UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA Disefio e Implementacién de un Sistema de Control No Lineal Adaptivo Multivariable Aplicado a un Manipulador Robético Translacional de 2DOF TESIS Para optar el Grado de Maestro en Ciencias Mencién: Automatica e Instrumentacién Presentada por: Percey Castillo Casanova LIMA - PERU 2004UNIVERSIDAD NACIONAL DE INGENIERIA Facultad de Ingenieria Eléctrica y Electrénica Diseno ¢ Implementacién de un Sistema de Control No Lineal Adaptivo Multivariable Aplicado a un Manipulador Robético Translacional de 2DOF TESIS Para optar el grado de Maestro en Ciencias Mencién: Automatica e Instrumentacién Presentada por: Percey Castillo Casanova Lima - Perit Extracto La presente tesis trata sobre el control de posicién y trayectoria de un manipulador robético translacional multivariable de 2DOF (Two-Degrees-of | freedoms), el cual consiste de un mévil montado sobre un par de rieles a lo largo del eje horizontal, y un brazo arti sobre el mdvil. dlado a un servomotor fij Le Servomotor maneja el movimiento rotacional del brazo. El otro servomotor es articulado a una de las dos poleas. Estas poleas usa una faja para transmitir In fuerza para manejar el movimiento deslizante del mévil. Este manipulador robético no lineal sera controlado mediante un Sistema de Control Adaptivo por Modelo Re encial. El objetivo de control es controlar si- multéneamente la posicidn translacional del mévil y la posicién angular del brazo, el cual es libre de rotar en cualquier direccién. Los objetiv impuesto en esta tesis son: modelado, simulacién e implementacién en tiempo real del Sistemas de Control Adaptive por Modelo de Referencia (MRACS: Model Reference Adaptive Control System). Un MRACS esta principalmente compuesta de cuatro partes: el modelo refe- rencial, el controlador adaptivo, el proceso a ser controlado, y el mecanismo de adaptacién. El modelo referencial, el cnal es excitado por una entrada externa Vvr(t), es un sistema dindmi 0 auxiliar usado para especificar las respuestas de- seadas del proceso, ‘Tales respuestas deben ser alcanzadas por el MRACS a pesar de ias restricciones generadas por el mnodelo inexacto de la estructura del modelo referencial asi como del modelo del proceso. La ley de adaptacién es la relacién entre el error ¢, el cual es le diferencia entre las salidas del modelo referencial y la meca- de los procesos, y su correspondiente vector de pardimetros estimados 6. nismo de adapatacién es un conjunto de bloques interconectados empleedos para implementar la ley de adaptacién. De hecho, la ley de adaptacién es un algoritmo de control usado para modificar los pardmetros del controlador adaptivo de tal manera que MRACS permanece estable y el error de seguimiento converja a cero en presencia de cambios en los parémetros del proceso y disturbios externos. Los resultados de simulacién y experimental demuestran que el sistema MRACS disefiado, es capaz de hacer que las salidas controladas del proceso sigan trayec- torias de referencia arbitrarias. EI manipulador robético translacional usado en este trabajo de tesis fire conce- bido, diseindo y constrnido por un equipo de investigacidn en sistemas de control de la Escuela de Graduados de la Facultad de Ingenieria Eléctrica y Electronica. Los miembros del equipo son el Profesor Arturo Rojas Moreno, y los estudiantes de postgrado Percey Castillo Casanova y Ricardo Rodriguez Bustinza. vUniversidad Nacional de Ingenieria Facultad de Ingenieria Eléctrica y Electrénica Design and Implementation of a Nonlinear Adaptive Multivariable Control System Applied to a Translational Robot Manipulator of 2DOF THESIS Requirement for the degree of Master of Science Major: Automatic and Instrumentation by: Percey Castillo Casanova Lima - Perti Abstract This thesis work deals with the position and trajectory control of a multivariable translational robotic manipulator of 2DOF (2-Degrees-of Freedoms), which con- sists of a cart mounted on a pair of rails along the horizontal axes, and a link articulated to a servomotor fixed on the cart. Such a servomotor drives the rotary motion of the link. Another servomotor is articulated to one of two pulleys. This pulley uses a cable to transmit the force that drives the sliding motion of the cart. Such a nonlinear robotic manipulator will be controlled by means of a model reference adaptive control system. The control objective is to control simulta- neously the translational position of the cart and the angular position of the link, which is free of rotating in any direction. The goals imposed in this thesis are: modelling, simulation, and real-time implementation of the model reference adaptive control system (MRACS), AMRACS is mainly composed of four parts: the reference model, the adaptive controller, the process to be controlled, and the adaptation mechanism. The ref erence model, which is excited by an external input r(¢), is an auxiliary dynamic system used to specify the desired process responses. Such responses should be viachievable for the MRACS despite the restrictions generated by inaccurate mod- elling of the structure of both, the reference model and the process model. The adaptation law is the relation between the error e, which is the difference between the outputs of the reference model and those of the process, and the correspondi 8 estimated parameter vector 0. The adaptation mechanism is a set of interconnect- ed blocks employed to implement the adaptation law. As a matter of fact, the adaptation law is the control algorithm used to modify the parameters of the adaptive controller such that the MRACS remains stable and the tracking error converges to zero in the presence of changing pro ‘3 parameters and external disturbances. Simulation and experimental results demonstrate that the designed MRACS is capable of making the controlled outputs of the process track arbitrary reference trajectories ‘The translational robotic manipulator used in this thesis work was conceived. designed and constructed by the research team for control systems of the Gradu- ate School of the Faculty of Electrical and Electronic Engineering. The members of such a team are Professor Arturo Rojas Moreno, and graduate students Percey Castillo Casanova and Ricardo Rodriguez Bustinza. vuTabla de Contenido Lista de Figuras 1 Lista de Tablas... . 3 Capitulo 1. Introduccién 5 1.1, Formulacién del Problema 6 1.2. Perspectiva Histérica . . 7 1.3. Organizacién de la Tesis 10 Capitulo 2. Modelado de la Planta 12 2.1. Descripcién del Sistema 0... ee s 12 2.2. Modelo de Lagrange del Proceso MRTM 13 2.2.1. Ecuaciones de Energia para el Carro 13 2.2.2, Ecuaciones de Energia para el Brazo 4 2.3, Ecunciones de Lagrange del Proceso MRTM 15 2.3.1. Modelo del Servomotor DC Mi - Polea Ww 2.3.2, Modelo del Servomotor DC Mp - Brazos... + + -- 20 2.3.3. Modelo Lagraniano . re a Capitulo 3. Control Adaptivo 3a. 3.2, 3.3. 3.4. 3.5. Configuracién de un MRAC Estabilidad por el método directo de Lyapunov Conceptos de Estabilidad 2.2... ...-- Funciones de Lyapunov .2.3. Teoremas de la Estabilidad de Lyapunov... 0... Control Adaptivo para Sistemas No Lineales . .. . « MRACS para Procesos SISO No Lineales) Ley de Control 2... eee eee Ley de Adaptacion . . MRACS para Procesos MIMO No Lineales . 35 Disefio de! Control MRACS para el MRTM . 38 3.5.1. Motivacién . . 38 El Modelo de la Planta 39 Disefio del Controlador . . . - 40 vin3 La Ley de Control... 4 3.5.5. La Ley de Adaptacin 43 Capftulo 4. Implementacién en Tiempo Real 44 4.). El Actuador . 2... 4.2. El Sensado. . 4.3. Interfaz LABPC+ . . 4.4, Software de Control . Capitulo 5. Simulaciones 57 mento 1: Referencia Constante . . . 57 Referencia Senoidal 60 61 Capitulo 6. Resultados Experimentales 67 6.1. Experimento I: Referencia C sees 68 6.2. Experimento 2: Referencia Senoidal . 2... ee 69 Capitulo 7. Conclusiones 73 7.1, Conclusiones. 6... ee ee eee 73 7.2. Recomendaciones 6.6.5 s ee eee ee eee 7 Apéndice A. Identificacién de Pardémetros 76 A.1, Identificacién de Parémetros del Servomotor «6. ee 76 A.2. Curva de la Velocidad para la Identificacion 2... ee 77 A.3. Coeficiente de Friccidn del Carros 80. AA. Coeficiente de Friccién Viscosa del Brazos 82 Apéndice B. Diagramas en SIMULINK 88 Programa de Simulacién 96 Apéndice D. Programas en C 104 Bibliografia. MbLe 1.2. 1.3. 14 3.1. 3.2. 3.3. 34. 4d. 4.2. 4.3. 4A 45. 4.6. 4. 4.8. 49. 4.10. Bal. 5.2. Lista de Figuras Control adaptivo con ganancia programada, 6.6.2.0) ee ee Control adaptive con lazo cerrade. . Lee .: Control adaptive con modelo referencial (MRACS). 2.2.5... Control adaptivo con modelo de Identificacién (MIAS). 6... 6. Manipulador Robético Trasl Subsistema del brazo robstico. Sul Construccién de un MRACS. 6 ee eee Estabilidad en sistemas autonomos. .... 6.6... ee eee Representacién grafica de la funcién de Lyapunov... .. 0... . ~~ la representacién gréfica del teorema de inestabilidad de Céteav. . . - Diagramas de bloques de la implementacién del sistema... 0... Planta real MRTM de 2DOF. .. 2.2... -.--.--- eee Implementacién del sistema de control real. 2... ee Ci Diagrama de tiempo del circuito generador de PWM. . : uito generador de PWM. «6... Esquema del circuito de disparo y conmutacién. . 2.2... es Circuito amplificador de potencia de PWM. 6 Estructura del codificador éptico rotatorio... 2... 22 eee Sensado de posicién. Lee sees see : Diagrama de flujo del algoritmo de control... 2... 2-2-2 2e- Posiciones controladas del carro y del brazo para el caso de referencia constante. Error de posicién Mévil-Brazo para el caso de referencia constante.5.3. Error de velocidad Mévil-Brazo para el caso de referencia constante. 5.4. Sefiales de control para el motor 1 y para cl motor 2 para el caso de referencia constamte. 606 ee Identificacin de parémetros para una referencia const 5.6. Trayectorias controladas del carro y del brazo para el caso de referencia senoidal. — cease 7 5.7. Error de posicién Mévil-Varilla para el caso de referencia senoidal. 5.8. Error de velocidad Mévil— Varilla para cl caso de referencia senoidal. 5.9. Seftales de control para el motor 1 y para el motor 2 para el caso de referencia senoidal. . 2... 2.2 0 ee ee ee 5.10. Identificacién de pardmetros para el caso de referen 5.11. Panel de salida de la animacién del MRTM de 2DOF.... . . . - as Posiciones controladas del carro y el brazo para el caso de referencia comstamte, eee re Velocidades controlacias del carro y el brazo para el caso de referencia constante. ... 2... bene bees Sefiales de control para el motor 1 y para el motor 2 para el caso de referencia constante, 6. Identificacién de pardmetros para el caso de referencia constante. . . Trayectorias controladas del carro y del brazo para el caso de trayee~ toria senoidal. . 22 eee 6.6. Velocidades controladas del carro y del brazo para el caso de trayec- toria senoidal. 2 eee 6.7. Sefiales de control para el carro y el brazo para el caso de trayectoria senoidal.... 22... Identificat AS A.3. Modelo discreto del servomotor DC... 6... 02 ee bene A.4. Simulaci6n del modelo simplificado L=0. 6... ee A.5. Tension de salida versus tensi6n de entrada. ©... 2.2... ++ A.6. Experimento de la compensacién de la friccién no lineal 59 60 GL 61 62 62 63 69 69 70 7 a 72 72Bl. BQ. B.3. BA. B55. Be. B.7. B38. Ba. Bloque principal control adaptivo del MRTM de 2DOF. . Bloques de las matrices dinémiens del sistema. . Bloques de errores y referencias. beens : Yo... Levene Bloque de la Ley de Control ULy U2. 0... ee Bloque de la matri Bloque variables de estado. . 2... 2. ee Bloque de estimacién de parémetros. Graficas de las posiciones del m6vil y brazo. Graficas de las senales de control ul y u2 para el mévil y brazo. 88 89 90 a1 92Lista de Tablas Coeficientes de las matrices M. Py do... 2... ee eee 23 Pardmetros estimados del sistema... 2.22 ee ee 23 4.1. Conmutacién de los MOSFET's... 2022-2 eee 50 . Especificaciones del servomotor DC... 6 ee 78 Coeficiente de friecion fo. ee 83 3. Pardmetros del sistema a simular. 85,Capitulo 1 Introducci6n Muchos procesos de control son tipicamente de naturaleza no lineal [3] y varian- tes en el tiempo; asi mismo en una gran variedad de casos el modelamiento es muy dificil especialmente cuando los pardmetros del proceso varian frecuente- mente, esto es porque muchos métodos de teoria de control moderno requieren un conocimiento exacto del modelo de! proceso y que no puede ser aplicado satis- factori mente en el contexto industrial. En muchos casos las estrategias de control con pardmetros constantes no pueden ser adaptados a los cainbios en las condi- ciones de operacién. Las no-linealidades y la naturaleza variante en el tiempo de los procesos es Ia razén principal para el desarrollo de las téenicas del control adaptivoft). En nuestro caso particular nos centraremos en desarrollar cl Control Adaptivo Multivariable para plantas no lineales basado en un Modelo de Referencia. Nues- tro proceso controla el seguimiento del mévil y brazo respecto a una trayectorin deseada; que tiene dos grados libertad. El manipulador robético transportara pe- sos de diferentes tamaiios; no podemos asumnir que los pardmetros inerciales de las cargas son conocides antes que ¢l manipulador los levante y los mueya, Sf los controladores con ganancia coustante (P, PI, PID, Optimal, ...) son usados y los pardmetros con la nueva carga no son conocidos con exactitud, el movimiento del manipulador es inexacto o inestable. El control adaptivo ea la solucién al problema al permitir mover al manipulador cargas de pardmetros desconocidos con alta velocidad y gran cxactitud. El control adaptivo no significa un cambio en la estrategia de control, pero si una adaptaci6n en los parémetros del controlador para prevenir un decaimiento en la performance global del sistema en presencia de cambios en la dindmica de! proceso. El control adaptivo con modelo referencial expuesto on esta tesis esta compuesto de un término dindmico feed forward y un término PD. El controlador usa la dindimica del sistema para ayudar a converger los pardinetros, mientras que el término PD le da estabilidad.1.1. Formulacién del Problema El problema que se estudia en esta tesis es el control simultaneo de la. posicidu 0 trayectoria angular del brazo y la posiciéu 0 trayectoria de traslacién del carro, este problema de control es resuelto por medio de la técnica de control adaptivo. Para esto se requiere que el manipulador robético realice: E) posicionamiento 0 seguimiento de trayectorias de referencia arbitrarias empleando una ley de control acotada. Por consigu te, el proceso a controlar posee dos entradas y dos salidas, es decir, es un proceso MIMO (Multiple-Input-Muttiple-Output). El manipulador robotico translacional de 2DOF (dos grados de libertad), es un proceso multivariable que posee un brazo articulado al eje del motor DC el cual desarrolla un movimiento rotacional; este motor esta montado sobre un mévil que desarrolla su movimiento de traslacién por la accién de dos poleas. Una de las poleas est acoplada al eje de un segundo motor DC, que va a gobernar el movimiento del carro a través de una faja de transmisién. El sistema manipulador translacional de 2DOF, ha sido construido y disefiado tomando como modelo el sistema de péndulo invertido. La finslidad de construir cl sistema es para implementar las diferentes técnicas de control avanzado, en nuestro caso la implementacién de un controlador adaptivo basade en un modelo referencial. Fue necesario modelar Ia dinsimica de la planta mediante las ecuaciones de cnergia de Lagrange. La exactitud del modelo es fundamental para la etapa de simulaciéu; para la implementacién de la estrategia solo basta la estructura de la ecuacion dinémica del sistema, El modelo requiere de la identificacién de tos pardmetros del servomotor DC cuyos resultados son presentados en el Apéndice A. La implementacién del sistema consigna el uso de la tarjeta de control LABPC+, de la lectura de que se encarga de manejar los datos de entradas digitales de 16 bi los encoders y dos salides analdgicas que son entregadas a las tarjetas interfaces para g¢ de modular la seiial que provienc de la ley de control. Ademés Se requiere de rar la seal PWM (modulacién por ancho de pulso) que se encargan un amplificador de potencia (circuito H) para manejar los 02 motores DC, cuyo diseio tiene por finalidad mancjar una légica de control de switcheo de los mosfet para polarizar adecuadamente los motores de acuerdo a la sefial de salida generada por PWM. 6El experimento se ha realizado en el ambiente del laboratorio de proyectos de automatizacién de la Seccién de Postgrado de ta Universidad Nacional de In- genieria, en donde esté instalada el proceso a controlar. La parte experimental ha consi torias senoidales a diferentes amplitudes y frecuencias. Los resultados obtenidos istido en realizar pruebas para diferentes posiciones asi corn para trayec- de dicho experimento se han guardado en archivos de datos para manejarlos me- diante el programa MATLAB para ser graficados y analizados. 1.2. Perspectiva Histérica En los inicios de la década de los 50, hubo una gran investigacién en control adaptivo en relacién con el disefio de autopilotes pare un alto desempeiio en el vuelo de las aeronaves; tales acronaves operaban bajo un gran rango de velocidad y altitud. Se conocia que los controladores lineales existentes trabajaban bien en tun punto; pero no para un régimen de vuelo variado. Se necesitaban controladores mas avanzados. Después de muchos esfuerzos de investigacién se encontré que temas de variando la ganancia de los controladores era la solucién para los s control de vuelo. El interés en control adaptivo parcialmente isminuyo porque los problemas de control adaptivo fueron también dificiles de manejar usando las técnicas que estuvieron disponible en ese entonces. En los inicio de los aiios 60, hubo un mayor avance en la teoria de control para desarrollar control adaptivo. Las variables de estado y la teoria de estabili- dad fueron introducidos. Hubo también un importante resultado en la teoria del control estocastico. La programacion dinamica fue introducido por Bellman, in- . La contribucién fundamental crementando el entendimiento del proceso adapt fue hecha por Tsypkin, quien mostré que muchos esquemas para el aprendizaje del control adaptivo podrian ser descritos en un marco comtin. Hubieron también desarrollos en sistemas de identificacién. El renacimiento del control adaptive ocurrié en 1970, cuando diferentes disetios de estimacién fueron combinados con varios métodos de diseiio. Muchas aplica- ciones fueron reportados, pero los resultados teéricos fueron muy limitados. En Jos finales de los afios 70 y comienzos de los afios 80, se demostré estabilidad cn los sistemas adaptives que aparecian, bajo ciertas asunciones limitantes. Los esfuerzos para unir ideas del control robusto e identificacién de sistemas son de 7particular relevancia; se inicio una interesante investigacién dentro de Ia robustez del control adaptivo. En los finales de los aiios 80 ¢ inicio de los afios 90, las investigaciones realiza- das en el campo del control adaptivo, dieron una nueva visi6n acerea de la robustes en la operacién de tales sistemas. La teoria del control adaptivo robusto ha sido bien probada y comprendida en 1990. Esencialmente, el diseiio del controlador adaptivo robusto involucta modificaciones apropiadas de las leyes convencionales adaptivas. Como un breve resumen los controles adaptives los podemos dividir en varias categorias 0 tipos. La categoria mas general lo divide en sistemas adaptivos de in Hamados temas de lazo lazo abierto y de lazo cerrado. Los sistemas de lazo abierto son tam! controladores de ganancia programada (ver figura 1.1). Estos si abierto se basan en la idea de que los parémetros del controlador cambian en fun- cién de algunos valores medidos o estimados z o encontrados experimentalmente, Figura 1.1; Control adaptive con ganancia programada, En la figura 1.2, se muestra un sistema de control adaptivo a lazo cerrado. Notar que aparte de lnzo tradicional (I), existe otro lazo (II) para estimar lox pardmetros del sistema, y asf poder calcular los pardmetros del nuevo controlador. La estructura MRACS cs mostrada en la figura 1.3, su configuracién esta basada en la comparacion de la sefial de salida del sistema y la sefal de salida de un modelo. Un mecanismo de adaptacién sintoniza en base a este error, los pardmetros de este controlador harsn que este error tienda a cero, El mecanismo de adaptacién esta disefiado para mantener una estabilidad al sistoma no lineal, las consideraciones de estabilidad estan basadas en la teorfa de la estabilidad de 8Lyapunov. MRACS esta diseiiado para cubrir sistemas que varian en el tiempo. MRACS ha sido usado en muchas situaciones y es uno de las dos "escuelas”en el campo del control adaptivo. Hay muchas otras configuraciones; en afios recientes han sido mostrado que MRACS tiene una estrecha conexién con otros tipos de controladores adaptivos. Estimador, F IControtador| Figura 1.2: Control adaptivo con lazo cerrado. ‘Modelo Referencial Figura 1.3: Control adaptivo con modelo referencial (MRACS). n (MIAS) es el término usado para sistemas adaptivos de la otra escuela. La estructura MIAS se muestra en la El sistema adaptive con modelo de identificaci figura 1.4, y consiste bésicamente en un algoritmo recursivo de identificacién que encuentra los pardmetros del sistema y disefia un algoritmo de control en base a estos valores estimados para satisfacer la demanda del control. Este contro] puede 9ser escrito en términos del modelo referencial. Este tipo de controladores son Namados "Self Tuning Controllers” (controladores auto sintonizantes) son basados en un marco estocdstico y fue originalmente usado para sistemas de pardmetros desconocidos pero constantes. Estimador Controtador Figura 1.4: Control adaptivo con modelo de Identificacién (MIAS). 1.3. Organizacién de la Tesis La tesis esta distribuida en 7 Capitulos y 3 Apéndices. Se describe a continuacién el contenido de cada uno de ellos: E] capitulo 2 trata sobre el modelado de la planta no lincal usando las ecua- ciones de Lagrange, en términos de las energias cinétieas, potenciales y disipativas. En este capitulo también se construye la representacién dindmica del proceso en términos de sns variables de estado, para un mejor andlisis. El capitulo 3 formula el problema de diseiio del controlador para la planta no lineal. Se utiliza la estructura de la ecuacién dindmica del manipulador, se linealiza paramétricamente la planta y se determina la ley de control en base a la dina método de Lyapunov para establecer una superficie deslizante y garantizar la a de la planta basada en un modelo referencial. Utilizamos el segundo estabilidad y rendimicnto del sistema de control no lineal. El capitulo 4 presenta la descripeién general de los equipos y tarjetas de in- terfaz utilizadas en la implementaci6n del sistema, Los esquetas de los circuitos: generador de PWM, amplificador de potencia y codificador de cuadratura. Tam- 10bign se presenta el dingrama de Alujo para el software de control. El capitulo 5 ilustra los resultados obtenidos de las simulaciones en MATLAB, Las simulaciones han sido realizadas para el control de posicién y para trayecto- rias senoidales. Se realiz6 el diseiio de una interfaz gréfica de usuario (GUI) con MATLAB. El capitulo 6 ilustra los resultados obtenidos de las pruebas experimentales referidas al control de posicién y seguimiento de trayectorias senoidales realizadas n de datos LABPC+-. Se ilus- tran Jos resultados experimentales compardndolas con las simulaciones realizadas con MATLAB. El capitulo 7 presenta las cone en el laboratorio, utilizando una tarjeta de edquis siones derivadas de este trabajo y algunas recomendaciones a tomar en cuenta en investigaciones futuras. Los apéndi paréimetros del servomotor DC, el modelado de la. fri contienen una descripcién detallada de la identificacién de 1 deslizante pare el mévil, la friccién de Coulomb para et brazo, los diagramas de bloques del sis- tema en SIMULINK, el listado de programas en MATLAB y el listado de los programas de tiempo real en C. aDCapftulo 2 Modelado de la Planta Para aplicar la técnica de control adeptivo basado en un modelo referencial, es necesario presentar la dingmica del modelo ds de 2DOF [11]; Cionar la exactitud del modelo, la misma que debe de responder a Ia exigencia anipulador robstico translacional sando la ecuacién dindmica de Lagrange, que nos va a propor- del desarrollo del control que se le aplique al sistema en mencién. 2.1. Descripcién del Sistema EI sistema del Manipuladot Rob6tico Translacional Multivariable de 2DOF que en adelante lo lamaremos (MRTM de 2DOF) es mostrado en Ja figura 2.1. M: es un servomotor de DC con un mecanismo de reduccién y un encoder dptico articulado « una poles de radio Ry. Esta polea usa una faja para transmitir Ja fuerza F, que maneja el movimiento corredizo de un carro de masa M, montado a.un par de rieles a lo largo del eje de x. Mo también es un servomotor DC con un encoder dptico empleado para manejar el movimiento rotatorio del brazo (libre de girar en ambos sentidos) del MRTM alrededor de un punto del pivote. En Ia Figura 2.1: Manipulador Robético Traslacional Multivariable (MRTM). 12figura 2.1, @ es la posicién angular del brazo de longitud ¢ y masa m, 7 es la posicidn del carro, F es la fuerza de friccién opuesta al movimiento del carro. El proceso de Inzo cerrado para ser controlado representa un proceso con dos entradas; los voltajes de control Karz, y Kazt2 aplicados a los terminales de armadura de My y Me respectivamente, y dos salidas: r y 6. Los parémetros Ka, y Kg son las ganancias de amplificacisn, 2.2. Modelo de Lagrange del Proceso MRTM Antes de generalizar la ecuacién dindmica de Lagrange, se debe de construir las condiciones de energia necesarias para cada componente del sistema. El propésito de este modelo matemético es desarrollar y probar una ley de control que pueda hacer que la trayectoria del carro y la trayectoria del brazo sigan trayectorias de referencia arbitrarias. Nosotros asumimos que las dos componentes de la salida y{r,6) son medidas y que la fucrzn u(u;,u2) es la entrada de contro! {8}. Nuestro primer objetivo es encontrar la relucién dinémica entre u(t, 2) ¥ u(r,6). Para esto podemos usar las ecuaciones de Lagrange. Para expresar Ja energfa en este sistema, introducimos las variables de la ecuacion de Lagrange. EI principio de Lagrange nos permite escribir en forma directa las ecuaciones de energia cinética T, energfa potencial Uy energfa disipada D. 2.2.1, Ecuaciones de Energia para el Carro El carro es restriugido para un movisniento en la direccién horizontal, las ecua- ciones dinémicas para el carro comprenden el desarrollo de las energias cinética. (11), potencial (U1) y de disipacién (D1) dadas por. Th = 5M? (2.1) Uu, =0 (2.2) Dy = des (23) 13,2.2.2. Ecuaciones de Energia para el Brazo Sea la energia cinética (T2) del brazo dada por. 1 a9 1 T= gi + gm? +) (2.4) donde .j es el momento de inercia referido brazo de masa de m de la figura 2.1 El desarrollo de la ecuacién (2.4) explica con ayuda de la figura 2.2 que muestra las coordenadas (z,y) en funcién de los parémetros del sistema del brazo robético. Figura 2.2: Subsistema del brazo rob6tico. 2 = rt $sino (23) l = 5cost y 30088 derivando las ccuaciones (2.5) y (2.6). B+ fens(Oyi (2.7) —dsin(oyé (2.8) elevando al cuadrado. 4. ‘ 2 + Fleos(0)b + Tost oyé? (2.9) 2 Faint ne? (2.10) sumando las ecuaciones (2.9) y (2-10). , 8 ? + Hleos(0)6 + O° (2.11) reemplazando (2.11) en (24). (2.12) Th = $46? + Ante? + east o)o La energia potencial y Ia energia de disipacién del brazo es dada por las siguientes ecuaciones. Ur = 78050 (2.13) Dy = 5oe (2.14) 2.3. Ecuaciones de Lagrange del Proceso MRTM La ecuaci6n de Lagrange generalizada es. -F (2.15) donde. L=T siendo. L: _ conjunto de energias del sistema. D: — disipacidn de energia externa del sistema, q: —_coordenada de variable independiente del sistema. q: — derivada de variable independiente del sistema. 15F,: fuerza externa que actiia en la direccion de q. Para el sistema MRTM de 2DOF, los términas de las energias individuales com- ponen en su conjunto la totalidad energética del sistema. Energfa cinética del sistema 2 T=TN+Tr 3 fi? + que + pn? + #loas(0)b + a) Energia potencial del sistema UAV 40: = “Boos0 Energia disipada del siste D = Dy + De = BPs + 306 t 5F Podemos generalizar la ecuacién de Lagrange para el vector g en funcién de coordenadas generales (r, 8) del proceso MRTM de 2DOF es formulado de acuerdo con (2.15). @ at) _ ar vu ap (2.16) =% (2.17) Para el planteo de las ccuaciones de Lagrange, se observa que el término de energia potencial U no es una funcién del tiempo derivative de r. Las ecuaciones dindmicas del Lagrange serdn desarrolladas para las variables en donde interviene el sistema. Desarrollamos las derivadas parciales que indica la ecuacién (2.16) para determi- nar la fuerza F}. = (Me+myi+ (2.18) = (Me-+m)F = Bi sin(oyi? + Beostoyi (2.19) au = OG F= (2.20) 16Obtenemos la primera ecuncién parcial del sistema para Fy. Fr = (Me +m)r- eh smioyi? +* eos (0) + Fei (2.21) Desarrollamos las derivadas parciales que indica la ecuacién (2.17) para determi- nar el torque T,,- ml my = Tb + Foos(aye + 4 (2.22) 2 = Jo+ eos(O}F - oh in(0\6r + me (2.23) ar ml at mt Be = Sp sinlOie: Fy = —Fposin®): Obtenemos la segunde ecuacién parcial del sistema para Ty, hen cos( 0) + ce + +06 718 gin(0) (2.25) El modelo Lagraniano puede ser derivado usando las ecuaciones (2.21) y (2.25). Sin embargo si nosotros estamos interesados en tener como fuerzas de control a los voltajes de armadura 1, y uz en lugar de F, y Ty, respectivamente, para esto es necesario modelar los subsistemas eléctricos del MRTM de 2DOF. 2.3.1. Modelo del Servomotor DC M, - Polea La figura 2.3 muestra el servomotor de DC M, que es articulado a una polea. Des- preciando la inductancia de la armadura L,, el voltaje de entrada Ku; aplicado la armadura se da por. Ralar + Vin = Katy (2.26) El voltaje de Ia fuerza clectromotriz. es proporcional a la velocidad de moter. 17Vn = KiB (2.27) La ecuacién del torque Tim del servomotor es dado por. Tri = dmb + Brom + Tor (2.28) El torque Tye requiere la transmisién de la polea, y cl torque en la polea es directamente proporcional a la fuerza F,, luego formulamos. yo = Tp: = (Jp + Jp)Oi + (By + Bp). + Fy (2.29) donde Jmns Jy ¥ Jp son los momentos de inercia de la armadura, mecanismo de reduccion de engranaje y polea, respectivamente, mientras By, By y Bp son las constantes de friccién de la armadura, mecanismo de reduceién de engranaje y polea respectivamente. Ra te }—vn—- Figura 2.3: Subsistema motor - polea. Nosotros también hemos usado la relacién para la conservacién de energia de engranajes T:Bm = Ty2br con (Bi = Ym), de este modo podemos expresar (2.28) como. Tar = Innit, + BrnBp, + Loi (2.30) despejamos Ty: de (2.29) y reemplazamos en (2.30), luego agrupamos términos. 18Tim = Sea + BeaiOt. + Filey (2.31) donde. el torque del servomotor Tin es proporcional a la corriente Jai. Tr = reemplazando (2.31) en (2,32), luego despejamos Ia. RF nim (2.38) usando las ecuaciones (2.27), (2.33) en (2.26), luego despejamos F). Kea — Searg — Bea, 1? Kmby Fy = —™4u, - 6, - w > (2.34) i= ae Ha + (238) El movimiento rotacional de la polea puede ser transformado como un movitniento translacional del carro usando la siguiente relacién (ver figura 2.3). 4, (235) R derivando (2.35) y subsistema del motor. sustituyendo eu (2.34), obtenemos Ia ecuaci6n general del Kimi a deat. (Beat , 0? KinKy R= Rh Fe +e igualando (2.36) con (2.21), se obtiene la primera ccuacién dinémica de Lagrange —( ye (2.36) del Pe eos ob eee mi 52 2.37) ~ Fain} (2.37) 192.3.2. Modelo del Servomotor DC M, - Brazo La figura 2.4 muestra el servomotor de DC Mo que articula a un punto del pivote localizado en el CG del carro. Teniendo en cuenta que M, y Ma tiene los mismos pardémetros y despreciando la inductancia de la armadura La, nosotros podemos formular Raloo + Vio = Kata (2.38) donde. Vix = Kiba (2.39) La relacién de desplazamiento angular del eje del motor y eje de carga es. nz = nO (2.40) La ecuaciou de torque Tmz del servomosor es (ver figura 2.4). Tne = Smt + Baan + Tyr (2.41) El torque Tye requiere manejar el brazo que se expresa Tq = nT y = J+ Bd +T, (2.42) reemplazamos (2.42) en (2-41), siendo Ty, el torque de carga. NT mg = deqhd + Bega + Tr. (2.43) donde. Jege = RI, + Jy Beg = 1B + By El torque Tz del servomotor es proporcional a la corriente fea. Toa = Kmboa (2.44)Yo @ 8, 1 = = Te Figura 24: Subsistema del torque del brazo. sustituyendo (2.40), (2.39) en (2.38) ¥ despejando nx. _ Ka _ aks, . la= qe Re (2.45) sustituyenclo (2.45), (2.44) en (2.43) y despejando Tr. . nk Feral = (Bega + AO (2.46) igualando (2.46) con (2.25), se abtiene la segunda ecuacién del sistema, mt mi? Rac RK nKo 4 "2 = TK Ra J COS(OE + (+d + Sean) + (C + Bran + Te I+ os - 7d sin()} (2.47) 2.3.3. Modelo Lagraniano La ecuneién (2.21) con (2.37) y (2.25) con (2.47) conforman el proceso Lagraniano del MRTM de 2DOF que toma la forma. ty = muni + puF + mi2c0s66 + mrosindd? (2.48) BaUy = mb + pnb + mxcos6F + daysind (2.49) Las ecuaciones (2.48) y (2.49) pueden ser transformadas en su representacién de le matriz como sigue. M(q)G+ PCa, 4 + d(q) = 0 (2.50) ‘tl = las matrices M, P y d del modelo del sistema son. ape {me mneos pa [mE Prbsind a 0 maicos? maz 0 Px dy sind La tabla 2.1 muestra los coeficientes de las matrices Af, P y d del sistema, micn: donde q y u son los estados: tras que la tabla 2.2 muestra los pardimetros del servomotor DC. El método de identi cacién de los pardmetros del motor y la abtencién de las constantes de friccién del carro F, y del brazo C se explican en el apéndice A. Se han conside- rado las siguientes equivalencias para la momento de inercia y la friccién viscosa Jeg = Jeg = Jeg ¥ Bey = Begs = Bega, dedido a que reflejan valores similares, tal como lo demuestran los resultados experimentales obtenidos en Ja identificacién de las pardmetros para los dos servomotores DC de igual modelo. 22Cuadro 2.1: Coeficientes de las matrices M, P y d. my = my = ma = me WKaRm Refs) ml TKARa) ae) ane BE + J + Jeg) dy =0 iets) (Me+ m+ $8) pun = (GRRE MR + Sg + Shp) pe = Ge pa =0 palate C + Beg + PHpts) dy =~) Rien Cuadro 2.2: Pardémetros estimados del sistema. Simbolo | Descripcion Valor | Unidades M masa del carro + masa de la polea 1.6492 [Kg m masa del brazo 0.0519 | Kg L longitud del brazo 0.30 m J momento de inercia del brazo robético | 2,38¢~% Kg? | eq, momento de inercia equivalente 3.0551 x 10-' | Kgm? | Beg friccién viscosa equivalente 5.384810! | Nm/rad/s c coeficiente de friccién viscosa brazo 9,50~4 Kgm?/seg F, coeficiente de friecién del carro 281 Kafseg 9 aceleracién de In gravedad 9.81 mseg"? K constante de fuerza contraelectromotriz | 0.0565 Vfradjs Kn constante de torque de motor 0.0421 Nm/A Ry radio de la polea 0.048 m | Ra resistencia de armadura 33 2 n factor de reduccién 12.5 Ka constante de ganancia de amplificacién | 5.5 23Capitulo 3 Control Adaptivo 3.1. Configuracién de un MRACS La figura 3.1, muestra la configuracién de un sistema de control adaptive con modelo de referencia (MRACS) empleado en una variedad de aplicaciones. El MRACS esta bésicamente compuesta por 4 partes: el modelo referenctal, contro- lador, planta, y el mecanismo o ley de adaptacién. El esquema bisico del MRACS en consideracién es llamado un MRACS parulelo debido a la relativa ubicacién del modelo referencial con respecto al proceso. Modelo Referencial ra Controlador Ley Adaptacién Figura 3.1: Coustruccin de un MRACS. E] modelo referencial, el cual es excitado por una entrada externa r(t), es in sistema dinémico auxiliar usado para especificar Ins respuestas de proceso desoado, tales respuestas deben ser aleanzados por ol MRACS a pesar de las restriceiones generadas por cl modelo inexacto de Ia estructura de ambos, el modelo referencial y el modelo del proceso. La ley de adaptacién es la relacion entre el error e, el cual es la diferencia entre las salidas del modelo referencial y las del proceso y el correspondiente 4vector @ de pardmetros estimados. El mecanismo de adaptacion es un conjunto de bloques interconectados empleados para implementar la ley de control. La ley de adaptacién usada para ajustar los parsmetros en la ley de control. El mecanismo de adaptacién busca pardmetros de tal manera. que la respuesta de la planta sea igual al modelo. El objetivo de la adaptacién es hacer que garantice que 1 control permanezca estable y el error de seguimiento (Ia seital controlada siga Ia trayectoria deseada) converga a cero segiin cambie los pardmetros del proceso y los disturbios externos. El proceso, se asume que Ia planta no lincal ticne una estructura de sus ecua- ciones dindmicas conocidas, aunque sus pardmetros no sean conocidos. De aqui su descripeién podria ser imprecisa; esto es, el modelo dinémico del proceso podria presentar cualquier incertidumbre paramétrica en su estructura o en su repre- sentacién de su dindmica no modelada. Desde que la descripcidn de los procesos contienen incertidumbres, el control adaptive en general puede ser considerado una aproximacién particular al control robusto. E] controlador es generalmente parametrizable por un numero de paréinetros ajustables; debe ser capaz de realizar un perfecto seguimiento en presencia de parémetros ineiertos. Esto es, cuando los parémetros son conocidos 0 descono- cidos, los pardmetros del controlador necesitan ser ajustados por un mecanismo de adaptacién en orden de hacer coro el error c. El método directo de Lyapunov es ‘empleado para encontrar un diseiio MRACS que garantice la convergencia global de seguimiento. $i la ley de control (algoritmo de control) pose una estructura lineal con pardmetros ajustables, es conocido como linealmente parametrizable. 3.2. Estabilidad por el método directo de Lya- punov A ciones dindmicas diferenciales usando dos métodos distintos, El primer método |. Lyapunov contribuyé con la estabilidad de sistemas descritas por las ecua- analiza cl comportamiento estable de una solucién explicita de un sistema y es solo aplicable a algunos casos. El segundo método o método directo es més general y potente porqué aquello no requiere de! conocimiento de la solucién de la descripcién del sistema. 83.2.1, Conceptos de Estabilidad Un sistema no lineal de la forma: k= flx.t) (3.1) Se dice que es no-auténomo si f depende del tiempo, es decir, si f posee pardmetros ue varian en el tiempo. De aqui un sistema auténomo puede ser descrito por k = f(x). Trayectorias de estado para un sistema auténomo son independientes del tiempo inicial, mientras para un sistema no auténome generalmente no lo son. Un estado de equilibrio o punto de equi sistema auténomo puede ser descrito como. brio xe (vector constante) de un O= f(x.) (3.2) istemas basicos. Puesto que trataremos con la estabilidad en el origen de los f(x) —-x(0) = 0 (3) entonces necesitamos hacer una cuantas simples asunciones en relacién con la figure 3.2, denotaremos por B(R) le regin esfériea |ix|| < & y por S(R) la esfera ica cerrada r < [xl] < R ser denotado por BX. x|| = R. La regién amular est Nosotros asumiremos que en cierta regidn esférica © : |[x|| < B(R) las derivadas parciales z,/dx, todas existen y son continuas en @ . Nosotros enunciaremos que el otigen es: = Estable si cualquier trayectoria de estado empieza en B(r) en un punto arbitrario xp munca alcanza el limite de la esfera S(R) de B(R). © Asintéticamente estable siompre que es estable y ademas cada trayectoria de estado empicza en B(R) en un punto arbitrario x9, tiende al origen como el tiempo se incrementa indefinidamente. © Inestable Siempre que para algiin R y cualquier r, grande 0 pequeiio, existe cualquier trayectoria de estado que empieza en B(r) en un punto arbitrario to y alcanze la esfera acotada S(R). Se observa en la figura 3.2, para la trayectoria T el origen es inestable en el sentido de Lyapunov, a pesar de la convergeneia de estado. 26Asintoticamente Estabie Figura 3.2: Estabilidad en sistemas auténomos. 3.2.2. Funciones de Lyapunov Un tipo especial de funcién escalar V(r), llamada funcién de Lyapunov, juega un papel muy itnportante en el an is de estabilidad y disefios en sistemas de control. Una funcién de Lyapunov V(z) verifica las siguientes propiedades. (a) V(2) y sus primeras derivadas parciales Ov(2) or = VV (2) son continuns en cierta region abieta (2 alrededor del origen. (b) VO) =0 (c) Fuera del origen, pero siempre en Q, V(2) es positiva, Asimismo, el origen es un minimo de separacion de V(x). (d) V(e) = VV(2)# = VV(2)f(z) <0 en O. V(z) se dice que es funcién definida positiva si cumple las propiedades (a)-(c) La figura 3.3, ilustra la funcin de Lyapunov para un sistema de segundo orden. Notar que V(x,22) tiene el aspecto general de una par4bola apuntando hacia QTarriba, Si V fue definida negativa, In parabola estaria apuntando hacia abajo. Ahora, V(2) es definida negativa si -V(z) es definida positiva, También V(z) ¢ semi-definida positive si V(0) = y V(z) 2 0 para x # 0; V(2) es semi-definido negativo si -V (x) es semi-definido positive. Ademés, una matriz cuadrada V nxn es definida positiva, es decir 27Vx > 0, si la funcién cuadratica 7 Vz es definida positiva para cualquier x # 0. Asi mismo. una matriz uadrada V nxn es definida positiva si todos sus eigenvalores son mayores que coro, Similarmente une matriz cusdrada V nxn es semi-definida positiva, es decir z7Vz > 0, si la funcién cuadrética 27Vx es semi- definida positiva para cualquier z. V(x px 2) ' Figura 3.3: Representacién gréfica de la funcién de Lyapunov Funciones Lyapunov para Sistemas No-Auténomos Los sistemas no auténomos en consideracién son deseritos en una region Q llxi| 0 (3.4) ‘Tenemos que W(x) es una funcién de Lyapunov en 2, entonces V(x,¢) sera una funcién de Lyapunov si (a) V(x,t), es definidaenQ — ve 20 ©) VOH=0 w20 (c) Vix) > W(x) Veen yy EDO 8(a) V(x,t) <0 w20, donde yw _ ow av, av ov. Va Gat Ha = H+ Hx, 0) Una funcién V(x, ¢) sedice que va ser funci6a definida positiva si cumple las condi- ciones (a) — (ce). También, V(x, ¢) es una funcidn definida positiva si contiene una funci6n definida positiva W(x), es decir, si V(x, t) > W(x). Similarmente, V(x, 6) es definido negativo si -V(x, t) es definido positive; V(x, 1) es semi-definido posi tivo si contiene uns funcién semi-definida W (xx); V(x, #) es semi-definide negativo si -V(x, ) es semi-definido positive. 3.2.3, Teoremas de la Estabilidad de Lyapunov Los teoremas de estabilidad de Lyapunov generalizan la idea que cerca a un esta- do de equilibrio de un sistema fisico la energia del sistema es siempre decreciente. ‘Teoremas de Estabilidad de Lyapunov para Sistemas Auténomos Teorema 3.1 (Teorema de Estabilidad). El equilibrio en el origen es estable si allé existe en alguna cercania 2 det origen una funcién de Lyapunov V(x). ‘Teorema 3.2 (Teorema de Estabilidad Asintdtica). Bl equilibrio en el ori- > 0) enQ gen ¢s asinidticamente estable si —V es definido positivo(i.e. ‘Teorema 3.3 (Teorema de Estabilidad Completa (Global). Considera- mos una funcién escalar V (2) con las primeras derivadas parciales continuas para todo x # 0 tal que V(e) > 0, V(x) <0 y V(x) — 00 como |x|] — 0c. Entonces el sistema auténomo es completamente (globalmente) estable asintdticamente. ‘Teorema 3.4 (Teorema de Inestabilidad de Céteav). Asumamos que 2 ¢s tuna vencindad del origen. Definimas una regién Qy contenida en una region Q. Dada una funcién V(x) en Q. Entonces el equilibrio en el origen es inestable si (a) V(x) tiene las primeras derivadas parciales continuas en 2). (b) Vex) y V(x) son definidas positivas en 2). (©) Véx)=0 en los puntos limites de , dentro de 0. 29(d) El dad(Teorema de Cateav) igen es un punto limite de Qj. La figura 3.4 ilustra la inestabili- El teorema de inestabilidad de Céteav viene a ser el lamado primer teorema de inestabilidad si 2 = ), con & estando a. cierta cercania al origen. Si, ademés la condicién Q = 04, la condicién V > 0 es remplazado por V(z)-AV(@) =O VE>0 Wren de manera que el teorema de inestabilidad de Céteav llega a ser el segundo teore- ina de inestabilidad. Las demostraciones de los teoremas descritos anteriormente estan dadas en su forma geométrica en [12] [5]. Figura la representacion grafica del teorema de inestabilidad de Céteav. ‘Teoremas de Estabilidad de Lyapunov para Sistemas No Auténomos ‘Teorema 3.5 (Teorema de Estabilidad). El equilibrio en el origen es estable si alli existe en alguna cercania Q del origen una funcidn de Lyapunov V (x,t). ‘Teorema 3.6 (Teorema de Estabilidad Asintética Uniforme). El equi- librio en el origen es uniformemente y asintéticamente estable si una funcidn definida positiva V (x,t) es decreciente (significa que V es contenido por una fun- cién definida positiva W(x) para cualquier t > 0) y ~V fice. -V > 0) end. (x, 0) es definido positivo 30‘Teorema 3.7 (Teorema de Inestabilidad). Dejemos que es una vecindad del origen. Dejemos que 2; es una regin en ©. Dada una funcién V(x,t) en Q. Entonces el equilibrio en el origen en el tiempo to es inestable si: (a) V(x,£) tiene las primeras derivadas parciales continuas er. 9%. (b) V(x) y V(x) son definidas positivas en Q). (©) V(x) =0 para cualquier ¢ > 0 en los puntos limites de 9; dentro de 2. (a) Elorigen es un punto Minite de 9) dentro de 2, V(x, t) = 0 para todo t > ty. E] teorema de inestabilidad llega a ser el primer teorema de inestabilidad si Q = Q), con 2 estando en cierta cercania al origen. Si, ademés la condicién =, la condicién V > 0 es reemplazado por Vix,t)-AV(x) 20 VER to vee Q entonces el teorema de inestabilidad Lega a ser el Mamado segundo teorema de inestabilidad. ‘Teoremas para Conjuntos Invariantes En aplicaciones de sistemas de control, la estabilidad asintética es mas importante que lo estabilided. Ciertamente, pequefias desviaciones de la solide controlada cou respecto a la referencia deseada puede ser cancelada tanto como el resultado de la operacién de un sistema estable asintéticamente. Sin embargo, aplicando el segundo teorema de estabilidad, aquello a menudo sucede que —V > 0 en lugar de a condicién requerida —V > 0 para una estabilidad asintotica. Pare tales casos, podria ser mas til emplear el conjunto de teoremas invariantes atribuidos a La Salle en orden de obtener algunas conclusiones en estabilidad asintética. Conjunto invariante.- Un conjunto G se dice que es un conjunto invariante para un sistema dindmico si cada trayectoria de estado empieza de un punto zo en Gy permanece en G. Por lo tanto, una trayectoria de estado cerrada en G es un conjunto invariante. Teorema 3.8 (Teorema del conjunto invariante). Consideremos el sis- tema dado por ta ecuacién 3.1. Sea V(x) una funcién escalar con sus primeras a1derivads parciales continuas. Permitiremos ser una regién acotada definida por V(x) 0. Asumimos que Vaso revy (3.5) sea R un conjunto de todos los puntos dentro de donde V(x) = 0, y dejaremos M ser un conjunto invariante grande en R. Enton s cada soluciGn x(t) en 2% tiende a M como t — oo. Si la condicién (3.5) es sustituida por Vig)<0 Vo r#0 on (3.6) y el origen esta en {%, entonces como el origen es asintoticamente estable, y cada solucién en Q tiende a el origen como t —» 00. ‘Teorema 3.9 (Teorema del conjunto invariante global). Consideraremos el sistema dado por la ecuacién 3.1. Sea V(x) una funcién escalar con sus primeras derivadas parciales continuas. Supondremos que V(x) > 0 para todo x # 0 y V <0. Permitiremos R ser el conjunio de todos los puntos donde V = 0, y M ser un conjunto invariante grande en R. Entonces todas las soluciones converge completamente (globalmente) y Asintdticamente a M como t —> 00. 3.3. Control Adaptivo para Sistemas No Linea- les Control adaptivo ha sido satisfactoriamente desarrollado para algunas clases im- portantes de problemas de control no lineal. Tales problemas generalmente satis- facen las siguientes condiciones: 1, La dindmica de fa planta no lineal puede ser linealmente parametrizable 2. Vector de estado tiene que ser medible. 3, Las no linealidades pueden ser establemente canceladas por la entrada de control si los pardmetros son conocidos.3.3.1. MRACS para Procesos SISO No Lineales) Consideremos un sistema SISO no lineal de n-<ésimo orden A n VOT osfix =u Fea ym (37) donde z = [y j.--,y"")]F es el vector de estado, fi son funciones no lineales conocidas y los parémetros a ¥ b son constantes desconocidas, Nosotros asumire- mos que los estados son medidos, y que el signo de 6 es conocido. El objetivo del diseiio del control adaptive es hacer que la salida del sistema siga a la salida deseada ye(t) a pesar de sus parémetros inciertos. Para facilitar la derivacién del controlador adaptivo, escribiremos la ecuacién anterior como hy + SO aifi(x,0) = 0 (3.8) im Dividiendo a ambos lados por una constante desconocida b, donde h = 1/b y a =a4/b 3.3.2. Ley de Control Definimos la salida del error de seguimiento como Y- va tal que el error concatenado s puede ser expreado como. 6 = Dt dy pel) + 0 + doe = Age = yl ' — yr) (3.9) donde Apap? +... + do = (p= pr).-lP = Pa) DY = taal — snes = Ave en la cual p es el operador de Laplace y Ap cs un polinomio estable Hurwitz, significa que todos sus raices complejas pj = 9; + juiyi = Lugn de A, = 0 verifican la condi no; <0. 33Consideremos la ley de control. w= hy” — ks +S aifi(x,t) (3.10) donde k es una constante del mismo signo como h, j » In variable yf denoteda como la referencia” es la derivada de yf""), es decir aye? di ee sustituyendo la ecuacién (3.10) dentro de la ceuacién (3.8) obtenemos que la dindmica del error de seguimiento es hs+ks=0 B.D) Y por tanto da una convergencia exponencial de s. El cual a su vez, garantiza la convergencia del error de seguimiento e. 3.3.3. Ley de Adaptacién La ley de control para el sistema MRACS esta definida por us fig — hs-+ So aihixst) (3.12) i donde h y el a; han sido reemplazado por sus valores estimados. El error de seguimiento desde esta ley de control puede ser facilmente mostrado. ha tke = hy) + Sahee) (3.13) i= donde h = h ~ hy -a Esto puede ser reescrito como i —— ptt faye + f(x.) (3.14) con la funcién de transferencia estrictamente positiva y real, escogemos In siguien- te ley de adaptacién. —ysgn(h)syp —ysgn(h)sfi (3.15) 34donde 7 es la ganancia de adaptacién. Para determinar si el diseio MRACS grarantiza una convergencia global de seguimiento, consideraremos la siguiente funcién candidata de Lyapunov V = [his +97 + a2] (3.16) rat Usando el factor hsign(h) =| h | y — ksign(k) =| & |, se puede facilmente demostrar que v 2k? <0 (3.17) ef cual garantiza una convergencia global de seguimiento MRACS método directo en el sentido de Lyapunov, ahora consideremos la ley de adaptacion h=—rmsgn(h)oyt a4 = —rasgn(h)shs (3.18) donde las ganancias de la adaptacion 4 y & son diferentes para cada pardmetro desconocido. Seleccionaimos la siguiente funcidn candidata de Lyapunov. = Als? +9, th? +m > (3.19) Puede facilmente demostrar que V mencionado en la ecuacién (3.17), garantiza una convergencia global de seguimiento del modclo MRACS. 3.4. MRACS para Procesos MIMO No Lineales Conocemos que la dindmica de la gran mayoria de procesos electro-mecénicos, tales como manipuladores robéticos es fuertemente no lineal, y puede ser escrito en forma general a uy M(a)a+P(a.aa+d(q)=u_ E u i (3.20) Gm Um donde las matrices M, P y d reprosentan la inercia del proceso, torques cen- trfpetos y de coriolis, y el torque gravitacional respectivamente. También q es el vector de coordenadas generalizadas y u el vector de control. 35El objetivo de control es disefiar una ley de control u capaz de hacer que la salida del proceso q(t) sigua la trayectoria deseada qa(t) con suficiente velocidad en. presencia de pardmetros inciertos. Asumiremos que todos los términos de la ecuacién ( 3.20) dependen lincalmente de un vector de pardmetros a de elementos desconocidos, es decir Ya=u (3.21) donde ¥ es una matriz conocida. También, consideramos la siguiente ley de con- trol u=Ya-Kops (3.22) donde Kps es el término derivative, ¥@ es el termino “feed forward”, Kp (la. ganancia derivativa) es una matriz constante simétrica definida positiva, y s es un vector de la superficie sliding cuyos elementos por Ia ecuacidn eseular si(q. 0) = 0, tal que d 7 nel 3 FING = (pe NG (3.23) donde A, 6s una constante positiva (ancho de banda), p ¢s el operador laplaccano ¥ Gi = 4) ga 9 el error de seguimiento. Por ejemplo la forma del vector para la ecuacién (3.23), donde n = 2 tiene Ja siguiente velocidad mas un error de seguimiento proporcional G+NGn 4-4 4% te ha AG (3.24) Sm) lane)? = dea +- Gem! A 0 0 r O rw2.. 0 4a [ a + dem | A : : a0 Qn La conservacién de la energia requiere que ld, , sald Ma) = Mu - . aqld Mal = au - a) (3.25) 36donde g? Mes la energia cinética del proceso y 4" (u-d) es la entrada de potencia generada por el actuador. Diferenciando la parte izquierda de Ia ecuacién (3.25) obtenemos de la ecuacién (3.20) obtenemos Mg = u~ d — Pq y sustituyendo este término dentro de la tiltima ecuacién se obtiene g'(M -2P)g=0 (3.26) Se ha establecido que (Af — 2P) = J es una matriz anti-simetria. Por lo tanto M-2PaJ (3.27) Consideramos la siguiente funcién candidata de Lyapunov V(t) = s[s? Ms +470 (3.28) 2 Donde F es una matriz simétrica definida positiva y @ — a es el error de estimacion de pardmetros. Diferenciando la ecuacién (3.28) se obtiene 1 AT yi so Ms+ aT VQ) = 8T(MG+ M donde hemos usado la relacién $ = ¢ — q de la ecuacidn (3.24). $ tituyendo la ecuacidn (3.27) en la ecuacién (3.22), y Afq de la ecuaci6n (3.20) en V’ se obtiene V(t) = 8"(Va— Kps — Mg, ~ Pq, d) 48 '% (3.29) En la cual usamos el factor s7Js = 0. La actualizacién de los Pardmetros esti- mados @ pueden ser formulado como. -TyTs (3.30) Mientras la propiedad de linealizacin pardmetrica en la ecuaci6n (3.29) establece que ¥ (a drdes dr}a = M(q)iir + Pl dae + dC) (3.31) reemplazando la ecuacién (3.31) y (3.30) en Ia ecuacién (3.29) nos lleva V(t) = -s7Kps <0 (3.32) 37Puesto que s = g+Ag(ver ecuacién 3.24), entonces en la ecuaci6n (3.32) garantiza que el error de seguimiento 4 y q tienden a 0 como t tiende al infinito. En otras into converge a la superticie 8 = 0. 21), (3.22) y (3.31) toman In siguiente palabras, el error de segui Para nuestro caso, de las relaciones ( forma Ya (3.33) T =Ya-Kps (3.34) THY 4. Ge.G-)a = H(Q)Ge + CCQ, Dae + da) (3.35) La actualizacién de la estimacién de pardmetros @ en la ecuacion (3.30) podria también ser empleado para este caso. 3.5. Disenio del Control MRACS para el MRTM 3.5.1. Motivacién El objetivo principal del control adaptivo es mantener consistente ol rendimien- to de! sistema en presencia de incertidumbres, o variaciones no conocidas en los parémetros de la planta, Control Adaptivo puede también mantener buen error de seguimiento en presencia de cambios fisicos caracteristicos tales como la fric- cién y diferentes cambios en la masa. El controlador adaptivo requiere paco del conocimiento a priori de los actuales pardmetros fisicos del sistema y utiliza el misma cantidad de control como un simple controlador PD. Ademés el contro- lador adaptivo tiene como beneficios adicionales que puede en muchos casos ser usado para estimacién de parémetros. El control adaptivo es desarrollado para. algunas importantes clases de problemas de control no lineal. ‘Tales problemas usualmente satisfacen las siguientes condiciones » La dindmica de la planta no lineal puede ser linealmente parametrizada, « El estado total es medible. # Las no linealidades pueden ser canceladas firmemente por la entrada de control si los pérametros son conocidos. 38Las aplicaciones son multiples y los podemos encontrar en robots manipuladores, control aircraft, control de procesos, ete 3.5.2, El Modelo de la Planta Nuestro sistema es un simple manipulador no lineal que esta expresada por la siguiente ecuacién dinduica M(aya+ Pla.d)a+ dla) =a (3.36) “ides va-[] (337) 6, 6, te indo obtenemos: #]_ pap * ifm 44 [z]- M lf [eae (“| (3.38) Las matrices columnas [i]: [| [i] (3.39) 4, 6 4, representan la posicién , velocidad y aceleracién respectivamente. Representacién de Matrices y Lista de Variables del Sistema Las matrices M, P y d, son de la forma: we[™ m™m] pl [pn me] yi fdn may Map Pa Pa ay donde: mu = (RE) Me + m+ 9B) ma = ERE) ma oye . ma ayy (+I + Joa) ou = (HERE) + Sa + RP) pie = - GEE) Pra = (qt (C+ Bega + htt) (ye Agrupamos los pardmetros del sistema quedando de la siguiente manera: 39a, = alfa(M.+ m, + #) fats $) yeta(mn ) ay = beta(m = + sh + Jeg) as = alfalf + 2¢ + Heeb) ay = beta(ey + Beg + Safin’) ay Definimos las matrices M, P y d en funcién de sus pardietros 1,4, 43,44,45 Y os obtenemos: mea Pu =a mig = a2003(42) | Pre = ~agsin(x2)r4 —a39.sin(#2) my, = agcos(x2) | pa = 0 one [pea = a6 Las variables de estado a usarse n r a e qa a 4% 7 4 6 3.5.3. Diseiio del Controlador [7] Dada una trayectoria deseada q(t), con algunos 0 todos sus pardémetros desconocidos; el problema de! diseiio del controlador es derivar una ley de control y una ley de adaptacién (estimacién) con pardmetros desconocides para que 1a salida del sistema q(t) converge con la trayectoria deseada. A este efecto se define & = &—a, como el parametro de estimacién de error, con a siendo un vector constante de los paérametros desconocidos, que describe las propiedades de la masas del sistema y @ es el estimado, Definimos la matriz, conocid: Y= Y(q.4 6-04) 40tal que M(q)4 + P(q. 9)4 + d(q) = (4. ade dea donde Yun Yio Yis Yu Yis Ye Y a Yor Yor Yos Yea Yes Yeo Realizando el cambio: or Oo _ dary ata ean ay, = dare a = aden y remplazando en la ecuacién (3.40), se obtiene: Vite = ddgr, Vine = cos(r2)ddgr2 — sin(x2)radgre Yiu = 0 Vita = 0 View = dary Vice = Yaw = 0 Yan = 0 Yasy = cos(x2)ddary — gsin{x2) Yass = ddgr, Yann = Yaos = —dara 3.5.4, La Ley de Control La ley de control viene expresudo por: u=Ya- Kops a ay (3.40) (3.41) donde u es la seiial de control, Y es una matriz de términos conocidos, a es un vector de pardmetros desconocidos, Ap es un genancia derivativa y 8 la superficie sliding, at