Escolar Documentos
Profissional Documentos
Cultura Documentos
Centro Tecnolgico
Programa de Ps Graduao em Engenharia Eltrica
Sumrio:
1 Introduo
1.1 Definio do Controle Preditivo baseado em modelo (CPBM) .
1.2 Histrico e Terminologia
1.3 Fatores de sucesso do MPC em aplicaes industrias:
1.4 O Controlador Preditivo na Hierarquia de Controle
1.5 Relao entre O MPC Com Outros controladores que usam previso.
2 Modelo Previso Usando a Resposta ao Impulso
2.1 Sistema Monovarivel .
2.2 Sistema Multivarivel
3 Modelo Previso Usando a Resposta ao Degrau
3.1 Sistema Monovarivel Sem Distbio
3.2 Sistema Monovarivel Com Distrbio No Mensurvel.
3.3 Sistema Monovarivel com Distrbio Mensurvel
3.2 Sistema Multivarivel
4 Modelo Previso Usando a Funo de Transferncia
4.1 Sistema Monovarivel Sem Distrbio
4.2 Sistema Monovarivel Com Distrbio
4.2 Sistema Multivarivel
5 Soluo do Problema de Controle
5.1 Soluo do Problema de Controle Preditivo Monovarivel Irrestrito
5.2 Soluo do Problema de Controle Preditivo Multivarivel Irrestrito
5.3 Soluo do Problema de Controle Preditivo Monovarivel Considerando
Restries.
5.4 Programao Quadrtica
5.5 Sintonia dos Parmetros do CPBM
Controle Preditivo
1 - Introduo
Ao longo dos ltimos 30 anos, estratgia de controle preditivo tem recebido cada
vez mais aceitao do meio industrial, devido aos benefcios que sua aplicao tem
produzido no desempenho dos processos . Os maiores benefcios tem ocorridos em
processos com longo tempo de atraso, com fortes interaes entre as variveis
controladas, e com restries de operao. Em processos com estas caractersticas,
a capacidade de prever o comportamento futuro das variveis do processo nas
proximidades dos limites de sua capacidade, fundamental para garantir uma
operao otimizada do processo. Devido a isto, a ISA considera que o controle
preditivo uma ferramenta importante capaz de diferenciar entre um bom e
um excelente Engenheiro de Controle.
1.1 Definio do Controle Preditivo Baseado em modelo (CPBM) .
O Controle Preditivo Baseado em Modelo (CPBM) uma estratgia de
controle que possui as seguintes caractersticas:
-
4/81
Controle Preditivo
Erros Futuros
Previstos
futuro e passado
Otimizador
Sada futura
prevista
Sinal de
controle atual
Modelo do
Processo
Processo
Real
Sada atual
w ( j ) = r ( j ) , w ( j + k ) = .w ( j + k 1) + (1 ) .r ( j + k ) , k = 1...N
5/81
Controle Preditivo
J (k ) =
hc
y ( j + k | k ) w ( j + k ) + u ( j + k 1)
j =d
(2.0)
j =1
Controle Preditivo
distrbios no sistema;
- estabilidade e tolerncia a falha do controlador, a fim de manter o processo
funcionando quando ocorrem falhas nos sensores e atuadores;
-
conflitantes;
- plantas com modelos variantes no tempo.
7/81
Controle Preditivo
8/81
Controle Preditivo
rea
Adersa
Aspen
Honneywel
Thecnology
Hi-Spec
Invensys
SGS
Total
Refinaria
1200
480
280
25
1985
Petroqumica
450
80
20
550
Qumica
100
20
03
21
144
Papel
18
50
68
Ar e gs
10
10
Utilidades
10
04
14
Metalurgia
08
06
07
16
37
Alimentos
41
10
51
Polmeros
17
17
Fornos
42
03
45
Aeroespacial
13
13
Automotiva
07
07
Outras
40
40
1045
26
450
1601
Total
1833
695
1438
125
450
4542
9/81
Controle Preditivo
prximo possvel das suas restries. Isto ilustrado na Fig. 3, que mostra trs
funes densidade de probabilidade hipotticas da varivel controlada (y) de uma
planta, e uma restrio de desigualdade (y <= ymax) que deve ser respeitada.A
distribuio (A) tem uma forma de Gaussiana com elevada varincia, que
10/81
Controle Preditivo
Controle Preditivo
atravs de
overrides, ou seja, uma varivel manipulada controla duas ou mais variveis que
possuem limites. No obstante, a tcnica de controle preditivo trata este tipo de
problema de maneira bastante natural, definindo as restries dos nveis dos
tanques sem especificar o set point da varivel controlada.
12/81
Controle Preditivo
1.3.1 Dicas que devem ser analisadas pelo Engenheiro de Controle a fim de
justificar a implantao do Controlador Preditivo Numa Planta Industrial
10
11
12
13
13/81
Controle Preditivo
1.4
14/81
Controle Preditivo
Unidade 1
Estrutura de Controle
Convencional
Unidade 2
Estrutura de Controle
com MPC
Lgica de Seleo
de Restries, Overrids,
Desacoplamentos
Controle Preditivo
Baseado em Modelo
(MPC)
Controladores PID
locais
Controladores PID
locais
Atuadores
(Vlvulas)
Atuadores
(Vlvulas)
Controle de Restries
Dinmicos (a cada minuto)
Controle da Dinmica
do processo
1.5 Relao entre O MPC Com Outros controladores que usam previso.
1.5.1 Relacionando o MPC com o Preditor de Smith.
O Preditor de Smith um controlador muito usado em processos industriais com
atraso. Em geral, sistemas industriais com atraso podem ser representados por
uma Funo de Transferncia de primeira ordem do tipo:
Gp ( z) =
Ke TS
s +1
15/81
Controle Preditivo
Para termos um bom controle neste tipo de processo, o ideal seria realimentarmos a
sada sem o atraso, como mostra a Figura 6:
q(t)
r(t)
C(s)
u(t)
y1(t)
g(s)
-Ts
e
y(t)
No entanto, esta soluo no possvel de obter na maioria dos casos reais, tendo
em vista que y(t) no acessvel. A soluo proposta por Smith nos anos 50,
baseia-se na introduo de um preditor (Gn(s)) no esquema de controle, conforme
mostra a Fig. 7, onde C(s) projetado para controlar a planta sem o atraso (Gn(s)):
r(k)
C(s)
y(k)
-Ls
G(s) e
y (k + Ln)
Gn(s)
y (k )
-Ls
e
+
e(k)
Tambm possvel
16/81
Controle Preditivo
Y = CX ,
17/81
Controle Preditivo
hp k
J (k ) =
X
j =0
hp k
2
(k + j ) +
u ( k + j )
j =0
atravs da minimizao de uma funo custo e realizarem previses para obter esta
mesma funo custo, existem diferenas substanciais entre tais estratgias de
controle. A primeira que no controlador preditivo realizamos previses
at o
ao processo.
18/81
Controle Preditivo
y ( j + k | k ) , ou de maneira mais
simplificada, por y ( j + k ) .
A previso usando a resposta ao impulso pertence primeira gerao de
controladores preditivos usados no ambiente industrial, o qual foi denominado
MPHC. Primeiramente faremos a previso de sistemas lineares monovariveis e em
seguida trataremos o caso multivarivel.
2.1 Sistema Monovarivel
A resposta y ( j ) de um sistema discreto entrada u ( j ) , pode ser representada
pela convoluo:
y ( k ) = h(i ).u ( k i )
(2.1)
i =1
y (k ) =
h(i).u ( k i )
(2.2)
i =1
( )
y ( j ) = H z 1 .u ( k )
Controle Preditivo
0.2713
z 0.835 z
3
0.3
Amplitude
0.25
0.2
0.15
0.1
0.05
10
20
30
40
50
60
70
Time (sec)
0.2713
z 0.835 z
3
Supondo N=22:
h = [ 0 0 0.2713
0.226
0.1892
20/81
0.1580
0.0312
0.1319 0.1102
0.0261
0.0218
0.0920
0.0182
0.076
0.0152
Controle Preditivo
( y ( j + k ) )
usando (2.2) :
i =1
i =1
i = j +1
Os termos do somatrio
h(i)u (k + j i) contm
aes de controle
i = j +1
futuras (u(k), u(k+1, ..., u(k+j-1)) e ser chamado de resposta forada. As aes de
controle presente e futuras sero denotadas por u( j + k ) , as quais so variveis do
problema e devero ser calculadas pelo otimizador. Portanto, para um horizonte de
previso j passos a frente a partir do instante k, teremos j aes de controle presente
e futura. Para diminuir o nmero de variveis na predio, definiremos um horizonte
de controle ( hc ) menor que o o horizonte de previso ( hp ), isto , hc < hp e
consideraremos u (k ) = u (hc ), k = hc + 1 hp .
y( j + k) = h(i)u(k + hc 1) +
i =1
i = j hc +1
h(i)u(k + j i) + h(i)u(k + j i)
(2.4)
i = j +1
21/81
Controle Preditivo
fu (k + j ) =
h(i)u (k + j i)
i = j +1
h(1)
h(2)
y(k +1)
h(1)
y(k + 2)
h(hc ) h(hc 1)
=
y(k + hc )
h(hp1) h(hp2 )
y(k + hp 1)
22/81
fu ( k +1)
0
f
k
+
2
(
)
u(k)
h(1)
u(k +1)
+ fu (k + hc )
hp1 hc +1
h(i)
u(k + hc 1)(hcx1) f (k + h )
u
p1
i=1
hp hc +1
fu ( k + hp ) (hpx1)
h(i)
i=1
(hpxhc )
0
Controle Preditivo
0.2713
. Considere que o instante atual seja k=4, e que
z 0.835 z
3
23/81
Controle Preditivo
ym ( k ) =
N ml
ml
l =1
(i )ul (k i ), m = 1, , q
i =1
y m ( j + k ) =
l =1
N ml
ml
(i )ul ( j + k i ), m = 1, , q
i =1
(2.5)
U (k ) =
u p (k ) px1
podemos escrever :
N ml
y m ( j + k ) = H m (i )U ( j + k i ), m = 1, , q
i =1
j hc
ym ( j + k) = Hm (i)U (k + hc 1) +
i =1
24/81
i = j hc +1
Hm (i)U (k + j i) + Hm (i)U(k + j i)
i = j +1
(2.6)
Controle Preditivo
Definindo:
f m ,u ( k + j ) =
(i )U (k + j i ) ,
i = j +1
y1 (k )
y (k )
2
,
Y (k ) =
y q (k ) qx1
f1u (k )
H1 ( k )
f (k )
H (k )
2,u
2
, H (k ) =
Fu (k ) =
f q ,u (k ) qx1
H q (k ) qx1
Y( j + k) = H(i)U (k + hc 1) +
i =1
H(i)U (k + j i) + Fu (k)
i = j hc +1
H(1)
Y(k +1)
H(2)
H(1)
Y(k + 2)
H(hc ) H(hc 1)
Y(k + h )
=
c
H(hp1) H(hp2 )
Y(k + hp 1)
H(hp ) H(hp1)
Y(k + hp ) (qhpx1)
Fu ( k +1)
0
F
k
2
+
(
)
U ( k )
H(1)
U ( k +1)
F
(
k
h
)
+
+
u
c
hp1hc +1
U ( k + hc 1)
H(i)
F
(
k
+
h
)
(
ph
x
1)
u
p1
c
i=1
hp hc +1
Fu ( k + hp ) (qhpx1)
H(i)
i=1
qhpxphc
0
25/81
Controle Preditivo
26.85
A=
25.80
22.61
0
0.29 0
0.29 0
1.04 0.06
0
, C = 1 0 0 0 , D=0
, B=
0 1 0 0
0.09 0
2.77 1.79
0
3.07 15.57
0
0 0.18
0
0.06
0
0.00005
0
0.0211 0
0 1 0
A = 0
0
0.000024 , B = 0.1066 0 , C =
, D=0
0 0 1
0 0.000024 0.0068
3.136 3.8
26/81
Controle Preditivo
1, j = 0,1, 2,3,...
u ( j) =
0, j < 0
(3.1)
y ( k ) = g (i) (1 z
i =1
) .u ( k i ) = g (i).u ( k i )
(3.2)
i =1
27/81
Controle Preditivo
i=1
i= j +1
y ( j + k ) = g(i) .u ( j + k i ) + g(i) .u ( j + k i )
(3.3)
O somatrio
g (i ) . u ( j + k i ) , representa a resposta
i =1
forada,
obtida
atravs
das
entradas
presente
futuras
y( j + k) =
g(i)u(k + j i) + g(i)u(k + j i)
i =max{1, j hc +1}
(3.4)
i = j +1
g (i) .u ( j + k i ) .
i = j +1
28/81
Controle Preditivo
y(k +1)
0
0
g(1)
g(1)
0
y(k + 2)
g(2)
u(k)
u(k +1)
g(1)
= g(hc ) g(hc 1)
.
y(k + hc )
c
y(k + hp 1)
g(hp1) g(hp2 ) g(hp1 hc +1)
+
y
(
k
h
)
fu ( k + 2)
(
+
)
f
k
h
+ u
c
fu (k + hp1)
fu ( k + hp ) (hp x1)
(3.5)
Ou seja: y = G.u + f u , onde y o vetor hp x1 , G a matriz hp xhc , u o vetor hc x1 ,
fu o vetor hp x1
29/81
Controle Preditivo
30
y ( j ) = g i .u ( j i ) .
i =1
30/81
Controle Preditivo
3.2
yr ( k ) = ym ( k ) + d ( k )
y r (k + j ) = y m (k + j ) + d (k + j )
que equivalente a
j
y r (k + j ) =
g (i ) u ( j + k i ) + g (i ) u ( j + k i ) +d ( k + j )
i = max{1, j hc +1}
(3.6)
i= j
d (k + j ) = d (k ) = yr (k ) ym (k ) = yr (k ) g (i )u ( j i )
(3.7)
i =1
y r (k + j ) =
i = max{1, j hc +1}
g (i ) u ( j + k i ) + ( g (k + i ) g (i )) u ( j i ) + yr ( k )
(3.8)
i= j
31/81
Controle Preditivo
N
fu (k + j ) = ( g (k + i) g (i))u ( j i ) + yr (k )
i =1
u (k ) = 1, k = 0,1, 2, e
3.3
yd (k + j) =
gd (i)d(k + j i) + gd (i)d(k + j i)
i=max{1, j hc +1}
i = j +1
Onde d ( i ) = d ( i ) d ( i 1) .
Realizando uma seqncia de hp previses, formamos o sistema de hp equaes:
y d = Gd .d + f d ,
32/81
Controle Preditivo
y m ( j + k ) =
l =1
g ml (i )ul ( j + k i), m = 1, , q
i = max{1,i hc 1}
(3.8)
Assim, invertendo o somatrio em (3.8) e usando os vetores
u1 (k )
u (k )
2
U (k ) =
u p (k )
Gm (k ) = [ g m1 (k ) g m 2 (k ) g mp (k )]1xp
px1
Podemos escrever:
N ml
y m ( j + k ) =
Gm (i )U ( j + k i ), m = 1, , q
i = max{1, j hc +1}
33/81
Controle Preditivo
ym ( j + k) =
G(i)U (k + j i) + G(i)U(k + j i)
i=max{1, j hc +1}
Definindo:
(3.9)
i = j +1
fu (k + j ) =
(i )U (k + j i ) ,
i = j +1
y1 (k )
y (k )
2
Y (k ) =
y q (k )
,
qx1
f1,u (k )
G1 (k )
f (k )
G (k )
2,u
2
Fu (k ) =
, G (k ) =
f q ,u (k ) qx1
Gq (k ) qx1
j hc
i =max{1, j hc 1}
G(i)U (k + hc 1) +
G(i)U(k + j i) + Fu (k)
i = j hc +1
34/81
Controle Preditivo
Y(k +1)
0
0
G(1)
Y(k + 2)
G
(2)
G
(1)
U ( k )
U
k
+
1
( ) +
Y(k + h )
G(1)
= G(hc ) G(hc 1)
U ( k + hc 1) ( ph x1)
(
)
(
)
(
+
1)
G
h
G
h
G
h
h
p1
p2
p1
c
c
Y(k + hp 1)
Fu ( k +1)
F
k
+
2
(
)
u
+ Fu (k + hc )
+
F
k
h
(
)
u
p1
+
F
k
h
(
)
p
(qhpx1)
u
0
0.00005
0
0.0211 0
0 1 0
A = 0
0
0.000024 , B = 0.1066 0 , C =
, D=0
0 0 1
0 0.000024 0.0068
3.136 3.8
35/81
Controle Preditivo
no controle de plantas
y (k ) =
( )z
A( z )
B z 1
.u ( k 1)
(4.1)
( )
onde
( )
(1 z ) u ( k ) = u ( k ) u ( k 1) = u ( k 1) e que
1
36/81
A ( z 1 ) = (1 z 1 ) A( z 1 ) .
Controle Preditivo
( )
( )
B z 1 d
y (k ) =
z .u ( k 1)
A z 1
(4.2)
y ( k ) = y ( k 1) + y ( k 2 ) 3 y ( k 3) + u ( k 2 )
A previso da sada 3 passos a frente obtida a partir da equao acima, ou seja:
y ( k + 3) = y ( k + 2 ) + y ( k + 1) 3 y ( k ) + u ( k + 1)
(4.3)
(4.4)
Controle Preditivo
1 0 0 E1 = 1 + 0 z 1 + 0 z 2
1 1 0 E2 = 1 + 1z 1 + 0 z 2
1 1 2 E3 = 1 + 1z 1 + 2 z 2
3 F1 = 1 + z 1 3 z 2
2 2 3 F2 = 2 2 z 1 3 z 2
0 1
6 F3 = 0 z 1 6 z 2
(4.5)
A ( z 1 ) E j ( z 1 ) y (k + j ) = E j ( z 1 ) B( z 1 )u (k + j d 1)
(1 z j Fj ( z 1 )) y (k + j ) = E j ( z 1 ) B( z 1 )u (k + j d 1)
Que podemos reescrever como:
y (k + j ) = E j ( z 1 ) B( z 1 )u (k + j d 1) + Fj ( z 1 ) y (k ) = G j ( z 1 )u (k + j d 1) + Fj ( z 1 ) y (k )
(4.6)
onde G j ( z 1 ) = E j ( z 1 ) B( z 1 ) = g 0 + g1 z 1 + g 2 z 2 + ... + g nb+ j 1 z ( nb + j 1)
Substituindo E3
resultado:
y ( k + 3) = (1 + z 1 + 2 z 2 )u (k + 1) ( z 1 + 6 z 2 ) y (k )
= u (k + 1) + u (k ) + 2u (k 1) y (k 1) + 6 y (k 2)
38/81
(4.7)
Controle Preditivo
observe
que
G j ( z 1 )u (k + j d 1) ,(no
G3 ( z 1 )u (k + 1) = u (k + 1) + u (k ) + 2u (k 1) ),
nosso
exemplo
igual
H j ( z 1 ) = g 0 + g1 z 1 + g 2 z 2 + ... + g j d 1 z ( j d 1)
H j ( z 1 ) = G j ( z 1 ) H j ( z 1 ) = g j d z ( j d ) + ... + g nb + j 1 z ( nb + j 1)
(4.9)
futuras e
passadas
sadas
passadas
(4.10)
Considerando um horizonte de previso j = d + l , chega-se atravs de (4.10) com
1 l N , ao seguinte sistema de equaes:
39/81
Controle Preditivo
y (k + d + N ) = H d + N u (k + N 1) + z N H d + N u (k 1) + Fd + N y (k )
y = Gu + H ( z 1 )u (k 1) + F ( z 1 ) y (k )
(4.11)
y (k + d + 1)
y (k + d + 2)
y =
y (k + d + N ) N X1
(4.12)
u (k )
u (k + 1)
u =
u (k + hc 1) h X1
(4.13)
g0
g
1
G=
g hc 1
g N 1
(4.14)
onde:
40/81
g N hc
N X hc
g0
g hc 2
g N 2
0
0
g0
Controle Preditivo
zH d +1
2
z H d +2
H =
z H d + N N X1
(4.15)
Fd +1 ( z 1 )
Fd + 2 ( z 1 )
1
F (z ) =
1
Fd + N ( z ) N X1
(4.16)
f = H ( z 1 )u (k 1) + F ( z 1 ) y (k )
(4.17)
41/81
Controle Preditivo
(4.18)
(4.19)
De maneira semelhante a realizada para o caso irrestrito e sem distrbio, multiplicase (4.18) por E j ( z 1 ) z j :
A ( z 1 ) E j ( z 1 ) y (k + j ) = E j ( z 1 ) B( z 1 )u (k + j d 1) +
(4.20)
1
+ E j ( z ) D( z )v(k + j )
y (k + j ) = Fj ( z 1 ) y (k ) + E j ( z 1 ) B( z 1 )u (k + j d 1) +
(4.21)
+ E j ( z 1 ) D( z 1 )v(k + j )
42/81
Controle Preditivo
M j = m0 + m1 z 1 + m2 z 2 + ... + mnd + j 1 z ( nd + j 1)
y (k + d + l ) = Fd +l ( z 1 ) y (k ) + H d +l ( z 1 )u (k + d + l 1) + z l H d +l ( z 1 )u (k 1) +
(4.22)
+ M d +l ( z 1 )v(k + d + l )
43/81
Controle Preditivo
y (t + d + 1) = H d +1 ( z 1 )u (t ) + f d +1
y (t + d + 2) = H d + 2 ( z 1 )u (t + 1) + f d + 2
(4.23)
y (t + d + N ) = H d + N ( z 1 )u (t + N ) + f d + N
(4.24)
f d +1
f
f = d +2
f d+N
(4.25)
44/81
Controle Preditivo
i ,m
( nb + j 1)
H ij,m ( z 1 ) = G ij,m ( z 1 ) H ij,m ( z 1 ) = g ij,md z ( j d ) + ... + g nb
+ j 1 z
i, p
j
i
j
Sejam os vetores:
u1 (k )
u (k )
2
U (k ) =
u p (k )
px1
45/81
Controle Preditivo
F y
2
j
H =
H j = j Fj = j 2
Y (k ) =
j
q
q
H
H
F q y
y q (k ) qx1
j qxp
j qxp
j q qx1
Y(k + d +1)
Y
(
k
d
2)
+
+
Y(k + N)
46/81
Nx1
Hd +1
Hd +1u(k)
H u(k +1)
H
d
+
1
d
+
2
=
+
u(k 1) +
HN qNx1
Hd +1u(k + hc 1)qNx1
Fd +1(k)
F (k)
d +2
FN (k) qNx1
Controle Preditivo
Y(k + d +1)
0
G0
G
Y(k + d + 2)
G0
1
Y(k + h )
=
Ghc1 Ghc2
c
Ghp1 Ghp2
Y
(
k
+
h
1)
Ghp Ghp1
Y(k + hp ) (qNx1)
0
0
G0
GN
GN1
Fu ( k +1)
F
k
+
2
(
)
u
U ( k )
U ( k +1)
F
(
k
+
h
)
+
c
u
U ( k + hc 1)( phcx1) Fu (k + N 1)
F k +N
)
u(
qNxphc
Onde
H 1j u (k 1) + Fj ( z 1 ) y1 (k )
H 1j u (k + j d 1)
2
H j u (k 1) + Fj ( z 1 ) y2 (k )
H j u (k + j d 1)
Fu (k + j ) =
Gj =
1
H j u (k 1) + Fj ( z ) yq (k ) qx1
H j u (k + j d 1) qxp
Y = GU + f
e especificados no programa
tanquemulti.m.
47/81
Controle Preditivo
forma matricial:
J = (Gu + f w)T (Gu + f w) + u T u
(5.1)
J=
1 T
u H u + bT u + f 0 + u T u
2
(5.2)
Onde,
H = 2( GT G + I )
bT = 2 ( f w)T G
f 0 = ( f w) T ( f w)
48/81
Controle Preditivo
J = ( y w ) . ( y w ) + .u T .u
T
J = ( G.u + f ) w . ( G.u + f ) w + .u T .u
T
J = G.u + ( f w ) . G.u + ( f w ) + .u T .u
T
T
T
J = ( G.u ) . ( G.u ) + 2. ( G.u ) . ( f w ) + ( f w ) . ( f w ) + .u T .u
T
J = GT .u T . ( G.u ) + 2 GT .u T . ( f w ) + ( f w ) . ( f w ) + .u T .u
T
J = u T . G T .G .u + u T 2.G T . ( f w ) + ( f w ) . ( f w ) + .u T .u
J
= 2. GT .G .u + 2.GT . ( f w ) + 2. .u = 0
u
( (G .G ) + .I ) .u = .G .( f w) u = ( .(G .G ) + .I )
T
. .GT . ( w f )
u = K .( w f )
( GT .G + .I ) . .GT
que o
u = GT .G + I
. .G T . ( w f )
49/81
Controle Preditivo
u ( j ) = u ( j 1) + u ( j )
, onde
(5.3)
u = HH 1b = ( GT G + I ) 1 GT ( w f )
Observa-se que a equao (5.3) resulta num vetor de sinal de controle, onde o sinal
a ser direcionado para o processo o primeiro elemento do vetor u , obtido por:
(5.4)
u = K ( w f )
Ke TS
G p ( s) =
s +1
Para termos um bom controle neste tipo de processo, o ideal seria realimentarmos a
sada sem o atraso, como mostra a Figura 6:
q(t)
r(t)
C(s)
u(t)
G(s)
y1(t)
-ds
e
50/81
y(t)
Controle Preditivo
No entanto, esta soluo no possvel de obter na maioria dos casos reais, tendo
em vista que y(t) no acessvel. A soluo proposta por Smith nos anos 50,
baseia-se na introduo de um preditor (Gn(s)) no esquema de controle, conforme
mostra a Fig. 7, onde C(s) projetado para controlar a planta sem o atraso (Gn(s)):
r(t)
C(s)
y(t)
-ds
G(s) e
y1 (t ) = y (t + d )
Gn(s)
y (t )
-ds
e
+
e(t)
Para facilar a anlise, a comparao do GPC com o preditor de Smith ser feita
consirando o modelo de primeira ordem ARIMA discreto:
B ( z 1 ) d
b
y(k ) =
z
.
u
k
1
=
z d .u ( k 1)
(
)
1
2
A( z 1 )
1 (a + 1) z + az
Fazendo previses j d + 1 passos a frente, obtemos:
y ( k + j ) = (1 + a ) y ( k + j 1) ay ( k + j 2 ) + bu ( k + j d 1)
Para o sistema de primeira ordem, podemos decompor sempre o polinmio
Controle Preditivo
(5.5)
y = Gu + D( z 1 ) y
Onde:
d01
2
d
D= 0
N
d0
d11
d1
y
t
+
d
(
)
=
G
y (t + d 1)
2X1
d0 NX2
g 00
g11
g 22
N 1
g N 1
0
g 01
g12
g NN12
g NN 1hc N X h
( ( G .G) + .I ).u = .G .( D y w)
u = ( .( G .G) + .I ) . .G .( w D y)
T
(5.6)
Seja:
1
q = ( .( GT .G) + .I ) GT
p = qD
Observe que a matriz q tem dimenso hc xN e a matriz p tem dimenso hc x 2 .
Considerando que o vetor w seja igual a :
1
1
w = r (k )
1 N X1
52/81
Controle Preditivo
(onde r(k) o set point), concluimos que o primeiro elemento do vetor u em (5.6)
ser igual a :
u (k ) = (q11 + + q1 N )r (k ) + [ p11
y (k + d )
p12 ] 1
y 2 (k + d )
Figura 5 e Figura 6
( )
y ( k ) = (1 A z 1 ) y (k ) + z d B ( z 1 ).u ( k 1)
y ( k + d ) = R ( z 1 ) y (k ) + ( z d R ( z 1 )).Gn ( z 1 )u ( k )
Onde:
R( z ) = (1 A ( z 1 )) d z d
1
( )
( )
B z 1 d 1
Gn ( z ) =
z
A z 1
1
53/81
Controle Preditivo
Figura 7 :
54/81
Controle Preditivo
Exerccio 8:
Seja a seguinte Funo de Transferncia de um determinado processo:
Gp ( z) =
K exp( s )
bz 1 d
cuja transformada Z Gm ( z ) =
z ,
s +1
1 az 1
Onde a = exp( T / ),
55/81
Controle Preditivo
onde
o vetor de entradas
estados e
o vetor de sada
so os
Sendo
, chega-se a seguinte
expresso:
.
Fazendo
em funo de
chega-se em:
obtm-se o
onde
Segundo Wang (2009), a expresso simplificada das previses de estados e sadas e a soluo
do controlador passos a frente so dados por:
56/81
Controle Preditivo
onde,
onde ,
onde ,
57/81
Controle Preditivo
hp
J (k ) = l yl ( j + k ) wl ( j + k ) +
l =1 j = d
2
hc
i =1
j =1
u ( j + k 1)
i
0
0
=
qxq
0 0
0
0 ( pN ) x ( pN )
=
( qN ) x ( qN )
pxp
Onde N = hp d .Assim a funo custo, pode ser escrita na seguinte forma matricial:
J = (Gu + f w)T (Gu + f w) + u T u
58/81
Controle Preditivo
u1 (k )
u2 (k )
U (k )
= K (W f )
u p (k )
(5.4)
Sendo K a matriz (G T G + I ) 1 GT , que possui p linhas por qN colunas.
Exerccio 9:Analisar
(5.5)
Variao
da
ao
de
controle:
u (t ) = u (t ) u (t 1) ,
onde
59/81
Controle Preditivo
2-
3-
Para que se consiga solucionar (5.5), deve-se deixar que as restries acima
estejam em funo de u definido em (4.13) na forma matricial.
1- Restries na variao da ao de controle u :
hc u min u hc u max , sendo:
1
1
hc =
1 hcx1
(5.6)
Assim,
u hc u min
Considerando u = I hc u , onde
se
60/81
Controle Preditivo
hc umax
I hc
I
hc 2 hcxhc
hc umin 2 hcx1
(5.7)
u (t ) = u (t 1) + u (t )
u (t + 1) = u (t ) + u (t + 1) = u (t 1) + u (t ) + u (t + 1)
u (t + hc 1) = u (t 1) + u (t ) + u (t + 1) + + u (t + hc 1) Nx1
(5.8)
u (t )
u (t )
u (t 1)
u (t + 1) u (t 1)
u (t ) + u (t + 1)
=
.
u (t + hc 1) u (t 1) u (t ) + u (t + 1) + + u (t + hc 1)
(5.9)
Com:
hc =
1 0 0 0
1 1 0 0
1 1 1 1
(5.10)
61/81
Controle Preditivo
hc umin hc u (t 1) + u hc umax
hc (umin u (t 1)) u hc (umax u (t 1))
hc (umax u (t 1))
.u
hc (u (t 1) umin ) 2 h X 1
2 h Xh
c
c
c
(5.11)
N y min y = Hu + f N y max
(5.12)
1
1
N =
1 Nx1
62/81
(5.13)
Controle Preditivo
N ymin f H u N ymax f
(5.14)
H u N ymax f
H u f N ymin
N ymax f
H
.u
f N ymin 2 Nx1
H 2 Nxh
c
(5.15)
necessrio juntar as trs restries acima (1,2 e 3) para permitir que sejam
aplicadas na sintonia do controlador GPC especificado para o controle do sistema,
de forma a evitar desvios adicionais do modelo interno face a resposta do processo
real obtida. Pode-se escrever esta juno como:
S .u C
(5.16)
Onde:
hc
hc
T
S = hc
Thc
H
H ( 4 hc + 2 N ) xhc
hc umax
hc umin
hc (umax u (t 1))
C=
(5.17)
hc (u (t 1) umin )
N ymax f
f N ymin
(4 hc + 2 N ) x1
Controle Preditivo
64/81
Controle Preditivo
min f ( x) =
x
1 T
x Gx + g T x
2
(5.18)
s.a. :
ci : ai x = bi
iI
ci : ai x bi
iD
igualdade e de desigualdade,
respectivamente.
Terminologia:
i) Qualquer ponto x n que satisfaa as restries da equao (5.18) chamado de
factvel. Se as restrioes no so satisfeitas por nenhum ponto x n , ento o
problema infactvel, e as restries so chamadas de inconsistentes. Por exemplo:
x1 > 2, x1 < 1 .
Controle Preditivo
1
min f ( x) = xT
x
2
x1
2 0
2
0 2 x + 2 x , x = x
(5.19)
s.a.:
T
1
c1 : x 2 2 1 D
1
T
1
c2 : x 2 2 D
1
1
1
seja A = {1}
66/81
Controle Preditivo
= bi
iI
Quando isto acontece, podemos provar que o timo x* satisfaz a seguinte condio
necessria:
f ( x* ) = ai i*
i A
67/81
Controle Preditivo
68/81
Controle Preditivo
diminui a varivel
Controle Preditivo
hp = N = + int( + 1) hc = + int( + 1)
T
T
T
70/81
hc 2
h 1
3
K (hp int( + 1)
+ 2 ( c ))
10
2T
2
T
Controle Preditivo
Exerccio 12:
a O problema de otimizao irrestrito:
m in f ( x ) = 1 0 ( x1 3 , 5 ) 2 + 2 0 ( x 2 4 ) 2
x1 + x 2 6
x1 x 2 1
2 x1 + x 2 6
0 .5 x1 x 2 4
x1 0
x2 0
71/81
Controle Preditivo
necessrios
para
resolver
problema
de
otimizao
aumenta
CPBM com restries, se a funo custo for linear e possuir n variveis de controle,
e se o problema de otimizao possuir
(PML)
(PMQ)
72/81
min J ( x) = cT v + d T x
v
s.a. : Av b + Ex,
1 T
v Gv + xT Fv
2
s.a.: Av b + Ex,
min J ( x) =
v
(6.1a)
(6.1b)
Controle Preditivo
(PMLI)
s.a. : Ar vr + Ab vb b + Ex,
n
vr nr , vb {0,1} b
{ r }r =1 = {1 , , R }
se (i)
73/81
Controle Preditivo
Definio 6.1.3 (Funo Afim Por Partes (PWA)) Uma funo f : d com
d + afim por partes ((PWA), se a partio
{ r }r =1 de um conjunto
existir, tal
que f ( x) = Lr x + Cr se x r .
Definio
6.1.3
(Funo
Quadrtica
Por
Partes
(PWQ))
Uma
funo
R
{ r }r =1 de um
Teorema
6.1
[BMDP02,Bor03]
Considere
Problema
de
Programao
74/81
Controle Preditivo
regio.
6.2
x ,u
que
os
estados
as
entradas
so
o vetor de controle.
sujeitos
restries:
(6.2)
75/81
Controle Preditivo
Onde Di U .
Definio 6.4 O sistema dinmico PWA est bem estruturado se o seu domnio
D U pode ser particionado em Di regies tais que D = i Di e as regies no se
cruzam, i.e.,
Onde x(t ) n o vetor de estado no instante t, u (t ) m o vetor de controle, e f(.)
a funo linear de atualizao do estado.Assume-se que os estados e as entradas
so sujeitos a restries: x(t ) n , U (t ) U m . A funo
pode ser
entorno do ponto
x s ,i , u s ,i , isto :
Di D j = , i j
Um sistema PWA bem estruturado quer dizer que a sua dinmica determinada
unicamente para um dado par ( x, u ) . Tais sistemas pertencem classe de sistemas
lineares hbridos, constitudo de variveis lgicas e dinmicas lineares no tempo.
6.3
(6.3)
yk = Cxk + Duk
Assuma que este sistema seja controlvel e observvel, e que existam os conjuntos
limitados = { x | H x x K x } , U = { x | H u x K u } , set = { x | Lx M } . Seja N um nmero
interiro positivo, ento o problema COTFR definido atravs da seguinte
formulao:
76/81
Controle Preditivo
N 1
J N* ( x0 ) = min N ( xN ) + k ( xk , uk )
UN
k =0
sa.
(6.4)
xk +1 = Axk + Buk
xk , k = 0, , N
uk U , k = 0, , N
xN set
a restrio do estado final, que deve ser acrescentado para garantir estabilidade.
O problema COTFR pode ser classificado como :
Problema do Regulador: quando o objetivo manter a trajetria de estado xk o
mais prximo possvel da origem, ou seja, minimizar a funo custo dada por:
N ( xN ) = QN xN
( xk , uk ) = Qk xk
+ Qu uk
Pz
Pz 1 = Pi zi , z 2 = z T Pz , e
tal que
= max Pz
i i para algum vetor z e matriz P.
i
xk o
mais prximo possvel da referncia xREF ou seja, minimizar a funo custo dada
por:
N ( xN ) = QN ( xN xREF )
( xk , uk ) = Qk ( xk xREF ) p + Qu uk
,
p
(6.5)
Onde uk = uk uk 1 .
77/81
Controle Preditivo
(6.4).Na
formulao
do
PMQ,
temos
p =2,
N ( xN ) = xTN QN xN
B
I
A
A = , B =
AB
N
A
N 1
A
0
0
0
B
0
AN 2 B 0
(6.6)
s.a.
GU N W + Ex0 ,
Onde,
+ Q , F = A T QB
, Y = A T QA
, Q = diag (Q , , Q Q ) , Q = diag (Q , , Q ) .
H = B T QB
u
x
x N
u
u
u
Considerando H semi definida positiva, a soluo ser dada atravs do Teorema
6.1.
Na formulao PML, temos p = 1 , N ( xN ) = QN xN e ( xk , uk ) = Qk xk + Qu uk . Usando
variveis de folga ( 0 , 1 , , N 1 ) , ( 0 , 1 , , N 1 ) e podemos ento transformar a
N 1
dada por:
78/81
UN
k =0
Controle Preditivo
N 1
J N* ( x0 ) =
min
U N , 0 ,, N 1 , 0 ,, N 1 ,
+ k ) +
k =0
sa.
Qu uk 1 k , Qu uk 1 k , k = 0,1, , N 1
(6.7)
Qx xk 1 k , Qx xk 1 k , k = 0,1, , N 1
QN xN 1 , QN xN 1
J N* ( x0 ) = min + +
U N , ,
sa.
Qu uk 1 , Qu uk 1
(6.8)
Qx xk 1 , Qx xk 1
QN xN 1 , QN xN 1
xk
( i = 1) Di
u k
79/81
Controle Preditivo
xk
H i K i M i (1 k ,i )
uk
nL
k ,i
=1
i =1
~
(6.9)
xk +1 ( Ai xk + Bi uk ) M i (1 k ,i )
~
xk +1 ( Ai xk + Bi uk ) mi (1 k ,i )
x
Onde M i = max H i k K i
x ,uU
uk
M i = max Ai x + Bi u + ci
x ,uU
mi = min Ai x + Bi u + ci
x ,uU
Note que os seletores k ,i = {0,1} , i = 1 , nL devem ser introduzidos para cada instante
k = 1 N , o que implica num total de variveis binrias igual a nL N .Como o
atravs da Programao
80/81
Controle Preditivo
Bibliografia:
1 - Richalet, J., Rault, A., Testud, J. L, & Papon, J. (1978). Model Predictive Heuristic
Control: Aplications to Industrial Processes. Automtica, 14,413-428.
2 - Cutler, C. R., & Ramaker, B.L.(1980). Dynamic Matrix Control a computer
control algorithm. AICHE national meeting. Houston, TX, April, 1979.
3 - Cutler, C. Moshed, A. & Haydel, J. (1983). An Industrial perspective on advanced
control. In AIChe annual meeting. Washington DC, october 1983.
4 - Qin, S. J. & Badgwell, T.A. (2003). A survey of industrial model predictive control
technology. Control Egineering Practice, 11, 733-764.
5 - Camacho, E.F. and Bordons (2000), Model Predictive Control, Springer Verlag,
2000.
6 - Maciejowski, (2002)J. M. Preditctive Control With Constraints. Harlow, England:
Prentice Hall.
7 - Normey, J.E., Rico (2000), Controle Preditivo de Processos com Grandes Atrasos
de Transporte, Minicurso do XIII Congresso Brasileiro de Automtica, Florianpolis
(SC).
8 - Luemberg, David C. (1984), Linear and Non Linear Programming, Addison
Wesley, 2a ed.
9 - D. Dougherty and D.J. Cooper (2003) Tuning Guidelines of A Dynamic Matrix
Controller for Integrating (Non-Self-Regulating) Processes. Ind. Eng. Chem. Res.
42, 1739-1752.
10 - Blevins, T.L; Gregory K. McMillan, W. K. Wojsznis and M.W.Brown. Advanced
Control Unleashed: Plant performance Management for Optimum Benefit. ISA,
2003.
11 - WANG, L. Model Predictive Control System Design and Implementation Using
MATLAB. Melbourne. Australia: Springer-Verlag London Limited, v. 1, 2009.
81/81