Cap.

8 Reglarea cu predictie
bazata pe model
8.1 Conceptul de reglare cu predictie
r
w(k+ik)
y(k) yˆ ( k  i | k )
u(k+i|k)

t
k k+1 k+2 k+c k+p
trecut viitor

• t=kT se calculeaza y(k + ik), i=1..p pe baza modelului procesului si a scenariului

viitor de reglare u(k + ik), i=0..p-1 Obs.: u(k + ik)≠ u(k + i) pentru k>0
• se defineste traiectoria referintei w(k + ik), i=1..p;
• Se calculeaza secventa {u(k + ik)}, i=0..p-1 minimizand un criteriu de performanta
ce depinde de eroarea de reglare predictata [w(k + ik)- y(k + ik)], i=1..p;
• Structurare si restrictii: orizontul comenzii c
• u(kk) este aplicat procesului principiul orizontului alunecator
 8.1 Conceptul de reglare cu predictie
Intrările şi Traiectoria
ieşirile din referinţei
trecut
Ieşirile predictate +
Model
-
Intrările
viitoare
Dispozitiv de
optimizare Erorile viitoare

Funcţia Restricţii
obiectiv
• Predictie pe baza modelului procesului
• Specificarea traiectoriei de referinta
Strategia de calcul a comenzii optimale
• Structurarea comenzii viitoare
in cazul controlului predictiv
• Definirea functiei obiectiv (restrictii)
• Calculul scenariului optim de comanda
 8.2 Calculul predictorilor de ordinul i
e( k )
• Model proces: A(q1 ) y (k )  B (q 1)q d u (k 1)  ,


CARIMA - Controlled Auto-Regresive and Integrated Moving Average

~
• Notatie: A(q 1 )  A(q 1 )

• Ecuatie diofantica: 1  Ei (q1) A ( q1)  qi Fi ( q1)

 nEi
Ei  1    enE q ; nEi  i  1
i
 nFi
Fi  f0    fnF q ; nFi  nA
i
 8.2 Calculul predictorilor de ordinul i
~
CARIMA* q Ei A Ei y (k  i )  Ei Bu (k  i  d  1)  Ei e(k  i )
i
•

• Ec. Diof. (1  q i Fi ) y (k  i )  Ei Bu (k  i  d  1)  Ei e(k  i )

y (k  i )  Fi y (k )  Ei Bu (k  i  d 1)  Eie(k  i ) ()

• Notatie:
Gi  E i B

• Predictorul de ordinul i de varinata minima

J  E{[ yˆ (k  i )  y (k  i )]2 } 
 E{[ yˆ ( k  i )  ( Fi y (k )  Ei Bu (k  i  d 1)  Ei e(k  i ))]2 }

• minJ
yˆ (k  i )  Gi u (k  i  d  1)  Fi y (k )
 8.2.1 Forma matriceala a predictorilor

• Parametrii de acord: c  N , p m  d  1, pdN

yˆ (k  i)  Gi u (k  i  d 1)  Fi y (k )  i  pm ... p

yˆ (k  d  1)  Gd 1u (k )  Fd 1 y (k )
yˆ (k  d  2)  Gd  2 u (k  1)  Fd  2 y (k )
  
yˆ (k  d  N )  Gd  N u (k  N  1)  Fd  N y (k )

yˆ  Gu  F (q 1 ) y (k )  G ' (q 1 )u (k  1)
 8.2.1 Forma matriceala a predictorilor
 yˆ (k  d  1)   u ( k )   g0 0 0

• Notatii:  yˆ (k  d  2)   u ( k  1)   g g0  0 
yˆ    u  G 1
         
     
 ˆ
y ( k  d  N )  u ( k  N  1)  g N 1 g N 2  g0 

  Gd 1 (q 1 )  g 0  q   Fd 1 (q 1 ) 
  G ( q 1 )  g  g q 1  q 2   F (q 1 ) 
G ' (q 1 )   d 2 0 1  F(q 1 )   d  2 
            

 Gd  N (q 1 )  g 0  g1q 1  ...  g n1q ( N 1)  q N   1 
 Fd  N (q )

f  F(q1) y ( k )  G' (q1) u ( k 1)  raspunsul liber

• Forma matriceala: yˆ  Gu  f
 8.3 Regulatorul GPC

• Generalized Predictive Control GPC

e( k )
• Model proces: CARIMA A(q1 ) y (k )  B(q1 )q d u (k 1)  ,


• Predictor: yˆ  Gu  f
p c
2 2
• Functia obiectiv: J   yˆ (k  i)  r (k  i)     (k  i 1) .
i  pm i 1

- forma matriceala: J  (Gu  f  r ) T (Gu  f  r )  u T u

T
- vectorul traiectoriei referintei: r   w(t  d  1), w(t  d  2), ..., w(t  d  N )
 8.3 Regulatorul GPC
• Notatii: H  2(GT G  I ), bT  2(f  r )T G , f0  (f  r )T (f  r )

1 T
• Functia obiectiv: J u Hu  b T u  f 0
2

J
• Comnada: 0 u   H1b  (GT G   I )1GT (r  f )
u

• Principiul orizontului alunecator: u (k )  K (r  f )

- Notatie: K  1 0 ... 0 (GT G   I )1GT

 8.3 Regulatorul GPC
Regulator GPC: u (k )  K (r  f )

r + u(k) 1 u(k) y(k)

K Proces
_ 1  q 1

f
Bloc calcul
răspuns liber

Fig. 8.3 Structura de reglare cu regulator GPC