Академический Документы
Профессиональный Документы
Культура Документы
COMPENSAO ITERATIVA
Danielle S. S. Casillo*, Andr L. Maitelli*, Adhemar B. Fontes**
*
Resumo: Neste artigo apresentada uma nova abordagem do controlador preditivo generalizado no
linear baseado no modelo de Hammerstein. Esta estratgia utiliza a compensao iterativa, que uma
forma de corrigir o erro de predio gerado pelo controlador devido a aproximao quasilinear por degrau
de tempo. Com o objetivo de reduzir este erro, utiliza-se a tcnica da compensao iterativa juntamente
com o controlador preditivo no linear. Para mostrar o desempenho do controlador, apresentado um
exemplo de simulao que faz uma comparao entre o controlador no linear com aproximao
quasilinear por degrau de tempo e a compensao iterativa.
1.
INTRODUO
MODELO DE HAMMERSTEIN
NU
j =1
i =1
y (k ) = j y (k j ) + i x(k i )
(3)
NU
j =1
i =1
y (k ) = j y (k j ) + i N l (u (k i ))
(4)
A(q 1 ) y (k ) = B(q 1 ) i u l (k d ) + (k )
(6)
i =1
x(k 1) = j u j 1 (k 1) u (k 1)
(7)
j =1
A(q 1 ) y (k ) = q d B(q 1 ) j u j 1 (k 1)
j =1
(8)
1 e( k )
u (k 1) + C (q )
(9)
j i v
1 e( k )
ju
(k 1) ) ) u (k 1) + C (q )
Em que:
nb = grau do polinmio B (q 1 )
Definindo:
l 1 l
bi (q i , u ) = bi q i j u j i v (k 1)
(10)
v =1 j =1
fazendo
nb
B (q 1 , u ) = bi q 1 (u )
(11)
i =0
o modelo torna-se:
A(q 1 ) y (k ) = q d B (q 1 , u )u (k 1) +
C (q 1 )e(k )
em que,
A(q 1 ) = A% (q 1 ) = (1 q 1 ) A
Assim, tem-se o seguinte modelo:
(12)
(13)
A% ( q 1 ) y (k ) = q d B (q 1 , u )u (k 1) +
1
(14)
C ( q ) e( k )
Esse modelo denominado NARIMAX (Nonlinear
Auto-Regressive Integrated Moving Average with
eXternal input) quasilinear por degrau de tempo.
Neste modelo, os coeficientes do polinmio
B (q 1 , u ) dependem de valores passados de u (k )
que so conhecidos, considerados constantes at o
instante seguinte, aps a atualizao dos seus valores.
4.
J=
NY
(i) [ y (k + i) r (k + i)] +
2
i = N1
NU
(15)
i =1
em que:
y(k + i ) uma predio sub-tima do sistema ipassos frente, com base nas informaes
disponveis at o instante k ; N1 e NY representa o
mnimo e o mximo horizonte de predio;
NU representa o horizonte de controle; r (k + i ) a
B ( q 1 , u )
u (k + i d 1) +
A% (q 1 )
(16)
C ( q 1 )
+
e
(
k
i
)
A% (q 1 )
Com o objetivo de separar a dependncia de y (k + i )
das informaes passadas e futuras, introduz-se a
seguinte equao Diofantina:
1
C (q 1 )
1
1 Fi ( q )
=
+
E
(
q
)
q
(17)
i
A% (q 1 )
A% (q 1 )
sendo,
Ei (q 1 ) = ei ,0 + ei ,1q 1 + ei ,2 q 2 + L + ei ,i 1q (i 1)
(18)
Fi (q 1 ) = fi ,0 + fi ,1q 1 + f i ,2 q 2 + L + f i , na q ( na 1)
com
{E (q )} = i 1
) = grau { A% (q )} 1 .
1
grau
Fi (q 1
y(k + i ) =
(19)
grau
B ( q 1 , u )
Ei (q 1 )u ( k + i d 1) +
C ( q 1 )
(20)
Fi (q 1 )
y
(
k
)
C ( q 1 )
Utilizando agora a seguinte equao diofantina:
1
1
1
i Ni (q )
=
+
M
(
q
)
q
(21)
i
C ( q 1 )
C (q 1 )
e substituindo na equao (20), tem-se:
i
N i ( q 1 )
y( k + i ) = M i ( q 1 ) + q
[ B ( q 1 , u )
C ( q 1 )
Ei (q )u (k + i d 1) + Fi (q ) y (k )]
(22)
u (k + i d 1) + M i (q 1 ) Fi (q 1 ) +
(23)
N i (q ) y (k )
Definindo:
1
Gi (q 1 , u ) = M i (q 1 ) Ei (q 1 ) B (q 1 , u )
= G% (q 1 , u ) + q ( i 1) H (q 1 , u )
i
Fi (q 1 ) = M i (q 1 ) Fi (q 1 ) + N i (q 1 )
sendo:
G% i (q 1 ) = g1 + g 2 q 1 + L + gi q (i 1) , com
(24)
grau G% i (q 1 ) = i 1
H i (q 1 ) = hi ,1q 1 + hi ,2 q 2 + L + hi , nb 1q ( nb 1)
, com grau { H i (q 1 )} = nb 1
(25)
(26)
(27)
e o grau de {Gi (q )} = nb + i 2 .
1
u (k + i 1) + Fi (q 1 ) y (k )
ou ainda
y(k + i ) = G% i (q 1 , u )u (k + i 1) + H i (q 1 , u )
(28)
(29)
u (k ) + Fi (q 1 ) y (k )
A funo objetivo mostrada na equao (15) ser
minimizada por uma seqncia de aes de controle
futuras e considerando que o sistema tem um tempo
morto igual a d perodos de amostragem,
conseqentemente, a sada do sistema ser
influenciada pela entrada u (k ) aps d + 1 perodos.
Portanto, o horizonte mnimo de predio ser:
N1 = d + 1 , NY = d + N e NU = N .
O conjunto de predies pode ser escrito na forma
matricial como:
(30)
y = G% (u )u + H (q 1 , u )u (k ) + F (q 1 ) y (k )
Em que:
y(k + 1)
y(k + 2)
;
y=
y(k + N )
(31)
L
0
0
g1 (u )
g (u )
g1 (u ) L
0
;
G (u ) = 2
M
M
O
0
g N (u ) g N 1 (u ) L g1 (u )
F1 (q 1 )
u ( k )
u (k + 1)
1
; F (q 1 ) = F2 (q ) ;
u=
M
1
u (k + N 1)
FN (q )
h1,1 (q 1 , u ) + L + h1, nb 1 (q ( nb 1) , u )
h2,1 (q 1 , u ) + L + h2, nb 1 (q ( nb 1) , u )
H=
1
( nb 1)
, u )
hN ,1 (q , u ) + L + hN , nb 1 (q
De forma similar ao caso anterior, o Vetor de
Resposta Livre ( yl ) dado por:
yl = F (q 1 ) y (k ) + H (q 1 , u )u (k 1)
(32)
Da equao do preditor observa-se que a Resposta
Forada ( y f ) dada por:
g 0 (u )
g (u )
yf = 1
M
g N 1 (u )
0
u ( k )
0 u (k + 1)
=
M
O
M
M
g N 1 (u ) L g 0 (u ) u (k + N 1)
0
g 0 (u )
L
L
(33)
G (u )u
Deste modo, pode-se afirmar que a resposta completa
do sistema dada por:
y = G (u )u + yl
(34)
A lei de controle obtida semelhantemente ao GPC.
Deve-se observar que esta uma soluo sub-tima,
na medida em que o preditor sub-timo. Assim, a
lei de controle dada por:
u = ( G (u )T G (u ) + I ) G (u )T (r yl )
1
(35)
( G(u )
G (u ) + I ) G (u )T .
1
em que, B (q 1 , u ) = b0 b1 (q 1 , u ) u (k 1)
= [(b0 x1 ) + (b0 x2 u ( k 1)) + (b1 x1 q 1 ) + (b2 x2 q 1u ( k 1)]u ( k 1)
L u (k + N )]T
Em que N o horizonte de predio (Fontes, 2007).
Utilizando esta seqncia de incrementos, calcula-se
as aes de controle futuras que iro corrigir os
parmetros de B (q 1 , u ) para o instante k , somandose os referidos incrementos ao de controle
calculada no instante (k 1) . Seja ento, a ao de
controle para o instante (k-1) definido por uk 1 .
Assim, o vetor de aes de controle futuras para o
instante k , uk , determinado como mostrado a
seguir:
uk = [uk 1 + u (k ) uk 1 + u (k ) + u (k + 1) L
L uk 1 + u (k ) + u (k + 1) + L + u (k + N )]
(38)
uk = [uk ( k ) uk (k + 1) L uk ( k + i )
L uk ( k + N ) ]
(39)
em que:
uk (k + i ) = uk 1 + u (k ) + u (k + 1) + L + u (k + i )
Com este vetor de controle, atualiza-se os
coeficientes do polinmio B (q 1 , u ) e utiliza-se o
algoritmo de controle preditivo no linear (modelo de
Hammerstein) com compensao iterativa descrito na
seo anterior para calcular um novo vetor de
incrementos uk .
O processo iterativo repete-se at que sejam atingidas
as condies de convergncia descritas na seo a
seguir.
Lembrando que o princpio do horizonte mvel
utilizado e, portanto, depois que o algoritmo
converge para um determinado instante k , somente
enviado ao controlador. Para o instante k + 1 , todo o
procedimento citado nesta seo se repete (Fontes,
2007).
4.2.1.
( ur ur 1 ) ( ur ur 1 ) < CP
T
(40)
EXEMPLO DE SIMULAO
B (q , u ) = [0.2776 + 0.0063u 2 (k 1)
b0 (u )
1
b1 (q 1 , u )
ento, B (q 1 , u ) = b0 (u ) b1 (q 1 , u ) u (k 1)
Usando a equao diofantina, calcula-se os
polinmios Ei (q 1 ) e Fi (q 1 ) a fim de obter as
predies y(k + i ) .
As sadas preditas so dadas por:
y(k + i ) = G% i (u )u + H (q 1 , u )u (k ) + F (q 1 ) y (k )
Conhecendo-se G (u ) , obtm-se o vetor de
incrementos de controle, que dada por:
u = ( G (u )T G (u ) + I ) G (u )T (r yl )
1
6.
CONCLUSO