Pid

Control de Sistemas con Retardo del Predictor de Smith al MPC
Prof. Julio E. Normey-Rico

e Sistemas - DAS Departamento de Automac ao Universidade Federal de Santa Catarina - UFSC julio@das.ufsc.br www.das.ufsc.br
Febrero 2012
Florianpolis, 6 de fevereiro de 2012.
Sumario
1 2 3 4 5 6 7 8 9 10
Introduccion Procesos con Retardo Control PID de Procesos con Retardo El Predictor de Smith El Predictor de Smith Filtrado Predictores en Control de Procesos Control Predictivo Basado en Modelo Control Predictivo Generalizado (GPC) GPC para Procesos con Retardo Conclusiones y Perspectivas
Sumario
1 2 3 4 5 6 7 8 9 10
1 - Introduccion
Por que estudiar sistemas con retardo?
presente en la mayor El retardo esta a de los sistemas reales.
El retardo puede ser causado por: transporte de masa, energ a o informacion; efecto causado por varios sistemas de bajo orden conectados en serie; tiempo de procesamiento en sensores o controladores.
1 - Introduccion
Por que estudiar sistemas con retardo?
Retardo importante dicultad para el sistema de control. Las diculdades son provocadas principalmente porque: el efecto de las perturbaciones demora para ser sentido; de control demora para causar efecto en la variable la accion controlada; de control se calcula con base en un error pasado. la accion
Sumario
1 2 3 4 5 6 7 8 9 10
2 - Procesos con Retardo

Ejemplos practicos: Caldera a gas natural
Se calienta agua usando quemador de gas natural Se mide la temperatura del agua a la salida
V1
Water
V2
Gas

Ejemplos practicos: Evaporadores de la Industria del Azucar
Se usa vapor para calentar y evaporar el agua del jugo de ca na Se controlan los niveles en cada evaporador
STEAM EVAPORATORS
LT
LC
LC
LC
LC
FC
LC
BUFFER 1
JUICE
BUFFER 2

Ejemplos practicos: Columnas de destilacion
Se usa vapor para calentar la mezcla en el fondo Se controlan las temperaturas de platos para controlar la de las extracciones concentracion
TT
TC
PT FT LT FC
FT
PC
entrada vino salida vinaza
Intercambiador LC
FC
entrada vapor

del Retardo en el Tiempo Representacion
de G(s)esL , con L > 0. Respuesta al escalon L puede representar retardo real o aparente
80 Level (%) 75 70 65 60 0 5 10 time 15 20 Level 25
70 control (%) 60 50 40 30 0 control 5 10 time 15 20 25

del Retardo en la Frequencia Representacion
Modelo del retardo G(s) = esL , con L > 0. |G(j )| = |ej L | = 1, y G(j ) = L Ejemplo de diagrama de fase P (s) =
esL (1+s)2
0 50 100 Fase 150 200 250 300 2 10 L=0 L=0.1 L=1 10

1
10 Freqncia (rad/s)
10
10

Efecto en el lazo cerrado
Proceso P (s) =
1 sL . (1+1.5s)(1+0.4s) e
Ti s) Control C (s) = Kc (1+ Ti s .
Para L = 0 sintonia con Kc = 1 e Ti = 1.2. Para L = 1.5 bajamos la ganancia para Kc = 0.3.
Resposta ao Degrau 2
Resposta ao Degrau
0 (L=0,Kc=1) (L=1.5,Kc=1) (L=1.5,Kc=0.2) 1 0 2.5 5 Tempo (s) 7.5 10

Efecto en el lazo cerrado Para L = 0 y Kc = 1, Mf 70o y c > 0.7rad /s Para L = 1.5 y Kc = 1, Mf 5o y c > 0.7rad /s de Kc. Para mejorar la respuesta es necesario mejorar la MF via reduccion Asi, para Kc = 0.3, Mf > 600 y c 0.25rad /s. Respuesta mas lenta.
Resposta em freqncia Magnitude 10
0
10 1 10 0 60 Fase 120 180 240 1 10

10
10 (L=0,Kc=1) (L=1.5,Kc=1) (L=1.5,Kc=0.2)
10 Freqncia (rad/s)
10

Control Idealde Sistemas con Retardo
q (t ) r (t ) C (s ) P (s ) esLn y (t )
en la relacion entrada salida. El retardo esta El retardo no aparece en la ec. caracter stica. C (s )G (s ) Y (s ) = esL R (s ) 1 + C (s )G (s )

q (t ) r (t ) C (s) (t + Ln ) y Gn (s) yp (t ) e
sLn
y (t ) P (s) (t ) y
ep (t )
de retardo. El predictor de Smith - estructura de compensacion Sea P (s) = G(s)esL y el modelo nominal Pn (s) = Gn (s)esLn .

q (t ) r (t ) C (s) G(s) yp (t ) G(s)esL (t + Ln ) y esL ep (t ) = 0 y (t ) (t ) y
Si P (s) = Pn (s) y q (t ) = 0: Y (s ) C (s )G (s ) = esL R (s ) 1 + C (s )G (s ) de G(s). Sintonizar C (s) en funcion El retardo no afecta las prestaciones del bucle nominal. Analizar las perturbaciones y errores de modelado.

Precisamos de un modelo del proceso que incluya el retardo. Modelos fenomenologicos de la planta industrial Modelos del tipo caja negra (experimentales) Modelos del tipo caja gris (parte fenomenologica pero con parametros ajustados por experimentos) Es importante cuanticar los errores de modelado. y el metodo Los metodos gracos de respuesta al escalon numerico de los m nimos cuadrados son los mas usados en la practica.

en la industria del azucar Aplicacion
de azucar de cana: Proceso de produccion de la cana. Lavado, Molienda y mezcla con agua. Preparacion del jugo. Preparacion en conjunto de evaporadores que eliminan gran parte Evaporacion del agua. Tachas de cristalizacion. del azucar. Separacion de las masas que sobran. Formacion de cristales por Cristalizacion enfriamiento. Centrifugacion

Cristalizadores-Resultados
analisis Crist 2 respuesta al escalon de agua
200 180 Tms2 160 140 120 T masa salida 2 100 2500 3000 3500 tiempo 4000 4500
165
160 Fa2 155 Caudal agua 2 150 2500

3000
3500 tiempo
4000
4500
Sumario
1 2 3 4 5 6 7 8 9 10
3 - Control PID de Procesos con Retardo

Controladores PID
El PID es el controlador mas usado en la industria La mayoria de los metodos para la industria usan modelos de primer orden con retardo Devemos tener cuidado con las relaciones L/T denidas para cada ajuste ideal incluye un predictor Vimos que la solucion Como ajustar el PID teniendo en cuenta estas ideas de predicci on para todo valor de retardo?

Controladores PID
PID ideal ISA C ( s ) = Kc ( 1 + La ley real (propia) de esta estructura es: C (s ) = Kc (1 +

1 Ti s
1 + Td s) Ti s
+ Td s)
Td s + 1
(ISA)
de ru se sintoniza con base en la atenuacion do y la robustez, (0, 1). son utilizados como: Los controladores PID tambien C ( s ) = Kc 1 + Ti s Td s + 1 (serie) Ti s Td s + 1 Ki Kd s + (paralelo) s K d s + 1
C ( s ) = Kp +

Controlador Equivalente - Predictor de Smith
Estructura del PS con controlador equivalente:
q (t ) r (t ) C (s) Gn (s) yp (t ) P (s) (t + Ln ) y esL ep (t ) y (t ) (t ) y
Ceq =
C (s ) 1 + C (s)(Gn (s) Pn (s))

q (t ) y (t ) C (s) Gn (s) Pn (s) P (s)
r (t )
Ceq (s)

Controlador Equivalente - Predictor de Smith
R (s )
Ce (s)
P (s )
Y (s )
El controlador equivalente en la estructura del predictor de Smith es: Ce = Considerando Pn (s) =

KesL , 1+Ts
C (s ) 1 + C (s)[Gn(s) Pn(s)]
K 1+Ts
Gn =
y C (s ) =
K1 (1+sT1 ) . sT1
Ajustando T1 = T resulta: Ce (s) = K1 (1 + Ts) irracional con polo en s = 0) (Funcion Ts + K1 Kp (1 esL )

PID aproximando el Control Ideal
de Pade esL Con la aproximacion El controlador anterior es: Ce (s) =
10.5Ls 1+0.5Ls
K1 (1 + Ts)(1 + 0.5Ls) Ts(1 + 0.5Ls +

K1 Kp L ) T
O sea: Ce (s) = Kc Con: Kc =

T (L+T0 )Kp
1 + Ti s Td s + 1 Ti s Td s + 1
T0 T0 + L
, Ti = T , Td = 0.5L, =
Sistema en BC con constante de tiempo T0

equivalente - posicionamiento de Polos Solucion
por el Lugar de las Raices para modelo Pm = Solucion

+Ts)(1+0.5Ls) PID Cx (s) = Kx (1Ts (1+0.5Ls)
K (10.5Ls) (1+Ts)(1+0.5Ls)
1 Se posicionan dos polos en s = T y se encuentran Kx y :

0
Kx = =
2T (L + 4T0 )Kp
2 4T0 (L + 4T0 )L

Analisis del Cancelamiento Polo-Cero
Q (s ) R (s ) Ce (s) P (s ) Y (s )
El cancelamiento de dinamicas lentas debe ser evitado cuando se desea acelerar la respuesta a las pertubaciones. Relaciones: Y (s ) Kc Kp (1 + Td s)esL = R (s ) sT (1 + Td s) + Kc Kp (1 + Td s)esL ) Y (s ) esL sT (1 + Td s) = Q (s ) 1 + sT sT (1 + Td s) + Kc Kp (1 + Td s)esL ) Si L << T y T0 << T , la repuesta para la consigna es determinada por s = 1/T0 por s = 1/T . y la respuesta a la perturbacion

Analisis del Cancelamiento Polo-Cero - Ejemplo
10 u for T =0.2
0 0
1 Sada e Referncia
8 Ao de Controle
u for T =0.3
0.8 0.6 0.4 0.2 0 0 2 4 Tempo 6 T0=0.2 T =0.3

0
Referncia 8 10
0 0 2 4 Tempo 6 8 10
Modelo del tanque con calentador P (s) =
e0.5s . 1+1.5s
Controladores ajustados para: T0 = 0.2 y T0 = 0.3. Observe que: - T0 dene la respuesta a la consigna; - la repuesta a la consigna es mas rapida que la de rechazo de la perturbacion.

Sinton a para Procesos con Retardo Dominante
Se usa el modelo aproximado P = controlador PID C (s) =
KesL (1+Ts) +Ts)(1+0.5Ls) Kc (1Ts (1+0.5Ls)
con L > 2T y el
de L: Se dene la respuesta en BC con T0 en funcion T0 = [(2 + ) 2 + ]

1
L 2
Para cada , la respuesta nominal es la misma en el tiempo normalizaddo por L. Mayores valores de mayor robustez Si el retardo es dominante, no interesa acelerar la respuesta:
el tiempo de respuesta total cambia poco; se pierde en robustez.

PID de Dos Grados de Libertad - PID2DOF
R (s )
Q (s ) F (s ) C (s ) P (s )
Y (s )
Estructura 2DOF: rapida; - polos para rechazo de perturbacion - ltro de set-point para evitar picos en la respuesta a las consignas. de P e D: Para un PID con ponderacion C ( s ) = Kc (1 + Ti s + Ti Td s2 ) , Ti s(Tf + 1) F (s ) = 1 + bTi s + cTi Td s2 1 + Ti s + Ti Td s2
b pondera P y c pondera D. En general b y c (0.2, 0.6). Si no hay ltro debemos sintonizar para un compromiso entre las dos respuestas.

Procesos Integradores - Procedimiento
R (s )
P2 (s)
Q (s ) P (s ) Ko
F (s )
C (s )
Y (s )
Etapa 1: Estabilizar la planta con Ko Etapa 2: Sintonia del PID para la planta equivalente estable P2 Etapa 3: Se ajusta el ltro de set-point Se obtiene la constante de tiempo de BC T0 = [ + ( 2 + ) 2 ] - regula la robustez como en el caso estable.
1
L 2

Procesos Integradores - Procedimiento
R (s )
Q (s ) F (s ) C (s ) P (s )
Y (s )
Las plantas se dividen en dos grupos para el ajuste Retardo-dominante Dead-time Dominant o constante de tiempo dominante Lag Dominant
Procesos del tipo Lag Dominant (T >> L)

por: Aproximacion P (s ) =
Kp esL Ts+1
Kp esL Ts
Kv esL s

Procesos Integradores - Ejemplo
1.6 1.4 Sada e Referncia 1.2 1 0.8 0.6 0.4 0.2 0 0 20 40
=0.2 =0.2, b=0.43, c=0.5 Referncia

Ao de Controle
0.4
=0.2 =0.2, b=0.43, c=0.5
0.3
0.2
0.1
60 Tempo
80
100
0.1 0
20
40 Tempo
60
80
100
Proceso P (s) =
2e5s , s(1+s)(1+0.5s)(1+0.1s)
Modelo Pn(s) =
2e5s s
Sinton a con = 0.2 Caso 1: b = c = 1, Caso 2: b = 0.43 y c = 0.5. Observar ecacia del metodo.

Control de trayectoria en robot movil
RESULTADOS EXPERIMENTALES
Control de trayectoria del NOMAD 200 del robot Se miden por odometria la posicion y orientacion Se usa una trayectoria de aproximacion a la referencia deseada de control y una velocidad Se usa la velocidad de giro como senal lineal constante El modelo dinamico es no lineal pero se puede aproximar por un retardo con un integrador: P (s ) = e0.2s s
Se usa un PID para el control de este bulce

x g ,y g, angle
Approximation Point 2DOF -PID u(t) Mobile Robot
ref . angle
angle

5.5
4.5
3.5 y (m)
2.5
1.5
0.5 0.5
1.5
2.5 x (m)
3.5
4.5

Prestaciones alcanzables
Para obtener robustez debemos mantener T0 relacionado con L Con y [0.4, 0.5] se obtiene T0 = 0.5L La respuesta en BC puede ser mucho mas lenta que en BA Pero independientemente del valor del retardo se controla al sistema Si precisamos mas velocidad debemos usar el PS
Sumario
1 2 3 4 5 6 7 8 9 10
4 - El Predictor de Smith
Propiedades del Predictor de Smith (PS) Estructura del PS no caso nominal (Pn (s) = P (s) = G(s)esL ):
q (t ) r (t ) C (s) P (s) (t + Ln ) y y (t ) (t ) y esLn ep (t )
Gn (s) yp (t )
del Retardo Compensacion Y (s ) C (s )P (s ) C (s )G (s ) = = esL R (s ) 1 + C (s )G (s ) 1 + C (s )G (s ) Prediccion (t + Ln ) anticipacion de y (t ) para cambio de consigna. yp (t ) = y

Predictor de Smith (PS) - Controlador Equivalente Estructura del PS con controlador equivalente:
Ceq =
C (s ) 1 + C (s)(Gn (s) Pn (s))

q (t ) y (t ) C (s) Gn (s) Pn (s) P (s)
r (t )
Ceq (s)
Predictor de Smith (PS) - Controlador Equivalente Estructura del PS con controlador equivalente:
Ceq (s) =
Ceq (s)
C (s ) 1 + C (s)(Gn (s) Pn (s))

q (t ) y (t ) C (s) P (s)
r (t )
Gn (s) Pn (s)
Predictor de Smith (PS) - Desventajas
q (t ) r (t )
Ceq (s)
P (s )
y (t )
Ceq =
C = 1 + C (Gn Pn ) 1+ Ng (s) sL e Dg (s)
Nc Dc Nc Ng ( Ng esL ) Dc Dg Dg
NcDg DcDg + NcNg (1 esL )
P (s ) =
Ceq (s) =
Nc (s)Dg (s) Dc (s)Dg (s) + Nc (s)Ng (s)(1 esL )
Cancelamiento de polos problemas con plantas inestables e dinamicas lentas.
q (t ) r (t )
Ceq (s)
P (s )
y (t )
Seja P (s) = Pn (s) entao: Ceq (s)G(s)esL sL C (s)Gn (s)esL Y (s ) = = e R (s ) 1 + Ceq (s)G(s) 1 + C (s)Gn (s) Y (s ) Gn (s)esL C ( s ) Pn ( s ) = = Gn (s)esL 1 Q (s ) 1 + Ceq (s)Gn (s) 1 + C (s)Gn (s) -Estructura de 1 grado de libertad. Y (s)/R (s) e Y (s)/Q (s) dependen directamente de C (s). es limitada por la constante de - La respuesta de rechazo de perturbacion tiempo dominante de la planta.
Si Pn (s) =
Ge (s)esL s
y C (s) integrador.
del tipo escalon. Si aplicamos una perturbacion

Ce (s)
Q (s ) C (s ) P (s )
R (s )
Y (s )
Gn (s) Pn (s)
El Controlador equivalente es Ceq =
C (s) . 1+C (s)(Gn (s)Pn (s))
Aunque C (s) tenga un polo en s = 0, Ceq (s) no lo tiene:

s 0
lim H (s) = lim Ge (s)

s 0 s 0
1esLn s
= Ln Ge(0) = 0
1 H (0)
lim Ceq = lim
s 0
C (s) s+C (s)H (s)
1 Ln Ge(0)
Proceso Integrador - Ejemplo
0.3 u
1 Sada e Referncia 0.8 0.6 0.4 0.2 0 0 50 Tempo 100 Sada Referncia 150
Ao de Controle
0.25 0.2 0.15 0.1 0.05 0 0.05 0.1 0 50 Tempo 100 150
Proceso P (s) =
2e5s s(1+0.1s)
modelado por Pn(s) =

+1 0.25 8s ). 8s
2e5.1s s
Controlador primario PI (C (s) =

Y (s) lim s0 Q (s)
en escalon de 0.05 en t = 75. Perturbacion =

1 Ceq (0)
= 10.2 y = 1 0.05 10.2 = 0.49.
en escalon, aun cuando C (s) es PI. No rechaza la perturbacion
Procesos Inestables - Ejemplo
1.5
6 5
1 Sada e Referncia
Ao de Controle
Sada Referncia
4 3 2 1 0 1
0.5
0.5
1 0
4 Tempo
10
2 0
4 Tempo
10
Proceso P (s) = Polos de

Y (s) R (s)
e s (s1)
con control PS y C (s) es un PI con Kc = 6, Ti = 1.
son s = 2 e s = 3.
escalon de 0.1 en t = 5. Para perturbacion Respuesta inestable a la perturbacion.
PS de Dos Grados de Libertad - Sintonia de un modelo FOPDT
Q (s) C (s) Gn (s) Pn (s) P (s) Y (s)
R (s)
Ceq (s) F (s)
Para Pn =
Kp esLn 1+Ts
e Gn =
1 sTi
Kp : 1+Ts
- Elija C (s) = Kc (1 +
), con Ti = T :
1+sT0 1+sT1
1 + C (s)Gn (s) = 1 +
- Dena la constante de tiempo de bucle cerrado T0 , as : Kc = - Sintonice el ltro F (s) =
kc Kp sTi Ti KpT0
(T0 ): Esto separa las respuestas a consignas (T1 ) y perturbacion Y (s ) esLn = R (s ) 1 + sT1 e K0 esLn Y (s ) = Q (s ) 1 + sT 1 esLn 1 + sT0
1 Kp
- Sintonia simple para procesos con retardo dominante: T0 = T1 = T Kc = (Predictive PI Controller )

Control Preditivo PI (PPI)- Ejemplo
1.2 1
Sinal de Controle
0.3 0.25 0.2 0.15 0.1 0.05 PPI PID2DOF 0 0 50 100 Tempo 150
0.8 Sada 0.6 0.4 0.2 0 0 PPI PID2DOF Referncia 50 100 Tempo 150
P (s ) =
5e10s (1+s)8
modelado por Pn(s) =
5e15s 1+3s
Primero se ajusta un PID con = 0.3: Kc =

0.35(L+2T ) Kp L
Ti = T + 0.5L
Td =
LT L+2T
Tf = 0.15L
b = 0.80
c=1
rapido Comparando con PPI: es mas y menos oscilatorio.

Control Preditivo PI (PPI)- Ejemplo
2
10
10
Magnitude
10
10
10
10 3 10
PPI PID W PPI W PID 10

2
10 Freqncia
10
10
de estabilidad robusta Condicion | P (j )| < dP (j ) = 1 + C ( j ) Pn ( j ) C (j )Pn (j )
de Pade en el error de modelado - caso PID. Efecto de la aproximacion

Resumen
Que debemos recordar de un sistema controlado con un PS:

El PS elimina el efecto del retardo en la respuesta nominal a consignas; El PS permite compromisso entre robustez e prestaciones; El PS no se puede usar en plantas inestables ni integradoras; El PS no puede acelerar la respuesta al rechazo de perturbaciones mas que el bucle abierto.
Sumario
1 2 3 4 5 6 7 8 9 10
5 - Predictor de Smith Filtrado

Robustez y cambios en control equivalente Estructura del PS con ltro en la prediccion:
q (t ) r (t ) C (s) Gn (s) yp (t ) Fr (s) q (t ) r (t ) y (t ) C (s) Gn(s) Fr (s) P (s) Pn(s) P (s) (t + Ln ) y esL y (t ) (t ) y
El ltro Fr (s) se usa para atenuar los efectos de los errores de modelado.

Robustez y cambios en control equivalente Estructura equivalente del PS con ltro de robustez:
q (t ) r (t ) y (t ) C (s) Gn(s) Fr (s) q (t ) y (t ) C (s) P (s) P (s) Pn(s)
r (t )
Ceq (s)
Gn (s) Fr (s)Pn (s) Fr (s)
Y (s ) Ceq (s)P (s) = R (s ) 1 + Ceq (s)Fr (s)P (s)

Y (s ) Ceq (s) = R (s ) 1 + Ceq (s)Fr (s)P (s)

Ajuste del ltro Fr
El ltro cumple dos funciones fundamentales: Debe ser pasa bajos si queremos que atenue los errores de modelado en alta frecuencia). Debe hacer con que el Control Equivalente no cancele al polo lento de la planta si queremos acelarar la respuesta a perturbaciones IMPORTANTE: este dos ultimos requisitos pueden ser conictuantes Si el ltro se ajusta para evitar el cancelamiento de polos inestables permite el uso con plantas inestables En el caso integrador el ltro permite rechazo de perturbaciones pues hace que el Control equivalente sea integrador

en tiempo discreto Implementacion
r (kh) F (z ) C (z )
u (kh) Bo(s)
q (t ) P (s)
y (t )
y (kh)
En la practica el PS o PSF solo se usa en plataformas digitales). [Nfr (s)esL Dfr (s)] [Nfr (z 1 )z d Dfr (z 1 )]. Implementacion: 1 de implementar. Ceq (z ) es racional - cancelamiento directo - facil elejir bien el per En la discretizacion odo de muestreo h. Puede haber restriciones practicas para elejir h.

Discretizacion
Se hace el proyecto en tiempo continuo (dominio s). Se dene (h). s= s= Se discretizan (C (s) e Fr (s)): s=
z 1 h z 1 zh
(Euler) (Back. Dif.) (Tustin) , con Gzoh (z ) = BoG(z ) e
2(z 1) h(z +1) d
El processo debe ser Pzoh (z ) = Gzoh (z )z sh Bo(s) = 1e . s
Se calcula el controlador equivalente a partir de C (z ), Fr (z ) y Gzoh (z ). (Tustin, Euler, etc...) Importante: no utilizar um metodo de aproximacion para discretizar el proceso.
Sumario
1 2 3 4 5 6 7 8 9 10
6 - Predictores en Control de Procesos

Ideas Generales
de las ideas de prediccion Extension al tiempo del atraso? por que limitar la prediccion se podria usar en casos no lineales y con restricciones? como ajustar el control primario en casos complejos ? CONTROL OPTIMO objetivo que es calculada en un horizonte Optimizar una cierta funcion futuro basado en el error futuro, el el control futuro y en las condiciones o restricciones.
6 - Predictores en Control de Procesos

Ideas Generales
Estrutura del
CPBM
controle atual PROCESSO
saida atual
controle atual
MODELO
saida do
modelo erro atual
CALCULO DO CONTROLE
saida futura
condicoes e restricoes
Sumario
1 2 3 4 5 6 7 8 9 10
7 - Control Predictivo Basado en Modelo

CPBM
Ideas del CPBM

Utilizar un modelo expl cito de un objetivo Minimizaccion Horizonte deslizante
Elementos del CPBM

El modelo de prediccion
Modelo del Proceso Modelo de las Perturbaciones

objetivo La funcion de la ley de control Un metodo para la obtencion
Algoritmos de CPBM
DMC GPC UPC
7 - Control Predictivo Basado en Modelo

Control Predictivo de Procesos con Retardo
Diferencias de los algoritmos CPBM

generales El modelo de parametros concentrados tipo ARIMA son mas e impulsiva necesitan de muchos Los modelos respuesta escalon parametros cuando el retardo e grande Los modelos parametricos permiten dejar el atraso evidencia en el modelo
Ventajas del algoritmo GPC

El modelo es general El atraso es representado por z d Permite usar polinomios de ltrado para mejorar robustez y rechazo de perturbaciones
con otros algoritmos de El estudio se puede hacer tambien CPBM.

Sumario
1 2 3 4 5 6 7 8 9 10
8 - Control Predictivo Generalizado

GPC Ideas
Algoritmo de control GPC

Modelo para calculo de predicciones A(z 1 )y (t ) = z d B (z 1 )u (t 1) + C (z 1 ) e (t ) D (z 1 )
del operador atraso z 1 A, B , C y D polinomios en funcion Objetivo Funcion

N2 Nu
J=
j =N1
(t + j | t ) w (t + j )]2 + (j )[y
j =1
(j )[ u (t + j 1)]2
Ajuste
Horizontes N1 , N2 , Nu Ponderaciones (j ), (j )
Objetivo Calcular control futuro u (t ), u (t + 1), ... para minimizar J


GPC Ideas
Calculo de las Predicciones

optima: GPC utiliza la prediccion (t + j /t ) = E (y (t + j )) y
(t + j /t ) optimo? Como obtener y
Se no hay perturbaciones: A(z 1 )y (t ) = z d B (z 1 )u (t 1) de e(t ) Cuando hay perturbaciones Usar a informacion

GPC Ideas

Optima: Prediccion lineal de las salidas anteriores del proceso (de t a t na) y Combinacion de los controles pasados e futuros. Predicciones Optimas no Horizonte N (t + d + 1 | t ) y y (t + d + 2 | t ) = = . . . = u ( t ) + Fd + 1 y ( t ) u (t + 1) + Fd +2 y (t )
Gd +1 Gd +2
(t + d + N | t ) y
Gd +N
u (t + N 1) + Fd +N y (t )

GPC Ideas

Forma Vectorial y = Gu + F(z 1 )y (t ) + G (z 1 ) Respuesta libre fr + respuesta forzada y = Gu + fr y = Gu - respuesta obtenida si las condiciones iniciales son nulas; y = fr - respuesta obtenida si el control futuro es cero. u (t 1)

GPC Ideas MATRICES PARA CALCULO DE LAS PREDICCIONES y = (t + d + 1 | t ) y y (t + d + 2 | t ) . . . (t + d + N | t ) y u = G (z 1 ) = u (t ) u (t + 1) . . . u (t + N 1) Fd + 1 ( z 1 ) Fd + 2 ( z 1 ) . . . Fd + N ( z 1 ) 0 g0 . . . gN 2
1 F(z ) = G=
1
g0 g1 . . . gN 1
... ... . . . ...
0 0 . . . g0
(Gd +1 (z ) g0 )z (Gd +2 (z 1 ) g0 g1 z 1 )z 2 . . . (Gd +N (z 1 ) g0 g1 z 1 gN 1 z (N 1) )z N

GPC Ideas
Calculo del control en la practica

calculada como: Matriz G es la respuesta al ESCALON
j j 1
gj =
i =1
ai gj i +
i =0
bi
j = 0...N 1,
Como calcular u optimo?

Caso simple: (j ) = 1 y (j ) = constantes. y w Error de prediccion: J = (y w)T (y w) + uT u J = (Gu + fr w)T (Gu + fr w) + uT u J = (Gu + fr w)T Q (Gu + fr w) + uT Q u

GPC Ideas
Forma nal del control en la practica

Forma Cuadratica: J= donde: H bT f0 Calculo del Controle: u = H1 b = (GT G + I)1 GT (w fr ) Algoritmo de Horizonte Deslizante: 1 T u Hu + bT u + f0 2 = 2(GT G + I) 2(fr w)T G (fr w)T (fr w)
= =
aplicada unicamente u (t ) e
Ley de Control Final: u (t ) = K(w fr ) odnde K es la primera la de la matriz (GT G + I)1 GT .

GPC Ideas
Diagrama de bloques del sistema en lazo cerrado

controle atual w + saida atual K PROCESSO
fr Calcula resposta livre
Horizonte Deslizante:
u (t ) es aplicado control es recalculado en (t + 1) solamente se usa la 1a. la de K !
Sumario
1 2 3 4 5 6 7 8 9 10
9 - GPC para Procesos con Retardo

Propiedades
Particularidades del caso con retardo

(t + d + j | t ) Interesa solamente y simple con T = 1 Se considera inicialmente el modelo mas Con un procedimiento similar al ya visto se obtiene las predicciones. (t +d +1|t ) y u (t ) u (t 1) y u (t + 1) u (t 2) (t +d +2|t ) =G +H . . . . . . . . . (t +d +N |t ) u (t nb) y u (t +N 1) ( t + d |t ) y Escribiendo en la forma vectorial: y ( t + d 1| t ) y = G u + H u1 + S e1 +S , . . . (t +d na|t ) y

Propiedades Nuevamente y = G u + fr (t + d | t ) en funcion de y Ahora fr esta Como obtener la nova ley de control? al vector u Nuevamente minimizando J con relacion Usando horizonte deslizante, se calcula solamente CONTROL FINAL: (t + d | t ) + ly2 y (t + d 1 | t ) + ... + lyna+1 y (t + d na | t ) u (t ) = ly1 y +lu1 u (t 1) + lu2 u (t 2) + ... + lunb u (t nb) + lr r (t ) u (t )
donde los coecientes lyi , lui e fi son funciones del: modelo ai , bi los parametros de control N , (i ) y (i )

ESQUEMA DE CONTROL Modelo del proceso Pn (z ) = Gn (z )z d = Un ltro R (z ) =
ly1 Fd +ly2 Fd 1 +...+lyna+1 Fd na ly1 +ly2 z 1 +...+lyna+1 z na B (z 1 )z 1d A(z 1 )
C (z ) y W (z ) representan el controlador primario 2 DOF:
q(t) w(t) W(z) + u(t) C(z) + + PROCESS0 y(t)
Gn(z)
z -d +
+ ^ y(t) -
^ y(t+d/t) Preditor otimo

+ R(z)

Propiedades
Analisis del Esquema de Control

Estructura de control es equivalente a la de un compensador de tiempo muerto con dos grdos de libertad, como el predictor de Smith con un ltro de referencia. del polinomio T en el modelo La inclusion ajuste permite modicar R (z ).
CARIMA
como parametro de
La estructura de R dene as caracter sticas de control para un dado conjunto de parametros (horizontes y ponderaciones)
Resultados Interesantes:
el posible estudiar claramente el efecto del atraso en la estructura del permite relacionar el muerto.
GPC GPC
de tiempo con los algoritmos de compensacion

El GPC como DTC
control primario. El GPC posee una estructura de predictor mas posible usar el mismo control primario C y W en las dos Siempre e estructuras. Si P = Pn y no hay perturbaciones, ambos sistemas tienen la misma respuesta cuando se usa el mismo control primario. Ambas estructuras realimentan el error de prediccion. Diferencia: F ILTRO R
DEL
P REDICTOR

Analisis Comparativa del DTC y GPC
Mejor Robustez del DTC. Se demuestra que:

el ajuste del ltro en el DTC tiene mas grados de libertad que e el DTC Se pueden conseguir mejores prestaciones con igual robustez El ajuste del GPC para el control primario es interesante para casos complejos y porque puede incluir restricciones

El DTC GPC Como GPC es sens ble a errores de modelado en altas frecuencias Usar otro predictor.
Caracter sticas del DTC GPC

objetivo que GPC Misma funcion Predictor de Smith Filtrado Filtros pasa bajas para mejorar la robustez y permitir uso con plantas inestables
Ventajas:
Mejor robustez e igual desempeno Mas simple de ajustar: Filtros!
Implementacion:
Identico al GPC usando respuesta libre y minimizacion y el efecto Las resticciones se usan en el procedimiento de minimizacion del predictor es solo en la respuesta libre

NUEVO ESQUEMA DE CONTROL
constraints
q u(t)
Process
w
Optimisation
y(t)
fr
Free response
Predictor
y p (t)
constraints r(t) Nonlinear Optimization u( t)
q(t)
Nonlinear Process
y(t) ^ y(t) + _ e p (t)
^ y(t+d) Dead-time-free discrete model y p (t) + +

-d
F r (z)

a robotica Aplicacion movil
Robot Labmate El seguimiento de trayectorias (ST) es un de los temas importantes en el campo de la robotica mas movil.
Menor error con m nimo esfuerzo (energ a) Modelos lineales simples. Control robusto Caminos de aproximacion.

Resultados
Robot Labmate
N = 15, = 0.5, e + 1, = 0.5
5 y(metros)
ponto de partida
0 0
0.5
1.5
2.5 x(metros)
3.5
4.5

Resultados
Robot Labmate
N = 15, = 0.5, e = 1, = 0.5
Error de estimacion del retardo de 40%

8
5 y(metros)
ponto de partida
0 0
5 x(metros)
10
Sumario
1 2 3 4 5 6 7 8 9 10
10- Conclusiones
Estudio del control de sistemas con atraso a partir de estructuras basadas en predictores. como las estructuras de prediccion aparecen en los Se mostro controladores clasicos. de los compensadores de Se introdujo a los CPBM como generalizacion tiempo muerto. que el GPC es equivalente a un predictor optimo un Se mostro mas controlador primario. de compromiso adecuada El DTC GPC da solucion y reales comprueban resultados. Resultados de simulacion
10- Perpectivas y estudios futuros
Solo hemos demostrado estabilidad en algunos casos Hay que buscar prueba de estabilidad para el caso general NL con resticciones. El ajuste de los ltros es mas sencillo que el de N y , sobre todo en casos MIMO. Hay que estudiar mejor esta sintonia Sistemas hibridos?. Otras aplicaciones

Pid

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pid

Cargado por

Copyright:

Formatos disponibles

Control de Sistemas con Retardo del Predictor de Smith al MPC

Prof. Julio E. Normey-Rico

Florianpolis, 6 de fevereiro de 2012.

Florianpolis, 6 de fevereiro de 2012.

Florianpolis, 6 de fevereiro de 2012.

presente en la mayor El retardo esta a de los sistemas reales.

Florianpolis, 6 de fevereiro de 2012.

Florianpolis, 6 de fevereiro de 2012.

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

entrada vino salida vinaza

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

80 Level (%) 75 70 65 60 0 5 10 time 15 20 Level 25

70 control (%) 60 50 40 30 0 control 5 10 time 15 20 25

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

0 50 100 Fase 150 200 250 300 2 10 L=0 L=0.1 L=1 10

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

Ti s) Control C (s) = Kc (1+ Ti s .

0 (L=0,Kc=1) (L=1.5,Kc=1) (L=1.5,Kc=0.2) 1 0 2.5 5 Tempo (s) 7.5 10

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

10 1 10 0 60 Fase 120 180 240 1 10

10 (L=0,Kc=1) (L=1.5,Kc=1) (L=1.5,Kc=0.2)

2 - Procesos con Retardo

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

2 - Procesos con Retardo

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

Florianpolis, 6 de fevereiro de 2012.

2 - Procesos con Retardo

160 Fa2 155 Caudal agua 2 150 2500

Florianpolis, 6 de fevereiro de 2012.

3 - Control PID de Procesos con Retardo

Florianpolis, 6 de fevereiro de 2012.

3 - Control PID de Procesos con Retardo

PID ideal ISA C ( s ) = Kc ( 1 + La ley real (propia) de esta estructura es: C (s ) = Kc (1 +

Florianpolis, 6 de fevereiro de 2012.

3 - Control PID de Procesos con Retardo

C (s ) 1 + C (s)(Gn (s) Pn (s))

Florianpolis, 6 de fevereiro de 2012.

3 - Control PID de Procesos con Retardo

El controlador equivalente en la estructura del predictor de Smith es: Ce = Considerando Pn (s) =

Ajustando T1 = T resulta: Ce (s) = K1 (1 + Ts) irracional con polo en s = 0) (Funcion Ts + K1 Kp (1 esL )

Florianpolis, 6 de fevereiro de 2012.

3 - Control PID de Procesos con Retardo

de Pade esL Con la aproximacion El controlador anterior es: Ce (s) =

K1 (1 + Ts)(1 + 0.5Ls) Ts(1 + 0.5Ls +

O sea: Ce (s) = Kc Con: Kc =

Sistema en BC con constante de tiempo T0

Florianpolis, 6 de fevereiro de 2012.

3 - Control PID de Procesos con Retardo

por el Lugar de las Raices para modelo Pm = Solucion

1 Se posicionan dos polos en s = T y se encuentran Kx y :

Florianpolis, 6 de fevereiro de 2012.