Universidad de Santiago de Chile

Facultad de Ingeniera
Ingeniera Civil en Electricidad

APLICACIONES DE CONTROL AVANZADO

TEMA: CONTROL PREDICTIVO: DEFINICIN Y ESTRUCTURA DEL

CONTROL PREDICTIVO BASADO EN MODELO
PARTE II

Profesor: John Kern M.

27/03/2017 Santiago - 2017 1

 1.- Contenidos

1.- Contenidos
2.- Introduccin
3.- Objetivos
3.1.- General
3.2.- Objetivos Especficos
4.- Importancia del Tema
5.- Alcances
6.- Estado del Arte
7.- Referencias
27/03/2017 2
 2.- Introduccin

El control predictivo tiene como objetivo resolver de forma

efectiva, problemas de control y automatizacin de procesos
industriales que se caractericen por presentar un
comportamiento dinmico complejo, multivariable, y/o
inestable.
El control predictivo integra disciplinas como el control
ptimo, control estocstico, control de procesos con retardo
de tiempo, control multivariable, control con restricciones.
Al Control Predictivo Basado en Modelo MBPC (Model Based
Predictive Control) o simplemente MPC (Model Predictive
Control) se le conoce tambin como control por horizonte
deslizante, por ser sta la forma en la que se aplican las
seales de actuacin.
27/03/2017 3
 3.- Objetivos

3.1.- Objetivo general

Conocer, en base a sus definiciones, la estructura o metodologa del Control Predictivo Basado en
Modelos.

3.2.- Objetivos especficos

1.- Identificar diferentes definiciones sobre el Control Predictivo basado en Modelos

2.- Describir la metodologa de funcionamiento del Control Predictivo basado en Modelos

3.- Enumerar los diferentes tipos de los Controladores Predictivos basados en Modelo

27/03/2017 4
 4.- Importancia del tema

IMPORTANCIA
DEL TEMA
Los algoritmos de control predictivo MPC corresponden a
uno de los pocos desarrollos de los denominados
controladores avanzados que ha tenido una exitosa
trayectoria en el mbito industrial.

En la actualidad se observan diversas aplicaciones a nivel de

las industrias: petroqumica, minera, alimentaria, entre
otras.

MPC es la solucin para sistemas multivariables, altamente

acoplados, con excesos grados de libertad, con dinmica
relativamente lenta y respuestas lineales o no lineales.

27/03/2017 5
 5.- Alcances

Conocer la metodologa o estructura

de los controladores predictivos

Al conocer la metodologa se tiene la idea

fundamental del algoritmo correspondiente
a los Controladores Predictivos.

Tambin es importante conocer otros tipos

de Controladores Predictivos.

27/03/2017 6
 6.- Estado del arte

Definicin de los Controladores Predictivos Basados en Modelos

Fundamentos de un controlador de forma intuitiva

Elementos o estructura de un Controlador Predictivo Basado en

Modelos

Analoga del Controlador Predictivo

Tipos de Controladores Predictivos

27/03/2017 7
 6.1 Definicin (1/2)

DEFINICIN
Es un algoritmo de control que calcula una secuencia
temporal discreta de las variables manipuladas a futuro
con el objeto de optimizar el comportamiento de la planta
o proceso a controlar.

El Control Predictivo basado en Modelos se enmarca

dentro de los controladores ptimos, es decir, de aquellos
en los que las actuaciones responden a la optimizacin de
un criterio.

El Control Predictivo basado en Modelos se refiere a una

clase de algoritmos de control en los que se utiliza un
modelo de proceso dinmico para predecir y optimizar su
rendimiento [1] .

27/03/2017 8
 6.1 Definicin (2/2)

DEFINICIN
El Control Predictivo es parte de un campo muy amplio de
mtodos de control desarrollados en torno a ciertas ideas
comunes:

- Uso explcito de un modelo para predecir la salida del proceso

en futuros instantes de tiempo (horizonte de prediccin).

- Clculo de las seales de control minimizando una cierta funcin

objetivo.

- Estrategia deslizante: en cada instante el horizonte se va

desplazando hacia el futuro.

27/03/2017 9
 6.2 Algunas aplicaciones industriales
Industria Petroqumica
Industria Minera
Industria Qumica
Industria Azucarera
Industria Alimentaria

27/03/2017 10
 6.3 Estructura jerrquica

Figura 1: Estructura Jerrquica para el Control Predictivo

27/03/2017 11
6.4 Fundamentos de un controlador de forma intuitiva

Figura 2: Diagrama de un Sistema de Control ptimo

El control ptimo a lazo abierto no es realmente ptimo.

Debe incorporarse informacin on line de la planta.

Requiere el clculo on line de la solucin ptima.

La solucin analtica no siempre es posible.

27/03/2017 12
 6.5 Elementos de un controlador predictivo

Figura 3: Elementos de un controlador predictivo

PREDICTOR
OPTIMIZADOR
FUNCIN DE COSTO
HORIZONTE MVIL
RESTRICCIONES
27/03/2017 13
 6.5.1 Modelo de prediccin

Est representado por el modelo matemtico que describe el sistema.

El origen debe ser el punto de equilibrio en el que se quiere regular el sistema.
Es el encargado de calcular para cada instante t las predicciones de evolucin dinmica
del proceso a lo largo del horizonte de prediccin N. Estas predicciones de la salida:
[y(t+k) | t)y(t + N) | t)], k = 1, 2 N dependen de los valores conocidos hasta el instante
t (entradas y salidas conocidas ) y de las seales de control u(t + k | t), k = 0 N -1, que
han de ser calculadas y enviadas al sistema. La sintaxis y(t + k | t) sirve para indicar la
prediccin de la salida para el instante t + k de acuerdo al momento t.

Figura 4: Prediccin de la salida

y seal de control postulada [2]

27/03/2017 14
 6.5.2 Funcin de costo

El objetivo principal de la funcin de costo consiste en

mantener la salida del proceso y(t + k | t) lo ms cerca posible
de una trayectoria de referencia w(t + k) que describe como se
desea guiar dicha salida desde su valor actual y(t) hasta sus
puntos de consigna futuros.

Este criterio toma normalmente la forma de una funcin

cuadrtica del error entre la salida predicha y la trayectoria de
referencias futuras [2], [3].

27/03/2017 15
 6.5.3 Restricciones

Indican los lmites dentro de los cuales debe calcular la

evolucin del sistema.

La evolucin de las seales de un sistema no debe exceder

determinadas restricciones que, ya sea por lmites fsicos o
bien por motivos de seguridad, se imponen al sistema. Por
ejemplo los lmites de los actuadores forman parte
importante de las restricciones.

27/03/2017 16
 6.5.4 Optimizador

El proceso de optimizacin consiste en encontrar un vector de

acciones de control que ofrece el mejor valor de la funcin de
costo.

Generalmente, en este proceso de bsqueda, el optimizador

realiza postulados de la ley de control e iterativamente intenta
acercarse a la ley de control ptima.

Adems, si la funcin de costo que se define es cuadrtica, el

modelo utilizado es lineal y no existen restricciones para
ninguna seal implicada, entonces es posible encontrar una
seal analtica para el problema de optimizacin. En caso
contrario, es necesario utilizar, en general, un mtodo
numrico de optimizacin [2].
27/03/2017 17
 6.5.5 Horizonte mvil

Una vez calculada la secuencia de futuras acciones de control, que en ese

instante hace ptima la funcin de costo, se hace uso del concepto denominado
horizonte mvil (receding horizon) en el que la seal de control u(t | t) se enva al
proceso mientras que el resto de las seales calculadas no se consideran, ya que
en el instante siguiente de muestreo: y(t + 1) es conocida, obteniendo de esta
forma la seal de control u(t + 1 | t + 1) a aplicar en ese instante que es diferente
a la que se haba postulado en el instante anterior u(t + 1 | t) [2], [3].
Se usa un modelo para predecir la evolucin de la salida o estado del proceso a
partir de las seales de entrada y salidas conocidas. La acciones de control futuras
se calculan con el optimizador, que considera la funcin del costo y las posibles
restricciones.

Figura 5: Estructura Bsica de un

MPC

27/03/2017 18
6.6 Analoga del controlador predictivo basado en modelos

En el instante k un conductor sabe cul es su trayectoria deseada para

un horizonte de tiempo finito hp.

Teniendo en cuenta las caractersticas del vehculo y del entorno

(modelo mental) decide que secuencia de accin de control realizar
(acelerar, frenar, maniobrar) para seguir la trayectoria deseada sobre la
ruta.

Slo la primera accin de control es tomada.

El procedimiento se repite en el instante siguiente k+1

27/03/2017 Figura 7: Analoga de un CPBM 19

 6.7 Tipos de controladores predictivos

Control de Modelo Predictivo (MPC)

Control Predictivo Basado en Modelo (MBPC)
Control de Matriz Dinmica (DMC)
Control Dinmico de Matriz Cuadrada (QDMC)
Control Predictivo Extendido (EPSAC)
Control Predictivo Generalizado (GPC)
Control de Modelo Algortmico (MAC)
Control Predictivo Funcional (PFC)

27/03/2017 20
 7.- Referencias (1/2)

[1] Bamimore, A. ; Taiwo, O. ; King, R. (2011) Comparison of two nonlinear

model predictive control methods and implementation on a laboratory three tank
system Decision and Control and European Control Conference IEEE, Page(s):
5242- 5247.
[2] Ramos Fernndez Csar (2007) Control Predictivo Basado en Modelos
(CPBM) Robusto con BDU Tesis Doctoral Universidad Politcnica de Valencia.
[3] Camacho Eduardo F. y Bordons Carlos, Control Predictivo: Pasado, Presente y
Futuro, Escuela Superior de Ingenieros. Universidad de Sevilla, 41092 Sevilla,
Espaa.
Otras Referencias Recomendadas
[4] Dutta, A. ; De Keyser, R. ; Nopens, I. (2012) Robust nonlinear extended
prediction self-adaptive control (NEPSAC) of continuous bioreactors Control &
Automation IEEE , Page(s): 658- 664.
[5] Hui Zhou ; Tong-zhen Wei ; Yan-lei Zhao ; Zhi-ping Qi (2008) Study on
Dynamic Matrix predictive control of single-phase DVR Electric Utility
Deregulation and Restructuring and Power Technologies, IEEE, Page(s): 2136-
2140.
27/03/2017 21
 7.- Referencias (2/2)

[6] Khalid, M.U. ; Kadri, M.B (2012) Liquid level control of nonlinear Coupled
Tanks System using linear model predictive control Emerging Technologies
(ICET), IEEE Page(s): 1 5.
[7] Neha Sharma, Kailash Singh (2010) Quadratic Dynamic Matrix Control of
Isopropyl Acetate Reactive Distillation Column Proceedings of the World
Congress on Engineering and Computer Science 2010 Vol II WCECS, San
Francisco, USA.
[8] Wei Guo ; Xin Chen ; Xiaohui Qiu (2008) Application of Improved PID Model
Algorithmic Control Algorithm Intelligent Computation Technology and
Automation (ICICTA), Page(s): 309 312.
[9] Zhang Jiaying ; Wu Xinmei (2011) Predictive functional control simulation of
boiler combustion control system Mechanic Automation and Control
Engineering (MACE), IEEE, Page(s): 529- 532.
[10] Zhong Weimin ; Pi Daoying (2005) SVM with linear kernel function based
nonparametric model identification and model algorithmic control Networking,
Sensing and Control, IEEE, Page(s): 982- 987.
27/03/2017 22