Anlise de artigos referentes ao tema do mestrado:

Controle Preditivo Baseado em Modelo (MPC)

Rafael Nunes Hidalgo Monteiro Dias
Escola de Engenharia Eltrica, Mecnica e Computao (EMC)
Universidade Federal de Gois (UFG) Goinia, GO Brasil
Metodologia Cientfica
Professor: Dr. Glson da Cruz Jr.
I.

C ONTROLE P REDITIVO BASEADO EM M ODELO

As tcnicas de Controle Preditivo baseado em Modelo

(MPC) so cada vez mais aplicadas na indstria, pois
geralmente exibem um bom desempenho e robustez, desde que
os parmetros do controlador sejam sintonizados corretamente.
Busca-se aplicar o Controle Preditivo ao controle de velocidade
de uma mquina CC.
II.

P ROPOSTA DE A PLICAO

A proposta de aplicao da tcnica de controle citada

anteriormente ter como varivel controlada a velocidade de
uma mquina de corrente contnua (CC) e como varivel
manipulada o ngulo de disparo de um retificador trifsico
controlado, que fornecer a tenso para a referida mquina. O
motor CC possui uma caracterstica linear entre a velocidade
de sada e a tenso de entrada, j o retificador apresenta
uma caracterstica no linear justificando assim a possvel
implementao do MPC. Busca-se assim aprimorar o estudo
do controle preditivo e qualificar sua atuao atravs da
comparao com outras tcnicas de controle.
III. A RTIGO 01 - U SING G ENETIC A LGORITHM TO
O PTIMIZE THE T UNING PARAMETERS OF DYNAMIC
M ATRIX C ONTROL (DMC)
A. Resumo
O Controle por Matrix Dinmica (DMC) um poderoso
mtodo de controle, amplamente utilizado em processos
industriais. Esse artigo tem como idia principal a aplicao
de algortmos genticos para a otimizao dos parmetros do
DMC. O mtodo proposto aplicado em 04 (quatro) diferentes
processos e depois so analisados os resultados.
B. Estratgias Utilizadas
1) Controle por Matrix Dinmica (DMC): O algoritmo
DMC utiliza um modelo obtido a partir da resposta ao degrau
do processo. Uma vez conhecido o modelo do processo, o
problema a ser resolvido se resume previso da sada do
processo e a otimizao de um critrio, que considera os erros
entre as previses da sada e os sinais de referncia, alm dos
incrementos nas aes de controle.
Dos sinais de controle calculados, somente o primeiro
aplicado ao sistema. No instante de tempo seguinte, todo o
procedimento repetido, em uma estratgia conhecida como
Receding Horizon.

O objetivo do DMC calcular as aes de controle,

representadas por incrementos nas variveis manipuladas,
atravs da minimizao da funo custo apresentada na
Equao (1)

J=

hp
X

[
y (t + k|t) r(t + k)]2 +

k=1

hc
X

[u(t + k 1)]2 (1)

k=1

na qual y(t + k|t) indica a previso da sada no instante t + k

(utilizando as informaes disponveis at o instante t), hp
representa o horizonte de predio da sada e hc o horizonte
de controle. A ponderao nas aes de controle representada
por e r(t + k) a referncia no instante t + k.
2) Algortmo Gentico: So ferramentas de otimizao
inspiradas nos mecanismos de evoluo dos seres vivos. Foram
introduzidos por John Holland em 1975 e popularizados por
um de seus alunos, David Goldberg em 1989. Segue o princpio
da seleo natural, declarado em 1859 pelo naturalista e
fisiologista ingls Charles Darwin em seu livro The Origin
of Species by Means of Natural Selection.
Utilizando os dados do problema, o algortmo gentico se
inspira na natureza. Inicia-se o processo com um conjunto
de possveis solues a um problema apresentado (solues
essas que podem ser geradas aleatoriamente). Esse conjunto de
possveis solues chamado de populao. Os componentes
da populao so chamados de indivduos. Estes, passam
por operaes de recombinao, a fim de formar uma nova
populao (de modo que esta seja melhor que a primeira).
Estas operaes de recombinao so chamada de
crossover e tenta imitar o processo de reproduo sexuada
dos seres vivos. Nele os descendentes recebem partes dos
cdigos genticos de seus progenitores. Para que possa ocorrer
uma maior diversidade nas caractersticas dos indivduos,
podem ocorrer mutaes que permitem alteraes aleatrias
no material gentico. Quando ocorre evoluo, a mesma leva
o algoritmo gentico a regies mais promissoras do espao de
busca.
Para que se obtenha uma soluo tima, necessrio um
critrio de seleo (funo de avaliao), que avalia o quanto
o candidato soluo bom. A partir desta avaliao podese escolher quais indivduos sobrevivero para a prxima fase,
dando mais chances para os que tiveram uma boa nota (atravs
da funo de avaliao). Esse processo repetido vrias

vezes, at que se satisfaa uma condio de parada (seja ela

por alcanar um nmero determinado de geraes ou ao se
conseguir a resposta otimizada desejada).

A lei de controle neste caso obtida a partir da

minimizao de funo de custo multi-passo que leva em
conta a predio do sinal de sada do modelo do processo,
apresentada na Equao (7).

C. Concluses do Artigo
O presente artigo apresenta a utilizao do algortmo
gentico otimizando os parmetros de um controlador DMC.
As matrizes utilizadas nos clculos do controle preditivo
dependem dos valores dos parmetros (hp e hc ), assim, tornase vivel a utilizao desse mtodo de otimizao para a
determinao dos mesmos.
IV. A RTIGO 02 - S INTONIA DE C ONTROLADORES
P REDITIVOS BASEADA EM A LGORTMOS G ENTICOS
M ULTI -O BJETOS
A. Resumo
Este trabalho tem o objetivo de mostrar a abordagem
de sintonia de controladores preditivos baseada na tcnica
evolucionista de algoritmos genticos. Alguns resultados de
simulao so mostrados. Alm disso, so apresentados
resultados da aplicao do controle preditivo a uma coluna
de destilao do tipo 1,3 butadieno.
B. Estratgias Utilizadas
1) Controle Preditivo Generalizado (GPC): O algoritmo
GPC pertence a uma classe de algoritmos conhecida como
MPC (Model Predictive Control). Estes algoritmos fazem uso
explcito de um modelo do processo para a obteno dos sinais
de controle.
O GPC, particularmente, baseado em modelos
paramtricos do processo. Neste caso, o modelo empregado
o ARIMAX (Auto-Regressive, Integral, Moving Average,
with eXougenous input). O modelo ARIMAX dado pela
Equao (2).

A(q 1 )y(k) = B(q 1 )u(k 1) + C(q 1 )

e(k)

(2)

em que y(k) , u(k) e e(k) so (no instante k) a sada, a entrada

e o rudo branco considerados no modelo. Os polinmios
A(q 1 ), B(q 1 ) e C(q 1 ) so polinmios no operador de
atraso q 1 da forma:
A(q 1 ) = 1 + a1 q 1 + a2 q 2 + + ana q na

(3)

B(q 1 ) = b0 + b1 q 1 + b2 q 2 + + bnb q nb

(4)

C(q 1 ) = 1 + c1 q 1 + c2 q 2 + + cnc q nc

(5)

Por fim, o operador de integrao dado pela Equao

(6).
= 1 q 1

(6)

J=

N2
X

[
y (k + i|k) r(k + i)]2 +

i=N1

N3
X

[u(k + i 1)]2 (7)

i=1

na qual y(k + i|k) a predio do sinal de sada do modelo,

r(k + i) a trajetria de referncia desejada. N1 o horizonte
mnimo de predio, N2 o horizonte de predio e N3
o horizonte de controle. Por fim, uma seqncia de
ponderaes nas aes de controle (que nesta abordagem
mantido constante em todo o horizonte de controle).
2) Algortmo Gentico: Da mesma forma que no Artigo
01, neste artigo utilizada a tcnica de Algortmos Genticos
para a determinao dos parmetros do controlador preditivo.
No presente trabalho N1 = 1, restando assim os horizontes N2
e N3 para serem otimizados.
C. Concluses do Artigo
O custo computacional envolvido, como comum nos
algoritmos genticos, relativamente alto. Apesar disso, em
processos que possuem tempo de amostragem na ordem
de 50 minutos, estas tcnicas podem empregadas para auto
sintonia. Uma alternativa a ser empregada, para evitar que o
algoritmo retorne parmetros de sintonia que levem a violao
de restries, consiste em utilizar a soluo no analtica
considerando restries.
V.

C ONTRIBUIES PARA A P ESQUISA ELABORADA NO

M ESTRADO

Ambos os artigo apresentam a utilizao de algortmos

genticos como uma ferramenta para a otimizao dos ganhos
de controladores preditivos. Alm disso, os artigos apresentam
a confirmao da eficincia das tcnicas de controle preditivo
baseado em modelo (MPC), justificando assim o seu estudo
aprofundado.