Tópicos Especiais em Sistemas Dinâmicos

Controle Ótimo – Parte 2

LQR – Regulador Linear Quadrático

1
 Regulador Ótimo Linear Quadrático – LQR

O LQR é assim chamado por envolver:

– Sistema Dinâmico Linear;
– Lei de Controle Linear;
– Função de Custo na forma Quadrática; e
– um Regulador , isto é, a um sistema com excitação
nula, implicando r(t) = 0.

Consideram-se, ainda, as Matrizes de Ponderação com as

seguintes características:
Q : Simétrica positiva semidefinida; e
R : Simétrica positiva definida.

CH1 Why Microelectronics? 2

 Regulador Ótimo Linear Quadrático – LQR

+
r(t) = 0
-

∞
ẋ = A x + Bu , u = - K x e J = ∫ [ x T Q x + uT R u ] dt
0

CH1 Why Microelectronics? 3

 Regulador Ótimo Linear Quadrático – LQR

Substituindo a Lei de Controle na Função de Custo:

∞
J = ∫ [ x T Q x + ( -Kx ) R ( -Kx )] dt,
T

0
∞
J = ∫ [ xT Q x + xT K T R Kx ] dt,
0
∞
J = ∫ [ x T ( Q + KT R K ) x ] dt
0

Vamos considerar a existência de uma diferencial exata

xT (Q + K T R K ) x = - ∂ ( x T P x )
∂t

onde P é uma matriz Simétrica Positiva Definida

CH1 Why Microelectronics? 4
 Regulador Ótimo Linear Quadrático – LQR

Desenvolvendo a diferencial do lado direito da equação

anterior obtém-se:

xT ( Q + K T R K ) x = − ∂ ( xT P x ) = − ẋT P x −xT P
∂t

Substituindo a equação de estados do sistema em Malha

Fechada, comparando ambos os lados da equação acima
e supondo verdadeira para qualquer que seja x, obtém-se:

T
−( Q + K T R K )= ( A - BK ) P + P ( A - BK )

CH1 Why Microelectronics? 5

 Regulador Ótimo Linear Quadrático – LQR

A Função de Custo pode ser calculada como se segue:

∞ ∞
J = ∫ [ x T ( Q + KT R K ) x ] dt = −∫ ∂ ( xT P x ) dt
0 0 ∂t
T ∞
J=−x ( 0 ) Px ( 0 )|0
J=−x T ( ∞ ) Px (∞ ) + xT ( 0 ) Px ( 0 ) ,
onde x ( ∞ ) = 0 para um sistema estável .

Assim, T
J = x (0) P x (0)

CH1 Why Microelectronics? 6

 Regulador Ótimo Linear Quadrático – LQR

Assim, a Função de Custo J pode ser obtida a partir da

condição inicial x(0) e da matriz P, que é a solução da
equação matricial abaixo:

−( Q + K T R K )= H T P + PH , onde H = A - BK

Portanto, o Problema Linear Quadrático (PLQ) pode ser

resolvido considerando as duas equações abaixo.

T
−( Q + K R K )= ( A - BK ) P + P ( A - BK )
T

PLQ
T
J = x (0) P x (0)
CH1 Why Microelectronics? 7
 Regulador Ótimo Linear Quadrático – LQR

1) Desenvolvimento da 1ª equação do PLQ

T
−( Q + K T R K ) = ( A−BK ) P + P ( A - BK )
= ( A T −K T B T ) P + P ( A - BK )

Q + A T P + PA + K T R K−K T BT P - P BK = 0

α=α ( P ) β=β ( K,P )

Note que α não depende de K

CH1 Why Microelectronics? 8
 Regulador Ótimo Linear Quadrático – LQR

2) Desenvolvimento da 2ª equação do PLQ

Note que a minimização da Função de Custo J em relação a

K, para qualquer condição inicial x(0), requer:

∂J T
= 0, J = x ( 0 ) Px ( 0 )
∂K

∂J ∂P
= ∂ [ x ( 0 ) Px ( 0 )] = x ( 0 )
T T
x (0) = 0
∂K ∂K ∂K

Logo:
∂P
=0 , ∂α
= 0
α não
∂K ∂K
depende de K
CH1 Why Microelectronics? 9
 Regulador Ótimo Linear Quadrático – LQR

Aplicando a derivada parcial em relação a K, em toda a

equação matricial e utilizando as condições anteriores,
obtém-se:

∂ {Q + A T P + PA + KT RK -KT BT P - PBK } = 0
∂K

∂ ( Q + AT P + PA ) + ∂ ( KT RK ) - ∂ ( KT BT P ) - ∂ ( PBK ) = 0
∂K ∂K ∂K ∂K
α

RK +K T R−BT P - PB = 0

CH1 Why Microelectronics? 10

 Regulador Ótimo Linear Quadrático – LQR

Percebe-se que ao igualar as parcelas duas a duas, obtém-se a

solução da equação matricial anterior:

= RK = B T P
K T R + RK = B T P + PB
= K T R = PB

Logo, a Matriz K de Ganho Ótima é K = R−1 BT P

representada pela expressão ao lado:

Assim, a matriz P deve satisfazer a seguinte equação

reduzida, denominada Equação de Riccati Algébrica (ARE).

Q + A T P + PA −PBR−1 BT P = 0
CH1 Why Microelectronics? 11
 Exemplo 1 – LQR

Encontre o Ganho K Ótimo, que minimize J.

PLANTA ∞
J=∫ [ x T Q x + uT R u ] dt
u x2 x1 0
∫. ∫.
1 0
Q = R=1
-K 0 1

Comandos do Matlab:
→ [K,P,E]=lqr(A,B,Q R); → t=0 : 0.01 : 10;
→ C = eye(2); D = 0; → x = step(sys,t);
→ sys = ss((A-BK),B,C,D); → plot (t,x);

CH1 Why Microelectronics? 12

 Exemplo 2 – LQR

Encontre o Ganho K Ótimo, que minimize a Função de Custo

para o sistema dinâmico representado abaixo.
1 0 0 0
ẋ=A x + B u A = 0 1 0 B = 0
−35 −27 −9 1

∞ 1 0 0
J=∫ [ x Q x + u R u ] dt
T T
Q = 0 1 0 R=1
0 0 0 1

Comandos do Matlab:
→ [K,P,E]=lqr(A,B,Q R); → t=0 : 0.01 : 10;
→ C = eye(3); D = 0; → x = step(sys,t);
→ sys = ss((A-BK),B,C,D); → plot (t,x);
CH1 Why Microelectronics? 13
 Exemplo 3 – LQR

Ao supor que a Lei de Controle seja representada por

u = −k 1 x 1 −k 2 x 2 , encontre as constantes k1 e k2, que
minimize a Função de Custo J , para o sistema dinâmico
representado abaixo. Considere apenas o caso em que a
condição inicial seja x ( 0 ) = x 0 = [ c 0 ]T . Utilize c = 2 na
simulação.
∞
ẋ=A x + B u A = 0 1 B = 0 J=∫ xT x dt
0 0 1
0

Comandos do Matlab:
→ [K,P,E]=lqr(A,B,Q R); → T=0 : 0.01 : 10;
→ C = eye(2); D = 0; → x = initial(sys,x0,t);
→ sys = ss((A-BK),B,C,D); → plot (t,x);
CH1 Why Microelectronics? 14
Otimização x Multiplicadores de Lagrange

CH1 Why Microelectronics? 15

Multiplicadores de Lagrange

CH1 Why Microelectronics? 16

Multiplicadores de Lagrange

CH1 Why Microelectronics? 17

Multiplicadores de Lagrange

CH1 Why Microelectronics? 18

Multiplicadores de Lagrange

CH1 Why Microelectronics? 19

 Multiplicadores de Lagrange

Exemplo 1.1

CH1 Why Microelectronics? 20

Multiplicadores de Lagrange

CH1 Why Microelectronics? 21

Otimização x Controle Ótimo

CH1 Why Microelectronics? 22

Função Hamiltoniana x Multiplicadores de Lagrange

Laum

Laum

CH1 Why Microelectronics? 23

CH1 Why Microelectronics? 24
Equações de Euler-Lagrange

( )
d ∂L
dt ∂ ẏ
=
∂L
∂y

above equation

CH1 Why Microelectronics? 25

 Eq. E-L

CH1 Why Microelectronics? 26

 Eq. E-L

CH1 Why Microelectronics? 27

 Eq. E-L

CH1 Why Microelectronics? 28

Função Hamiltoniana x Equações de Euler Lagrange

CH1 Why Microelectronics? 29

 Diferencial de uma Função

Incremento Δ f , Diferencial df e Derivada ḟ da função f ( t )

CH1 Why Microelectronics? 30
 Variação de um Funcional

Incremento ΔJ e Primeira Variação δJ de um Funcional J31

CH1 Why Microelectronics?
 Diferentes Tipos de Sistemas

a) tempo final fixo e estado final fixo, b) tempo final livre e estado
final fixo, c) tempo final fixo e estado final livre, d) tempo final livre e
estado final livre CH1 Why Microelectronics? 32
 Sistema Dinâmico com
Estado Final (xf) Fixo e Tempo Final (tf) Fixo

x ( t 0 ) =xCH1
0 ,x ( tMicroelectronics?
Why f ) =x f ,δ x 0 =δ x f =δt f =0 33
 Sistema Dinâmico com
Tempo Final (tf) Livre e Estado Final (xf) Livre e Independente

δx
CH10 =0 , δx f ≠0 e δt f ≠0
Why Microelectronics? 34
 Sistema Dinâmico com
Tempo Final (tf) Livre e Estado Final (xf) Livre e Dependente

δx 0 =0 , δx f = θ̇ ( t f ) δt f e θ ( t f ) =x ( t f ) θ
CH1 Why Microelectronics? 35
Condições de Contorno
Tipos de Sistemas

CH1 Why Microelectronics? 36

Equação Geral de Contorno
em Função do Hamiltoniano

CH1 Why Microelectronics? 37

 Resumo

• este formulário contém um conjunto completo de equações, ou seja, há

tantas equações quanto incógnitas.
• seguem os passos para obter a solução:

CH1 Why Microelectronics? 38

Problema Linear Quadrático (PLQ)

CH1 Why Microelectronics? 39

 Hamiltoniana x Euler-Lagrange x LQR

Função hamiltoniana:

→ equação de estado

→ equação de co-estado

→ princípio do mínimo
CH1 Why Microelectronics? 40
 Riccati x PLQ

CH1 Why Microelectronics? 41

Problema Linear Quadrático (PLQ)

CH1 Why Microelectronics? 42

Problema Linear Quadrático (PLQ)

CH1 Why Microelectronics? 43

Problema Linear Quadrático (PLQ)

CH1 Why Microelectronics? 44

Problema Linear Quadrático (PLQ)

CH1 Why Microelectronics? 45

Problema Linear Quadrático (PLQ)

CH1 Why Microelectronics? 46

Resolução de Problemas

CH1 Why Microelectronics? 47

Resolução de Problemas

CH1 Why Microelectronics? 48

Resolução de Problemas

CH1 Why Microelectronics? 49

Resolução de Problemas

CH1 Why Microelectronics? 50

Resolução de Problemas

CH1 Why Microelectronics? 51

Resolução de Problemas

CH1 Why Microelectronics? 52