Otimo

Introducao ao Controle em Espaco de Estados -
Ideias Basicas do Controle

Otimo
Eduardo M. A. M. Mendes
DELT - UFMG
Curso de Engenharia de Controle e Automacao
Universidade Federal de Minas Gerais
emmendes@cpdee.ufmg.br
Eduardo Mendes (DELT - UFMG Curso de Engenharia de Controle e Automacao Universidade Federal de Minas Gerais emmendes@cpdee.ufmg.br) MACSIN 1 / 24
Introducao
Considerando a forma geral de Controle

Otimo para Sistemas
Nao-Lineares x = f (x, u), o objetivo e minimizar a seguinte funcao
custo
J(x, t) =
_
t
f
t
L(x, u)d
onde t e o tempo corrente e t
f
e o tempo nal.
Problema Erro de Rastreamento Mnimo - Objetivo: Levar o estado
para um valor x
d
(desejavel).
Exemplos: L(x, u) = ||x x
d
||
L(x, u) = (x x
d
)
T
(x x
d
)
L(x, u) = (x x
d
)
T
Q(x x
d
) com Q = Q
T
0
Exemplo pratico: Manter o carro a 70 km/h na estrada.
Introducao (cont.)
Problema de Energia Mnima - Objetivo: Usar o mnimo de energia
para controlar o sistema.
Exemplos: L(x, u) = ||u||
L(x, u) = u
T
u
L(x, u) = u
T
Ru com R = R
T
0
Exemplo pratico: Circuito - entrada e corrente - potencia e
proporcional a V
2
.
Problema de Minimizacao Combinada.
L(x, u) = (x x
d
)
T
Q(x x
d
) + u
T
Ru
onde Q e R sao pesos para os estados e entrada respectivamente.
Q rastreamento preciso
R economizar energia
Introducao (cont.)
LQR - Regulador Linear Quadratico
x = Ax + Bu
_
x
d
= 0
J(x, t) =
_
t
f
t
_
x
T
Qx + u
T
Ru
_
d
Princpio de Otimalidade
Se um controle e otimo para um estado inicial, deve satisfazer a seguinte
propriedade.
Apos o perodo inicial, o controle para o perodo restante deve ser tambem
otimo com relacao ao estado resultante do controle do estado inicial
Equa cao de Hamilton-Jacobi-Bellman
Considerando
t tempo corrente
t + t tempo futuro
Princpio de Otimalidade (cont.)
logo
J(x, t) =
_
t
f
t
L(x, u)d
=
_
t+t
t
L(x, u)d +
_
t
f
t+t
L(x, u)d
=
_
t+t
t
L(x, u)d + J(x + x, t + t)
onde x + x e o estado em t + t e x f (x, u) t.
Podemos entao escrever o nosso problema de minimizacao como
J
(x, t) = min
u()R
m
, t<t+t
__
t+t
t
L(x, u)d + J
(x + x, t + t)
_
Note que
_
t+t
t
L(x, u)d L(x, u) t (Integral)
J
(x + x, t + t) J
(x, t) +
_
J
x
_
T
x +
J
t
t (Taylor)
Logo
J
(x, t) = min
u()R
m
, t<t+t
(
L(x, t) t + J
(x, t) +
T
x +
J
t
t
)
Como J
(x, t) e
J
t
t sao independentes de u() R
m
em
t < t + t, temos
J
(x, t) = J
(x, t) +
J
t
t + min
u()R
m
, t<t+t
(
L(x, t) t +
T
x
)
Repare que
t
t = min
u()R
m
, t<t+t
_
L(x, t) t +
_
J
x
_
T
x
_

t
= min
u()R
m
, t<t+t
_
L(x, t) +
_
J
x
_
T
x
t
_
Quando
t 0 =
x
t
x = f (x, u)
e portanto a equa cao de Hamilton-Jacobi-Bellman torna-se
t
= min
u()R
m
_
L(x, t) +
_
J
x
_
T
f (x, u)
_
Considerando
LTI
Tempo innito, t
f
= , o que signica que J
(x, t) e independente
de t.
Logo a equacao de Hamilton-Jacobi-Bellman torna-se
min
u()R
m
_
L(x, t) +
_
J
x
_
T
f (x, u)
_
= 0
Exemplo
_
x
1
= 2x
1
+ x
2
2
u
x
2
= 2x
3
1
x
2
+ 2u
Dado
J =
_
t
f
0
(x
4
1
+ 2x
2
2
+ u
2
)d
encontrar a equa cao de Hamilton-Jacobi-Bellman.
Solu cao: A equacao de H-J-B e
t
= min
u
_
x
4
1
+ 2x
2
+ u
2
+
J
x
1
(2x
1
+ x
2
2
u) +
J
x
2
(2x
3
1
x
2
+ 2u)
_
Regulador Linear Quadratico
_
x = Ax + Bu
J(x, t) =
_
t
f
0
(x
T
Qx + u
T
Ru)d
com Q = Q
T
0 e R = R
T
0.
Para resolver o problema LQR, vamos supor
J
(x, t) = x
T
S(t)x
onde S(t) = S
T
(t) 0.
Regulador Linear Quadratico (cont.)
Usando a equacao H-J-B
t
= min
u()R
m
_
L(x, t) +
_
J
x
_
T
f (x, u)
_
x
T

S(t)x = min
u()R
m
_
x
T
Qx + u
T
Ru + 2x
T
S(t)(Ax + Bu)
_
Para achar o mnimo, temos que achar a derivada de {} em rela cao a u e
igualar a zero, ou seja
2Ru
= 2B
T
S(t)x = 0
cuja solu cao e
u
= R
1
B
T
S(t)x
Regulador Linear Quadratico (cont.)
Utilizando u
, temos
min
u()
n
x
T
Qx + u
T
Ru + 2x
T
S(t)(Ax + Bu)
o
= x
T
Qx + u
T
Ru
+ 2x
T
S(t)(Ax + Bu
)
= x
T
(Q S(t)BR
1
B
T
S(t) +
S(t)A + A
T
S(t))x
Na equa cao H-J-B
x
T

S(t)x = x
T
(Q S(t)BR
1
B
T
S(t) + S(t)A + A
T
S(t))x
ou seja
S(t) = (S(t)A + A
T
S(t) + Q S(t)BR
1
B
T
S(t))
que e a equa cao de Riccati.
Exemplo - Motivacao
Dados
x =
_
0 1
2 3
_
x +
_
1
1
_
u
J(x, t) =
_
t
f
0
_
x
T
_
1 1
1 2
_
x + 3u
2
_
d
Para achar a equacao de Riccati, vamos supor que
S(t) =
_
S
1
(t) S
2
(t)
S
2
(t) S
3
(t)
_
Logo
S
1
(t)

S
2
(t)
S
2
(t)

S
3
(t)
S
1
(t) S
2
(t)
S
2
(t) S
3
(t)

0 1
2 3
0 1
2 3

S
1
(t) S
2
(t)
S
2
(t) S
3
(t)
1 1
1 2
S
1
(t) S
2
(t)
S
2
(t) S
3
(t)

1
1
1
3
1 1
S
1
(t) S
2
(t)
S
2
(t) S
3
(t)
Exemplo - Motivacao (cont.)
O problema e resolver a equacao!
Para facilitar, vamos simplicar o problema de LQR com horizonte innito,
ou seja
J(x, u) =
_

0
(x
T
Qx + u
T
Ru)d
com S(t) = S constante.
A nova equacao de Riccati e
SA + A
T
S + Q SBR
1
B
T
S = 0
O sistema tem que ser estabilizavel.
Teorema: Para o problema LQR com
x = Ax + Bu
J(x, u) =
_
0
_
x
T
Qx + u
T
Ru
_
d
se Q 0, R 0 e (A, B) e estabilizavel, entao a solu cao para o problema
e dada por
u
= R
1
B
T
Sx
onde S e a solucao denida positiva da equacao de Riccati
SA + A
T
S + Q SBR
1
B
T
S = 0
Exemplo:
x =
_
0 1
0 0
_
x +
_
0
1
_
u
J(x) =
_
0
(x
2
1
+ u
2
)d com > 0
Solu cao: As matrizes sao
Q =
_
1 0
0 0
_
R =
_
S =
_
S
1
S
2
S
2
S
3
_
A equa cao de Riccati e
S
1
S
2
S
2
S
3

0 1
0 0
0 0
1 0

S
1
S
2
S
2
S
3
1 0
0 0
S
1
S
2
S
2
S
3

0
1
0 1
S
1
S
2
S
2
S
3
0 0
0 0
As equa coes resultantes sao
_
_
_
S
2
2
= 0
S
1
S
2
S
3
= 0
2S
2
S
2
3
= 0
A unica solucao denida positiva e
S =
_
2
1
2
1
4

1
2
1
2
2
1
2
3
4
_
A a cao de controle e
u
=
1
_
0 1
_
2
1
2
1
4

1
2
1
2
2
1
2
3
4
_
x =
_
1
2
2
1
2
1
4
_
. .
=K
x
A funcao do MATLAB que implementa o LQR e lqr .
LQR Modicado
Para o sistema linear invariante no tempo
x = Ax + Bu
y = Cx + Du
considere o seguinte objetivo
lim
t
y(t) = y
d
Para que isso aconte ca e preciso que
lim
t
x(t) = x
d
e lim
t
u(t) = u
d
Isso signica que em
x
d
= Ax
d
+ Bu
d
y
d
= Cx
d
+ Du
d
LQR Modicado (cont.)
x
d
e constante e portanto x
d
= 0, ou seja
0 = Ax
d
+ Bu
d
y
d
= Cx
d
+ Du
d
Na forma matricial
_
A B
C D
_ _
x
d
u
d
_
=
_
0
y
d
_
Denindo o novo espaco de estados
x(t) = x(t) x
d
u(t) = u(t) u
d
y(t) = y(t) y
d
_
x = Ax + Bu
y = Cx + Du
com J(x, t) =
_
t
f
0
(x
T
Qx + u
T
Ru)d e u
= u
+ u
d
.
Exemplo:
_
_

_
_
=
_
_
0 1 0
0 0 4, 438
0 12 24
_
_
_
_
_
_
+
_
_
0
0
20
_
_
v
=
_
1 0 0
_
_
_
_
Objetivo:
d
= 10
J(x) =
_

0
(9(
d
)
2
+ v
2
)d
Solu cao:
_
d
v
d
_
_
=
_
A B
C D
_
1
_
_
0
0
0
10
_
_
=
_
_
10
0
0
0
_
_
O problema LQR modicado e
_
_

_
_
_
_
0 1 0
0 0 4, 438
0 12 24
_
_
_
_
_
_
+
_
_
0
0
20
_
_
v
e
Q =
_
_
9 0 0
0 0 0
0 0 0
_
_
, R = 1
Usando a fun cao [K, S, E] = lqr (sys, Q, R) resulta em
K =
_
3 0, 8796 0, 1526
S =
_
_
4, 4387 0, 9145 0, 1500
0, 9145 0, 2550 0, 0440
0, 1500 0, 0440 0, 0076
_
_
E =
_
21, 5337
2, 7622 2, 1763
_
v
=
_
3, 0000 0, 8796 0, 1529
_
_
_
_
e
v
= v
+ v
d
..
=0
=
_
3, 0000 0, 8796 0, 1529
_

d
..
=10

..
=0

d
..
=0
_
_
= 30 +
_
3, 0000 0, 8796 0, 1529
_
_
_
_

Otimo

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Otimo

Enviado por

Direitos autorais:

Formatos disponíveis

Introducao ao Controle em Espaco de Estados -

Ideias Basicas do Controle

Você também pode gostar