Академический Документы
Профессиональный Документы
Культура Документы
3, SEPTEMBER 2004
integrado de procesos, considerando una estrategia de control donde x Rn es el vector de estados del sistemas, u Rm es
por realimentación de estados, optimizando parámetros de el vector de entradas, w Rq es el vector de perturbaciones y
diseño y operación de la planta y tomando en cuenta y Rp es el vector de salidas medibles del sistema. A, B, B1,
condiciones tipo desigualdades lineales matriciales LMI para C son matrices constantes de dimensiones apropiadas. Para un
el desempeño del sistema a lazo cerrado, en las que se sistema lineal de este tipo se pueden imponer restricciones
incorpora incertidumbre en el modelo, dándole así robustez al tipo LMI para garantizar condiciones en la operación de la
diseño del controlador. planta a lazo cerrado, considerando un esquema de control por
realimentación de los estados. Entre estas condiciones nos
II. DESIGUALDADES LINEALES MATRICIALES interesan las siguientes.
Una desigualdad lineal matricial [12] es una restricción de B. Estabilidad asintótica
la forma:
Para el sistema (3) se define una ley de control por
F ( x ) F0 x1 F1 x 2 F2 " x N F N 0 (1) realimentación de estados de la forma u = Kx, con lo que se
donde obtiene la condición de estabilidad asintótica [15@:
x x1 , x 2 , " , x N es un vector de escalares
AP+PAT+ BR +RTBT < 0 (4)
desconocidos (variables de optimización o de decisión).
F0 , F1 , " , F N son matrices simétricas conocidas. que representa un problema convexo en P>0 y R, que puede
resolverse de forma simple con herramientas de programación
`< 0´ indica la condición de “negativa definida”, es decir, convexa. Para este problema la ganancia de realimentación
que el mayor autovalor de F ( x ) es negativo. 1
está dada por K=RP- . Esta definición de la ganancia se aplica
Una LMI define un problema convexo sobre la variable x. a todas las condiciones LMI que se presentan en este trabajo.
La convexidad tiene una importante consecuencia, debido a Con estos resultados [15], la expresión de estabilidad
que en la mayoría de los casos la condición que define F(x) no asintótica puede expresarse como una desigualdad lineal
tiene solución analítica. Si esto ocurre, este problema se puede matricial como la que se muestra a continuación, donde se
resolver numéricamente con la garantía de encontrar una debe encontrar matrices P>0 y R tal que la siguiente LMI sea
solución, si existe alguna. Un sistema basado en múltiples factible.
LMIs puede ser considerado como un conjunto de LMIs §P 0 ·
¨¨ ¸!0 (5)
simples, como en el caso:
©0 AP PA BR RT B T ¸¹
T
F1 ( x ) 0
° F ( x) 0 C. Ubicación de polos
° 2 (2)
® Tal como aparecen en [16], es posible obtener condiciones
° # que permitan modificar el comportamiento temporal de las
°¯FK ( x ) 0 respuestas de los sistemas, garantizando la ubicación de los
polos a lazo cerrado en regiones del plano S, como se señala a
que equivale a F ( x ) : diag F1 ( x ), F2 ( x ),", FK ( x ) 0 , continuación.
donde diag F1 ( x ), F2 ( x ),", FK ( x ) representa una matriz por
9Condición de eje imaginario desplazado D0
bloques, cuya diagonal está compuesta por
F1 ( x ), F2 ( x ),", FK ( x ) . Observe que la convexidad del Para garantizar que los polos del sistema con realimentación de
problema se conserva cuando se tienen múltiples estados se encuentren a la izquierda del eje imaginario
desigualdades lineales matriciales. desplazado D0, se debe cumplir la existencia de matrices P > 0 y
R tal que la siguiente condición sea factible:
III. CONDICIONES LMI PARA REALIMENTACIÓN DE ESTADOS
AP+PAT+BR+RTBT+2D0P < 0 (6)
A. Introducción
9Condición de cono centrado en el origen con ángulo T
Múltiples condiciones para el análisis y diseño de sistemas
de control se han desarrollado utilizando LMIs [13]-[14]. Para que los polos del sistema a lazo cerrado se encuentren
Para resolver el problema de diseño integrado con en la región del semiplano izquierdo definida por un cono
realimentación de los estados, se plantea la utilización de una centrado en el origen, con un ángulo T, se deben encontrar
serie de condiciones tipo LMI, basadas en la descripción de matrices P > 0 y R tal que la siguiente expresión sea factible
una planta lineal e invariante en el tiempo en variables de para un ángulo T dado:
estado, dada por:
x Ax Bu B1 w
§ senT AP PAT BR R T B T
¨
cosT AP PAT BR R T B T ·¸
®
¯y Cx
(3) ©
¨ cosT AP PAT BR R T B T
senT AP PAT BR R T B T ¸¹
<0 (7)
176 IEEE LATIN AMERICA TRANSACTIONS, VOL. 2, NO. 3, SEPTEMBER 2004
matemáticas y el problema de diseño se define mediante un los valores del sistema y las restricciones lineales y no
modelo de optimización con restricciones. lineales del proceso.
Dentro de este contexto, el problema completo podría ser
o En cada iteración del problema de optimización no-
formulado desde el punto de vista de la programación
lineal, se toman los últimos valores calculados y se
matemática como uno de optimización múltiple objetivo, que
realiza la linealización del modelo alrededor del punto
se presenta como:
de operación.
Optimizar { f1(x), f2(x),....,fN(x) } p Con el sistema linealizado (A,B,C) se resuelve el
Sujeto a problema basado en las desigualdades lineales
h( x ) = 0 matriciales que se plantee en cada caso. La solución del
g (x ) > 0 problema lineal basado en LMIs se transmite al
optimizador no-lineal del diseño de la planta, para que
donde las funciones f1(x), f2(x),.....,fN(x) representan las N en función de lo ocurrido tome las acciones
funciones objetivos a optimizar (minimizar o maximizar). Las correspondientes para seguir buscando un resultado
funciones h(x) expresan generalmente, las restricciones óptimo. La información transmitida indica la existencia
correspondientes a los balances de materia y energía y las o no de una solución del problema con LMIs, es decir,
restricciones g(x) expresan zonas de operación factible, por la existencia de las ganancias de realimentación de
ejemplo composiciones positivas, temperaturas positivas, estados que cumplen las condiciones dinámicas
restricciones propias del proceso, etc. impuestas, así como el valor que señala lo buena que es
El vector x comprende variables o parámetros de operación y la solución (si existe) o lo alejado que está de ella (si no
variables estructurales. Una simplificación que se suele adoptar existe). De esta forma el problema lineal, es visto por el
consiste en expresar todos los objetivos en una única medida, que optimizador no lineal, como una restricción adicional
generalmente es económica. Obviamente, este enfoque, además que se cumple o se viola.
de ser una simplificación, no siempre es posible.
q Este proceso se realiza iterativamente hasta obtener los
B. Planteamiento del problema de diseño integrado valores óptimos del diseño xopt en el optimizador no-
En el problema que se plantea, se desea incorporar lineal.
condiciones dinámicas en este proceso de diseño, de forma de Es importante señalar que el optimizador no lineal gobierna el
obtener una solución óptima que defina las características proceso de búsqueda de los valores óptimos de diseño. En cada
físicas del proceso y que simultáneamente cumpla con iteración este optimizador calcula una planta candidato. Para esa
condiciones dinámicas que puedan garantizar un planta linealizada se verifica la existencia de un control por
comportamiento adecuado del sistema durante su operación. realimentación de estados. Si existe, se dan por satisfechas las
Estas condiciones dinámicas son incluidas mediante restricciones dinámicas (cálculo del controlador) y si no, se
desigualdades lineales matriciales. informa al optimizador no lineal de que esta restricción no es
Las desigualdades lineales matriciales están restringidas satisfecha y por lo tanto que ese punto no es factible. Observe
para ser utilizadas sobre sistemas lineales. Como es bien que el algoritmo busca una solución local. En el proceso de
sabido, la mayoría de los sistemas presentan características búsqueda de una solución, al alcanzar un posible mínimo local
no-lineales, por lo que la utilización de las LMIs en el siguiendo el gradiente, el optimizador no lineal hace
problema de diseño de las plantas, debe basarse en la modificaciones importantes sobre los valores encontrados (da
linealización del modelo del sistema. Esta operación siempre saltos) para examinar la existencia de mejores soluciones en otra
sacrifica información del modelo, pero da la posibilidad de región del espacio factible. Este algoritmo es implementado con
utilizar una gran cantidad de resultados existentes, que se la rutina estándar de Matlab1 para optimización no lineal y para la
basan en las LMIs [12]-[14], [16]. etapa de control, las funciones de desigualdades lineales matriciales
En el procedimiento planteado en este trabajo, se realiza (LMI Toolbox1).
una optimización en dos etapas, una de las cuales resuelve el
problema no lineal estático, considerando el modelo y ciertas V. ROBUSTEZ DEL CONTROLADOR
restricciones de operación del proceso, y una lineal, donde se
utiliza el modelo linealizado para resolver condiciones lineales Como ya ha sido señalado, en cada iteración del
multiobjetivo tipo LMI, que garantizan ciertas características optimizador no-lineal, se debe realizar la linealización del
dinámicas del sistema controlado, vía realimentación de modelo del proceso alrededor del punto de operación que se
estados. haya calculado en ese momento, para resolver el problema
Para lograr la integración del diseño clásico no-lineal de la lineal asociado a las restricciones LMI. Esta operación de
planta, con las condiciones lineales tipo LMI, se plantea el linealización representa una pérdida de información del
siguiente procedimiento para el problema de optimización: sistema original, pero permite incorporar condiciones de
diseño poderosas, que no se podrían utilizar en el problema
n Se define el problema de optimización del diseño de la no-lineal.
planta, estableciendo una función objetivo y
considerando su modelo no-lineal, para definir un
1
punto de operación en estado estacionario, las cotas de MATLAB, LMI Toolbox, son marcas registradas de The Matlab Works,
Inc.
178 IEEE LATIN AMERICA TRANSACTIONS, VOL. 2, NO. 3, SEPTEMBER 2004
V2 S 2 h2 TABLA I
t Tr2 Tr2 k 2 a 2 s2 h2 d 0 MATRICES VÉRTICES DE LA INCERTIDUMBRE CONSIDERADA EN EL DISEÑO
q2 k 2 a 2 h2
Modelo Lineal 1 Modelo Lineal 2
donde Tr1 y Tr2 son los tiempos de residencia de cada (A1,B1,C1) (A2,B2,C2)
depósito. Por condiciones en el modelo y para garantizar u(t)=2 u(t)=2
flujos positivos, que no generen raíces negativas, se impone h1+'h1 h1+'h1
que h1 ! h2. h2+'h2 h2'h2
D. Condiciones para la optimización Modelo Lineal 3 Modelo Lineal 4
(A3,B3,C3) (A4,B4,C4)
El problema que se resuelve se fundamenta en la obtención u(t)=2 u(t)=2
de los parámetros del proceso que minimicen sus dimensiones h1'h1 h1'h1
y que cumplan ciertas condiciones dinámicas durante su h2+'h h2'h2
operación, con el esquema de control indicado. Para ello se
plantea la siguiente función objetivo: con lo que se obtienen los sistemas que deben utilizarse para
resolver simultáneamente las condiciones lineales tipo LMI en
f(x) = O1*(R1)2+O2*(R2)2+O3*(h1)2+O4*(h2)2 (14) el problema propuesto, de forma de garantizar robustez del
controlador.
donde R1 y R2 (residuos) corresponden a los valores de las
Queda claro que bajo esta premisa, es posible considerar
ecuaciones del proceso en estado estacionario, que se
variaciones sobre cualquier parámetro del modelo y considerar
pretenden hacer cero para garantizar que el modelo se cumple.
sus extremos como se hizo con los valores del punto de
También se desea minimizar las alturas de los depósitos y
operación.
calcular los valores óptimos de las aperturas de las válvulas.
Para el modelo del sistema y las condiciones de operación
VII. ESQUEMA DE CONTROL POR REALIMENTACIÓN DE
se conocen los siguientes parámetros:
ESTADOS MÁS CONTROL INTEGRAL
k1 = k2 = 2 Para realizar el diseño tal como ha sido presentado, en la etapa
Tr2 = Tr2 = 2 lineal basada en LMIs, se utiliza una ley por realimentación de
estados más control integral. Ella presenta la estructura mostrada
u(t) = 2 en la fig. 2. Este esquema tiene la ventaja de poder garantizar
0% a1 100% una condición de desempeño ante perturbaciones estacionarias,
en la cual el sistema puede realizar un seguimiento de la señal de
0% a2 100% referencia sin error. Esto representa una condición más
S1 = S2 = 2 interesante que la que se obtiene por realimentación simple de los
estados.
E. Incertidumbre en el modelo del proceso
Para el caso del sistema hidráulico se considera
incertidumbre en las dos variables de estado. Como en cada
iteración estos valores cambian, se define la incertidumbre
como un porcentaje sobre el valor de cada variable de estado.
De esta forma se tiene que la incertidumbre sobre h1 es de U%
y sobre h2 es V%. Si se definen esos rangos como:
U% de h1 = 'h1 V% de h2 = 'h2
entonces se tiene:
h1'h1 < h1 < h1+'h1
h2'h2 < h2 < h2+'h2
Fig. 2. Esquema de control por realimentación de estados más control integral
Como en la linealización se debe definir el vector inicial de
estados y la entrada nominal, se debe repetir el proceso de
linealización 4 veces. Para cada uno se realiza la linealización Para el esquema se tiene que el sistema linealizado a lazo
con los siguientes valores: cerrado queda definido por las siguientes ecuaciones
diferenciales:
TABLA II
donde el vector de estados está dado por: RESULTADOS DE LA OPTIMIZACIÓN CON ESTABILIDAD,
ELIPSOIDE MÍNIMA, ENTRADA ACOTADA, SALIDA ACOTADA E INCERTIDUMBRE.
ª x (t ) º
x (t ) « x (t )» (17) Residuo R1 Residuo R2
¬ n1 ¼ -0.000000005247 0.0000000030953
y las matrices del sistema a lazo cerrado pasan a ser: Altura h1 Altura h2
4.6663 3.0950
ª A 0º ªBº ª B1 º
A « C B C >C 0@ B1 «0» Apertura a1 Apertura a2
¬ 0»¼ «0»
¬ ¼ ¬ ¼ 79.77% 56.84%
En la expresión (17) aparece el nuevo vector de estados del Ganancia K1 Ganancia K2 Ganancia K3
sistema presentado en la figura 2, donde se observan los -0.1182 -0.1789 0.0499
estados originales de la planta y un nuevo estado que resulta
de la incorporación de un integrador asociado a la señal de Con estos valores obtenidos para los parámetros de la
error resultante de la diferencia entre la referencia y el valor planta y las ganancias de realimentación, se simula la
de la salida del sistema, con lo que se pretende asegurar un respuesta del sistema no lineal a lazo cerrado ante una señal
seguimiento de la señal de referencia que permita eliminar el de referencia tipo salto. En la fig. 3 se presenta la respuesta
error del sistema ante valores constantes de la misma. temporal y en la fig. 4 se tiene la señal de control u que
El nuevo vector de ganancias de realimentación está dado genera dicha respuesta.
por:
K >K k n1 @
VIII. RESULTADOS DEL DISEÑO Fig. 3. Respuesta del sistema a lazo cerrado ante un cambio en la señal de
referencia tipo salto
A. Diseño con condición de estabilidad con incertidumbre en
las variables de estado h1 y h2
Residuo R1 Residuo R2
-0.0000000002820 0.000000002671
Altura h1 Altura h2
2.6218 1.3730
Apertura a1 Apertura a2
Fig. 9. Respuesta del sistema no lineal ante una perturbación en el segundo
89.48% 85.34% deposito
Ganancia K1 Ganancia K2 Ganancia K3
-0.3063 -0.5079 0.0770
182 IEEE LATIN AMERICA TRANSACTIONS, VOL. 2, NO. 3, SEPTEMBER 2004
X. REFERENCIAS
[1] N. Nishida, A. Ichikawa, “Synthesis of optimal process systems by a
gradient method”, Ind. Eng. Chem. Proc. Des. Dev., vol. 14, pp. 236-
242, 1975.