Controladores digitales

Cesar de Prada
ISA-UVA
prada@autom.uva.es
Cesar de Prada ISA-UVA 2
Indice
Controladores digitales
Metodologa de diseo
Reguladores PID digitales
Reguladores 2DOF
Reguladores de asignacin de polos
Reguladores de varianza mnima
Control adaptativo
Reguladores deadbeat
Reguladores LQR
Estimacin de estados
Principio de equivalencia
Cesar de Prada ISA-UVA 3
Controladores digitales
Proceso
Transmisor
u(t)
y(t)
4-20 mA
4-20 mA
Ordenador D/A
A/D
y(kT)
u(kT)
w
Regulador digital
Actuador
La implementacin de los controladores digitales se hace en
software en un sistema operativo en tiempo real.
Cesar de Prada ISA-UVA 4
Metodologa de diseo
Metodologa
Conocer el proceso y elegir los objetivos de control
Seleccionar las variables manipuladas y controladas y la instrumentacin
adecuada
Seleccionar las especificaciones de diseo: velocidad de respuesta, error
estacionario, tipo de respuesta, etc.
Elegir un tipo de regulador y un procedimiento de clculo o sintona
Comprobar el diseo en simulacin
Realizar la implementacin y la puesta a punto con la instrumentacin
elegida
Opciones
Disear un regulador continuo y discretizarlo
Disear en el dominio digital
Herramientas
Diseo asistido por ordenador (software integrado para clculo,
simulacin, generacin de cdigo,.)
Cesar de Prada ISA-UVA 5
Discretizacin de reguladores PID
|
.
|

\
| +
+ + =
|
.
|

\
|
+ + ~
|
.
|

\
|
+ + ~
|
|
.
|

\
|
+ t t + =

=
=
T
) T 2 t ( e ) T t ( e 2 ) t ( e
T ) t ( e
T
T
) T t ( e ) t ( e K ) T t ( u ) t ( u
T
) T 2 t ( e ) T t ( e
T T ) iT ( e
T
1
) T t ( e K ) T t ( u
T
) T t ( e ) t ( e
T T ) iT ( e
T
1
) t ( e K ) t ( u
dt
de
T d ) ( e
T
1
) t ( e K ) t ( u
d
i
p
d
T t
1 i i
p
d
t
1 i i
p
d
t
0
i
p
T
T
K g
T
T 2
1 K g
T
T
T
T
1 K g
) T 2 t ( e g ) T t ( e g ) t ( e g ) T t ( u ) t ( u
d
p 2
d
p 1
d
i
p 0
2 1 0
=
|
.
|

\
|
= |
.
|

\
|
+ + =
+ + + =
Aproximacin rectangular
Cesar de Prada ISA-UVA 6
Discretizacin de un PID con filtro
d i p 2
d i d d i p 1
d i d i p 0
2
d
1
d d i
2
2
1
1 0
1
d
1
i
2 1
i d
1
d
1
d
1
i
p
1
d
1
d
1
i
p
d
d
i
p
1
d
t
0
i
p
T T ) 1 ( K g
) T T 2 TT ) T T ( T ( K g
) T T ) T T )( T T (( K g
) s ( E
) z T z ) T T ( T T ( T
z g z g g
) z ( U
) s ( E
)) z 1 ( T T )( z 1 ( T
) z 1 ( T T )) z 1 ( T T ( T )) z 1 ( T T )( z 1 ( T
K ) z ( U
) s ( E
T
z 1
T 1
T
z 1
T
T
z 1
T
1
1 K ) z ( U ) s ( E
s T 1
s T
s T
1
1 K ) s ( U
T
z 1
s
dt
e
~
d
T d ) ( e
T
1
) t ( e K ) t ( u
o + =
o o + =
+ o + + =
o + o + o +
+ +
=
|
|
.
|

\
|
o +
+ o + + o +
=
|
|
|
|
.
|

\
|

o +

+ =
|
|
.
|

\
|
o +
+ + =

=
|
|
.
|

\
|
+ t t + =

}
Aproximacin rectangular
Estos reguladores buscan
acercarse al
comportamiento del
regulador continuo, pero
esto no siempre debe ser
el criterio de diseo
Cesar de Prada ISA-UVA 7
G R
U
+
-
Y
W
Reguladores de un grado
de libertad
E
V
GR 1
D
W
GR 1
GR
Y
+
+
+
=
D
V
Si se escoge R(s) para tener una buena respuesta ante cambios en la
referencia, el tipo de respuesta ante perturbaciones queda prefijado, y
viceversa. Vlido en s y en z
Cesar de Prada ISA-UVA 8
Reguladores de dos grados de
libertad 2DOF
Regulador
+
+
-
T 1 / R
S
Proceso
u
v
y
B / A
| | ) t ( y ) q ( S ) t ( w ) q ( T
) q ( R
1
) t ( u
1 1
1

=
) t ( v ) t ( u
) q ( A
) q ( B
) t ( y
1
1
+ =

w
) t ( v
) q ( S ) q ( B ) q ( A ) q ( R
) q ( B
) t ( w
) q ( S ) q ( B ) q ( A ) q ( R
) q ( T ) q ( B
) t ( y
1 1 1 1
1
1 1 1 1
1 1

+
+
+
=
Se puede escoger R y S para obtener una respuesta frente a perturbaciones
y T para modificar la respuesta frente a cambios de referencia
Cesar de Prada ISA-UVA 9
Diseo por asignacin de polos
+
+
-
T 1 / R
S
Proceso
u
v
y
B / A
w
Se desea encontrar un regulador lineal que proporcione un determinado tipo
de respuesta en lazo cerrado (lo cual puede especificarse fijando los polos
en lazo cerrado) y que no tenga estado estacionario (para lo cual la ganancia
en lazo cerrado debe ser 1)
Cesar de Prada ISA-UVA 10
Diseo por asignacin de
polos (Wellstead)
| |
| |
) t ( v
) q ( S ) q ( B ) q ( A ) q ( R
) q ( R ) q ( A
) t ( w
) q ( S ) q ( B ) q ( A ) q ( R
) q ( T ) q ( B
) t ( y
) t ( v ) q ( R ) q ( A ) t ( w ) q ( T ) q ( B ) t ( y ) q ( S ) q ( B ) q ( A ) q ( R
) t ( v ) t ( y ) q ( S ) t ( w ) q ( T
) q ( R
1
) q ( A
) q ( B
) t ( v ) t ( u
) q ( A
) q ( B
) t ( y
1 1 1 1
1 1
1 1 1 1
1 1
1 1 1 1 1 1 1 1
1 1
1 1
1
1
1

+
+
+
=
+ = +
+ = + =
Si se desea que los polos en lazo cerrado estn situados en posiciones
escogidas que correspondan a las races de un polinomio H(q), deber
cumplirse:
) q ( H ) q ( S ) q ( B ) q ( A ) q ( R
1 1 1 1 1
= +
Esta es una ecuacin diofntica que deber resolverse en las incgnitas R y S
igualando los coeficientes de los trminos de igual grado
Cesar de Prada ISA-UVA 11
Asignacin de polos
) t ( v
) q ( H
) q ( B
) t ( w
) q ( H
) q ( T ) q ( B
) t ( y
) t ( v
) q ( S ) q ( B ) q ( A ) q ( R
) q ( B
) t ( w
) q ( S ) q ( B ) q ( A ) q ( R
) q ( T ) q ( B
) t ( y
1
1
1
1 1
1 1 1 1
1
1 1 1 1
1 1

+ =
+
+
+
=
Si se quiere tener ganancia estacionaria unidad ante cambos en la referencia
en lazo cerrado deber cumplirse:
1
) 1 ( H
T ) 1 ( B
=
Para lo que T puede escogerse como un escalar
Cesar de Prada ISA-UVA 12
Asignacin de polos
Una alternativa para eliminar errores estacionarios (ante entradas salto
en la referencia) es incluir un integrador en la ecuacin del regulador:
| | ) t ( y ) q ( S ) t ( w ) q ( T
) q ( R ) q 1 (
1
) t ( u
1 1
1
1
1

=
Con lo que la ecuacin diofntica a resolver queda:
) q ( H ) q ( S ) q ( B ) q ( A ) q ( R ) q 1 (
1 1 1 1 1
1
1
= +
Cesar de Prada ISA-UVA 13
Diseo
s
s
1
1 0
1 r
r
1
1
1
1 1 1
m
m
1
1
1 n
n
1
1
1
1
1
q s ... q s s ) q ( S q r ... q r 1 ) q ( R
) t ( y ) q ( S ) t ( w ) q ( T ) t ( u ) q ( R
q b ... q b ) q ( B q a ... q a 1 ) q ( A ) t ( u
) q ( A
) q ( B
) t ( y

+ + + = + + + =
=
+ + = + + + = =
) q ( H ) q ( S ) q ( B ) q ( A ) q ( R
1 1 1 1 1
= +
Si se ha escogido H como:
h
h
1
1
1
q h ... q h 1 ) q ( H

+ + + =
para que la ecuacin diofntica
pueda resolverse se necesita: grado (H)=h s max(r+n,m+s)
Existen r + s +1 incognitas, luego para tener una solucin nica:
max(r+n,m+s) = r+s+1
Cesar de Prada ISA-UVA 14
Diseo
Existen muchas posibles alternativas que cumplen la relacin
max(r+n,m+s) = r+s+1
No obstante para tener unas ecuaciones con polinomios de
ordenes equilibrados, puede tomarse: n+r = m+s , con lo cual:
r = m -1
s = n -1
h s m + n -1
Ntese que A y B no deben tener factores comunes, porque, si los tuvieran, de
) q ( H ) q ( S ) q ( B ) q ( A ) q ( R
1 1 1 1 1
= +
esos factores deberan estar incluidos en H, lo cual no tiene por que ocurrir.
Cesar de Prada ISA-UVA 15
Ejemplo 1
La cual corresponde a T=1 sg, se quiere disear un regulador
digital tal que no presente error estacionario ante entradas salto
en la referencia y proporcione en lazo cerrado una respuesta
sobre-amortiguada con tiempo de asentamiento no superior a 5
sg.
Dado un proceso de funcin de transferencia discreta:
2 1
2 1
q 8 . 0 q 9 . 0 1
q 3 . 0 q


+

En este caso n= 2, m= 2
r = m -1
s = n -1
h s m + n -1

r = 1
s = 1
h s 3 =1, 2
Cesar de Prada ISA-UVA 16
Ejemplo 1.1
t
y
3t s 5
z=e-
T/t
= e
-3/5
= 0.548
Tomaremos H(q) = q - 0.5
H(q
-1
) = 1 0.5 q
-1

) q ( H ) q ( S ) q ( B ) q ( A ) q ( R
1 1 1 1 1
= +
729 . 0 s
8774 . 0 s
329 . 0 r
0 s 3 . 0 r 8 . 0
8 . 0 s 3 . 0 s r 9 . 0
4 . 0 s r
0 s 3 . 0 r 8 . 0
0 s 3 . 0 s r 9 . 0 8 . 0
5 . 0 s r 9 . 0
q 5 . 0 1 q ) s 3 . 0 r 8 . 0 ( q ) s 3 . 0 s r 9 . 0 8 . 0 ( q ) s r 9 . 0 ( 1
q 5 . 0 1 ) q h 1 ( ) q s s )( q 3 . 0 q ( ) q 8 . 0 q 9 . 0 1 )( q r 1 (
0
1
1
1 1
0 1 1
0 1
1 1
0 1 1
0 1
1 3
1 1
2
0 1 1
1
0 1
1 1
1
1
1 0
2 1 2 1 1
1
=
=
=

=
= +
= +

=
= +
= + +
= + + + + + +
= + = + + + +


Cesar de Prada ISA-UVA 17
Ejemplo 1.1
Regulador
+
+
-
0.71
1 /(1-0.33q
-1
)
0.73-0.88q
-1

Proceso
u
v
y
B / A
w
71 . 0 T 1
) 5 . 0 1 (
T ) 3 . 0 1 (
1
) 1 ( H
T ) 1 ( B
= =

=
En lazo cerrado:
1
2 1
q 5 . 0 1
) q 3 . 0 q ( 4 . 1

Comprobar que la ley de
control es estable
Simulink
Cesar de Prada ISA-UVA 18
Ejemplo 1.2
t
y
a/oe
n
s 5
z=e-
T/t
=
e
-4/5
= 0.449
) q ( H ) q ( S ) q ( B ) q ( A ) q ( R
1 1 1 1 1
= +

=
=
=

=
= +
= +

=
= +
= + +
+ = + + + + + +
+ = + + + +


29 . 0 s
77 . 0 s
29 . 0 r
0 s 3 . 0 r 8 . 0
6 . 0 s 3 . 0 s r 9 . 0
0 s r
0 s 3 . 0 r 8 . 0
2 . 0 s 3 . 0 s r 9 . 0 8 . 0
9 . 0 s r 9 . 0
q 2 . 0 q 9 . 0 1 q ) s 3 . 0 r 8 . 0 ( q ) s 3 . 0 s r 9 . 0 8 . 0 ( q ) s r 9 . 0 ( 1
q 2 . 0 q 9 . 0 1 ) q s s )( q 3 . 0 q ( ) q 8 . 0 q 9 . 0 1 )( q r 1 (
0
1
1
1 1
0 1 1
0 1
1 1
0 1 1
0 1
2 1 3
1 1
2
0 1 1
1
0 1
2 1 1
1 0
2 1 2 1 1
1
4
5 1
5
5
...
3
s 2 s
k
n n n
2
n n
2
~
oe
=
oe oe

e + oe +
Tomaremos H(q) = (q - 0.45)
2

H(q
-1
) = 1 0.9q
-1
+ 0.2q
-2

Cesar de Prada ISA-UVA 19
Ejemplo 1.2
Regulador
+
+
-
0.43
1 /(1-0.29q
-1
)
0.29+0.77q
-1

Proceso
u
v
y
B / A
w
43 . 0 T 1
) 2 . 0 9 . 0 1 (
T ) 3 . 0 1 (
1
) 1 ( H
T ) 1 ( B
= =
+

=
En lazo cerrado:
2 1
2 1
q 2 . 0 q 9 . 0 1
) q 3 . 0 q ( 33 . 2


+

Comprobar que la ley de
control es estable
Cesar de Prada ISA-UVA 20
Ceros
) q ( B ) q ( H ) q ( S ) q ( B ) q ( A ) q ( R
1 1
1
1 1 1 1
= +
) t ( v
) q ( H
) q ( B
) t ( w
) q ( H
) q ( T ) q ( B
) t ( y
1
1
1
1 1

+ =
En lazo cerrado:
Para eliminar el efecto de los ceros en lazo abierto se pueden tomar dos
alternativas:
) q ( B
T
1
o
=
Pero solo son posibles si B no tiene ceros fuera del crculo unidad. En caso
contrario, con modelos inexactos, no habr cancelacin perfecta y pueden
aparecer inestabilidades. Por otra parte no suele tener inters cancelar los
ceros estables, los cuales adelantan la respuesta.
Los ceros en lazo abierto aparecen como ceros en lazo cerrado
Cesar de Prada ISA-UVA 21
Lazo cerrado. Robustez
+
+
-
T 1 / R
S
Proceso
u
v
y
B
0
/ A
0

w
) Sy Tw (
B R
1
u v
S B R A
R A
w
S B R A
T B
y
Rv A Tw B y ) S B R A ( v ) Sy Tw (
R
1
A
B
v u
A
B
y
1 0 0
0
0 0
0
0 0 0 0
0
0
0
0
=
+
+
+
=
+ = + +
|
.
|

\
|
= + =
BS AR HB + =
La ley de control
puede ser inestable
si B es inestable
R tiene que tener a B como factor
No se cancela B
0
exactamente pues
Diseo:
0 0 0
HB S B R A HB BS AR = + = = +
Cesar de Prada ISA-UVA 22
Reguladores de varianza
mnima
Un criterio til desde el punto de vista de regulacin cuando sobre el
sistema actan perturbaciones estocsticas es minimizar la varianza de
la salida sobre el valor de referencia.
w
y
Varianza alta
Varianza baja
Los reguladores de varianza mnima son reguladores lineales de dos
grados de libertad que estn diseados para conseguir varianza mnima en
la variable controlada
Tienen en cuenta el posible retardo del proceso y para su diseo se utiliza
un modelo CARMA del proceso.
Cesar de Prada ISA-UVA 23
Regulador
+
+
-
T 1 / R
S
Proceso
u
v
y
) t ( y ) q ( S ) t ( w ) q ( T ) t ( u ) q ( R
1 1 1
=
) t ( ) q ( C ) t ( u ) q ( B q ) t ( y ) q ( A
1 1 d 1
+ =

w
Reguladores de varianza mnima
(Astrom, Wittenmark 1970)
Criterio: el controlador debe generar una seal de control u(t) que
minimice:
{ }
2
) w ) t | d t ( y ( E +
y(t+d|t) es el valor esperado de y(t) en el instante t+d con medidas hasta t
Cesar de Prada ISA-UVA 24
Predicciones
) d t (
) q ( A
) q ( C
) t ( u
) q ( A
) q ( B
) d t ( y
) t ( ) q ( C ) t ( u ) q ( B q ) t ( y ) q ( A
1
1
1
1
1 1 d 1
+ + = +
+ =

Separar los valores
impredecibles de en el
futuro de los valores
calculables de pasados
1 - n grado q f ... q f f ) q ( F
1 - d grado q d ... q d 1 ) q ( D
F y D en diofntica ecuacin
) q ( A
) q ( F
q ) q ( D
) q ( A
) q ( C
1 n
1 n
1
1 0
1
1 d
1 d
1
1
1
1
1
d 1
1
1
+

+ + + =
+ + + =
+ =
) d t ( ) q ( D ) t (
) q ( A
) q ( F
) t ( u
) q ( A
) q ( B
) d t (
) q ( A
) q ( F
q ) q ( D ) t ( u
) q ( A
) q ( B
) d t ( y
1
1
1
1
1
1
1
d 1
1
1
+ + + =
= +
(

+ + = +

1 c
0
=
Cesar de Prada ISA-UVA 25
Predicciones
) t (
) q ( A
) q ( F
) t ( u
) q ( A
) q ( B
) t | d t ( y
) d t ( ) q ( D ) t (
) q ( A
) q ( F
) t ( u
) q ( A
) q ( B
) d t ( y
1
1
1
1
1
1
1
1
1
+ = +
+ + + = +

Los errores futuros (t+j) no son predecibles, pero los (t) pasados son
calculables usando los datos pasados y el modelo:
) t ( u
) q ( C
) q ( B
q ) t ( y
) q ( C
) q ( A
) t ( ) t ( ) q ( C ) t ( u ) q ( B q ) t ( y ) q ( A
1
1
d
1
1
1 1 d 1

= + =
{ }
) t ( y
) q ( C
) q ( F
) t ( u
) q ( C
) q ( B
q
) q ( A
) q ( F
) q ( A
) q ( B
) t ( u
) q ( C
) q ( B
q ) t ( y
) q ( C
) q ( A
) q ( A
) q ( F
) t ( u
) q ( A
) q ( B
) t | d t ( y E
1
1
1
1
d
1
1
1
1
1
1
d
1
1
1
1
1
1

+
(

=
=
(

+ = +
Cesar de Prada ISA-UVA 26
Predicciones
{ }
{ }
{ } ) t ( y
) q ( C
) q ( F
) t ( u
) q ( C
) q ( B ) q ( D
) t | d t ( y E
) t ( y
) q ( C
) q ( F
) t ( u
) q ( C
) q ( B
) q ( D
) q ( A
) C(q
) q ( A
) q ( B
) t | d t ( y E
) q ( A
) F(q
q ) q ( D
) q ( A
) C(q
como y ) t ( y
) q ( C
) q ( F
) t ( u
) q ( C
) q ( B
q
) q ( A
) q ( F
) q ( A
) q ( B
) t | d t ( y E
1
1
1
1 1
1
1
1
1
1
1
1 -
1
1
1
1 -
d 1
1
1 -
1
1
1
1
d
1
1
1
1

+ = +
+
(

|
|
.
|

\
|
= +
=
+
(

= +
{ }
2
1
1
1
1 1
2
) t ( w ) t ( y
) q ( C
) q ( F
) t ( u
) q ( C
) q ( B ) q ( D
) w ) t | d t ( y ( E
|
|
.
|

\
|
+ = +

Cesar de Prada ISA-UVA 27
Varianza mnima
{ }
2
1
1
1
1 1
2
) t ( w ) t ( y
) q ( C
) q ( F
) t ( u
) q ( C
) q ( B ) q ( D
) w ) t | d t ( y ( E
|
|
.
|

\
|
+ = +

El mnimo de esta funcin ser cero, luego:
) q ( B ) q ( D
) t ( y ) q ( F ) t ( w ) q ( C
) t ( u
0 ) t ( w ) q ( C ) t ( y ) q ( F ) t ( u ) q ( B ) q ( D
0 ) t ( w ) t ( y
) q ( C
) q ( F
) t ( u
) q ( C
) q ( B ) q ( D
1 1
1 1
1 1 1 1
1
1
1
1 1

=
= +
= +
Cesar de Prada ISA-UVA 28
Varianza mnima
) q ( B ) q ( D
) t ( y ) q ( F ) t ( w ) q ( C
) t ( u
1 1
1 1

=
Lazo cerrado:
No es aplicable a sistemas de fase no mnima pues resulta una ley inestable
Puede generar esfuerzos excesivos en la seal de control
Con modelos incorrectos puede generar errores estacionarios
) t ( ) q ( D w ) t ( y ) d t ( ) q ( D w ) d t ( y
: perfecto modelo de hiptesis la bajo entonces,
w ) t | d t ( y hace control de ley la si
) d t ( ) q ( D ) t | d t ( y ) d t ( y
1 1
1
+ = + + = +
= +
+ + + = +

Cesar de Prada ISA-UVA 29

Robustez
+
Proceso
u
v
y
B
0
/ A
0

w
) q ( B ) q ( D
) t ( y ) q ( F ) t ( w ) q ( C
) t ( u
1 1
1 1

=
) q ( F q ) q ( D ) q ( A ) q ( C
1 d 1 1 1
+ =
Diseo:
| |
| |
| |
) t (
C B D ) A B B A (
DB C
) t ( w
C B D ) A B B A (
C B
) t ( y
) t ( DB C ) t ( Cw B q ) t ( y C B D ) A B B A (
) t ( DB C ) t ( Cw B q ) t ( y ) AD C ( B DB A
) t ( DB C ) t ( Cw B q ) t ( y F B q DB A
) t (
A
C
DB
) t ( Fy ) t ( Cw
A
B q
) t (
A
C
) t ( u
A
B q
) t ( y
0 0 0
0
0 0 0
0
0 0
d
0 0 0
0 0
d
0 0
0 0
d
0
d
0
0
0
0
0
d
0
0
0
0
d

+
+
+

=
+ = +
+ = +
+ = +
= +
(

= + =

MV
Cesar de Prada ISA-UVA 30
Ejemplo 2.1
) t (
q 8 . 0 q 9 . 0 1
q 2 . 0 1
) t ( u
q 8 . 0 q 9 . 0 1
q 3 . 0 q
) t ( y
2 1
1
2 1
1 1

+

+
+

=

Disear un regulador de varianza mnima para un proceso cuyo modelo
viene dado por:
1
1 0
1 n
1 n
1
1 0
1
1 d
1 d
1
1
1
1
1
d 1
1
1
q f f q f ... q f f ) q ( F
1 q d ... q d 1 ) q ( D
F y D en diofntica ecuacin
) q ( A
) q ( F
q ) q ( D
) q ( A
) q ( C
+

+ = + + + =
= + + + =
+ =
Diseo:
) q f f ( q ) q 8 . 0 q 9 . 0 1 )( 1 ( ) q 2 . 0 1 (
1
1 0
1 2 1 1
+ + + =
8 . 0 , 1 . 0 polos
3 . 0 cero
retardo d=1
n=2
d=1
Cesar de Prada ISA-UVA 31
Ejemplo 2.1
) q 3 . 0 1 ( 1
) t ( y ) q 8 . 0 7 . 0 ( ) t ( w ) q 2 . 0 1 (
) q ( B ) q ( D
) t ( y ) q ( F ) t ( w ) q ( C
) t ( u
1
1 1
1 1
1 1

=
Simulink
8 . 0 f
7 . 0 f
f 8 . 0 0
f 9 . 0 2 . 0
1 1
) q f f ( q ) q 8 . 0 q 9 . 0 1 )( 1 ( ) q 2 . 0 1 (
1
0
1
0
1
1 0
1 2 1 1
=
=

+ =
+ =
=
+ + + =

+
u
v
y
B
0
/ A
0

w
1-0.2q
-1

0.7-0.8q
-1

1/1-0.3q
-1

Cesar de Prada ISA-UVA 32
Ejemplo 2.2
) t (
q 8 . 0 q 9 . 0 1
q 2 . 0 1
) t ( u
q 8 . 0 q 9 . 0 1
q 3 . 0 q
) t ( y
2 1
1
2 1
3 2

+

+
+

=

Disear un regulador de varianza mnima para un proceso cuyo modelo
viene dado por:
1
1 0
1 n
1 n
1
1 0
1
1
1
1 d
1 d
1
1
1
1
1
d 1
1
1
q f f q f ... q f f ) q ( F
q d 1 q d ... q d 1 ) q ( D
F y D en diofntica ecuacin
) q ( A
) q ( F
q ) q ( D
) q ( A
) q ( C
+

+ = + + + =
+ = + + + =
+ =
Diseo:
) q f f ( q ) q 8 . 0 q 9 . 0 1 )( q d 1 ( ) q 2 . 0 1 (
1
1 0
2 2 1 1
1
1
+ + + + =
8 . 0 , 1 . 0 polos
3 . 0 cero
retardo 2
n=2
d=2
Cesar de Prada ISA-UVA 33
Ejemplo 2.2
56 . 0 f
17 . 0 f
7 . 0 d
f d 8 . 0 0
f d 9 . 0 8 . 0 0
d 9 . 0 2 . 0
q ) f d 8 . 0 ( q ) f d 9 . 0 8 . 0 ( q ) d 9 . 0 ( 1
) q f f ( q ) q 8 . 0 q 9 . 0 1 )( q d 1 ( ) q 2 . 0 1 (
1
0
1
1 1
0 1
1
3
1 1
2
0 1
1
1
1
1 0
2 2 1 1
1
1
=
=
=

+ =
+ =
+ =
+ + + + + + =
= + + + + =


) q 3 . 0 1 )( q 7 . 0 1 (
) t ( y ) q 56 . 0 17 . 0 ( ) t ( w ) q 2 . 0 1 (
) q ( B ) q ( D
) t ( y ) q ( F ) t ( w ) q ( C
) t ( u
1 1
1 1
1 1
1 1




+

=

=
+
u
v y
B
0
/ A
0

w
1-0.2q
-1

-0.17-0.56q
-1

1/(1+0.4q
-1
-0.21q
-2
)
Simulink
Cesar de Prada ISA-UVA 34
Control Adaptativo
+
Proceso
u
v
y
B
0
/ A
0

w
R
Si el proceso cambia, Cmo puede adaptarse el regulador en lnea a la
nueva situacin?
EL control adaptativo modifica continuamente el regulador para
adaptarlo al criterio de diseo de acuerdo con las caractersticas
cambiantes del proceso.
Reguladores autosintonizados
Control por referencia a un modelo
Cesar de Prada ISA-UVA 35
Reguladores autosintonizados
+
Proceso
u
v
y
w
R
Identificacin
Re-diseo
B/A , C Se usa un algoritmo
de identificacin
recursiva para
estimar A/B, C en
lnea
Se aplican las
ecuaciones de diseo
para adaptar en
tiempo real el
controlador al nuevo
modelo que se va
estimando

Cesar de Prada ISA-UVA 36
Reguladores autosintonizados
Conflicto control -
Identificacin
Problemas de
estabilidad debido a
los dos lazos de
realimentacin que
aparecen
Problemas de
seguridad debido a
posible falta de
excitacin y
explosin del
algoritmo de
identificacin
+
Proceso
u
v
y
w
R
Identificacin
Re-diseo
B/A , C
Cesar de Prada ISA-UVA 37
Reguladores de respuesta
plana (Deadbeat)
T
R(q
-1
)
T
T
u(t)
w
T
) q ( A
) q ( B
1
1

y(t)
Criterio de diseo:
Tras un salto en la referencia, y(t) debe igualar a w(t) en un nmero mnimo, s,
de periodos de muestreo y permanecer despus constante en ese valor. Tambin
u(t) debe ser constante a partir de s
t
y
s
Cesar de Prada ISA-UVA 38
Reguladores deadbeat
) t ( w ) q ( G ) t ( w ) q g ... q g g ( ) t ( u
) t ( w ) q ( F ) t ( w ) q f .... q f ( ) t ( y
1 s
s
1
1 0
1 s
s
1
1


= + + + =
= + + =
Si y(t) , u(t) han de estabilizarse tras s periodos de
muestreo deber cumplirse:
) 0 ( u g
0
=
Luego:
) 0 ( u
b
1
g
) q ( B g 1
) q ( A g
) q ( R
) q ( F 1
) q ( G
) q ( R
) q ( G
) q ( F
) q ( R 1
) q ( R
) q ( A
) q ( B
) q ( R 1
) q ( R
) q ( G
) t ( w
) t ( u
) m , n max( s ) m , n max( s
) q ( A
) q ( B
) q ( G
) q ( F
) t ( u
) t ( y
i
0
1
0
1
0
1
1
1
1
1
1
1
1
1
1
1
1
1
min
1
1
1
1
= =

=
+
=
+
= =
= > = =

Cesar de Prada ISA-UVA 39

Control por realimentacin de
estados LQG
Modelo en variables de estado sometido a perturbaciones aleatorias
) t ( e ) t ( Cx ) t ( y
) t ( v ) t ( u ) t ( x ) 1 t ( x
+ =
+ I + u = +
v(t) y e(t) son dos secuencias de ruidos aleatorios de media nula y no
correlacionadas una con la otra
{ } { }
{ } { } { } 0 ) t ( e ) t ( v cov R ) t ( e cov R ) t ( v cov
0 ) t ( e E 0 ) t ( v E
e v
= = =
= =
v(t): ruido del sistema
e(t): ruido de medida
Cesar de Prada ISA-UVA 40
Control LQG
Se desea encontrar una secuencia de valores de la seal de control
u(0), u(1),.,u(N-1) que hagan evolucionar el sistema desde un
estado x(0) hasta un estado x(N) minimizando la funcin:
)
`

+ +

=
1 N
0 j
2 1 0
) j ( u Q )' j ( u ) j ( x Q )' j ( x ) N ( x Q )' N ( x E
Q
0
y Q
1
simtricas y definidas semipositivas
Q
2
simtrica y definida positiva
) t ( e ) t ( Cx ) t ( y
) t ( v ) t ( u ) t ( x ) 1 t ( x
+ =
+ I + u = +
Cesar de Prada ISA-UVA 41
Programacin dinmica
x(N) A
B
Etapas
Estados
discretizados
Camino
ptimo
desde un
estado hasta
el final
Coste ptimo desde A = coste de A a B + coste ptimo desde B
J(x,t)=coste ptimo desde x en la etapa t
J(x(t),t)=min [coste de A a B + J(x(t+1),t+1))] ecuacin de Bellman
Cesar de Prada ISA-UVA 42
Solucin mediante
Programacin dinmica
| |
{ }
) N ( x Q )' N ( x ) N , x ( J
) t ( x | ) 1 t ), 1 t ( x ( J ) t ( u Q )' t ( u ) t ( x Q )' t ( x E min ) t , x ( J
) 0 ( x | ) j ( u Q )' j ( u ) j ( x Q )' j ( x ) N ( x Q )' N ( x E min ) 0 , x ( J
0
2 1
) t ( u
1 N
0 j
2 1 0
) 1 N ( u ),...., 0 ( u
=
+ + + + =
)
`

+ + =

Solucin por induccin:

Hiptesis: J(x,t) tiene la forma cuadrtica: J(x,t) = xS(t)x + o(t)
Es cierto para t=N
Suponiendo que es cierto para t+1:
J(x(t+1),t+1)=x(t+1)S(t+1)x(t+1)+o(t+1)
probar que es cierto para t
Cesar de Prada ISA-UVA 43
LQG
{ }
{ } { }
| | | |
| |
=
)
`

+ o + + +
+ I + u + I + u + +
=
= + o + + + + + + =
= + + + + =
) t ( x | ) 1 t ( R ) 1 t ( S traza
) t ( u ) t ( x ) 1 t ( S ' ) t ( u ) t ( x ) t ( u Q )' t ( u ) t ( x Q )' t ( x
E min
) t ( x | ) 1 t ( ) 1 t ( x ) 1 t ( S )' 1 t ( x E ) t ( u Q )' t ( u ) t ( x Q )' t ( x E min
) t ( x | ) 1 t ), 1 t ( x ( J ) t ( u Q )' t ( u ) t ( x Q )' t ( x E min ) t , x ( J
v
2 1
) t ( u
2 1
) t ( u
2 1
) t ( u
{ } { } { } )) x cov( S ( traza x SE ' x E Sx ' x E + =
| | | |
| |
(

I + u + u + I + + o + +
+ + I + I + + u + u
=
) t ( u ) 1 t ( S ' )' t ( x ) t ( x ) 1 t ( S ' )' t ( u ) 1 t ( R ) 1 t ( S traza
) t ( u Q ) 1 t ( S ' )' t ( u ) t ( x Q ) 1 t ( S ' )' t ( x
min ) t , x ( J
v
2 1
) t ( u
Cesar de Prada ISA-UVA 44
LQG
| | | |
| |
(

I + u + u + I + + o + +
+ + I + I + + u + u
=
) t ( u ) 1 t ( S ' )' t ( x ) t ( x ) 1 t ( S ' )' t ( u ) 1 t ( R ) 1 t ( S traza
) t ( u Q ) 1 t ( S ' )' t ( u ) t ( x Q ) 1 t ( S ' )' t ( x
min ) t , x ( J
v
2 1
) t ( u
Mnimo con respecto a u(t):
| |
| |
| | u + I I + I + =
=
u + I I + I + =
= u + I + I + I +

) 1 t ( S ' ) 1 t ( S ' Q ) t ( L
) t ( x ) t ( L ) t ( u
) t ( x ) 1 t ( S ' ) 1 t ( S ' Q ) t ( u
0 ) t ( x ) 1 t ( S ' ) t ( u ) 1 t ( S ' Q
1
2
1
2
2
| | | | | | | | ) 1 t ( R ) 1 t ( S traza )' t ( x L ) 1 t ( S ' Q ' L Q ) 1 t ( S ' ) t ( x ) t , x ( J
v 2 1
+ o + + + I + I + + u + u =
Funcin cuadrtica, luego est
probado que J es cuadrtica
) t ( S
) t ( o
Cesar de Prada ISA-UVA 45
LQG
| |
| | ) 1 t ( R ) 1 t ( S traza ) t (
L ) 1 t ( S ' Q ' L Q ) 1 t ( S ' ) t ( S
Q ) N ( S
v
2 1
0
+ o + + = o
I + I + + u + u =
=
| |
) t ( x ) t ( L ) t ( u
) 1 t ( S ' ) 1 t ( S ' Q ) t ( L
1
2
=
u + I I + I + =

x
t+1
=ux
t
+Iu
t
C
y
x
-L
u
Realimentacin de
estados
Estado accesible
Ecuacin de Riccati
v
e
Cesar de Prada ISA-UVA 46
Solucin estacionaria de la
ecuacin de Riccati
| |L S ' Q ' L Q S ' S
2 1
I I + + u u =

| |
) t ( Lx ) t ( u
S ' S ' Q L
1
2
=
u I I I + =

x
t+1
=ux
t
+Iu
t
+v C
y
x
-L
u
L matriz de
realimentacin de
estados
Estado accesible
Ecuacin de Riccati
estacionaria
v
e
Si N A qu valor tiende S(t)?
Cesar de Prada ISA-UVA 47
Estimacin de estados:
Observadores
Muchas veces el estado no es
medible y se desea estimar su
valor.
Caso sin ruido:
| | ) 1 t | t ( x C ) t ( y K ) 1 t | t ( x ) t | t ( x + =
Observador de estados:
Frmula recursiva de estimacin
(prediccin- correccin) con un
trmino de correccin
proporcional al error de
estimacin
x
t+1
=ux
t
+Iu
t
C
y
x
-L
u
Observador
x
K matriz de ganancia del observador
x
t+1
=ux
t
+Iu
t
C
y
x
-L
u
Estado no
accesible
?
Cesar de Prada ISA-UVA 48
Errores de estimacin
| |
| | | |
| |
| |
| | ) 1 t ( e KC ) 1 t ( e KC ) 1 t ( e
)) 1 t ( u ) 1 t | 1 t ( x ( )) 1 t ( u ) 1 t ( x ( KC ) 1 t ( e
) 1 t | t ( x ) t ( x KC ) 1 t ( e ) t | t ( x ) t ( x ) t ( e
restando
) 1 t | t ( x C ) t ( Cx K ) 1 t ( u ) 1 t | 1 t ( x
) 1 t | t ( x C ) t ( y K ) 1 t | t ( x ) t | t ( x
) 1 t ( u ) 1 t ( x ) t ( x
u u = u u =
= I + u I + u u =
= u = =
+ I + u =
= + =
I + u =
) t ( Cx ) t ( y
) t ( u ) t ( x ) 1 t ( x
=
I + u = +
| | ) 1 t ( e KC I ) t ( e u =
Para que el error de estimacin tienda a cero: los autovalores de (I-KC)u
deben estar dentro del crculo unidad (Criterio de seleccin de K, se fija la
dinmica del error)
Cesar de Prada ISA-UVA 49
Filtro de Kalman
Problema de estimacin de
estados con perturbaciones
| | ) 1 t | t ( x C ) t ( y ) t ( K ) 1 t | t ( x ) t | t ( x + =
Filtro de Kalman: Eleccin
ptima de la matriz de
ganancias del observador para
minimizar la varianza del error
Dos formulaciones:
Filtro y predictor
C
y
-L
u
Filtro de
Kalman
x
K(t) matriz de Kalman: ganancia del filtro
x
t+1
=ux
t
+Iu
t
+v C
y x
-L
u
Estado no accesible
v
e
?
x
t+1
=ux
t
+Iu
t
+v
x
v
e
Cesar de Prada ISA-UVA 50