Académique Documents
Professionnel Documents
Culture Documents
UNIDAD DE POSGRADO
TESIS
Arequipa - Perú
2018
___________________________________________________________
ii
ANALISIS Y SIMULACION DEL CONTROL AVANZADO DE LA POSICION
DE UN ASCENSOR”
UNSA - Arequipa
2018
iii
Agradecimientos
______________________________________________________
La presente tesis es el resultado final del esfuerzo conjunto con mi asesor, profesores y
compañeros de maestría quienes aportaron en todo momento motivación, consejos. También
quiero agradecer muy especialmente a toda mi familia por su apoyo y comprensión incondicional.
iv
ÍNDICE GENERAL
__________________________________________________
RESUMEN …………………………………………………………………………. 1
ABSTRACT ……………………………………………………………………….. 2
INTRODUCCIÓN …………………………………………………………………. 3
CAPÍTULO I ………………………………………………………………………. 4
CAPITULO II ……………………………………………………………………… 6
MODELADO DEL SISTEMA
2.1 Modelamiento matemático…………………………………………… 6
2.2 Ecuaciones de Estado ……………………………………………….. 11
CAPITULO III………………………………………………………………………. 10
CONTROL ÓPTIMO
3.1 Control Optimó Cuadrático No Estacionario……………………....... 12
3.2 Control Óptimo Cuadrático Estacionario ………………………….… 19
CAPITULO IV ……………………………………………………………………….. 30
EL OBSERVADOR DE ESTADOS MULTIVARIABLE
4.1 El Observador Optimo de una Entrada y una Salida ………………. 30
4.2 El Observador Óptimo Multivariable de Orden Completo …………. 34
v
CAPITULO V …………………………………………………………………………. 36
ANALISIS Y RESULTADOS
5.1 Análisis del proceso………………………………………………………. 36
5.2 Modelado del ascensor ………………………………………………….. 38
5.3 Procedimiento del análisis y diseño del control ………………………. 41
5.4 Análisis y simulación del control ……………………………………….. 42
CONCLUSIONES ……………………………………………………………………. 45
RECOMENDACIONES ……………………………………………………………… 46
BIBLIOGRAFÍA ………………………………………………………………………. 48
vi
ÍNDICE DE FIGURAS
__________________________________________________
vii
Resumen
______________________________________________________
Los métodos de control moderno tienen en la actualidad cada vez más campos en
los cuales poder ser aplicados. Los progresos que hoy en día se alcanzan a nível
de equipos computacionales hace posible la implementación de estrategias,
algoritmos y modelos matemáticos sin que el coste computacional sea una
limitante determinante.
1
Abstract
______________________________________________________
The methods of modern control nowadays have more and more fields in which
they can be applied. The progress that is achieved today at the level of
computational equipment makes possible the implementation of strategies,
algorithms and mathematical models without the computational cost being a
determining limitation.
This thesis deals with the analysis and simulation of the advanced control of the
position of an elevator, starting from the mathematical modeling of the electro -
physical system to the simulation, putting into practice the techniques of advanced
control.
2
INTRODUCCION
3
CAPITULO I
determinado, lo que significa sobre impulso nulo (para que no se pase de piso) y
amplificador de potencia), la señal de control debe estar dentro del rango de ± 200
volt. Por lo tanto será necesario diseñar un sistema de control óptimo cuadrático
4
1.2 OBJETIVO GENERAL
5
CAPITULO II
(2.1)
6
(2.2)
(2.3)
aceleración de la gravedad.
Para efectos del análisis, se asumirá que el cable no experimenta deslizamiento
sobre la polea.
7
Figura 2.1: Representación general del sistema ascensor. 1) Armadura. 2)
Encoder de posición. 3) Motor DC. 4) Caja reductora. 5) Eje de la polea. 6)
Polea. 7) Cable. 8) Cabina.
8
Figura 2.3. Representación mecánica y de la interacción de los componentes
del sistema.
(2.4)
(2.5)
9
Las variables de estado que elegiremos serán:
10
2.2 ECUACIONES DE ESTADO.
11
CAPITULO III
CONTROL ÓPTIMO
Cabe anotar además que una matriz real es definida positiva cuando todos sus
valores propios son positivos. Cuando los valores propios de una matriz real
son positivos o cero, entonces la matriz se denomina semidefinida negativa.
Cuando una matriz real posee valores propios positivos y negativos, entonces
es indefinida.
x N SxN
final se fija en un valor predeterminado x f , entonces el término 1 T
2
13
El problema de minimización en estudio, consiste en minimizar J (ecuación
(3.3)) cuando está sujeto a la restricción impuesta por la ecuación de estado
x0 c (3.3)
L 1
2
x N Sx N
T 1 N 1 T
2
x k Qx k u T k Ru k
k 0
k 1Gxk Hu k xk 1
T
(3.4)
L
Qx G T k 1 k 0 , k 1,2 ,...,N 1
xk
(3.5)
L
Sx N 0
xN (3.6)
14
L
Ruk H T k 1 0 , k 1,2 ,...,N 1
u k
(3.7)
L
Gxk 1 Hu k 1 xk 0 , k 1,2 ,...,N 1
k
(3.8)
T T
x Ax Ax x Ay Ay
x x
De (3.7) se obtiene:
De (3.8) se deduce:
15
El vector de control óptimo (la ley de control) puede ser formulado como:
uk Kx k (3.13)
Pk Q GT Pk 1 I HR1H T Pk 1 1
G
(3.15)
Pk Q GT Pk 1G GT Pk 1H R H T P( k 1 )H H T Pk 1G
1
(3.16)
Sxk k
PN S (3.17)
17
uk K k xk
K k R 1 H T P 1 k 1 HR 1 H T 1
G
(3.19)
uk K k xk
K k R H T Pk 1H 1
H T Pk 1G
(3.20)
18
3.2 Control Óptimo Cuadrático Estacionario
x k Qxk uT k Ruk
1
J T
2 k 0
(3.21)
1
N SxN de la relación (3.3) ha
T
en donde podemos observar que el término x
2
P Q GT PG GT PH R H T PH H T PG 1
(3.23)
19
mientras que la matriz de ganancia K en (3.20) resulta:
K R H T PH H T PG 1
(3.23)
uk Kx k (3.24)
Pk 1 Q GT Pk G GT Pk H R H T P( k )H
1
H T Pk G
(3.25)
detzI G HK 0 (3.26)
21
3.3 El Regulador Óptimo Proporcional–Integral
22
1 n , K I es la ganancia del integrador, y K es la matriz ganancia del
K K1 K 2 K n (3.29)
vk 1 vk r k 1 y k 1
vk r k 1 C Gxk Hu k vk 1
1 CHK 1 vk CG CHK xk r k 1
(3.31)
x( k 1 ) G HK HK I x( k ) 0
v( k 1 ) CG CHK r k 1
1 CHK I v( k ) 1
(3.33)
23
x( k )
y k C 0 (3.34)
v( k )
x( ) G HK HK I x( ) 0
v( ) CG CHK
1 CHK I v( ) r
(3.35)
Definiendo:
podemos ahora restar (3.35) de (3.33) y luego usar las ecuaciones (3.36) y
(3.37) para obtener:
24
xe ( k 1 ) G HK HK I xe ( k )
v ( k 1 )
e CG CHK 1 CHK I ve ( k )
G 0 xe ( k ) H xe ( k )
K K
1
CG I ve ( k ) CH ve ( k )
(3.38)
k 1 G k Hwk wk K k
~ ~ ~
(3.39)
donde:
xe ( k ) G 0
k G k
~
v e ( k ) CG I
H
H k K k K KI
~ ~
CH
Cabe resaltar que el vector de estado xk del sistema original es de orden n
1 ~ ~
J k Q T
k w k R 2
2 k 0
(3.40)
(3.40)
~ ~ ~ ~~ ~ ~~ ~ ~ ~~
P Q GT PG GT PH R H T PH 1 ~ ~~
H T PG
(3.41)
~ ~ ~ ~~
K R H T PH
1 ~ ~~
H T PG (3.42)
~
Donde P es una matriz simétrica definida positiva de dimensión
n 1 n 1 , la cual es solución de la ecuación matricial de Riccati
asociada.
26
3.4 El Regulador Óptimo Multivariable Proporcional–Integral
27
K11 K12 K 1n
K
K m1 Km2 K mn (3.45)
Del mismo modo, de la figura 3.3, podemos formular la ecuación que describe
al vector integrador discreto:
wk K k
~
k 1 G k Hwk
~ ~
(3.47)
donde:
xe ( k ) G 0
k G k
~
v e ( k ) CG I
H
H k K k K KI
~ ~
CH
28
con:
xk x x e k
vk v ve k
w
1 ~ ~
J k Q T
k w k R T
2 (3.48)
k 0
~ ~ ~ ~~ ~ ~~ ~ ~ ~~
P Q GT PG GT PH R H T PH 1 ~ ~~
H T PG
(3.49)
~ ~ ~ ~~
K R H T PH
1 ~ ~~
H T PG (3.50)
~
Donde P es una matriz simétrica definida positiva de dimensión
~
n 1 n 1 , Q es una matriz simétrica semidefinida positiva de
dimensión n 1 n 1 y
~
R es una matriz simétrica definida positiva de
dimensión mm.
29
CAPITULO IV
Para implementaciones en tiempo real, sólo unas cuantas variables del vector
de la señal de control u k .
yk Cx k (4.2)
30
Figura 4.1: Configuración del observador de estados.
e( k 1 ) G K e C e( k ); e( k ) x( k ) x̂( k )
(4.4)
31
El observador posee la siguiente ecuación característica:
en donde la matriz K e se diseña para que el error tienda a cero con una
velocidad adecuada. Las raíces de la ecuación característica deben ubicarse
dentro del círculo unitario para que el observador sea estable y opere
satisfactoriamente.
det zI G KeC det zI G KeC det zI GT CT KeT
T
(4.6)
32
G GT H CT K KeT (4.7)
( k 1 ) GT ( k ) C T ( k ) (4.8)
( k ) KeT ( k ) (4.9)
k Qe k T ( k )Re k
1
J T
2 (4.10)
k 0
Pe Qe GPe G T GPe C T Re CPe C T
1
CPe G T (4.11)
Ke Re CPeCT
1
CPeGT (4.12)
33
4.2 El Observador Óptimo Multivariable de Orden Completo
xˆ k 1 Gxˆ k Hu k K e y (k ) Cxˆ (k )
(4.15)
Pe Qe GPeGT GPeCT Re CPeCT 1
CPeGT (4.16)
34
donde las matrices de ponderación Re y Qe son de orden mmy nn
Ke Re CPeCT 1
CPeGT (4.17)
35
CAPITULO V
ANALISIS Y RESULTADOS
36
Figura 5.1: Proceso ascensor.
37
5.2 Modelado del Ascensor
(Codificación Matlab)
%ascensor 1.m
Clear all
% MODELO DEL SCENSOR
A= [-0.2 0 0 0
1 0 0 0
2 0 -2 0
5 0 0 -5];
B =[1e-3;0;0;0];
C = [0 1 0 0]; D = [0];
% CONTROLABILIDAD Y OBSERVABILIDAD DEL PROCESO
rAB = rank(ctrb(A,B)); % rAB = 4 => COMPLETAMENTE CONTROLABLE
rAC = rank(obsv(A,C)); % rAC = 2 => NO ES COMPLETAMENTE
OBSERVABLE
eigA= eig(A); % COMPUTA EIGENVALORES
% eigA =
% -5.0000
% 0
% -2.0000
% -0.2000
% CONVERSION AL ESPACIO DISCRETO
T=0.2; %TIEMPO DE MUESTREO
[G,H,C,D] = c2dm(A,B,C,D,T,’zoh’);
rGC = rank(obsv(G,C));%rGC=2=>NO ESCOMPLETAMENTE OBSERVABLE
eigG=eig(G); % COMPUTA EIGENVALORES
% eigG =
% 0.3679
% 1.0000
% 0.6703
38
% 0.9608
% G =
% 0.9608 0 0 0
% 0.1961 1.0000 0 0
% 0.3227 0 0.6703 0
% 0.6176 0 0 0.3679
% H = 1.0e-003 *
% 0.1961
% 0.0197
% 0.0347
% 0.0725
% RESPUESTAS AL ESCALON
[Y,X,t] = step(A,B,C,D);
[YY,XX] = dstep(G,H,C,D);
tt = linspace(0,size(YY,1)*T,size(YY,1));
subplot(211)
plot(t,Y); grid
xlabel(’Tiempo en segundos’)
ylabel(’Salidas continuas’)
subplot(212)
plot(tt,YY); grid
xlabel(’Tiempo en segundos’)
ylabel(’Salidas discretas’)
39
Figura 5.2: Respuestas al escalón de la posición del ascensor.
40
5.3 Procedimiento del análisis y diseño del control
41
5.4 Análisis y simulación del Control
clc
clear all
close all
B=[10e-3; 0; 0; 0];
C=[0 1 0 0 ];
D=[0];
G1 = [G zeros(4,1);
-C*G 1 ];
H1 = [H; -C*H];
% INGRESO DE PESOS
42
Q = [1 0 0 0 0
0 100 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 3];
R = [0.01];
% ECUACION DE RICCATI
P = diag(0,4);
for i = 1:40
P = Q + G1'*P*G1 - G1''*P*H1*inv(R+H1'*P*H1)*H1'*P*G1;
end
% SIMULACION
% DEFINIMOS LOS PARAMETROS DE LA SIMULACION
N = 200; x=[0;0;0;0]; v=0; Y=0;
for k=1:N
r(k)=3*sign(sin(0.02*k)); Ref=r(k);
v = v + Ref - Y;
U = - K*x + KI*v;
% GENERACION DE GRAFICOS
t=linspace(0,N*T,N);
subplot(2,1,1)
plot(t,y(1:N),t,r(1:N)),
grid
ylabel('’Posicion (m)')
xlabel('Tiempo en segundos')
subplot(2,1,2)
plot(t,u(1:N)), grid
xlabel('Tiempo en segundos')
ylabel('Voltaje de control')
44
CONCLUSIONES
45
RECOMENDACIONES
46
TRABAJOS FUTUROS
47
BIBLIOGRAFIA
48
Ricardo Tanscheit, Marlley Vellasco, YvanTupac, Marco Aurelio Pacheco.
Controlador Difuso con Evolución del Conjunto de Reglas de Inferencia.
2003 Papers. Yvantv, Marco, Marley.
Advanced Logic Toolbox For Use with Matlab User’s Guide Version 3.0
(Release 14) The MathWorks. http://www.matworks.com.
49