Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

MPC - Controlador Preditivo Baseado em Modelo

Introdução DMC/GPC

Prof. Marcus V. Americano da Costa Fº

Universidade Federal da Bahia

Escola Politécnica - EPUFBA
ENGF96 - Controle Avançado e Multivariável

01 de junho 2022.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Sumário I

1 Introdução
História
Primeiros Controladores Preditivos

2 Fundamentos e Caracterização do Sistema

3 DMC - Dynamic Matrix Control

Caso MIMO

4 GPC - Generalized Predictive Control

Predição da Saída
CARIMA MIMO
Formulação do Problema de Otimização - GPC
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Introdução
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Preditores em controle de processos - Definição

- Ação preditiva de um controlador: forma de gerar uma atuação baseada na previsão

da resposta futura do sistema, podendo, ainda, evitar ou amenizar um determinado
efeito indesejado.

- Atuação momentânea baseada na predição do comportamento futuro do processo.

-> A maneira mais simples de predição pode ser encontrada no controlador PID
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Controle PID é insuficiente

Existem situações em que o PID não oferece um bom desempenho:

Atraso do processo é dominante.
Sistemas em malhas com respostas rápidas.
PID atua em t preditando um erro em t + Td que é muito diferente do erro real.
Aumentar Td => erro grande.

Utilizar preditores avançados:

- DTCs.
- MPCs
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Model Predictive Control (MPC)

- Originado no final de década de 70 tem se desenvolvido até os dias atuais.

O termo MPC não se refere a uma estratégia de controle específica, e sim a uma
gama de métodos de controle que utilizam um modelo do processo para obter o sinal
de controle, minimizando uma função custo.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

História

Início
Corrida Espacial (1957-1975)
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

História

Início
Corrida Espacial (1957-1975)
Teoria de Controle Ótimo (1970)
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

História

Início
Corrida Espacial (1957-1975)
Teoria de Controle Ótimo (1970)

LQR - Kalman (1960)

Considere um sistema linear em espaço de estados x(k + 1) = Ax(k ) + Bu(k )
O problema LQR é encontrar uma lei de controle u(k ) = −Fx (k ) tal que (A − BF ) é
estável e minimize J, onde :
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

História

Início
Corrida Espacial (1957-1975)
Teoria de Controle Ótimo (1970)

LQR - Kalman (1960)

Considere um sistema linear em espaço de estados x(k + 1) = Ax(k ) + Bu(k )
O problema LQR é encontrar uma lei de controle u(k ) = −Fx (k ) tal que (A − BF ) é
estável e minimize J, onde :
∞
X
Jk ( u , x ) = (x (k + j )T Qx (k + j ) + u(k + j )T Ru(k + j )) (1)
j =1
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

História

Vantagens LQR
Propriedades estabilizantes
Mínimo esforço com solução ótima.
Áreas de elétrica, mecânica e aeroespacial
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

História

Vantagens LQR
Propriedades estabilizantes
Mínimo esforço com solução ótima.
Áreas de elétrica, mecânica e aeroespacial

Dificuldades de aceitação - indústria

Problemas sem restrição
Não linearidades dos processos
Dificuldades de aceitação da comunidade de engenheiros de controle
Solução offline
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Primeira aplicação

MPC
Richalet et al. (1978) - MPHC ou MAC - Model algorithmic Control
Cutler and Ramaker (1980) - DMC - Dynamic Matrix Control
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Primeira aplicação

MPC
Richalet et al. (1978) - MPHC ou MAC - Model algorithmic Control
Cutler and Ramaker (1980) - DMC - Dynamic Matrix Control

Características
Modelo Dinâmico do Processo - resposta ao impulso / degrau
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Primeira aplicação

MPC
Richalet et al. (1978) - MPHC ou MAC - Model algorithmic Control
Cutler and Ramaker (1980) - DMC - Dynamic Matrix Control

Características
Modelo Dinâmico do Processo - resposta ao impulso / degrau
Algoritmo de controle - problemas heurísticos
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Primeira aplicação

MPC
Richalet et al. (1978) - MPHC ou MAC - Model algorithmic Control
Cutler and Ramaker (1980) - DMC - Dynamic Matrix Control

Características
Modelo Dinâmico do Processo - resposta ao impulso / degrau
Algoritmo de controle - problemas heurísticos
Incluía as restrições Operacionais
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Primeira aplicação

MPC
Richalet et al. (1978) - MPHC ou MAC - Model algorithmic Control
Cutler and Ramaker (1980) - DMC - Dynamic Matrix Control

Características
Modelo Dinâmico do Processo - resposta ao impulso / degrau
Algoritmo de controle - problemas heurísticos
Incluía as restrições Operacionais
Não havia propriedades estabilizantes
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Primeira aplicação

MPC
Richalet et al. (1978) - MPHC ou MAC - Model algorithmic Control
Cutler and Ramaker (1980) - DMC - Dynamic Matrix Control

Características
Modelo Dinâmico do Processo - resposta ao impulso / degrau
Algoritmo de controle - problemas heurísticos
Incluía as restrições Operacionais
Não havia propriedades estabilizantes
Plantas estáveis
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Outras Gerações de MPC

QDMC - (1986)
Programação Quadrática
Sistema Linear
Função Custo Quadrática
Restrições por inequações
Predição por Equação Diofantina

GPC
Clarke et. al. (1987)
Uma das técnicas mais famosas e utilizadas na indústria

MPC e Estabilidade
Início da década de 1990
Relação com Espaço de Estados - Kalman - Lyapunov
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Fundamentos e Caracterização do Sistema

Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

A ideia para qualquer sistema de controle preditivo consiste basicamente:

Uso explícito de um modelo para preditar a saída do processo nos instantes
futuros (horizonte).
Cálculo de uma sequência de controle que minimiza uma função custo.
Receding Horizon. Apesar do sistema calcular uma sequência de controle para
um determinado horizonte, apenas o primeiro sinal de controle é aplicado em
cada instante.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Os MPCs diferem entre si a depender do modelo utilizado para representar o

processo e as perturbações, ruídos e função custo a serem minimizados.

Há diversas aplicações do MPC, tanto na área acadêmica quanto na indústria, que

vão desde a medicina até projetos militares.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Vantagens

Ajuste simples e intuitivo, sem precisar de um conhecimento avançado do

sistema;
pode ser aplicado em uma grande variedade de processos, assim como no caso
multivariável;
há compensação de atraso;
introduz ação de controle antecipatório para eliminar perturbações mensuráveis;
é bastante utilizado quando as referências futuras são conhecidas.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Desvatagens

Embora a lei de controle seja simples, ainda é mais complexa do que os

controladores PID;
quando restrições são consideradas ou nos casos de controle adaptativo, a
exigência computacional é maior;
é necessário um conhecimento do modelo para a implementação do sistema.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Estrutura do MPC

Saída atual
PROCESSO

Controle atual
- +
MODELO

Saída futura
Erro atual
OTIMIZADOR

Função custo erestrições

Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Algoritmo

Janela de horizonte móvel: Uma janela de

tempo que vai de um instante de tempo
arbitrário k até um instante de tempo
k + p. O comprimento dessa janela
permanece constante p, entretanto, o
instante de tempo arbitrário k aumenta a
cada intervalo do tempo de amostragem
do controlador.
Horizonte de Predição: Define o quanto
além do instante atual o controlador irá
predizer as saídas do processo. Esse
termo define o comprimento p da janela
de horizonte.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Algoritmo

Horizonte de Controle: horizonte m que

determina o tamanho do vetor do sinal de
controle que será implementada no
processo.
Objetivo de Controle: Será determinado a
trajetória (referência) desejada que as
variáveis do processo deverá alcançar.

Exemplo - Aplicação diária de controle

preditivo
Programação de atividade - Wang -
Springer 2009
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Elementos do MPC

Modelo para predição.

Função custo.
Lei de controle.
Modelos de perturbações mensuráveis podem ser utilizados => Ação antecipatória
(Feedfoward).
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Modelo

Um modelo da perturbação deve ser considerado, incluindo o efeito de entradas não

mensuráveis, ruídos e erros de modelagem. Desta forma, o modelo pode ser dividido
em duas partes:
1 Modelo do processo.
2 Modelo da perturbação.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Formas de modelo do processo

Resposta ao impulso.
Resposta ao degrau.
Espaço de estados.
Outras: Fuzzy, Neural.
Modelo da perturbação:

C (z −1 )e (t )
n(t ) = (CARIMA ),
D (z −1 )

em que D (z −1 ) inclui um integrador e e (t ) é um ruído branco de média zero.

Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Resposta livre e forçada

u(t ) = uf (t ) + uc (t )


uf (t − j ) = u(t − j ), j = 1, 2, ...


Resposta livre 
uf (t + j ) = u(t − 1), j = 0, 1, 2, ...


uc (t − j ) = 0, j = 1, 2, ...


Resposta forçada 
uc (t + j ) = u(t + j ) − u(t − 1), j = 0, 1, 2, ...


Ideia:
Resposta livre -> resposta obtida com controle futuro nulo
Resposta forçada -> resposta com controle futuro aplicado e condições iniciais
nulas.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Restrições
No controle
Saturação
Taxa de Variação
Faixa de Atuação
Na saída
Segurança
Economia

Algoritmos de otimização Complexos

∆umin ≤ ∆u(k + j |k ) ≤ ∆umax ,




∆u(k + j |k ) = 0, j > m,




U= (2)




 umin ≤ u(k + j |k ) ≤ umax ,
y ≤ y(k + j |k ) ≤ y


min max
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Função custo-objetivo

Objetivos:
Seguir referência futura.
Ponderar o esforço de controle.

Expressão geral:

N2
X Nu
X
[ŷ (t + j |t ) − w (t + j )] +2
λ∆u(t + j − 1)]2
j =N1 j =1

Parâmetros:
N1 , N2 , Nu e λ.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

DMC - Dynamic Matrix Control

Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Controlador DMC (Dynamic Matrix Control)

Foi desenvolvido no final da década de 70 por Cutler e Ramaker da Shell Oil Co. e
tem sido aceito com sucesso pelas indústrias, sobretudo, as petroquímicas.
Módulos comerciais: identificação de modelos e otimização da planta.
Nesta seção, será abordado o algoritmo padrão do DMC.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Projeto
O controlador DMC para um sistema SISO é baseado no modelo da resposta ao
degrau de uma planta:
∞
X
y (t ) = g i ∆u (t − i )
i =1
A predição da saída ao longo do horizonte será:
∞
X
ŷ (t + k |t ) = gi ∆u(t + k − i ) + n̂(t + k |t )
i =1
k
X
ŷ (t + k |t ) = gi ∆u(t + k − i ) + f (t + k )
i =1
Resposta livre do sistema:
∞
X
f ( t + k ) = ym ( t ) + (gk +i − gi )∆u(t − i )
i =1
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Se o processo é assintoticamente estável:

N
X
f (t + k ) = ym (t ) + (gk +i − gk )∆u(t − i )
i =1

Considerando Nu ações de controle, as predições podem ser calculadas ao longo do seu

horizonte (k = 1, ..., N1 ) como:
N1
X
ŷ (t + N1 |t ) = gi ∆u(t + N1 − i ) + f (t + N1 )
i =N1 −Nu +1

Definindo a matriz dinâmica G do sistema:

 g1 0 ··· 0
 

 g
 2 g1 ··· 0 
 . .. ..

 .. .. 
. . . 
 ,
G =  (3)
 gNu gNu −1 ··· g1 
 . .. ..
..

 .
 . . . .



gN1 gN1 −1 ··· gN1 −Nu +1
tem-se:
ŷ = Gu+f
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Predição das perturbações mensuráveis:

yˆd = Dd + fd

Resposta livre do sistema (soma de quatro efeitos):

f = fu + Dd + fd + fn

Algoritmo de controle:

N1
X Nu
X
J= [ŷ (t + j |t ) − w (t + j )]2 + λ[∆u(t + j − 1)]2
j =1 j =1

u = (GT G + λI)−1 GT (w − f)
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Caso MIMO

Para uma planta multivariável (m × n), a função custo quadrática é:

J = [W − Ŷ ]T Qy [W − Ŷ ] + U T Qu U , (4)

na qual W é o vetor de referências futuras, Qy , Qu são as ponderações do erro e

esforço de controle, respectivamente; e Ŷ é o vetor predição de saída do processo.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

o vetor predição de saída do processo que pode ser representado como:

Ŷ = GU + F , (5)

em que F é o vetor resposta livre, U é o vetor que possui os incrementos de controle

(∆u) calculados para se aplicar nas entrada e G é a matriz obtida por meio das
equações do modelo. Nessa equação, Ŷ e F têm dimensão ny × 1, U tem dimensão
m
X m
X
nu × 1 e G é da ordem ny × nu , sendo ny = Nyi , nu = Nui , nas quais Nyi é o
i =1 i =1
horizonte de predição da saída yi e Nui é o horizonte de predição da entrada ui .
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Substituindo a Eq. 4 na Eq. 5, é possível obter a seguinte equação:

1 T
J (U ) = U HU + b T U + f 0 , (6)
2
na qual o vetor U contém os incrementos das ações de controle que minimizam a
função custo, H = 2(G T Qy G + Qu ), b T = 2(F − W )T Qy G e f 0 = (F − W )T Qy (F − W ).
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Dessa maneira, a ação de controle pode ser computada sujeita a restrições nas
variáveis manipuladas e de saída tornando um problema de minimização quadrática
do tipo:
Min J (U )
Sujeito a: (7)
AU ≤ B
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

GPC - Generalized Predictive Control

Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Modelo CARIMA - Caso SISO

Considere o seguinte modelo em Função de Transferência discretizada

e (k )
a (z −1 )y (k |k ) = B (z −1 )u(k − d |k ) + C (z −1 ) (8)
∆
As funções de Transferência são polinômios em função de z −1 da forma:

a (z −1 ) = 1 + a1 (z −1 ) + a2 (z −2 ) + · · · + ana (z −na )
B (z −1 ) = b0 + b1 (z −1 ) + b2 (z −2 ) + · · · + bnB (z −nB ) (9)
−1 −1 −2 −nC
C (z ) = 1 + c1 (z ) + c2 (z ) + · · · + cnC (z )
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Modelo CARIMA - Caso SISO

CARIMA (Controlled Auto-Regressive and Integrated Moving Average) onde todas as

perturbações não mensuráveis que representam mudanças aleatórias e erros de
regime permanente podem ser definidas pelo termo

e (k )
C (z −1 )
∆

O polinômio C (z −1 ) é utilizado para modelar as características estocásticas dos

distúrbios do processo e e (k ) representa o ruído branco com média nula.
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Predição da Saída

O objetivo é encontrar a predição das saídas para futuros instantes de amostragem

Supondo para o próximo instante de amostragem k + 1

y (k + 1|k ) + a1 y (k |k ) + · · · + ana y (k − na + 1|k ) = b1 u(k − d |k ) + b2 u(k − 1 − d |k )

e (k + 1)) (10)
+ · · · + bnB u(k − nB − d + 1|k ) + C (z −1 )
∆

y (k |k )[a (z )∆] = B (z )∆u(k − d |k ) + C (z −1 )e (k )

−1 −1
(11)
| {z }
A ( z −1 )

onde o operador ∆ = 1 − z −1
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Predição da Saída

Deve-se então encontrar as predições ótimas das saídas y (k + p ) dado o instante k :

Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Predição da Saída

Deve-se então encontrar as predições ótimas das saídas y (k + p ) dado o instante k :

y (k + 1|k ) + A1 y (k |k ) + · · · + AnA y (k − nA ) = b1 ∆u(k |k )+

· · · + bnB ∆u(k − nB + 1)
y (k + 2|k ) + A1 y (k + 1|k ) + · · · + AnA y (k − nA + 1) = b1 ∆u(k + 1)+
· · · + bnB ∆u(k )(k − nB + 2)
..
.
y (k + p |k ) + A1 y (k + p − 1|k ) + · · · + AnA y (k − nA + p − 1) = b1 ∆u(k + m − 1)+
· · · + bnB ∆u(k )(k − nB + m)
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Representação sob a Forma Matricial

 1 0 ... 0y (k + 1) A1 A2 ... Ana +1  y (k )

     

... 0y (k
+ 2) A2 ... 0  y (k − 1)
A1    
1 A3 
.. ..

... ...
   +    =
A2 A1 0  A3 A4 0 
 . .. .. ..  .   . .. .. ..  . 
.. . . . y (k + p ) .. . . . y (k − nB )

| {z }| {z } | {z }| {z }
Ca yk Ha yk −

b1 0 ... 0 ∆u(k )  b2 b3 ... bnB  ∆u(k − 1) 
     
... 0 ∆u(k + 1)  b3 ... 0  ∆u(k − 2) 
b   
 2 b1 b4
... .. ... ..
  +   
b3 b2 0  b4 b5 0 
. . (12)

 . .. .. ..    . .. .. .. 
.. ..
    
. . . ∆u(k + p − 1) . . . ∆u(k − nB + 1)
| {z }| {z } | {z }| {z }
Cb ∆uk Hb ∆uk −
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Predição Ótima

Sendo assim, organizando as matrizes, pode-se encontrar o vetor de Predição Ótima

da saída da seguinte forma:

Ca yk + Ha yk − = Cb ∆uk + Hb uk − (13)

yk = H∆uk + Puk − + Qyk − (14)

onde H = Ca −1 Cb , P = Ca −1 Hb e Q = −Ca −1 Ha .
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Predição Ótima

yk = H∆uk + Puk − + Qyk − (15)

Os termos Puk − + Qyk − são dependentes de valores passados das entradas e
saídas. Esse termo é denominado resposta livre do sistema
Já o termo H∆uk − são as ações futuras de controle que se deseja obter para que seja
possível atingir os objetivos de controle. Esse termo é denominado resposta forçada

yk = H∆uk + f (16)
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Exemplo Rossiter

Dada uma função de transferência discreta :

e (k )
a (z )y (k ) = B (z )u(k − 1) + C (z )
∆
Determine as matrizes Ca , Cb , Ha , Hb para o modelo CARIMA a partir da formulação
matricial dada:

a (z ) = 1 − 0.8z −1
B (z ) = 2z −1 + z −2
C (z ) = 1
e (k ) = ruído branco
p=4
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Exemplo Rossiter
Dada uma função de transferência discreta :
e (k )
a (z )y (k ) = B (z )u(k − 1) + C (z )
∆
Determine as matrizes Ca , cb , Ha , Hb para o modelo CARIMA a partir da formulação
matricial dado:
−1, 8 0, 8
   
 1 0 0 0
−1.8 1 0

0  0, 8 0 

Ca = 
 0, 8 −1, 8 , Ha = 
1 0  0 0 

0, 8 −1, 8
   
0 1 0 0
   
2 0 0 0 1
1 2 0 0 0
Cb = 
0 1 2 0 , Hb =  

0
   
0 0 1 2 0
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Modelo para o Caso MIMO

A formulação do caso SISO acima apresentada pode ser estendia para o caso MIMO,
analisando a equação 11 para ny saídas e nu entradas da seguinte forma:
B1,1 (z −1 ) B1,2 (z −1 )
y 1 (k ) = ∆u1 (k ) + ∆u2 (k ) + · · · +
a1,1 (z −1 ) a1,2 (z −1 )

B1,nu (z −1 ) e1 (k + 1))
∆unu (k ) + C! (z −1 )
a1,nu (z −1 ) ∆

B2,1 (z −1 ) B2,2 (z −1 )
y 2 (k ) = ∆u1 (k ) + ∆u2 (k ) + · · · +
a2,1 (z −1 ) a2,2 (z −1 )

B2,nu (z −1 ) e2 (k + 1))
∆unu (k ) + C2 (z −1 ) (17)
a2,nu (z −1 ) ∆

.
.
.
Bny ,1 (z −1 ) Bny ,2 (z −1 )
yny (k ) = ∆u1 (k ) + ∆u2 (k ) + · · · +
any ,1 (z −1 ) any ,2 (z −1 )

Bny ,nu (z −1 ) eny (k + 1))

∆unu (k ) + Cny (z −1 )
any ,nu (z −1 ) ∆
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Caso MIMO - Matrizes

Ca ,1 0 ... 0 Ha ,1 0 ... 0

   
 
 0 C a ,2 . .. 0   0 Ha ,2 . .. 0 
. .
   
Ca =   Ha =  (18)
 0 0 .. 0   0 0 .. 0 


... ...
  
0 0 Ca ,ny 0 0 Ha ,ny
As matrizes Ca ,1 . . . Ca ,ny e Ha ,1 . . . Ha ,ny são originadas a partir da mesma lógica
utilizada na equação 12, com a diferença que passam a ser obtidas a partir do produto
dos seguintes polinômios:
nu
Y
∆. ai ,j → [Ca ,j , Ha ,j ] onde j = 1 . . . ny
i =1
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Caso MIMO - Matrizes

 Cb ,1,1 Cb ,1,2 ... Cb ,1,nu   Hb ,1,1 Hb ,1,2 ... Hb ,1,nu 
   
... ...
 Cb ,2,1  
Cb ,2,2 Cb ,2,nu   Hb ,2,1 Hb ,2,2 Hb ,2,nu 
Cb =  . .. .. ..  Hb =  ..
 
.. .. ..
 (19)
 .. . . .   . . . .



... ...

Cb ,ny ,1 Cb ,ny ,2 Cb ,ny ,nu Hb ,ny ,1 Hb ,ny ,2 Hb ,ny ,nu

Da mesma forma que as matrizes Ca e Ha , as matrizes Cb ,1,1 . . . Cb ,ny ,nu e Hb ,1,1 . . . Hb ,ny ,nu são
originadas a partir do produto dos seguintes polinômios:
nu
Bi ,j (z −1 ) Y
ai ,j → [Cb ,i ,j , Hb ,i ,j ] onde j = 1 . . . ny
ai ,j (z −1 ) i =1
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Caso MIMO

yk = H∆uk + Puk − + Qyk − (20)

sendo:
   
 y1 (k + 1)   ∆u1 (k + 1) 
 y1 (k + 2)   ∆u1 (k + 2) 
   
.. ..
. .
   
 





 y1 (k + p )   ∆u1 (k + m) 
  
yk =  y2 (k + 1)  , ∆uk =  ∆u2 (k + 1)  ,
   
 ..   .. 
. .
 
   


yny (k + 1)
 
 ∆un u(k + 1) 
 ..   .. 

 . 


 . 

yny (k + p ) ∆unu (k + m)
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Caso MIMO

yk = H∆uk + Puk − + Qyk − (21)

sendo:   
 y1 (k )   ∆u1 (k ) 
y ( k − 1) ∆ u (k − 1 )
   
 1 1
.. ..
  
. .
   
   
   
 y1 (k − na1 )   ∆u1 (k − nB1 ) 
y2 (k ) ∆u2 (k )
   
yk − =  , ∆uk − =  .
..   .
..

.
   
   

 yny (k )   ∆unu (k ) 
.
.. .
..
  
 
   
   
yny (k − nany ) ∆unu (k − nBnu )
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Problema de Otimização

N2 m
y (k + j |k ) − y (k + j ) 2 + ∆u(k + j ) 2
X X
minJk = sp Q R
(22)
∆uk y
j =N1 j =1

y (k + j |k ) - predição ótima da saída do sistema

N1 e N2 - horizontes inicial e final de predição
p = N2 − N1 - horizonte de predição
m - horizonte de controle
Qy - Peso sobre erro de regime
R - Supressão de movimentos das entradas
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Problema de Otimização

∆umin ≤ ∆u(k + j |k ) ≤ ∆umax ,




∆u(k + j |k ) = 0, j > m,

U= (23)


 u ≤ u(k + j |k ) ≤ u ,

min max

Como solução deste problema de otimização, serão encontradas as ações de controle

futuras ∆u = [∆u(k )T ∆u(k + 1)T . . . ∆u(k + m − 1)T ]T de forma que minimize a
diferença entre as saídas preditas e os valores futuros da referência.

Obs: Ação encontrada ∆u(k |k )

Implementa-se u(k |k ) = u(k − 1|k ) + ∆u(k |k )

Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Problema de Otimização

Formulação Quadrática - QP

min J = x T Hx + 2cfT x + c (24)

x

Sujeito ã restrições

Ain x < Bin (25)

xmin ≤ x ≤ xmax (26)

As variáveis de decisão no problema proposto do GPC são :

∆uk = [∆u(k |k )T ∆u(k + 1|k )T . . . ∆u(k + m − 1|k )]
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Problema de Otimização

Formulação Quadrática - QP

min J = x T Hx + 2cfT x + c (27)

x

Sujeito a restrições:

Ain x < Bin (28)

xmin ≤ x ≤ xmax (29)

PROBLEMA NÃO LINEAR

implementação em Matlab rotina quadprog
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control

Bibliografia sugerida

S. Skogestad, I. Postlethwaite. Multivariable Feedback Control: Analysis and

Design, Wiley-Interscience, 2005;
E. F. Camacho, C. Bordons. Model Predictive Control, Springer Verlag, 1999;
J.A. Rossiter. Model-Based Predictive Control: A Practical Approach, CRC Press,
2003.