Control

Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Control Adaptativo y Robusto
Control Adaptativo
Enrique Baeyens Lazaro
Valladolid, marzo de 2010
1/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Contenidos
1
Introduccion
2
Modelos de estimacion
3
Modelos de error
4
Leyes de adaptacion
5
Estabilidad y convergencia
6
Dise no de controladores adaptativos
2/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Contenidos
1
Introduccion
2
Modelos de estimacion
3
Modelos de error
4
Leyes de adaptacion
5
Estabilidad y convergencia
6
Dise no de controladores adaptativos
3/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Motivaci on
La mayor parte de las tecnicas de control requieren de un
modelo de la planta a controlar.
Los modelos son aproximaciones inexactas de los
verdaderos sistemas.
La planta real puede ser no ser lineal y de parametros
distribuidos que varian con el tiempo pero se representa de
forma aproximada por un sistema lineal de parametros
constantes y dimension nita. Como resultado se obtiene
un error de modelado.
Para tratar el error de modelado, en lugar de representa la
planta real P
0
(desconocida) con un modelo nominal P
n
se
representa por una familia de plantas P de forma que
P
0
P.
4/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Problemas de control con incertidumbre
Hay dos tipos principales de problemas en sistemas con
incertidumbre:
1
Robustez en la estabilidad: Para todas las plantas incluidas
en la familia de plantas P el controlador C estabiliza el
sistema de lazo de lazo cerrado.
2
Robustez en el desempe no: Para todas las plantas incluidas
en la familia de plantas P el controlador C garantiza el
cumplimiento de todas las especicaciones de control.
Si la planta verdadera esta incluida en la familia de
plantas, entonces queda garantizada la robustez en la
estabilidad o la robustez en el desempe no.
5/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Modelos con incertidumbre
Hay dos formas de modelar la incertidumbre:
Parametrica
Dinamica
Normalmente es necesario utilizar ambos tipos de modelos
dando lugar a modelos mixtos de incertidumbre.
Los modelos de incertidumbre pueden ser deterministas o
aleatorios.
6/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejemplos de modelos con incertidumbre
Incertidumbre parametrica
P =
_
P(s, ) =

1
1 + s
2

R
2
_
P :=
_
x = Ax + Bu
y = Cx + Du

col
_
A B
C D
_
R
p
_
P := {P

(s)| R
p
}
En todos los casos es un subconjunto compacto del conjunto
de parametros R
p
.
7/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejemplos de modelos con incertidumbre
Incertidumbre dinamica
P := {P(s) = P
n
(s) + W(s)(s) | |(j )| 1, 0 }
Para el caso MIMO, la magnitud de la incertidumbre se
sustituye por el maximo valor singular, es decir
|M| = max{
i
(M) =
_

i
(M
T
M)}.
Una descripcion mas general de la incertidumbre se realiza en
terminos de transformaciones fraccionales lineales
P := {L(P
n
(s), (s)) | (s) }
siendo L(
_
P
11
P
12
P
21
P
22
_
, ) = P
22
+P
21
(I P
11
)
1
P
12
y un
conjunto estructurado y acotado de la incertidumbre dinamica.
8/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Control adaptativo
Es una tecnica de control no lineal para plantas con parametros
desconocidos.
La planta es lineal de parametros desconocidos.
Los objetivos de dise no se especican en un modelo de
referencia.
El controlador es no lineal y garantiza estabilidad
asintotica.
9/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Diferentes tecnicas de control adaptativo
Controladores con ganancias programadas.
Controladores adaptativos con modelo de referencia.
Controladores adaptativos basados en identicacion.
Control dual.
10/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Controladores con ganancias programadas
Planta
Programador
de ganancia
Controlador
u

c
r
y
11/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Controladores adaptativos con modelo de referencia
Planta
Mecanismo de
adaptacion
Controlador
Modelo
u

c
r
y
m
y
12/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Controladores adaptativos basados en identicaci on
Planta
Estimador
Controlador
Calculador
r
u
y

Especicacion

c
13/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Control dual
Planta
Calculador
Controlador
r u
y
Hiperestado
14/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Tipos de controladores adaptativos
Indirectos: Estiman los parametros de la planta y dise nan
un controlador a partir de ellos que garantice estabilidad
global asintotica de la interconexion planta/controlador.
Directos: Modelan la interconexion planta/controlador en
funcion de los parametros del controlador y estiman los
parametros del controlador para garantizar estabilidad
global asintotica.
Se utiliza un modelo de referencia para especicar los
objetivos de control.
Tecnicas utilizadas:
Optimizacion
Estabilidad de Lyapunov
Pasividad
15/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Idea basica del control adaptativo
El modelo de referencia establece las especicaciones del
sistema en bucle cerrado.
La salida del modelo de referencia es y
m
y la salida de la
planta es y() y es funcion de los parametros desconocidos
de la planta.
El error de seguimiento al modelo es e() = y() y
m
y
es una funcion del vector de parametros desconocido.
Se dene una funcion de coste asociada al error de
seguimiento al modelo. Casos tpicos son:
J() =
1
2
e()
2
o J() = |e()|
16/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
El metodo del gradiente
La funcion de coste J(e) se minimiza haciendo uso del
metodo del gradiente.
Un mnimo local se alcanza cuando

J() = 0, si

J() = 0 entonces

J() es una direccion

descendente.
Para J() =
1
2
e
2
()
d
dt
=
dJ
d
=
J
e
e

= e
e

Para J() = |e|

d
dt
=
dJ
d
=
J
e
e

=
e
|e|
e

con > 0 en ambos casos.

17/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejemplo
Ganancia desconocida
Planta: y = bG(s)u
Modelo: y
m
= b
0
G(s)r
Error: e = y y
m
= bG(s)
_
u
b
0
b
r
_
Equivalencia en certidumbre: Si b fuera conocido,
eligiendo u = r con =
b
0
b
se consigue seguimiento
perfecto al modelo e = 0.
Mecanismo de adaptacion: Como b es desconocido debe
elegirse de forma que minimice J(e) =
1
2
e
2
con
e = bG(s)
_

b
0
b
_
d
dt
= e
e

= ebG(s)r =

ey
m
, ,

> 0,
ya que
e

= bG(s)r =
b
b
0
y
m
.
18/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Diagrama de bloques
P(s) = bG(s)

s
M(s) = b
0
G(s)

r u

y
m

+
b puede ser estimado como

b =
b
0

.
No hay garantas de que el sistema de lazo cerrado sea
estable y debe hacerse un analisis de estabilidad utilizando
el metodo de Lyapunov.
Regla practica: elegir valores peque nos de

.
19/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejercicio 1
Programar y simular en Matlab/Simulink el ejemplo
anterior.
Utilizar G(s) =
1
s+1
, b = 0,5, b
0
= 1.
Utilizar como entrada de referencia una secuencia de
pulsos de amplitud unidad y semiperodo 6 segundos.
Estudiar la convergencia del error de seguimiento al
modelo para diferentes valores de la velocidad de
adaptacion

> 0.
Repetir el ejercicio para G(s) =
2
s
2
+2s+2
.
20/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Algunos comentarios
El metodo del gradiente no garantiza convergencia del
error de seguimiento a cero.
Se han desarrollado metodos basados en estabilidad de
Lyapunov que garantizan la estabilidad asintotica de la
dinamica del error de seguimiento al modelo y
simultaneamente convergencia de los parametros bajo las
condiciones usuales de persistencia en la excitacion.
Los metodos desarrollados sirven tanto para estimacion
parametrica en tiempo real de modelos, como para control
adaptativo.
21/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Contenidos
1
Introduccion
2
Modelos de estimacion
3
Modelos de error
4
Leyes de adaptacion
5
Estabilidad y convergencia
6
Dise no de controladores adaptativos
22/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Modelos de estimaci on
Los modelos mas utilizados son:
1
Modelo dinamico lineal en los parametros desconocidos:
z(t) = L
1
(
T
0
L
2
(t)).
siendo L
1
y L
2
sistemas dinamicos lineales estables, su
correspondiente modelo de estimacion es:
z(t) = L
1
(

T
(t)L
2
(t)).
2
Modelo dinamico bilineal en los parametros desconocidos:
z(t) = L
1
(
0
(
T
0
L
2
(t) + w(t)))
siendo L
1
y L
2
sistema dinamicos lineales estables.
z(t) = L
1
( (t)(

T
(t)L
2
(t) + w(t))).
3
Si L
1
= I los modelos son estaticos.
23/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejemplo
Sea el sistema dinamico lineal y = Gu con
G(s) =
b
1
s + b
0
s
2
+ a
1
s + a
0
puede ponerse como z(t) =
T
0
L(t) con
z(t) = Fy(t), F =
s
2
(s +)
2

0
=
_
a
0
a
1
b
0
b
1

T
(t) =
_
y(t) u(t)

T
L =
1
(s +)
2
_

_
1 0
s 0
0 1
0 s
_

_
24/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejemplo
Sea el sistema dinamico lineal y = Gu con
G(s) =
K(s + b)
(s + 1)(1 + Ts)
puede ponerse como z(t) = L
1

0
(
T
0
L
2
(t) + w(t)) con
z(t) = Fy(t), w(t) = Hu(t)
F =
1
s +
, H =
s
s +
= K,
0
=
_
b T/K

T
(t) =
_
y(t) u(t)

T
L
1
=
1
s + 1
, L
2
=
1
(s +)
_
0 1
s 0
_
25/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Contenidos
1
Introduccion
2
Modelos de estimacion
3
Modelos de error
4
Leyes de adaptacion
5
Estabilidad y convergencia
6
Dise no de controladores adaptativos
26/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Modelos de error
El error de estimacion de los parametros es

(t) =
0


(t), pero no es medible, ya que
0
es
desconocido.
Se utiliza como medida indirecta del error de estimacion la
diferencia entre la se nal medida z(t) y la se nal estimada
z(t), denominado error de estimacion z(t) = z(t) z(t).
El error de estimacion debe ser expresado mediante un
modelo dinamico lineal de parametros variables.
27/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Obtenci on del modelo del error estimado
Modelo lineal en los parametros
z(t) = z(t) z(t)
= L
1
(
T
0
L
2
(t)) L
1
(

T
(t)L
2
(t))
= L
1
(

T
(t)L
2
(t))

(t) =
0


(t)
28/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Obtenci on del modelo del error estimado
Modelo bilineal en los parametros
z(t) = z(t) z(t)
= L
1
(
0
(
0
L
2
(t) + w(t)))
L
1
( (t)(

T
(t)L
2
(t) + w(t)))
= L
1
((
0
(t))
T

T
L
2
(t)) +
L
1
(
0
(
0


(t))
T
(w(t) +

T
(t)L
2
(t)))
= L
1
(

T
a
(t)
a
(t))

a
(t) =
_

0
(t)

0
(
0


(t))
_

a
(t) =
_

T
(t)L
2
(t) + w(t)
L
2
(t)
_
29/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Contenidos
1
Introduccion
2
Modelos de estimacion
3
Modelos de error
4
Leyes de adaptacion
5
Estabilidad y convergencia
6
Dise no de controladores adaptativos
30/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ley de adaptaci on del gradiente
Sea el modelo estatico lineal del error: z(t) =

T
(t)(t).
Se propone un ndice de coste J( z(t)) que se minimiza
respecto al vector de error parametrico

(t)

= J =
dJ
d z
d z
d

, > 0
1
Regla del gradiente:
J =
1
2
z
2
(t)

(t) = z(t)(t)
2
Regla del gradiente normalizado:
J =
1
2
z
2
(t)
1 +
T
(t)(t)

(t) =
z(t)(t)
1 +
T
(t)(t)
31/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ley de adaptaci on de mnimos cuadrados
Regla de mnimos cuadrados:
J =
1
2
_
t
0
z
2
()d
el ndice de coste es una funcion convexa y el mnimo se
obtiene en
0 = J
_
t
0
z()()d =
_
t
0
(z()

(t)
T
(t))()d
y resulta

(t) = P(t)
_
t
0
z()()d, P
1
(t) =
_
t
0
()
T
()d
derivando

(t) resulta:

(t) = P(t) z(t)(t),

(0) =
0

P(t) = P(t)(t)
T
(t)P(t), P(0) = P
0
32/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Contenidos
1
Introduccion
2
Modelos de estimacion
3
Modelos de error
4
Leyes de adaptacion
5
Estabilidad y convergencia
6
Dise no de controladores adaptativos
33/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Estabilidad de la ley de adaptacion
Teorema (Ley del gradiente)
Sea el modelo estatico lineal del error z(t) =

T
(t)(t),
entonces la ley de adaptacion

(t) = (t)(t) z(t) con

=
T
> 0, garantiza que el error z(t) tiende a cero
asintoticamente.
Demostracion.
Sea la funci on V(

(t)) =

1
2

T
(t)

(t) su derivada es

V(

(t)) =
1

T
(t)

(t) =
1

T
(t)(t) z(t) = z
2
(t), ahora
integrando se obtiene 0
R
t
0
z
2
()d = V(

(0)) V(

(t)) V(

(0))
para todo t > 0. Por tanto, para que la integral anterior este acotada para
todo t 0, necesariamenente lm
t
z(t) = 0.
34/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Convergencia parametrica
La convergencia del error de estimacion no garantiza
convergencia del error parametrico.
Una condicion necesaria y suciente para que
lm
t
z(t) lm
t

(t) = 0 es

1
I
1

_
t+
t
(t)
T
(t)d
2
I , 0 <
1
<
2
Un vector de se nales (t) es persistentemente excitante
(PE) si cumple la condicion anterior.
La condicion PE garantiza que el sistema lineal de
parametros variables

(t) = ((t)
T
(t))

(t) es
exponencialmente estable.
35/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Sistemas disipativos
Sea un sistema dinamico (y, u, x) con funcion de
suministro (y, u) asociada que satisface:
_
t
0
|(y(), u()|d K, t 0
El sistema (y, u, x) es disipativo con respecto a la
funcion de suministro (y, u) si existe una funcion de
almacenamiento denida positiva V(x) que satisface:
V(x(t)) V(x(s))
_
t
s
(y(), u())d, s t
o en forma diferencial

V(x) (y, u).
Si la desigualdad es estricta el sistema es estrictamente
disipativo.
Interpretacion fsica: El almacenamiento en el sistema
nunca supera al suministro.
36/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Sistemas disipativos y estabilidad
Un sistema estrictamente disipativo es asintoticamente
estable ya que
0 < V(x(t)) < V(x(s)) <
_

0
(y(), u())d <

x(t) < x(s), para 0 s < t

lm
t
x(t) = 0
Ejemplo: Un circuito RLC con corriente de entrada i (t) y
tension en bornas v(t) es disipativo respecto a la energa
(i , v) = i
T
v.
37/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Pasividad
Un sistema es pasivo si es disipativo respecto a la funcion
de suministro (y, u) = y
T
u.
Un sistema es estrictamente pasivo a la entrada si es
disipativo respecto a (y, u) = y
T
u u
T
u con > 0
Un sistema es estrictamente pasivo a la salida si es
disipativo respecto a (y, u) = y
T
u y
T
y con > 0
La interconexion de sistemas pasivos en cascada, paralelo
o realimentacion produce sistemas pasivos.
38/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Pasividad y estabilidad E/S
Para caracterizar pasividad no es necesaria la presencia explicita
de la funcion de almacenamiento, en este caso se utiliza el
concepto de estabilidad E/S.
Se dene
y|u
T
=
_
T
0
y
T
()u()d, ||u||
2
T
= u, u
T
Sistema pasivo: 0 y|u
T
.
Sistema estrictamente pasivo (a la salida):
y
2
T
y|u
T
para alg un > 0.
Un sistema pasivo es estable E/S, ya que y
2
T
y|u
T
para alg un > 0 y aplicando la desigualdad de Schwartz
y|u
T
y
T
u
T
resulta y
T

1

u
T
, por tanto
y
2
T

1

u(t)
2
T
< y lm
t
y(t) = 0.
39/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Sistemas lineales pasivos
Una funcion de transferencia F(s) es real positiva si es
analtica en s + s

0 y si F(s) + F

(s) 0 en
s + s

0. Si la desigualdad es estricta la funcion es

estrictamente real positiva.
Una funcion real racional es real positiva si solo si
arg(G(s))

2
para todo s tal que s + s

0.
Un sistema lineal con funcion de transferencia real positiva
es pasivo.
y|u =
_

0
y
T
()u()d =
1
2
_

(j )U(j )d
=
1
2
_

(j )G

(j )U(j )d
=
1
2
_

0
U

(j )(G(j ) + G

(j ))U(j )d 0
40/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Pasividad
G

u(t)
(t)
y(t)

T
(t)
v(t)
Teorema
El sistema y(t) =
T
(t)Gv(t) con v(t) = (t)u(t) es pasivo si
G es un sistema lineal con funcion de transferencia real
positiva.
Demostracion.
Sea G RP entonces 0 Gv|v = Gv|u =
T
Gv|u = y|u
41/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Pasividad y estabilidad

2
e
1 u
y
e
2

Teorema (Interconexion de sistemas pasivos)

La interconexion en realimentacion negativa de un sistema
estrictamente pasivo
1
y un sistema pasivo
2
es
estrictamente pasiva (y por tanto estable E/S).
Demostracion.
De las propiedades de pasividad de los sistemas
1
y
2
se obtiene:
e
1
= u
2
e
2
, y = e
2
=
1
e
1
, 0 e
2
,
2
e
2

T
= y|e
1
y
y
2
y|u e
1
para alg un > 0 lo que implica que
y
2
y
2
+ y|e
1
y|u.
42/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Leyes de adaptaci on estrictamente pasivas
Teorema (Ley de adaptacion estrictamente pasiva)
Sea el modelo del error z(t) = Hw(t) con w(t) =

T
(t)(t) y
H ERP, entonces la ley de adaptacion

(t) = Gv(t) con
v(t) = (t) z(t) y G RP garantiza convergencia a cero del error
z(t).
Demostracion.
El sistema completo es la interconexi on en realimentaci on negativa de un
sistema pasivo y otro estrictamente pasivo.
H
G

w(t) z(t)
v(t)

(t)

(t)

T
(t)
43/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ley de adaptaci on estrictamente pasiva
La convergencia del error z(t), no garantiza convergencia
parametrica.
La dinamica de los parametros es:

= Gv, v = Hw, w =
T

Una condicion suciente para que el sistema anterior sea

exponencialmente estable es que (t) sea persistentemente
excitante, es decir:

1
I
1

_
t+
t
()
T
()d
2
I , 0 <
1
<
2
La ley de adaptacion del gradiente pertenece a la clase de
leyes de adaptacion estrictamente pasivas con: G =
1
s
y
H = 1.
44/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Leyes de adaptaci on
Para el modelo del error dinamico lineal z(t) = L
1
(
T
0
L
2
(t))
se elige L
3
estable de forma que L
1
L
1
3
es RP entonces
z(t) = L
1
L
1
3
(
T
0
L
3
L
2
(t)).
z(t) = z(t) z(t)
= L
1
L
1
3

T
(t)L
3
L
2
(t)

(t) =
0


(t)
La ley de adaptacion resultante es

(t) = z(t)L
3
L
2
(t)
45/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Leyes de adaptaci on
Para el modelo del error dinamico bilineal
z(t) = L
1
(
0
(
0
L
2
(t) + w(t))) se elige L
3
estable de forma
que L
1
3
es RP entonces
z(t) = L
1
L
1
3
(
0
(
0
L
3
L
2
(t) + L
3
w(t)))
z(t) = z(t) z(t)
= L
1
L
1
3
(
a
(t)
a
(t))

a
(t) =
_

0
(t)

0
(
0


(t))
_

a
(t) =
_
L
3
L
2
(t)

T
(t)L
3
L
2
(t) + L
3
w(t)
_
46/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Leyes de adaptaci on
La ley de adaptacion resultante es:

a
(t) = z(t)
a
(t)
de donde resulta

(t) = z(t)(L
3
w(t) +
T
(t)L
3
L
2
(t))

(t) = (
1
0
) z(t)L
3
L
2
(t) =

z(t)L
3
L
2
(t)
47/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Caso discreto
Las leyes de adaptacion obtenidas son validas para
sistemas discretos con la unica diferencia de que el
operador derivada se sustituye por el incremento.
Un sistema dinamico discreto (y, u) es pasivo si
0 y|u
N
=
N

k=0
y
T
k
u
k
Una funcion de transfencia real racional F(z) es real
positiva si es analtica en 1 z

z 0 y si
F(z) + F

(z) 0 en 1 z

z 0.
Un sistema discreto lineal con funcion de transferencia real
positiva es pasivo.
48/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Caso discreto
Teorema (Ley de adaptacion estrictamente pasiva en discreto)
Si el modelo del error de un sistema discreto puede ponerse
como z = H(

T
k

k
) con H ERP entonces la ley de adaptacion

k
= G( z
k

k
) con G RP garantiza estabilidad, convergencia
asintotica de z
k
y convergencia exponencial de

k
is
k
es PE,
es decir si

1
I <
1

k+

T
k
<
2
I , 0 <
1
<
2
En particular, para H = I , G =

1z
1
se obtiene la ley de
adaptacion del gradiente:

k
=

k1
z
k

k
49/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Contenidos
1
Introduccion
2
Modelos de estimacion
3
Modelos de error
4
Leyes de adaptacion
5
Estabilidad y convergencia
6
Dise no de controladores adaptativos
50/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Pasos para el dise no de un control adaptativo
1
Obtener la estructura del controlador que permite obtener
seguimiento perfecto al modelo con equivalencia en certidumbre.
2
Obtener la dinamica del error de seguimiento al modelo en
funcion de los parametros desconocidos del controlador.
3
Proponer un modelo de estimacion del modelo del error de
seguimiento con la misma estructura, pero donde los parametros
desconocidos se sustituyen por un vector de variables (t).
4
Obtener el modelo de error de estimacion restando el error de
seguimiento real del error de segumiento estimado y obtener la
ley de adaptacion para el vector de variables

(t) que garantice
convergencia a cero del error de seguimiento al modelo.
5
Si el sistema satisface las condiciones de excitacion persistente
el error de seguimiento nulo garantiza convergencia parametrica.
51/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejemplo sistema de primer orden
Planta: y + ay = bu, con a y b > 0 desconocidos.
Modelo: y
m
+ a
m
y
m
= b
m
r
El error de seguimiento es e = y
m
y = bL(
T

0
u) con
L(s) =
1
s + 1
, (t) =
_
r (t) y(t)

,
0
=
_
b
m
b
a
m
a
b

Estimador: e = bL(

T
(t)(t) u(t)).
Error de estimacion: e = e e.
Para el controlador u(t) =

T
(t)(t), e = 0 y el error de
estimacion coincide con el error de seguimiento:
e(t) = e(t) = bL

T
(t)(t)
bL(s) es ERP para todo b > 0.
Ley de adaptacion:

(t) =

(t) = (t)e(t).
52/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Diagrama de bloques para el ejemplo
b
s+a

s
I

0 1
1 0

b
m
s+a
m
r
+
y
m

y
e

53/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejercicio 2
Programar y simular en Simulink el control adaptativo para
un sistema de primer orden con los siguientes parametros:
Planta: a = 1, b = 0,5.
Modelo: a
m
= 2, b
m
= 2.
Utilizar como referencia una secuencia de pulsos de
amplitud unidad y frecuencia adecuada a la dinamica del
modelo de referencia.
Probar diferentes valores de la velocidad de adaptacion
> 0.
Mostrar la evolucion del error de seguimiento al modelo de
referencia y la evolucion de los parametros del controlador
(t).
54/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
El metodo de asignaci on de polos
Datos:
Modelo de referencia: A
m
(p)y
m
(t) = B
m
(p)r (t), A
m
monico.
Planta: A(p)y(t) = B(p)u(t), A monico.
Controlador: R(p)u(t) = S(p)y(t) + T(p)r (t).
Condiciones necesarias:
gr (A
m
) gr (B
m
) gr (A) gr (B)
gr (A
0
) 2gr (A) 1 gr (A
m
) gr (B
+
)
Procedimiento:
1
Descomponer: B = B
+
B

, B
+
polinomio Hurwitz y
monico.
2
Resolver la ecuacion diofantica: A
0
A
m
= AR
1
+ B

S en
R
1
monico y S.
3
Obtener: R = R
1
B
+
, T = B
m
A
0
/B

55/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
El metodo de asignaci on de polos
La ecuacion diofantica A
0
A
m
= AR
1
+ B

S tiene solucion
en S de grado mnimo con gr (S) = gr (A) 1.
Si se elige gr (A
m
) = gr (A), gr (B
m
) = gr (B) y
gr (A
0
) = gr (A) 1 gr (B
+
), entonces puede elegirse
gr (R) = gr (S) = gr (T) = gr (A) 1.
56/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Estructuras de control
Forma equivalente del controlador RST
Pu = (R P)u Sy + Tr
siendo P un polinomio estable y monico de grado
gr (A) 1.
Forma de regresion lineal
u = (R P)
u
P
S
y
P
+ T
r
P
=
T
0
L(t)
con

0
=
_
(r
k
q
k
)
n2
k=0
(s
k
)
n1
k=0
(t
k
)
n1
k=0

T
(t) =
_
u(t) y(t) r (t)

L =
1
P
_
_
(s
k
)
n2
k=0
0 0
0 (s
k
)
n1
k=0
0
0 0 (s
k
)
n1
k=0
_
_
57/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
MRAC
Sea la planta:
y(t) =
B
A
u(t) =
b
0
B
+
A
u(t)
Suposiciones:
1
La planta no tiene ceros con parte real negativa.
2
El orden de la planta y su grado relativo son conocidos.
3
El signo de la ganancia de alta frecuencia b
0
de la planta
es conocido.
Se pretende dise nar un controlador adaptativo con modelo de
referencia:
y
m
(t) =
B
m
A
m
r (t)
58/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
MRAC
Haciendo uso del metodo de asignacion de polos se obtiene la
siguiente ecuacion del error:
Q(y
m
y) = b
0
(Tr Sy Ru), Q = A
0
A
m
que puede ponerse como
e =
P
Q
b
0
_
T
P
r
S
P
y
R P
2
P
u
1
P
1
u
_
con e = y y
m
, P = P
1
P
2
, con P
2
monico y gr (P
2
) = gr (R) y
P
Q
ERP.
e(t) =
P
Q
b
0
_

T
0
L(t) w(t)
_
, w(t) =
1
P
1
u(t)
59/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
MRAC
Se utilizara la ecuacion de error estimado
e(t) =
P
Q

b(t)(

T
(t)L(t) w(t))
y como ecuacion de control u(t) =

T
(t)(P
1
L(t)).
e(t) =
P
Q

b(t)(

T
(t)L(t) w(t)) +
P
Q
b
0

T
(t)L(t)
=
P
Q
_

b(t)
b
0

_
T
_

T
(t)L(t) w(t)
L(t)
_
Las leyes de adaptacion son:

b(t) = (

T
(t)L(t) w(t)) e(t)

(t) = signo(b
0
)
_
1
b
0

_
L(t) e(t) =

signo(b
0
)L(t) e(t)
60/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Resumen
Planta:
y(t) =
b
0
B
+
A
u(t)
Controlador:
y
m
(t) =
B
m
A
m
r (t)
u(t) =

T
(t)(P
1
L(t))
w(t) =
1
P
1
u
e(t) = y
m
(t) y(t) +
P
Q

b(t)(w(t)

T
(t)L(t))

b(t) = (

T
(t)L(t) w(t)) e(t)

(t) =

signo(b
0
)L(t) e(t)
61/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejemplo
Planta: G =
K
s(s+a)
Modelo de referencia: M =
1
(s+1)
2
Se elige A
o
= (s + a
0
), con a
0
> 0, P
1
= P
2
= (s + 1),
P = P
1
P
2
, Q = A
0
P, de forma que
P
Q
=
1
s+1
.
Las ecuaciones del controlador adaptativo son la de la
transparencia resumen con:

(t) =
_

1
(t)

2
(t)

3
(t)

4
(t)

5
(t)

T
(t) =
_
u(t) y(t) r (t)

T
L =
1
(s + 1)
2
_

_
1 0 0
0 1 0
0 s 0
0 0 1
0 0 s
_

_
62/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Ejercicio 3
Obtener un diagrama de bloques del sistema de control
adaptativo del ejemplo anterior.
Programar el diagrama de bloques obtenido y simular su
funcionamiento haciendo uso de Matlab/Simulink.
Utilizar como entrada una secuencia de pulsos de amplitud
unidad y perodo 10 segundos.
Mostrar la evolucion del error de seguimiento al modelo de
referencia y la evolucion de los parametros del controlador
(t).
63/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Bibliografa
Astrom and Wittenmark (1995), Adaptive Control (second
ed.), Wiley.
Ioannou and Fidan (2006), Adaptive Control Tutorial,
SIAM.
Sastry and Bodson (1989), Adaptive Control. Stability,
Convergence and Robustness, Prentice Hall.
64/65
Control
Adaptativo y
Robusto
Enrique
Baeyens
Lazaro
Contenidos
Introduccion
Modelos de
estimacion
Modelos de
error
Leyes de
adaptacion
Estabilidad y
convergencia
Dise no de
controladores
adaptativos
Fin de la presentaci on
Control Adaptativo y Robusto
Control Adaptativo
Enrique Baeyens Lazaro
Valladolid, marzo de 2010
65/65