Control ptimo

Fatiha Nejjari
SAC, ESAII, UPC

Introduccin

Las tcnicas de control optimo conforman

una de las ramas del control automtico mas
importantes en el desarrollo de las
estrategias modernas de control mas
utilizadas hoy en da.

Introduccin

la ubicacin de los polos en un sistema dinmico

controlado viene determinada por las especificaciones
de control.
Tpicamente las especificaciones de control vienen
dadas por las condiciones del problema. El problema a
su vez, responde a unos ndices de desempeo
relacionados con la cantidad de energa necesaria para
controlar el sistema, as como a limitaciones
relacionadas con la mxima cantidad de energa
aplicable al sistema de forma instantnea.

Introduccin

Estos ndices son traducidos por el

diseador a especificaciones como tiempo
de subida, sobrepico mximo, tiempo de
establecimiento, etc. y a partir de ellos se
disea un sistema que aproxima un
sistema de segundo orden aplicando la
idea de los polos dominantes.

Objetivos del Control ptimo

Conocer mecanismos de diseo en base a
optimizacin de funciones.

Entender el proceso crtico de la eleccin del
ndice de desempeo.

Disear reguladores ptimos.

Control ptimo

Para el control ptimo, las especificaciones

de control son formuladas en una funcin de
coste. La funcin de coste (tambin conocida
como figura de mrito, ndice de desempeo,
etc.), es una funcin que penaliza el mal
comportamiento del sistema, es decir cuanto
ms lejos este el sistema de la situacin
deseada, mayor ser el valor de la funcin de
coste.

Control ptimo

Objetivo del controlador ptimo: minimizar la

funcin de coste.
Se estudiar el diseo de sistemas de control
por realimentacin de estado con funciones de
coste cuadrticas.
Existen otras funciones de coste, pero la ms
popular es la cuadrtica por su fcil derivacin
y por estar directamente relacionada con el
contenido energtico de un sistema.

Control ptimo
cuadrtico LQR
Fatiha Nejjari
ESAII/UPC

Formulacin del problema

La formulacin del problema de control

ptimo requiere:

Un modelo matemtico del proceso a ser

controlado
La propuesta de las restricciones fsicas del
problema
La especificacin de un criterio de desempeo

Regulador LQR
Caso continuo

Problema con Horizonte finito

El problema puede ser planteado como la necesidad de

calcular la mejor entrada u(t), que permita llevar el
sistema de un estado inicial x(t0), a un estado final x(tf),
en un tiempo tf-t0 .
El problema es equivalente a minimizar la funcin:

con las siguientes restricciones:

Problema con Horizonte finito

Las matrices Pf, Q y R son matrices positivas definidas,

generalmente diagonales o cuando menos simtricas,
que determinan la importancia de cada parmetro dentro
de la funcin de coste.
Pf indica la importancia del estado final,
Q la importancia de los estados durante la transicin y
R la importancia de la entrada.
La formulacin del problema utilizando una matriz R
distinta de cero, tiene particular importancia en la
prctica ya que esta matriz nos limitar el valor de la
entrada u, aplicada al sistema.

Problema con Horizonte finito

El problema con las restricciones dadas puede ser formulado como

una optimizacin sin restricciones utilizando el mtodo de los
multiplicadores de Lagrange,

calculando las derivadas indicadas se obtiene:

Problema con Horizonte finito

El problema se puede plantear como un sistema de ecuaciones

diferenciales con dos puntos como condicin de frontera

o la ecuacin diferencial,

ecuacin matricial de Riccati.

Problema con Horizonte finito

Esta ecuacin se puede resolver utilizando el mtodo del barrido. El

mtodo consiste en integrar en sentido inverso (desde tf hasta to) la
ecuacin de Riccati con valor inicial (tf)=P(tf)x(tf), hasta obtener
P(to) y ya que x(to) es conocido ser posible calcular (t0)=P(t0)x(t0).
Con estos valores iniciales se puede integrar la ecuacin

y obtener los valores de (t) y calcular la entrada ptima como,

La entrada ptima est dada por una realimentacin de estado variable en el

tiempo.

Problema con Horizonte Infinito

En el problema con horizonte infinito se asume que el

tiempo tf=.
Asuma que P(t,tf) es solucin de la ecuacin

con condiciones de frontera P(tf,tf)=0

Entonces se puede decir que

existe y adems es constante.

Entonces la ecuacin de Riccati se convierte en la ecuacin algebraica de

Riccati, de la forma:

y la ley de control ser una matriz

invariante en el tiempo.

Problema con Horizonte Infinito

La existencia de una solucin P nica para la ecuacin

de Riccati est garantizada si (A,B) es estabilizable y (Q,
A) es detectable.

Adems esta solucin estabiliza el sistema, ya que los

valores propios de la matriz, el sistema

se encuentran en la parte izquierda del plano complejo.

Solucin de la ecuacin algebraica de

Riccati.

La ecuacin algebraica de Riccati se puede escribir

como:

Tenemos una matriz de 2nx2n asociada a la ecuacin de

Riccati: matriz de Hamilton,

Solucin de la ecuacin algebraica de

Riccati.

Algunas propiedades importantes de la matriz de Hamilton:

Los valores propios de H son simtricos con respecto al eje imaginario.

Existen las matrices X1 , X2 nxn, y X1 es invertible de forma que la
matriz formada por X1 y X2 son los vectores propios de la matriz H, si (A,
B) es estabilizable y (Q, A) detectable.

Entonces la solucin de la ecuacin de Riccati se obtiene por

descomposicin de H en sus espacios propios, y la solucin es de la
forma:

Control ptimo: Uso de Matlab

El control optimo (LQR:linear quadratic regulator)

proporciona una solucin de compromiso entre las
prestaciones (error x) del mismo y el esfuerzo de
control (u).
La forma estndar minimiza el ndice:
J=

(xT Q x + uT R u) dt

donde Q y R son matrices de ponderacin

seleccionadas por el diseador, usualmente
diagonales.
Funcin de Matlab:

K = LQR (A,B,Q,R)

Control ptimo

Ejemplo de control optimo LQR.

Control ptimo de la posicin de un satlite

0 1
0
x ( t ) =
x (t ) + u (t )

0 0
1
Error x1 =
1 0
Q =

0 0
a ) R = 0 . 1 % Control " caro"
b ) R = 10

% Control " barato"

= x1 ;
d
/dt = x2
x1=x2
x2=T(t)/J = u

(xT Q x + uT R u)

Control ptimo

Ejemplo de control optimo LQR.

Control de la posicin de un satlite

% EJEMPLO MATLAB:
A=[0 1;0 0]; B=[0;1];
C=[1 0]; D=[0];
Q=[1 0;0 0];
R=0.1 ; % Control caro
% R=10; % Control barato
K=lqr(A,B,Q,R)

% SIMULACIN
t=0:0.01:20; % Tiempo
u=0*t;
% Entrada nula
x0 = [10 10]; % Estado inicial
[y,x]= lsim(A-B*K,B,C,D,u,t,x0);
plot(t,y);
title('Control LQR de un satlite
');
xlabel('Tiempo (s)');
ylabel('Angulo de posicin');

Control ptimo
Ejemplo de control optimo LQR.
Control de la posicin de un satlite
Control LQR de un satlite

Control LQR de un satlite

12

16

K = 3.1623

10

2.5149

K = 0.3162

14

0.7953

12

Angulo de posicin

8
Angulo de posicin

10
8
6
4

2
0

0
-2

10
12
Tiempo (s)

14

16

18

20

-2

10
12
Tiempo (s)

14

Opcin cara

Opcin barata

R=0.1

R=10

16

18

20

Regulador LQR
Caso discreto

Control Optimo en Sistemas

Discretos

Se considera un sistema de control definido por

xk +1 = Axk + Buk
yk = Cxk + Duk
Xk = Vector de estado (vector-n)
Uk = vector de control (vector-r)
A = matrix de nxn
B = matriz de nxr

Problema a resolver: Encontrar la secuencia de

control uk que lleve al sistema de la condicin
inicial xi=x0 al estado final xN=xf, minimizando el
funcional cuadrtico.

Horizonte Finito

En este caso tenemos el sistema descrito por:

xk +1 = Axk + Buk

x0 conocido

El problema de control consiste en hallar las entradas uk,

k=1...,N de forma tal que la funcin de coste
1 T
1 N 1 T
J N = xN PxN + xk Qxk + ukT Ruk
2
2 k =0

sea mnima.

Horizonte Finito
1 T
1 N 1 T
J N = xN PxN + xk Qxk + ukT Ruk
2
2 k =0
Q, matriz Hermtica (o matriz real simtrica) definida positiva o semidefinida
positiva de nxn
R, matriz Hermtica (o matriz real simtrica) definida positiva de rxr
P, matriz Hermtica (o matriz real simtrica) definida positiva o semidefinida
positiva de nxn
Q, R y P se seleccionan para la importancia relativa de la contribucin en
el desempeo debida al vector de estado. Pueden seleccionarse para
penalizar ciertos estados/entradas ms que otros.

xTN PxN

Penaliza el error en alcanzar el estdo final deseado

Aplicando el mtodo de los multiplicadores de Lagrange para

integrar las restricciones del problema, la funcin de coste se
convierte en:

Donde k son nuevamente los multiplicadores de Lagrange.

Derivando la funcin de coste con respecto a uk k+1 y xk e igualando a cero se
obtiene:

Planteando el problema como un sistema de ecuaciones

de diferencia con condiciones dos condiciones de frontera
tenemos:

La entrada ptima del sistema estar dada por:

Reemplazando se obtiene,

Ya que xk 0 entonces,
Ecuacin de diferencia de Riccati
Usando el mtodo del barrido, resolvemos a partir de las condiciones
de frontera. Del estado final

se pueden calcular todos los valores de Pk hasta P0.

La entrada estar descrita como una realimentacin

de estado,

Donde

K k = ( R + BT Pk +1 B ) 1 BT Pk +1 A

El coste ptimo ser

J

min
N

1 T
= x0 Px0
2

Horizonte infinito

Para el caso de horizonte infinito en sistemas discretos,

se asume que PK alcanza una condicin de estado
estable y entonces la funcin de realimentacin queda
descrita por:

satisface la ecuacin algebraica de Riccati,

El coste ptimo ser

Ejemplo:
Simulamos el sistema:

Con el controlador ptimo que minimiza el coste:

Codigo Matlab
% coste
Q=[2 0;0 0.1];R=2;S=diag([5,5]);
k=10;
% Sistema
A=[2 1;-1 1];B=[0;1];x0=[2;-3];
% Solucion de la ecuacion de Riccati
while k>=1
K(k,:)=inv(R+B*S*B)*B*S*A;
S=(A-B*K(k,:))*S*(A-B*K(k,:))+Q+K(k,:)*R*K(k,:);
k=k-1;
end
% Simulacion del sistema realimentado
x(:,1)=x0;
for k=1:10
x(:,k+1) = A*x(:,k)-B*K(k,:)*x(:,k);
end

Carros Acoplados con Unin Flexible

Consideramos un sistema compuesto por dos carros con masas M1 y M2.

Los carros estn unidos a travs de un resorte con constante K . El carro
de la izquierda tiene un motor elctrico que permite aplicar una fuerza F al
sistema.
El objetivo del sistema de control es reducir la oscilacin del segundo carro
cuando el primero cambia de posicin, se espera un tiempo de
establecimiento de 1 segundo y un sobrepico menor al 10%.
Como instrumentacin hay instalados en cada carro un potencimetro que
permite medir el desplazamiento.

El modelo del sistema ser:

Km, Kg, Ra, r1 Constantes debidas al motor y la transmisin.

Las ecuaciones del sistema sern:

Hacemos un anlisis de
controlabilidad y observabilidad
El rango de ambas matrices es cuatro lo
que indica que el sistema es totalmente
controlable y observable.

La matriz P que satisface la ecuacin algebraica de Riccati es

y la matriz K de realimentacin construida a partir de la solucin de Riccati

Los polos del sistema sern:

BIBLIOGRAFA

SISTEMAS REALIMENTADOS DE CONTROL.

Dzzo and Houpis. Paraninfo. Madrid 1976
DISCRETE TIME CONTROL SYSTEMS. Ogata K.
Prentice Hall, Englewood Cliffs. New Jersey 1995
AUTOMATIC CONTROL SYSTEMS. Kuo B.C.
Prentice Hall, Englewood Cliffs. New Jersey 1995
DIGITAL CONTROL SYSTEMS ANALYSIS AND
DESING. Philips, CL. and Nagle, HT. Prentice Hall,
Englewood Cliffs. New Jersey 1995