Está en la página 1de 5

El control adaptativo y sus aplicaciones.

Un ejemplo de diseño e
implementación para un motor DC
R. Juárez-Salazar1 , W. F. Guerrero-Sánchez1 , J. F. Guerrero-Castellanos2 ,
J. J. Oliveros-Oliveros1 , V. V. Alexandrov1
1 Facultad de Ciencias Fı́sico-Matemáticas, 2 Facultad de Ciencias de la Electrónica,
Benemérita Universidad Autónoma de Puebla (BUAP)
Ciudad universitaria, 72570, Puebla, México
rigobertojuarezs@gmail.com, willi@fcfm.buap.mx

Abstract— En este trabajo se describen los orı́genes del satisfacer el algoritmo de estimación de parámetros es que
control adaptativo, las necesidades por las cuales se originó debe forzosamente ejecutarse en linea [4][5][6][7].
y las aplicaciones en las que actualmente tiene impacto. Al
final se presenta un ejemplo donde se diseña y se implementa II. E L CONTROL ADAPTATIVO
un control adaptativo por modelo de referencia por adaptación
de parámetros aplicado a un motor de corriente directa (DC) El control adaptativo tuvo grandes avances durante la se-
de laboratorio y se muestran resultados experimentales. gunda guerra mundial y posteriormente durante la guerra frı́a.
Index Terms— Control adaptativo, Modelo de referencia, Las nuevas aeronaves y pruebas de vuelo a velocidades su-
Ajuste de parámetros. persónicas, misiles militares y satélites artificiales exigieron
cambios radicales en los sistemas de control. Incluso, el
I. I NTRODUCCI ÓN desarrollo de los sistemas de control era una estrategia militar
ya que se consideraba que la eficiencia en el armamento se
El control adaptativo se aplica a los procesos que cam- lograba únicamente cuando se unificaban la aerodinámica,
bian su dinámica en condiciones normales de operación o los sistemas de propulsión, orientación y control [8].
que están sujetos a perturbaciones estocásticas [1]. Razones Los primeros sistemas adaptativos tuvieron diferentes
para emplear control adaptativo son dinámica variable de la orı́genes, entre los que destacan el sistema General Elec-
planta, perturbaciones y eficiencia. Una manera de resolver tric conocido ası́ en reconocimiento de sus creadores. Éste
éste problema es obtener un control que se adapte ya sea sistema se basa en la idea de ajustar una ganancia en lazo
a las señales de perturbación, los parámetros o incluso la cerrado obligando mantener una dinámica deseada en el
estructura [2]. sistema.
Generalmente, el control de procesos con dinámica vari- De la misma manera al igual que la empresa General
able no es fácil. En la actualidad existen dos posibles solu- Electric, la corporación Honeywell dedicada a productos de
ciones para tal situación: control adaptativo y control robusto consumo, ingenierı́a y sistemas aeroespaciales obtuvieron un
[3]. El control adaptativo es usado donde los parámetros resultado muy importante que fue inspirado en la observación
del proceso cambian durante la operación y no es posible de la insensibilidad a los cambios que se presentan en la
conocer o establecer anticipadamente dichas situaciones. planta cuando éstas son sistemas de segundo orden con alta
La solución se ha de buscar en una forma especı́fica de ganancia en el lazo de retroalimentación.
control donde la estimación de los parámetros y el diseño
del regulador deban realizarse en linea durante la operación A. Control adaptativo por modelo de referencia
normal del sistema de control. Tanto el sistema General Electric como el sistema Honey-
El control adaptativo es un tipo especı́fico de control no well fueron sistemas bastante importantes aunque muy par-
lineal donde el proceso es controlado en lazo cerrado, y ticulares, puesto que solo la ganancia del regulador podı́a ser
donde el conocimiento sobre las caracterı́sticas del sistema ajustada. Los sistemas adaptativos por modelo de referencia
son obtenidas en linea mientras el sistema está en operación. (MRAS) son otra manera mas general de control adaptativo
Basados en la información actualizada obtenida durante la y fue aplicado para para resolver el problema del control
operación normal, se realizan intervenciones especı́ficas en de vuelo del caza F-101A de la armada de Estados Unidos
el lazo de control para alcanzar el rendimiento deseado. durante la guerra frı́a.
Una parte muy importante del control adaptativo, es el Los sistemas adaptativos por modelo de referencia se
algoritmo de estimación de parámetros [1][2][3] ya que éste basan en la idea de especificar el rendimiento del servo
es la “ventana” que permite visualizar cómo los parámetros sistema por un modelo que, a partir de la señal de entrada
del sistema están cambiando y poder modificar el control del proceso, reproduce la salida deseada y la diferencia entre
adaptándose a éstos parámetros para mantener el proceso la salida del modelo y la del proceso sea considerada para
en la dinámica deseada. Una de las propiedades que debe el ajuste de los parámetros del regulador. Ésto fue conocido
más tarde como seguimiento de modelo. En la figura 1 se
muestra el diagrama de bloques de un sistema adaptativo
por modelo de referencia.

Fig. 3. Diagrama de bloques un sistema con ganancia tabulada

C. Control adaptativo por reguladores autosintonizables


Mientras los sistemas adaptativos por modelo de referencia
Fig. 1. Diagrama de bloques un sistema adaptativo por modelo de fueron inspirados para el control de vuelo, los reguladores
referencia autosintonizables (selft-tuning) fueron inspirados para el
control de procesos. Respecto a esta estrategia de control,
Una importante contribución de Whitaker fue un mecan- se puede citar a Kalman como pionero en esta teorı́a tras
ismo para obtener la regla de ajuste de parámetros θ basada un trabajo donde examina el problema de la obtención de
en el error e = y − ym , donde {y, ym } es la salida del proceso un controlador para las máquinas manufactureras con la
y del modelo de referencia respectivamente, que está dada finalidad de ajustarse ellas mismas como respuesta frente
por [1]: a un proceso dinámico arbitrario.
dθ ∂e El controlador propuesto por Kalman puede describirse
= −γe (1)
dt ∂θ como [8]:
donde ∂ e/∂ θ se conoce como derivada de sensibilidad y 1) Modelar el proceso como lineal respecto a los
γ como ganancia de adaptación. En la figura 2 se muestra parámetros donde los parámetros están cambiando con
un diagrama de bloques que representa la regla de ajuste de el tiempo y solo ellos no se pueden medir.
parámetros (1). 2) Los parámetros del modelo se determinan por mı́nimos
cuadrados en cada intervalo de muestreo, (estimación
de parámetros en lı́nea).
3) Elección optimal del controlador por optimización bajo
cierto criterio.
En la figura 4 se presenta un diagrama de bloques de
un regulador autosintonizable donde puede apreciarse que el
resultado de la estimación es θ (los parámetros de la planta)
y el resultado de la elección optimal del controlador es ϑ
Fig. 2. Diagrama de bloques de la regla de ajuste de parámetros por modelo (los parámetros del regulador).
de referencia

B. Control adaptativo por ganancia tabulada


El control por ganancia tabulada consiste en la idea de
obtener una serie de controladores fijos que son válidos para
un determinado conjunto de parámetros del sistema. De esta
manera, la tarea de adaptación consiste en la definición de
algún ı́ndice de acción (que en el caso del control adaptativo
por modelo de referencia es el error) el cual es comparado
en cada intervalo de muestreo y cuya salida se emplea para Fig. 4. Diagrama de bloques un regulador autosintonizable
decidir entre cuál de los controladores fijos diseñados es el
que debe estar en funcionamiento [1][2][3][9]. En la figura 3
se muestra un diagrama de bloques de un sistema de control III. A PLICACIONES
adaptativo con ganancia tabulada. El control adaptativo fue originalmente desarrollado para
Irónicamente, el control adaptativo por ganancia tabulada resolver el problema del vuelo de aeronaves alrededor de
es la que finalmente se implementó para resolver el problema 1960. Sin embargo, las limitaciones computacionales en
del vuelo de las aeronaves y que se sigue empleando en esos tiempos no permitı́a que se desarrollaran con facil-
la actualidad. Particularmente, para el control del vuelo de idad otro tipo de aplicaciones. Sin embargo, a partir de
un avión, se emplean como ı́ndices de acción la altura y la 1980, los crecientes avances en hardware y software per-
velocidad en la que opera el aparato. miten la expansión del control adaptativo y aparecen los
primeros sistemas comerciales para aplicaciones entre las
que destacan los sistemas de control de dirección de barcos,
automovilismo, robótica, control de motores eléctricos y de
combustión, sistemas de potencia, torres de destilación, reac-
tores quı́micos, hornos, calefacción, manufactura, economı́a,
medicina, etc.
Los automóviles actualmente están equipados con una
gran cantidad de operaciones automáticas que elevan el nivel
de comodidad y seguridad para los usuarios, desde los frenos
antiderrapantes (frenos ABS), el sistema de suspensión, el (a) Planta de laboratorio del motor DC de imán
control de velocidad y la operabilidad del motor de com- permanente
bustión interna en condiciones óptimas; ésto último reduce
significativamente el consumo de combustible y la emisión
de contaminantes.
En robótica, la implementación de control adaptativo,
aporta un grado de mayor inteligencia, lo que permite mayor
nivel de autonomı́a. Tanto para la robótica, como para la
industria, el control adaptativo resuelve el problema de la
frecuente recalibración por deterioros tales como fatiga de
los elementos mecánicos o cambios en las cargas debido a
la variedad de los productos que se procesan. (b) Esquema simplificado de un motor DC de
En los sistemas de potencia, las torres de destilación, los imán permanente
reactores quı́micos, etc., el control adaptativo es especial- Fig. 5. Motor DC de laboratorio empleado en este trabajo
mente atractivo debido a que muy rara vez pueden obtenerse
modelos lo suficientemente exactos de tales procesos debido
principalmente a la elevada complejidad y el gran número donde R es la resistencia del circuito eléctrico, L la inductan-
de variables que se ven involucradas. Por esta razón, se cia, i la corriente eléctrica, v el voltaje aplicado, ve el voltaje
diseñan reguladores clásicos con la información de algún contra electromotriz, J el momento de inercia, B la constante
modelo simplificado y se diseña un controlador adaptativo en de fricción viscosa, τc el torque de carga, τm el torque que
cascada con el primero para insensibilizar de las dinámicas genera el motor y K una constante de acoplamiento entre el
no modeladas y los cambios que los parámetros presenten. subsistema eléctrico y mecánico.
En la medicina, las técnicas de control adaptativo impactan Se puede obtener una expresión que relaciona la entrada
significativamente en campos tales como biomecánica, v con la salida la salida ω en una función en polinomios de
órganos artificiales y dosificación de medicamentos. Los p = d/dt como:
avances más evidentes son los exoesqueletos que ofrecen
la recuperación o incremento de alguna función motora. ω K
G2 (p) = = (4)
Ésto significa una importante alternativa para personas que v (Lp + R) (J p + B) + K 2
por alguna lesión o enfermedad pierden alguna habilidad,
digamos el caminar. Ası́ mismo, un corazón artificial y la Tı́picamente, para motores pequeños, la inductancia suele
diálisis renal son dos ejemplos, donde las técnicas de control se muy pequeña reduciendo el orden del sistema; ésto puede
adaptativo juegan un papel muy importante. visualizarce en la curva de velocidad que presente el motor
cuando éste es excitado con una señal escalón. Un sistema
IV. E L CONTROL ADAPTATIVO DE UN MOTOR DC de primer orden no puede presentar oscilaciones, mientras
Partiendo del esquema mostrado en la figura 5(b) obten- que un sistema de segundo orden sı́; por lo tanto, si la
emos las ecuaciones (2) que describen el subsistema eléctrico curva de velocidad no presenta oscilaciones, el modelo del
(2a) y al subsistema mecánico (2b) [10]. Se consideran las sistema puede reducirse a un modelo de primer orden donde
expresiones de acoplamiento entre subsistemas (3a) y la se considera la inductancia L ≈ 0:
hipótesis (3b). ω K
G1 (p) = = (5)
di(t) v RJ p + RB + K 2
v(t) = Ri(t) + L + ve (t) (2a)
dt A partir de la ecuación anterior, podemos escribir una
dω(t) ecuación de primer orden para los subsistemas acoplados
τm (t) = J + Bω(t) + τc (t) (2b)
dt del motor DC
B K2
 
ve = Kω K
(3a) ω̇ + + ω= v (6)
τm = Ki(t) J RJ RJ
τc = 0 (3b) Considerando el modelo de la planta y el modelo de
referencia: a un motor de laboratorio que se muestra en la figura 5(a)
donde se consideraron los parámetros del sistema:
ω̇ = −aω + bv
(7) am = 3.53
ω̇m = −am ωm + bm vc
bm = 3.06
donde
2 γ = 0.05
B
a= J + KRJ b= K
RJ
y se obtuvieron los resultados que se muestran en la figura
Definimos el control v como: 8
 
a − am bm ω
v= ω + vc = θ1 ω + θ2 vc = ΘT (8)
b b vc

Aplicando la regla de ajuste de parámetros (1), obtenemos:


 
b ω
Θ̇ = −γe (9)
p + am vc
En la figura 6 se muestra un diagrama de bloques para
implementar el ajuste de los parámetros (9) y la señal de
control (8).

Fig. 8. Resultado experimental de la implementación del control adaptativo


(8) al motor DC de laboratorio donde la perturbación Fr es un freno
magnético

Fig. 6. Diagrama de bloques de la implementación del ajuste de los


parámetros y la señal de control V. C ONCLUSIONES
En base al análisis realizado en este trabajo, concluimos
En la figura 7 se muestra el resultado de una simulación
que el control adaptativo ha extendido sus campos de apli-
del sistema considerando las constantes:
cación que van desde aplicaciones militares, hasta aplica-
a = 1.5 am = 1.5 γ = 0.1 ciones en medicina y la lista de aplicaciones sigue creciendo.
b = 2 bm = 1.5 Para el caso particular del control adaptativo que se aplicó
en la sección IV, concluimos que el control (8) es un control
proporcional al vector de estados y el control nominal vc ;
a diferencia del control por retroalimentación de estados
clásico, el vector de ganancias Θ es variable y vc se añade
como un “estado”; más aún, la solución de la ecuación difer-
encial (9) estima los parámetros Θ y el cociente b/(p + am )
reproduce el modelo del sistema fijando el polo λ = −am ,
por lo que de manera análoga al observador de estados,
concluimos que la solución de (9) podrı́a interpretarse como
un observador de parámetros.
R EFERENCES
[1] K.J. Åström and Björn Wittenmark. Adaptive Control. Dover Publi-
cations, Mineola, N.Y., 2008. Reprint of book previously published
by Addison-Wesley (1989).
[2] F. Rodrı́guez R. and M. J. López Sánchez. Control adaptativo y
robusto. Universidad de Sevilla, 1996, Rev. 2005.
[3] Petros A. Ioannou and Jing Sun. Robust Adaptive Control. University
of Southern California, 2003.
Fig. 7. Simulación de control adaptativo para el motor DC donde ∆ es
[4] Lennart Ljung. System identification: theory for the user. Prentice
una perturbación
Hall, 1999.
[5] Richard C. Aster, Brian Borches, and Clifford H. Thurber. Parameter
estimation and inverse problems. Elsevier academic press, 2005.
La regla de ajuste de parámetros y la señal de control [6] Samir Kouro R. and Rodrigo Musalem M. Identificación de sistemas
cuya implementación se presenta en la figura 6 se aplicó mediante rls. Técnicas modernas en automática, 2003.
[7] Alexander Poznyak. Least squares method for dynamic systems
identification. Departament for automatic control CINVESTAV-IPN,
2007.
[8] K.J. Åström and Björn Wittenmark. Adaptive control around 1960.
IEEE Control Systems, June, 1996. pp. 44-49.
[9] Hassan K. Khalil. Nonlinear Systems. Prentice Hall. Third Edition,
2002.
[10] Palle Andersen and Tom S. Pedersen. Modeldannelse. Lecture note for
the course “Modelling” of Control Engineering, Aalborg University,
2010.