Control lineal cuadrtico gaussiano

En la teora de control, el problema de control lineal cuadrtico gaussiano (LQG) es uno de los ms
fundamentales de control ptimo. Se refiere a sistemas lineales inciertos perturbados por ruido blanco
gaussiano aditivo, que tiene la informacin de estado incompleta (es decir, no todas las variables de estado se
miden y disponible para la regeneracin) y sometidos a control de sujetos a cuadrticas costes. Adems, la
solucin es nica y constituye una ley de control de realimentacin dinmico lineal que se calcula y fcil de
implementar. Finalmente el controlador LQG tambin es fundamental para el control ptimo de los sistemas no
lineales perturbados.1

El controlador LQG es simplemente la combinacin de un filtro de Kalman es decir, un estimador lineal

cuadrtica (LQE) con un regulador lineal cuadrtico (LQR). El principio de separacin garantiza que estos
pueden ser diseados y calculan de forma independiente. LQG de control se aplica tanto a los sistemas lineales
invariantes en el tiempo , as como sistemas de variables en el tiempo lineales. La aplicacin a los sistemas
invariantes en el tiempo lineales es bien conocido. La aplicacin de sistemas de variables en el tiempo lineal
permite el diseo de controladores de captacin lineal para sistemas inciertos no lineales.

El controlador LQG en s es un sistema dinmico como el sistema que controla. Ambos sistemas tienen la
misma dimensin estado. Por lo tanto la aplicacin de la controlador LQG puede ser problemtico si la
dimensin del estado del sistema es grande. El problema LQG de orden reducido (problema LQG orden fijo)
supera est fijando a priori el nmero de estados del controlador LQG. Este problema es ms difcil de resolver
porque ya no es separable. Tambin la solucin ya no es nico. A pesar de estos hechos algoritmos numricos
estn disponibles2 3 4 5 para resolver los asociados ecuaciones de proyeccin ptimos6 7 que constituyen
condiciones necesarias y suficientes para que un controlador LQG de orden reducido localmente ptima.2

Por ltimo, una palabra de precaucin. LQG optimalidad no garantiza automticamente buenas propiedades de
solidez.8 La estabilidad robusta del sistema de circuito cerrado debe ser revisado por separado despus de que
el controlador LQG ha sido diseado. Promover robustez algunos de los parmetros del sistema puede suponer
estocstico en lugar de determinista. El problema de control ms difcil asociada conduce a un controlador
ptimo similar de la cual slo los parmetros del controlador son diferentes.3

Descripcin matemtica del problema y la solucin

Tiempo continuo
Considere el sistema dinmico lineal,

donde representa el vector de las variables de estado del sistema, el vector de las entradas de control y el
vector de salidas medidas disponibles para la retroalimentacin. Tanto ruido blanco gaussiano aditivo sistema
y aditivo blanco gaussiano ruido de medicin afectar el sistema. Teniendo en cuenta este sistema el
objetivo es encontrar la historia entrada de control que en cada momento puede depender slo de las
ltimas mediciones de tal manera que la siguiente funcin de costo se minimiza,
donde denota el valor esperado. La hora final (horizonte) puede ser finito o infinito. Si el horizonte tiende
a infinito el primer trmino de la funcin de coste se convierte en insignificante e irrelevante
para el problema. Adems de mantener los costos finitas la funcin de coste hay que tener para ser .

Referencias
1. Athans M. (1971). The role and use of the stochastic Linear-Quadratic-Gaussian problem in control system design.
IEEE Transaction on Automatic Control. AC-16 (6): 529-552. doi:10.1109/TAC.1971.1099818 (http://dx.doi.org/10.1109%2FTA
C.1971.1099818).
2. Van Willigenburg L.G., De Koning W.L. (2000). Numerical algorithms and issues concerning the discrete-time optimal
projection equations. European Journal of Control 6 (1): 93-100. Associated software download from Matlab Central
(http://www.mathworks.com/matlabcentral/fileexchange/loadFile.do?objectId=19948&obje ctType=file).
3. Van Willigenburg L.G., De Koning W.L. (1999). Optimal reduced-order compensators for time-varying discrete-time
systems with deterministic and white parameters. Automatica 35: 129-138. doi:10.1016/S0005-1098(98)00138-1 (http://dx.do
i.org/10.1016%2FS0005-1098%2898%2900138-1). Associated software download from Matlab Central (http://www.mathwork
s.com/matlabcentral/fileexchange/loadFile.do?objectId=20014&objectT ype=FILE).
4. Zigic D., Watson L.T., Collins E.G., Haddad W.M., Ying S. (1996). Homotopy methods for solving the optimal
projection equations for the H2 reduced order model problem. International Journal of Control 56 (1): 173-191.
doi:10.1080/00207179208934308 (http://dx.doi.org/10.1080%2F00207179208934308).
5. Collins Jr. E.G, Haddad W.M., Ying S. (1996). A homotopy algorithm for reduced-order dynamic compensation using
the Hyland-Bernstein optimal projection equations. Journal of Guidance Control & Dynamics 19 (2): 407-417.
doi:10.2514/3.21633 (http://dx.doi.org/10.2514%2F3.21633).
6. Hyland D.C, Bernstein D.S. (1984). The optimal projection equations for fixed order dynamic compensation. IEEE
Transaction on Automatic Control. AC-29 (11): 1034-1037. doi:10.1109/TAC.1984.1103418 (http://dx.doi.org/10.1109%2FTAC.1
984.1103418).
7. Bernstein D.S., Davis L.D., Hyland D.C. (1986). The optimal projection equations for reduced-order discrete-time
modeling estimation and control.Journal of Guidance Control and Dynamics 9 (3): 288-293. doi:10.2514/3.20105 (http://d
x.doi.org/10.2514%2F3.20105).
8. Green, Limebeer: Linear Robust Control, p. 27

Obtenido de https://es.wikipedia.org/w/index.php?
title=Control_lineal_cuadrtico_gaussiano&oldid=92602991

Se edit esta pgina por ltima vez el 30 jul 2016 a las 18:29.
El texto est disponible bajo la Licencia Creative Commons Atribucin Compartir Igual 3.0; pueden
aplicarse clusulas adicionales. Al usar este sitio, usted acepta nuestros trminos de uso y nuestra poltica
de privacidad.
Wikipedia es una marca registrada de la Fundacin Wikimedia, Inc., una organizacin sin nimo de
lucro.