicin y(t+1) en el
prximo instante de tiempo t+1. Este procedimiento se denomina el principio del horizonte
retroactivo.
La matriz [G
T
G+I] a ser invertida tiene dimensin Nu x Nu. Para el caso por defecto Nu = 1, se
obtiene una ley de control escalar (con muy buenos resultados en muchos casos prcticos) de la
forma:

) 17 (
)] / ( ) / ( [
) (
2
1
2
1
2
|
|
.
|
\
|
+
+ +
=
=
=
N
N k
k
N
N k
libre k
g
t k t y t k t r g
t u

Otra optimizacin para la estructuracin del escenario de control consiste en el empleo de funciones
base de la forma:
) 18 ( ) / (

= +
i
i i
B t k t u

La optimizacin de la seal de control u(t+k/t) es ahora con respecto a los parmetros
i
.
El diagrama de bloques del sistema de control predictivo se muestra en la figura 4.

n

w
r e u x y
Con-
trol.
Proce-
so
Modelo
paralelo
Fil-
tro
-

Figura 6.4: Diagrama de bloques del
Controlador Predictivo

______________________________________________________________________________
118
_______________________________________________________________________________
El Control Predictivo puede mostrar diferentes propiedades [2][4][6][7], dependiendo de la
seleccin de N
1
, N
2
, N
u
y . Por ejemplo:

Si N
1
= n, N2 = 2n-1, N
u
= n y = 0, la salida alcanza la referencia despus de n muestras y se
mantiene en este estado, proporcionando una vigorosa accin de control. Este caso es muy apropiada
para aplicaciones de alto rendimiento como en la robtica.

Si escogemos N1 = N
u
= 1, N2 y = 0, obtendremos una respuesta transitoria de la variable
controlada, caracterizada por un tiempo de subida rpido y un tiempo de estabilizacin lento. Este
hecho es relevante en el control de procesos industriales.

Ley de Control con Restricciones

El problema de control presentado en la subseccin anterior fue formulado bajo condiciones de
control sin restricciones; es decir, considerando que todas las seales poseen un rango ilimitado. Sin
embargo, esto no es realista. En la prctica, todos los procesos estn sujetos a restricciones. Por
ejemplo, en el caso de un servosistema no lineal, si la seal de control u(t) es demasiado grande,
entonces el amplificador del voltaje de armadura se puede saturar producindose su deterioro. En
presencia de restricciones no es posible la resolucin analtica del problema de minimizacin,
debiendo recurrirse a dos posibles soluciones. La primera solucin es tratar a todas las variables como
si no tuvieran restricciones. Posteriormente, conforme a rangos previamente especificados (las
restricciones), proceder mediante software, con el corte o limitacin de las magnitudes de las
variables. La otra solucin requiere el empleo de tcnicas numricas, tales como la programacin
cuadrtica. En este captulo no se tratar esta ltima alternativa.

6.3 Aplicacin:

Diseo e Implementacin de un Sistema de Control de Posicin Digital
Predictivo para un Motor DC sujeto a Cargas No Lineales

La figura 5 presenta la estructura del proceso no lineal a controlar, conformado por un sistema
elctrico (el servo-motor DC y el amplificador de potencia) y un sistema mecnico (conformado por
una varilla acoplada al eje del motor y un engranaje reductor de velocidad ). El sensor de posicin est
conformado por un codificador ptico, un decodificador de cuadratura y un contador de 16 bits. El
sistema de control ha sido implementado usando un microcomputador Pentium y una tarjeta de
interfaz LAB PC +, tal como puede apreciarse en a figura 6.

Figura 6.5: Estructura del proceso no lineal.

______________________________________________________________________________
119
_______________________________________________________________________________
La tabla 1 describe las variables y los valores de sus parmetros. Despreciando la inductancia L del
servomotor, el proceso no lineal puede ser descrito por

) 19 ( ) ( ;
0
) (
1 ) (
1
2
2
1
2
x x H
u
RM
nKK
x G
T
M
x
MR
KE n
M
B
senx
M
N
x
x F
act
N
=
(
(
=
(
(
(
|
|
.
|
\
|
+
=

Asumiendo que la seal de control u est compensada por las no linealidades y eligiendo al origen
como punto de equilibrio estable, el proceso no lineal [4][5][6][7] puede ser descrito mediante el
siguiente modelo lineal:

) 20 ( ; x C y u B x A x
c c c
= + = &

| |
L m
L o
c c c
b b n B
J Jm n Jeff
m
M gL N
mL MR ML Jeff M
C
MR
Kact n K
B
MR
E n K
M
B
M
N
A
+ =
+ =
|
.
|
\
|
+ =
+ + + =
=
(
(
=
(
(
|
|
.
|
\
|
+
=
2
2
2
0
2
0
2
0
2
; ;
2
3
1
5
2
0 1 ;
0
;
1 0

La funcin de transferencia G
p
(s) del proceso puede determinarse de

) 21 ( ] [
) (
) (
) (
1
c c c p
B A sI C
s u
s y
s G

= =

La funcin transferencia pulso G
p
(z) se determina como sigue [5][8][9][10]:

) 22 (
) (
) 1 (
) (
) (
) (
1
(
= =

s
s G
Z z
z u
z y
z G
p
p

donde Z[.] es la operacin transformada Z. Dicha funcin de transferencia depende del tiempo de
muestreo T y posee la estructura siguiente:

) 23 (
) (
) (
1
) (
2
2
1
1
2
2
1
1
2 1
2
2 1
z A
z B
z a z a
z b z b
a z a z
b z b
z Gp
=
+ +
+
=
+ +
+
=

que constituye el modelo CARIMA del proceso, con

______________________________________________________________________________
120
_______________________________________________________________________________
2
2
1
1
1
2
2
1
1
1
) (
; 1 ) (

+ =
+ + =
z b z b z B
z a z a z A

Su correspondiente ecuacin de diferencias es:

) 24 ( ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) (
2 1 2 1
+ + = k u b k u b k y a k y a k y

Con M
o
= 0 (varilla sin carga adicional). Los parmetros poseen los valores siguientes:

0043 . 0 , 0044 . 0 , 9614 . 0 , 9614 . 1
2 1 2 1
= = = = b b a a

La respuesta libre del proceso est dada por:
) 1 ( ) ( ) 1 ( ) ( ) 1 (
2 1 2 1
+ + = + t u b b t y a t y a t y
libre libre libre

y los coeficientes g
k
de la respuesta al escaln se determina de:

3 ; ) 2 ( ) 1 ( ) (
:
; ) 2 ( , ) 1 ( , 0 ) 0 (
: ) 2 ( ) 1 ( ) 2 ( ) 1 ( ) (
2 1 2 1
2 1 1 1 1
2 1 2 1
+ + =
+ + = = =
+ + =
k para b b k g a k g a k g
y
b b b a g b g g
obtener podemos k u b k u b k g a k g a k g

La ley de control a emplear es del tipo escalar (N
u
= 1) con N1 = 1 y N2 = 12. La forma de la ley
de control es:

|
|
.
|
\
|
+
+ +
=
=
=
2
1
2
1
2
)] / ( ) / ( [
) (
N
N k
k
N
N k
libre k
g
t k t y t k t r g
t u

Las restricciones a la seal de control u(t) estn comprendidas en el rango: -1.4 u +1.4

Figura 6.6: Implementacin del sistema de control.

______________________________________________________________________________
121
_______________________________________________________________________________

Tabla 1: Parmetros de la planta.

SIMBOLO DESCRIPCIN VALOR (unidades)
Kact Ganancia del amplificador de potencia 14.9
E Constante de fuerza electromotriz 31.0352x10
-3
V/rad/s
J
L
Momento de inercia de la carga 3.5x10
-7
Kg m
2

N Reduccin de engranajes 19.741
b
L
Coeficiente de friccin de la carga 10
-5
Nm/rad/ s
L Inductancia de armadura 4.64x10
-2
H.
R Resistencia de armadura 7.38
Jm Momento de inercia del motor 1.9062x10
-6
Kg m
2

b
m
Coeficiente de friccin del motor 1.8338x10
-6
Nm/rad/ s
G Aceleracin de la gravedad 9.81 m/ s
2

M Masa de la varilla 0.06377 Kg
Lo Longitud de la varilla 0.776 m
K Constante de torque del motor 31.071x10
-3
Nm/A

6.4 Resultados

A continuacin se presentan los resultados de la implementacin del algoritmo de control predictivo
en tiempo real con restricciones de entrada y de salida. Para los casos presentados, la trayectoria
deseada es una curva discontinua escalonada. Las respuestas controladas (en lneas de trazo) se
muestran en las figuras 6.7 al 6.14.
La inercia total de la carga no lineal es:

2
0 0
5
2
R M J J
T
+ =

donde J es la inercia total originada por la varilla (sin carga adicional). Variando la carga adicional (la
esfera de radio R
o
y masa M
o
), variamos tambin la carga total. Para todos los casos se ha considerado
= 0.01

______________________________________________________________________________
122
_______________________________________________________________________________
Respuesta a referencias fijas.

Referencia = 45
Carga inercial: J
T
= J
=0.97

Nota. Las grficas para cargas distintas, son
prcticamente las mismas.

Respuesta a referencias variantes.

carga inercial : J
T
= J carga inercial : JT = 1.42 J
=0.935 =0.935

______________________________________________________________________________
123
_______________________________________________________________________________

carga inercial : J
T
= 1.84 J carga inercial : J
T
= 2.98 J
=0.935 =0.935

6.5 Conclusiones

La frecuencia de muestreo usada para las pruebas experimentales es de 100Hz.

Los resultados en tiempo real, presentan buena respuesta, confirmando los resultados de las
simulaciones en MATLAB y SIMULINK (que no son presentadas en este artculo por razones de
espacio).

Por razones de espacio no se presentan las simulaciones.

La respuesta del sistema (posicin) a referencias fijas es muy rpida, llegando a converger en tres
pasos, presentando alta estabilidad.

______________________________________________________________________________
124
_______________________________________________________________________________
La respuesta a referencias variantes es buena, tal como se pueden apreciar en los resultados
mostrados.

Una inspeccin a las diferentes pruebas, nos permite afirmar que para valores de ms cercanos a
0 que a 1, el sistema se hace ms rpido, pero pierde robustez; mientras que, para ms cercanos a la
unidad, el sistema adquiere robustez , pero pierde rapidez.

Otro factor muy importante es el parmetro de filtraje , que determina la exactitud de segimiento a
la trayectoria deseada w .

Finalmente, podemos observar que el mximo valor que adquiere la seal de control en el
transitorio es de 1.4 voltios, para luego tender hacia cero.

Referencias

[1] Robin De Keyser, A gentle Introduction to Model Baseded Predictive Control. PADI2
International Conference on Automatic Control, octubre de 1998, Piura, Per.
[2] Eduardo F. Camacho and Carlos Bordons, Model Predictive Control, , Springer, 1999.
[3] Cesar De Prada, Optimizacin de Consignas en Control Predictivo. PADI2 International
Conference on Automatic Control, octubre de 1998, Piura, Per.
[4] Katsuhiko Ogata, Ingeniera de Control Moderna, Prentice - Hall Hispanoamericana, S.A.
Mxico Englewood Cliffs, tercera edicin, 1998.
[5] Arturo Rojas, Control Avanzado, Diseo y Aplicaciones en tiempo real, Edicin
independiente, UNI - 2001.
[6] Alfredo Tupayachi, Servo-Control no Lineal para Sistemas precisos de seguimiento, PADI2
[7] Luis A. Ponce Dioses, Control de servo sistemas no Lineales usando Redes Neuronales, PADI2
[8] Katsuhiko Ogata, Sistemas de Control en Tiempo Discreto, Prentice - Hall Hispanoamericana,
S.A. Mxico Nueva York, segunda edicin, 1996.
[9] Astrom, K ,J. y Wittenmark, B. Computer Controlled Systems: Teory and Design, Prentice
Hall, Upper Saddle River, New Jersey, tercera edicin, 1997.
[10] Rolf Isermann, Digital Control Systems, Springer, 1989.

______________________________________________________________________________
125

Cont Av Cap6

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cont Av Cap6

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA Control Avanzado

es necesario para computar la entrada de control

S-ar putea să vă placă și