Está en la página 1de 11

CONTROL PREDICTIVO CON RESTRICCIONES

En la prctica, se requiere mantener las variables del proceso en rangos que aseguren el buen comportamiento de los equipos y evitar situaciones crticas. Por ejemplo, los actuadores tienen restricciones de lmite y velocidad. Adems, los puntos de operacin del proceso estn determinados por objetivos econmicos, que usualmente llevan al proceso a operar cerca de las restricciones. Los sistemas de control, en especial, los sistemas de control predictivo se anticipan a estas restricciones y corregir las acciones de control.

TIPOS DE RESTRICCIONES Restricciones de rango en las variables manipuladas

u min u ( t + i 1) u mx

i = 1, , Nu.

En general, se pueden saturar las variables manipuladas pero la solucin obtenida no es ptima con respecto a la funcin objetivo predictiva. Ejemplo: Control predictivo N u = 2

u ( t ) < u mx u ( t + 1) < u mx
Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

u(t+1) GPC sin restricciones umax u* sin restr. u* umax u(t)

En forma matricial, la restriccin de rango en las variables manipuladas est dada por:

u(t ) 1 1 1 u ( t + 1) 1 u u min M M max M u ( t + N + 1 ) 1 u 1

u min 1 u 1u max
o bien en funcin de u ( t )
Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

[u min

0 1 1 1 0 1 1 1 1 [u u ( t 1)] u ( t 1)] max M M O M L 1 1 1 1 1

[u min u ( t 1)]1 Tu 1[u max u ( t 1) ]


con u = [u ( t ), u ( t + 1),K , u ( t + N u + 1)]
T

Restricciones de variacin de las variables manipuladas Los actuadores generalmente no responden con una rapidez adecuada, por lo cual es usual que se establezcan restricciones sobre las variaciones de las variables manipuladas.

u min u ( t + i 1) u mx

con i = 1,,N u.

con u min , u mx lmites mnimo y mximo para las variaciones de las acciones de control. Matricialmente, se tiene

Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

1 1 1 0 L 0 1 1 0 1 M u u mx u min M M M O 0 1 1 0 L 0 1
u min 1 Iu 1u mx

Restricciones de rango en las variables controladas En muchos procesos productivos, por problemas de seguridad o costos, se debe limitar las variables controladas a rangos de operacin establecidos.

y min y ( t + j) y mx

j = 1, , Ny.

Utilizando el predictor del GPC, se tiene:

y = Gu + f
con u = [u ( t ), u ( t + 1), K , u ( t + N u + 1)]
T

y = y (t + 1),K ,y(t + N y )

f agrupa los trminos conocidos hasta t. Matricialmente, las restricciones de rango estn dadas por:

y min 1 Gu + f 1y mx
Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

y min 1 - f Gu 1y mx f
Restricciones de variacin en las variables controladas

y min y ( t + j) y mx

j = 1, , Ny.

Matricialmente, expresando estas restricciones en funcin de u, se tiene:

y ( t + 1) ( t + 1) y( t ) y M M = y = y ( t N ) y ( t N 1 ) y ( t + N ) + + y y y
( t + 1) 1 1 y 1 1 M 0 y y( t ) = 0 0 O M y ( t + N ) 1 M O y 0 y ( t + 1) M 1 y (t ) y = D 0 y ( t + N ) y

y = Gu + f
Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

y = DGu + Df 10 y( t )
Entonces,

y min Df + 10 y(t) DGu y mx - Df + 10 y( t)

(Au b )
Restricciones para asegurar el comportamiento monotnico Algunos sistemas de control presentan oscilaciones en las variables controladas antes de alcanzar una condicin de rgimen. En general, estas oscilaciones no son deseables, pues entre otras razones pueden dar origen a perturbaciones sobre otros procesos. Para evitar el comportamiento monotnico y en caso que y(t) w(t), se tiene:

y ( t + j) y (t + j 1) y ( t + j) y ( t + j 1)
Matricialmente, se tiene:

si y(t) < w(t) si y(t) > w(t)

0 y ( t ) Gu + f u + G ' f '

si y(t) < w(t)

Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

0 y ( t ) Gu + f u + G ' f'

si y(t) > w(t)

con G se compone de las primeras N-1 filas de G y f se compone de las primeras N-1 componentes de f.

Restricciones para evitar comportamiento de fase no mnima Existen procesos que presentan un comportamiento de fase no minima, es decir, cuando son excitados responden inicialmente en sentido inverso a como lo hacen finalmente. Para evitar este comportamiento, que en ciertos procesos es muy perjudicial, se incorporan las siguientes restricciones cuando y(t)w(t).

y ( t + j) y( t ) y ( t + j) y( t )
Matricialmente,

si y(t) > w(t) si y(t) < w(t)

Gu + f 1y( t) Gu + f 1y( t)

si y(t) > w(t) si y(t) < w(t)

Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

CONDICIONES: CONTROL PREDICTIVO CON RESTRICCIONES 1.- Si no existen restricciones o si stas no se consideran, la minimizacin de la funcin objetivo genera una solucin analtica. 2.- Si se consideran restricciones, la solucin, en general, se obtiene utilizando un algoritmo numrico de optimizacin con restricciones. Para esta clase de problemas, en que la funcin objetivo es cuadrtica, se cumple: Para que exista solucin al problema sin restricciones, la funcin objetivo debe ser convexa. Para que exista solucin al problema de optimizacin con restricciones, debe haber al menos un valor para el cual las variables de optimizacin cumplan todas las restricciones impuestas. Para asegurar la existencia de una solucin nica, el espacio de restricciones debe ser convexo

Cuando se incorporan restricciones lineales, el problema de optimizacin para el GPC queda definido por:

Min J = (Gu + f - r) T (Gu + f - r) + u T u


s.a

Au b

con A, b determinados de acuerdo al tipo de restriccin.

Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

EJEMPLOS DE RESTRICIONES EN CONTROL PREDICTIVO

Restricciones en las variables manipuladas Modelo multivariable

A( z 1 ) y = B(z 1 )u +

y (t ) y= 1 y 2 ( t)
u1(t ) u= u 2 ( t ) 1 1.8629 z 1 + 0.8669 z 2 0 A(z ) = 1 2 0 1 1 . 8695 z 0 . 8737 z +
1

0.0420 0.038 z 1 B (z ) = 1 0.0582 0.054 z


1

0.4758 0.4559 z 1 0.1445 0.1361z 1

u 0. 2 0.3 u 1 0.3 0.3 u 2 0.2


Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

Restricciones de comportamiento de fase no mnima Modelo lineal

G (s ) =

1 s 1+ s

con Ts = 0.3 seg.

1 + 1.2592 z 1 G( z ) = 1 + 0.7408 z 1
1
Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.

GPC sin restricciones Ny = 30, Nu = 10, = 0.1 GPC con restriccin de fase no mnima El sistema obtenido es ms lento pero los peaks son eliminados.

Doris Sez (Marzo, 2002). Apuntes III: Fundamentos de Control Predictivo. Seminario AADECA-UBA, Buenos Aires.