Академический Документы
Профессиональный Документы
Культура Документы
■ ■■
Guoqi Zhong1' , Zhiyuan Liu1 y Houhua Jing1-2 ABSTRACTO
1 D epa r tm en tof C en tro l Teoría y ineering Eng, Harb en en CTI tu te de Techno logy. P. 0. Box Para mejorar el modelo de diseño del controlador predictivo de sistema no
3036, Parque de las Ciencias de Harb en CTI en tu te de Tecno logía, ikuang No.2 Y S árbol t, lineal, se propone método un control predictivo cooperativa modelo distribuido
Nangang D es tr ic t, 150080, Harb en, H e ilong Jiang, República Popular de China, zh en g
(DMPC) para un sistema compuesto por varios subsistemas constreñido afín a
guoq i @ h it.edu .cn 2 D epa r tm en tof M echan ica l y ineering Aerospace eng, Colegio de eng
inee r ing, El Oh io S ta d Un ive rs dad. 201 W 19 Ave W 198 lumbus Co, OH 43210, EE.UU.
trozos (PWA) con información de control acoplado en este documento. esquema
distribuido se aplica para el ahorro de tiempo de la solución de optimización. Para
mejorar el rendimiento óptimo de todo el sistema, coopera ción fue promovido con la
consideración a una mayor porción del objetivo para todo el sistema. El terminal
invari positivamente conjunto hormiga y el costo de todo el sistema de bucle cerrado
se añadieron a garantizar la estabilidad. El problema óptima de cada tem SUBSYS
RESUMEN se convirtió en programación cuadrática enteros mixto (MIQP) la solución para la
obtención de las acciones de control. Este método de establecer la composición del
Para MEJORAR EL Diseño de la ONU Controlador Predictivo
problema de optimización no lineal de un sistema a gran escala en varios MIQPs de
BASADO En un modelo para Sistemas no lineales, SE PROPONE
menor dimensión tal que el tiempo la solución podría reducirse drásticamente. Otra
Este trabajo en la ONU modelo cooperativo Distribuido (DMPC) por
ventaja de la estrategia de DMPC es la optimización no lineal no convexo podría ser
Zonas Afines (PWA) APLICADO A un Sistema Compuesto por
sustituido por MIQPs finitos, y un aproximado mamá opti global podría obtenerse en
Subsistemas Varios restringidos. El Esquema Distribuido SE APLICA
lugar de un óptimo local. Finalmente, un ejemplo numérico y una simulación
para Ahorrar Tiempo de cálculo de la solución f. Para Optimizar el
cuádruple-tanque son pre tantes a fin de evaluar la estrategia DMPC propuesto.
Rendimiento de TODO El Sistema, la cooperation Tiene en Cuenta la
mayor parte de los Objetivos de TODO El Sistema. El objetivo m final,
positivo e invariante, junto con El Sistema en bucle cerrado se fijaron
para Garantizar la Estabilidad. El problema Óptimo de Cada
subsistema se transformo En Una programación cuadrática mixta
ENTERA (MIQP) Resuelto el párrafo Obtener las Acciones de control.
palabras clave: sistema Piecewise afín, control distribuido, control predictivo
El Método Propuesto descompone El problema de Optimización De
basado en modelo, entera mixta programa cuadrática ming, cuádruples-tanque.
Todo El Sistema no lineal en MIQPs Varios de menor dimensión De
Tal Manera Que El Tiempo de Cálculo se Pueda reducirse
drásticamente. Otra ventaja f de la Estrategia de Optimización no
lineal es DMPC Que Un Problema no convexo Podria ser sustituído
POR MIQPs Finitos, pudiéndose Obtener Una aproximación al Óptimo
1. INTRODUCCIÓN
mundial en un Lugar de la ONU Óptimo local. Finalmente Se presenta
investigación Modelo de control predictivo (MPC) se inició con la motivación de la
ONU example numérico y la simulación de las Naciones Unidas
utilización de la tecnología informática para mejorar el rendimiento de los sistemas de
Sistema de cuatro tanques con el fin de evaluar v Poder El Método
con trol que eran de múltiples variables y tenía limitaciones [1]. En general, MPC
Propuesta.
apareció como una estrategia de control centralizado. Sin embargo, para sistemas a
gran escala, un controlador predictivo basado en modelos CEN tralized que da cuenta
de todas las acciones interrelacionadas en el sistema global es ya sea demasiado
complejo o cal impracti. Ejemplos típicos de tales sistemas son redes eléctricas, redes
de agua y redes de tráfico urbano, entre otros. Con el fin de superar estos
inconvenientes, descentralizada y dis estrategias de control Tributado se han
desarrollado en el campo MPC [2],
Bacalao. 7740 | Tecnología de la Instrumentación | 3.311,02 Ingeniería descontrol Noviembre - Diciembre 2015 | Vol. 90 n "6 | 661/671 | Dyna | 661
■s article control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control
GuoqiZhong, Zhiyuan Liu Jing y Houhua
un problema único, optimización es reemplazado por un núm ero de los más suministrado para el diseño de un controlador de DMPC, el problema de optimización
pequeños, que tienen un menor número de variantes de decisión y son más que requiere una solución es una programación no lineal uno; en la mayoría de los
fáciles de resolver en paralelo. Si las interacciones entre los subsistemas son casos, esto significa que es no convexo, que consume tiempo, y también difícil de
importantes o no pequeña, las condiciones que garanticen la estabilidad nominal encontrar una solución óptima global. Mientras lin earization, una técnica estándar en
de bucle cerrado son estrictas [5]. En algunos casos, incluso el de bucle cerrado la comunidad de control, no siempre es práctico, un enfoque alternativo es la aproxi-
comportamiento nominal del sistema en virtud de un MPC descentralizado ap PWA, que tiene la capacidad de aproximar funciones no lineales con precisión
puede ser inestable [6]. Con la motivación de hacer frente a los intercambios de arbitraria. Vista de lo anterior, este trabajo presenta un esquema de DMPC para
información entre subsistemas, una MPC distribuido ha captado la atención de subsistemas PWA limitados. Cuando se aproxima subsistemas no lineales (1) con los
los estudiosos. Un esquema de DMPC basado en comuni cación se ha modelos de PWA, el problema optimización final que requiere una solución para
explorado en la ture litera [7] y [8], donde el controlador de cada subsistema obtener acciones de control es un número entero qua programación dratic mixto
minimiza una función de coste local para la obtención de las acciones de (MIQP) problema en lugar de un problema de programación no lineal. Este cambio
control; Sin embargo, los estados se mueven a veces hacia un equilibrio de tiene dos ventajas. En primer lugar, MIQP es una optimización convexa, lo que
Nash con un esquema de este tipo. Desde la perspectiva de la teoría de juegos, requiere finita gramación cuadrática pro (QP) para un óptimo global aproximada
la Nash equi Librium es un uno no cooperativo, y suele ser subóptima en el puede ser ob CONTENIDA; Por otro lado, la estrategia distribuida puede reducir
sentido de Pareto [8], con el fin de obtener un mejor rendimiento optimizado, un efectivamente el número de variables de decisión de cada MIQP, y reducir el tiempo
control predictivo factible modelo basado en la cooperación (FC-MPC) esquema para la solución de optimización.
ha sido desarrollado en [ 9], [10], en el que las funciones objetivo locales de
cada subsistema se han modificado para lograr objetivos de control de todo el
sistema. La estrategia FC-MPC tiene dos ventajas evidentes. La primera es que
la solución convergente de este método está cerca de la solución óptima de El documento está organizado como sigue. En la sección 2, se introduce el problema
Pareto, de la que el mejor rendimiento alcanzable se puede obtener a través de DMPC. A continuación, el resultado de este trabajo es aire contenida en la Sección 3.
un modelo centralizado con predictivo trol (CMPC); La segunda ventaja es que Sección 4 presenta los resultados de simulación para corroborar nuestro marco.
el FC-MPC puede hacer frente a fuertes interacciones de estado y de control.
En [11], Guiso arte propone una condición stabilizability de la estrategia lineal
FC-MPC, y también proporciona orientación sobre cómo dividir los subsistemas
dentro de la planta. En [12], una novela distribuido algoritmo de optimización no
convexa, la característica única de los cuales es que no se requiere la 2. CONFIGURACIÓN DEL PROBLEMA
optimización de coordinación, se propone para un no lineal FC-MPC. Este Para hacer este trabajo autónomo, algunas definiciones pertinentes deben ser
algoritmo hace que cada iterate FEA sible y disminuye la función de coste. La revisados. M, Z, Z + denotar el campo de los números reales, enteros y números
velocidad de convergencia del esquema-FC MPC se ha investigado en [13], que enteros no negativos, respec tivamente. Sea K" denota el espacio vectorial de los
re reve- una fuerte conexión entre los pesos, la resistencia del acoplamiento números reales n-dimensiones. Let k £ Z denota el índice de tiempo discreto. en
entre subsistemas, y la tasa de convergencia. Un marco de descomposición de tegers N, M denotar el horizonte de predicción y el número de subsistema,
valor singular (SVD) para el FC-MPC con entradas altamente acoplados fue respectivamente. Que utilizamos es para denotar los números enteros finitos
desarrollado en [14], cuyo por Formance está cerca de la de la CMPC y supera conjunto {1, - • *, s}. En particular, Io: jv denota el Teger en conjunto {0,1,2, •••, N}. Para
el FC-MPC. funciones dadas a (i) 1 y
cx-2 ( yo), OA2 (t) denota el a¡x función (a2 (t)). Para un conjunto S1C1 ", cl
(Q) denota el cierre de P.
En este trabajo, la planta que hemos considerado es una clase de un sistema
distribuido de tiempo discreto invariante en el tiempo, y cada subsistema tiene la
forma PWA, que puede ser obtenido a partir de la transformación de la no lineal
sub-modelo (1) por la AP adecuado próxima método. Para facilitar la exposición, se
La mayoría de las investigaciones de DMPC se concentran en els mod lineales. Un asumió la planta comprende sólo dos subsistemas, es decir, M = 2, y cada sistema
gran obstáculo en el desarrollo de estos esquemas para modelos no lineales es el hecho tiene varias particiones de conmutación. El análisis y el resultado de más
de que ción no lineal Optimiza no convexo es difícil de resolver. Motivado por los subsistemas es similar. Considere el sistema de seguimiento ING:
antecedentes expuestos, el trabajo presentado en este documento tiene como objetivo
contribuir al tema del control distribuido de un sistema no lineal acoplada. Supongamos
una planta compuesta de varios subsistemas, y cada subsistema se describe por la
ecuación de:
A \ x i + B \ u \ + W l 2 U2 + C \ X \ mi Nueva Jersey
xt =
METRO
7=1 (2)
A \ x 2 + segundo 2 T 2 + l WJT «+ c2 X2 £ Q 2
662 | Dyna | Noviembre - Diciembre 2015 | Vol. 90 n ° 6 | 661/671 Bacalao. 7740 | Tecno logía de la s en trum n ta c ión | 3311.02 Ingeniería decontro l
D es tribu ted modelo p rojo ic tiva con tro l fo r Constra a trozos ined un ff en el sistema e w ith con tro l golpe ling arte í culo
GuoqiZhong, Zhiyuan Liu y HouhuaJing
el siguiente instante de tiempo. Índices en superíndice indican la parti ción de la Li (xi (k), Ui (k)) = \\ xi {k) \\ 2QT + || u¿ (fc) |||. (7)
dinámica de conmutación, y aquellos en los subíndices indican el subsistema al
que pertenecen. Hay una pequeña diferencia en la matriz de coeficientes WFJ. El como es el costo de terminal:
ui se deriva de. Cada partición es un politopo que tiene la siguiente forma: dónde € RTtXT \ yo yo € metro son positivos ma semi-definido
trices y Rj £ W nxm, i £ yo metro son matrices definidas positivas.
Como hemos visto, las funciones teatrales se definen para cada subsistema,
Xi = {£ Rni | Gi .xi <K { . } ,
mientras que el costo del terminal se pondera sobre los estados de todo el sistema.
Las ventajas de esto son dobles. La ventaja más importante es bajar el conservador
dónde yo £ I 2, j £ 1 $. Para el subsistema i, (! • NFL [= 0, Vj.r 1 £ Si, jfr de lin desigualdades matriciales oído (LMI) que deben ser resueltos para obtener el
y T £ Me fij = x¿, que es las limitaciones del estado de ¿-subsystem. ISI es el Índice de control estático h {x) y la matriz de ponderación terminal de P; el otro es útil para
conmutación ajustada del subsistema ¿-ésimo. Cuando el ori gen del subsistema yo está ajustar los coeficientes de ponderación de los estados de un subsistema. La función
contenido en la partición FLJ, entonces c¡ = 0 de fase de todo el sistema puede ser reformado como:
se requiere para satisfacer la continuidad en el punto x¿ = 0. Los straints estafadores de
Todo el sistema es también PWA, pero con más particiones, ya que la forma de en el cual Q = diag (wiQi, W 2 Q 2), R = diag (wii? i, w 27 YO 2).
Q*= x Oí¡, y s £ es decir, S = S I S 2- yo 5 es el índice de conmutación conjunto de las carac- terísticas de conmutación del modelo de PWA, el método de diseño de PAG y h
todo el sistema de PWA. El conjunto de restricciones del estado y de las entradas de todo {x)
el sistema son X y U, respectivamente, que son también politopos. que permiten estado arbitrario de conmutación de la literatura [15], se adoptó.
Dejar K £ Rmx”sea una ganancia de control estática de estabilización para todo el sistema
Y x = x, X x 2 = (U i €, nn I) X ( u ra, 0,2 NJ), u = u, X u2. y dejar que s 0 - {0,7 € I s I 0 G cl (fi ^)}; es decir, el índice de conjuntos
Por otra parte, se supone que el origen pertenece a X . de particiones que contienen el origen. Porque h {x) Es una ley de control central izada
El objetivo de este trabajo es diseñar una estrategia DMPC con el fin de terminal de estática, deje hi (x) denotar la ley de control de ¿-ésimo subsistema, a saber, u.¿
estabilizar todo el sistema con los límites de los estados garantizados y controles de = UN( X). Además, todo el sistema es lineal a trozos en establecer U¿ÍP", j £ IS0, a
cada subsistema. continuación, un sistema de bucle cerrado en X t con el controlador estático ( 10) es:
/ NORTE- 1 \
x TP sx x £ X t Florida
J norte = $ > mi Li (xi (k), Ui (k)) \ + F (x (N)) (6) Una restricción de la estabilidad de PJ y K 1 puede ser resuelto por el LMI como se
Bacalao. 7 7 4 0 ¡Tecnología de la instrumentación | 3.311,02 Ingeniería de Control Noviembre - Diciembre 2015 | Vo 0.90 n ° 6! | 661/671 [Dyna 663
arte í culo control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control
Guoqi Zhong, Zhiyuan Liu y HouhuaJing
3 0.3. CONVERS ION DE OPT IM Izat ION lem (18) son matrices de dimensiones adecuadas. Los lazos inequali contienen
Con el controlador estático, coste terminal y conjunto de restricciones se controles, los estados y las limitaciones de terminales y straints estafadores que
describe en la subsección anterior, el distribuido problema optimi zación del aseguran la equivalencia entre ciones modelo Transforma.
subsistema i-ésimo está dada por siguiente problema vi,
(# 1 (k), ■ ■ ■ , XM {k)) GX, k GI (): JV-1 Debido a la existencia de variables lógicas, el problema de optimización (18)
es un MIQP, y se puede resolver utilizando software mización opti existente,
(Til (fc), • ■ ■, WjVf (k)) GU, k G Io: ./ V_l
como MOSEK, CPLEX, y MPT.
x (N) e xT Con el fin de garantizar la viabilidad recursiva de la DMPC propuesto, un algoritmo
de arranque en caliente es un requisito. Según la solución óptima de un problema (18) en
Es un inconveniente para predecir los estados futuros utilizando el modelo de PWA, el momento k, este algoritmo se utiliza para construir una solución factible para el
debido a sus características de conmutación. Un modelo dinámico lógica mixta (MLD), que momento siguiente.
se deriva a partir de [16] se ducido introducción para construir ecuaciones de actualización
de estado de los subsistemas. Para el subsistema i, introducir variantes lógicas 8] y Auxil Algoritmo 1:
variables iary. ^, yo e I2, j G es. como sigue: Dado x (k) y el óptima solución
v * (k) T = [u * (k) T, ÿ (fc) T, z * (k) T, yo yo € m, en el instante k, el arranque en caliente
v¿ (k + 1) se calcula de acuerdo con las reglas ser baja:
xi € ■ <-> 8 ¡= í (14)
IfRR (fc) G XT,
a continuación, [? '(? +%)' 95 (* + W • • • 'e «(* + Tl ¥)] = 1=
a continuación, los modelos MLD de los subsistemas son: ü¿ (k + l) = [tq (FC4-l | fc), ■ ■ ■, ü i (k + N-í \ k), UI (k + N \ k)] M k + 1) = \ 8i (k
xt = J 2 zi ' es decir, I 2
J=1 (dieciséis)
x + = [l yo ... I \ Zi
'--------- --------- - (17) UI (k + l) = [u * (k + l \ k), ---, u * (k + N- l \ k), UI (k + N \ k)] Ai (k + 1) = [8 * (k
Si
+ l k \), ■ ■ ■, 5 * (k + Nl \ k), Ti (x {k + N \ k))] zi {k + l) = [z * (k + l k \), ---, z *
{k + N - l | fc),
Algunas limitaciones de 8j, ZJ son necesarios para garantizar alence equiv entre
las transformaciones modelo. Este problema de optimización (13) del subsistema yo € I2 Vi {xi ( k + N | k), Ui (k + N \ k), 8t ( fc-b N | UN:))]
Sobre la base de la solución de este problema de optimización (18) para cada subsistema en
dónde j € I2, j ± yo. v¿ (k) = [uf (k), A f (k), ZJ ( k)] r ¡Es por el control del dónde Y i * wi = w% > 0- Las acciones de control aplicadas a la planta son:
modelo del subsistema MLD yo, y (K), z.¿ (k)
representan, respectivamente, Ables vari lógicas y continuas auxiliares sobre el horizonte de
predicción, es decir, u * (k) = [I 0 0] v¿ (fc), yo € 1 metro (19)
A i (k) = [ 8i (k) T, - -, 8i (k + N - si y sólo si R Emark 1: De acuerdo con el contenido de la subsección 3.3, es necesario señalar
que el acoplamiento de información de control que aparece en el subsistema de PWA,
Zj (fc) = [ zi {k) T, ■■■, Zi (k + N - 1) T] T
después de la ción modelo Transforma, está implícito en variables auxiliares; si existe
las matrices y, 'H yo , S yo , T yo en la función de costes y pling COU estado, el método presentado en este documento también se puede aplicar.
Gi 1 fcix 5 FCIU 7 ICIC en la restricción de la optimización proble-
664 | Dyna | Noviembre - Diciembre 2015 | Vol. 90 n ° 6 | 661/671 Bacalao. 7740 | Tecnología de la instrumentación | 3.311,02 Ingeniería descontrol
control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control arte í culo
GuoqiZhong, Zhiyuan Liu y HouhuaJing
A partir de la descripción anterior, un procedimiento de aplicación del método de Observación 2: De acuerdo con la equivalencia de los sistemas de PWA y MLD
DMPC se puede dividir en dos etapas, a saber, en línea cálculo y optimización en ilustrados en [17], el problema de optimización (13) y (18) también son equivalentes.
línea. El algoritmo completo se puede esquematizar de la siguiente manera.
El siguiente teorema, basado en la viabilidad del problema op timization,
garantiza la estabilidad de todo el sistema de bucle cerrado.
Algoritmo 2: Paso 1. Dados los parámetros Qi, K¿, Wisconsin, I E yo m, y
Teorema 1: sistema (2) para un fijo Considere N £ Z +, y supongamos que la
a continuación, calcular la ley de control estático K>, matrices de ponderación viabilidad recursiva de problema de optimización (13) es satisfecha; a continuación, de
terminales PJ y el terminal positivamente en la variante conjunto XY. bucle cerrado el origen de la DMPC sys tem es Lyapunov asintóticamente estable.
Paso 2. matrices de coeficientes Compute en M1QP (18). Paso 3. estados Prueba; Considere la función de coste
En el algoritmo 2, Paso 1 a 2 pertenecen a la etapa en línea, mientras que los otros establecida en XY. A partir de la optimización sabemos que para todos i £ yo metro
3.4. ANÁLISIS
En general, el análisis del método MPC es necesario partir de dos aspectos: se puede obtener, a continuación, por la convexidad de la función J norte
se generan de acuerdo con (14) (15), respec tivamente. En consecuencia, todas las en el instante k. En la terminal de establecer Xy, los candidatos de Lyapunov satisface la
restricciones en el problema de optimización (18b) pueden ser satisfechas por v¿ (fc + 1). función:
N / rp \
Además Lema 1, se requiere la viabilidad inicial de VO acción de control
para garantizar la viabilidad del problema Optimiza ción en todo momento. La =Y XTV) {P3K - ( ■ ak) pjk + 1 UN% ) X (t)
t=k ' '
viabilidad inicial siempre se puede lograr mediante la elección VQ.
= XT (k) P-'kx (k)
Bacalao. 7740 | Tecno logía de la s En trum n ta c ió n | 3.311,02 Ingeniería de Control Noviembre - Diciembre 2015 | Vol. 90 n ° 6 | 661/671 | Dyna 665
article control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control
x {k) < mi. Dependiendo de la definición 4.1 en [18], el bilidad sta se prueba.
2
<N
4. ILLUSTRATIVEEXAMPLES
- 1 ---------------------------------- ■ ---------------------------------- * -------------- --------------------
Con el fin de verificar el método propuesto, una simu lación numérica se 0 10 20 30
presentan en esta sección, cuyo equilibrio se localiza en un límite común de varias Tiempo [k]
particiones; este ejemplo se utiliza para ilustrar el caso en el que el interruptor Higo. 7: Closed-loop s ta d respuesta ofCMPC (línea verde) y DMPC (línea azul).
trayectorias de estado entre las particiones cuando los estados dirigen hacia el
equilibrio.
Considere un modelo de espacio de estado de tiempo discreto con dos subsistemas,
1.20 - 0.6928 1 £ +0
T] + U2 I] € S7 [
0.6928 0.40 1
r+=
0.40 0.6928 l'
( 21)
xi + T 1+ «2% 1 €
- 0.6928 0.40 0
0.6928 - 0. 4 0 J 1
Ui + U2 6 ft2 0
0.40 0.6928 X i + 0
SG = ( 22)
0.6928 0.40 0
T 1+ «2 xi e IL2
- 0. 4 0 0.6928 X \ + 1 1.2
Las regiones de las cuatro particiones del interruptor son politopos, y sus descripciones
matemáticas son las siguientes:
CN
2, 51 ------------ '--------------'---------------
Debido a que el origen está en el límite de todos titions par de conmutación, el
2 f ---------------- mnnnnnr
conjunto de conmutación es I S0 = {1,2,3,4}. La matriz de terminal y el controlador
1.5
estático son:
3 1 - yo uuuuuuu
CO
1.4202 - 0,8963 -0,0719 -0,0270 0. 5 1 -------------------- '----------------------- * ------------------------
- 0.8963 1.0184 - 0,0657 0.1318 0 10 20 30
P=
Tiempo [k]
- 0,0719 -0,0657 0.4021 0.0545
- 0,0270 0.1318 0.0545 0.4034 Fig. 3: Los jectories tra de registro ica l ts Varian de la DMPC.
666 yo Dyna | Noviembre - Diciembre 2015 | Vol.90n ° 6 | 661/671 Bacalao. 7 7 4 0 | Tecnología de la instrumentación | 3.311,02 Ingeniería de Control
control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control
arte í culo
Guoqi Zhong, Zhiyuan Liu Jing y Houhua
el estado obtiene cerca del origen. Sin embargo, debido a que el origen se encuentra en el límite
de particiones, los estados están siempre saltaron entre las diferentes particiones.
hi = - ~~ \ j2gh \ + \ / 2gh3 + p ^ i -V
UN\ Alabama
Una simulación CMPC de todo un sistema de PWA se ha aplicado para h2=- y / 2gh2 + - y- y / 2gh4 +
A <i - / i-2 ^2
comparar el rendimiento de la DMPC propuesto en la Sección 3. Tanto el sistema
como curvas de control del giro CMPC más que el de la DMPC. Comparando la l “3 / G ~ T ~, “^ 2) FC2 (23)
^3-- 3 H ------ 7 ----- ^ 2
^3 ^3
Fig. 3 y 4, la razón de esto es que todo el sistema PWA tiene un mayor número de
particiones de conmutación y el comportamiento de ENCE transferencia de sus
/ 14 = - X-\ ¡2gh \ + - - j - ~ - vi
estados es en consecuencia más complejo. / 14 A4
Al comparar los tiempos de cálculo, el DMPC ha sig ventajas signifi-. En una En la fórmula (23), Hola, yo mi I4 son los niveles de agua en el tanque yo considerados
PC con Inter Core ¡5-3210M CPU (2,50 GHz) y 8,00 GB de memoria como estados, y Vj, j = 1,2 son velocidades de la bomba, que son entradas
DDR3-1600, el promedio veces durante 30 pasos con diferentes tiempos de manipuladas. Los Ings medios físicos y los valores de otros parámetros que
predictivos resolver se enumeran en la Tabla 1. aparecen en (23) se describen en la siguiente Tabla II, a partir de [18], Las
limitaciones del estado y de control considerados en el modelo cuádruple-tank
0.0681 0.5967
II
A partir de la Tabla I, con el aumento del horizonte de predicción, los tiempos totales
de cálculo muestran diferencias significativas. Cuanto mayor sea el horizonte de predicción
es, mayor es la diferencia. En DMPC, el problema de optimización de todo el sistema se
descompone en una serie de problemas de optimización más pequeños, y cada uno tiene
un menor número de dimensiones de las variables de decisión. Esto conduce a una
disminución significativa en el tiempo de resolución.
Bacalao. 7 7 4 0 I Tecnología de la instrumentación ¡3311,02 Ingeniería decontro l Noviembre - Diciembre 2015 | Vol. 90 n ° 6 | 661/671 | Dyna | 667
article control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control
GuoqiZhong, Zhiyuan Liu Jing y Houhua
<7,3 0,071 cm2 La sección transversal del orificio de salida del tanque 3.
<24
0,057 cm2 La sección transversal del orificio de salida del tanque 4.
subsistema 1 subsistema 2
71 * 1 0
vi + Resultados (1 - 72)
(24)
UN ,
Tenga en cuenta que la no linealidad de un sistema cuádruple del tanque (23)
0
L un 3
sólo se refleja en \ / 2 ghi, por lo que si una aproximación de PWA \ / 2 ghi puede ser
72 ^ 2 0 calculado, podemos obtener la ecuación PWA de toda la dinámica cuádruple tanque.
FL2
A2 (1 -7i) fci vi ( 25) Usando el método NATing origi de la literatura [19], una aproximación PWA se
h 4. 0 V2+ UN,
resuelve como sigue:
información de control Sólo interactúa con los demás en los subsistemas
distribuidos. Dejar % i = {hi, ( 13) y x2 = (/ ¡-2; Hola)
denotan los estados de subsistemas, y dejar T \ = v \, u2 = de nota de la entrada de
ot \ hi + / 3i h-min <hi <j
control. \ / 2 ghi (26)
Típicamente, la técnica utilizada comúnmente para diseñar un Troller con para un 2 K + / 32 7 < Hola Hmax
668 I Dyna | Noviembre - Diciembre 2015 | Vol. 90 n ° 6 | 661/671 Bacalao. 7740 I Tecnología de la instrumentación [3311.02 Ingeniería de Control
control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control ar t UCI lo
GuoqiZhong, Zhiyuan Liu y HouhuaJing
a2 5.0753
El tiempo de la muestra se utilizó es 5 s. Cada subsistema tiene cuatro
01 44.6396
particiones de conmutación y todo el modelo cuádruple-tanque, que puede ser
min J i (i, u,, u2) = Y) “MWH - * l (* OII«, + lk (fc) - ®i (* OII y + EN *) - * MII5> (30)
i=l \K=0
y su aproximación PWA es pequeño en el intervalo [2, 30], que es la restricción 28.1856 6.6280 - 3.5986 - 26.3276
considerada en proceso cuádruple tanque exactamente. 6.6280 63.1095 -33.9352 - 21.5120
Sustituyendo la ecuación PWA aproximación (26) en las ecuaciones no - 3.5986 - 33.9352 46.6058 13.7232
lineales (24-25) se obtiene de tiempo continuo PWA de- - 26.3276 - 21.5120 13.7232 94.8224: (31)
- 0.5309
£ lG < X -11 0x < 9.7271 -1
0 - 1 se -1
■ 10 ■ ' 9.7271
0.8789 0,0584 0 0.3905 0.5551 0 30
0.9377 x \ (k) + xi 0 T 1 ( k) + [o- 0072
2317
u2 (k) + u2 - 1.1584 XJG < X - 1 1 0x < -1
0 - 1, 9.7271
X\ (Y +!) = <
. -
10 30 (27)
0.9377 0.1172 0 0.6446 0 1 x < 9.7271
£ xi < X
-
0.8789 (k) + x \ ° -40 031] "i (*) + 0,0145 0.2245 {k) ~ segundo- 0.5309 -10 - 9.7271
0 - 1, -1
■ 10
.
- 30 "
101 r 9.7271
0.9133 0,0828 0 0.3002 0,0170 0
0.9133 x2 (k) + 0 u 2 (* 0 + [ 0: 1492] METRO k) +
-
- 0.3801
X2e <X -11 0x < 9.7271 -1
. Por 0 - 1. . -1
• 10 9.7271
0.3002 0.4050 0 30
0 0 .. 0422
9558
x2 (k) + 0 u2 {k) + H 526 Ul (fc) + - 0.8215 X2e <x -11 0x < -1
0 - 1 se 9.7271
X2 (fc + 1) = <[ 0.9133 0. .
10
. -
30
0 1 x < 9.7271
(28)
X 2 (/ c) + [o-3, r + \ 0: 1492] M k) +
0.9558 0,0848 0 0.4500
0.9133 M k)
-
0.9558 x2 {k) + ° -30 071] u2 (fc) + [g;? I |] ui (fc) + - 0.8215 X - 1 1 0x < - 9.7271
. 0 - 1 se - 9.7271
Bacalao. 7740 I Tecnología de la instrumentación | 3.311,02 Ingeniería de Control Noviembre - Diciembre 2015 | Vol. 90 n”6 | 661/671 | Dyna 669
article control predictivo modelo distribuido para el sistema afín a trozos constreñido con acoplamiento de control
GuoqiZhong, Zhiyuan Liu y HouhuaJing
20
10 20 30 40 50
PWA
- - - Ni
20
10 20 30 40 50
tiempo M
Fig. 12: La comparación del tiempo de la solución de entre nonlinearMPCand DMPC.
Fig. 10: Las trayectorias de los controles de la cuádruple-tanque.
670 | Dyna | Noviembre - Diciembre 2015 | Vol. 90 n “6 | 661/671 Bacalao. 7740 | Tecno logía de la s en trum n ta c ión | 3.311,02 Ingeniería de Control
D es tr ibu ted modelo p rojo ic tiva con tro l fo r Constra ined aff a trozos en e sistema wi º con tro l golpe ling
arte í culo
Guoqi Zhong, Zhiyuan Liu Jing y Houhua
Fig. 9-12, el rendimiento de NMPC es mejor que el por Formance de DMPC durante el del análisis de estabilidad, se emplearon terminal de restricción de
proceso dinámico, mientras que en el proceso en estado estacionario, su rendimiento desigualdad fijar y coste terminal. Un algoritmo de arranque en caliente se
está muy cerca. En el anuncio DICIÓN, el DMPC tiene una gran ventaja sobre requiere utiliza para lograr la viabilidad recursiva. La ventaja de la estrategia de DMPC
mucho tiempo. La razón es que no convexos de optimización no lineal y limitaciones de es que un óptimo global aproximación se puede obtener, debido a que el
NMPC aumentan en gran medida el tiempo de resolución. Estas dos cuestiones MIQP se resuelve a través de la prod ing QPs finitos. El controlador se ha
difíciles se han vencido por la DMPC presentado en este artículo como se esperaba. aplicado a un ejemplo numérico y una planta de cuádruple-tanque para
probar la efectividad de diferentes situaciones. Cabe señalar que el más
fuerte es el subsistema de la no linealidad, los más particiones PWA una
A partir de este ejemplo, podemos concluir que el equilibrio del sistema actual aproxi mación necesidades, lo que lleva a un problema más complejo MIQP.
es casi imposible localizar en un límite de alguna partición. Esto significa que sólo El tiempo para resolver los problemas MIQP aumenta exponencialmente con
una partición contiene el equilibrio en su interior. Sin embargo, el equilibrio se consid el crecimiento de las particiones de PWA. En el catión práctico appli del
Ered como la localización en el límite, si está muy cerca de una ary encuadernado, método propuesto en este artículo,
con el fin de evitar la oscilación de trayectorias de estado.
5. CONCLUSIÓN
En este trabajo, una estrategia de DMPC se ha presentado con un sistema RECONOCIMIENTO
cuyos componentes consistir en varios modelos nominales PWA. Para reducir el Este estudio fue financiado por el Proyecto 61.403.105 que fue apoyada por la
tiempo de resolución de optimizaciones, se aplicó un marco ativa Cooper Fundación Nacional de Ciencias Naturales de China (SNCF).
distribuida. Para la comodidad
BIBLIOGRAFÍA
[1] Fan Liping, Zhang Jun, Li Chong. "Modelo predictivo Co ntro l de [11] S tewart BT, Venkat AN, Rawlings JB, et al. "Cooperativa
contras bronceado t tensión ou TPU tofa de protones de membrana de intercambio de pilas de combustible". d istribu modelo ted con predictivo tro l". Sistemas Et Cartas de control. Agosto de 2010. Vol. 59-8.
Revista de Ciencia e Ingeniería Technology Review. p.460-469. DOI: h ttp: / / dx .do i. o rg / 10 0,1016 / j.sysconle.2010.06.005 [12] S tewart BT, W r igh t SJ,
De abril de 2013. Vol. 6 -2. p.115-119. Rawlings JB. "Cooperative d istribu ted
[2] Maestre JM, Muñoz De La Peña D, EF Camacho. "D istributed
modelo predictivo Co ntro l basado en un juego cooperativo". modelo predictivo con tro l fo sistemas r no lineales". Diario del control del proceso. Junio de
Aplicaciones de control óptimo y Métodos. Marzo de 2011. Vol. 32 -2. p.153-176. DOI: h ttp: // 2011. Vol. 21 -5. p.698-704. DOI: ht tp: / /
dx .do io rg / 10. L002 / oca 0.940 [3] Leirens S, Zamora C, Negenborn RR, et al. "Coord inación dx.dol. o rg / 10 0.1016 /j.jp Rocon t.2010.11.004
[13] Grob D, Stursberg 0. "Sobre la tasa de convergencia OFA Jacobi
en las redes de suministro r wa te urbanas utilizando d es tribu modelo ted con predictivo tro l". Actas un Rithm LGO fo r Cooperative D istributed MPC". Actas de la Conferencia IEEE sobre
de la Conferencia Americana de Control de 2010. Junio de 2010. Vol. 2010. p.3957-3962. Decisión y Control. diciembre
DOI: ht tp: / / 2013. Vol. 2013. p. 1508-1513. DOI: h ttp: // dx .do io rg / 10 0,1109 / CDC.2013.6760096
dx.doi.org/10.1109/ACC.2010.5530635
[4] De Souza F, Peccin VB, Camponogara E. "D istribu ted [14] Cai X, Sun P, Chen J, et al. "Rapid d es tribu modelo ted
modelo pred ictive con tro l aplica a las redes ic urbano t ra ff: ción Imp lemen ta, la predictivo con tro l diseño usando s descomposición de valor Ingu lar fo sistemas r lineales". Diario
experimentación y análisis". 2010 IEEE Conferencia sobre automatización Ciencia e del control del proceso. Julio de 2014. Vol. 24-7. p.1135-1148. DOI:
Ingeniería (CASE). http://dx.doi.Org/10.1016/j. jprocont.2014.05.002
Agosto de 2010. Vol. 2010. p.399-405. DOI: h ttp: / / dx .do i. o rg / 10 0.1109 /
C0ASE.2010.5584213 [15] Lazar M, Heemels W, Weiland S, et al. "Modelo pestaña Iliz ing S
[5] Christofldes PD, Sca tto lin i R, de la Pena DM, et al. "D istributed con predictivo tro lof sistemas híbridos". IEEE Transactions on Control Automático. Novermber
modelo pred ictive Co ntro l: A tu a r ia l de revisión y fu tu ro direcciones de investigación" Et 2006. Vol. 51-11. p.1813 -
Informática Ingeniería Química, abril. 1818. DOI: http://dx.do i.org/10.1109 / TAC 0,2006 0,883059
2013. Vol. 51 -5. p.21-41. DOI: h ttp: // dx .do iO rg / 10 0,1016 / j. compchemeng.2012.05.011 [16] Bemporad A, sistemas de lof Moran M. "Contro en tegra lógica ting,
la dinámica y enteros Constra". Automática. Marzo de 1999. Vol. 35 -3. p.407-427. DOI: h ttp: //
[6] Rawlings JB, S tewa rt BT. "Ginarios mu LTIP le op ción t im iza Coord - dx .do io rg / 10 0,1016 / S0005 1098 (98) 00178-2
estafadores cargas tro base:. New rtun OPPO a s y desafíos" Diario de proceso con tro l de octubre de
2008. Vol 18-9 p.839-845 DOI:.... http://dx.do iO rg / 10. 1016 /j.jp Rocon t.2008 0,06 0,005 [7] [17] Bemporad A. "E ff t ien ic conversión de dinámica lógico mixto
Camponogara E, Jia D, Krogh BH, et al. "D istribu modelo ted sistemas en que un IVA equ prestaron seccionalmente un ffine fo rma". IEEE Transactions
on Control Automático. Mayo 2004. Vol. 49 -5.
con predictivo tro l". IEEE Control de la revista Systems. p.832-838. DOI: ht tp: // dx .do i.0rg / Lo. l 109 / TAC.2004.828315
Febrero de 2002. Vol. 22 -1. p.44-52. DOI: h ttp: / / dx .do i. o rg / 10 0,1109 / 37 [18] Johansson KH. "El proceso de rup quad le-tanque: Un mu ltivariab le
0,980246 proceso de laboratorio w ith un anuncio cero justable". IEEE Transactions on Sistemas de
[8] Jia D, Krogh BH. "D istribu modelo ted con predictivo tro l". Control de Tecnología. Mayo de 2000. Vol. 8 -3. p.456-
Actas de la Conferencia Americana de Control. Junio de 2001. Vol. 4. 465. DOI: h ttp: // dx .do iO rg / l0 0.1109 / 87 0,845876
p 0,2767-2.772. DOI: h ttp: //dx.do l.org/10.1109 / ACC 0,2001 0,946306 [19] M. Johansson sistemas de control lineal a trozos. Saltador,
[9] Venkat AN, Rawlings JB, W r igh t SJ. "Ility pestaña S y optar al im idad de 2003. p.9-14. ISBN: 3 -540 -44 124 -7
d es tribu modelo ted pred ictive con tro l". Actas de la 44ª Conferencia IEEE sobre Decisión y [20] Muske KR, Rawlings JB. "Predictivo Co ntro LW ITH lineal Modelo
Control, y de la Conferencia Europea de Control. Diciembre de 2005. Vol. 2005. p.6680-6685. modelos". AlChEJournal, Febrero de 1993, Vol. 39 -2. p.262-287. DOI: h ttp: //dx.do iO rg / 10
DOI: h ttp: // dx .do lo rg / 10 -1109 / CDC.2005.1583235 [10] Venkat AN, Rawlings JB, W r igh t SJ. 0,1002 / a ic.690390208 [21] Chen H, A llgower F. A quas i- en f en no lineal horizonte ite
“Implementable
Bacalao. 7 7 4 0 | Tecnología de la instrumentación | 3.311,02 Ingeniería de Control Noviembre-Diciembre2015 | Vol.9 0 n “6 | 661/671 | Dyna | 671
Los derechos de autor de DYNA - Ingeniería e Industria es la propiedad de Publicaciones Dyna SL y su contenido no puede ser copiado o
enviado por correo electrónico a múltiples sitios o enviado a una lista de distribución sin autorización expresa por escrito del titular de los
derechos de autor. Sin embargo, los usuarios pueden imprimir, descargar o enviar los artículos para el uso individual.