Professional Documents
Culture Documents
Controle Avançado Aula 19
Controle Avançado Aula 19
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
Introdução
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control
-> 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
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)
História
Início
Corrida Espacial (1957-1975)
Teoria de Controle Ótimo (1970)
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
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
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
Vantagens
Desvatagens
Estrutura do MPC
Saída atual
PROCESSO
Controle atual
- +
MODELO
Saída futura
Erro atual
OTIMIZADOR
Algoritmo
Algoritmo
Elementos do MPC
Modelo
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 )
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
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
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
yˆd = Dd + fd
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
J = [W − Ŷ ]T Qy [W − Ŷ ] + U T Qu U , (4)
Ŷ = GU + F , (5)
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
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
e (k )
C (z −1 )
∆
Predição da Saída
onde o operador ∆ = 1 − z −1
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control
Predição da Saída
Predição da Saída
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
Ca yk + Ha yk − = Cb ∆uk + Hb uk − (13)
Predição Ótima
yk = H∆uk + f (16)
Introdução Fundamentos e Caracterização do Sistema DMC - Dynamic Matrix Control GPC - Generalized Predictive Control
Exemplo Rossiter
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
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 )
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
Caso MIMO
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
Problema de Otimização
Problema de Otimização
Formulação Quadrática - QP
Sujeito ã restrições
Problema de Otimização
Formulação Quadrática - QP
Sujeito a restrições:
Bibliografia sugerida