CONTROL PID AUTOSINTONIZADO USANDO IDENTIFICACION EN LINEA Y MODELO DE REFERENCIA RESUMEN Este articulo presenta una metodologia para diseRar un controlador PID de posicién auto-sintanizado, basado en la identificacign del sistema y en on ‘nodelo de referencia, La téenica de identficacién permite oblener una estimacién en tiempo real de Ia dindmica del sistema; esta técnica esta fundamemada en minimizar la diferencia entre la respuesta actual del motor {la que predice el modelo de idemificacin. Los parimetros del controlador ‘Kp, Ki y Kd) son auto-sintonizados en tiempo real basados en ef modelo identificada y en pardmetras de referencia tales como: frecuencia natural to, feetor de amortiguamiento&, yun factor deescala el anilissy los resultados experimentales demuestran la efectividad del esquema propuesto, PALABRAS CLAVES: control _proporcional-integral-derivativo, autosintonizacién, identificacién en linea, modelo de referencia, ABSTRACT ‘This paper presents a methodology to design a self-tuning PID position conivoller based on the system identification and o reference model The ‘dentifeation approach allows to obiain a real-time estimation of system dynamics; which is haved on minimizing the difference between motor Jictual response and the one predicted by the idenifcation model Controller parameters (Kp.Ki.Kd) are self tuned based on the ideniified ‘model and reference parameters such as: natural frecuency ©, damping ravi, , anda scale factor Ot. The analysis and experimental results show the effectiveness ofthe proposed scheme KEYWORDS: proportional .integraldevivative control, selfaning. online identification, reference model. DIDIER GIRALDO BUITRAGO MEE Stevens Tech.,.USA Profesor Titular Facultad de Ingenicria Eléctrica Universidad Tecnoligica de Pereira E-mail: dgiraldo@iutp edu.co DIEGO A. MEJIA GIRALDO * E-mail: diegomej(@hotmail,com ALEXANDER MOLINA CABRERA * E-mail: almo@utp.edu.co * Estudiantes X semestre Facultad de Ingenieria Eiéctrica Universidad Tecnolégica de Pereira 1.INTRODUCCION Et controlador PID es simple y Facil de implementar en un computador digital, Sin embargo, si los sistemas fisicos a ‘controlar son no lineales y ademas requieren un alto desempefi, los controladores convencionales PID pueden ‘ser disefiados con base a una linealizacién alrededor de un ‘punto de operacién generando un sistema de control con -enpacidad de seguimiento de una trayectoriade referencia y ‘de rechazo de petturbaciones; claro cst que estos “controladores son altaimente efectivos si'as condiciones de ‘operacién y los cambios paramétricas no Nevan el sistema demasiado lejos del punto de operacion (3.4.5), En ciertas aplicaciones, Ios parimetros del sistema son “variantes en el tiempo, Cuando esto ocurre, la respuesta del sistema usando un controtador PID convencional es ficilmente afectada, Por esta razon, para asegurar ima respuesta independiente de la variacién de los pardmetros, se requiere el desarrollo den contcol adaptivo [1] ‘Para el esquema propuesto en esc articulo, cl control daptivo es Ja auto-sintonizacién de los parémetros de Foca de Rib: 21 de arid 2003 “Facade Aeeptcibn: 16 de mayo de 2008, control [2]. Para sintonizar el PID en tiempo real se requiere identificar los pardmetros de la planta también en ticmpo real, para lo cual se utilizan dos algoritmos (proyeccién ortogonalizada_y minimos cuadrados) de aprendizaje o identificacién. El objetivo planteado con este esquema es llevar fa posicién angular det motor a una posicién deseada, Los resultados experimentales demuesiran que el sistema de control propuesto puede predecir correctamente la dinémica del sistema y controlar la posicién angular det motor 2. EL MODELO DE LA PLANTA, El modelo matematico normalizado del motor DC se representara por su funcién de transferencia: Y(s)_ KK Us) sis") °SCIENTIA ET TECHNICA No. 21 inestable debido ala presencia de un polo en el origen ¢ s=0). Diseretizando in ecuacién (1) wsando un ZOH [4,5] {(etenedor de orden cero) con un periodo de muestreo ‘nen segundos) se obtiene Ia funcién de transferencia disereta del motor DC Ye) __ be bby UG) laze +a,27 donde cy» a, « by y b, representa los parmetros que los algorimos de Wenticaci6n debes proparcionar eo linea Teéricamente dichospardmetrsse ueden calcularperon0 setin usados en el presente trabajo ay a,=-(I+e") 6, =K(l —he*) o b= K(h+e" 1) 3. ALGORITMOS DE APRENDIZAJE La caracteristica entrada-salida de una amplia gama de sistemas deterministicos dindmicos lineales y no lineales puede ser descrita por un modelo que puede ser expresado en una forma simple [1.6] v(k) = O(k-078, 4) donde: ‘p(&) denota la salida del sistema en el tiempo k O(K—1)" representa un vector de vatores pasados de entradas y salidas 8, es un vector de pardmetros (descouocido) Si se antitransforma (2) se flega a las siguientes «xpresiones \ a wot) =rh-2) ken a2” fos) GNF eb 0k =2) =D e216) JULIO/ 2003 / 28 6) = [4 a, & bl o Un algoritmo genérico para identificacidn en lines es el siguiente: 6k) = 6) + aPb-266-D| y)-6K-D | ® © + 61)” P20) P(k 1) = P(k 2). Pk 2)0(k — Ck — 1)" PU 6+ OUI) PUR 2)0( 1) 2) De (8) y (9) se pueden obtener los siguientes algoritmos particularizados 3.1 Algoritmo de los minimos cuadrados Se obtiene con a = «= Len (8) y (). Ademés 640) 8 dado P(=I) es cualquier matriz definida positive ®, Este algoritmo resulta de minimizar la siguiente funcidn objetivo cuadrtica [1] LS (oth) otk 1700" + - 0) 7 (0 -810)7" R48 -6(0) Bésicamente la funcibo en (10) representa la suma de los cuadrados de los errotes (el cual es la diferencia entre la salida actual det sistema y el valor estimado por el modelo). El segundo término del lado derecho de (10) se ha ineluido para acumular el efecto, en la estimacién, debido a las: condiciones iniciales. (2, puede ser visto como una medida de confianza en 8(0) ). Algunas de las propiedades bisicas de convergencia que este alyoritmo presenta son:SCIENTIA ET TECHNICA No. 21 JULIO / 2003/29 Pertucbacién Yk By e 0 PAE 6d naositoedo au Four] wentscadcr FIOURA Sislema de conlot tin 60-80 <= an fim|6() 60-4) =0 para k finite (12) Fstealgoritmo trabaja bien inicializandoa P(k) con una matriz. proporcional a la identidad: Pini) =e *1 con€ > 0. Debidoa que los elementos dela mati P(K) dienden a cero, los cambios subsiguientes en Jos pardmetrosno pueden ser detectados, y por tanto esta smattiz debe eeiniciarse periddicamente. 3.2 Algoritmo de proyeccién ortogonalizada Eneste caso . y ¢=Oen (8) y (9 Ademas 6(0)es dado Pls Goma enel caso anterior la matriz P{lky debe reiniciarse petiddicamente, En cada iteracidn se chequea el valor de O(k — 1)’ PER 2)9(k -1) para saber cuando vate 0 y asi cambiarlo momenténeamente por ana constante positiva cercana a cero, Este algaritmo se puede obtener partir dd (8) y(9) con € may grande. 4, ESTRUCTURA DEL SISTEMA DE CONTROL, La Fig. | es un diagrama de bloques que muestra ta estructura completa de sistema en Lazo cerrado. La planta fst constituida por un modelo simulado del motor DC en bn computador andlogo MARCA COMDYNA GP-6, La salida_y(k) es muestreada con una tarjeta LabPC {200/AL [8) por generar sl ettor de identficaciny el err de onto. El identficadorprocesa la seal de contol y su frtor para calcular lu sida estimada ye} vector paramétrico (4) que junto con los parametros de Teferencia P, se entegan al bloque contolador para ajustar sus pardrmetros. Es preciso mencionar que este tipo Ge control (PID) hace que el sistema total se comporte como uno de cuarto orden, aunque la planta sea de segundo; esto se nota analizando se funcién de tcansferencia [4] (33) donde: ~2Ky y 4.1 Auto-Sintonizacion det controlador PID La auto-sintonizacién consiste en ajustar los valores de Kp, Kiy Kd de manera que los valores propios del sistema en azo cerrado tengan una ubicacién geométrica predeterminada basada en el comportamiento aproxitnado de un modelo de referencia de segundo orden, De la Fig, 1, a funcién de transferencia entre la salida y la referencia es Ye) _ aCe) R(z) D,(z) aaySCIENTIA ET TECHNICA No. 21 JULIO 12003 / 30 Aprendizaje f referencia 4 salida \ x FIGURA 2. Aprendizaje y respuesta de la salida sera varios comandos de referencia (Escala de tiempo = Ssidiv) oP [sari Salida Reterencis eo perturoacin he FIGURA 3. Respuesta de ts salida para cambios pararéticns (CP) ypara perturbacién constante. donde Ne Q)=mbe? + 0b Hm8)2 niet nh (mBq + MQ = + Moby (1s) De) (0,2, 4 yb #22 ay, + mag Mb IE Maly tha, +76, De? + Para ubicacion de polos, D, (z) debe ser comparado con la cecuacion caracteistica €(2) que puede ser esert AME Py Het PD DPN uacidncaracteritica tiene dos polos dominantes ( P) ¥ P. Vydos polos reales (Py y P ). Losdominantes son obtenides con referencia en un modelo de segundo orden on factor de amortiguamiento % y frecuencia matural (@ segin (17) y (18). Pses ubicado sobre el eje real de Syel valor de Pes producto del algoritm. py pl = de" costeohyfi~f*) 7) co PP 8) Finalmente, fa sintonizacién de los pardmetros del PID puede ser determinada ash K(k) = F, 6), P,P; Bs) (9) Con j= privd sdonde los parémetras estimados y tos polos’ determinan los valores de K, a través de una fancién no lineal F,() Deesta forma queda culminad el algoritmo de control 4.2 Propiedades del esquema de control Haciendo uso det teorema del valor final [4,5,9) para sistemas diseretos se puede comprobar que cl error de contral (e(k) = r(k)= yk) de estado estacionario e,, =lim(1=2"*)E(z)=0, donde E(z)es ta transfofaiads Z del error e(k), siempre y cuando el comando de referencia entregado a la entrada es de tipo escaldn, De igual forma se pce chequear que la respuesta VA) del sistema on estado estacionario debida a uneJENTIA ET TECHNICA No. 21 JULIO / 2003 / 31 baci constante no ep aectaa por la pertubscién, dec), simil—= WV) =0. “Una de las caracteristicas mas importantes de le auto- sintonizacin, es a capecidad de mantener el lugar unico de las raices constante ante variaciones ‘paramétricas de Ia planta, haciendo que la respuesta del ‘sistema sea inmune ante este tipo de variaciones 0 incertidimbres (2) §, RESULTADOS EXPERIMENTALES. ‘Como se indica en la Fig, el controlador PID y los Algoritmos de estimacién son implementaclos en un ccompurador digital [7]. El controlador fue disefado con frecuencia natural @ =1.98rad /s, sn factor de amortiguamiento ¢ = 0.707 ; ademas el valor towado para el tercer polo fue p, = e%** = 0.8454 (plano 2) ‘nun valor de a = 1.5; el euarto polo determinado por cl algoritmo resulto ser p, = 0.1636 (plano z) paca condiciones nominales dela planta. El valor para el periodo {e nestreo fue tomado como ft = BO ms Algunos resultados obtenidos en la préctica son mostrados ‘en la Fig. 2 donde presenta el seghimiento de la sea de salida sobre un comando de referencia dade-ala entrada, Se puede notar que el transitorio tiene similitud con un sistema {de segundo orden, con un sobrepaso igual 10% y un tiempo derespuesta de 3.88. Se comprucba también queel error de estado estacionario es igual a cero debido al integrador que hace parte del controtador. fin Ja Fig. 3 se grafica la sefal de salida para cambios significaivos en los parimetros(K = K,, — 8K, )dela plata y para perturbaciones de tipo constante, Ademis, €l efecio que produce la perturbacin sobre la saida es eliminado en el estado estacionario segin lo mostrado tebricamente 6. CONCLUSIONES El analisis w6rico y 10s resultados experimentales han demostcado la efectividad del esquema propuesto. El controlador propuesto posee una buena capacidad de adaptaciGn ante caribios paramétricos, generando una respuesta independiente de tales cambios gracias {a 2uto- sintonizacién en linea. Todos los beneficios mencionados son posibles de logear ya que las técnicas de identificacion aplicadas convergen raipidamente (alrededor de 50 ruestreos 0 iteraciones ) haciendo que sean de mucha utiidad en la ejecueién de algoritmos de control en tiempo real; ademés proporcionan un modelo dinamico acertado de la planta, sin si el sistema fisico que se pretende controlar es variante on el tiempo. 7. BIBLIOGRAFIA [11 G. C. Goodwin y K. $. Sin, “Adaptive Filtering ‘diction and control”, Prentice-Hall, Englewood Cis, 1984. [2]. Tsong-Terng Sheu y Tien-Chi Chen, “Self-tuning, Control of Induction Motor Drive Using Neural Network Identifier”, IEEE Transactions on Energy Conversion, Vol 14, N0.4, pp 881-886, 1999 [3], Giraldo Didier ¢ Ivén Tabares, "Teoria de control”, Taller Editorial de la Universidad Tecnologica de Pereira, 1999 [4]. Astrom Karl J. y Bjom Wittenmark, “Computer Controlled Systems”, Prentice Hall, NJ, 3a. Edicién, 1997, [5]. Ogota, K. "Sistemas de control en tiempo discreto”, Prentice-Hall Hispanoamericana, México, 1996. [6]. Giraldo Didier ¢ lvin Tabares.," Algunos algoritmos de identificacién en linea de sistemas", SCIENTIA ET TECHNICA, Universidad Teonologica de Pereira, Ato 1 No. 1, Marzo 1995 (7), Borland Imemnational, “C++Builder User's Guidk 1997 [8]. National instruments Corporation, “DAQ, Lab-PC- 1200141 User Manual, Multifunctional /O Board, Austin, 1996. (9]. Franklin Gene F. y J. David Powell, “Digital Control of Dynamic Systems", Addison-Wesley Publishing Company, 2a, Edicién, 1981