Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 s2.0 S1697791215000539 Main
1 s2.0 S1697791215000539 Main
Resumen
En este artı́culo se presenta el desarrollo de un control predictivo distribuido óptimo (DOMPC) el cual está basado en el control
predictivo óptimo centralizado (OMPC) y el control predictivo en modo dual. Esta adaptación engloba la partición del sistema a
controlar en s subsistemas y la optimización de manera distribuida de las señales de control. Se considera que los controladores se
comunican mediante una red de área local (LAN), la cual introduce un retardo de un instante de muestreo en la transmisión de los
datos para la optimización. El esquema DOMPC propuesto se aplica a un sistema de 4 tanques y se realiza una comparación con el
esquema OMPC centralizado. Copyright c 2015 CEA. Publicado por Elsevier España, S.L.U.
S.L. Todos
Todoslos
losderechos
derechosreservados.
reservados.
Palabras Clave:
Control distribuido, Control predictivo.
© 2015 CEA. Publicado por Elsevier España, S.L.U. Todos los derechos reservados
http://dx.doi.org/10.1016/j.riai.2015.07.002
366 F. Sorcia-Vázquez et al. / Revista Iberoamericana de Automática e Informática industrial 12 (2015) 365–375
/$1
∞
RJK \K
Jik = xik (Φiij+1 ) Qii Φiij+1 xik + xik Kii (Φiij ) Rii Kii Φiij xik CG JK \K XG JK\K XG IK
j=0 3UHGLFWRUGH
3UHGLFWRUGH HVWDGRVVDOLGDV
∞
LQWHUDFFLyQ
HQWUDGDVH
= xik [(Φiij+1 ) Qii Φiij+1 + Kii (Φiij ) Rii Kii Φiij ] xik LQFUHPHQWRV
j=0
7IK 6IK (IK CIK
Pii XG IK YG UJG I K %
JJJUG IK
IK
= xik Pii xik ,
2SWLPL]DGRU
(22) CIK XIK
∞ j+1
donde Pii = j+1
j=0 (Φii ) Qii Φii
+ . Kii (Φiij ) Rii Kii Φiij
RIK
Para cada subsistema se obtendrá una matriz Pii de la solu-
ción de la siguiente ecuación de Lyapunov:
Figura 2: Esquema DOMPC conectado a una LAN
Φii Pii Φii = Pii − Φii Qii Φii − Kii Pii Kii . (23)
.
La función costo a optimizar se plantea de manera similar c ∗ = arg min Jci
→
− ik ck
a la función costo del caso centralizado, ésta se define de la →
− (28)
siguiente manera en términos de c k−1 : s.t. Mci c ik ≤ qci (∗).
→− →
−
n
ic −1 Los términos de la función costo y la matriz Mci , al igual
Ji = zik Pii zik + ci(k+ j) [Bii Pii Bii + Rii ]ci(k+ j) que en el caso centralizado, se pueden calcular fuera de lı́nea,
j=0 (24) mientras que la matriz qci (∗) deberá ser actualizada por el esta-
= zik 2Pii + c ik 2Wii , do actual, la entrada de control del instante anterior, la referen-
→
− cia del subsistema, el vector de interacción de estados, el vector
donde zik = xik −xiss , Wii = diag(Bii Pii Bii +Rii , con Rii > 0, de compensaciones óptimas y las referencias de los demás sub-
Bii Pii Bii
> 0 ⇒ Wii > 0. Al igual que en el caso centralizado, el sistemas. Una forma de medir la complejidad del problema de
término zik 2Pii , ya que no depende de la variable de decisión, optimización a partir de la interacción de subcontroladores es
puede ignorarse en la minimización de la función costo (24), a través del cálculo de la dimensión del vector qci (∗) que con-
por tanto, se tiene que: catena la información local y la información proveniente de los
demás controladores, esta dimensión depende del número de
Jci = c ik 2Wii . (25) subsistemas, del número de estados ni , del número de entradas
→
− mi , de la dimensión de las salidas pi , de los horizontes de pre-
Con la función costo ya definida, en el punto siguiente se dicción y control nyi y nci , por medio de la siguiente fórmula:
definen las restricciones del DOMPC.
4.1. Modelo del sistema 0.0891 0
B21 = , B22 = ,
El modelo no lineal de los cuatro tanques acoplados se ob- 0.0045 0.1853
tiene a partir de las relaciones de flujos de entrada y salida. El A12 = A21 = 02×2
,
modelo para este caso tiene la forma siguiente: C11 = kc 0 C22 = 0 kc ,
C12 = C21 = 01×2
dh1 a1 a2 γ1 k1
=− 2gh1 + 2gh2 + v1
dt A1 A1 A1 Las restricciones utilizadas para esta aplicación son:
dh2 a2 (1 − γ2 )k2
=− 2gh2 + v2 0 ≤ u1k ≤ 10 0 ≤ u2k ≤ 10
dt A2 A2 (33)
(31) 0 ≤ y1k ≤ 19.9 0 ≤ y2k ≤ 19.9
dh3 a3 (1 − γ1 )k1
=− 2gh3 + v1
dt A3 A3
dh4 a4 a3 γ2 k2 No se utilizaron restricciones en los incrementos de la señal
=− 2gh4 + 2gh3 + v2 de control.
dt A4 A4 A4
El modelo lineal utilizado para la simulación de los esque-
4.2. Resultados
mas OMPC y DOMPC se obtiene mediante linealización de
Taylor, esto a través del cálculo de los Jacobianos ∂ fi /∂hi y Es esta sección se muestran los resultados obtenidos en la
∂ fi /∂vi , por tanto, se obtiene el siguiente modelo: aplicación en simulación de los esquemas OMPC y DOMPC al
sistema de tanques. Los tanques sobre los que se tiene control
⎡ 1 ⎤
⎢⎢⎢ − T1 AA1 T2 2 0 0 ⎥⎥⎥ de los niveles son el 1 y el 4, los niveles de los tanques 2 y 3 no
⎢⎢⎢ ⎥
⎢ 0 − T12 0 0 ⎥⎥⎥⎥ se controlan. En la Figura 4 se muestra los resultados obtenidos
ẋ(t) = ⎢⎢⎢⎢⎢ ⎥⎥ x(t)
⎢⎢⎢ 0 0 − T21
0 ⎥⎥⎥⎥ con el esquema OMPC. En esta figura se puede observar que
⎣ A3 ⎥⎦ cuando existe una violación de las restricciones, en este caso
0 0 A4 T 3 − T14
⎡ γ1 k1 ⎤ en las entradas de control, se genera la señal de compensación
⎢⎢⎢ 0 ⎥⎥⎥ necesaria para mantenerla dentro de los lı́mites de la restricción.
⎢⎢⎢ (1−γ2 )k2 ⎥
A1
⎢⎢⎢ ⎥⎥⎥ (32)
En la Figura 5 se muestran los resultados obtenidos con el
0 ⎥
⎥
⎥⎥⎥ u(t)
+ ⎢⎢⎢ (1−γ1 )k1 A 2
⎢⎢⎢ 0 ⎥⎥⎥ esquema DOMPC. En esta figura se puede observar que para
⎣⎢ A3
γ2 k2 ⎥⎦ que el esquema de control cumpla con las restricciones impues-
0 A4
tas, se genera la señal de compensación necesaria para mante-
k 0 0 0 ner las variables dentro de las restricciones. La diferencia con
y(t) = c x(t)
0 0 0 kc el caso centralizado es que cada una se optimiza por separado.
En la Tabla 2 se muestra el resultado de la evaluación de la
donde T i = 2h0i (Ai /ai ), i = 1, . . . , 4. función costo (34) para los esquemas OMPC, DOMPC. En esta
El modelo se discretizó con un periodo de muestreo de 3 s. tabla se puede observar que el costo obtenido con el esquema
Posteriormente se realizó la partición del sistema de la siguiente OMPC es menor que el obtenido con el esquema DOMPC. En
forma: esta misma tabla se muestran los costos para el error y el esfuer-
zo de control. Como se observa, los costos obtenidos de los es-
fuerzos de control no presentan gran diferencia, pero los costos
0.9533 0.1152 0.9048 0
A11 = , A22 = , del error sı́ tienen una diferencia significativa, donde el esque-
0 0.8820 0.0936 0.9673 ma OMPC es el que tiene el mejor ı́ndice. Sin embargo, aunque
0.2439 0.0085
B11 = , B12 = , el costo del esquema DOMPC aumenta, se tiene la ventaja de
0 0.1349 la distribución de la optimización de las señales de control.
372 F. Sorcia-Vázquez et al. / Revista Iberoamericana de Automática e Informática industrial 12 (2015) 365–375
0 0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
10
0 10
0 50 100 150 200 250 300 0 50 100 150 200 250 300
5 5
0 0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
c1 c2
20 10
0 0
−20 −10
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo (s) Tiempo (s)
0 0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
10
0 10
0 50 100 150 200 250 300 0 50 100 150 200 250 300
5 5
0 0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
c1 c2
10 5
0 0
−10 −5
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo (s) Tiempo (s)
⎡ ⎤
⎢⎢⎢ BPr ⎥⎥⎥
⎢⎢⎢ ⎥⎥⎥ ⎡ ⎤
⎢ BPr + ΦBPr ⎥⎥⎥
Prx = ⎢⎢⎢⎢⎢ BPr + ΦBPr + Φ2 BPr ⎥⎥⎥ ⎢⎢⎢
⎢⎢⎢
Cii BPrDii ⎥⎥⎥
⎥⎥⎥
⎢⎢⎢ ⎥⎥⎥ ⎢ C BPrDii + Cii Φii BPrDii ⎥⎥⎥
.. = ⎢⎢⎢⎢⎢ Cii BPrDii + Cii Φii BPrDii + Cii Φ2 BPrDii
ii
⎣ ⎦ BPryi ⎥⎥⎥
. ⎢⎢⎢ ii ⎥⎥⎥
⎣ .. ⎦
Las matrices de la ecuación de predicción de salida son: .
⎡ ⎤ ⎡ ⎤
⎢⎢⎢ CΦ ⎥⎥⎥ ⎢⎢⎢ CB 0 0 . . . ⎥⎥ ⎡ ⎤
⎢⎢⎢⎢ CΦ2 ⎥⎥⎥⎥ ⎢⎢⎢⎢ CΦB ⎥ ...
0 . . . ⎥⎥⎥⎥ ⎢⎢⎢ Cii ⎥⎥⎥
0 0
CB ⎢⎢⎢ C Φ ⎥⎥⎥
Pcly = ⎢⎢⎢⎢ CΦ3 ⎥⎥⎥⎥ ; Hcy = ⎢⎢⎢⎢ CΦ2 B CΦB CB . . . ⎥⎥⎥⎥⎥
⎢ ⎥ ⎢ ⎢ ii ii Cii 0 ... ⎥⎥⎥
⎢⎢⎢ ⎥ ⎢⎢⎢ ⎥ Wclyi = ⎢⎢⎢⎢⎢ Cii Φ2 Cii Φii ... ⎥⎥⎥
⎣ .. ⎥⎥⎦ ⎣ .. .. .. .. ⎥⎥⎦ ⎢⎢⎢ ii Cii ⎥⎥⎥
. . . . . ⎣ .. .. .. .. ⎦
. . . .
⎡ ⎤
⎢⎢⎢ CBPr ⎥⎥⎥ Las matrices de la ecuación de predicción de entrada son:
⎢⎢⎢ CBP + CΦBPr ⎥⎥⎥
⎢ ⎥⎥⎥
Pry = ⎢⎢⎢⎢⎢ CBPr + CΦBPr + CΦ2 BPr
r
⎥⎥⎥ ⎡ ⎤ ⎡ ⎤
⎢⎢⎢ ⎥⎥⎥ ⎢⎢⎢ −Kii ⎥⎥⎥ ⎢⎢⎢ I 0 0 . . . ⎥⎥
⎣ .. ⎦ ⎢⎢⎢ −K Φ ⎥⎥⎥ ⎢⎢⎢ −K B ⎥
. ⎢ ii ii ⎥ ⎢ I 0 . . . ⎥⎥⎥⎥
= ⎢⎢⎢⎢⎢ −Kii Φ2 ⎥⎥⎥⎥⎥ ; Hcui = ⎢⎢⎢⎢⎢ −Kii Φii Bii ⎥
ii ii
−Kii zik+ j + cik+ j ∀ j ∈ {0, 1, . . . , nci − 1}
qik+ j = (C.3) Jik =zik+nci −1 2Pii + cik+nci −1 2B
−Kii zik+ j ∀ j ∈ {nci , nci + 1, . . . } ii
T
Pii Bii +Rii
n
c −2
Se asume que Kii es la ganancia de retroalimentación de es- + zik+ j 2Qii + − Kii zik+ j + cik+ j 2Rii
tado óptima sin restricciones para Ji y se define Φii = Aii − j=0
Bii Kii . Entonces, sustituyendo (C.3) en (C.1), se tiene la si-
guiente predicción de estados
Por lo tanto el costo asociado con el instante de tiempo k +
nci es cik+nci −1 2Bii P B +R . Del mismo modo:
Φii zik+ j + Bii cik+ j ∀ j ∈ {0, 1, . . . , nci − 1}
zik+ j+1 = ii ii ii
+ − Kii zik+nci −1 + cik+nci −1 2Rii =cik+nci −1 2Bii Pii Bii +Rii + cik+nci −2 2Bii Pii Bii +Rii
n
ci −2 + zik+nci −2 2Φii Pii Φii +Kii Rii Kii +Qii
+ zik+ j 2Qii + − Kii zik+ j + cik+ j 2Rii n
ci −3
j=0
+ zik+ j 2Qii + − Kii zik+ j + cik+ j 2Rii
j=0
=zik+nci −1 2−Φ Pii Φii +K Rii Kii +Qii + cik+nci −1 2B Pii Bii +Rii
ii ii ii
+ 2zik+nci −1 (Φii Pii Bii − Kii Rii )cik+nci −1 Jik = cik+ j 2Bii Pii Bii +Rii + zik 2Pii (C.5)
j=0
n
ci −2
+ zik+ j 2Qii + − Kii zik+ j + cik+ j 2Rii
j=0