IRA_Cursul 11

Cap.8 Proiectarea sistemelor de reglare

numerică pe baza formalismului intrare-stare-
ieşire
8.2 Proiectarea regulatorului intern stabil care rezolvă
problema reglării: 8.2.2 Reglarea după stare cu
componentă integrală;
8.3 Estimarea stării: 8.3.1 Estimatorul complet; 8.3.2
Estimatorul de ordin redus;
8.4 Proiectarea regulatorului cu estimator de stare
8.2.2 Reglarea după stare cu componentă
integrală

Modelul integratoarelor de pe canalele de eroare:

x i ( k + 1) = x i (k ) + y (k )

Problema reglării: lim
k →∞
y (k ) = 0

x f ( k + 1) = Φ f x f (k ) + Γ f u( k )

Modelul părţii fixate: 
y ( k ) = y r − C f x f

Modelul extins al părţii fixate cu integratoare:

x f (k + 1)   Φ f 0 x f (k ) Γ f  0 
  = − C I    +   u ( k ) +   y r (k )
 x i (k + 1)   f   x i (k )   0  I 

y ( k ) = − C 0  x f ( k )  + y ( k )
[ ]
 f  x (k )  r
  i 
8.2.2 Reglarea după stare cu componentă
integrală

Se introduc notaţiile:
 x f (k )   Φf 0 Γ f 
x′(k ) =  , Φ′ =  ′
Γ = 
I 
 ,
  xi ( k )   −C f 0

 0
 W =  I  , C′ =  −C f 0 
  

Modelul extins al părţii fixate devine:
x′(k + 1) = Φ′x′(k ) + Γ′u(k ) + Wy r (k )

y (k ) = C′x′(k ) + y r (k )

Regulatorul intern stabil este descris de:

u( k ) = F f x f (k ) + Fi xi ( k ) = F′x′( k ),
 8.2.2 Reglarea după stare cu
componentă integrală

Structura sistemului de reglare:

yr + y xi + x
u f
xi (k+1)= xi(k)+ y (k) Fi x (k+1)= Φ x (k)+ Γ u(k) Cf y
f f f f f
-
+

Ff
Exemplul 8.2

Se consideră partea fixată continuă de la Exemplul 8.1:

 xɺ1   −0.5 0   x1  0.5

 xɺ  =  1    +  u
−0.25  x2   0 
 2 
T
y f = [ 0 1][ x1 x2 ]
Se cere:
a) să se proiecteze un regulator numeric după stare care să asigure
performațele: σ % ≤ 4.3%, tt ≤ 4sec., e p = 0
b) să se reprezinte structura de reglare
Exemplul 8.3

Se consideră partea fixată continuă multivariabilă descrisă prin

modelul intrare-stare-ieșire:
 xɺ1   0 0   x1  1 0   u1 
 xɺ  = 1    +    ⇒ xɺ f = A f x f + B f u
 2  0   x2   0 1  u2 
 y1  1 0 T
 y  = 1  [ x1 x2 ] ⇒ y f = Cf xf
 2  1
Se cere:
a) modelul discret al părții fixate considerând perioada de
eșantionare T = 0.1 sec.
b) să se proiecteze un regulator după stare care să asigure
performațele: σ % ≤ 4.3%, tt ≤ 4sec., e p = 0
c) să se reprezinte structura de reglare
Exemplul 8.3 - rezolvare
x f (k + 1) = Φ f x f (k ) + Γ f u(k )
a) modelul discret ⇒ 
 y f (k ) = C f x f (k )
AfT 1 0  0 0   1 0
Φf = e C ≅ I + AfT =   + 1 0  0.1 =  0.1 1 
 0 1     
T T
 0.1 0
Γf = ∫e B f dq ≅ ∫ (I + A f q )B f dq = B f T + A f B f T 2 / 2 = 
Afq

0.005 0.1
0 0  

b) e p =0 ⇒ se introduc integratoare ⇒ modelul extins :

x′(k + 1) = Φ′x′(k ) + Γ′u(k ) + Wy r (k )

y (k ) = C′x′(k ) + y r (k )
  x f (k + 1)   Φ f 02 x 2   x f (k )   Γ f  02 x 2 
  =   +  Γ f u(k ) +   y r (k )
  xi (k + 1)   f − C I 2 x 2   xi (k )  02 x 2  I2x2 
⇒
  x f (k ) 
 y (k ) =  −C f 02 x 2    + y r (k )
  xi ( k ) 
 Exemplul 8.3 - rezolvare

 legea de reglare după stare ⇒ u(k ) = F′x′(k ) = F f x f (k ) + Fi xi (k )

 proiectarea matricei F′ cu algoritmul Ackermann extins la cazul multivariabil:
∗ se verifică controlabilitatea perechii (Φ′, Γ′)
0 0 1 0 1
∗ se aleg în mod aleatoriu F0 =   ; g= 
0 0 0 1  1
∗ se construieste perechea monovariabilă (Φ0 , γ1 ) :
1 0 0.1 0  0.1 
 0.1 1 0.005 0.1  0.105
Φ 0 = Φ′ + Γ′F0 =   ; γ1 = Γ′g =  
 −1 0 1 0  0 
   
 − 1 −1 0 1   0 
∗ se verifica controlabilitatea perechii (Φ 0 , γ1 ) si se determina f T
Exemplul 8.3 - rezolvare
∗ proiectarea matricei f T cu algoritmul Ackermann
• se determină hT folosind matricea de controlabilitate:
 0.1000 0.1000 0.0900 0.0700 
 0.1050 0.1150 0.1040 0.0700 
R =  γ1 Φ 0 γ1 Φ 02 γ1 Φ30 γ1  =  ⇒
 0 -0.1000 -0.2000 -0.2900 
 
 0 -0.2050 -0.4200 -0.6140 
 14.8025 -4.5738 225.1975 -105.1975 
 87.3181 -83.1601 -607.3181 287.3181 
R −1 =  ⇒
 -170.2703 162.1622 570.2703 -270.2703
 
 87.3181 -83.1601 -187.3181 87.3181 
hT = [87.3181 -83.1601 -187.3181 87.3181]
 Exemplul 8.3 - rezolvare
• se construieste polinomul caracteristic pe baza performantelor:
Pc ( z ) = ( z 2 + α1 z + α 2 )(z − α 3 )2 = z 4 − 2.7406 z 3 +2.8157 z 2 − 1.2790 z + 0.2162
4
performante: σ % = 4.3% ⇒ ζ = 0.707; tt = =2 ⇒ ωn =2.8289
ζωn
α1 = −2e −ζω T cos(ωnT 1 − ζ 2 ) = −1.6048; α 2 = e −2ζω T = 0.6703;
n n

α 3 = e−2ω T = 0.5679
n

-0.0371 0 0.0004 0 
-0.0535 − 0.0371 − 0.0093 0.0004 
Pc (Φ′) =  
-0.0045 0 − 0.0371 0 
 
 0.0884 − 0.0045 − 0.0539 − 0.0371
• se calculeaza f T
f T = −hT Pc (Φ′) = [ −9.7597 − 2.6989 − 3.0570 3.2802]
 Exemplul 8.3 - rezolvare

∗ se construieste matricea de rectie dupa stare pentru modelul extins:

 −9.7597 − 2.6989 − 2.0570 3.2802 
′ T
F = F0 + gf = −   = F f Fi 
 −9.7597 − 2.6989 − 3.0570 4.2802 
 legea de reglare
u(k ) = F′x′(k ) =
 −9.7597 − 2.6989   −2.0570 3.2802 
= F f x f (k ) + Fi xi (k ) =   x f (k ) +   xi (k )
 −9.7597 − 2.6989   −3.0570 4.2802 
 8.3 Estimarea stării

Pentru implementarea legii de reglare după stare: u(k)=Fx(k)

=> este necesară estimarea stării atunci când aceasta nu este
măsurabilă
x(0)

Estimarea stării se va face cu Partea fixata
y (k)
o dinamică mai rapida decât a
Σ (Φ , Γ ,C )
sistemului de reglare +
u (k) ^x(0)

L – matricea estimatorului -
care controlează dinamica Model ^y (k)
^
acestuia Σ (Φ , Γ,C )
x^ (k)

L
Structura estimatorului în buclă închisă
8.3.1 Estimatorul complet

Modelul compact al părţii fixate:

 x( k + 1) = Φx( k ) + Γu( k )
∑ (Φ, Γ, C) y (k ) = Cx(k )


Tipuri de estimatoare:

cu predicţie

fără predicţie
8.3.1 Estimatorul complet

Estimatorul cu predicţie

Modelul estimatorului:
 xˆ (k + 1) = Φxˆ (k ) + Γu (k ) + L [ y (k ) − yˆ ( k )]

 yˆ ( k ) = Cxˆ ( k )
⇓
 xˆ (k + 1) = ( Φ − LC ) xˆ (k ) + Γu (k ) + Ly (k )

 yˆ ( k ) = Cxˆ ( k )

Se face substituția k → k -1

xˆ (k ) = Φxˆ (k − 1) + Γu(k − 1) + L[y ( k − 1) − yˆ (k − 1)]

yˆ (k − 1) = Cxˆ (k − 1)

 8.3.1 Estimatorul complet

Structura estimatorului cu predicţie

u (k-1)
Γ
x^(k)
y(k-1) + +^ x^(k-1)
+ x (k)
L z-1I C
- + y^ (k-1)

ˆ (k )
La ieșire rezultă starea estimată x
8.3.1 Estimatorul complet

Estimatorul fără predicţie:

xˆ (k ) = ~x ( k ) + L[y ( k ) − ~
y (k )]
~
x (k ) = Φxˆ (k − 1) + Γu (k )
~y ( k ) = C ~
x (k )

xˆ (k ) = (Φ − LCΦ)xˆ (k − 1) + (Γ - LCΓ )u(k ) + Ly(k )

Structura estimatorului fără predicţie cu xˆ (k ) la ieșire
u (k)
Γ
x^(k)
+ x(k)
~
y(k) + ^
x(k)
+ L z-1 I Φ C
+ ~y (k)
- +
8.3.1 Estimatorul complet

Calculul matricei L pentru estimatorul cu predicţie:

Eroarea de predicţie:
e(k ) = x( k ) − xˆ ( k ) ⇒ e( k + 1) = x (k + 1) − xˆ (k + 1) = ( Φ − LC ) e(k )

Dinamica erorii de predicție:
σ (Φ − LC ) = Λ*
σ ( A) = σ ( A T )
⇒ σ (Φ T
+ C T
(− LT
)) = Λ*

dinamica erorii de predicție impusă prin Λ* trebuie să fie

mai rapidă decât cea a regulatorului impusă prin Λ

Matricea L se obţine cu procedura Ackermann
folosind substituţiile:
Φ → ΦT , R → OT , F → −LT
8.3.1 Estimatorul complet

Pentru sistemele monovariabile rezultă:

−1
−l = − [ 0....01] ( O ) Pce ( Φ ) ⇒ l = P (Φ)O [0....01]
T T T −1 T
ce

Polinomul caracteristic al estimatorului:

⇒ de tip dead-beat : Pce ( z ) = z n

⇒ cu dinamicã mai rapidã de 3 ÷ 4 ori decât a sistemului de reglare:

 Pce ( z ) = ( z − α e ) n
 − (3÷4) ωnT
 e α = e
8.3.2 Estimatorul de ordin redus

Se consideră vectorul x(k) de dimensiune n și că vectorul
mărimilor ce pot fi măsurate y are dimensiunea na

Din cele na mărimi măsurate se pot determina na stări (xa),
rămânând de estimat n – na = nb stări (xb)

Modelul compact al părţii fixate cu stările xa măsurabile și
stările xb de estimat:

  x a (k + 1)  Φ aa Φ ab   x a (k )   Γ a 
  =    +   u(k )
 x a (k )   xb (k + 1)   Φba Φbb   xb (k )   Γ b 
x( k ) =   ⇒
 xb (k )    xa (k ) 
y ( k ) = [ I 0]  
  x ( k ) 
 b
8.3.2 Estimatorul de ordin redus

Se estimează stările xb => modelul devine:

xb (k + 1) = Φbb xb (k ) + Φba x a (k ) + Γbu(k ) ⇔ x(k + 1) = Φx(k ) + Γu(k )

  
"int rare" cunoscuta

x a (k + 1) − Φaa x a (k ) − Γ a u(k ) = Φab xb (k ) ⇔ y (k ) = Cx(k )

 
" masura " cunoscuta

Se construieşte estimatorul de ordin redus pe baza

estimatorului complet: xˆ (k + 1) = Φxˆ (k ) + Γu(k ) + L [ y (k ) − yˆ (k )]
x → xb ; Φ → Φbb ; Γu(k ) → Φba xa (k ) + Γb u(k );
Substitutii : 
 y (k ) → x a (k + 1) − Φaa x a (k ) − Γ a u(k ); C → Φ ab .
⇓
xˆ b (k + 1) = Φbb xˆ b (k ) + Φba x a (k ) + Γbu(k ) +
+ Lr [ x a (k + 1) − Φ aa x a (k ) − Γ a u(k ) − Φab xˆ b (k ) ]
 8.3.2 Estimatorul de ordin redus

Deoarece y (k ) = x a (k ) expresia estimatorului de ordin
redus devine:
xˆ b (k + 1) = (Φbb − L r Φ ab )xˆ b ( k ) + (Φba − L r Φ aa ) y ( k ) + L r y ( k + 1) + ( Γb − L r Γ a u(k )

Estimarea stării xb necesită cunoașterea lui y(k+1)

Se rescrie ecuația estimatorului de ordin redus:
xˆ b (k + 1) − L r y ( k + 1) = (Φbb − L r Φ ab ) ( xˆ b ( k ) − L r y (k ) ) + (Φbb − L r Φ ab )L r y ( k ) +
(Φba − L r Φ aa ) y (k ) + (Γb − L r Γ a )u( k )
xˆ b (k + 1) − L r y ( k + 1) = (Φbb − L r Φ ab ) ( xˆ b ( k ) − L r y (k ) ) +
( (Φbb − L r Φ ab )L r + Φba − L r Φ aa ) y (k ) + (Γb − L r Γ a )u(k )
Notatii: s( k ) = xb ( k ) − L r y (k ) ⇒ sˆ ( k ) = xˆ b (k ) − L r y ( k ) = xˆ b ( k ) − L r x a ( k )

Dinamica estimatorului de ordin redus:
sˆ ( k + 1) = (Φbb − L r Φ ab )sˆ ( k ) + ( (Φbb − L r Φ ab )L r + Φba − L r Φ aa ) y ( k ) + ( Γ b − L r Γ a ) u(k )
   
Φy Γu
 8.3.2 Estimatorul de ordin redus

Calculul matricei Lr a estimatorului de ordin redus

Eroarea de predicție:
e r (k ) = s(k ) − sˆ (k ) ⇒ e r ( k + 1) = s(k + 1) − sˆ (k = 1) = (Φbb − L r Φab )e r (k )
Dinamica erorii de estimare: σ ( Φbb − L r Φ ab ) = Λ r
∗

Pentru sistemele monovariabile (na = 1)

 Φab 
Φ Φ 

matricea de observabilitate: O =  ab bb 
 ....... 
 n−2 
 ab bb 
Φ Φ

matricea estimatorului de ordin redus lr (cu procedura

T
Ackermann): l r = Pce (Φbb )O−1 [ 0 0 .. 1]
8.4 Proiectarea regulatorului cu
estimator de stare

Modelul sistemului de reglare după starea
estimată şi al estimatorului complet:
x(k + 1) = Φx(k ) + Γu( k )
 u( k ) = Fxˆ ( k )   x( k + 1)  Φ + ΓF -ΓF   x( k ) 
   =   e(k ) 
 ⇒  e ( k + 1)   0 Φ - LC  
 e ( k + 1) = (Φ − LC)e ( k ) y (k ) = Cx(k )
 y ( k ) = Cx(k ) 

Ecuaţia caracteristică a sistemului de reglare:
zI − (Φ + ΓF) ΓF
= 0 ⇒ zI − ( Φ + ΓF ) zI − ( Φ − LC ) = 0
0 zI - (Φ - LC)    
Pcr ( z ) Pce ( z )

Proprietatea de separare: proiectarea regulatorului

după stare și a estimatorului pot fi făcute separat
 8.4 Proiectarea regulatorului cu
estimator de stare

Structura de reglare cu estimator de stare

^x Proces
Regulator cu estimator f Ff xe

yr + y + u y
^x(k+1)= Φ ^x (k)+ Γu(k) ^x f
xf (k+1)= Φ (k) + Γ u(k)+ Φ 2x (k)
-
f f e
L[y(k)-Cx(k) + y (k) =C x (k)
f f f
Fe
^xe

Polinomul caracteristic al sistemului de reglare în

circuit închis: Pc 0 ( z ) = Pcr ( z ) Pce ( z )
 Exemplul 8.4
Se consideră sistemul de poziționare a calpetei de admisie din Fig.1
pentru un motor cu ardere internă (MAI). Regulatorul (Electronic
Throttle Control ) primește poziția dorită θr de la pedala de acelerație și
prin comanda u controlează motorul electric de cc care printr-un
reductor modifică pozitie θ a clapetei.
Clapeta de
admisie
y f = θr
u
Regulator
Pedala de
accereatie

MAI yf = θ
u

Motor Senzor
clapeta
cc pozitie
Reductor

Fig. 1
Exemplul 8.4
Modelul sistemului de poziționare a calpetei de admisie este
reprezentat în schema bloc din Fig. 2. Motorul de cc de acționare
a clapetei are o buclă de control a vitezei v cu f.d.t. 1 / ( s + 1).
.

x2 = v
u 1 1 x1= θ =yf
s +1 s Fig. 2

Se cere:
a) modelul discret al părții fixate având ca mărime de ieșire eroarea
de măsură y și considerând perioada de eșantionare T = 0.4 sec.
b) să se proiecteze un regulator după stare estimată cu estimator
complet care să asigure performațele: σ % ≤ 4.3%, tt ≤ 2sec.
c) să se proiecteze un regulator după stare estimată cu estimator de
ordin redus care să asigure aceleași performanțe
d) să se reprezinte structurile de reglare și să se comenteze
problema reglării