Control Optimo TD

M.Sc.
Ricardo Rodrguez B -1-

Control ptimo Cuadrtico de
Sistemas en Tiempo Discreto

M.Sc. Ricardo Rodrguez B

M.Sc. Ricardo Rodrguez B -2-
1.1 Introduccin

El objetivo del Control Optimo es el de determinar una ley de control ptima u que
minimice la funcin de costo J . En la mayora de los casos, sin embargo, la bsqueda de
la funcin de costo involucra procedimientos de error y correccin; esto significa que no
siempre podremos estar seguros acerca de la forma exacta que debera poseer la funcin
de costo.

Para sistemas de control discretos, la funcin de costo generalmente posee la siguiente
forma:

=
=
N
k
k u k r k x L J
0
)) ( ), ( ), ( (
(1)

Donde:
k = tiempo discreto;
N = horizonte de tiempo discreto final;
) (k x = vector de estado;
) (k r = vector de referencia;
) (k u = vector de control ptimo (denominada tambin fuerza o seal de control).
Para aplicaciones prcticas, el vector de control u debe estar siempre acotado.

1.2 Control ptimo Cuadrtico No Estacionario

El problema del control ptimo cuadrtico discreto no estacionario consiste en encontrar
una adecuada ley de control ptima que sea capaz de trasladar la dinmica del proceso
desde un estado inicial ) 0 ( x hacia un estado final deseado ) (N x . La fuerza de control
optima ) (k u se determina a partir de la minimizacin de una funcin de costo cuadrtica
discreta.

Funcin de costo discreta:

[ ]
=
+ + =
1
0
) ( ) ( ) ( ) (
2
1
) ( ) (
2
1
N
k
T T T
k u R k u k x Q k x N x S N x J
(2)
Ley de control ptima:

) ( ) ( ) ( k x k K k u = (3)

Una condicin necesaria para aplicar el control por realimentacin de estados es que el
proceso sea completamente controlable; adems, sea completamente observable (todos
los estados deben estar disponibles o medibles). Si existieran estados que no pudieran
medirse directamente, ser necesario estimarlos por medio de un estimador u observador
de estados.

Ecuacin de estado discreta del proceso:

c x k Hu k Gx k x = + = + ) 0 ( ); ( ) ( ) 1 ( (3)

Controlabilidad:

[ ]
n M rango
H G GH H M
n
=
=

) (
1
L

(4)

Ecuacin de Riccati:

G k P H H k P H R H k P G G k P G Q k P
T T T T
) 1 ( ] ) 1 ( [ ) 1 ( ) 1 ( ) (
1
+ + + + + + =

(5)

La matriz ) (k P de la ecuacin (6) puede determinarse recursivamente partiendo de la
siguiente condicin terminal para N k = :

S N P = ) ( (6)

Hasta llegar a la condicin inicial ) 0 ( P para 0 = k .

Matriz de realimentacin de
estados

) ( ) ( ) ( k x k K k u = (7)

Matriz de ganancia del controlador:

[ ] Q k P G H R k K
T T
=

) ( ) ( ) (
1 1
(8)

Funcin de costo mnima:

) 0 ( ) 0 ( ) 0 (
2
1
min
x P x J
T
=
(9)

Ejemplo 1

Considere un sistema de control definido por:

) ( 6321 . 0 ) ( 3679 . 0 ) 1 ( k u k x k x + = +

Determinar la ley de control optimal para minimizar el ndice de performance

[ ] [ ]
=
+ + =
9
0
2 2 2
) ( ) (
2
1
) 10 (
2
1
k
k u k x x J

En este ejemplo 1 = S y 1 = Q . Tambin, determine el mnimo valor para el ndice de
performance J .

Solucin en Cdigo Matlab

G=0.3679;H=0.6321;S=1;Q=1;R=1;
N=11; P(N)=S; x0=1; x(1)=1; Pnext=S;
% Ecuacin (5)
for i = N:-1:1,
P = Q + G'*Pnext*G - G'*Pnext*H*inv(R + H'*Pnext*H)*H'*Pnext*G;
p(i) = P;
Pnext = P;
end
% Ecuacin (8)
for i = N:-1:1
K = inv(R)*H'*inv(G')*(p(i)-Q);
k(i) = K;
end
% Ecuacin (3) y (7)
for i = 1:N-1,
xnext = (G - H*k(i))*x(i);
x(i+1) = xnext;
end
% Ecuacin (7)
for i = 1:N,
u(i) = - k(i)*x(i);
end
% Imprime P, K, x, y u
P=[p(1) p(2) p(3) p(4) p(5) p(6) p(7) p(8) p(9) p(10) p(11)];
M0= p'; M1= k'; M2= x'; M3= u';
M=[M0 M1 M2 M3];
disp(M)
% p k x u
% 1.1037 0.1781 1.0000 -0.1781
% 1.1037 0.1781 0.2553 -0.0455
% 1.1037 0.1781 0.0652 -0.0116
% 1.1037 0.1781 0.0166 -0.0030
% 1.1037 0.1781 0.0042 -0.0008
% 1.1037 0.1781 0.0011 -0.0002
% 1.1037 0.1781 0.0003 0.0000
% 1.1036 0.1781 0.0001 0.0000
% 1.1032 0.1773 0.0000 0.0000
% 1.0967 0.1662 0.0000 0.0000
% 1.0000 0 0.0000 0
tk = 0:10;
subplot(211), plot(tk,p,'o'), ylabel('\bf P(k)'), title('\bf Respuesta de P(k)')
axis([0 10 0 1.2]);
subplot(212), plot(tk,k,'+'), xlabel('\bf t_k'), ylabel('\bf K(k)'), title('\bf Respuesta de K(k)')
axis([0 10 0 0.3]);

Ejemplo 2

Considere un sistema de control definido por:

= +
0
1
) 0 ( ), (
0
1
) (
0 1
1 1
) 1 ( x k u k x k x

Determinar la secuencia de control optimal ) (k u para minimizar el ndice de performance

[ ]
=
+ + =
7
0
) ( ) ( ' ) ( ) ( '
2
1
) 8 ( ) 8 ( '
2
1
k
k Ru k u k Qx k x Sx x J

En este ejemplo:
= =
=
1 0
0 1
, 1 ,
1 0
0 1
S R Q

Solucin

De la ecuacin (5), la ecuacin de Riccati es:

[ ]
[ ]

+ +
+ +
+ +
+ +
+
+ +
+ +
+ +
+ +
=
+ + + + + + =
0 1
1 1
) 1 ( ) 1 (
) 1 ( ) 1 (
0 1 *
0
1
) 1 ( ) 1 (
) 1 ( ) 1 (
0 1 ) 1 (
0
1
) 1 ( ) 1 (
) 1 ( ) 1 (
0 1
1 1
0 1
1 1
) 1 ( ) 1 (
) 1 ( ) 1 (
0 1
1 1
1 0
0 1
) 4 . 4 ( ) 1 ( ] ) 1 ( [ ) 1 ( ) 1 ( ) (
22 21
12 11
1
22 21
12 11
22 21
12 11
22 21
12 11
1
k p k p
k p k p
k p k p
k p k p
k p k p
k p k p
k p k p
k p k p
c G k P H H k P H R H k P G G k P G Q k P
T T T T

La condicin terminal para ) (k P est dada por la ecuacin (6) y rescribe:

= = =
1 0
0 1
) 8 ( ) ( S P N P

Ahora calculamos ) (k P hacia atrs desde ) 7 ( P hasta ) 0 ( P , usando la ecuacin de
Riccati
[ ] [ ]
[ ] [ ]
7143 . 1 8571 . 0
8571 . 0 4286 . 3
7
12
7
6
7
6
7
24
0 1
1 1
5 . 1 5 . 0
5 . 0 5 . 2
0 1
0
1
5 . 1 5 . 0
5 . 0 5 . 2
0 1 ) 1 (
0
1
5 . 1 5 . 0
5 . 0 5 . 2
0 1
1 1
0 1
1 1
5 . 1 5 . 0
5 . 0 5 . 2
0 1
1 1
1 0
0 1
) 6 (
5 . 1 5 . 0
5 . 0 5 . 2
2
3
2
1
2
1
2
5
0 1
1 1
1 0
0 1
0 1
0
1
1 0
0 1
0 1 ) 1 (
0
1
1 0
0 1
0 1
1 1
0 1
1 1
1 0
0 1
0 1
1 1
1 0
0 1
) 7 (
1
1
P
P

y as sucesivamente hasta calcular ) 0 ( P .

Ahora, determinemos la matriz de ganancia del controlador, usando la ecuacin (8):

[ ] [ ]
+ +
+
+ +
+ + +
=
+ +
+ +
+ +
+ +
+ =
+ + + =
) 1 ( 1
) 1 (
) 1 ( 1
) 1 ( ) 1 (
0 1
1 1
) 1 ( ) 1 (
) 1 ( ) 1 (
0 1
0
1
) 1 ( ) 1 (
) 1 ( ) 1 (
0 1 ) 1 (
) 1 ( ] ) 1 ( [ ) (
11
11
11
12 11
22 21
12 11
1
22 21
12 11
1
k p
k p
k p
k p k p
k p k p
k p k p
k p k p
k p k p
G k P H H k P H R k K
T T

Donde:
[ ]
[ ] 7143 . 0 8571 . 0
) 7 ( 1
) 7 (
) 7 ( 1
) 7 ( ) 7 (
) 6 (
5000 . 0 5000 . 0
) 8 ( 1
) 8 (
) 8 ( 1
) 8 ( ) 8 (
) 7 (
11
11
11
12 11
11
11
11
12 11
=
+ +
+
=
=
+ +
+
=
p
p
p
p p
K
p
p
p
p p
K

y as sucesivamente hasta calcular ) 0 ( K .

Ahora, reemplazando la ley de control ) (k u y considerando la matriz de ganancia
[ ] ) ( ) ( ) (
2 1
k K k K k K = se obtiene:

[ ]
=
=
+ = +
) (
) (
0 1
) ( 1 ) ( 1
) (
) (
0 0
) ( ) (
0 1
1 1
) (
) (
) ( ) (
0
1
0 1
1 1
] [ )] ( [
) ( ) ( ) 1 (
2
1 2 1
2
1 2 1
2
1
2 1
k x
k x k K k K
k x
k x k K k K
k x
k x
k K k K
k x k HK G
k Hu k Gx k x

Pudiendo obtenerse ) (k x , donde 7 ,..., 2 , 1 , 0 = k y siendo el estado inicial
=
0
1
) 0 ( x
Veamos:

= =

= =
0000 . 0
2087 . 0
1
0
0 1
2087 . 0 0001 . 0
1
0
0 1
7913 . 0 1 9999 . 0 1
) 2 ( 1
1
0
0
1
0 1
2087 . 0 0
0
1
0 1
7913 . 0 1 1 1
) 1 ( 0
x k
x k

y as sucesivamente hasta obtener ) 8 ( x .

Finalmente, se obtiene la secuencia del control ptimo ) (k u .

[ ]
[ ] 7913 . 0
1
0
7913 . 0 9999 . 0 ) 1 ( ) 1 ( ) 1 ( 1
0000 . 1
0
1
7913 . 0 1 ) 0 ( ) 0 ( ) 0 ( 0
) ( ) ( ) (
=
= = =
=
= = =
=
x K u k
x K u k
k x k K k u

En forma similar se obtiene ) 8 ( ),... 3 ( ), 2 ( u u u .

Programa en Matlab

G = [1 1;1 0];
H = [1;0];
Q = [1 0;0 1];
R = 1; S = [1 0;0 1];
x0 = [1;0];
N = 9;
p11(N) =1; p12(N) = 0; p22(N) = 1;
x1(1) = 1; x2(1) = 0;
Pnext = S;

for i = N-1:-1:1
P = Q + G'*Pnext*inv(eye(2)+H*inv(R)*H'*Pnext)*G;
p11(i) = P(1,1); p12(i) = P(1,2); p22(i) = P(2,2); Pnext = P;
end

for i = N:-1:1
K = inv(R)*H'*inv(G')*([p11(i) p12(i);p12(i) p22(i)]-Q);
k1(i) = K(1); k2(i) = K(2);
end

for i =1:N-1
xnext = (G-H*[k1(i) k2(i)])*[x1(i);x2(i)];
x1(i+1) = xnext(1); x2(i+1) = xnext(2);
end
for i = 1:N
u(i) = -[k1(i) k2(i)]*[x1(i);x2(i)];
end

% ******* Imprimiendo P, K, x, and u ***********

P = [p11;p12;p12;p22];
K = [k1;k2]';
x = [x1;x2];

% k 9 8 7 6 5 4 3 2 1
% p11 3.7913 3.7911 3.7905 3.7877 3.7740 3.7097 3.4286 2.5000 1.0000
% p12 1.0000 0.9999 0.9997 0.9986 0.9932 0.9677 0.8571 0.5000 0
% p21 1.0000 0.9999 0.9997 0.9986 0.9932 0.9677 0.8571 0.5000 0
% p22 1.7913 1.7913 1.7911 1.7905 1.7877 1.7742 1.7143 1.5000 1.0000

% k K11 K12
% 9 1.0000 0.7913
% 8 0.9999 0.7913
% 7 0.9997 0.7911
% 6 0.9986 0.7905
% 5 0.9932 0.7877
% 4 0.9677 0.7742
% 3 0.8571 0.7143
% 2 0.5000 0.5000
% 1 0 0

% k 1 2 3 4 5 6 7 8 9
% x1 1.0 0.0000 0.2087 0.0001 0.0437 0.0003 0.0099 0.0015 0.0057
% x2 0 1.0000 0.0000 0.2087 0.0001 0.0437 0.0003 0.0099 0.0015
% u -1.0 -0.7913 -0.2087 -0.1651 -0.0435 -0.0342 -0.0087 -0.0057 0

1.3 Control ptimo Cuadrtico Estacionario

Cuando la dinmica del sistema de control evoluciona hasta un tiempo N infinito, la
solucin del control ptimo cuadrtico pasa a ser una solucin de estado estacionario. En
este caso, la ganancia ) (k K se convierte en una matriz constante K . Para N infinito, el
trmino ) ( ) ( N x S N x
T
de la ecuacin (2) desaparece debido a que 0 ) ( = x .

Funcin de costo:

[ ]
=
+ =
0
) ( ) ( ) ( ) (
2
1
k
T T
k u R k u k x Q k x J
(10)

Ecuacin de Riccati en estado estacionario:

PG H PH H R PH G PG G Q P
T T T T 1
] [

+ + = (11)


PG H PH H R K
T T 1
] [

+ = (12)


) ( ) ( k x K k u = (13)

Funcin de costo mnima:

) 0 ( ) 0 ( ) 0 (
2
1
min
x P x J
T
=
(14)

El diagrama de bloques del sistema del control ptimo de estado estacionario se
representa en la Figura 4.1, en donde se asume que todos los estados se encuentran
disponibles.

) (k u ) (k x
H
K
G
1
z

Figura 1. Sistema de control ptimo en lazo cerrado

Para operacin satisfactoria del sistema de lazo cerrado mostrada en dicha figura, todas
las races de su ecuacin caracterstica:

0 ] det[ = + HK G zI (15)

Deben posicionarse dentro del crculo unitario.

1.4 El Regulador ptimo Proporcional

El regulador ptimo es un sistema de control realimentado, en donde la salida controlada
sigue a una seal de referencia ) ( ) ( k u k r = constante, donde ) (k u es la funcin escaln.
Restringiremos nuestro tratamiento a sistemas univariables. La estructura de este
regulador es aplicable a procesos que poseen un comportamiento integral.

En la Figura 2 muestra el esquema de un regulador para la variable de estado
2
x ,
empleando una ley de control de realimentacin de estados de la forma Kx u = .

C
) ( ) ( ) 1 ( k Hu k Gx k x + = +
) ( ) (
2
k x k y =
1
K
3
K
n
K
2
K
) (k r ) (k u

Figura 2. Esquema del regular optimo proporcional

Para una salida arbitraria por ejemplo
2
x

) ( ) (
) ( ) ( ... ) ( ) ( ) (
2
2 3 3 1 1
k r K k Kx
k r K k x K k x K k x K k u
n n
+ =
+ =

(16)

Reemplazando ) (k u en la ecuacin de estado del proceso:

[ ] ) ( ) ( ) ( ) ( ) ( ) 1 (
2
k r K k Kx H k Gx k Hu k Gx k x + + = + = + (17)

[ ] ) ( ) ( ) 1 (
2
k r HK k x HK G k x + = + (18)

Empleando la transformada z a la ecuacin anterior, la funcin de transferencia pulso
resulta:
[ ] [ ] ) ( ) ( ) ( ) ( ) (
2 2
z R HK HK G zI z X z R HK z X HK G z zX = + + = (19)

Luego.

[ ] ) ( ) (
2
1
z R HK HK G zI z X

+ = (20)

La salida viene dada por:

) ( ) ( z CX z Y = (21)

De estas dos ltimas dos ecuaciones obtenemos la funcin de transferencia pulso:

[ ] ) ( ) (
2
1
z R HK HK G zI C z Y

+ = (22)

Donde
1
) (
=
z
z
z R , aplicando el teorema del valor final obtenemos:

[ ] [ ]
2
1
2
1 1
1
1
1
1
) 1 ( lim ) ( ) 1 ( lim HK HK G zI C
z
z
HK HK G zI C z z y z
z z

+ =
+ =
(23)

La condicin para que R y = es que [ ] 1
2
1
= +

HK HK G zI C , que no siempre se
cumple. Por lo tanto, es necesario afectar a la seal de referencia R por una ganancia g
de modo que:

[ ] 1
2
1
= +

Hk HK G zI gC (24)

1.5 Seleccin de las Matrices de Ponderacin

De la funcin de costo dada en la ecuacin (10):

=
+ =
0
)] ( ) ( ) ( ) ( [
2
1
k
T T
k Ru k u k Qx k x J
(25)

Observamos que:
R : Matriz hermitiana, pondera la seal de control ) (k u .
Q: Matriz hermitiana, pondera el vector de estado ) (k x .

Por conveniencia, las matrices R y Q deben tomar la forma diagonal, as:

=
n p
q
q
q
Q
r
r
r
R
L
M O L M
L
L
M O L M
L
0 0
0 0
0 0
;
0 0
0 0
0 0
2
1
2
1

Donde:

Los elementos
p
r r r ,..., ,
2 1
deben ser todos positivos para que R sea una matriz
simtrica definida positiva (d.p.).
Los elementos
p
q q q ,..., ,
2 1
deben ser positivos y algunos de ellos nulos para que
Q sea una matriz simtrica semidefinida positiva (s.d.p.).

Cada elemento
i
q
i
r
dar un peso correspondiente a cada variable de estado
i
x
o a
cada seal de control
i
u , respectivamente. El criterio para escoger los pesos est en
relacin con la importancia que le demos a cada variable o seal en cuestin.

Regla prctica:
Para el caso del observador de estados, las matrices de ponderacin
e
R y
e
Q deben ser
elegidas de tal forma que la respuesta del observador sea dos o tres veces ms rpida en
comparacin con la respuesta del proceso. Generalmente para que esto ocurra, los
elementos de Re deben ser bastantes menores que los elementos de
e
Q .

Ejemplo 3

Sea la funcin de transferencia entre la velocidad y la tensin de entrada al motor de
corriente continua es:

2
) )( ( ) (
) (
K R Ls b Js
K
s V
s
+ + +
=
&

(26)

R
L
V
i
V
e
B
J
T
m
+
-
+
-

Figura 3. Sistema motor DC

Aplicando la ley de mallas de Kirchhoff:

e
V
dt
di
L Ri V + + =
(27)

El voltaje contraelectromotriz es:

=
e e
K V
(28)

Reemplazando (28) en (27).

+ + =
e
K
dt
di
L Ri V
(29)

Aplicando la segunda ley de Newton para el sistema rotatorio obtenemos:

m
T
dt
d
B
dt
d
J = +

2
2

(30)

El torque producido en el eje del motor viene dado por la ecuacin:

i K T
m m
= (31)
Reemplazando (31) en (30).

i K
dt
d
B
dt
d
J
m
= +

2
2

(32)

En la que podemos observar que no posee comportamiento integral. Eligiendo: las
variables de estado:

1 2 1
: ; ; x y salida I x x = = =
&
(33)

y reemplazando dichas variables de estado en las ecuaciones en (29) y (32), y haciendo
K K K
e m
= = , se obtienen:

1 2 2
2 1 1
Kx x L Rx V
Kx bx x J
+ + =
= +
&
&

(34)

Ordenando adecuadamente las dos ltimas ecuaciones se obtienen:

V
L
x
L
R
x
L
K
x
x
J
K
x
J
b
x
1
2 1 2
2 1 1
+ =
+ =
&
&

(35)

La ecuacin de estado en forma matricial:

V
L
x
x
L
R
L
K
J
K
J
b
x
x
1
0
2
1
2
1
&
&

(36)

La ecuacin de salida del proceso queda representada de la siguiente forma:

[ ] [ ] 0 ; 0 1
2
1
= +
= D DV
x
x
y
(37)

Cdigo Matlab

%% Parmetros
J = 0.01; b = 0.1; K = 0.01; R = 1; L = 0.5;
%% Matrices de Estado
A = [-b/J K/J
-K/L -R/L];
B = [0;1/L];C = [1 0]; D = [0];
Hc=ss(A,B,C,D);
%% Verificando la Controlabilidad y Observabilidad
M = [B A*B];
N = [C' A'*C'];
rank(M); % 2 --> c.c
rank(N); % 2 --> c.o
%% Discretizando
T = 0.05;
Hd = c2d(Hc,T,'zoh');
%% Matrices de Ponderacin
Q = [100 0
0 1];
R = [0.1];
%% Ganancia Optima K
[G,H,Cd,Dd]=ssdata(Hd);
[K,P,E] = dlqr(G,H,Q,R);
k1 = K(1);
%% Respuesta sin correccin de r(k)
x = [0;0];
N = 60;
for k=1:N
rx=1;
Vx(k) = -K*x + k1*rx;
x = G*x + H*Vx(k);
yx(k) = x(1);
end
%% Respuesta Corregida
g = 1/(C*inv(eye(2)-G+H*K)*H*k1);
x = [0;0];
N = 60;
for k=1:N
r=1*g;
V(k) = -K*x + k1*r;
x = G*x + H*V(k);
y(k) = x(1);
end
%% Graficos
tk=0:N-1;
subplot(311)
stairs(tk*T,yx,'m','LineWidth',2)
axis([0 2 0 0.15])
ylabel('\bf y(k) rad/seg')
subplot(312)
stairs(tk*T,y,'r','LineWidth',2)
axis([0 2 0 1.2])
ylabel('\bf \omega rad/seg')
subplot(313)
stairs(tk*T,V,'k','LineWidth',2)
axis([0 2 0 40])
xlabel('\bf t_k')
ylabel('\bf V(k) Voltios')

Figura 4. Respuesta debido a una entrada escaln y seal de control.

1.6 Diseo del Observador ptimo Cuadrtico

Cuando tan slo se pueden medir en forma directa algunas de las variables del vector de
estado, entonces es necesario estimar dicho vector de estado ) (k x , que nos permita
hallar un vector de estado estimado ) ( k x . El diseo del estimador u observador de
estados discreto se muestra en la Figura 5.

G
C H
1
z
) (k x
) (k y
G
C H
1
z
) ( k x
e
K
) (k u

Figura 5. Diagrama de bloques del observador de estados.

Donde:
e
K : Matriz de ganancia de realimentacin del observador con dimensin n x m.
C : Matriz de salida de dimensin mxn .
) ( k x : Vector de estado estimado de dimensin n .
) ( k y : Vector de salida estimado de dimensin m.

Ecuacin de error del observador:

) ( ) ( ) ( ); ( ] [ ) 1 ( k x k x k e k e C K G k e
e
= = + (38)

Ecuacin caracterstica:

0 ] det[ = + C K G zI
e
(39)


- Las races de la ecuacin caracterstica deben posicionarse dentro del crculo
unitario para operacin satisfactoria del observador.
-
e
K debe ser escogida apropiadamente para que el error tienda a cero.
- El proceso debe ser completamente observable, condicin que se consigue
aplicando el criterio de observabilidad.

Ecuaciones adicionales del Observador

Ecuacin de estado:

) ( ) ( ) 1 ( k C k G k
T T
+ = + (40)

Ley de control:

) ( ) ( k K k
T
e
= (41)

Funcin de costo:

[ ]
=
+ =
0
) ( ) ( ) ( ) (
2
1
k
T T
k R k k Q k J
(42)

Ecuacin de Riccati:

T
e
T
e e
T
e
T
e e e
G CP C CP R C GP G GP Q P
1
] [

+ + = (43)

Matriz de ganancia
e
K :

T
e
T
e e e
G CP C CP R K
1
] [

+ = (44)

La determinacin de
e
P se consigue siguiendo el mismo procedimiento que para P en la
ecuacin (11), para lo cual se debe usar la siguiente ecuacin recursiva:

T
e
T
e e
T
e
T
e e e
G k CP C k CP R C k GP G k GP Q k P ) ( ] ) ( [ ) ( ) ( ) 1 (
1
+ + = + (45)
Ejemplo 4

Disear un observador optimo para el proceso del motor DC del Ejemplo 3, asumiendo
que se requieren observar los estados
1
x ,
2
x , y
3
x .

Cdigo Matlab

%% Parmetros
J = 0.01;
b = 0.1;
K = 0.01;
R = 1;
L = 0.5;
%% Matrices de estado
A = [-b/J K/J 0
-K/L -R/L 0
1 0 0];
B = [0;1/L;0];
C = [0 0 1];
D = [0];
T = 0.05;
[G,H,C,D] = c2dm(A,B,C,D,T,'zoh');
%% Condicin inicial
Pe =zeros(3,3);
Qe = [1 0 0
0 1 0
0 0 1];
Re = [1];
%% Calculo de Pe
for k=1:40
Pe = Qe + G*Pe*G' - G*Pe*C'*inv(Re + C*Pe*C')*C*Pe*G';
pe11(k) = Pe(1,1);
pe21(k) = Pe(2,1);
pe31(k) = Pe(3,1);
end
%% Ploteos
t = 0:39;
plot(t,pe11,'-.k','LineWidth',2);
hold
plot(t,pe21,'--m','LineWidth',2);
plot(t,pe31,'LineWidth',2);
xlabel('\bf Muestras');
ylabel('\bf Elementos de Pe')
grid
% Ganancia del Observador
Ke = inv(Re + C*Pe*C')*C*Pe*G';

Figura 6. Elementos de la ecuacin de Riccati.

1.7 El Regulador ptimo Proporcional Integral

Para procesos que no poseen propiedades integradoras, la inclusin de accin integral en
el sistema de control permite obtener un error estacionario nulo. La figura 7 ilustra un
regulador ptimo para sistemas univariables.

G
C H
1
z
) (k x ) (k y ) (k u
1
z
K
I
K
) (k v ) (k r

Figura 7. El regulador proporcional integral.
Ecuaciones de estado y de salida del proceso:

) ( ) (
); ( ) ( ) 1 (
k Cx k y
k Hu k Gx k x
=
+ = +

(46)

Ley de control:

) ( ) ( ) ( k v K k x K k u
I
+ = (47)


] [
2 1 n
K K K K L = (48)

Ecuacin para el integrador:

) 1 ( ) ( ) ( ) ( ) 1 (
)] ( ) ( [ ) 1 ( ) (
) 1 ( ) 1 ( ) ( ) 1 (
) ( ) ( ) 1 ( ) (
+ + + + =
+ + + =
+ + + = +
+ =
k r k x CHK CG k v CHK
k Hu k Gx C k r k v
k y k r k v k v
k y k r k v k v
I

(49)

Empleando las ecuaciones las ecuaciones (46) y (47) obtenemos:

) ( ) ( ) (
) ( ) ( [ ) ( ) 1 (
k v HK k x HK G
k v K k Kx H k Gx k x
I
I
+ =
+ + = +

(50)

y de las ecuaciones (49), (50) y (46) deducimos:

[ ]

=
+
+

=
+
+
) (
) (
0 ) (
) 1 (
1
0
) (
) (
1 ) 1 (
) 1 (
k v
k x
C k y
k r
k v
k x
CHK CHK CG
HK HK G
k v
k x
I
I

(51)

En el estado de equilibrio (para k ), los valores de ) (k x , ) (k u y ) (k v toman valores
estacionarios ) ( x , ) ( u y ) ( v . Entonces, la ecuacin de estado de (51) se convierte
en:

+

=
r v
x
CHK CHK CG
HK HK G
v
x
I
I
0
) (
) (
1 ) (
) (

(52)

Si definimos:

) ( ) ( ) (
) ( ) ( ) (
k v v k v
k x x k x
e
e
=
=

(53)

Restando la ecuacin (52) de la ecuacin de estado de (51) y usando las relaciones de
(53) se obtiene:

[ ]

+

=
+
+
) (
) (
) (
) ( 0
) (
) (
1 ) 1 (
) 1 (
k v
k x
K K
CH
K
k v
k x
I CG
G
k v
k x
CHK CHK CG
HK HK G
k v
k x
e
e
I
e
e
e
e
I
I
e
e

(54)

Que finalmente se rescribe como:

[ ]
I
e
e
K K k K
CH
H
k H
I CG
G
k G
k v
k x
k k K k
donde
k H k G k
=
= =
+ = +
) (
~
; ) (
~
0
) (
~
;
) (
) (
) ( ; ) (
~
) (
:
) (
~
) (
~
) 1 (

(55)

La ecuacin de Riccati y la ecuacin de ganancia del controlador K
~
para el regulador
son:
[ ]
[ ] G P H H P H R K
G P H H P H R H P G G P G Q P
T T
T T T T
~ ~ ~ ~ ~ ~ ~ ~
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
1
1
+ =
+ + =

(56)

Ejemplo 5

Disear un regulador proporcional integral ptimo estacionario que sea capaz de
estabilizar la velocidad angular del eje del motor DC a 1rad/seg, con las siguientes
especificaciones:
- Tiempo de estabilizacin menor que 2 segundos
- error en estado estacionario menor al 1%
- Sobre impulso de salida menor al 5%

Cdigo Matlab

%% Parmetros del sistema
J = 0.01;
b = 0.1;
K = 0.01;
R = 1;
L = 0.5;
%% Matrices de estado
A = [-b/J K/J
-K/L -R/L];
B = [0;1/L];
C = [1 0];
D = [0];
%% Verificando la Controlabilidad y Observabilidad
M = [B A*B];
N = [C' A'*C'];
rank(M); % 2 -> CC
rank(N); % 2 -> CO
%% Convirtiendo a discreto
T = 0.05;
[G,H,C,D] = c2dm(A,B,C,D,T,'zoh');
Gtilde = [G zeros(2,1)
-C*G eye(1,1)];
Htilde = [H
-C*H];
%% Matrices de ponderacion
Q = [1 0 0
0 0.1 0
0 0 2];
R = [0.01];
%% Ganancia ptima Ktil
[Ktil,Ptil,E] = dlqr(Gtilde,Htilde,Q,R);
K = [Ktil(1) Ktil(2)];
KI = -Ktil(3);
%% Respuesta al escaln unitario
x = [0;0];
yi=0;
v=0;
N = 60;
r=1;
for k=1:N
v = v + r - yi;
V(k) = -K*x + KI*v;
x = G*x + H*V(k);
y(k) = x(1);
yi = y(k);
end
%% Ploteo
tk=0:59;
subplot(211)
stairs(tk*T,y,'k','LineWidth',2)
ylabel('\bf y(t_k) (rad/s)')
grid;
title('\bf Respuesta al escaln unitario')
subplot(212)
stairs(tk*T,V,'m','LineWidth',2)
ylabel('\bf V(t_k) (voltios)')
xlabel('\bf t_k')
title('\bf Respuesta de la seal de control')
grid
%% Calculo recursivo de la matriz Ptilde y clculo de Ktilde
T = 15; Ptilde = zeros(3,3);
for i=1:T
Ptilde = Q + Gtilde'*Ptilde*Gtilde - Gtilde'*Ptilde*Htilde*...
inv(R+Htilde'*Ptilde*Htilde)*Htilde'*Ptilde*Gtilde;
end
Ktilde = inv(R + Htilde'*Ptilde*Htilde)*Htilde'*Ptilde*Gtilde;

La respuesta debido a una entrada escaln unitario se muestra en la Figura 8, as mismo
la seal de control, que para fines de implementacin del sistema tendra que usar un
saturador para el control del sistema.

Figura 8. El regulador proporcional integral.

rirodbus@uni.edu.pe

Control Optimo TD

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Control Optimo TD

Diunggah oleh

Hak Cipta:

Format Tersedia

M.Sc.

Ricardo Rodrguez B -1-

Anda mungkin juga menyukai