CONTROL DIGITAL

MODELO DE UN CONTROL
PREDICTIVO (MPC)

NOMBRES: Germn Mera

Eduardo Guano

NIVEL: Sptimo Mecatrnica B

DOCENTE: PhD. Vctor Andaluz

2016 / 07 / 22

Modelo de Control Predictivo

Son sistemas de control desarrollados e implementados en la dcada del 1990,
aunque sus principios metodolgicos ya haban sido introducidos en la dcada
del 1970. Permite manipular las variables para establecer una trayectoria
deseada a futuro, adems de las variables que estn siendo controladas.

Una vez manipuladas las variables se procede a su clculo optimizndolas con

la funcin objetivo y siguiendo mtodos de horizonte mvil. Es evidente que
para optimizar las variables se utiliza los principios de la Investigacin de
Operaciones.

Para muchos el control predictivo no es una estrategia de control especfica,

sino que se trata ms bien de un campo muy amplio de mtodos de control
desarrollados en torno a ciertas ideas comunes.

El control predictivo utiliza un modelo explcito para predecir la salida del

proceso en instantes futuros, mediante el uso de algoritmos para el clculo de
seales de control minimizando una cierta funcin objetivo.

Una de las propiedades ms atractivas del sistema de Control Predictivo es su

formulacin abierta, que permite la incorporacin de distintos tipos de modelos
de prediccin, sean lineales o no lineales, monovariables o multivariables, y la
consideracin de restricciones sobre las seales del sistema. Esto hace que
sea una estrategia muy utilizada en diversas reas del control. Adems, es una
de las pocas tcnicas que permiten controlar sistemas con restricciones
incorporando stas en el propio diseo del controlador.

Figura 1 Primer Controlador Predictivo: Control con Predictor de Smith

ELEMENTOS DEL CONTROL PREDICTIVO:

La utilizacin de un modelo matemtico de prediccin.
2
 La estructuracin de las variables a manipular.
El clculo de estas variables.
La aplicacin de control.

VENTAJAS
Formulacin en el dominio del tiempo, lo cual le permite ser una tcnica
flexible, abierta e intuitiva.
Permite tratar con sistemas lineales y no lineales, monovariables y
multivariables utilizando la misma formulacin para los algoritmos del
controlador.
La ley de control responde a criterios de optimizacin.
Permite la incorporacin de restricciones en la sntesis o implementacin
del controlador.
Brinda la posibilidad de incorporar restricciones en el clculo de las
actuaciones.

DESVENTAJAS
Requiere el conocimiento de un modelo dinmico del sistema
suficientemente preciso.
Requiere un algoritmo de optimizacin, por lo que solo se podra
implementarse por medio de una computadora.
Requiere un alto coste computacional, lo que hace difcil su aplicacin a
sistemas rpidos.
Hasta hace relativamente poco, no se poda garantizar la estabilidad de
los controladores, especialmente en el caso con restricciones. Esto
haca que el ajuste de estos controladores fuese heurstico y sin un
conocimiento de cmo podan influir los parmetros en la estabilidad del
sistema.

APLICACIONES:

INDUSTRIA
Se introducen en primer lugar los conceptos fundamentales y las metodologas
de amplia implantacin en la industria para pasar posteriormente a la
modificacin de los algoritmos bsicos, de forma que puedan incorporar
situaciones encontradas comnmente en la industria como perturbaciones
medibles o restricciones.

QUMICA
Sirve para predecir la reaccin de compuestos y reactivos a los que se pueden,
mediante el modelo matemtico, variar las cantidades o alguna otra propiedad
medible, y observar los resultados posibles obtenidos por el sistema; as se

3
pueden utilizar mejor los recursos qumicos, que pueden ser o muy costosos o
muy caros (en trminos de dinero y tiempo) o muy peligrosos de manipular.

FSICA
Al igual que en la qumica es costoso comprobar experimentalmente teoras,
modelos, etc. Es por eso que los sistemas de control predictivo juegan un papel
muy importante al permitir saber con cierto grado de certeza la reaccin o el
comportamiento futuros de los fenmenos.

MARKETING
El control predictivo es muy aplicado para el anlisis y prediccin del
comportamiento de un sector del mercado, un claro ejemplo es predecir, con
cierto grado de confianza y teniendo en cuenta la informacin histrica (valores
que en algn momento tuvieron las variables), el comportamiento del mercado
en funcin de la demanda de leche para el ao 2011.

ROBTICA
Un ejemplo son los brazos manipuladores, que, al estar compuestos por varias
articulaciones unidas entre s, poseen una dinmica altamente no lineal, con un
fuerte acoplamiento entre sus respectivas articulaciones. Esto complica la
utilizacin de sistemas de control tradicionales, en especial por la sintonizacin
ante altas velocidades o aceleraciones. Una de las mejores soluciones es
utilizar un control predictivo, mediante modelos matemticos con el fin de
compensar los trminos dinmicos presentes.

INTELIGENCIA ARTIFICIAL
Una de las aplicaciones que promete un gran aporte para la humanidad, en el
futuro, es la utilizacin de sistemas de control predictivo a las redes neuronales
para la navegacin de robots mviles, se espera que con esta tendencia se
pueda mejorar el trnsito vehicular e incluso peatonal; reduciendo de manera
significante los ndices de accidentes de trnsito, los cuales en nuestro pas
son realmente alarmantes.

PROCESOS DE MODELACIN
Las representaciones ms comunes son:
Respuesta al Impulso
Respuesta al escaln
Funcin de transferencia
Espacio de estados

Modelo de respuesta al impulso. - la relacin entrada-salida de este modelo

est dada por la ecuacin. [5]

y (t )= hk u(tk )
k=1

4
Los coeficientes hk son valores muestreados del proceso luego de
aplicrsele un impulso unitario de ancho un intervalo de muestre donde solo se
consideran N valores.

y (t )= hk u(t k )=H ( z1 ) u (t )
k=1

Figura 2 Modelo de respuesta al impulso

Donde H ( z1 ) =h1 z 1 +h2 z2+ +h N zN y z 1 representa el retardo unitario.

Finalmente, la prediccin de la salida en el instante t, est dada por la

ecuacin.

N
y (t + jt ) = hk u(t + j kt)=H ( z ) u( t kt )
1

k=1

Las ventajas de este modelo son su sencillez para la descripcin de la

dinmica de procesos ya sean de fase o mnima con retardos y, el hecho de
que no se requiera informacin previa. En cuanto a las desventajas, este no
puede representar procesos inestables y su gran nmero de coeficientes
resultados del muestreo que aparecen en el modelo. [5]
Modelo de respuesta al escaln. - tiene las mismas ventajas e
inconvenientes que la respuesta al impulso. Su respuesta se observa en la
salida mediante la siguiente ecuacin: [3]
N
y (t )= y 0+ S k u(t k t)= y 0+ S ( z 1 ) (1z1 )u( t)
k=1

5
 Figura 3 Modelo de respuesta al escaln

Los coeficientes Sk son valores medidos de la respuesta al escaln en cada

intervalo de muestreo:
u ( t )=u ( t ) u(t1) indica el incremento en la accin de control en el

instante t 1 e y 0 es el valor inicial de la salida. Normalmente se busca

encontrar una expresin del incremento en la salida al realizar los movimientos
u(t ) en la accin de control, por lo tanto, se prescinde de y 0 para
N

representar dicho efecto en la ecuacin. y ( t + jt )= Sk u (t kt )

k=1

Modelo de funcin de transferencia. - se hace uso de un modelo discreto del

proceso para obtener la salida dada por la ecuacin:

B (z1 )
y ( t )= u(t) Los coeficientes del numerador B y denominador A son:
A(z 1 )

A ( z1) =1+a1 z1 + a2 z2 ++a na zna

B ( z 1 )=1+ b1 z 1 +b2 z2+ +bnb znb

Finalmente, mediante la ecuacin se calcula la prediccin de la salida:

B(z1)
y (t + jt ) = u(t + jt)
A (z1 )

El uso de este tipo de representacin requiere de un amplio conocimiento del

proceso en cuanto a su orden para la obtencin de los polinomios A y B, puesto
que se debe disponer de un modelo lo ms preciso de este. Como ventajas
tiene que es til para representar procesos inestables y el nmero de
parmetros de los que dispone es mnimo. [6]
6
Modelo de espacios de estado. - se representa de la siguiente forma:
x ( t )= Ax ( t1 ) +Bu( t1)

y (t )=Cx (t)

La variable X representa el estado y A, B y C son las matrices de estado del

proceso. Por ultimo las predicciones de la salida estn dadas por:
k
y (t +k t )=C ^x (t +k|t ) =C[ A x ( t ) + A
k i1
Bu(t +k it )]
i=1

Esta representacin posee como ventaja la extensin al caso multivariable, as

como la de analizar la representacin interna. Su principal desventaja es la
necesidad de precisar en ocasiones de un observador del estado.
Modelo de perturbaciones. - este componente hace parte del modelo de
prediccin general, uno de los ms empleados es el ARIMA (Auto-regresivo
Integrado de Media Mvil).

C(z 1 )
d ( t )= e(t)
D( z1)

Normalmente el polinomio del numerador es igual a uno, e polinomio del

denominador incluye nicamente un integrador y el modelo est en la funcin
de e (t) , que es un ruido de media cero. Este modelo es apropiado cuando
se presentan cambios aleatorios ocurridos en cualquier instante y, con la
inclusin del integrador se consigue un error nulo en rgimen permanente.
Finalmente, el modelo de perturbacin es el expresado en la ecuacin:
1
d ( t )= 1
e (t)
1z

Y la prediccin ptima ser:

d ( t+k t )=d (t )

Tipos de modelos
Se puede hacer una clasificacin de los modelos de acuerdo a distintos
criterios:
Segn el nivel de formalismo matemtico
Modelos paramtricos. - Son los modelos obtenidos a partir de relaciones
entre variables internas aplicando para ello ecuaciones de fenmenos fsicos,
qumicos y matemticos. Con esto se puede encontrar una ecuacin que

7
relacione la entrada o entradas del proceso con la salida o salidas segn
corresponda. Estos procesos se pueden trabajar en sistema contino utilizando
ecuaciones diferenciales, o en sistema discreto. [2]
Modelos no paramtricos. - Son los modelos obtenidos a partir de grficos de
respuesta (salida) del sistema ante una entrada aplicada al sistema. En
sistemas lineales, por ejemplo, es suficiente con aplicar una entrada escaln y
analizar su salida para encontrar la funcin de transferencia para el modelo. [6]
Segn la relacin entre las entradas y salidas
Modelos lineales. Un modelo es lineal cuando cumple el principio de
proporcionalidad y el de superposicin. Esto quiere decir, que la salida es
proporcional a la entrada ingresada y que, a seales sumadas de entrada, la
salida ser la suma de los dos efectos superpuestos. Los modelos lineales son
aplicables a sistemas de temperatura, sistemas elctricos y otros. [5]
Modelos no lineales. Los modelos no lineales no cumplen el principio de
proporcionalidad ni el de superposicin. Este tipo de modelos se asemeja ms
a los procesos industriales, que son por lo general de no linealidad marcada.
Estos modelos permiten describir el comportamiento del sistema en un rango
mayor que el que puede describir un modelo lineal. [7]
Ejemplo 1
Modelo del Proceso
Considerando el funcionamiento bsico del campo de colectores y la
descripcin ms detallada en a continuacin se explica de forma breve el
desarrollo del modelo, as como las variables necesarias para el control
mediante el simulador. Tomando en cuenta el principio de conservacin de la
energa al tubo metlico y considerando el fenmeno trmico del aceite que
absorbe la energa, se ha desarrollado un modelo matemtico con l que se
permite la estimacin inicial de la temperatura del fluido (f) y del metal (m) de la
tubera. [2]

Symbol Descripcin Unidades

t Tiempo s
x Longitud m
Densidad del Aceite Kg m3

8
 c Calor Especfico 1
JK kg
1

A rea de Seccin Transversal m2

T Temperatura de Salida K , C
I Radiacin Solar Wm
2

H1 Coeficiente Global de Prdida Trmica

W m2 C1
D Ancho de las Superficies Reflectantes m
H1 Coeficiente de Transmisin de Calor
Metal-Fluido Wm C
2 1

G Apertura del Colector m

L Longitud del Tubo Lineal m
V (Control Predictivo, 2013)Flujo de Aceite m3 s1
n0 Eficiencia Geomtrica -

Ta Temperatura Ambiente K , C

Ejemplo 2
MODELACIN DEL REACTOR CSTR (Composicin qumica)
Para efectuar el control del reactor se utiliz dos modelos: el lineal
representado por variables de estado y el modelo no lineal, el cual se obtuvo a
partir de las ecuaciones diferenciales que describen su funcionamiento
dinmico. Debe tenerse presente que se trata de un proceso continuo y auto
regulatorio, a excepcin del nivel dentro del tanque, que constituye una variable
de tipo integrante. [6]

Figura 4 Reactor CSTR

En la Figura se muestra un dibujo ilustrativo del proceso, acompaado del
sistema de enfriamiento.

9
 d ( H ( t )) 1 1
= F 0 ( t ) F (t )
dt A A

Dnde:
H (t): nivel de la mezcla, pie.
Fo (t): flujo volumtrico de alimentacin, gpm.
F (t): flujo volumtrico de producto, gpm.
A: rea de trasversal del tanque, pie2 .

Conclusiones
El control predictivo es una tcnica que se adapta a la variedad de
modelos permitiendo la aplicacin en los procesos industriales tales
como en qumica, robtica, etc.
El MPC se lo utiliza para predecir el valor de las variables controladas a
lo largo del proceso con el objetivo de buscar un comportamiento son
oscilaciones.
Uno de los procesos de modelacin ms sencillos y fcil de implementar
es el modelo de respuesta por impulso, puesto que tiene un proceso de
fase mnima o con retardos y no se necesita de demasiada informacin
previa para su utilizacin.
El tipo de modelo ms utilizado son los modelos paramtricos que son
obtenidos a partir de las relaciones entre las variables aplicando
ecuaciones de los fenmenos fsicos, qumicos y matemticos.

Bibliografa

[1]Cifasis. (21 de Abril de 2013). Recuperado el 21 de Julio de 2016, de MPC:

http://www.cifasis-conicet.gov.ar/feroldi/objetos/MPC_clases.pdf
[2]Control Predictivo. (3 de Febrero de 2013). Recuperado el 21 de Julio de
2016, de http://www.redalyc.org/articulo.oa?id=70712293012
[3]MPC. (12 de Agosto de 2013). Recuperado el 21 de Julio de 2016, de
Aplicaciones de un sistema de control:
http://es.slideshare.net/edalgonzalez/algoritmos-de-control-predictivo-
multivariable-para-procesos-con-dinmica-rpida-aplcacin-al-control-de-
un-sistema-de-motores-acoplados
[4]Repositorio. (12 de Septiembre de 2013). Recuperado el 21 de Julio de
2016, de MPC:
http://repositorio.educacionsuperior.gob.ec/bitstream/28000/1486/1/T-
SENESCYT-00620.pdf

10
[5]Biblioteca Digital. (s.f.). Recuperado el 21 de Julio de 2016, de MPC:
http://bibdigital.epn.edu.ec/bitstream/15000/9358/1/P61.pdf
[6]Biblioteca Virtual . (s.f.). Recuperado el 21 de Julio de 2016, de Tesis:
http://www.biblioteca.udep.edu.pe/BibVirUDEP/tesis/pdf/1_197_184_1
40_1852.pdf
[7]Control Predictivo. (s.f.). Recuperado el 21 de Julio de 2016, de
https://www.academia.edu/15374809/Modelado_de_un_reactor_qu
%C3%ADmico_tipo_CSTR_y_evaluaci
%C3%B3n_del_control_predictivo_aplicando_Matlab-Simulink

11