Escolar Documentos
Profissional Documentos
Cultura Documentos
1.0 6.0
a= 4.0 3.0
2.0 0.5 3.0
7.0 1.0 𝑏=
2.0 5.0 7.0 1.0 0.0
a) 𝑎𝑇
b) n ∗ 𝑎𝑇 + 𝑎 ∗ 𝑎𝑇
Exemplo 4:
As matrizes A e B descrevem parte do comportamento de um sistema eletromecânico. Verifique se este sistema é
controlável (usando VHDL).
Observação: o teste de controlabilidade de um sistema é dado por: det[ 𝐵 𝐴𝐵 𝐴2 𝐵 … 𝐴𝑛−1 𝐵 ]. Sendo n a dimensão da
matriz A. Se o determinante da matriz de controlabildade 𝐵 𝐴𝐵 𝐴2 𝐵 … 𝐴𝑛−1 𝐵 for diferente de zero, então o sistema é
controlável. Se o sistema for controlável uma saída S deve ser igual 1, caso contrário S = 0.
1.0 0.5 1.0
𝐴= 𝐵=
0.2 0.0 0.0
27/02/2020 FAENG - ENG Soluções Tecnológicas 10
Exemplo 5:
Dada a matriz A, encontre a inversa desta matriz caso o determinante seja diferente de zero. O hardware
deverá enviar a mensagem “Gera” caso exista a inversa de A, caso contrário deve ser enviada a mensagem
“Erro”. Em ambos os casos o hardware deverá informar o valor do determinante.
Exemplo 6:
Idem ao exercício 5.
1.0 −0.5
𝐴=
2.5 3.0
27/02/2020 FAENG - ENG Soluções Tecnológicas 11
Exemplo 7:
Um sistema de controle para satélite é apresentado na equação de estado abaixo. Supondo as
condições iniciais 𝑥1 (0) = 0 e 𝑥2 0 = 1, sendo 𝑥1 relacionado ao deslocamento e 𝑥2 relaciona a
velocidade. Projete um hardware em VHDL que calcule os vetores de estados (deslocamento e
velocidade) e o ganho 𝑢 𝑘 correspondente.
Polinômio característico
𝛼𝑐 ∅ = ∅2 + 𝛼1 ∅ + 𝛼2 𝐼 1.0 𝑇
Sendo: ∅= 𝛼1 = −1.6 𝛼2 = 0.7
0.0 0.1
A matriz de controlabilidade
𝑇2
𝐶 −1 = 𝛿 ∅𝛿 −1
Sendo: 𝛿= 2
𝑇
Ganho do Controlador
𝐾 = 0 1 𝐶 −1 𝛼𝑐 ∅
Um Modelo de Controlador Preditivo (Model Predicitive Control) – MPC baseado nas matrizes de estado da
planta e no set-point. Além destas informações no projeto de controlado Preditivo são necessário definir dois
parâmetros: Control Horizon Nc e Predicitive Horizon (Np).
Nc é o horizonte de controle. É usado para informar o número de parâmetros para determinar a futura trajetória
do sinal de controle.
-+
PREDITAS
MODELO
FUNÇÃO RESTRIÇÕES
CUSTO
Movinghorizonwindow
Janela de horizonte movente: define o tempo que a janela de predição terá: 𝑡𝑖 + 𝑇𝑝 sendo
𝑡𝑖 𝑜 𝑖𝑛𝑖𝑐𝑖𝑜 𝑑𝑎 𝑝𝑟𝑒𝑑𝑖çã𝑜 𝑒 𝑇𝑝 𝑜 𝑡𝑒𝑚𝑝𝑜 𝑝𝑙𝑎𝑛𝑒𝑗𝑎𝑑𝑜 𝑑𝑒 𝑝𝑟𝑒𝑑𝑖çã𝑜.
Prediction Horizon – Horizonte de Predição : dita quanto deseja que o futuro seja previsto.
Função Custo ou função objetivo – Trata-se de uma função erro com base na diferença entre as respostas
desejadas e reais. Esta função é calculada dentro da janela de predição através de algoritmos de otimização.
O vetor variável de estado é obtido através de medição 𝑥 𝑘𝑖 . Este vetor de estado 𝑥 𝑘𝑖 fornece informações
atuais da planta.
A predição do estado e da saída são baseadas em dois parâmetros para projetar o Controlador Preditivo.
Nc = é denominado de horizonte de controle, ou seja, o número de parâmetros necessário para alcançar a trajetória
de controle futura.
Dada a informação do vetor de estado 𝑥 𝑘𝑖 , o futuro vetor de estado poderá ser predito com Np número de amostra.
Sendo Np denominado de horizonte de predição. Np define o tamanho da janela de otimização da junção custo.
𝑥 𝑘 + 1 = 𝐴𝑥 𝑘 + 𝐵∆𝑢 𝑘
(1)
𝑦 𝑘 = 𝐶𝑥 𝑘
𝑇 𝐵𝑚
𝐴𝑚 𝑜𝑚
𝐴= 𝐵= 𝐶 = 𝑜𝑚 1
𝐶𝑚 𝐴𝑚 1 𝐶𝑚 𝐵𝑚
𝑛1
Sendo
𝑜𝑚 = 0 0…0 𝑛1 𝑎 𝑑𝑖𝑚𝑒𝑛𝑠ã𝑜 𝑑𝑜 𝑣𝑒𝑡𝑜𝑟 𝑒𝑠𝑝𝑎ç𝑜 𝑑𝑒 𝑒𝑠𝑡𝑎𝑑𝑜 𝑥𝑚
27/02/2020 FAENG - ENG Soluções Tecnológicas 19
A trajetória futura é definida por:
∆𝑢(𝑘𝑖 ), ∆𝑢 𝑘𝑖 + 1 , … , ∆𝑢(𝑘𝑖 + 𝑁𝑐 − 1)
𝑥 𝑘𝑖 + 1 , 𝑥 𝑘𝑖 + 2 , … , 𝑥 𝑘𝑖 + 𝑚 , … , 𝑥 𝑘𝑖 + 𝑁𝑝
𝑦 𝑘𝑖 + 1 = 𝐶𝐴𝑥 𝑘𝑖 + 𝐶𝐵∆𝑢(𝑘𝑖 )
𝑇
∆𝑈 = ∆𝑢 𝑘𝑖 ∆𝑢 𝑘𝑖 + 1 ∆𝑢 𝑘𝑖 + 2 … ∆𝑢 𝑘𝑖 + 𝑁𝑐 − 1
𝑇
𝑌 = 𝑦 𝑘𝑖 + 1 𝑦 𝑘𝑖 + 2 𝑦 𝑘𝑖 + 3 … 𝑦(𝑘𝑖 + 𝑁𝑝 )
𝑌 = 𝐹𝑥 𝑘𝑖 + ∅∆𝑈 A dimensão de Y é Nc e a
dimensão de U é Np
Com base nas matrizes aumentadas são definidas as matrizes F e na qual as dimensões dependem diretamente
da escolha do Control Horizon (Nc) e Prediction Horizon (Np).
𝐶𝐴 𝐶𝐵 0 0 … 0
𝐶𝐴2 𝐶𝐴𝐵 𝐶𝐵 0 … 0
𝐹 = 𝐶𝐴3 ∅= 𝐶𝐴2 𝐶𝐴𝐵 𝐶𝐵 0
⋮ ⋮ ⋮ ⋮ ⋮
𝑁𝑝 −2
𝐶𝐴𝑁𝑝 𝐶𝐴𝑁𝑝 −1 𝐵 𝐶𝐴 𝐵 𝐶𝐴𝑁𝑝 −3 𝐵 𝐶𝐴𝑁𝑝 −𝑁𝑐 𝐵
𝑅𝑠𝑇 = 1 1 … 1 𝑟 𝑘𝑖
Sendo:
𝑅ത = 𝑟𝑤 𝐼𝑁𝑐 𝑥 𝑁𝑐
Sendo
𝑟𝑤 ≥ 0, 𝑝𝑒𝑠𝑜 𝑝𝑎𝑟𝑎 𝑠𝑖𝑛𝑡𝑜𝑛𝑖𝑎 𝑑𝑜 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑑𝑜𝑟 𝑝𝑟𝑒𝑑𝑖𝑡𝑖𝑣𝑜.
𝐼𝑁𝑐𝑥𝑁𝑐 , 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑑𝑖𝑚𝑒𝑛𝑠ã𝑜 𝑁𝑐
27/02/2020 FAENG - ENG Soluções Tecnológicas 23
Derivada da função custo
𝜕𝐽 𝜕𝐽
= −2∅𝑇 𝑅𝑠 − 𝐹𝑥 𝑘𝑖 ത
+ 2(∅𝑇 ∅ + 𝑅)∆𝑈 =0
𝜕∆𝑈 𝜕∆𝑈
∆𝑈 = ∅𝑇 ∅ + 𝑅ത −1 ∅𝑇
𝑅𝑠 − 𝐹𝑥 𝑘𝑖
∅𝑇 ∅ + 𝑅ത −1
= 𝐾𝑦 𝑟 𝑘𝑖 − 𝐾𝑚𝑝𝑐 𝑥(𝑘𝑖 )
Ky é o primeiro elemento de ∅𝑇 ∅ + 𝑅ത −1 𝑇
∅ 𝑅𝑠
𝑁𝑐
𝐾𝑀𝑃𝐶 = 1 0 0 0 ∅𝑇 ∅ + 𝑅ത −1
(∅𝑇 𝐹) 𝐾𝑚𝑝𝑐 = 𝐾𝑥 𝐾𝑦
Ou seja:
• a parcela ∅𝑇 ∅ + 𝑅ത −1 ∅𝑇 𝑅 𝑟
𝑠 𝑘𝑖 está relacionada com a busca pelo setpoint.
• A parcela ∅𝑇 ∅ + 𝑅ത −1 ∅𝑇 𝐹𝑥 𝑘𝑖 está relacionada com a realimentação.
27/02/2020 FAENG - ENG Soluções Tecnológicas 25
Diagrama de bloco do Controlador Preditivo Diagrama de bloco do Controlador PID
𝑦 𝑘 = 1 0 𝑥𝑚 (𝑘)
𝑥𝑚 𝑘 + 1 = 𝑎𝑥𝑚 𝑘 + 𝑏𝑢 𝑘 Considere:
Np = 4 e Nc = 2
𝑦 𝑘 = 𝑥𝑚 (𝑘)
Set-point = 1
a) Encontre as matrizes aumentadas do modelo no espaço de estado;
b) Determine as matrizes F e ;
c) Calcule os parâmetros que formam a predição das futuras saídas: ∅𝑇 ∅, ∅𝑇 𝐹 𝑒 ∅𝑇 𝑅ത𝑠 ;
27/02/2020 FAENG - ENG Soluções Tecnológicas 27
Exemplo 3:
Supondo que uma planta é descrita pela equação de estado:
𝑥𝑚 𝑘 + 1 = 𝑎𝑥𝑚 𝑘 + 𝑏𝑢 𝑘
Sendo a = 0.8 e b = 0.1
𝑦 𝑘 = 𝑥𝑚 (𝑘)
Considere:
Np = 3 e Nc = 2
Setpoint𝑟 𝑘𝑖 = 1
𝑇
𝑥 10 = 0.1 0.2
a) Encontre as matrizes aumentadas do modelo no espaço de estado;
b) Determine as matrizes F e ;
c) Calcule os parâmetros que formam a predição das futuras saídas: ∅𝑇 ∅, ∅𝑇 𝐹 𝑒 ∅𝑇 𝑅ത𝑠 ;
d) Encontre a solução ótima ∆U(10) para 𝑟𝑤 = 0 𝑒 𝑟𝑤 = 10.
∆𝑈 = ∅𝑇 ∅ + 𝑅ത −1 ∅𝑇
𝑅𝑠 − 𝐹𝑥 𝑘𝑖
𝑥𝑚 𝑘 + 1 = 𝑎𝑥𝑚 𝑘 + 𝑏𝑢 𝑘
Sendo a = 0.8 e b = 0.1
𝑦 𝑘 = 𝑥𝑚 (𝑘)
Considere:
Np = 10 e Nc = 4
a) Encontre as matrizes aumentadas do modelo no espaço de estado;
Setpoint𝑟 𝑘𝑖 = 1
b) Determine as matrizes F e ; 𝑇
𝑥 10 = 0.1 0.2
c) Calcule os parâmetros que formam a predição das futuras saídas: ∅𝑇 ∅, ∅𝑇 𝐹 𝑒 ∅𝑇 𝑅ത𝑠 ;
d) Encontre a solução ótima ∆U(10) para 𝑟𝑤 = 0 𝑒 𝑟𝑤 = 10. ∆𝑈 = ∅𝑇 ∅ + 𝑅ത −1 ∅𝑇 𝑅𝑠 − 𝐹𝑥 𝑘𝑖
e) Obtenha os valores dos ganhos do controlador (𝐾𝑚𝑝𝑐 , 𝐾𝑦 𝑒 𝐾𝑥 ).
Planta
Configuração inicial do
bloco MPC
𝑦ො 𝑘 = 𝐶𝑚 𝑥ො𝑚 𝑘 )
MATLAB
VHDL
Turbina e gerador