Академический Документы
Профессиональный Документы
Культура Документы
i=1
a
i
u
ki
Onde y
k
o valor predito da sada, u
k
=u
k
u
k1
e a
1
, a
2
, ..., a
N
so os coecientes da resposta
ao degrau. Alm disso, u
k1
= 0, se k i < 0 e u
0
= u
0
.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 5
Controle Preditivo Model Predictive Control
Modelo de resposta ao impulso
Os coecintes da resposta ao impulso unitrio do processo, h
1
, h
2
, ..., h
N
so expressos por
h
k
= a
k
a
k1
, k = 1, 2, ..., N e h
0
= 0
e o modelo de convoluo discreto, usando os coecientes da resposta ao impulso, :
y
k
=
N
i=1
h
i
u
ki
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 6
Controle Preditivo Model Predictive Control
Controle por Matriz dinmica (DMC)
Estratgia de Implementao - Horizonte Mvel
O controle preditivo, tal como o DMC, envolve uma sequncia de operaes
1. A cada instante de amostragem um modelo de convoluo discreto usado para predizer as
trajetrias das sadas do processo sobre um intervalo de tempo futuro nito, dado em termos de
R intervalos de amostragem (parmetro de projeto chamado horizonte de otimizao).
2. Uma Sequncia de L movimentos de controle determinada tal que uma funo objetivo seja
minimizada. Porm devido a distrbios e erros de modelagem o comportamento predito ir
diferir do comportamento real, de modo que os movimentos de controle determinados podem
no ser apropriados em seu todo.
3. Portanto, tipicamente apenas o primeiro movimento calculado das entradas do processo
implementado de fato, aps o que, todo o procedimento repitido no prximo instante de
amostragem, comeando em 1, quando uma nova medida tomada. Esta corresponde
estratgia do enfoque de horizonte mvel.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 7
Controle Preditivo Model Predictive Control
Controlador DMC
Para processos SISO, o DMC utiliza o seguinte modelo de convoluo discreto para predizer
a sada no prximo instante de amostragem k +1 ou predio passo simples:
y
k+1
=
N
i=1
h
i
u
k+1i
Note que para predizer a sada, preciso fornecer o valor da entrada presente u
k
e os
valores passados. Os parmetros do modelo h
i
so os coecintes da resposta ao impulso unitrio.
Outra maneira equivalente de representar a sada predita y
k+1
usar a forma recursiva do modelo
expressa em termos de variaes incrementais.
y
k+1
= y
k
+
N
i=1
h
i
u
k+1i
Onde u
k
= u
k
u
k1
Em seguida estendemos o modelo de convoluo para R instantes futuros
y
k+j
= y
k+j1
+
N
i=1
h
i
u
k+ji
Para j = 1, 2, ..., R, em que R < N.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 8
Controle Preditivo Model Predictive Control
A informao realimentada y
k
permite que a predio seja corrigida recursivamente.
y
c
k+j
= y
k+j
+(y
c
k+j1
y
k+j1
)
para j =1, 2, ..., R e y
c
k
=y
k
. Isto equivale a admitir que o erro de predio intrinseco equao
anterior corresponde ao erro observado no instante atual, isto , y
k
y
k
, e que o mesmo vale para
qualquer valor de j. Substituindo a sada estimada na equao anterior obtemos
y
c
k+j
= y
c
k+j1
+
N
i=1
h
i
u
k+ji
A equao acima pode ser escrita na forma de vetor-matriz para os R instantes futuros.
Assim,
_
_
y
c
k+1
y
c
k+2
.
.
.
y
c
k+R1
y
c
k+R
_
_
=
_
_
a
1
0 ... 0 0
a
2
a
1
... 0 0
.
.
.
a
R1
a
R2
... a
1
0
a
R
a
R1
... a
2
a
1
_
_
_
_
u
k
u
k+1
.
.
.
u
k+R2
u
k+R1
_
_
+
_
_
y
k
+P
1
y
k
+P
2
.
.
.
y
k
+P
R1
y
k
+P
R
_
_
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 9
Controle Preditivo Model Predictive Control
em que os a
i
so os coecientes da resposta ao degrau denidos por a
i
=
i
j=1
h
j
. e
P
i
=
i
m=1
S
m
i = 1, 2, ..., R
S
m
=
N
i=m+1
h
i
u
k+mi
m = 1, 2, ..., R
Os valores desejados para a varivel controlada y
d
k+j
( j = 1, 2, ..., R) podem ser especicados
por uma trajetria de referncia ( O prprio set point ou uma aproximao suave para este):
y
d
k+j
=
j
y
k
+(1
j
)r
k
para j = 1, 2, ..., R e 0 < 1.
O parmetro determina o quo rapidamente a trajetria atinge o set point r
k
. em forma
matricial
_
_
y
d
k+1
y
d
k+2
.
.
.
y
d
k+R1
y
d
k+R
_
_
=
_
1
y
k
+(1
1
)r
k
2
y
k
+(1
2
)r
k
.
.
.
R1
y
k
+(1
R1
)r
k
R
y
k
+(1
R
)r
k
_
_
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 10
Controle Preditivo Model Predictive Control
Subtraindo a equao do valor desejado para a sada do valor predito em malha fechada,
tem-se:
E =A
u+
E
Onde A
E =
_
_
y
d
k+1
y
c
k+1
y
d
k+2
y
c
k+2
.
.
.
y
d
k+R1
y
c
k+R1
y
d
k+R
y
c
k+R
_
=
_
_
(1
1
)E
k
P
1
(1
2
)E
k
P
2
.
.
.
(1
R1
)E
k
P
R1
(1
R
)E
k
P
R
_
_
Onde E
k
=r
k
y
k
. Note que
E e
E
u+
E
consequentemente,
u = (A
)
1
E
_
y
c
k+1
y
c
k+2
.
.
.
y
c
k+R1
y
c
k+R
_
_
=
_
_
a
1
0 ... 0
a
2
a
1
... 0
.
.
.
a
R1
a
R2
... a
RL
a
R
a
R1
... a
RL+1
_
_
_
_
u
k
u
k+1
.
.
.
u
k+L2
u
k+L1
_
_
+
_
_
y
k
+P
1
y
k
+P
2
.
.
.
y
k
+P
R1
y
k
+P
R
_
_
Agora a equao do erro dada por
E = Au +
E
.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 12
Controle Preditivo Model Predictive Control
O sistema sobredeterminado no tem uma soluo exata. possvel, entretanto, obter a
melhor soluo no sentido dos mnimos quadrados, minimizando o ndice de performance:
J(u) =
E
T
Q
T
Q
E +u
T
Ru
Onde Q uma matriz de ponderao denida positiva com dimenso RxR. Q ir permitir a
introduo de penalidades nos erros preditos e R uma matriz de ponderao LxL que ir penalizar
os movimentos da varivel manipulada. A soluo tima
u = (A
T
Q
T
QA+R)
1
A
T
Q
T
Q
E
= K
C
E
em que K
C
a matriz de ganhos feedback LxR. Para sistemas lineares, em que a matriz A
constante e a matriz K
C
precisa ser calculada apenas uma vez. Normalmente aplica-se apenas a
primeira ao de controle u
k
.
Ao utilizar o horizonte mvel, apenas a primeira la da matriz K
C
, contendo R elementos,
usada na equao. Denotando a primeira la de K
C
como K
T
cl
, tem-se:
u
k
= K
T
cl
E
i=1
h
11,i
u
1,k+1i
+... +
N
i=1
h
1M,i
u
M,k+1i
y
2,k+1
=
N
i=1
h
21,i
u
1,k+1i
+... +
N
i=1
h
2M,i
u
M,k+1i
.
.
.
y
M,k+1
=
N
i=1
h
M1,i
u
1,k+1i
+... +
N
i=1
h
MM,i
u
M,k+1i
que representam os valores preditos de y
1
, ...y
M
para o instante de amostragem k + 1. O
horizonte do modelo N selecionado como o maior horizonte de resposta entre os M
2
modelos.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 15
Controle Preditivo Model Predictive Control
Estendendo o modelo de convoluo para R instantes futuros, tem-se:
y
1,k+j
= y
1,k+j1
+
N
i=1
h
11,i
u
1,k+ji
+... +
N
i=1
h
1M,i
u
M,k+ji
y
2,k+j
= y
2,k+j1
+
N
i=1
h
21,i
u
1,k+ji
+... +
N
i=1
h
2M,i
u
M,k+ji
.
.
.
y
M,k+j
= y
M,k+j1
+
N
i=1
h
M1,i
u
1,k+ji
+... +
N
i=1
h
MM,i
u
M,k+ji
para j = 1, 2, ..., R. A seguir corrige-se o valor predito com base no valor atual, ou seja, para
j = 1, 2, ..., R :
y
c
1,k+j
= y
1,k+j
+(y
c
1,k+j1
y
1,k+j1
)
y
c
2,k+j
= y
2,k+j
+(y
c
2,k+j1
y
2,k+j1
)
.
.
.
y
c
M,k+j
= y
M,k+j
+(y
c
M,k+j1
y
M,k+j1
)
onde
y
c
1,k
= y
1,k
y
c
2,k
= y
2,k
.
.
.
y
c
M,k
= y
M,k
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 16
Controle Preditivo Model Predictive Control
Substituindo a sada estimada na equao anterior obtemos o modelo corrigido:
y
c
1,k+j
= y
c
1,k+j1
+
N
i=1
h
11,i
u
1,k+1i
+... +
N
i=1
h
1M,i
u
M,k+1i
y
c
2,k+j
= y
c
2,k+j1
+
N
i=1
h
21,i
u
1,k+1i
+... +
N
i=1
h
2M,i
u
M,k+1i
.
.
.
y
c
M,k+j
= y
c
M,k+j1
+
N
i=1
h
M1,i
u
1,k+1i
+... +
N
i=1
h
MM,i
u
M,k+1i
A equao pode ser escrita na forma vetor-matriz para os R instantes futuros. Assim,
_
_
y
c
1
y
c
2
.
.
.
y
c
M1
y
c
M
_
_
=
_
_
A
11
A
12
... A
1M1
A
1M
A
21
A
22
... A
2M1
A
2M
.
.
.
A
M11
A
M12
... A
M1M1
A
M1M
A
M1
A
M2
... A
MM1
A
MM
_
_
_
_
u
1
u
2
.
.
.
u
M1
u
M
_
_
+
_
_
y
1,k
F +P
1
y
2,k
F +P
2
.
.
.
y
M1,k
F +P
M1
y
M,k
F +P
M
_
_
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 17
Controle Preditivo Model Predictive Control
Em que cada partio triangular:
A
i j
=
_
_
a
i j,1
0 ... 0 0
a
i j,2
a
i j,1
... 0 0
.
.
.
a
i j,R1
a
i j,R2
... a
i j,1
0
a
i j,R
a
i j,R1
... a
i j,2
a
i j,1
_
_
Sendo a
i j,m
=
m
l=1
h
i j,1
e os demais elementos dados por
y
c
n
= [y
c
n,k+1
y
c
n,k+2
... y
c
n,k+R
]
T
n = 1, 2, ..., M
u
n
= [u
n,k
u
n,k+1
... u
n,k+L1
] n = 1, 2, ..., M
F = [1 1 ... 1]
T
P
n
= [P
n,1
P
n,2
... P
T
n,R
] n = 1, 2, ..., M
P
n, j
=
j
m=1
S
n,m
j = 1, 2, ..., R
S
n,m
=
N
i=m+1
M
l=1
h
nl,i
u
l,k+mi
m = 1, 2, ..., R
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 18
Controle Preditivo Model Predictive Control
A trajetria desejada expressa por
y
d
1,k+j
=
j
1
y
1,k
+(1
j
1
)r
1,k
y
d
2,k+j
=
j
2
y
2,k
+(1
j
2
)r
2,k
.
.
.
y
d
M,k+j
=
j
M
y
M,k
+(1
j
M
)r
M,k
em que
n
so constantes entre 0 e 1. Na forma matricial, tem-se:
_
_
y
d
1
y
d
2
.
.
.
y
d
M1
y
d
M
_
_
=
_
_
c
1
y
1,k
+(F c
1
)r
1,k
c
2
y
2,k
+(F c
2
)r
2,k
.
.
.
c
M1
y
M1,k
+(F c
M1
)r
M1,k
c
M
y
M,k
+(F c
M
)r
M,k
_
_
em que c
n
= [
1
n
2
n
...
R
n
]. Subtraindo o valor desejado do predito teremos:
E =A
u+
E
E =
_
_
y
d
1
y
c
1
y
d
2
y
c
2
.
.
.
y
d
M1
y
c
M1
y
d
M
y
c
M
_
=
_
_
(F c
1
)E
1,k
P
1
(F c
2
)E
2,k
P
2
.
.
.
(F c
M1
)E
M1,k
P
M1
(F c
M
)E
M,k
P
M
_
_
em que:
E
1,k
= r
1,k
y
1,k
E
2,k
= r
2,k
y
2,k
.
.
.
E
M,k
= r
M,k
y
M,k
Aplicando a estratgia DMC de maneira anloca ao caso SISO, chega-se a
E =Au+
E
Onde,
E e
E
E = [
E
1,k+1
...
E
1,k+R
...
E
M,k+1
...
E
M,k+R
]
T
= [
E
1,k+1
...
E
1,k+R
...
E
M,k+1
...
E
M,k+R
]
T
u = [u
1,k+1
... u
1,k+R
... u
M,k+1
...u
M,k+R
]
T
No caso em que h M entradas e M sadas, a matriz dinmica A tem a seguinte estrutura:
A =
_
_
A
11
A
12
... A
1M1
A
1M
A
21
A
22
... A
2M1
A
2M
.
.
.
A
M11
A
M12
... A
M1M1
A
M1M
A
M1
A
M2
... A
MM1
A
MM
_
_
Em que cada partio
A
i j
=
_
_
a
i j,1
0 ... 0
a
i j,2
a
i j,1
... 0
.
.
.
a
i j,R1
a
i j,R2
... a
i j,RL
a
i j,R
a
i j,R1
... a
i j,RL+1
_
_
Note que cada A
i j
RxL; portanto, A MRxML.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 21
Controle Preditivo Model Predictive Control
A lei de controle preditivo tem a mesma forma que o sistema SISO, ou seja:
Utilizando o ndice de performance:
J(u) =
E
T
Q
T
Q
E +u
T
Ru
E a soluo tima ser:
u = (A
T
Q
T
QA+R)
1
A
T
Q
T
Q
E
= K
C
E
_
0 0
0, 97 5, 88
0 0
1, 22 7, 73
_
_
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 26
Controle Preditivo Model Predictive Control
Adotando as matrizes de ponderao como:
Q = I R =
_
f
1
0
0 f
2
_
A matriz de ganhos feedback calculada por:
K
c
= (A
T
Q
T
QA+R)
1
A
T
Q
T
Q
Para o caso de f
1
= f
2
= 0, ou seja sem supresso de movimentos, ento:
K
c
=
_
0 23, 8 0 18, 1
0 3, 76 0 2, 99
_
Estes ganhos so considerados altos. Com parmetros de supresso de movimento f
1
= 0, 1
e f
2
= 0, 1, a matriz de ganhos ca:
K
c
=
_
0 2, 35 0 1, 77
0 0, 314 0 0, 365
_
A matriz de ganhos multiplicada pelo vetor de erros preditos, o que resulta em:
u = (A
T
Q
T
QA+R)
1
A
T
Q
T
QE
= K
c
E
w
R
=2, 35E
y
1, 77E
x
Q =0, 314E
y
0, 365E
x
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 27
Controle Preditivo Model Predictive Control
Tratamento de restries do processo
Um aspecto chave de muitos problemas de controle a presena de restries em ambas as
variveis: controlada e manipulada. Basicamente existem trs tipos de restries de processo:
1. Restries nas variveis manipuladas
2. Restries nas taxas de variao das variveis manipuladas
3. Restries nas variveis de sada
No controlador DMC, os parmetros de sintonia podem ser ajustados para satisfazer as
restries nas variveis manipuladas. Especicamente, o fator de ponderao f e o horizonte de
controle L tm maiores efeitos no esforo de controle. Entretanto a seleo iterativa dos parmetros
de sintonia deve ser feita no procedimento de projeto, at que as restries sejam satisfeitas; o que
vem a ser um procedimento insatisfatrio.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 28
Controle Preditivo Model Predictive Control
Incluso de restries no DMC
As restries so classicadas em xas e variveis no tempo.
Fixas: so restries sempre ativas ( as variveis devem obedec-las sempre)
Restries variveis: dependendo das medidas feitas na planta ou de outras condies, elas
podem ser ativadas ou no. Assim, tornam-se parte do modelo do sistema de controle apenas
quando so ativadas. Em todos os outros instantes elas so invisveis ao modelo de controle.
Um mtodo mais direto de satisfazer as restries nos valores correntes e futuros das
variveis manipuladas e controladas modicar a equao
E =Au+
E
l=1
u
i,k+l1
E
i j
= u
i,max
l=1
u
i,k+l1
TOLu
i,k1
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 30
Controle Preditivo Model Predictive Control
Em que TOL uma tolerncia para no se trabalhar no limite u
i,max
. Para cada j, acrescenta-se
mais uma linha na equao
E =Au+
E
acrescenta-se o elemento:
u
i,max
TOLu
i,k1
Restrio ativa no limite mnimo
u
i
u
i,min
O procedimento anlogo ao caso anterior, porem a equao a ser acrescentada :
E
i j
= u
i,k+j1
u
i,min
+TOL
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 31
Controle Preditivo Model Predictive Control
Restrio na varivel controlada i
Restrio ativa no limite mximo
y
i
y
i,max
Impe-se que :
r
i,k
= y
i,max
Restrio ativa no limite mnimo
y
i
y
i,min
Impe-se que :
r
i,k
= y
i,min
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 32
Controle Preditivo Model Predictive Control
Soluo do problema com restries
Podemos representar as equaes do modelo que incluem as restries xas da seguinte
forma:
E =Au+
E
=A
u+
E
_
E
_
=
_
A
A
_
u+
_
E
_
A soluo do problema de mnimos quadrados associada a esse conjunto de equaes ca:
u
= (A
T
A)
1
A
T
E
u = u
+PA
T
(A
PA
T
+I)
1
(
E
)
Em que, P = (A
T
A)
1
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 33
Controle Preditivo Model Predictive Control
Controlador LDMC
O LDMC(Linear Dynamic Matrix Control)(Morshedi et al., 1985) possui propriedades
adicionais s do DMC que o tornam bastante apropriado para aplicaes em linha. Neste
controlador o critrio de timizao no o de mnimos quadrados, mas sim a soma dos valores
absolutos dos resduos, que transformada para se enquadrar no problema geral de programao
linear.
O algoritmo LDMC
O desenvolvimento do algoritmo parte da formulao do DMC, diferindo apenas na denio
da funo objetivo e no tratamento das restries. No h distino entre o caso mono e
multivariveis, pois o tratamento idntico. Considerando novamente a equao do erro:
E =Au+
E
em que,
R =
_
_
f
1
I 0 ... 0
0 f
2
I ... 0
.
.
. 0
0 0 0 f
3
I
_
_
Denindo-se um vetor resduo:
= (A
T
A+R)uA
T
E
k+1
.
.
.
k+L2
k+L1
_
_
w =
_
_
w
1
0 ... 0 0
0 w
2
... 0 0
.
.
.
0 0 ... w
L1
0
0 0 ... 0 w
L
_
_
O problema no pode ser resolvido diretamente por programao linear, dene-se:
= x z com x
i
, z
i
0
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 36
Controle Preditivo Model Predictive Control
Se
k+i
positivo, ento
k+i
= x
k+i
e z
k+i
= 0; caso contrrio,
k+i
=z
k+i
e x
k+i
= 0. O problema
de otimizao pode ser recolocado.
min
u,x,z
= w(x +z)
sujeito a = x z e outras restries lineares.
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 37
Controle Preditivo Model Predictive Control
Controlador QDMC
O QDMC (do ingles Quadratic Dynamic Matrix Control)(Garcia & Morshed, 1986), usa as
mesmas equaes de predio do DMC, ou seja:
E =Au+
E
_
T
Q
T
Q
_
Au+
E
_
_
+
1
2
u
T
Ru
J(u) =
1
2
_
u
T
_
A
T
Q
T
QA+R
_
u
E
T
Q
T
QAu+
1
2
E
T
Q
T
Q
E
T
Como o ultimo termo no depende de u, este pode ser removido da funo objetivo. O
problema do controlador pode ser escrito como:
min
u
J(u) =
1
2
_
u
T
_
A
T
Q
T
QA+R
_
u
E
T
Q
T
QAu
LIEC - DEE - UFCG c Raphael Baltar 10/12/2013 38
Controle Preditivo Model Predictive Control
ou
min
u
J(u) =
1
2
u
T
Hu+c
T
u
em que,
H = A
T
Q
T
QA+R e c
T
=
E
T
Q
T
QA
Observao: Note que H corresponde matriz Hessiana e que c o vetor gradiente do QP.
No enfoque do horizonte mvel, esse QP resolvido a cada execuo do controlador aps a
obteno de uma nova leitura. Note que o nico elemento que varia com o tempo nesse problema
o vetor
E