Beruflich Dokumente
Kultur Dokumente
UN PUENTE GRUA
ELECTRICA.
PROGRAMA DE INGENIERIA
UNIVERSIDAD TECNOLOGICA
DE PEREIRA.
RISARALDA-PEREIRA.
2014
CONTROL OPTIMO
ADAPTATIVO DE UN SISTEMA MULTIVARIABLE APLICADO A
UN PUENTE GRUA
Director
Ph.D. Eduardo Giraldo Suarez
ELECTRICA.
PROGRAMA DE INGENIERIA
DEDICADO
academica
A mis padres, pues siempre estuvieron presentes apoyando mi formacion
y como ser humano de manera incondicional, a mis familiares y amigos que me han
hecho crecer como persona.
DEDICADO
A mi padre Rigoberto que siempre estuvo junto a mi a pesar de la distancia.
AGRADECIMIENTOS
A la Universidad Tecnologica
de Pereira, por facilitarnos sus instalaciones,
Laboratorio de Control E125 y la unidad 33-200 (Digital Pendulum Mechanical Unit).
Al Ingeniero Eduardo Giraldo Suarez por su apoyo incondicional.
INDICE
GENERAL
Indice
general
VI
Indice
de figuras
VIII
Indice
de tablas
XI
Introduccion
XII
1. Descripcion
y modelo matematico del sistema multivariable (Puente Grua)
1
1.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Introduccion
11
. 11
. 11
. 11
. 12
. 21
.
.
.
.
.
.
.
27
28
30
32
33
36
37
adaptativo
3.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Introduccion
en linea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3. Estimacion
del sistema fuera de linea . . . . . . . . . . . . . .
3.3.1. Identificacion
3.3.2. Metodo de mnimos cuadrados . . . . . . . . . . . . . . . . . . .
3.3.3. Metodo mnimos cuadrados recursivo . . . . . . . . . . . . . . .
3.3.4. Mnimos Cuadrados con factor de olvido . . . . . . . . . . . . .
de controladores adaptativos . . . . . . . . . . . . . .
3.4. Implementacion
para el
3.7.2. Control con ganancia optima
de realimentacion
enfoque de controlador con dos grados de libertad . . . . . . .
39
39
39
41
43
44
47
49
50
51
53
4. Resultados
4.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Introduccion
4.3. Resultados para controladores fijos . . . . . . . . . . . . .
4.4. Resultados para controladores adaptativos . . . . . . . .
69
69
69
72
78
84
95
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
56
62
65
67
68
5. Conclusiones
101
Bibliografa
104
.
.
.
.
.
106
106
106
107
107
108
.
.
.
.
.
109
109
110
110
111
VII
INDICE
DE FIGURAS
real [1]. . . . . . . . . . . . . . . . . . . . . . .
Foto de un puente grua
a escala . . . . . . . . . . . . . . . . . . . . . . .
Foto del puente grua
[15]. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Sensor de posicion
Sensores finales de carrera [15]. . . . . . . . . . . . . . . . . . . . . . .
Diagrama del modelo fsico de la planta, donde l es la longitud del
que puede alcanzar el carro, la apertura
pendulo, x la posicion
angular del pendulo y Mc la masa del caro. . . . . . . . . . . . . . . .
unitario. . . . . . . . . . . . .
1.6. Respuesta de la planta frente al escalon
1.1.
1.2.
1.3.
1.4.
1.5.
3.1.
3.2.
3.3.
3.4.
3.5.
3.6.
3.7.
.
.
.
.
2
3
4
5
.
.
6
7
.
.
.
.
.
.
14
17
18
19
23
28
. 29
. 30
. 32
. 37
.
.
.
.
.
.
40
41
42
43
49
52
. 62
. 65
de los
4.1. Diagrama de bloques en Simulink para la simulacion
controladores fijos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
VIII
frente
4.2. Respuesta controlador Modelo de Referencia fijo para posicion
a un impulso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
y angulo frente
4.3. Respuesta de los controladores fijos para posicion
a un impulso, referencia de color rojo. Las combinaciones de los
y a ngulo corresponden a: azul (a) Modelo
controladores para posicion
de Referencia y Paso Adelante respectivamente, verde (b) Modelo
de Polos respectivamente, cian (c) Paso
de Referencia y Reubicacion
Adelante y Paso Adelante respectivamente. . . . . . . . . . . . . . . .
con una referencia
4.4. Respuesta de los controladores fijos para posicion
IX
. 74
. 75
. 76
. 77
. 78
. 79
. 80
. 81
. 82
y angulo
4.11. Respuesta de los controladores adaptativos para posicion
de referencia sinusoidal de color rojo. Las combinaciones
con senal
y a ngulo corresponden a: azul (a)
de los controladores para posicion
de Polos respectivamente, verde (b) reubicacion
de
PID y Reubicacion
de Polos respectivamente, cian (c) Reubicacion
de
polos y Reubicacion
de Polos respectivamente.
Polos por espacio de estados y Reubicacion
de los
4.12. Diagrama de bloques en Simulink para la simulacion
controladores optimos
adaptativos. . . . . . . . . . . . . . . . . . . . . .
integral optimo
4.18. Senal
de control para el controlador optimo adaptativo por
de Polos y variacion
de la ganancia optima
Reubicacion
K. . . . . . . .
de
4.19. Respuesta del controlador optimo
adaptativo por Reubicacion
y el a ngulo. . . . . . . . . . . . . . . . . . . . . .
Polos para la posicion
integral para
4.20. Respuesta del controlador optimo
adaptativo con accion
y el a ngulo. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
la posicion
4.21. Diagrama de bloques en Simulink para realizar control sobre la planta
real. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.22. Respuesta frente a un impulso de los controladores implementados en
84
85
87
88
89
90
91
92
93
94
95
96
97
98
99
100
INDICE
DE TABLAS
1.1. Parametros de la planta dados por el fabricante [2]. . . . . . . . . . . .
XI
INTRODUCCION
Actualmente se utilizan metodos de control clasicos los cuales requieren de un alto
esfuerzo matematico por el espacio de soluciones que se genera con el fin de acotar
del
la respuesta deseada y que en la mayora de casos, aunque logran la solucion
problema no es eficiente, dado al tiempo y otros recursos que se pierden en este
proceso.
multiples
entradas y multiples
salidas, ademas de condiciones inciales diferentes
de cero.
de controladores polinomiales y por
En el presente documento se muestra el diseno
espacio de estados, con parametros fijos y parametros adaptativos, con los cuales se
XII
Y MODELO MATEMATICO
1. DESCRIPCION
DEL SISTEMA
Objetivo
1.2.
Introduccion
sobre el cual se
En este captulo se presenta el sistema multivariable el puente grua,
centrara este documento en los captulos siguientes. Al inicio se realizara una breve
de un puente grua
y sus caractersticas en general, luego se presenta y
descripcion
de los resultados que se discuten en
describe la planta utilizada para la obtencion
matematica del modelo no
el captulo 4 y finalmente se encuentra la representacion
lineal en tiempo continuo y el modelo linealizado en tiempo discreto del sistema,
que sera de utilidad durante los siguientes captulos.
1.3.
Presentacion
y Caractersticas de la planta (puente grua)
por unos equipos electromecanicos y una parte estructural. Cuando se hace mencion
a los equipos electromecanicos, normalmente, se refiere al polipasto, los testeros y el
La parte estructural esta conformada por las diferentes
sistema de electrificacion.
vigas del sistema, como lo son las viga puentes, vigas carrileras, columnas, etc.
Existen diferentes tipos de accionamiento en los polipastos pero todos tienen la
misma finalidad, elevar una carga. Los polipastos pueden ser neumaticos, electricos
o manuales, de cable o cadena. Las partes principales de los polipastos son: Gancho,
cable o cadena, sistema de accionamiento (tambor), caja reductora, motor y/o trolley.
que consta de un elemento portador; formado por una o dos
Puente Grua:
Grua
vigas moviles
sobre rales, apoyados en columnas o mensulas a lo largo de dos
paredes opuestas de su lugar de trabajo; sobre el que se desplaza el polipasto con
los mecanismos elevadores, como el que se presentar en la figura 1.1 [1].
real [1].
Figura 1.1: Foto de un puente grua
En la Figura 1.2 se muestra una foto del modelo a escala del sistema real puente grua,
donde se implementaran los controladores paso adelante 2.3.1.1 , PID 2.3.1.2, Modelo de
referencia 2.3.1.3 y Reubicacion de polos 2.3.1.4, de los cuales se habla mas ampliamente
en el captulo 2.
es la unidad de la empresa FeedBack Instruments
El modelo a escala del puente grua
Ltd. Este sistema consiste en una barra montada en un carro que a su vez se desplaza
sobre un riel cuando es impulsado por un motor de corriente continua a traves de
de la carga, el carro es impulsado hacia
una banda. Para controlar la oscilacion
adelante y hacia atras sobre el riel con finales de carrera ubicados a extremo y
extremo del mismo, para limitar el movimiento horizontal del carro [2].
a escala
Figura 1.2: Foto del puente grua
el cual hace uso de encoders
En la figura 1.2 se muestra el modelo de puente grua
disco con ranuras. Las ranuras tienen una diferencia de fase, de modo que las senales
electricas de los receptores (A y B) son ondas rectangulares con una diferencia de
de movimiento
fase. El signo de la diferencia de fase permite conocer la direccion
del carro [2].
1.3.1.
Informacion
general del fabricante del puente grua
[15].
Figura 1.3: Sensor de posicion
de control se enva desde el computador hacia el conversor de la tarjeta
La senal
de datos. La salida del conversor Digital/Analogo (D/A ) va a la
de adquisicion
entrada del amplificador que impulsa el motor de corriente continua. La interfaz del
amplificador y codificador se encuentran en el bloque de control del pendulo. La
y
cual esta equipada con dos interruptores: el interruptor principal de alimentacion
el interruptor para cortar la potencia de motor de corriente continua. En los extremos
del motor cuando el
del riel hay dos finales de carrera que cortan la alimentacion
carro alcanza estos puntos [2].
Los parametros presentados en la tabla 1.1 fueron tomados de [2]. En base a estos
de los controladores fijos,
parametros se realizara el desarrollo matematico y diseno
para el sistema se hace fuera de linea, mas adelante se hara la
ya que la identificacion
en linea del sistema con el algoritmo de mnimos cuadrados capitulo
identificacion
3.
Parametro
Lmites del riel
Gravedad (g)
al centro de masa (l)
Distancia del eje de rotacion
Masa del carro (Mc )
Masa de la carga (ml)
Magnitud de la fuerza de control
Momento de inercia (J)
de rotacion
(f p)
Coeficiente de friccion
del carro (f c)
Coeficiente de friccion
Valor
0, 5 [m]
9,81[ sm2 ]
0,3434 [m]
1,12 [Kg]
0,11 [Kg]
17,0 [N ]
0,0136 [Kgm2 ]
2
0,007 [ Kgm
]
rad.s
N.s
0,05 [ m ]
1.4.
Figura 1.5: Diagrama del modelo fsico de la planta, donde l es la longitud del
que puede alcanzar el carro, la apertura angular del pendulo
pendulo, x la posicion
y Mc la masa del caro.
(1.1)
rotacional
Donde Fr es la friccion
Fr = fc x
(J + ml l2 ) + fp + ml lgsen ml l cos
x=0
(1.2)
Las ecuaciones (1.1) y (1.2) describen el modelo del sistema, como se puede
apreciar el sistema de ecuaciones es no lineal, ya que ninguna de las variables
es independiente y no podra hacer un despeje normal sin la ayuda de otras
herramientas matematicas. Los parametros del sistema dados por el fabricante se
encuentran el tabla 1.1
Para observar el comportamiento del sistema no lineal, se montaron las ecuaciones
y se observo su respuesta frente a una perturbacion
del
(1.1) y (1.2) en simulacion
6
unitario.
Figura 1.6: Respuesta de la planta frente al escalon
1.5.
x2 =
x 2 = = x4
x 4 =
donde:
del carro
x1
x
Posicion
x2
Posici
on
del pendulo
=
x3 vpuente
Velocidad del carro
x4
pendulo
Velocidad del pendulo
Finalmente queda el sistema en espacio de estados:
x = Ax + Bu(t)
y(t) = Cx + Du(t)
Donde las matrices A, B , C y D son las matrices que describen al sistema en tiempo
que se muestra [2]:
continuo y corresponden a la ecuacion
x 1
0
0
1
0
x1
0
x 2 0
x2 0
0
0
1
=
(1.3)
x 3 0 0.4473 0.0425 0.0085 x3 + 0.8501 U (t)
x 4
0 14.5813 0.0604 0.2758 x4
1.2084
x1
1 0 0 0
x2
0
y=
+
U (t)
0 1 0 0 x3
0
x4
1.6.
(1.4)
la cual representa
apropiada del periodo de
los valores de la senal
en ciertos instantes [2]. La seleccion
muy importante en sistemas controlados por computador.
muestreo es una decision
de la normalizacion.
de perodos de muestreo
por tiempo de subida, donde el tiempo Tm , sera el periodo de muestreo, se tiene la
que determina la seleccion
del periodo de muestreo.
ecuacion
N=
Tm
h
(1.5)
1.6.1.
x1 (k + 1)
1 0.006 0.0499
0
x1 (k)
0.0011
x2 (k + 1) 0 0.9819 0.0001 0.0494 x2 (k) 0.0015
x1 (k)
1 0 0 0
x
(k)
2
+ 0 U (k)
y=
0 1 0 0 x3 (k)
0
x4 (k)
(1.6)
(1.7)
(1.8)
10
(1.9)
DE CONTROLADORES CLASICOS
2. DISENO
PARA UN
SISTEMA MULTIVARIBLE
2.1.
Objetivo
puente grua.
2.2.
Introduccion
El proposito
de este captulo es otorgar las herramientas necesarias para la
de los controladores utilizados en este trabajo, mostrando los aspectos
comprension
de controladores clasicos en sistemas de
mas relevantes para realizar el diseno
control digital aplicados a un sistema de una entrada y una salida (SISO), una
de los distintos controladores se procedera a aplicar este
vez entendido el diseno
principio a un sistema multivariable en general (MIMO), posteriormente se realiza
2.3.
Diseno
mediante las
de las variables de estado del sistema. Una vez se conoce el diseno
diferentes tecnicas de control, se desarrolla el control para el sistema multivariable
mediante el enfoque del control con dos grados de libertad como se explica al final
del captulo.
2.3.1.
Diseno
de controladores polinommiales para sistemas de una entrada y
una salida
En el diseno
debe su nombre a Diofanto de Alejandra). Considerese el
Diofantina (esta ecuacion
de transferencia:
sistema definido por la funcion
B(Z)
Y (Z)
=
U (Z)
A(Z)
(2.1)
(2.2)
(2.3)
(2.4)
(z) = 0 z n1 + 1 z n2 + + n2 z + n1
(z) = 0 z n1 + 1 z n2 + + n2 z + n1
(2.5)
(2.6)
donde:
(2.7)
an
0
an1 an
..
.
an1
..
a
.
1
E=
1
a1
.
..
..
.
0
0
0
0
0
0
0
..
.
an1
..
bn
0
bn
bn1
..
.
bn1
..
b1
.
0
b0
..
..
.
.
a1
1
0
0
0
0
0
0
0
..
.
bn1
..
.
b1
b0
(2.8)
Para que la matriz de Sylvester E sea no singular, se debe tener en cuenta que A(z)
d2n1
d2n2
..
b= .
d1
d0
(2.9)
2n1
2n2
.
.
.
0
x=
n1
n 2
.
..
0
(2.10)
(2.11)
muestra a continuacion:
r[k]
e[k]
u[k]
y[k]
(2.12)
(2.13)
(2.14)
(2.15)
(2.16)
(2.17)
(2.18)
(2.16), la senal
de control la ecuacion
(2.17)
Donde la salida del sistema es la ecuacion
del error corresponde a la ecuacion
(2.18).
y la senal
14
H(q 1 ) C(q 1 )
r[k]
1 + H(q 1 ) C(q 1 )
(2.19)
(2.20)
1
q 1
C(q 1 ) =
1
1
(1 q ) H(q )
(q 1) H(q)
(2.21)
b0 q + b1
B(q)
= 2
A(q)
q + a1 q + a2
(2.22)
(2.21) se obtiene:
Reemplazando (2.22) en la ecuacion
C(q) =
q 2 + a1 q + a2
A(q)
=
(q 1 )B(q)
(q 1)(b0 q + b1 )
(2.23)
1 + a1 q 1 + a2 q 2
b0 + (b1 b0 )q 1 + b1 q 2 )
(2.24)
(2.17) se tiene:
Reemplazando (2.24) en la ecuacion
u[k] =
1 + a1 q 1 + a2 q 2
e[k]
b0 + (b1 b0 )q 1 + b1 q 2 )
(2.25)
de control y reemplazando la
Realizando las operaciones, despejando la senal
(2.18) en (2.25), se obtiene la senal
de control:
ecuacion
1
u[k] =
[(r[k] y[k]) + a1 (r[k + 1] y[k + 1]) +
b0
(2.26)
+a2 (r[k + 2] y[k + 2]) + (b0 b1 )u[k 1] + (b1 )u[k 2]
15
2.3.1.2.
u[k] = Kp e(t) +
1
T1
Zt
e( )d + TD
de(t)
dt
(2.27)
16
(2.28)
FRM
TD
)
T0
Kp (1 +
Kp 1 TT10 + 2TT0D
Kp TT10
BRM
TD
TD
Kp 1 + T1 + T0
Kp 1 + 2TT0D
Kp TT01
TRAP
TD
T0
Kp 1 + 2T1 + T0
2TD
T0
Kp 1 2T
+
1 T0
Kp TT01
2.3.1.3.
e[k]
u[k]
y[k]
(2.30)
(2.31)
(2.32)
(2.33)
de control
En donde la ecuacion
la senal
(2.31), la senal
del error se describe en la ecuacion
(2.32) y
corresponde a la ecuacion
de referencia teniendo en cuenta el modelo se describe en la ecuacion
(2.33).
la senal
El bloque correspondiente a Hm (q 1 es el modelo de referencia, el cual debe cumplir
las siguientes condiciones [4]:
1. El modelo debe ser estable.
2. La ganancia unitaria del modelo debe ser igual a uno.
3. El orden del modelo debe ser menor o igual al orden del sistema.
Escogiendo un modelo de referencia de segundo orden de manera arbitraria que
cumpla con las condiciones anteriores:
z + 0.5
(2.34)
+ 0.3z + 0.2
que el modelo escogido cumple las condiciones:
Se demuestra a continuacion
Hm (z) =
z2
18
1. El modelo es estable.
1.6094 + j3.82
1.6094 j3.82
2. La ganamcia unitaria del modelo es igual a uno:
(2.35)
Hm (z)|z=1 = 1
sistema, de tal manera que el sistema en lazo cerrado tenga los polos en una posicion
Este es uno de los metodos fundamentales
especifica, la cual es indicada en el diseno.
para los ingenieros de control [5, pag. 377]. Los conceptos de controlabilidad y
observabilidad, introducidos por R. E. Kalman, son clave en el control optimo de
sistemas multivariable, particularmente el concepto de controlabilidad es la base
de polos, se dice que: si el sistema es
para solucionar el problema de ubicacion
de estado completamente controlable, entonces es posible seleccionar los polos en
caracterstica) y se
lazo cerrado deseados en el plano z (o las races de la ecuacion
el sistema que proporcione estos polos en lazo cerrado. El metodo
podra disenar
de ubicar los polos en lazo cerrado en localizaciones deseadas en el
de diseno
de ubicacion
de polos; es decir en dicha
plano z, se conoce como tecnica de diseno
tecnica se realimentan todas las variables de estado de tal forma que todos los polos
del sistema en lazo cerrado quedan ubicados en las localizaciones deseadas, sin
embargo, quiza no todas las variables de estado puedan ser medidas [5, pag. 377].
r[k]
e[k]
u[k]
y[k]
de polos.
Figura 2.4: Esquema para el controlador por reubicacion
.
El esquema que se muestra en la figura 2.4 corresponde a un controlador por
de polos, donde:
reubicacion
19
z2
(2.36)
(2.37)
Hlc (z) =
C(z)H(z)
1 + C(z)H(z)
(2.38)
Hlc (z) =
(p0
z2
l0 z + l1 )(b0 z + b1 )
+ p1 z + p2 )(z 2 + a1 z + a2 ) + (l0 z + l1 )(b0 z + b1 )
(2.39)
anteriormente, lograr ubicar los polos del sistema en lazo cerrado en una posicion
1 0 0 0
p1
a1 1 b 0 0 p 2
a2 a1 b1 b0 l0
0 a2 0 b 1
l1
d1 a1
d2 a2
=
d3
d4
(2.40)
C(1)H(1)
1 + C(1)H(1)
l0 q 1 + l1 q 2
p0 + p1 q 1 + p2 q 1
(2.42)
(2.58) en la senal
de control (2.43) finalmente se tiene
Reemplazando la ecuacion
(2.44)
u[k] = C(q 1 )[(
1
r[k]) y[k]]
glc
(2.43)
1
r[k 1]) y[k 1]]
glc
1
+l1 [( r[k 2]) y[k 2]]
glc
2.3.2.
(2.44)
Implementacion
de los controladores para el control de la posicion
de la
plata
de transferencia que
Como se vio en el primer captulo 1 se obtuvo la funcion
(2.45) y la funcion
de transferencia que representa el a ngulo
representa la posicion
(2.46), en tiempo discreto para un tiempo de muestreo de 0.05:
0.001061z 3 0.001012z 2 0.001023z + 0.001047
X(Z)
=
U (Z)
z 4 3.948z 3 + 5.88z 2 3.917z + 0.9842
(2.45)
(Z)
0.001498z 3 0.001506z 2 0.001482z + 0.00149
=
U (Z)
z 4 3.948z 3 + 5.88z 2 3.917z + 0.9842
(2.46)
(2.45), la funcion
de transferencia en
Inicialmente se hara control sobre la posicion
x1 (k + 1)
3.9481 5.8805 3.9166 0.9842
x1 (k)
x2 (k + 1)
1
0
0
0
x2 (k)
x3 (k + 1) =
x3 (k)
0
1
0
0
x4 (k + 1)
0
0
1
0
x4 (k)
1
0
+ u(k)
0
0
(2.47)
x1 [k]
x2 [k]
0
x3 [k]
0
x4 [k]
21
(2.48)
Este es el modelo con parametros fijos, que representa la variable de posicion
se mostraran los controladores
de la planta en tiempo discreto. En esta seccion
sobre el puente grua.
Para el control de la
desarrollados para la implementacion
se determina que el modelo matematico que representa la planta debe ser de
posicion
dinamica del sistema.
cuarto orden, con el fin de obtener una mejor representacion
2.3.2.1.
Control de la posicion
mediante la tecnica de un paso adelante
La funcion
(2.21).
(2.20), y el control como se vio previamente en la ecuacion
Hlc (q 1 ) =
H(q 1 ) C(q 1 )
1 + H(q 1 ) C(q 1 )
C(q 1 ) =
1
(q 1) H(q)
(2.49)
H(q) =
b0 q 3 + b 1 q 2 + b2 q 1 + b3 q 0
q 4 + a1 q 3 + a2q 2 + a3 q 1 + a4 q 0
(2.50)
C(q) =
q 4 + a1 q 3 + a2 q 2 + a3 q + a4
b0 q 4 + b1 q 3 + b 2 q 2 + b3 q b0 q 3 b 1 q 2 b2 q b3
(2.51)
C(q) =
1 + a1 q 1 + a2 q 2 + a3 q 3 + a4 q 4
b0 + (b1 b0 )q 1 + (b2 b1 )q 2 + (b3 b2 )q 3 + b3 q 4
(2.52)
1 + a1 q 1 + a2 q 2 + a3 q 3 + a4 q 4
)e[k]
b0 + (b1 b0 )q 1 + (b2 b1 )q 2 + (b3 b2 )q 3 + b3 q 4
(2.53)
22
del operador z.
Figura 2.5: Esquema del controlador en funcion
de control se tiene:
Despejando la senal
1
)[e[k] + a1 e[k 1] + a2 e[k 2] + a3 e[k 3] + a4 e[k 4] +
b0
+ (b0 b1 )u[k 1] + (b1 b2 )u[k 2] + (b3 b2 )u[k 3] + b3 u[k 4]]
u[k] = (
(2.54)
Control de la posicion
mediante un controlador PID basado en el metodo
de asignacion
de polos
(2.55)
(2.56)
(2.57)
de
Reemplazando las ecuaciones anteriores y despejando, se obtiene la funcion
transferencia en lazo cerrado del sistema en terminos del operador z:
Hlc (z) =
C(z)H(z)
1 + C(z)H(z)
(2.58)
C(z) =
C1 z 2 + C2 z + C3
z2 z
(2.59)
H(z) =
z2
b0 z + b1
+ a1 z + a2
(2.60)
(2.58):
Reemplazando las ecuaciones (2.59) y (2.60) en la ecuacion
Hlc (z) =
(c1 z 2 + c2 z + C3 )(b0 z + b1
(z 2 + a1 z + a2 )(z 2 z) + (c1 z 2 + c2 z + c3 )(b0 z + b1 )
(2.61)
(2.62)
(2.63)
b0 0 0
0
c1
(0.2 a1 )
b1 b1 0 a1 c2 (0.24 a2 )
0 b1 b0 a2 c3 = (0.032)
1
(0.0016)
0 0 b1 0
(2.64)
24
2.3.2.3.
Control de la posicion
mediante un controlador por modelo de referencia
b0 q 3 + b 1 q 2 + b2 q 1 + b3 q 0
q 4 + a1 q 3 + a2q 2 + a3 q 1 + a4 q 0
(2.66)
Para realizar el control que llevara al sistema a la exigencia del modelo de referencia,
se escogera un controlador paso adelante:
Hlc (q 1 ) = q 1
C(q) =
A(q)
(q 1)B(q)
(2.67)
(2.68)
(2.69)
de q 1, se tiene que:
Con el controlador y el sistema en funcion
A(q 1 )
(q 1)B(q 1 )
b0 q 1 + b1 q 2 + b2 q 3 + b3 q 4
H(q 1 ) =
1 + a1 q 1 + a2 q 2 + a3 q 3 + a4 q 4
C(q 1 ) =
(2.70)
(2.71)
1 + a1 q 1 + a2 q 2 + a3 q 3 + a4 q 4
b0 + (b1 b0 )q 1 + (b2 b1 )q 2 + (b3 b2 )q 3 b3 q 4
(2.72)
(2.73)
1
)[(r[k 1] + 0.5r[k 2] 0.3rm [k 1] 0.2rm [k 2] y[k]) +
b0
+ a1 (r[k 2] + 0.5r[k 3] 0.3rm [k 2] 0.2rm [k 3] y[k 1]) +
+ a2 (r[k 3] + 0.5r[k 4] 0.3rm [k 3] 0.2rm [k 4] y[k 2]) + (2.74)
+ a3 (r[k 4] + 0.5r[k 5] 0.3rm [k 4] 0.2rm [k 5] y[k 3]) +
+ a4 (r[k 5] + 0.5r[k 6] 0.3rm [k 5] 0.2rm [k 6] y[k 4]) +
+ (b0 b1 )u[k 1] + (b1 b2 )u[k 2] + (b2 b3 )u[k 3] + b3 )u[k 4]]
u[k] = (
2.3.2.4.
Control de la posicion
mediante la tecnica de reubicacion
de polos
(2.75)
l0 z 3 + l1 z 2 + l2 z + l3
p 0 z 4 + p1 z 3 + p2 z 2 + p 3 z + p 4
(2.76)
H(Z) =
C(Z) =
Hlc =
H(Z)C(Z)
1 + H(Z)C(Z)
Pc = 1 + H(Z)C(Z)
(2.77)
Polinomio caracterstico
Pd = z 8 0 + z 7 1 + z 6 2 + z 5 3 + z 4 4 + z 3 5 + z 2 6 + z7 + 8
(2.78)
Polinomio deseado
(2.79)
1
a1
a2
a3
a4
0
0
0
1
a1
a2
a3
a4
0
0
0
0
1
a1
a2
a3
a4
0
0
0
0
1
a1
a2
a3
a4
0
b0
b1
b2
b3
0
0
0
0
0
b0
b1
b2
b3
0
0
0
0
0
b0
b1
b2
b3
0
26
0
p1
(1 a1 )
0
p2 (2 a2 )
0 p3 (3 a3 )
p4 (4 a4 )
0
=
b0
l0 5
b1 l1 6
b2 l2 7
b3
l3
8
(2.80)
C(1)H(1)
1 + C(1)H(1)
(2.81)
1
r[k]) y[k]]
glc
(2.82)
de control:
La senal
de control:
Finalmente la senal
u[k] = p1 u[k 1] p2 u[k 2] p3 u[k 3] p4 u[k 4] +
1
1
+ l0 [( r[k 1]) y[k 1]] + l1 [( r[k 2]) y[k 2]] +
glc
glc
1
1
+ l2 [( r[k 3]) y[k 3]] + l3 [( r[k 4]) y[k 4]]
glc
glc
2.4.
(2.83)
Diseno
de controladores por espacio de estados para el sistema
multivariable
la forma canonica
observable, la forma canonica
diagonal, la forma canonica
de
Jordan.[5]
(1.5) y (1.6) describen el sistema en el espacio de estados, el diseno
del
La ecuacion
control por espacio de estados se muestra en la figura
El sistema discretizado se define como:
x[k 1] = x[k] + u[k]
y[k] = C
x[k] + Du[k]
27
(2.84)
(2.85)
de variables de estado:
Se plantea una ley de control por realimentacion
u[k] = L
x[k] + r[k]
(2.86)
(2.87)
L
Figura 2.6: Esquema de control por espacio de estados con observador.
2.4.1.
28
L
Figura 2.7: Esquema por espacio de estados con observador y ganancia en lazo
cerrado.
El sistema en tiempo discreto se define como:
x[k + 1] = x[k] + u[k]
y[k] = C x[k] + Du[k]
(2.88)
(2.89)
(2.90)
(2.91)
luego
(2.92)
(2.93)
z1
z1
29
nx1 es de la forma:
La ganancia del observador de dimension
Lo1
Lo2
Lo = ..
.
Lon
2.4.2.
(2.94)
Reubicacion
de polos con ganancia en lazo cerrado
se propone la solucion
al problema por reubicacion
de polos
A continuacion
planteando un observador de estados, hallando la ganancia del observador mediante
la formula
de Ackerman y usando la ganancia en lazo cerrado del sistema.
(2.95)
(2.96)
En la forma canonica
controlador:
a1 a2 an
x1 [k + 1]
x
[k]
1
1
1
0 0
x2 [k + 1]
x2 [k] 0
..
. 0
= 0
.. + .. u[k]
..
.
. .
.
..
..
..
.
0
.
xn [k + 1]
xn [k]
0
0
0
1
0
30
(2.97)
y = b0 b1
x1 [k]
x2 [k]
bn
xn [k]
(2.98)
C
C 1
Wo =
C n1
(2.99)
La matriz P () es una matriz nxn, para un sistema de cuarto orden se define como:
P () = 4 p0 + 3 p1 + 2 p2 + p3 + I p4
(2.100)
Siendo I una matriz identidad de nxn y los valores de p0 , p1 , p2 , p3 , p4 son las races
pxn donde
de un polinomio deseado. Se obtiene el vector de ganancias de dimension
p es el numero
de salidas del sistema, para p = 1 se tiene que:
L = (d1 a1 ) (d2 a2 ) (dn an )
(2.101)
(2.102)
Lg = [(zI + L)1 ]1
(2.103)
z1
Lo = P () Wo1
0
1
(2.104)
Solo es posible encontrar esta ganancia si pueden encontrarse las variables de estado
de control u[k] y la salida del sistema
estimadas del sistema x[k] a partir de la senal
y[x] [4].
31
(2.105)
y[k] = C x[k]
(2.106)
u[k] = L
x[k] + Lg r[k]
(2.107)
Siendo:
de control:
Se plantea la senal
2.4.3.
(2.108)
(2.109)
(2.110)
(2.111)
x[k]
xa [k] = 0
e [k]
(2.112)
x[k + 1]
0 x[k]
0
=
+
u[k] +
r[k]
0
0
e [k + 1]
C I e [k]
0
1
(2.113)
Donde:
0
a =
C I
a =
0
(2.114)
(2.115)
de control:
Se define la senal
u[k] = La xa [k] + r[k]
La = [L Ki h]
2.4.4.
(2.116)
(2.117)
Implementacion
de controladores por espacio de estados
(2.118)
necesaria y
no requiera senales
de control excesivamente grandes), una condicion
suficiente para que los polos puedan ser ubicados arbitrariamente en el plano z,
es que el sistema sea de estado completamente controlable. Entonces es posible
encontrar una matriz L que obligue al sistema a tener los polos en lazo cerrado en
(2.119)
(2.120)
M = n1
(2.121)
Donde:
an1 an2
an2 an3
..
W = ...
.
a1
1
1
0
an1
1
..
..
.
.
1
0
..
.
0
0
(2.122)
2. Mediante la formula
de Ackerman:
1
L = 0 0 0 1 n1
P ()
(2.123)
P () = n + n1 d1 + + dn1 + I dn
(2.124)
Donde:
34
1
L = 1 1 1 1 1 2 n
(2.125)
satisfacen la ecuacion:
( K) = i i ,
= ( i I)1 ,
i = 1, 2, ..., n
i = 1, 2, ..., n
(2.126)
(2.127)
(2.128)
(2.129)
n = n
4. Un metodo simple
para sistemas de bajo orden n, se sustituye la matriz L =
L1 L2 Ln en la ecuacion
caracterstica del sistema:
|zI + L| = 0
(2.130)
caracterstica deseada:
Luego se hace coincidir los coeficientes de la ecuacion
(z 1 )(z 2 ) (z n ) = z n + d1 z n1 + + dn1 z + dn = 0
(2.131)
multiples
entradas de la forma:
x = Ax + Bu
Se utiliza el toolbox:
L = acker(A, B, Pd )
L = place(A, B, Pd )
35
(2.132)
El programa calcula una matriz de ganancias L tal que los valores de realimentacion
de control u = Lx se encuentren situados en los valores deseados P d.
para la senal
De esta manera las ganancias de los controladores mostradas anteriormente pueden
ser calculadas con ayuda de MATLAB:
L = acker(, , Pd )
L = acker(0 , 0 , Pdo )
L = acker(a , a , Pd )
2.5.
(2.133)
(2.134)
(2.135)
del numero
del numero
de senales
controladas. En la actualidad este problema ha
sido reducido gracias al gran progreso del desarrollo de hardware computacional;
esto, sin embargo, aumenta el precio del sistema de control. Si el controlador central
Una solucion
descentralizada. En este caso, el sistema es considerado como un arreglo de
subsistemas interconectados y la salida de cada subsistema es influenciado no
solo por la entrada de este subsistema sino tambien por la entrada de los otros
subsistemas. Cada subsistema es controlado por un controlador independiente. Por
del sistema
lo tanto, el control descentralizado esta basado en la descomposicion
de un controlador para cada subsistema. Otra
MIMO en subsistemas, y el diseno
descentralizada, es el hecho de que es mucho mas sencillo
ventaja de la aproximacion
establecer los parametros de los controladores (como escoger los polos deseados del
polinomio caracterstico) para los lazos de control SISO que para los lazos de control
de un sistema de control descentralizado es
MIMO. Por otra parte, el desempeno
descentralizada es usada
senales
de entrada del sistema. Cuando la aproximacion
para controlar dicho sistema, luego desde el punto de vista del controlador de un
de transferencia varia en el tiempo, incluso si el
subsistema en particular, la funcion
sistema MIMO es lineal y estable.
principal para usar
La presencia de las interconexiones entre subsistemas es la razon
descentralizada para asegurar el
controladores autosintonizados en la aproximacion
sobre este tema puede darse en
curso de las variables controladas, una ampliacion
la bibliografa que se cita [3].
2.5.1.
Se requiere realizar un control sobre las salidas del sistema, en el caso del puente
se tiene un sistema con una entrada, la tension
sobre el motor D.C. y dos salidas
grua
del carro y la posicion
angular del pendulo.
que requieren ser reguladas: la posicion
del carro, se desea que e sta siga la referencia,
Para el caso del control sobre la posicion
de control no tiene otra limitante. En el caso del
como se vio anteriormente la senal
de control debe tener en cuenta la contribucion
con una
Figura 2.10: Diagrama de bloques de un sistema de realimentacion
estructura de dos grados de libertad [4].
tiene la ventaja de que los problemas de servo y de regulacion
son
Esta configuracion
Hf b se disena
para obtener un sistema
separados. El controlador de realimentacion
en lazo cerrado que es insensitivo a perturbaciones del proceso, ruido en la medida
posicion
u = uf b + uf f
(2.136)
Reubicacion
control sobre la
mas controlador por Reubicacion
de Polos adaptativo regulacion
sobre el
posicion
a ngulo.
u = uEspaciodeEstados + upolinomial
2.5.1.1.
(2.137)
Control de a ngulo
Control de la posicion
y el a ngulo
38
3. CONTROL ADAPTATIVO Y CONTROL OPTIMO
ADAPTATIVO
3.1.
Objetivo
de parametros en
Presentar el algoritmo de mnimos cuadrados para la estimacion
del control optimo
linea y la descripcion
LQR a traves de los multiplicadores de
Lagrange.
3.2.
Introduccion
Control adaptativo
Los controladores convencionales estan pensados para controlar sistemas dinamicos
cuyos parametros no cambian, es decir, son invariantes con el tiempo o, como ocurre
en la realidad, sistemas sin grandes perturbaciones cuyos parametros no varan
excesivamente al trabajar en torno a un punto de funcionamiento [7].
Sin embargo es muy normal encontrarse con sistemas cuya dinamica cambia de
forma no lineal en un instante, como es el ejemplo de un motor de corriente
de la carga. En estos casos el uso de
continua que vara sus parametros en funcion
controladores convencionales hace que el sistema no se comporte como se pretende
en todas las situaciones [7], para dar solucion a este tipo de problemas surgen los
controladores adaptativos.
La tecnica del Control Adaptativo surge a partir de 1950 con el fin de dar solucion
a problemas de control en los que las caractersticas del sistema a controlar son
variables o poco conocidas [8].
El termino control adaptativo posee diversos significados pero, en terminos
generales, implica que un sistema mida las caractersticas dinamicas de una planta
de transferencia o ecuacion
de estado) en forma continua y automatica,
(funcion
las compare con las caractersticas dinamicas deseadas y utilice la diferencia entre
ambas para variar los parametros ajustables del sistema (estos parametros suelen
actuante, de modo
ser las caractersticas del controlador) o genera una senal
optimo;
Cculoydeylos
yyparmetros
delycontrolador
Estimacinydeylos
yparmetros
ydelysistema
Parmetros
del
controlador
r[k]
y[k]
CONTROLADOR
u[k]
PROCESO
figura3.1. Aqu los parametros son calculados de acuerdo con el metodo de diseno
del controlador que ha sido programado con anterioridad. Esta clase de reguladores
adaptativos tambien es denominada self tuning regulators[9].
Los sistemas adaptativos con modelo de referencia (MRAS) intentan obtener una
Modelof
defreferencia
Cculofdeflos
ffparmetros
delfcontrolador
Parmetros
del
controlador
r[k]
y[k]
CONTROLADOR
u[k]
PROCESO
3.3.
Estimacion
en linea
Estimacion
41
e[k]
u[k]
y[k]
(3.1)
donde e(k) es un ruido blanco que entra como error directo. Debido a que es un
error no medible, su calculo, a partir del modelo, puede servir como una estimacion
(3.2)
y(k) =
42
(3.3)
(3.4)
(3.5)
(3.6)
Identificacion
del sistema fuera de linea
H(q) =
b0 q 2 + b1 q + b2
q 3 + a1 q 2 + a2 q + a3
(3.7)
=
b0
b1
b2
(3.8)
H(q) =
b0 q 1 + b1 q 2 + b2 q 3
1 + a1 q 1 + a2 q 2 + a3 q 3
43
(3.9)
con
y[k] = H(q 1 )u[k]
(3.10)
A continuacion
fuera de linea.
controlador, de la planta con estimacion
3.3.2.
(3.13)
B = 0
0
(3.14)
C = 0.0337 0.0186 0.0178
(3.15)
lineal, y
El pilar fundamental de este metodo se centra en el concepto de regresion
en tiempo real de modelos tanto lineales como no lineales,
permite la identificacion
siempre y cuando sus parametros si lo sean.
Para ello se considera como modelo parametrico, el modelo ARX explicado
anteriormente, pero sin tener en cuenta el ruido blanco que entra como error directo.
escrita en ecuaciones en diferencias queda:
Su expresion
y(k) + a1 y(k 1) + + an y(k n) = b1 u(k 1) + + bn u(k n)
44
(3.16)
de transferencia
Con lo que se dispone de un modelo determinista cuya funcion
(3.17)
(3.16) como:
Se puede reescribir la ecuacion
y(k) = T
(3.18)
(3.19)
donde:
y(k) es la magnitud medible
es el vector regresor:
es el vector de parametros:
(3.20)
De esta forma para el valor del vector en un cierto instante k se produce un error
de prediccion:
e(k, ) = y(k) y(k) = y(k) (k)
(3.21)
E(N, ) = Y (N ) (N )
(3.22)
(3.23)
Y (N ) = [y(n)...y(N )]T
(3.24)
(n)
(N ) = ...
(3.25)
(N )
de costos como:
De esta manera se define la funcion
N
X
e2 (k, )
(3.26)
k=n
(3.27)
(3.28)
2[(N ) Y (N )] (N ) = 0
(3.29)
obteniendose que el valor del vector de parametros, que hace mnimo este ndice y
por lo tanto pertenece al modelo identificado. es:
= [T (N ) (N )]1 T (N )Y (N )
46
(3.30)
3.3.3.
La estimacion
= [T (k) ]1 T (k) Y (k)
(k)
= P (k) T (k) Y (k)
(3.31)
(3.32)
(3.33)
(3.34)
(3.35)
P (k 1) T (k) (k)p(k 1)
P (k) = [P (k 1)
]
1 + T (k) P (k 1) (k)
(3.36)
P (k) = [P (k 1)
K(k) = [
1+
P (k 1)
]
P (k 1) (k)
T (k)
1)
e(k) = y(k) T (k) (k
47
(3.37)
(3.38)
= (k
1) + K(k)(k) e(k)
(k)
(3.39)
Obtenidas estas expresiones, los pasos que debe seguir el algoritmo de forma
recursiva son los siguientes:
de la matriz de covarianza P y el vector de parametros .
Inicializacion
Calculo recursivo. Para cada instante k:
Obtener valores y(k) y u(k) de la planta (entrada y salida de esta)
(k):
Formar el vector de regresion
(3.40)
P (k) = [P (k 1)
P (k 1) T (k) (k)p(k 1)
]
1 + T (k) P (k 1) (k)
(3.41)
la expresion:
K(k) = [
1+
P (k 1)
]
P (k 1) (k)
T (k)
(3.42)
1)
e(k) = y(k) T (k) (k
(3.43)
= (k
1) + K(k)(k) e(k)
(k)
(3.44)
Calcular (k):
senales
de entrada y salida de la planta, estima los parametros de esta, cometiendo
un error respecto a los reales que debe minimizarse.
en la operacion
K(k)
P(k)
Mnimosy
cuadrados
yrecursivos
u(k)
Plantay
Estimada
Obtenciny
delyRegresor
e(k)
u(k)
PLANTA
y(k)
funcion
J = eT (k) Q e(k)
(3.45)
donde:
0
0
0
.. . .
..
.
.
.
kN
0 0
1
0
Qk = ..
.
(3.46)
(3.47)
P (k) =
P (k 1) T (k) (k)p(k 1)
1
[P (k 1)
]
+ T (k) P (k 1) (k)
K(k) = [
P (k 1)
]
P (k 1) (k)
T (k)
(3.48)
(3.49)
1)
e(k) = y(k) T (k) (k
(3.50)
= (k
1) + K(k) (k) e(k)
(k)
(3.51)
3.4.
Implementacion
de controladores adaptativos
de
De manera analoga como se vio en el capitulo 2 para la implementacion
de los controladores adaptativos,
controladores fijos. Se hace la implementacion
y el a ngulo se describen de
donde las funciones de transferencia para la posicion
cuarto orden (2.54) y de segundo (2.55) respectivamente.
b0 z 3 + b1 z 2 + b2 z + b3
X(Z)
= 4
U (Z)
z + a1 z 3 + a2 z 2 a3 z + a4
(3.52)
(Z)
b0 z + b1
= 2
U (Z)
z + a1 z + a2
(3.53)
Finalmente, de manera similar como se disenaron
e implementaron los controladores
y a ngulo en capitulo 2, se disenan
Representacion
controlador para las funciones
de transferencia.
0
1
0 0
x1 (k)
x1 (k)
x1 (k)
0
1 0
x2 (k) 0
x2 (k) x2 (k)
..
..
..
..
..
.
.
(3.54)
.. + .. u(k)
.. = .
.
.
.
.
.
0
0
0 1 xn1 (k) xn1 (k)
xn (k)
a4 a1 a2 a1
xn (k)
xn (k)
x1 (k)
x2 (k)
..
.
+ b0 u(k)
(3.55)
xn (k)
As el resultado obtenido es un control adaptativo que es capaz de calcular los
de las respuestas
valores del controlador en cada instante tiempo en funcion
del sistema que esta controlando, lo que produce un ajuste preciso, evitando
comportamientos inestables o no deseados en caso de cambios no lineales en los
parametros de la planta [7].
3.5.
Control optimo
CONTROL OPTIMO
[2].
51
El control optimo
en origen estuvo estrictamente relacionado con la teora del calculo
de
El control optimo
es una rama del control moderno que se relaciona con el diseno
de medicion
criterio de desempeno
la rapidez en la respuesta de un sistema, etc., tal que las variables asociadas a este
sistema, expresadas en forma de ecuaciones e inecuaciones algebraicas, relacionadas
mediante expresiones matematicas que describen el comportamiento de un sistema
objetivo [2]. La solucion
de algunos
fsico, minimicen o maximicen esa funcion
problemas de control no es posible obtenerla usando metodos de control clasicos.
Esto puede ser dada la complejidad, o que se requiera satisfacer ciertos parametros
Un ejemplo tpico de esto es el diseno
de un sistema
relacionados con su desempeno.
de control de altitud para una nave espacial que minimice el gasto de combustible
[23].
libres. La formulacion
requiere en general [22]
Definir el modelo matematico del sistema controlado
Especificar el criterio de optimalidad
Especificar las condiciones de contorno para el estado
Describir las restricciones sobre el estado y los controles y
52
optimo
a muchos problemas complejos. Los metodos numericos para la resolucion
ndice de desempeno.
- Al disenar
o un sistema
de
regulador optimo,
se necesita encontrar una regla para determinar la decision
control presente, sujeta a ciertas restricciones, para minimizar alguna medida de la
de un comportamiento ideal. Dicha medida es provista, generalmente,
desviacion
seleccionado que es una funcion
cuyo valor se considera
por el ndice de desempeno
de que tanto se parece el desempeno
del sistema real al desempeno
una indicacion
optimo
LQR son: Problemas de tiempo mnimo,Control terminal, Esfuerzo
mnimo, Problema de seguimiento, ITAE [2].
3.6.
Control optimo
cuadratico LQR
con realimentacion
lineal
de este tipo de control se basa
cuadratico (Linear Quadratic Regulador). La eleccion
de la herramienta computacional
en su relativa sencillez mediante la utilizacion
53
sobre el modelo,
M AT LAB. Al ser un controlador lineal, su calculo se efectua
previamente linealizado, y con las tecnicas lineales para modelos de estados,
propone una ley de control (u = Kx), muy robusta, tanto en tiempo continuo como
en sistemas de control digital
en tiempo discreto, lo que permite su implementacion
[2].
del problema conocido como LQR el cuales
El controlador permite la solucion
Este controlador trata de mantener al sistema en un
un problema de regulacion.
de
estado lo mas cercano al de reposo x = 0, haciendo uso mnimo de la senal
se resuelve a partir de la optimizacion
de un
control u. El problema de regulacion
ndice de desempeno
cuadratico, usando la ecuacion
algebraica de Ricatti, dando
lineal, la cual es considerara como el vector de ganancias de
lugar a una solucion
K. El ndice de desempeno
cuadratico que caracteriza al LQR se
realimentacion
[2].
presenta a continuacion
Ztf
(xT Qx + uT Ru)dt
(3.56)
t0
se
En muchos problemas se considera tf , en este caso el ndice de desempenos
(3.57).
reduce a la ecuacion
Ztf
J=
(xT Qx + uT Ru)dt
(3.57)
t0
(3.57) se interpretan de la
Los terminos que hacen parte del ndice de desempeno
siguiente manera:
de los estados respecto a los estados
xT Q x: es una medida de la desviacion
T
deseados. u R u: es una medida del esfuerzo del control. x(tf )T P0 x(tf ): Es
de los estados respecto a los estados deseados en el
una medida de la desviacion
(xT Qx)dt
54
(3.58)
q11
0
...
0
Q=
0
0
0
0
0
..
.
(3.59)
qnn
(3.60)
q21 . .
Q=
.
.
..
..
..
.
qij
qj1
(3.61)
(uT Ru)
J2 =
(3.62)
Donde R es una matriz hermitica definida positiva y simetrica real. Esta matriz
de control y los valores que se le dan
determina el costo energetico de la accion
55
de
control, que para este caso es unico
valor; debido a que solo se tiene una senal
control proveniente del motor DC[2].
del
Se los valores de R son mucho mayores que los valores de Q: La contribucion
del estado x. Pero esto hace
control u es muy grande comparada con la contribucion
empeorar el comportamiento de los estados. Se los valores de Q son mucho mayores
que los valores de R: Mejora la respuesta del sistema. El vector de variables de estado
J1 =
(3.63)
(3.64)
Z
J2 =
Control optimo
que
El problema de control optimo
cuadratico es un problema de minimizacion
de varias variables. Por lo tanto, se puede resolver por
involucra una funcion
convencional. El problema de minimizacion
sujeto a
el metodo de minimizacion
a minimizar
restricciones se puede resolver al anadir
dichas restricciones a la funcion
mediante el uso de los multiplicadores de Lagrange.
presente, se minimiza J que esta dado por la
En el problema de minimizacion
(3.65).
ecuacion
N 1
1X T
1
[x (k)Qx(k) + uT (k)Ru(k)]
J = xT (N )Sx(N ) +
2
2 k=0
(3.65)
(3.66)
cuando esta sujeta a restricciones especificadas por la ecuacion
x(k + 1) = Gx(k) + Hu(k)
(3.66)
x(0) = c
(3.67)
(3.68)
presentacion.
L definida por la ecuacion
(3.68)
Es bien sabido el hecho de que minimizar la funcion
(3.65) cuando esta sujeta a
es equivalente a minimizar a J definida por la ecuacion
(3.66).
las mismas restricciones definidas por la ecuacion
L, se necesita diferenciar L respecto a cada uno de
Para minimizar la funcion
los componentes de los vectores x(k), u(k) y (k) e igualar los resultados a cero.
Sin embargo, desde el punto de vista computacional, es conveniente diferenciar
i (k), donde xi (k), ui (k) y
i (k) son los complejos
a L respecto a xi (k), ui (k) y
y su
conjugados de xi (k), ui (k) y i (k) respectivamente. (Observe que la senal
matematica.) Por lo tanto se tiene
complejo conjugado tiene la misma informacion
L
= 0,
xi (k)
L
= 0,
ui (k)
L
= 0,
i (k)
i = 1, 2, ..., n; k = 1, 2, ..., N
i = 1, 2, ..., n; k = 1, 2, ..., N 1
(3.69)
i = 1, 2, ..., n; k = 1, 2, ..., N
Estas ecuaciones son condiciones necesarias para que L tenga un mnimo. Observe
que las expresiones simplificadas para las derivadas parciales anteriores son
L
= 0, k = 1, 2, ..., N
x(k)
L
= 0 k = 1, 2, ..., N 1
u(k)
L
= 0 k = 1, 2, ..., N
(k)
57
(3.70)
T
x Ay = Ay
x
Entonces
L
x(k)
L
x(N )
L
u(k)
L
(k)
=0:
Qx(k) + GT (k + 1) (k) = 0,
=0:
Sx(N ) (N ) = 0
=0:
Ru(k) + HT (k + 1) = 0,
=0:
Gx(k 1) + Hu(k 1) x = 0,
k = 1, 2, ..., N 1
(3.71)
(3.72)
k = 0, 1, ..., N 1
k = 1, 2, ..., N
(3.73)
(3.74)
La ecuacion
(3.72) especifica el valor final del multiplicador de Lagrange. Observe que el
multiplicador de Lagrange (k) se llama a menudo covector o vector adjunto.
(3.71) se tiene
Ahora se simplificaran las ecuaciones obtenidas. De la ecuacion
(k) = Qx(k) + GT (k + 1),
k = 1, 2, ..., N 1
(3.75)
k = 0, 1, 2, ..., N 1
(3.76)
k = 0, 1, 2, ..., N 1
(3.77)
(3.78)
x(0)=c.
con la condicion
al problema de minimizacion,
se necesita resolver las
Para obtener la solucion
ecuaciones (3.75) y (3.78) en forma simultanea. Observe que para el sistema de
58
(3.77), la condicion
inicial x(0) esta especificada, mientras
ecuaciones, la ecuacion
del multiplicador de Lagrange, la ecuacion
(3.75), la condicion
optimo
para el vector de estado y para el vector de multiplicadores de Lagrange se
optimo
u(k) se puede obtener en la forma de lazo cerrado o realimentado:
u(k) = K(k)x(k)
de rxn.
donde K(k) es la matriz de realimentacion
se obtendra el vector de control optimo
A continuacion,
u(k) en la forma lazo cerrado
de Riccati. Al suponer que (k) se puede escribir
obteniendo, primero, la ecuacion
en la siguiente forma:
(k) = P(k)x(k)
(3.79)
donde P(k) es una matriz Hermtica de nxn (o una matriz simetrica real de nxn). Al
(3.79) en la ecuacion
(3.75) se tiene que
sustituir la ecuacion
P(k)x(k) = Qx(k) + GT P(k + 1)x(k + 1)
(3.80)
(3.79) en (3.78) da
y al sustituir la ecuacion
x(k + 1) = Gx(k) HR1 HT P(k + 1)x(k + 1)
(3.81)
(3.82)
59
(3.83)
A=matriz de nxn,
B=matriz de rxn
(3.84)
(3.82) se
As, la inversa de I + HR1 HT P(k + 1) existe. En consecuencia, la ecuacion
puede escribir como:
x(k + 1) = [I + HR1 HT P(k + 1)]1 Gx(k)
(3.85)
(3.85) en la ecuacion
(3.80), se obtiene
Al sustituir la ecuacion
P(k)x(k) = Qx(k) + GT P(k + 1)[I + HR1 HT P(k + 1)]1 Gx(k)
(3.86)
o bien
{P(k) Qx(k) GT P(k + 1)[I + HR1 HT P(k + 1)]1 G}x(k) = 0
(3.87)
(3.88)
60
(3.90)
(3.91)
(3.92)
u(k) = K(k)x(k)
(3.93)
donde
por lo tanto
del vector de estado a traves de la ganancia
control optimo
requiere la realimentacion
Preclculo
de K(k)
Control optimo
(3.94)
(3.95)
Se desea encontrar una ley de control uk que haga evolucionar al proceso desde
(3.96).
x(0) 6= 0 a x(N ) = 0 minimizando el funcional de costo de la ecuacion
62
J(x, u) =
N
1
X
(3.96)
K=0
J(x, u) =
N
1
X
(3.97)
K=0
(3.98)
(3.99)
(3.100)
K = (R + H PH) H )PG
1
(3.101)
(3.102)
63
en estado estacionario esta dada por
La ley de control optimo
para la operacion
u(k) = Kx(k)
(3.103)
(3.102) en la ecuacion
(3.103), se obtiene
Si se sustituye la ecuacion
u(k) = (R + HT PH)1 HT )PGx(k)
(3.104)
(3.105)
(3.106)
de matrices,
donde se ha utilizado el lema de inversion
(A + BC)1 = A1 A1 B(I + CA1 B)1 CA
con A = I, B = H y C = R1 HT P.
J asociado a la ley de control optimo
El ndice de desempeno
en estado estacionario
del ndice de desempeno
mnimo Jmin =
se puede obtener de la ecuacion
T
x (0)P(0)x(0)[5, pag. 575], al sustituir P por P (0):
Jmin = xT (0)Px(0)
(3.107)
apareceran solo
cerca
desviaciones del desempeno
debidas a la aproximacion
del fin del proceso de control.
3.6.2.1.
Ecuacion
de Riccati en estado estacionario
(3.109)
y comenzar la solucion
numerica, es importante notar que la
en estado estacionario. Al calcular la solucion
matriz P es una matriz Hermtica o real simetrica y es definida positiva.
3.7.
Control optimo
a la
Como se ha visto anteriormente en el control optimo
se busca la solucion
de Riccati que se describe en la ecuacion
(3.109). Se requiere de las matrices
ecuacion
Q y R y de las matrices ampliadas G y H, las cuales se obtienen a partir del lazo
cerrado del esquema que se muestra 3.8:
(3.110)
(3.111)
(3.112)
(3.113)
K = [k1 k2 k3 k4 ]
(3.114)
donde
65
ya que
v(k + 1) = v(k) + r(k + 1) y(k + 1)
= v(k) + r(k + 1) C[Gx(k) + Hu(k)]
= CGx(k) + v(k) CHu(k) + r(k + 1)
(3.115)
se tiene
x(k + 1)
G
0 x(k)
H
0
=
+
u(k) +
r(k + 1)
v(k + 1)
CH 1 v(k)
-CH
1
(3.116)
escalon,
es decir r(k) = r(k + 1) = r
se supone que la entrada r es una funcion
Entonces cuando k se aproxima a infinito,
x()
G
0 x()
H
0
=
+
u() +
r()
v()
CH 1 v()
-CH
1
(3.117)
(3.118)
(3.119)
se define
de error se convierte en
Entonces la ecuacion
xe (k + 1)
G
0 xe (k)
H
=
+
u (k)
ve (k + 1)
CH 1 ve (k)
-CH e
(3.120)
xe (k)
ue (k) = Kxe (k) + K1 ve (k) = K ve K1
ve (k)
(3.121)
Observe que
Ahora se define
G
0
CH 1
H
H=
-CH
= k k1
K
w(k) = ue (k)
=
G
66
(3.122)
(3.123)
(3.124)
(3.125)
yH
ampliadas, las cuales dependen directamente de la
Se obtienen las matrices G
del sistema. Se muestra a continuacion
los enfoques realizados para
caracterizacion
La matriz Q penaliza los estados del sistema. Sobre la diagonal se describen las
(3.59), as es que
variables de estado a ser penalizadas como se vio en la ecuacion
se tiene en el primer termino de la diagonal la posicion
error de estimacion
(3.126)
(3.127)
(3.128)
debe
Debe considerarse que en el momento de que el error sea cero, la penalizacion
adecuado, por lo tanto debera aparecer un
mantenerse sobre valor de penalizacion
valor constate en el momento en el que el error sea cero:
Qmn = 1/(ei + c)
Donde c 6= 0 si ei = 0.
adaptativa:
Se escribe la matriz Q con la penalizacion
67
(3.129)
1/(eix + cx )
0
0
1/(ei
a + ca )
0
0
Q=
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
(3.130)
y H
de realimentacion
para el enfoque de
controlador con dos grados de libertad
(3.131)
optima
68
4. RESULTADOS
4.1.
Objetivo
Presentacion
expuesto en los
captulos precedentes y analisis de resultados.
4.2.
Introduccion
de referencia tipo
a ngulo, se utilizaron dos tipos de senales
de referencia , una senal
y una senal
de referencia sinusoidal.
escalon
4.3 presenta los resultados de los controladores disenados
La seccion
en el captulo 2
luego el control de la posicion
y del a ngulo,
para controladores fijos sobre la posicion,
con el modelo matematico del sistema descrito en el captulo 1.
4.4 presenta las respuestas obtenidas de los controladores disenados
La seccion
para la
a partir de los disenos
obtenidos del captulo 2 y de la adaptacion
del sistema en lnea como se ve en el captulo 3.
caracterizacion
4.5 se muestran los resultados de la
En la primera parte de la seccion
sobre la simulacion
de la planta con caracterizacion
fija para
implementacion
diferentes penalizaciones a traves de la matriz Q como se vio en el captulo 3,
de Ricatti con penalizacion
fija de dos estados, penalizacion
resolviendo la ecuacion
fija sobre todos los estados e
fija de toda la diagonal de estados y penalizacion
interrelaciones de la matriz Q.
4.5 se muestran los resultados obtenidos a partir
En la segunda parte de la seccion
de los estados posicion
y a ngulo adaptativos,
de un Q adaptativo con penalizacion
como se expuso al final del captulo 3.
4.5 se muestran los resultados obtenidos bajo el
En la tercera parte de la seccion
optima
la posicion
angular del pendulo sometido a perturbaciones externas.
5 se realizan las conclusiones sobre el trabajo presentado y las
En la seccion
discusiones que llevan a plantear el desarrollo de trabajos futuros.
Los resultados obtenidos se presentan de la siguiente manera:
. Reubicacion
. PID, control sobre posicion.
de Polos, control sobre posicion.
. Reubicacion
de Polos enfoque por espacio de estados, control sobre
. Reubicacion
posicion.
. PID y Reubicacion
de Polos, control sobre posicion
y a ngulo
respectivamente.
de Polos y Reubicacion
de Polos, control sobre posicion
y
. Reubicacion
a ngulo respectivamente.
de Polos enfoque por espacio de estados y Reubicacion
de
. Reubicacion
y a ngulo respectivamente.
Polos, control sobre posicion
de referencia sinusoidal, de controladores
4. Resultados frente a una senal
y angulo sobre simulacion
4.4
adaptativos para posicion
. Reubicacion
de Polos enfoque por espacio de estados, control sobre
. Reubicacion
posicion.
. PID y Reubicacion
de Polos, control sobre posicion
y a ngulo
respectivamente.
de Polos y Reubicacion
de Polos, control sobre posicion
y
. Reubicacion
a ngulo respectivamente.
de Polos enfoque por espacio de estados y Reubicacion
de
. Reubicacion
y a ngulo respectivamente.
Polos, control sobre posicion
escalon,
de controladores optimos
integral, penalizando con la matriz Q la
. Control optimo
fijo con accion
y el a ngulo.
posicion
. Accion
de Polos adaptativo, control sobre posicion.
. Reubicacion
de referencia sinusoidal, de controladores para
10. Resultados frente a una senal
sobre la planta real4.6.
posicion
Integral fijo, control sobre posicion.
. Accion
de Polos adaptativo, control sobre posicion.
. Reubicacion
de parametros.
. Estimacion
de Polos adaptativo de cuarto orden y Reubicacion
de polos
. Reubicacion
y el a ngulo
adaptativo de segundo orden, control sobre la posicion
respectivamente.
4.3.
implementacion
visual SIMULINK. Para el diseno
Add
y
position
Zero TOrder
Hold
angle
theta
uCRBRu2
Zero TOrder
Hold C
System
uC
fcn
u2
r
carroLtranslation
VR
VRRSignalRExpander
Embedded
MATLABRFunction
eje CLrotation
eje 2Lrotation
VRRSink C
TC
VR
VRRSignalRExpander C
Gain
controlRsignal
C
Constant
Slider
Gain C
reference
position
ManualRSwitch
GC8F MBpi
angleR Gdeg M
uRBRrRBRyRBRa
CartRdesiredRtrajectoryR
SealRdeRreferencia
de los controladores
Figura 4.1: Diagrama de bloques en Simulink para la simulacion
fijos.
73
Referencia
Modelo de Referencia
2.2
2
1.8
posicin[m]
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
angulo []
6
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
frente a
Figura 4.2: Respuesta controlador Modelo de Referencia fijo para posicion
un impulso.
Ya que es un sistema acoplado, la apertura angular del pendulo se ve afectado por
de control, en la figura 4.2. Finalmente
el movimiento del carro durante la accion
despues del tiempo de establecimiento el pendulo sigue oscilando consecuencia de
las oscilaciones del carro.
En la figura 4.3 se presentan los controladores Modelo de Referencia, Paso Adelante
de Polos, con los cuales se ejecuto una accion
de control sobre la
y Reubicacion
y el a ngulo, realizando combinaciones entre los controladores, con el objeto
posicion
de comparar los resultados obtenidos, tiempo de establecimiento, y control sobre la
y el a ngulo.
posicion
74
posicin [m]
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
6
4
angulo []
2
0
2
4
6
8
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
y angulo frente
Figura 4.3: Respuesta de los controladores fijos para posicion
a un impulso, referencia de color rojo. Las combinaciones de los controladores
y a ngulo corresponden a: azul (a) Modelo de Referencia y Paso
para posicion
de Polos
Adelante respectivamente, verde (b) Modelo de Referencia y Reubicacion
respectivamente, cian (c) Paso Adelante y Paso Adelante respectivamente.
Aunque el controlador (b) tiene un tiempo de establecimiento mayor que los
se mantiene mas cercana a la referencia respecto
controladores (a) y (c) la posicion
de control que se
de los otros controladores oscilando entre 0.1m, ademas la accion
a diferencia de los
ejerce sobre el a ngulo no genera perturbaciones sobre la posicion
controladores (a) y (c).
sobre el a ngulo existe para los tres controladores, el control de (b)
La regulacion
sobre el a ngulo se mantiene mas cercano a la referencia 1o respecto a (a) y (c), sin
sobre el a ngulo no es aceptable.
embargo la regulacion
75
posicing[m]
Controlgsobreglagposicin
2.3
2
1.7
1.4
1.1
0.8
0.5
0.2
0.1
0.4
0.7
1
1.3
1.6
1.9
2.2
g
0
Referencia
PModelogdegReferencia
PasogAdelante
5
10
15
20
25
Tiempo[s]
30
35
40
45
50
Controlgsobregelgangulo
8
Noghaygcontrol
6
4
ngulog[]
2
0
2
4
6
8
10g
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
Modelo de
sinusoidal de color rojo. las senales
de los controladores para posicion
Referencia en color azul, y Paso Adelante en color verde.
En la figura 4.4 se presentan los controladores Modelo de Referencia y Paso
de control sobre la posicion
para
Adelante, con los cuales se ejecuto una accion
un control de la posicion
que sigue fielmente
una referencia sinusoidal. Se efectua
la referencia.
En la figura 4.5 se presentan los controladores Modelo de Referencia, Paso Adelante
de Polos, con los cuales se ejecuto una accion
de control sobre la
y Reubicacion
y el a ngulo, realizando combinaciones entre los controladores (a, b y c),
posicion
para una referencia sinusoidal.
76
posicin [m]
Referencia
(a)Modelo de Referencia
(b)Modelo de Referencia
(c)Paso Adelante
5
10
15
20
25
Tiempo[s]
30
35
40
45
50
ngulo []
10
10
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
y angulo con
Figura 4.5: Respuesta de los controladores fijos para posicion
una referencia sinusoidal de color rojo. Las combinaciones de los controladores
y a ngulo corresponden a: azul (a) Modelo de Referencia y Paso
para posicion
de Polos
Adelante respectivamente, verde (b) Modelo de Referencia y Reubicacion
respectivamente, cian (c) Paso Adelante y Paso Adelante respectivamente.
El controlador (b) procura llevar el carro a la referencia de manera menos perturbada,
a diferencia de los otros dos controladores, que se preocupan por llevar mas rapido el
carro a la referencia introduciendo oscilaciones debido al movimiento del pendulo,
el controlador (b) al alcanzar la referencia se ve enfrentado a la inercia del pendulo,
sobre el a ngulo, sin embargo
este cambio de la referencia introduce una perturbacion
de control sobre e ste, hace regulacion
sin llegar a ser muy buena.
la accion
77
4.4.
implementacion
visual SIMULINK. Para el diseno
y se disenaron
los controladores como se vio en el capitulo 2 para finalmente hacer
y el a ngulo, con los controladores
control sobre las variables de estado de la posicion
de Polos 2.3.1.4
descritos de forma general en el capitulo 2, PID 2.3.2.2, Reubicacion
de Polos por espacio de estados 2.4.2.
y Reubicacion
Add
y
position
Zero -Order
Hold
angle
theta
u1 / u2
Zero -Order
Hold 1
u1
System
a
u2
fcn
theta_est
car
carang
carro.translation
VR
VR Signal Expander
theta_est2
Embedded
MATLAB Function
Theta 1
posicion
eje 1.rotation
Theta 2
angulo
eje 2.rotation
VR Sink 1
-1
VR
VR Signal Expander 1
Gain
control signal
reference
1
Constant
Slider
Gain 1
position
angle (deg )
(180 )/pi
u /r/y/a
Cart desired trajectory
POS
ANG
ESTIMATION
de los controladores
Figura 4.6: Diagrama de bloques en Simulink para la simulacion
adaptativos.
Referencia
PID
Reubicacin de Polos
Reubicacin de Polos SS
2.2
2
1.8
1.6
posicin [m]
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
8
6
ngulo []
4
2
0
2
4
6
8
10
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
frente a una
Figura 4.7: Respuesta de los controladores adaptativos para posicion
PID
referencia impulso de color rojo. las senales
de los controladores para posicion
de Polos en color verde y Reubicacion
de Polos en espacio
en color azul, Reubicacion
de estados en color negro.
Se puede observar que los tres controladores se mantienen cercanos a la referencia,
de Polos por espacio de estados, debido a
sin embargo el controlador Reubicacion
todos los estados del sistema. El tiempo de establecimiento es mayor puesto que
esta considerando todas las demas variables del sistema, a ngulo, velocidad lineal y
velocidad angular, como se dijo anteriormente.
En la figura 4.8 se pueden observar las respuestas de los controladores PID,
de Polos polinomial y Reubicacion
de Polos por espacio de estados, con
Reubicacion
de control sobre la posicion
y el a ngulo, realizando
los cuales se ejecuto una accion
combinaciones entre los controladores (a, b y c), para una referencia escalon.
2
Referencia
(a)PID
(b)Reubicacin de Polos
(c)Reubicacin de Polos SS
posicin [m]
1.5
0.5
0.5
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
20
ngulo []
10
10
20
30
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
y angulo
Figura 4.8: Respuesta de los controladores adaptativos para posicion
y a ngulo
frente a un impulso.Las combinaciones de los controladores para posicion
de Polos respectivamente, verde (b)
corresponden a: azul (a) PID y Reubicacion
de polos y Reubicacion
de Polos respectivamente, cian (c) Reubicacion
reubicacion
de Polos respectivamente.
de Polos por espacio de estados y Reubicacion
de Polos,
Introduciendo control sobre el a ngulo mediante el controlador Reubicacion
se obtienen mejores respuestas para los tres casos, para el caso del control de la
mediante el controlador (c), se llega mas rapido a la referencia y se obtiene
posicion
80
un menor sobrepaso 0.05m, enfrentado a 0.1m que alcanza (b), de forma semejante
puede observarse que para el controlador (b), el sobrepaso se reduce, se espera como
sobre el a ngulo despues
en el caso anterior figura 4.7, que ocurra una perturbacion
de la posicion
sobre la
del tiempo de establecimiento, producto de la estabilizacion
un control sobre el a ngulo, que
referencia a diferencia del caso anterior si se efectua
finalmente lo lleva a la referencia.
El controlador PID presenta oscilaciones, debido a que es un controlador de segundo
orden y no representa fielmente al sistema. Se ejecuta un control sobre el a ngulo
persiste despues de los 10s dado a que las oscilaciones para la
pero la perturbacion
no se minimizaron completamente.
posicion
Referencia
PID
Reubicacin de Polos
Reubicacin de Polos SS
2.2
2
1.8
1.6
posicin [m]
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
ngulo []
10
15
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
con ajuste de
Figura 4.9: Respuesta de los controladores adaptativos para posicion
de datos.las senales
obtenida de manera aleatoria, mientras que para figura 4.9, se hizo la inicializacion
a traves del modelo matematico por espacio de estados (1.6) y (1.7) captulo (1).
en tiempo real esta mas
Ya que el algoritmo con el cual se hace la caracterizacion
al inicializarse con los parametros del modelo matematico, o
cercano a la solucion
del sistema fuera de linea, el
con unos parametros obtenidos con una identificacion
controlador llega mas rapido a la respuesta.
posicin [m]
1
0.5
0
0.5
1
Referencia
(a)PID
(b)Reubicacin de Polos
(c)Reubicacin de Polos SS
1.5
2
2.5
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
20
15
ngulo []
10
5
0
5
10
15
20
25
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
con una
Figura 4.10: Respuesta de los controladores adaptativos para posicion
de la posicion
y la
La respuesta del controlador (c) es la esperada para el caso de la posicion,
de un controlador por Reubicacion
de Polos polinomial mejora la
introduccion
respuesta para el a ngulo.
83
posicin [m]
1
0.5
0
0.5
1
Referencia
(a)PID
(b)Reubicacin de Polos
(c)Reubicacin de Polos SS
1.5
2
2.5
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
15
10
ngulo []
5
0
5
10
15
20
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
y angulo
Figura 4.11: Respuesta de los controladores adaptativos para posicion
con senal
de referencia sinusoidal de color rojo. Las combinaciones de los
y a ngulo corresponden a: azul (a) PID y Reubicacion
4.5.
fijos y adaptativos
La obtencion
fijos, se hizo mediante la
de cada uno de los controladores en el entorno de programacion
implementacion
MATLAB R2007b y SIMULINK.
84
Add
y
cart position
position
Zero -Order
Hold
angle
theta
u1 / u2
Zero -Order
Hold 1
u1
theta_est
car
carang
carro.translation
VR
VR Signal Expander
Theta 1
posicion
POS
eje 2.rotation
Theta 2
angulo
ANG
VR Sink 1
IDENTIFICACION
VR
VR Signal Expander 1
Gain
theta_est2
Embedded
MATLAB Function
eje 1.rotation
-1
K_est
fcn
control signal
reference
1
Constant
Slider
Gain 1
position
angle (deg )
Manual Switch
(180 )/pi
grados
u/r/y/a
de los
Figura 4.12: Diagrama de bloques en Simulink para la simulacion
controladores optimos
adaptativos.
penalizacion
fija sobre todos los estados e interrelaciones de la matriz Q1 y una matriz R unitaria.
1
85
32.8
0
0 0
0 939.5 0 0
=
0
0
0 0
0
0
0 0
(4.1)
462.29
0
0
0
0
120.9
0
0
=
0
0
312.34
0
0
0
0
928.87
(4.2)
QP osAng
QDiagonal
QCompleto
=
267.06 946.86 425.47 57.4
253.23 57.28 57.24 984.4
(4.3)
sistema frente a las otras penalizaciones realizadas con Q diagonal y Q para posicion
y a ngulo.
86
posicin
1.5
0.5
50
100
150
200
250
k
300
350
400
450
500
4
3
ngulo []
2
1
0
1
2
3
50
100
150
200
250
k
300
350
400
450
500
integral optimo
y
Figura 4.13: Respuesta del controlador accion
fijo para la posicion
el a ngulo.
En la figura 4.14 se presentan los resultados obtenidos mediante un controlado
87
0.5
0.5
Referencia
Q posicin y ngulo
Q diagonal
Q completo
1.5
50
100
150
200
250
k
300
350
400
450
500
8
6
ngulo []
4
2
0
2
4
6
8
10
50
100
150
200
250
k
300
350
400
450
500
integral optimo
y
Figura 4.14: Respuesta del controlador accion
fijo para la posicion
de referencia cuadrada.
el a ngulo, para una senal
para una senal
de referencia tipo escalon
caracterizacion
tiene
K calculada como se mostro en capitulo 3.
una ganancia de realimentacion
88
posicin[m]
1.5
0.5
10
15
20
25
Tiempo[s]
30
35
40
45
50
angulo []
4
2
0
2
4
6
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
y angulo para
Figura 4.15: Respuesta de los controladores adaptativos para posicion
de referencia escalon.
una senal
de Polos por espacio
En la figura puede observarse que el controlador Reubicacion
de estados adapatativo (b) alcanza la referencia y tiene un tiempo de establecimiento
de Polos por espacio de estados adapatativo
menor que el controlador Reubicacion
89
4
3
posicin[m]
2
1
0
1
2
3
4
5
10
20
30
40
50
Tiempo[s]
60
70
80
90
100
angulo []
2
1
0
1
2
3
10
20
30
40
50
Tiempo[s]
60
70
80
90
100
y angulo para
Figura 4.16: Respuesta de los controladores adaptativos para posicion
de referencia sinusoidal.
una senal
son fieles a la referencia
Se puede apreciar que ambas respuestas para posicion
a este comportamiento figura 4.17),
aunque presentan un desfase de 3s(ver solucion
en cuanto al control del a ngulo para ambas respuestas se puede notar cierta mejora
del controlador (a) respecto al controlador (b), manteniendo mas cerca de cero la
del pendulo para el tiempo de ejecucion
de los controladores.
posicion
90
4
3
posicin[m]
2
1
0
1
2
3
4
5
50
100
150
200
250
Tiempo[s]
300
350
400
450
500
4
3
angulo []
2
1
0
1
2
3
4
5
50
100
150
200
250
Tiempo[s]
300
350
400
450
500
y angulo para
Figura 4.17: Respuesta de los controladores adaptativos para posicion
bajas frecuencias.
Como se pudo observar en la figura 4.16, los controladores para el control de la
no lograron seguir la referencia de manera muy cercana, sin embargo esto se
posicion
podra mejorar si se utilizara una referencia con una frecuencia menor, la frecuencia
utilizada en la referencia de los resultados mostrados en la figura 4.16 fue de 0.033
Hz. En la figura 4.17 se muestran los resultados obtenidos con una frecuencia menor,
de 0.0035 Hz, donde ambos controladores se aproximan mas a la referencia y logran
hacer un control muy bueno sobre el a ngulo.
de la
En la figura figura 4.18 se muestran las senales
de control y la adquisicion
para el controlador (a). La estimacion
de la ganancia
ganancia de realimentacion
se realiza de manera adaptativa a partir de la caracterizacion
del
de realimentacion
91
Seal de Control
0.6
(a)
(b)
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
10
20
30
40
50
Tiempo[s]
60
70
80
90
100
6
1
10
10
10
10
Escala logartmica
de Polos y variacion
K.
En las figuras 4.19 y 4.20 se presentan las respuestas de los controladores optimos
y el a ngulo. En la
adaptativos con los cuales se realizo control sobre la posicion
de Polos
figura 4.19 se muestra la respuesta para un controlador por Reubicacion
92
posicin [m]
0.5
0.5
1.5
10
20
30
40
50
Tiempo[s]
60
70
80
90
100
ngulo []
1
0
1
2
10
20
30
40
50
Tiempo[s]
60
70
80
90
100
de Polos
Figura 4.19: Respuesta del controlador optimo
adaptativo por Reubicacion
y el a ngulo.
para la posicion
obtenida a partir de
La respuesta para el enfoque de la ganancia de realimentacion
adaptativa del sistema figura 4.19, aunque se presenta un error de
la caracterizacion
de polos, la
estado estacionario que podra solucionarse con una adecuada seleccion
sigue la referencia y el a ngulo oscila muy cercano a cero.
posicion
93
posicin [m]
0.5
0.5
1.5
50
100
150
200
250
k
300
350
400
450
500
350
400
450
500
ngulo []
10
0
10
20
30
40
50
100
150
200
250
k
300
integral para la
Figura 4.20: Respuesta del controlador optimo
adaptativo con accion
y el a ngulo.
posicion
Dadas las caractersticas del sistema se puede observar un comportamiento similar
para la respuesta del a ngulo tanto en la figura 4.19 y figura 4.20 donde se presentan
perturbaciones debidas a los cambios de la referencia. En la respuesta para el
adaptativa mediante la matriz Q en la figura 4.20, logra
enfoque de la penalizacion
regularse el a ngulo despues del tiempo de establecimiento. Cabe aclarar que solo se
y el a ngulo de manera adaptativa (1/error) dado que era el
penalizaron la posicion
objeto de estudio de este trabajo. Por lo que se infiere de los resultados anteriores
para el a ngulo si se penalizaran las demas
podra lograrse una mejor regulacion
variables de estado.
94
4.6.
Resultados de la implementacion
sobre la planta
implementacion
fija y para el controlador por reubicacion
de polos con
integral con caracterizacion
adaptativa para el control sobre una variable de estado.
caracterizacion
Version 1.10
Version 1.10
position
angle
position
control signal
PCI1711
Lab I /O Board
cart position
angle
Feedback Encoder
angle
pi
Cart Position \
Pendulum Angle
PCI1711
Lab I /O Board
cart position
Constant
Slider
Gain
Saturation
Feedback DAC
Add 1
cart position
Constant 1
Feedback DAC
1e4
s2 +70.7s+1e4
Transfer Fcn 1
1e4
du/dt
Derivative
fcn
Embedded
MATLAB Function
s2 +70.7s+1e4
Transfer Fcn
Figura 4.21: Diagrama de bloques en Simulink para realizar control sobre la planta
real.
integral
En la figura 4.22 se presentan las respuestas para los controladores Accion
de Polos polinomial adaptativo de cuarto orden,
fijo de tercer orden, y Reubicacion
frente a una senal
de referencia escalon.
La respuesta
para control sobre la posicion
del controlador adaptativo frente a la del controlador fijo, alcanza en menor tiempo
la referencia con mayor sobrepaso debido a la rapida respuesta y a la inercia que
opone el movimiento del carro. En consecuencia la apertura del a ngulo es mayor que
integral, debido a su lenta respuesta frente al impulso.
la del controlador por accion
95
0.12
posicin [m]
0.1
0.08
0.06
0.04
0.02
10
15
20
25
Tiempo[s]
30
35
40
45
50
ngulo []
5
0
5
10
15
20
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
96
0.1
posicin [m]
0.05
0
0.05
0.1
0.15
0.2
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
4
3
ngulo []
2
1
0
1
2
3
4
5
0
10
15
20
25
Tiempo[s]
30
35
40
45
50
97
0.5
1.5
3
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
98
0.1
posicin [m]
0.05
0
0.05
0.1
0.15
0.2
10
15
20
25
Tiempo[s]
30
35
40
45
50
ngulo []
0
1
2
3
10
15
20
25
Tiempo[s]
30
35
40
45
50
99
0.25
0.2
posicin [m]
0.15
0.1
0.05
0
0.05
0.1
0.15
10
15
20
25
Tiempo[s]
30
35
40
45
50
25
20
ngulo []
15
10
5
0
5
10
15
20
10
15
20
25
Tiempo[s]
30
35
40
45
50
100
5. CONCLUSIONES
del sistema en
Se realizaron diferentes metodologas para la caracterizacion
controladores disenados.
El hecho de que sea un modelo ajustable representa
de prototipos de controladores puesto que no se
ventajas para el diseno
consideran perturbaciones externas, como fallos en la planta, desajustes
mecanicos o ruido externo.
para control de la posicion
y el
De los resultados obtenidos en simulacion,
a ngulo de manera fija y adaptativa, se puede concluir que los adaptativos
presentaron mejor respuesta que los fijos, lo que resulta apenas normal, ya
en lnea.
se disenaron
a traves de algoritmos de identificacion
de un controlador requiere del conocimiento de los polos del sistema,
El diseno
del orden del sistema a controlar, no siendo objeto
y de la correcta seleccion
de este trabajo el criterio para la escogencia de los polos, fue a criterio del
disenador
donde la respuesta fue la mas adecuada. El orden del sistema se
conoca de trabajos anteriores [2]. Como trabajo futuro se invita a plantear
adecuada de los polos para un sistema
a una metodologa para la obtencion
algoritmo de identificacion
de que los nuevos parametros
obtenidos no se encuentren muy alejados de los valores reales de la planta,
eliminando posibles perturbaciones que se puedan presentar al instante de
hacer control.
de los controladores puede variar dependiendo de su finalidad,
La aplicacion
como se ve en los resultados los controladores ofrecen diferentes caractersticas
en su respuesta o al variar las condiciones de la referencia, como se evidencia
para el caso en donde Se demuestra experimentalmente que al variar la
de seguimiento, los controladores alcanzan la referencia
frecuencia de la senal
ver figura 4.17.
El modelo matematico fijo del sistema se construye a partir de las
caractersticas dadas por el fabricante en el manual, y de las consideraciones y
aproximaciones tenidas en cuenta durante el desarrollo de las leyes fsicas que
de las propiedades
puedan regir al sistema, motivo por el cual la desviacion
de la planta que puedan cambiar con el tiempo no son consideradas. Por lo
de los parametros que describan al sistema
tanto se requiere de una obtencion
a este
independiente del estado o condiciones de la planta. Para dar solucion
tipo de particularidades se propone caracterizar la planta en lnea, mediante
adaptativos.
algoritmos de identificacion
de
Los controladores polinomiales se disenan
a partir de la funcion
transferencia de la variable de estado a controlar, se puede entonces obtener
una ley de control para cada variable de estado con el fin de obtener un control
optima
esperada.
Se lograron satisfactoriamente los objetivos planteados para este trabajo grado,
103
BIBLIOGRAFIA
[1] http://www.centroaceros.com/Puentesgrua/ArticuloCalidadPuenteGrua.aspx
[2] C. Betancur, and L. Tafur. Sintonizacion de un Control Optimo Cuadratico con
Computacion evolutiva para un Puente Grua.
Universidad Tecnologica
de Pereira. Pereira, 2008.
Tecnologica
de Pereira, Editorial promedios, 2012.
[5] K. Ogata, Sistemas De Control en Tiempo Discreto, segunda ed. Prentice Hall
Hispanoamerica.1996.
[6] K. Astrom, & B. Wittenmark, Adaptive Control, Prentice Hall, 1994.
[7] D. Rodrguez, Implementacion de Bloques de Simulink para Control Adaptativo
de un Motor de Corriere Continua. R.Barber, & S. Garrido Pregrado [tesis],
Universidad Carlos III de Madrid,Escuela Politecnica Superior, Leganes 2012.
[8] Introduccion
al control adaptativo. http://www.slideshare.net/
balzasbravas/controladaptativo. Fecha de consulta: 25 de junio del
2014.
[9] S. Garrido, Identificacion, Estimacion y Control de Sistemas No-Lineales mediante
RGO. Dr.L.Moreno, & Dr.C.Balanguer Pregrado [tesis], Universidad Carlos III
de Madrid,Escuela Politecnica Superior, Leganes 1999.
Universidad Tecnologica
de Pereira, 2007.
104
[13] G. Goodwin, & K. Sang; Adaptive Filtering, Prediction and Control Deterministic.
Prentice Hall, INC, 1984.
[14] C. A. Saldarriaga, and J. Henao Identificacion de parametros y control de un
04,
om,
[16] K.Astr
& T. Hogglund,(1995)PID
Controllers: Theory,Design, and Tuning, 2nd
Edition.
[17] ftp://ftp.unicauca.edu.co/Facultades/FIET/DEIC/Materias/Nolineales
[18] http://www.estrucplan.com.ar/Producciones/entrega.asp?IdEntrega=1087
[19] http://www.depeca.uah.es/depeca/repositorio/asignaturas/32328/Tema5.pdf
[20] E. Benedicto, Identificacion de sistemas en Lazo Cerrado con Estructura tipo
y Desarrollo Tecnologico,
Cuernavaca, Morelos, Mexico 2007.
[21] E. Franco, J. Martnez & H. Calero; Controlador Self-Tuning: Aplicado a Control de
Procesos con Dinamicas Altamente Variables. Revista Ciencia y Tecnologa, vol. 1,
No.2, 1998.
[22] http://www.deio.urjc.es/controloptimo.html
[23] http://gama.fime.uanl.mx/ salinas/apuntes1.pdf
105
Transformada Z
A.1.1.
Definicion
de la transformada Z
(A.1)
entonces
s=
1
ln(z)
h
(A.2)
X
1
u(kh) z k
U s = ln(z) = U (z) =
h
k=0
(A.3)
(A.4)
A.2.
Controlabilidad
(A.5)
Wc = 2 n1
(A.6)
Donde
A.3.
Observabilidad
numero
finito de perodos de muestreo.[5] Un sistema es observable si a partir de
las senales
de entrada y salida existe un valor finito K suficiente para determinar el
estado inicial del sistema.
Considerese el siguiente sistema:
x(k + 1) = x(k) + u(k)
(A.7)
y(k) = Cx(k)
Asumiendo que u(k) = 0 y y(0), y(1), ..., y(n 1) son dados, se tendran las siguientes
ecuaciones:
y(0) = Cx(0)
y(1) = Cx(1) = Cx(0)
..
.
y(n 1) = Cn1 x(0)
vectorial:
Usando notacion
107
(A.8)
(A.9)
(A.10)
C
C
..
.
Cn1
x(0) =
y(0)
y(1)
..
.
y(n 1)
C
C
Wo =
..
.
n1
C
Se dice entonces que el sistema es observable y el estado x(0) se puede obtener, si la
matriz observable tiene rango n.[4][14]
A.4.
Operadores de desplazamiento
con operadores, los sistemas son vistos como operadores que mapean las senales
de
entrada a senales
de salida. Para especificar un operador es necesario dar su rango,
el operador
es decir, definir la clase de senales
de entrada, y describir como actua
A.5.
Formas canonicas
(A.11)
(A.13)
Forma canonica
controlable
Forma canonica
observable
Forma canonica
diagonal
Forma canonica
Jordan
A.5.1.
Forma canonica
controlable
x1 (k + 1)
0
1
0
0
x1 (k)
0
x2 (k + 1) 0
0
1
0 x2 (k) 0
..
..
..
..
..
..
..
..
=
+
u(k)
.
.
.
.
.
.
.
.
xn1 (k + 1) 0
0
0
1 xn1 (k) 0
xn (k + 1)
an an1 an2 a1
xn (k)
1
(A.14)
109
x1 (k)
x2 (k)
..
.
+ b0 u(k)
(A.15)
xn (k)
en el espacio de estado nada por (A.14) y (A.15) se conoce
La representacion
comunmente
como forma canonica
controlable, donde (A.14) representa el estado
del sistema y (A.15) representa la salida del sistema.
A.5.2.
Forma canonica
observable
x1 (k + 1)
x2 (k + 1)
..
.
xn1 (k + 1)
xn (k + 1)
0
0
.. ..
. .
0 0
0 0
0
1
..
.
0 an
0 an1
..
..
.
.
0 an2
1 a1
x1 (k)
x2 (k)
..
.
xn1 (k)
xn (k)
b n an b 0
bn1 an1 b0
..
.
b 2 a2 b 0
b 1 a1 b 0
u(k)
(A.16)
y(k) = [ 0 0 0 1]
x1 (k)
x2 (k)
..
.
+ b0 u(k)
(A.17)
xn (k)
en el espacio de estado dada por las ecuaciones (A.16) y (A.17)
La representacion
se conocen como forma canonica observable. Observe que la matriz de estado nxn de
de estado dada por la ecuacion
(A.16) es la transpuesta de la matriz
las ecuacion
de estado definida por la ecuacion
(A.14).[5]
correspondiente a la ecuacion
A.5.3.
Forma canonica
diagonal
x1 (k + 1)
x2 (k + 1)
..
.
xn (k + 1)
p1 0
0 p2
.. ..
. .
0 0
..
.
0
0
..
.
pn
110
x1 (k)
x2 (k)
..
.
xn (k)
1
1
..
.
1
u(k)
(A.18)
y(k) = [ c1 c1 c1
x1 (k)
x2 (k)
..
.
+ b0 u(k)
(A.19)
xn (k)
A.5.4.
Forma canonica
Jordan
x1 (k + 1)
x2 (k + 1)
..
.
xm (k + 1)
xm+1 (k + 1)
..
.
xn (k + 1)
p1 1
0 p1
.. ..
. .
0 0
0 0
.. ..
. .
0
0 0
0
1 0
0
.. . .
..
..
. .
.
.
0 p1
0
0 0 pm+1
.. . .
.
..
. ..
.
.
0 0
0
..
.
0
0
..
.
..
.
1
1
..
.
x1 (k)
x2 (k)
..
.
xm (k)
xm+1 (k)
..
.
xn (k)
0
0
..
.
1
1
..
.
u(k)
1
(A.20)
y(k) =
c1 c2
cn
x1 (k)
x2 (k)
..
.
xn (k)
111
+ b0 u(k)
(A.21)