SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
SINTONIZACI

ON DE UN CONTROL

OPTIMO
CUADR

ATICO CON COMPUTACI

ON
EVOLUTIVA PARA UN PUENTE GR

UA
Carlos Eduardo Betancur P
Leoanrdo Taurht C
18 de noviembre de 2008
Universidad Tecnologica de Pereira Ingeniera Electrica
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelo Real del Puente Gr ua a Escala
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Indice
Modelado
Control

Optimo LQR
Algoritmos Geneticos
Sintonizacion
Resultados
Conclusiones
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Diagrama de cuerpo libre para el puente gr ua
x
Mc
ml
l
+

F
x
= ma (1)
+

F
y
= ma (2)

M = J

(3)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Diagrama de cuerpo libre para el carro y el pendulo
U(t )
Mc* g
V
H
Fr
N
x
Y
X
ml
z
l
H
V
ml* g
Dp
..
z J
U(t) F
r
H = M
c
x (4)
Donde F
r
es la friccion rotacional
F
r
= f
c
x
H = m
l
d
2
dt
2
(x lsen) (5)
V m
l
gF
y
= m
l
d
2
dt
2
(lcos) (6)
J

+ D
p
Hlcos + Vlsen = 0 (7)
Donde D
p
es la friccion rotacional
D
p
= f
p

SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Ecuaciones no lineales y lineales
U(t) F
r
= (M
c
+ m
l
) x + m
l
l (

2
sen

cos) (8)
J

+ f
p

m
l
lcos
_
x l

cos +

2
lsen
_
+ lsen
_
m
l
g + m
l
l
_

sen +

2
cos
__
= 0
(9)
Linealizando alrededor del punto de operacion =0 y suponiendo que el angulo no es
mayor a 15

, se tiene:
sen
2

= 0, sen

= , cos

= 1

2

= 0
U(t) f
c
x = (M
c
+ m
l
) x m
l
l

(10)
J

+ f
p

m
l
l x + m
l
l
2

+ l m
l
g = 0 (11)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Ecuaciones no lineales y lineales
Deniendo las variables de estado:
x
1
= x
x
1
= x = x
3
x
3
= x
x
2
=
x
2
=

= x
4
x
4
=

_
x
1
x
2
x
3
x
4
_

_
=
_

_
x

v
puente

pendulo
_

Posicion(Carro)
Angulo(Pendulo)
Velocidad(Carro)
Velocidad(Angular )
(12)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Ecuaciones en el espacio de estado
Datos Manual
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
0 0 1 0
0 0 0 1
0 0,4473 0,0425 0,0085
0 14,5813 0,0604 0,2758
_

_
_

_
x
1
x
2
x
3
x
4
_

_
+
_

_
0
0
0,8501
1,2084
_

_
U(t)
(13)
y =
_
1 0 0 0
0 1 0 0
_
_

_
x
1
x
2
x
3
x
4
_

_
+
_
0
0
_
U(t) (14)
Datos Medidos
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
0 0 1 0
0 0 0 1
0 0,1501 0,7939 0
0 28,8497 2,2995 0,0061
_

_
_

_
x
1
x
2
x
3
x
4
_

_
+
_

_
0
0
1,1849
3,4322
_

_
U(t)
(15)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Polos del sistema en lazo abierto
5 0 5
6
4
2
0
2
4
6
Polos del sistema en lazo abierto
Real
I
m
a
g
i
n
a
r
i
o


Manual
Ajustados
Parametro Valores Manual Valores Medidos
Masa del carro (M
c
) 1,12 [Kg] 0,84385 [Kg]
Masa de la carga (m
l
) 0,11 [Kg] 0,013 [Kg]
Momento de incercia (J) 0,0136 [Kgm
2
] 0,00001 [Kgm
2
]
Coeciente de friccion de rotacion (f
p
) 0,007 [
Kgm
2
rads
] 0,0000093 [
Kgm
2
rads
]
Coeciente de friccion del carro (f
c
) 0,05 [
Ns
m
] 0,67 [
Ns
m
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Respuestas en lazo abierto (parametros manual)
0 2 4 6 8 10 12 14 16 18
0
0.1
0.2
0.3
0.4
0.5
0.6
Posicin del Carro
Tiempo [s]
P
o
s
i
c
i

n

[
m
]
0 2 4 6 8 10 12 14 16 18
2
1.5
1
0.5
0
0.5
1
1.5
2
Oscilacin del Pndulo
Tiempo [s]

n
g
u
l
o

[

]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Modelado
Respuestas en lazo abierto (parametros medidos)
0 5 10 15 20 25 30
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
Posicin del Carro
Tiempo [s]
P
o
s
i
c
i

n

[
m
]
0 2 4 6 8 10 12 14 16 18
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
Posicin del Carro
Tiempo [s]
P
o
s
i
c
i

n

[
m
]
0 5 10 15 20 25 30
15
10
5
0
5
10
Oscilacin del Pndulo
Tiempo [s]

n
g
u
l
o

[

]
0 2 4 6 8 10 12 14 16 18
4
3
2
1
0
1
2
3
4
Oscilacin del Pndulo
Tiempo [s]

n
g
u
l
o

[

]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
Control Clasico-Control Moderno
Control Clasico.
1. Sistemas monovariables SISO.
2. Funcion de transferencia.
3. Realimentacion solo de la salida.
4. Controles PID.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
Control Clasico-Control Moderno
Control Clasico.
1. Sistemas monovariables SISO.
2. Funcion de transferencia.
3. Realimentacion solo de la salida.
4. Controles PID.
Control Moderno.
1. Sistemas multivariables MIMO.
2. Ecuaciones en el espacio de estados.
3. Realimentacion de todas las variables de estado.
4. Ubicacion de polos.
5. Regulador optimo cuadratico lineal LQR.
6. Observadores de estado.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
Realimentacion de estados
B
A
+
-
u( t ) x( t ) x( t ) y ( t )
C
D
+
+
x(t) = Ax(t) + Bu(t) (16)
y(t) = Cx(t) + Du(t) (17)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
Realimentacion de estados
B
A
+
-
u( t ) x( t ) x( t ) y ( t )
C
D
+
+
x(t) = Ax(t) + Bu(t) (16)
y(t) = Cx(t) + Du(t) (17)
B
+
-
A
K
+
-
u(t) x(t) x(t) y(t)
C
Ref=0
u(t) = Kx(t) (18)
x = Ax(t) BKx(t) = (ABK)x(t) (19)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
LQR
Se puede probar que si L(x, u) es una funcion cuadratica, el ndice de desempe no
J=
_

0
L(x, u)dt puede producir leyes de control del tipo u(t)=Kx(t).
El problema de regulacion para el puente gr ua se puede resuelver a partir de la
optimizacion de un ndice de desempe no cuadratico que caracteriza al LQR, el cual es
J =
_
t
f
t
0
_
x
T
Qx + u
T
Ru
_
dt (20)
Este controlador trata de mantener al sistema en un estado lo mas cercano al de
reposo x=0, haciendo uso mnimo de la se nal de control u.
x
T
Qx: es una medida de la desviacion de los estados respecto los estados deseados.
u
T
Ru: es una medida del esfuerzo del control.
Donde:
Q y R son matrices denidas positivas (o semidenidas positivas) y simetricas real.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
LQR
Para la matriz Q sus elementos penalizan respectivamente el error del estado x, y para
la matriz R sus elementos penalizan el costo energetico de la accion de control.
[Q] =
_

_
q
11
q
12
q
1j
q
21
.
.
.
.
.
.
.
.
.
q
j 1
q
ij
_

_
[R] =
_
r
11

Usando la ecuacion algebraica de Ricatti, la cual es una solucion exacta para este tipo
de funcion cuadratica, y donde se obtiene el valor de P el cual es una matriz denida
positiva
A
T
P+PAPBR
1
B
T
P+Q = 0 (21)
Que lleva al sistema de un estado inicial a un estado na por la trayectoria optima.
Dando asi lugar a una solucion lineal,
u
opt
(t) = K
opt
x(t) = R
1
B
T
Px(t) (22)
K
opt
= R
1
B
T
P (23)
y sea esta utilizada en ley de realimentacion de variables de estado, como las
ganancias que permitiran unas respuestas apropias y optimas para el sistema tratado.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
Observador de orden reducido
Por tanto, se puede dise nar un observador de estado de orden reducido, donde se
estimen unicamente las variables de estado restantes.
x
1
: vector de estado que se puede medir directamente.
x
2
: vector de estado que no se puede medir directamente.
se puede dividir el modelo de espacio de estados de las ecuaciones en
_
x
1
x
2
_
=
_
A
11
A
12
A
21
A
22
_ _
x
1
x
2
_
+
_
B
1
B
2
_
u (24)
y con la ecuacion de salida:
y =
_
C
1
0

_
x
1
x
2
_
(25)
Realizando el procedimiento para introducir las variables estimadas al lazo de control
se tiene al nal, considerando = ( x
2
Lx
1
) se tiene

= (A
22
LA
12
) + [(A
21
LA
11
) + (A
22
LA
12
) L] x
1
+ (B
2
LB
1
) u (26)
Si se dene el error como
e = x
2
x
2
=
se tiene que la dinamica del error esta dada por:
e = (A
22
LA
12
) e
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Control optimo LQR
Diagrama de bloque del observador reducido
B C
A
Ref=0 u( t ) x( t ) x( t ) y ( t )
+
-
+
-
K
B - LB
L
+
+
+
+
+
+
+ h
~
( t )
2 1
A - LA
22 12
A - LA
21 11
h
~
( t )
0
I
n-m
I
0
m
Transformacin
ObservadordeOrdenReducido
SistemaoPlanta
.
.
x
1
~
x
2
~
x
2
C
1
-1
~
x
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Algoritmos Geneticos
Algoritmo Genetico
Fueron desarrollados por John Holland. Son algoritmos de b usqueda y optimizacion
usados para resolver problemas matematicos en los cuales no existe tecnicas
especializadas para solucionarlos.
Estos algoritmos imitan la seleccion natural de las especies, adaptando los conceptos
de la evolucion natural al desarrollo de programas de optimizacion por medio de un
computador.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Algoritmos Geneticos
Terminologa
La terminologa empleada por los algoritmos geneticos, procede de la genetica y la
evolucion natural. Entre los terminos mas empleados se encuentran los siguientes:
Cromosoma o individuo
Gen
Poblacion
Generacion
Aptitud
Funcion de evaluacion o adecuacion
Operadores geneticos
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Algoritmos Geneticos
Pasos de un algoritmo genetico
1. Creacion, de forma aleatoria, de la poblacion inicial de cromosomas.
2. Evaluacion de la aptitud de cada cromosoma de la poblacion.
3. Si se cumplen las condiciones de nalizacion, se detiene el algoritmo y se toma
el mejor cromosoma como solucion al problema. Si no, el proceso contin ua.
4. Seleccion de las parejas de cromosomas que formaran el conjunto de padres de
la nueva generacion.
5. Aplicacion de los operadores de cruce y mutacion para obtener una nueva
generacion de cromosomas hijos.
6. Se vuelve al paso 2.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Algoritmos Geneticos
Conceptos de un algoritmo genetico
Representacion o codicacion
Representacion binaria: Cada gen es un valor 1 o 0.
1 0 1 1 0 1
Representacion entera: Cada gen es un valor entero.
1 0 3 -1 0 4
Representacion real: Cada gen es un valor real.
1,78 2,6 7 0 -1,2 6,5
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Algoritmos Geneticos
Conceptos de un algoritmo genetico
Tama no de la poblacion.
Poblacion inicial.
Funcion objetivo o de adaptacion.
Seleccion.
Metodo de la ruleta.
Seleccion por torneo.
Operador de cruce.
Cruce en un punto.
Cruce en n puntos.
Mutacion.
Criterio de parada.
N umero determinado de generaciones.
Valor de aptitud menor a una ya denida.
Determinada por el dise nador.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Criterios de dise no
El objetivo es obtener los valores de los parametros del controlador LQR que cumplan
con los criterios de dise no:
t
ss
4s
E
ss
10 %
3

M
p
= 0
Una matriz Q de peso para los estados y una matriz R de peso para la se nal de
control R, hacen parte del ndice de desempe no.
J =
_
T
0
_
x
T
Qx + u
T
Ru
_
dt (27)
Las soluciones de optimizacion para esta clase de ndices se desarrolla por medio del
segundo metodo de Lyapunov, convirtiendose la demostracion nal del metodo de
Lyapunov en una ecuacion algebraica, denominada ecuacion algebraica de Ricatti.
Resolviendo esta ecuacion teniendo la matriz Q de peso para los estados y la matriz
ndice de control R. Se determina la matriz de ganancias de realimentacion optima K
K = R
T
B
T
P (28)
se puede encontrar un vector de control optimo (u)
u(t) = Kx(t) (29)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Determinacion de las matrices Q y R
Para el caso de este trabajo las conguraciones que se implementaran seran:
1. Q teniendo en cuenta solo posicion, angulo y R
[Q] =
_

_
q
1
0 0 0
0 q
2
0 0
0 0 0 0
0 0 0 0
_

_
[R] = [r
1
]
2. Q con los elementos de la diagonal y R
[Q] =
_

_
q
1
0 0 0
0 q
2
0 0
0 0 q
3
0
0 0 0 q
4
_

_
[R] = [r
1
]
3. Q con todos los elementos y R
[Q] =
_

_
q
1
q
5
q
6
q
7
q
5
q
2
q
8
q
9
q
6
q
8
q
3
q
10
q
7
q
9
q
10
q
4
_

_
[R] = [r
1
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Diagrama de ujo del LQR
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Diagrama de ujo del LQR
INICIO
Identificacin,Modelado , variables deestadoy de control
Linealizacin( puntodeoperacin )
Leyde controlporrealimetacinde variables de estado
Control multivariable " LQR "
ControlabilidadyObservabilidad
Determinacionde [Q] y [R]
Calculodel " LQR "
Poblacininicial
Evaluacinde
laaptitud
Seleccin
portorneo
Cruce
Mutacin
Nueva
generacin
Poblacin
de la
generacin
Evaluacinde
restricciones
Obtencionde [K] apartirde la
ecuacionalgebraicadeRicatti
Simulacin
Repuesta
buenao
optima ?
SI
NO
Metodo
aElegir
Pruebay
Error
FIN
Algoritmo
Genetico
D

"

"

D
I
S
E

O

D
E
L

A
L
G
O
R
I
T
M
O

G
E
N
E
T
I
C
O

SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Sintonizacion por medio del algoritmo genetico
Poblacin inicial
Evaluacin de la
aptitud
Seleccin por torneo
Cruce
Mutacin
Nueva generacin
Poblacin de la
generacin
Evaluacin de
restricciones
Nmerode
generaciones
No
Si
Cromosoma ptimo
Conguracion de los cromosomas:
Ind = [q
1
q
2
r
1
]
Ind = [q
1
q
2
q
3
q
4
r
1
]
Ind = [q
1
q
2
q
3
q
4
q
5
q
6
q
7
q
8
q
9
q
10
r
1
]
Poblacion inicial:
Conformada por 100 individuos, creados de
manera aleatoria.
Ind
n
= rand(1, 11) (1000 0,0001) + 0,0001
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Sintonizacion por medio del algoritmo genetico
Poblacin inicial
Evaluacin de la
aptitud
Seleccin por torneo
Cruce
Mutacin
Nueva generacin
Poblacin de la
generacin
Evaluacin de
restricciones
Nmerode
generaciones
No
Si
Cromosoma ptimo
Evaluacion de cada individuo:
K =
_
t
f
t
0
_
x
T
Qx + u
T
Ru
_
dt
Salidas:
Posicion.

Angulo.
Se nal de control.
Funcion objetivo: ITAE
J =
_
t
0
|e(t)| tdt
J
AG
= K
p
_
t
0
|e
p
| tdt + K
a
_
t
0
|e

| tdt + K
u
_
t
0

e
U(t)

tdt
J
AG
Valor de aptitud.
Restricciones:
J
AGn
P = J
AG
+ 250 Penalizacion
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Sintonizacion por medio del algoritmo genetico
Poblacin inicial
Evaluacin de la
aptitud
Seleccin por torneo
Cruce
Mutacin
Nueva generacin
Poblacin de la
generacin
Evaluacin de
restricciones
Nmerode
generaciones
No
Si
Cromosoma ptimo
Seleccion:
Se implementa la seleccion por torneo.
C
1
J
AG1
C
2
J
AG2
Si J
AG1
< J
AG2
, C
1
sera seleccionado
para ser cruzado.
Si J
AG2
< J
AG1
, C
2
sera seleccionado
para ser cruzado.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Sintonizacion por medio del algoritmo genetico
Poblacin inicial
Evaluacin de la
aptitud
Seleccin por torneo
Cruce
Mutacin
Nueva generacin
Poblacin de la
generacin
Evaluacin de
restricciones
Nmerode
generaciones
No
Si
Cromosoma ptimo
Cruce en un punto:
Se genera un n umero aleatorio N, si N < P
c
se efect ua
el cruce.
[ q
p1
q
p2
q
p3
q
p4
q
p5
q
p6
q
p7
q
p8
q
p9
q
p10
r
p1
] Cromosoma padre
[ q
m 1
q
m2
q
m3
q
m4
q
m5
q
m6
q
m7
q
m8
q
m9
q
m10
r
m1
] Cromosoma madre
Se genera un n umero aleatorio entre 1 y la longitud del
cromosoma menos 1.
Suponiendo el cruce a partir del cuarto gen
[ q
m 1
q
m2
q
m3
q
m4
q
p5
q
p6
q
p7
q
p8
q
p9
q
p10
r
p1
]
[ q
p1
q
p2
q
p3
q
p4
q
m5
q
m6
q
m7
q
m8
q
m9
q
m10
r
m1
]
Cromosomas hijos
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Sintonizacion por medio del algoritmo genetico
Poblacin inicial
Evaluacin de la
aptitud
Seleccin por torneo
Cruce
Mutacin
Nueva generacin
Poblacin de la
generacin
Evaluacin de
restricciones
Nmerode
generaciones
No
Si
Cromosoma ptimo
Mutacion:
Se genera un n umero aleatorio N, si N < P
m
se efect ua
la mutacion.
[ q
p1
q
p2
q
p3
q
p4
q
p5
q
p6
q
p7
q
p8
q
p9
q
p10
r
p1
] Cromosoma a mutar
C
n
Nuevo gen
Se genera un n umero aleatorio entre 1 y la longitud del
cromosoma.
Suponiendo que el cromosoma sufrira una mutacion en
el gen 9.
[ q
p1
q
p2
q
p3
q
p4
q
p5
q
p6
q
p7
q
p8
C
n
q
p10
r
p1
] Cromosoma mutado
Nueva generacion.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Sintonizacion de los parametros del LQR
Sintonizacion por medio del algoritmo genetico
Poblacin inicial
Evaluacin de la
aptitud
Seleccin por torneo
Cruce
Mutacin
Nueva generacin
Poblacin de la
generacin
Evaluacin de
restricciones
Nmerode
generaciones
No
Si
Cromosoma ptimo
Criterio de parada:
El algoritmo llagara a su n cuando se hayan
evaluado 50 generaciones.
El cromosoma seleccionado sera aquel con
menor valor de aptitud J
AG
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Corridas del algoritmo genetico
Tabla para las diferentes penalizaciones de la Matriz Q y R
Estados Penalizados
Q(2) y R(1) 2 estados y 1 Se nal de control
Q(4) y R(1) 4 estados y 1 Se nal de control
Q(4 con R) y R(1) 4 estados, las relaciones y 1 Se nal de control
Q(2) y R(1) Q(4) y R(1) Q(4 y r) y R(1)
J
AG
Cor 5 Gene Ind Cor 10 Gene Ind Cor 7 Gene Ind
J 929 1 1 1619 1 10 947 1 1
J 841 1 22 644 1 14 712 1 7
J 582 1 65 608 1 36 639 1 53
J 513 13 27 573 1 79 544 1 92
J 534 1 79 512 4 27
J 448 1 97 475 36 57
J 457 47 71
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Respuestas penalizando 2 estados
Q =
_

_
32,80 0 0 0
0 939,50 0 0
0 0 0 0
0 0 0 0
_

_
R=[5.07]
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Posicion del Carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]
Polos(s) 1,9335 j 4,2664 0,8050 j 0,8521
K(s) [2.5433 9.9635 3.3301 1.9265]
Polos(z) 0,8874 j 0,1923 0,9597 j 0,0409
K(z) [2.2359 8.0463 2.9791 1.8976]
L
_
19,9788 0,0302
0,0117 19,6188
_
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Posicion del Carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Respuestas penalizando 2 estados
0 2 4 6 8 10 12 14 16 18
1
0.5
0
0.5
1
1.5
2
2.5
3
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]
0 2 4 6 8 10 12 14 16 18
0.5
0
0.5
1
1.5
2
2.5
3
Seal de Control
Tiempo [s]
F
u
e
r
z
a

[
N
]
0 2 4 6 8 10 12 14 16 18
4
2
0
2
4
6
8
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]
0 2 4 6 8 10 12 14 16 18
5
0
5
10
15
20
Seal de Control
Tiempo [s]
F
u
e
r
z
a

[
N
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Respuestas penalizando 4 estados
Q =
_

_
462,29 0 0 0
0 120,90 0 0
0 0 312,34 0
0 0 0 928,87
_

_
R=[31.48]
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Posicion del Carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]
Polos(s) 1,7050 +j 2,0524 -4.6833 -1.3625
K(s) [3.8323 12.4697 5.3440 3.8023]
Polos(z) 0,9133 j 0,0944 0.7933 0.9341
K(z) [3.0531 8.6138 4.3294 3.2601]
L
_
19,9788 0,0302
0,0117 19,6188
_
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Posicion del Carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Respuestas penalizando 4 estados
0 2 4 6 8 10 12 14 16 18
2
1.5
1
0.5
0
0.5
1
1.5
2
2.5
3
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]
0 2 4 6 8 10 12 14 16 18
0.5
0
0.5
1
1.5
2
2.5
3
Seal de Control
Tiempo [s]
F
u
e
r
z
a

[
N
]
0 2 4 6 8 10 12 14 16 18
3
2
1
0
1
2
3
4
5
6
7
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]
0 2 4 6 8 10 12 14 16 18
10
5
0
5
10
15
20
Seal de Control
Tiempo [s]
F
u
e
r
z
a

[
N
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Respuestas penalizando 4 estados y sus relaciones
Q =
_

_
509, 50 165, 90 267, 06 253, 23
165, 90 987, 85 946, 86 57, 28
267, 06 946, 86 425, 47 57, 24
253, 23 57, 28 57, 24 984, 40
_

_
R=[29,48]
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Posicion del Carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]
Polos(s) 1,5517 j 2,0823 -6.0403 -1.2099
K(s) [4.1571 14.1506 5.9087 4.1478]
Polos(z) 0,9202 j 0,0964 0.7418 0.9413
K(z) [3.2397 9.6035 4.6818 3.4927]
L
_
19,9788 0,0302
0,0117 19,6188
_
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Posicion del Carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Respuestas penalizando 4 estados y sus relaciones
0 2 4 6 8 10 12 14 16 18
2
1.5
1
0.5
0
0.5
1
1.5
2
2.5
3
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]
0 2 4 6 8 10 12 14 16 18
0.5
0
0.5
1
1.5
2
2.5
3
Seal de Control
Tiempo [s]
F
u
e
r
z
a

[
N
]
0 2 4 6 8 10 12 14 16 18
3
2
1
0
1
2
3
4
5
6
7
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]
0 2 4 6 8 10 12 14 16 18
10
5
0
5
10
15
20
Seal de Control
Tiempo [s]
F
u
e
r
z
a

[
N
]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Evolucion de las respuestas penalizando 4 estados y sus relaciones
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Evolucion de la posicion del carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]


J 1
J 2
J 3
J 4
J 5 Optimo
0 2 4 6 8 10 12 14 16 18
2
1.5
1
0.5
0
0.5
1
1.5
2
2.5
3
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]


J 1
J 2
J 3
J 4
J 5 Optimo
0 2 4 6 8 10 12 14 16 18
0.5
0
0.5
1
1.5
2
2.5
Evolucion de la seal de control
Tiempo [s]
F
u
e
r
z
a

[
N
]


J 1
J 2
J 3
J 4
J 5 Optimo
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Comparacion ante las diferentes penalizaciones
0 2 4 6 8 10 12 14 16 18
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
Posicion del Carro
Tiempo [s]
P
o
s
i
c
i
o
n

[
m
]


Q(2) y R(1)
Q(4) y R(1)
Q(4 con R) R(1)
0 2 4 6 8 10 12 14 16 18
2
1.5
1
0.5
0
0.5
1
1.5
2
2.5
3
Posicion del Pendulo
Tiempo [s]
A
n
g
u
l
o

[

]


Q(2) y R(1)
Q(4) y R(1)
Q(4 con R) y R(1)
0 2 4 6 8 10 12 14 16 18
0.5
0
0.5
1
1.5
2
2.5
Seal de Control
Tiempo [s]
F
u
e
r
z
a

[
N
]


Q(2) y R(1)
Q(4) y R(1)
Q(4 con R) y R(1)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Validacion de los resultados en el modelo real
Penalizando 2 estados
Penalizando 4 estados(ver vdeo)
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Validacion de los resultados en el modelo real
Penalizando 4 estados y sus relaciones
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Resultados
Ante perturbaciones(ver vdeo)
0 5 10 15 20 25 30
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
Posicin del Carro
Tiempo [s]
P
o
s
i
c
i

n

[
m
]
0 5 10 15 20 25 30
30
20
10
0
10
20
30
Oscilacin del Pndulo
Tiempo [s]

n
g
u
l
o

[

]
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
Conclusiones
Conclusiones
El control lineal multivariable LQR presenta una gran libertad de dise no. Es un
control muy robusto, propiedad que le otorga gran efectividad en plantas de
comportamiento lineal y no lineal.
La determinacion de los pesos de la funcion de coste de la ley de control LQR
requiere realizar una serie de simulaciones. las cuales depende del conocimiento
que se disponga sobre la planta.
En la elaboracion de este trabajo se comprobo todas las ventajas que poseen los
algoritmos geneticos, encontrando respuestas optimas y de manera rapida para
el problema tratado.
El algoritmo genetico permite que los parametros de penalizacion de los estado y
del esfuerzo de control en el LQR, no se sintonicen empricamente, sino a partir
de la b usqueda aleatoria propia del algoritmo, sujeta a las restricciones de dise no
presentadas en el sistema, dotando asimismo mayor robustez al controlador.
SINTONIZACI

ON DE UN CONTROL

OPTIMO CUADR

ATICO CON COMPUTACI

ON EVOLUTIVA PARA UN PUENTE GR

UA
GRACIAS