UNIVERSIDAD DE PIURA

FACULTAD DE INGENIERÍA

Laboratorio de Control Industrial: Control GPC MIMO

Curso : Control Industrial
(2019)

1. Objetivos

 Analizar y desarrollar un control GPC multivariables de 2 entradas y 2 salidas.

 Analizar el comportamiento frente a un cambio de set-point.

2. Fundamentos teóricos

En un sistema de control Multivariable (MIMO) 𝑛𝑥𝑛 (ver figura 1) se utilizan distintas

herramientas para evaluar, antes de elegir un tipo correcto de control a lazo cerrado el
grado de interacción que existe entre las variables de entrada y salida y que alertan al
diseñador de posibles problemas en el lazo de control.

U2 y2
y3
U3
.
Planta .

U1 . y1.
. .

Un yn

Fig 1. Proceso multivariable

Se tiene un sistema multivariable de 2 entradas y 2 salidas, representado por una matriz

de transferencia.

Para encontrar la matriz de transfernfcia se deben dejar todas las entradas del sistema
constantes y aplicar un escalón únicamente en una entrada y ver como se comporta cada
una de las salidas del sistema. Para la primera variable manipulada podría calcular los
primeros sectores de la matriz G:
La función objetivo viene siendo igual a como hemos venido trabajando en el caso SISO.
Donde se tiene el seguimiento de referencia y las acciones de control, todo eso ponderado.
La diferencia es que ahora las ponderaciones no son escalares, dado a que tengo más de
una variable en mi sistema. Y para cada salida voy a tener horizontes diferentes.

En otras palabras como para cada salida voy a tener diferentes horizontes, suponiendo a
modo de ejemplo que tengo dos salidas (y1 que va desde el horizonte N11 hasta N12) y (y2
que va desde el horizonte N21 hasta N22). Mi matriz de predicciones “y” va a contener las
dos salidas, es decir que la salida estará dividida por sectores y que para cada sector voy
a tener que ponderar de forma diferente, quiere decir que mi vector de ponderación
también estará dividido por sectores:

Donde
Q1 es el peso de la calidad de la energía y esta para un sistema MIMO de 2 entradas y 2
salidas. Los cuadrantes que son completados son el 2 y 4, los demás cuadrantes son
completados con 0.

Q2 es el peso del incremento de control, también tiene 2 cuadrantes porque está diseñado
para 2 entradas. Los demás cuadrantes también son completados con 0.

Se prosigue con la discretizacion del sistema G(s)

Imagen diuscretizado p(Z)=[B/A….]

A continuación se encuentran las predicciones por el método de la diofantina, en el cual

encontramos E1, E2, F1 y F2. Esto se debe a que tenemos 2 salidas.

Ejemplo de un GPC MIMO

Tenemos la siguiente matriz de transferencia de 2 entradas y 2 salidas,

Se discretizado, y se obtiene la siguiente matriz sin retardos.

Se incluyen los retardos:

Se elige un horizonte de predicción de 4 para cada salida y un horizonte de control de 2

para cada entrada.

Si analizamos bien el problema, veremos que el sistema MIMO es un sistema que presenta
interacciones entre variables y que cada interacción, nosotros podriamos considerarla
como si fuera una perturbación medible. Osea que podriamos pensar en un desacoplo por
FeedForward. Entonces aplicando el mismo concepto, debemos obtener el mínimo común
multiplo de cada salida como se muestra a continuación:

Con los nuevos valores de A, se reescribe la matriz de transferencia cambiando los

polinomios B, donde también se incluyen los retardos.

Haciendo todas estas operaciones puedo recudir mi problema a la solución de varias

ecuaciones MISO (Multi-Input Single-Output), lo cual es mucho más sencillo de calcular.
Se escriben las siguientes ecuaciones, que son los modelos CARIMA. Incluyen los
retardos.

Ahora se prosigue a realizar las predicciones por las ecuaciones diofantinas. Esto es
similar como el caso SISO, solo que se extiende el procedimiento para el caso
multivariable. A continuación se tiene el modelo CARIMA para n salidas y m entradas.
Se tiene la ecuación diofantina que me permite encontrar E y F para el caso multivariable.
Puedo usar el siguiente polinomio identidad que me permite obtener la predicciones
optimas de cada salida y(k+1):

La matriz sera una matriz diagonal , el polinomio tendrá un orden

de (número de predicciones en el horizonte de predicción menos uno) y el
polinomio tendrá un odern de es decir su tamaño depende del polinomio A
relacionado a cada salida del sistema MIMO.
Donde las ecuaciones diofantinas E y F son:

Para encontrar la matriz G, se tiene que multiplicar las matrices E*B

𝐺11 = 𝐸1 𝐵11
𝐺12 = 𝐸1 𝐵12
𝐺21 = 𝐸2 𝐵21
𝐺22 = 𝐸2 𝐵22

Para entender las predicciones se separa cada entrada en matrices diferentes, para ordenar
los términos en las predicciones de la parte forzada y la parte libre.

Para la salida 1, con horizonte de predicción N=4 y horizonte de control Nu=2

Para la salida 2 con horizonte de predicción N=4 y horizonte de control Nu=2

Ley de control

La ley de control viene dada por la siguiente ecuación, esto sale de derivar la función de
costo respecto de la energía e igualarlo a cero.

Donde w es la refencia y f es la respuesta libre

Como se ha visto en el caso SISO, el primer término es constante por lo que se calcula
una vez

Por lo que la señal de control optimizada queda de la sigu8ente manera.

Y como en el caso SISO, tomamos la primera de la matrzoi de la constate K para encontrar la

señal de control futura. Para un proceso Multivariable, vamos a tomar también la primera
fila de cada bloque asociado a cada horizontes de control, asi:
Para nuestro ejemplo la matriz K queda de la siguiente manera

Donde tomamos las primeras filas de cada matriz para cada valor de entrada.

Para la primera entrada se toma la primera fila de la matriz K, y para la segunda entrada se
toma la tercera fila (Nu+1=3, Nu=2)

3. Realización de la Práctica

Lo siguiente se puede realizar por Matlab y se obtienen los siguientes resultados.

Se puede observar que cuando hay un salto en una variable de salida, ocurre una perturbación en
la otra variable de salida. Esto se observa en ambos cambios de set-point.

4. Informe a entregar

 Analizar y describir el comportamiento de otras matrices de transferencia.

(mínimo 2 matrices de transferencia)
 Analizar el comportamiento frente a cambios de horizonte de predicción.
 Analizar el comportamiento frente a cambios del peso. Modifique un peso
mientras el otro permanece constante para ver el comportamiento.
 Añadir disturbios a su proceso.
 Incrementar los retardos a la matriz de transferencia.
 Conclusiones.

El profesor añadirá preguntas durante la ejecución del laboratorio.