Beruflich Dokumente
Kultur Dokumente
net/publication/228743268
Article
CITATIONS READS
0 50
4 authors:
Some of the authors of this publication are also working on these related projects:
DPI2015-71443: Multiobjective Optimization for multivariable systems | MINECO, Spanish Goverment | View project
All content following this page was uploaded by Xavier Blasco on 28 May 2014.
La aplicación permite determinar qué trayectoria Por último destacar, que para la introducción de
deben de seguir las salidas del sistema. Éstas se nuevas trayectorias se debe realizar un borrado
especifican mediante la utilización de los comandos previo de las ya establecidas; esto es gestionado por
que muestra la figura 4. el botón “Eliminar Ref.” que permite eliminar todas
las referencias asignadas a las salidas en
experimentos anteriores.
J = xT ·H · x + F T · x
(8)
Figura 7. Barra de menús. C·x ≤ B
Además, se ha implementado una función propia que
Se pueden seleccionar una serie de ejemplos, los es capaz de generar el modelo de predicción del
cuales configuran automáticamente todo la sistema, así como calcular todas las matrices
aplicación, a falta de que el usuario introduzca el tipo necesarias para la función quadprog.m. Todos estos
de control que se desea realizar, debiendo de fijar las cálculos se realizan a partir del modelo del sistema y
trayectorias en el caso de desear un control de de los parámetros introducidos por el usuario.
seguimiento de referencias.
La figura 7 muestra un flujograma que clarifica el
Con la opción de menú Exportar Gráficas, el usuario funcionamiento de la aplicación.
puede enviar la información que presentan las
gráficas de resultados a una nueva figura de
MATLAB, para ser utilizar los resultados en la
realización de memorias, informes, etc.
• H 2 nivel de la cabecera (medible).
• N1 , consistencia del producto del tanque
(no medible).
• N 2 , consistencia del producto de cabecera
(medible).
• Gp, flujo de alimentación de materia prima
del tanque
• Gw, reflujo de entrada al tanque
⎡ H 1 (k + 1) ⎤ ⎡0.02 0 0 0 ⎤ ⎡ H 1 (k ) ⎤
⎢ H (k + 1)⎥ ⎢ ⎢ ⎥
⎢ 2 ⎥=⎢ 0. 11 0 .43 0 0 ⎥⎥ ⎢ H 2 (k )⎥
· +
⎢ N 1 (k + 1) ⎥ ⎢ 0 0 0.3 0 ⎥ ⎢ N 1 (k ) ⎥
⎢ ⎥ ⎢ ⎥⎢ ⎥
⎣ N 2 (k + 1) ⎦ ⎣0.10 − 0.67 0.3 0.43⎦ ⎣ N 2 (k ) ⎦
⎡0.65 0.65 ⎤
Figura 6. Flujograma de funcionamiento de la ⎢0.28 0.28 ⎥ Gp(k )
aplicación. +⎢ ⎥·⎡ ⎤
(9)
⎢1.52 − 0.74⎥ ⎢⎣Gw(k )⎥⎦
⎢ ⎥
⎣0.99 0.15 ⎦
4. EJEMPLO DE SIMULACIÓN DE ⎡ H 1 (k ) ⎤
UNA MÁQUINA PAPELERA. ⎢ ⎥
⎡ H 2 (k )⎤ ⎡0 1 0 0⎤ ⎢ H 2 (k )⎥ ⎡0⎤ ⎡ Gp (k ) ⎤
⎢ ( )⎥ ⎢ = ⎥ · + ⎢ ⎥·⎢ ⎥;
El presente apartado muestra la utilización de la ⎣ N 2 k ⎦ ⎣0 0 0 1⎦ ⎢ N 1 (k ) ⎥ ⎣0⎦ ⎣Gw(k )⎦
⎢ ⎥
aplicación cuando se quiere simular el control ⎣ N 2 (k ) ⎦
predictivo MIMO aplicado a una máquina papelera
[5]. (ejemplo que el usuario tiene disponible en la Los parámetros que se establecen para el
aplicación). planteamiento del problema de control predictivo se
recogen en la tabla 1.
La figura 8, presenta una breve descripción del
proceso. Parámetro Descripción Valor
P Horizonte de 10
predicción.
Numero de
instantes en los
que se obtiene la
respuesta
estimada del
sistema.
M Horizonte de 3
control. Numero
de acciones de
control futuras
que intervienen
en la predicción.
Figura 7. Diagrama de bloques de la máquina Q Matriz de ⎡50 0 ⎤
papelera. ponderación del ⎢ 0 25⎥
error (Ypred- ⎣ ⎦
Yref).
donde, R Matriz de ⎡0.6 0 ⎤
ponderación de ⎢ 0 0.6⎥
H 1 nivel del tanque (no medible). las acciones de ⎣ ⎦
•
control.
RESX Matriz de Para este caso
restricciones de particular RESX Se observa cómo las salidas presentan error en
los estados del se puede dejar a régimen permanente, pese a que ambas siguen las
sistema. 0 puesto que las tendencias fijadas por las referencias.
restricciones en
las salidas son A continuación se varía el peso de la matriz de
también las de ponderación de los errores de predicción y se vuelve
dos estados. a simular, con el objetivo de reducir el error en
RESY Matriz de ⎡ −3 5 ⎤ régimen permanente. Los nuevos valores de esta
restricciones de ⎢− 1000 1000⎥ matriz son:
las salidas. ⎣ ⎦
RESU Matriz de ⎡− 10 10⎤ ⎡0.305 0 ⎤
⎢− 10 10⎥ Q=⎢
3.2⎥⎦
restricciones de
las acciones de ⎣ ⎦ ⎣ 0
control.
QN Matriz de ⎡ 0 .2 0 ⎤
covarianzas del ⎢ 0 0.2⎥
ruido blanco ⎣ ⎦
V(k)
RN Matriz de ⎡0.1 0 ⎤
covarianzas del ⎢ 0 0.1⎥
ruido blanco ⎣ ⎦
W(k)
Tabla 1. Parámetros del simulador.
5. CONCLUSIONES
Este simulador de controladores predictivos en
espacio de estados, constituye una herramienta muy
práctica para el estudio de la influencia de los
parámetros del controlador en las prestaciones de
bucle cerrado. El alumno puede encontrar en esta
Figura 8. Respuesta del sistema. aplicación una primera toma de contacto con este
tipo de controladores, previo paso al desarrollo
teórico. Al mismo tiempo éste puede obtener la
validación de sus propios diseños de una forma
rápida y fiable.
Agradecimientos
Referencias