Desigualdades Matriciales Lineales en Control

Control Avanzado
Maestra en Ingeniera Electr
onica
Universidad Santo Tom
as.

28 de Agosto de 2015

Contenido

Introduccion

Control por real. de estados usando LMIs

Control robusto usando LMIs

Formulacion de otras restricciones LMI

Contenido

Introduccion

Control por real. de estados usando LMIs

Control robusto usando LMIs

Formulacion de otras restricciones LMI

Contenido

Introduccion

Control por real. de estados usando LMIs

Control robusto usando LMIs

Formulacion de otras restricciones LMI

Contenido

Introduccion

Control por real. de estados usando LMIs

Control robusto usando LMIs

Formulacion de otras restricciones LMI

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

El control basado en LMIs consiste en la eleccion de varios

requerimientos de dise
no expresados como restricciones y
una funcion de optimizaci
on que asegure un buen
desempe
no dinamico en una planta.
Esta metodologa permite f
acilmente la existencia de
incertidumbres lo que conlleva a la deducci
on de una ley de
control robusta.
El progreso de potentes herramientas computacionales y
tecnicas de optimizaci
on convexa, muchos problemas de
control que no tenan soluci
on analtica, ya se pueden ser
resueltos numericamente.
El control basado en LMIs es una alternativa atractiva y
potente en muchos campos, ya que permite satisfacer
requerimientos din
amicos, tales como: especificaciones
transitorias, nivel de rechazo a perturbaciones y estabilidad
robusta.

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

La tecnica de realimentaci
on de estado parte de una representacion del sistema en variables de estado,

= Ax(t) + Bw w(t) + Bu u(t)

x(t)
z(t) = Cz x(t) + Dzw w(t) + Dzu u(t)
(1)

y(t) = Cy x(t) + Dyw w(t) + Dyu u(t)

En el modelo se consideran el vector de perturbaciones w(t), el
vector de salidas controladas z(t) y el vector de salidas medibles
y(t).
Considerando que todas las variables de estado son medibles y
que estan disponibles para realimentaci
on, la ley de control de la
forma
u(t) = Fx(t)
(2)
donde F es el vector de ganancias de realimentacion que ponderan
cada una de las variables de estado, se denomina realimentacion
de estado.

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

Sustituyendo la ley de control (2) en el modelo LTI (1), el comportamiento dinamico del sistema en lazo cerrado se describe por
la ecuacion:
x(t)

= (A + Bu F) x(t)
(3)
siendo los autovalores de la matriz (A + Bu F) los polos deseados
en lazo cerrado.
Para el caso del sistema realimentado (3), la condicion de estabilidad asintotica de Lyapunov, se puede realizar a traves del
estudio de la siguiente desigualdad matricial:
(A + Bu F)T P + P (A + Bu F) < 0

(4)

AT P + PA + FT BuT P + PBu F < 0

(5)

o
Puede observarse que esta desigualdad (5) no corresponde a una
LMI, ya que contiene la multiplicaci
on de las variables P y F, lo
que produce una desigualdad bilineal.

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

Por tal motivo, con el fin de reescribir (5) de forma lineal, es

necesario multiplicar ambos lados de la desigualdad por P1 , es
decir:


P1 AT P + PA + FT BuT P + PBu F P1 < 0
P1 AT + AP1 + P1 FT BuT + Bu FP1 < 0

(6)

definiendo W=P1 y Y=FP1 =FW , la desigualdad (6) puede

ser reescrita como
WAT + AW + YT BuT + Bu Y < 0

(7)

siendo W = WT > 0.
De esta manera, puede obtenerse un vector de ganancias F que
estabilice el sistema (3), si existe una matriz simetrica definida
positiva W tal que cumpla con la condici
on (7).

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

La teora de control robusto se basa en el an

alisis de sistemas controlados
bajo la presencia de incertidumbres y se
nales de perturbaci
on.
Las t
ecnicas para el dise
no de este tipo de controladores depende del tipo de
incertidumbre que pueden sufrir los sistemas.
Entre las causas que pueden generar incertidumbres en los sistemas, se
encuentran factores tales como:
Modificaciones en el punto de trabajo de la planta o en el modelo
nominal del sistema.
Din
amica no lineal no considerada.
Din
amica de alta frecuencia no modelada.
Imprecisiones en los par
ametros.
De acuerdo a los factores anteriormente mencionados, las incertidumbres se
pueden clasificar en estructuradas (param
etricas) y no estructuradas.
Las incertidumbres estructuradas modelan las variaciones de los par
ametros
durante el funcionamiento del sistema.
Mientras que las incertidumbres no estructuradas consisten en componentes
din
amicos omitidos en el modelo lineal o en variaciones del comportamiento
din
amico durante el funcionamiento del sistema.
En este curso solo se tratar
a con incertidumbres estructuradas formuladas
mediante la representaci
on de modelos polit
opicos.

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

La representaci
on de estos sistemas puede ser vista como la extensi
on de sistemas
LTIs (1) con matrices dependientes linealmente de par
ametros inciertos, es decir

x(t)
z(t)

y(t)

=
=
=

A()x(t) + Bw ()w(t) + Bu ()u(t)

Cz ()x(t) + Dzw ()w(t) + Dzu ()u(t)
Cy ()x(t) + Dyw ()w(t) + Dyu ()u(t)

(8)

donde = 1 , . . . , n es el vector de agrupaci
on de n par
ametros inciertos del
sistema. Cada par
a
metro
incierto

se
encuentra
limitado
entre
un valor mnimo y
i


un valor m
aximo imin , imax . Las posibles combinaciones de los valores mnimos
y m
aximos del vector define un poltopo convexo con 2n v
ertices {v1 , . . . , vL },
que puede ser representado mediante la siguiente combinaci
on convexa
C0 {v1 , . . . , vL } =

( L
X

i vi , i > 0,

i=1

L
X

)
i = 1

(9)

i=1

donde C0 es la envolvente convexa del conjunto de v

ertices Rn .
Cuando la dependencia es lineal sobre , el sistema de matrices S() se puede
representar mediante el siguiente poltopo convexo.
(
S() C0 {1 , . . . , L } =

L
X
i=1

i i , i > 0,

L
X
i=1

)
i = 1

(10)

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

siendo

A()
S() = Cz ()
Cy ()

Bw ()
Dzw ()
Dyw ()

Bu ()
Dzu ()
Dyu ()

(11)

donde los v
ertices i corresponden a la im
agenes vi , es decir i = S(vi ). La Figura
muestra una representaci
on gr
afica del sistema polit
opico.

Al igual que para el caso de un sistema LTI, las funciones de Lyapunov pueden ser
utilizadas en el an
alisis de estabilidad y en el dise
no de controladores de sistemas
con par
ametros inciertos.

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

El siguiente Teorema presenta una condici

on suficiente LMI, basada sobre el resultado (8), para la estabilidad robusta de controladores de sistemas con par
ametros
variantes en el tiempo descritos mediante la representaci
on polit
opica (10).
Teorema
Una condici
on suficiente para que el sistema definido por (8) sea asint
oticamente
estable para algunas ganancias de realimentaci
on F, es que exista una matriz
sim
etrica definida positiva W, es decir, W = WT > 0, tal que
T T
WAT
i + Ai W + Y Bui + Bui Y

i = 1, . . . , L

(12)

siendo F = YW1 .
En adici
on a la estabilidad, restricciones tales como: rechazo a perturbaciones, ubicaci
on de polos en lazo cerrado y limitaci
on en el esfuerzo de control, pueden ser
tenidas en cuenta en el dise
no de las ganancias de realimentaci
on F, para asegurar
un apropiado comportamiento din
amico del sistema.

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

Durante las dos u

ltimas decadas, m
ultiples condiciones
LMIs han sido desarrolladas para el an
alisis y dise
no de
sistemas de control, con el prop
osito de mejorar las
prestaciones dinamicas de los sistemas controlados.
La sntesis de control H , es uno de los primeros enfoques
tratados como un problema de optimizaci
on convexa
formulado mediante LMIs.
Este enfoque de control, el cual se basa en la norma H ,
garantiza un mnimo nivel de atenuaci
on entre una
perturbacion de entrada y la salida regulada de un sistema.
Sin embargo, la sntesis H no asegura un comportamiento
transitorio adecuado del sistema en lazo cerrado.
Es deseable tener en cuenta otras limitaciones adicionales:
por ejemplo, la ubicaci
on de los polos para lograr una
respuesta transitoria satisfactoria.

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

Formulacion LMI para el dise

no de control H
Considerando el sistema LTI (1) en lazo cerrado


x(t)

z(t)

=
=

(A + Bu F) x(t) + Bw w(t)
(Cz + Dzu F) x(t) + Dzw w(t)

(13)

La manera de asegurar un mnimo nivel de atenuaci

on de una perturbaci
on externa w(t) sobre
la salida controlada z(t), se logra determinando la m
axima ganancia RMS (Root Mean Square)
o norma H de la funci
on de transferencia del sistema realimentado H(s) de w(t) a z(t); es
decir:
kzkL

sup
2 <
kH(s)k = kw(t)k
L2 6=0 kwkL2

(14)

donde k.k y k.k2 representan la norma infinito y la norma euclidiana respectivamente.

Teorema
El sistema definido por (13) es asint
oticamente estable para algunas ganancias de realimentaci
on
kzk

F y kwk2 < si existe una matriz sim

etrica definida positiva W tal que
2

T
AW + WAT + Bu Y + YT Bu
T
Bw
Cz W + Dzu Y

donde W = P1 y F = YW1

Bw
I
0

T
T
WCz
+ YT Dzu
<0
0
I

(15)

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

Formulacion LMI para ubicaci

on de polos
La ubicaci
on de los polos en lazo cerrado es otra importante restricci
on a
considerar para el buen funcionamiento transitorio de los sistemas din
amicos. Esta
condici
on consiste en forzar la ubicaci
on de los polos en un regi
on del plano
complejo (x jy), tal y como se observa en la Figura, que asegure una mnina
tasa de decaimiento , un mnimo factor de amortiguamiento = cos() y una
m
axima frecuencia natural o = r sin(). Por lo tanto, esta regi
on S(, , r) limita
el sobrepaso m
aximo, el tiempo de elevaci
on y el tiempo de establecimiento.

Region de ubicacion de polos S(, , r)

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI
El siguiente Teorema, adaptado de Chilali1996 , corresponde a la restricci
on LMI para la
ubicaci
on de polos en lazo cerrado en la regi
on S(, , r).
Teorema
Los polos en lazo cerrado del sistema (13) se ubican en la regi
on S(, , r) si existe una matriz
sim
etrica definida positiva W tal que
Restricci
on para la tasa de decaimiento
T
AW + WAT + Bu Y + YT Bu
+ 2W < 0

(16)

Restricci
on para la limitaci
on del factor de amortiguamiento



T
cos AW + WAT + Bu Y + YT Bu


T
sin AW + WAT Bu Y + YT Bu



T T
sin AW WAT
i + Bu Y Y Bu 

<0
T
cos AW + WAT + Bu Y + YT Bu

(17)

Restricci
on para la limitaci
on de la frecuencia natural o


siendo F = YW1 .

rW
AW + Bu Y

T
WAT + YT Bu
rW


<0

(18)

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

Formulaci
on LMI para la restricci
on en la entrada de control

En el dise
no de sistemas controlados, generalmente no se tiene en cuenta condiciones
que limiten los valores de la se
nal de entrada. Un valor excesivo de las componentes
de F podra saturar la entrada de control, empeorando las prestaciones de funcionamiento previstas. Por esta raz
on, se introduce una nueva restricci
on LMI que
restringe el esfuerzo de control; es decir, ku(t)k2 a lo largo de una trayectoria para alguna condici
on desde x(0) que se encuentre dentro de un elipsoide x(0)T Px(0).
Teorema

Asumiendo que la condici

on inicial x(0) del sistema (13) es conocida, la
restricci
on de acotamiento del esfuerzo de control ku(t)k2 es aplicada en todo
tiempo t 0 si existe una matriz sim
etrica definida positiva W tal que satisfaga
las siguientes LMIs


1
x(0)

x(0)T
W

YT
2 I

0,
(19)

donde W = P1 y Y = FW.

W
Y


0

Introducci
on
Control por real. de estados usando LMIs
Control robusto usando LMIs
Formulaci
on de otras restricciones LMI

Algoritmo Final
Dada las condiciones LMIs descritas anteriormente, el procedimiento de la sntesis
de control robusto consiste en encontrar la ganancia de realimentaci
on F que
garantice un mnimo nivel de atenuaci
on entre la perturbaci
on de entrada y la
salida regulada, es decir, minimizando el par
ametro en la restricci
on (15),
satisfaciendo las restricciones de ubicaci
on de polos en la regi
on S(, , r)
(16)-(18) y la restricci
on sobre el esfuerzo de control (19), para cada v
ertice i de
la representaci
on polit
opica del modelo (13). De esta manera, el procedimiento de
la sntesis de control se puede expresar por medio del siguiente algoritmo de
optimizaci
on:

minimizar
W, Y

sujeto a
(15), (16), (17), (18), y (19)
{i } , i = 1, . . . , L

(20)