Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En 1950 fue iniciada la investigación en control adaptativo a causa del diseño de control de piloto
automático para aviones, con dinámica variable de viento y altitud, donde el control realimentado de
ganancia constante solo funcionaba en un rango de operación, surge la necesidad de un control que
barriera el espectro del rango de operaciones, llegando a una técnica de esquema de ganancia por
rangos.
En 1960 se presentan avances en teoría de control, como descripción de espacio de estado, teoría de la
estabilidad y programación dinámica.
En 1970 realizan prueban la estabilidad de los sistemas adaptativos conocidos hasta la fecha.
En 1980 los investigadores avanzan en los conceptos de control robusto y la robustez del control
adaptativo, comienza a emplearse para uso comercial
Recientemente, los avances en control adaptativo tienden hacia los conceptos de aprendizaje y ciencia
computacionales. Por otra parte, los progresos en microelectrónica has estimulado el desarrollo del
control adaptativo, hoy en día la mayoría de los controles permiten el ajuste de parámetros de alguna
manera, siendo un tema de investigación de amplio interés.
Los sistemas realimentados
1 𝐺 1
𝑆𝐺𝑇 = ∗ =
(1 + 𝐺)2 𝑇 1+𝐺
𝐺𝐶 𝐶 1 𝐺𝐶
𝑌= 𝑅+ 𝐷𝑖 + 𝐷𝑜 − 𝑁
1 + 𝐺𝐶 1 + 𝐺𝐶 1 + 𝐺𝐶 1 + 𝐺𝐶
Condensan la información esencial
sobre el desempeño del sistema
1
𝑆 𝑠 = 𝐹𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 La función de sensibilidad S(s)
1+𝐺𝐶 describe, por tanto, la atenuación del
𝐶𝐺 impacto de las perturbaciones que se
T 𝑠 = 1+𝐺 𝐶 𝐹𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑐𝑜𝑚𝑝𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑟𝑖𝑎 obtiene mediante la realimentación.
𝐺 Para un mayor rechazo a
𝑆𝑖 𝑠 = 𝐹𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑒𝑟𝑡𝑢𝑟𝑏𝑎𝑐𝑖𝑜𝑛 perturbaciones será deseable un valor
1+𝐺𝐶
𝐶 bajo de la función de sensibilidad.
𝑆𝑢 𝑠 = 𝐹𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐶𝑜𝑛𝑡𝑟𝑜𝑙
1+𝐺𝐶
Ejercicio:
𝜀 = 𝑅 𝑠 − 𝑌(𝑠)
𝐺𝐶 𝐶 1 𝐺𝐶
𝜀 =R- 𝑅 + 𝐷𝑖 + 𝐷𝑜 − 𝑁 𝑺 𝒔 =
𝟏
𝑺𝒆𝒏𝒔𝒊𝒃𝒊𝒍𝒊𝒅𝒂𝒅
1+𝐺𝐶 1+𝐺𝐶 1+𝐺𝐶 1+𝐺𝐶 𝟏+𝑮𝑪
𝑮𝑪
T 𝒔 = 𝟏+𝑮 𝑪 𝑺𝒆𝒏𝒔 𝒄𝒐𝒎𝒑𝒍𝒆𝒎𝒆𝒏𝒕𝒂𝒓𝒊𝒂
𝜺 = 𝑺 𝑹 − 𝑺𝒊 𝑫𝒊 − 𝑺 𝑫𝒐 + 𝑻 𝑵 𝑮
𝑺𝒊 𝒔 = 𝑺𝒆𝒏𝒔𝒊𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒑𝒆𝒓𝒕𝒖𝒓𝒃𝒂𝒄𝒊𝒐𝒏
𝟏+𝑮𝑪
𝑪
𝑺𝒖 𝒔 = 𝑺𝒆𝒏𝒔𝒊𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒄𝒐𝒏𝒕𝒓𝒐𝒍
𝟏+𝑮𝑪
Acción de Control
Su, describe el comportamiento de la acción de control en función de la
referencia, r(t), perturbación de salida do y el ruido en el sensor n, e
indirectamente en la perturbación en la carga di.
𝑈 = 𝑆𝑢 𝑅 − 𝐷𝑜 − 𝑁 − 𝑇 𝐷𝑖
𝑇 Accion de Control
𝑆𝑢 = = 𝐶 𝑆 50
𝐺
GGs
Magnitude (dB)
0 Ts
Incrementar el ancho de banda eleva -50
la acción de control en el rango de
frec amplificadas
-100
-150
0
)
Ejercicio análisis de acciones P, PI, PD
2
𝐺 𝑠 =
𝑠+1 𝑠+2
𝑘𝑖
𝐶 = 𝑘𝑝 + + 𝑘𝑑 𝑠
𝑠
Kp Ki kd
P 1 0 0
PI 1 1,5 0
PD 1 0 1
Control Adaptativo
Adaptativo: cambiar el comportamiento conforme a nuevas
circunstancias.
Lazo lento.
Cambios en los
parámetros
Adaptativo de bucle abierto
Cambio por tabla.
El controlador se puede
cambiar rápidamente.
La construcción de las tablas
puede ser laboriosa.
Ej: Actuador no lineal
𝑣 = 𝑓 𝑢 = 𝑢4 ; 𝑢>0
𝑦 𝑘 + 𝑎1 𝑦 𝑘 − 1 + ⋯ 𝑎𝑛 𝑦 𝑘 − 𝑛 = 𝑏1 𝑢 𝑘 − 𝑑 − 1 + 𝑏2 𝑢(𝑘 − 𝑑 − 2) + ⋯ + 𝑏𝑛 𝑢(𝑘 − 𝑑 − 𝑛)
O en forma vectorial:
𝑦 𝑘 = 𝜑𝑇 𝑘 ∗ 𝜃
𝜑𝑇 𝑘 = −𝑦 𝑘 − 1 , −𝑦 𝑘 − 2 … , −𝑦 𝑘 − 𝑛 , 𝑢 𝑘 − 𝑑 − 1 , 𝑢 𝑘 − 𝑑 − 2 … 𝑢(𝑘 − 𝑑 − 𝑛)
𝑦 𝑘 = 𝜑𝑇 𝑘 ∗ 𝜃መ + 𝑒(𝑘)
ො 𝑘ൗ𝑘 − 1)
𝑒 𝑘 = 𝑦 𝑘 − 𝑦(
ො 𝑘Τ𝑘−1)
𝑦(
Si el caso es no determinista, afectado por ruidos y perturbaciones:
𝑦 𝑘 = 𝜑𝑇 𝑘 ∗ 𝜃መ + 𝑒(𝑘)
ො 𝑘Τ𝑘−1)
𝑦(
ො 𝑘ൗ𝑘 − 1)
𝑒 𝑘 = 𝑦 𝑘 − 𝑦(
𝑷 𝒌 ; 𝜽(𝒌)
𝑳 = zeros(6,1);
P = 1e20*eye(6);
= [0.1 ; 0.1 ; 0.1 ; 0.1 ; 0.1 ; 0.1];
𝜽
e = 0;
𝝋𝑻 𝒌 = [−𝒚 𝒌 − 𝟏 , 𝒚 𝒌 − 𝟐 , − 𝒚 𝒌 − 𝟑 , 𝒖 𝒌 , 𝒖 𝒌 − 𝟏 , 𝒖 𝒌 − 𝟐 ]
𝒆 𝒌 + 𝟏 = 𝒚 𝒌 + 𝟏 − 𝝋𝑻 𝒌 + 𝟏 𝜽(𝒌)
4. Se Calcula la matriz de ganancias L:
𝑷 𝒌 𝝋(𝒌 + 𝟏)
𝑳 𝒌+𝟏 =
𝟏 + 𝝋𝑻 𝒌 + 𝟏 𝑷(𝒌)𝝋(𝒌 + 𝟏)
5. Se calcula el tita estimado:
𝒌+𝟏 =𝜽
𝜽 𝒌 + 𝑳 𝒌 + 𝟏 𝒆(𝒌 + 𝟏)
6. Se Actualiza la matriz de covarianza. Se puede adicionar un factor de
olvido “c” entre 0,98 y 1.
𝑷 𝒌 + 𝟏 = [𝑰 − 𝑳 𝒌 + 𝟏 ∗ 𝝋𝑻 𝒌 + 𝟏 ]𝑷(𝒌)*1/c
7. Se Estima la salida “y” con los parámetros estimados tita.
ෝ =𝝋∗𝜽
𝒚
8. Estimación del error.
ෝ(𝒌)
𝒆 𝒌 = 𝒚(𝒌) − 𝒚
9. Se Repite el proceso desde el punto 2.
Ver: Estimacion_min_cuad.m
Regulador MRAC
Características generales, Diseño.
Método del Gradiente (Regla del MIT)
Método de Lyapunov.
Regulador MRAC
Whitaker 1958.
El mecanismo de adaptación
mira la salida “yp” y la
compara con la salida del
modelo de referencia “ym”.
El Mecanismo de adaptación,
ajusta los parámetros del
controlador, para llevar a cero
el error ym-yp.
MRAC, Regla MIT
Año 1958 por Whitaker del M.I.T., Instrumentation Laboratory .
Tambien llamada regla del Gradiente.
Los parámetros del proceso pueden ser desconocidos y variables.
El mecanismo de adaptación o ajuste mira la salida de la planta y la salida
del modelo de referencia y calcula los parámetros adecuados de forma que la
diferencia entre ambas o error de seguimiento (tracking error) tienda a cero.
Puede utilizar, además de las señales de salida de la planta y del modelo de
referencia,
las señales de entrada,
de referencia
y las variables de estado de la planta.
MRAC, Regla MIT
Modelo de ym
Referencia
-
Mec de e
Ajuste
+
Parámetros del
Regulador: tita
r
u y
Regulador Planta
Lazo de Control
MRAC, Regla MIT.
Procedimiento:
𝑒 = 𝑦 − 𝑦𝑚 ⇒ 0
índice de funcionamiento :
1 2
𝐽 𝜃 = 𝑒
2
𝜃 es el parámetro a ajustar para que J sea minimizada.
𝑑𝜃 𝑑𝐽 𝑑𝑒
= −𝛾 𝑔𝑟𝑎𝑑 𝐽 = −𝛾 = −𝛾𝑒
𝑑𝑡 𝑑𝜃 𝑑𝜃
Sensibilidad derivativa
nos dice cuanto el error es influenciado
por el parámetro ajustable.
Desarrollo un parámetro
Definimos el error.
K=1;
Km=3;
sistema=tf(K*[1],[10.5]);
• Entrada escalón (Step). modelo=tf(Km*[1],[1 0.5]);
• Senoidal (Sine Wave). (1/8 Hz) gamma=1;
• Pulsos (Pulse generator). gamma=0.4;
• Señal aleatoria (Random Number). gamma=0.1;
MRAC, Regla MIT.
Procedimiento 2 parámetros:
MRAC, Regla MIT.
Procedimiento 2 parámetros:
Se procede con el calculo de las derivadas parciales
MRAC, Regla MIT.
Procedimiento 2 parámetros:
𝑎𝑚 + 𝑎
𝜃2 = → 𝜃2 𝑏 + 𝑎 = 𝑎𝑚
𝑏
𝛾′
𝛾=
𝑏
MRAC, Regla MIT.
Procedimiento 2 parámetros:
Recapitulando, obtenemos:
𝑉 𝑥 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 𝑒𝑛 𝑥
𝑉 𝑥 → ∞ 𝑝𝑎𝑟𝑎 𝑥 → ∞
Método de Lyapunov.
𝑽 = 𝒆𝑻 𝑷 𝒆 + ∅𝑻 𝜞−𝟏 ∅
Donde 𝑃 𝑦 Γ −1 deben ser definidas positivas.
3. Calcular la derivada de la función de Lyapunov. Debe ser definida negativa:
−𝑸 = 𝑨𝑻 𝑷 + 𝑷 𝑨
4. Haciendo el termino extra igual a cero se obtiene la ley de adaptación:
𝜽ሶ = −𝜞 𝜺 𝝃
ε esta directamente relacionada con el error e y ξ es una versión modificada del
vector de señales.
Obtenemos la derivda de la salida
clc;
clear;
b=2;
sistema=tf([b],[1 1]);
modelo=tf([1],[1 1]);
%gamma=-1;
gamma=-0.5;
%gamma=-0.1;
3.1. CONTROL AUTO-TUNING
3.1.1. Técnicas de Auto-tuning
3.1.2. El método del realimentación de relé
3.1.3. Auto-sintonización de un controlador PID
3.2. EL CONTROLADOR POR PLANIFICACIÓN DE GANANCIAS.
3.2.1. Diseño de un Controlador (Gain-Scheduling)
3.2.2. Aplicaciones de “Gain-Scheduling”