Professional Documents
Culture Documents
ndice
Parte I
1. Introduccin.................................................................................................................. 3
1.1. Teora de control avanzado versus teora de control convencional....................... 4
1.2. Conceptos fundamentales ...................................................................................... 5
2. Representacin de sistemas en espacio de estado ........................................................ 9
2.1. Representacin en espacio de estado de sistemas lineales en tiempo continuo. ... 9
2.1.1. Representacin en espacio de estado de sistemas de ecuaciones diferenciales
lineales de orden n. ................................................................................................... 9
2.1.2. No unicidad del conjunto de variables de estado ......................................... 11
2.1.3. Solucin de la ecuacin de estado lineal invariante en el tiempo ................ 12
2.2. Representacin en espacio de estado de sistemas lineales en tiempo discreto.... 14
2.2.1. Formas cannicas para ecuaciones en el espacio de estado en tiempo
discreto. .................................................................................................................. 14
2.2.2. Controlabilidad y alcanzabilidad de sistemas lineales en tiempo discreto... 16
2.2.3. Observabilidad de sistemas lineales en tiempo discreto............................... 20
2.2.4. Observadores de estado ................................................................................ 23
2.2.5. No unicidad de la representacin en el espacio de estado............................ 27
2.2.6. Solucin de la ecuacin de espacio de estado en tiempo discreto e invariante
en el tiempo ............................................................................................................ 28
2.2.7. Discretizacin de una ecuacin de estado en tiempo continuo .................... 29
2.3. Representacin en espacio de estado de sistemas no lineales ............................. 30
2.3.1. Linealizacin de modelos no lineales........................................................... 31
2.4. Estados de equilibrio. Diagramas en el plano de fase ......................................... 31
2.5. Rutinas de Matlab relacionadas al captulo ......................................................... 36
2.6. Referencias bibliogrficas ................................................................................... 37
3. Concepto de estabilidad de Liapunov......................................................................... 39
3.1 Concepto de Estabilidad e Inestabilidad............................................................... 40
3.2. Teorema de estabilidad de Liapunov................................................................... 44
3.2.1. Anlisis de estabilidad de Liapunov para sistemas LTI autnomos en tiempo
continuo .................................................................................................................. 47
3.2.2. Anlisis de estabilidad de Liapunov para sistemas LTI autnomos en tiempo
discreto ................................................................................................................... 48
3.3. Rutinas de Matlab relacionadas al captulo ......................................................... 50
3.4. Referencias bibliogrficas ................................................................................... 51
4. Introduccin a la teora de optimizacin de funciones. Introduccin al control ptimo
(LQR) ............................................................................................................................. 53
4.1. Definiciones preliminares (Convexidad de conjuntos y funciones).................... 53
Alejandro H. Gonzlez
Electrnica Industrial
Alejandro H. Gonzlez
Electrnica Industrial
Electrnica Industrial
Parte I
cional
1. Introduccin
En esta seccin se expondrn las diferencias entre el control clsico, basado en el uso
de funciones de transferencias, y el control avanzado, basado en el uso de espacio de
En apenas cincuenta aos el control automtico ha irrumpido como una disciplina pujante y de gran inters no slo cientfico y tecnolgico, sino tambin econmico. Los
sistemas de control automtico, que tienen sus orgenes en la ms remota antigedad,
han sustentado su desarrollo en las matemticas aplicadas y se estn convirtiendo, de
manera cada vez ms acentuada, en componentes esenciales y crticos de cualquier sistema dinmico, incluso en campos diferentes de los tradicionales en ingeniera.
estado. Una diferencia entre la teora de control moderna (o control avanzado) y la teora de control convencional es que la primera es aplicable a sistemas de mltiples entradas y mltiples salidas (MIMO), que pueden a su vez ser lineales o no-lineales, variantes o invariantes en el tiempo, mientras que la ltima es aplicable slo a sistemas lineales, invariantes en el tiempo, y con una sola entrada y una sola salida (SISO). Adems,
la teora de control avanzado es esencialmente un abordaje en el dominio temporal,
mientras que la teora convencional lo es en el poco intuitivo dominio de las frecuen-
Dentro del control automtico, se puede hablar de control clsico y control moderno o
avanzado. La teora de control clsico basa sus desarrollos en modelos de en el dominio
frecuancial, mientras que la teora de control avanzado lo hace en representaciones de
espacio de estado (dominio temporal), que son modelos matemticos de sistemas fsicos
cias.
Para contrastar de un modo claro los campos de accin de cada uno de estos abordajes, considrese la Tabla 1.1:
que relaciona conjuntos de variables de entrada, salida y estados del sistema por medio
de ecuaciones diferenciales de primer orden. Para dar cuenta de sistemas con mltiples
cional
zado
entradas y salidas, las variables se expresan en forma vectorial, de modo que las ecuaciones diferenciales toman una forma matricial-vectorial.
Dentro de las representaciones en espacio de estado, existen dos clasificaciones im-
Lineales, invariantes en el
rados
tiempo y SISO
Dominio de trabajo
Dominio temporal
portantes, de acuerdo con los tipos de sistemas que se quieren modelar, y de acuerdo a
la naturaleza de la variable tiempo1. Por un lado se tienen sistemas lineales y no linea-
Lineales o No-lineales,
variantes o invariantes en
el tiempo, MIMO
les; por otro, sistemas en tiempo continuo o en tiempo discreto. Dada su importancia
terica y conceptual, la primera parte de este curso estar destinada a presentar y anali-
de entradas arbitrarias en
tinuo como de tiempo discreto. No obstante, el inters principal estar puesto siempre
en los sistemas lineales de tiempo discreto (a la cual estar dedicada la segunda parte
les, etc.
ficas
condiciones iniciales
Basados en mtodos de
zar conceptos relacionados con sistemas tanto lineales como no lineales, de tiempo con-
Entradas
del curso con exclusividad), dado que es ste el enfoque de ms utilidad para el control
industrial.
Condiciones iniciales
Diseo de sistemas de
Tambin se podra incluir aqu la clasificacin de acuerdo a la variabilidad de los parmetros del modelo
respecto del tiempo. As, se tienen sistemas variantes e invariantes en el tiempo.
Alejandro H. Gonzlez
Alejandro H. Gonzlez
Electrnica Industrial
control
libre albedro no exista, ya que todo estaba determinado. Se podra decir, sin temor a
respecto de determinados
exagerar, que las ideas que subyacen a la teora de espacio de estado son la materializa-
trol ptimo
ndices de desempeo
cin de las ideas de Laplace, aplicadas no ya al vasto y esquivo universo, sino a modes-
n-ecuaciones diferenciales
Morfologa
Electrnica Industrial
cial)
sistema
sistema
avanzado.
Variable
( x1 ( t ) , x2 ( t ) ,
de
Estado.
Es
el
conjunto
ms
pequeo
de
variables
instante dado, entonces se podra predecir su pasado y futuro para el resto de los siglos.
ben completamente el comportamiento dinmico del sistema, entonces dichas n variables de estado son las n componentes del vector de estado x ( t ) .
sabra todas las fuerzas que animan la naturaleza y las posiciones de los seres que la
componen, si este intelecto fuera lo suficientemente vasto para someter los datos al
anlisis, podra condensar en una simple frmula de movimiento de los grandes cuer-
pos del universo y del tomo ms ligero; para tal intelecto nada podra ser incierto y
Existen, claro est, dificultades obvias para satisfacer la propuesta de Laplace, pero
los n ejes que forman las n variables de estado necesarias para describir completamente
Alejandro H. Gonzlez
Alejandro H. Gonzlez
Electrnica Industrial
Alejandro H. Gonzlez
Electrnica Industrial
Electrnica Industrial
x1 = y
x2 = y
n 1
xn = y .
Luego, la Ec.(2.1) puede ser escrita como
x1 = x2
Un sistema dinmico formado por un nmero finito de elementos puede ser descrito
por una ecuacin diferencial ordinaria en la cual el tiempo es la variable independiente.
Por medio del uso de una notacin vectorial-matricial, una ecuacin diferencial de or-
x2 = x3
xn = an x1
a1 xn + u,
den n puede ser representada por una nica ecuacin vectorial-matricial de primer or-
x = Ax + Bu ,
entonces la ecuacin diferencial vectorial-matricial se llama ecuacin de estado. Se presentarn a continuacin algunos mtodos para obtener representaciones en espacio de
estado de sistemas en tiempo continuo.
(2.2)
donde
x1
x
2
x=
x
n 1
xn
0
0
=
,
vector
de
estado
A
(
)
0
an
1
0
0
1
0
an 1
0
an 2
0
0
1
a1
0
0
n n
, B =
0
1
n1
orden n:
( n)
( n 1)
y + a1 y +
y = Cx ,
+ an 1 y + an y = u
donde
( n 1)
( n 1)
, y ( t ) como un con-
0]
1 n
Defnase
Alejandro H. Gonzlez
(2.3)
(2.1)
Alejandro H. Gonzlez
10
Electrnica Industrial
Electrnica Industrial
vectorial-matricial
B
x = Ax
donde x
(2.4)
n
n n
, A
x ( t ) = b0 + b1t + b2t 2 +
+ bk t k +
(2.5)
Ejemplo:
A partir del sistema definido por: y + 6 y + 11 y + 6 y = 6u , obtngase una representacin en espacio de estado.
b1 + 2b2t + 3b3t 2 +
+ kbk t k 1 +
= A ( b0 + b1t + b2t 2 +
+ bk t k +
).
(2.6)
Ahora bien, si esta solucin supuesta es la verdadera solucin, entonces la Ec (2.6) debe
El conjunto de variables de estado que representa a un dado sistema no es nico. Supngase que x1 , x2 ,
, xn )
x2 = X 2 ( x1 , x2 ,
, xn )
xn 1 = X n ( x1 , x2 ,
1
1
Ab1 = A2b0
2
2
1
1 3
b3 = Ab2 =
A b0
3
23
valores x1 , x2 ,
bk =
, xn ) ,
Alejandro H. Gonzlez
b1 = Ab0
b2 =
se obtiene
11
1 k
A b0 .
k!
x ( t ) = I + At + A2t 2 +
2!
= e At x ( 0 ) .
Alejandro H. Gonzlez
1 k k
At +
k!
x ( 0)
12
Electrnica Industrial
exponencial e At
donde x
(2.7)
n
, u
nu
, A
n n
n nu
, B
Electrnica Industrial
x ( k + 1) = A ( k ) x ( k ) + B ( k ) u ( k )
x ( t ) Ax ( t ) = Bu ( t ) ,
y (k ) = C (k ) x (k ) + D (k )u (k ) ,
y pre-multiplicando por e At
n n
donde x ( k )
u (k )
d At
e x ( t ) = e At Bu ( t ) . 2
dt
e At x ( t ) Ax ( t ) =
C (k )
At
x (t ) = x ( 0) + e
t
nu
ny n
(2.9)
es el vector de estado, y ( k )
es
el
, D (k )
vector
ny nu
de
entrada,
ny
A(k )
n n
, B (k )
lineales invariantes en el tiempo (LTI), estas matrices son constantes, lo que quedar
Bu ( ) d ,
evidenciado escribiendo
x ( k + 1) = Ax ( k ) + Bu ( k )
x (t ) = e x ( 0) + e
t
A( t )
fundirse con las utilizadas para los sistemas en tiempo continuo). En el caso de sistemas
o
At
n nu
Bu ( ) d ,
(2.10)
y ( k ) = Cx ( k ) + Du ( k ) .
x ( t ) = ( t ) x ( 0 ) + ( t ) Bu ( ) d ,
t
(2.8)
En general es f ( t ) = f ( 0 ) +
f ( ) d , con
f ( t ) = e At x ( t ) y e0 = I ).
Alejandro H. Gonzlez
+ an y ( k n ) = b0u ( k ) + b1u ( k 1) +
+ bn u ( k n ) ,
, n y bi , i = 1, 2,
Esta ecuacin puede ser escrita en la forma de una funcin de transferencia, como sigue:
13
Alejandro H. Gonzlez
14
Electrnica Industrial
Y ( z ) b0 + b1 z 1 + + bn z n
=
.
U ( z ) 1 + a1 z 1 + + an z n
(2.11)
Electrnica Industrial
D(k)
B(k)
C(k)
x1 ( k + 1) p1
x2 ( k + 1) 0
x
k
+
1
(
)
m
=0
x ( k + 1) 0
m +1
x ( k + 1) 0
n
p1 1
0
0
0
0
p1
0
0
pm +1
x ( k +1)
y ( k ) = [ c1 c2
A(k)
0 x1 ( k ) 0
0 x2 ( k ) 0
0 xm ( k ) + 1 u ( k )
0 xm +1 ( k ) 1
pn xn ( k ) 1
x( k )
x1 ( k )
x2 ( k )
+ b0 u ( k ) ,
cn ]
D
xn 1 ( k )
x (k )
n
x( k )
x2 ( k + 1) 0
x
k
+
1
(
)
n 1
0
x ( k + 1) a
n
n
0
an 1
0
an 2
x ( k +1)
y ( k ) = ( bn an b0 )
( bn1 an1b0 )
C
donde ci , i = 1, 2,
0 x1 ( k ) 0
0 x2 ( k ) 0
+ u (k )
1 xn 1 ( k ) 0
a1 xn ( k ) 1
x( k )
ciales de la transferencia original. Para ver las deducciones de stas y otras representaciones cannicas, se remite al lector a Ogata K., 1996.
x1 ( k )
x2 ( k )
+ b0 u ( k ) .
( b1 a1b0 )
D
xn 1 ( k )
x (k )
n
x( k )
(2.12)
y ( k ) = Cx ( k ) + Du ( k ) ,
Alejandro H. Gonzlez
15
Alejandro H. Gonzlez
16
Electrnica Industrial
Electrnica Industrial
Ejemplos:
te controlable, si existe una secuencia de controles, u ( k ) , tal que el origen ( x = 0 ) puede ser alcanzado a partir de cualquier estado inicial en un tiempo finito.
Definicin de alcanzabilidad. El sistema discreto (2.12) es alcanzable, si existe una
secuencia de controles, u ( k ) , tal que un estado arbitrario puede ser alcanzado a partir
1)
tema es de orden 2. Los estados alcanzables a partir del origen son aquellos que se pueden obtener de la combinacin lineal de columnas de Wc.
2)
1
1
1
2
Sea el sistema x ( k + 1) =
x ( k ) + 0.5 u ( k ) , y x ( 0 ) = 2 . Es po0.25
0
0.5
sible encontrar una secuencia de controles tales que x ( 2 ) =
?
1
AB
1 0
1
Sea el sistema x ( k + 1) =
x ( k ) + u ( k ) . Este sistema no es alcanzable,
0 1
1
1 1
dado que la matriz de conrtolabilidad Wc =
, tiene rango=1, mientras que el sis1 1
donde Wc = B
ma.
4 0.5u ( 0 ) + u (1)
2 = 0.25u 0 0.5u 1 .
( )
( )
Las dos ecuaciones que propone la igualdad anterior, son linealmente dependientes.
Por lo tanto, no existe una nica solucin. Una posible secuencia de controles que lleva
x ( n ) = An x ( 0 ) + An 1 Bu ( 0 ) +
+ ABu ( n 2 ) + Bu ( n 1)
= An x ( 0 ) + WcU ,
(2.13)
0.5
Sin embargo, si ahora se desea llevar el sistema a x = , se tiene
1
donde
Wc = B
AB
An 1 B ,
U = u T ( n 1) u T ( n 2 )
3 0.5u ( 0 ) + u (1)
2 = 0.25u 0 0.5u 1 ,
( )
( )
u T ( 0 ) .
el estado inicial, x ( 0 ) , hasta el estado final. Ntese que esta solucin puede no ser nica.
Alejandro H. Gonzlez
2
0.5
el sistema de x = a x =
en dos pasos es la dada por: u ( 0 ) = 2 , u (1) = 3 .
2
1
que no tiene solucin. La razn de esto es que el sistema no es alcanzable, como se puede comprobar al calcular el rango de su matriz de controlabilidad,
0.5
1
rango (Wc ) = rango
= 1.
0.5
0.25
17
Alejandro H. Gonzlez
18
Electrnica Industrial
3)
Electrnica Industrial
0
0.5 0
0.8
Sea el sistema x ( k + 1) =
x ( k ) + 1 u ( k ) , y x ( 0 ) = 0 . Es posi
0 0.7
12
x (1)
10
1
ble encontrar una secuencia de controles tales que x ( 2 ) = ? De ser posible hacerlo,
1
x2
x ( 3) = x ( 2 ) )?
4
Al ser
x ( 2)
x (0)
0.8 0.4
rango (Wc ) = rango
= 2 = n,
1 0.7
0
-2
4
x1
10
u (1) = -6.8750 es posible alcanzar el estado deseado en dos pasos: el primero lleva el
9
1
sistema a x (1) =
; el segundo, a x ( 2 ) = 1 . En la Figura 2.3 se puede ver un
11.25
diagrama de fase de la evolucin del sistema. Ahora bien, una vez all, si se quiere dejar
Wc = B
lidad:
AB
A n 1 B ,
donde las matrices A y B son las matrices del espacio de estado transformado (segn
0.5 0
0.8
x ( 3) = x ( 2 ) =
x ( 2 ) + 1 u ( 2 ) , o bien
0
0.7
0.5 0
0.8
0 0.3 x ( 2 ) = 1 u ( 2 ) ,
Wc = PB PAP 1 PB
y no existe ningn control u ( 2 ) que satisfaga esa condicin. Esto se debe a que el sistema tiene una determinada dinmica, que hace imposible dejarlo, en un paso, en el es-
PAn 1 P 1 PB = PWc .
1
tado deseado. Ntese que es posible llevar el sistema desde el origen a x = en tres
1
pasos; una forma trivial de lograr esto, es aplicar el control nulo u = 0 en el primer pa-
Alejandro H. Gonzlez
19
Alejandro H. Gonzlez
20
Electrnica Industrial
el
Electrnica Industrial
Ejemplo:
Observabilidad. El sistema dado por (2.12) es observable si existe un k finito tal que
1)
conocimiento
y ( 0 ) , y (1) ,
de
las
u ( 0 ) , u (1) ,
entradas
, u ( k 1) ,
las
salidas
1.1 0.3
x ( k + 1) =
x (k )
0
.
1
y ( k ) = [1 0.5] x ( k )
es la matriz de observabi
C 1 0.5
La matriz de observabilidad es Wo = =
, y su rango es 1 mientras que
CA 0.6 0.3
lidad del sistema. De no cumplirse esa condicin, se dice que los estados x ( 0 ) tales que
nulo de Wo, esto es, [ 0.5 1] . En la Figura 2.4 se muestran las salidas correspondientes
T
rango (Wo ) = n , donde Wo = ( C )
( CA)
( CA )
n 1 T
los
siguientes
estados
x ( 0 ) = [ 0.5 1] ,
x ( 0 ) = [1.5 0.5] ,
iniciales:
x ( 0 ) = [ 2.5 0] y x ( 0 ) = [1 0.5] .
T
1.5
y ( 0 ) = Cx ( 0 )
1.4
1.2
x ( 0 ) = [ 0.5 1]
x ( 0 ) = [1.5 0.5]
0.8
y ( n 1) = CAn 1 x ( 0 ) ,
0.6
0.5
o,
0.4
Wo x ( 0 ) = Y ,
0.2
0
0
10
12
14
donde
2.5
y ( 0)
C
CA
y 1
, Y = ( ) .
Wo =
n 1
y
n
1
CA
(
)
10
12
14
12
14
1.4
1.2
2
1
x ( 0 ) = [ 2.5 0]
y
0.6
x ( 0 ) = [1 0.5]
0.8
1.5
0.4
0.5
0.2
Al igual que ocurre con la alcanzabilidad, la observabilidad es una propiedad del sis0
8
k
10
12
14
10
Alejandro H. Gonzlez
21
Alejandro H. Gonzlez
22
Electrnica Industrial
Electrnica Industrial
x ( k + 1) = Ax ( k ) + Bu ( k ) + L y ( k ) y ( k )
(2.14)
y ( k ) = Cx ( k )
real). De aqu se deduce el hecho, no siempre obvio, de que cuando la planta es igual al
Considrese nuevamente un sistema LTI discreto, de orden n, como el dado por
(2.12).
x ( k + 1) = Ax ( k ) + Bu ( k )
Si se arma un nuevo vector de estados que sea la diferencia (error) entre el estado es-
(2.12)
y ( k ) = Cx ( k ) + Du ( k ) ,
e ( k + 1) = ( A LC ) x ( k ) ( A LC ) x ( k )
y salidas y ( k ) , y ( k 1) ,
= ( A LC ) e ( k )
(2.15)
servable. La ecuacin del observador es una copia del modelo con realimentacin de la
diferencia entre la salida medida proveniente de la planta real y la salida estimada segn
que si L=0, entonces x ( k ) tiende a x ( k ) con la misma velocidad del sistema. Esto es,
u(k)
z-1
x(k)
rn; pero fuera del equilibrio el estado estimado sigue al real sin alcanzarlo. Por otro
y(k)
C
lado, el tomar L 0 ayuda a corregir discrepancias entre las matrices A y B reales y las
respectivas matrices estimadas en el observador (notar que se considera planta igual a
Planta
L
x ( k + 1)
B
-1
Observador actualizado
x ( k )
C
y ( k ) = Cx ( k )
estimado al tiempo k usa la informacin de salida al tiempo k-1. Ntese que en (2.14) el
A
estado estimado al tiempo k no depende de y(k) sino de y(k-1). La idea ahora es aproveObservador
char y(k), que es conocida al tiempo k, para obtener el estimador del estado al tiempo k.
Alejandro H. Gonzlez
23
Alejandro H. Gonzlez
24
Electrnica Industrial
Electrnica Industrial
x ( k ) = x ( k ) + Laux y ( k ) y ( k )
Cx ( k )
(2.16)
(2.17)
(2.18)
x ( k + 1) = Ax ( k ) + Bu ( k ) + Laux Cx ( k + 1) C { Ax ( k ) + Bu ( k )} ,
estimacin del estado actual, y es lo que precisa MPC para hacer la prediccin.
(2.20)
(2.19)
o, lo que es igual,
e ( k + 1) = Ae ( k ) Laux CAe ( k ) ,
o,
e ( k + 1) = ( A Laux CA ) e ( k )
donde se recuerda una vez ms el detalle de que se supone que A, B y C son perfecta-
e ( k + 1) = x ( k + 1) x ( k + 1) .
mente conocidas por el observador. En este caso, vemos que la velocidad de convergencia del error de estimacin a cero vendr dada por la matriz ( A Laux CA ) .
4
Observaciones:
1 - x ( k ) , que es la estimacin de x(k) al tiempo k, depende de y(k).
2 - x ( k ) es la pseudo estimacin de x(k), utilizando y(k-1). Para ver esto, escrbase la actualizacin temporal o prediccin en k: x ( k ) = Ax ( k 1) + Bu ( k 1) ; donde a su vez, x ( k 1) proviene de la actualizacin de la medicin x ( k 1) = x ( k 1) + Laux y ( k 1) y ( k 1) .
Alejandro H. Gonzlez
25
Alejandro H. Gonzlez
26
Electrnica Industrial
Electrnica Industrial
Como se puede intuir de lo visto hasta ahora, una dada funcin de transferencia admi-
invariante en el tiempo
Considrense nuevamente las Ec. (2.12). La solucin a esta ecuacin puede obtenerse
recursivamente como
x (1) = Ax ( 0 ) + Bu ( 0 )
Considrese el sistema definido por las Ec. (2.12). Si se define ahora un nuevo vector
n n
es no singular, x = P 1 x , enton-
ces las Ec.(2.2) pueden ser escritas en trminos del nuevo vector de estado como sigue:
P 1 x ( k + 1) = AP 1 x ( k ) + Bu ( k )
y ( k ) = CP 1 x ( k ) + Du ( k ) .
x ( k ) = Ak x ( 0 ) + Ak j 1 Bu ( j ) ,
k = 1, 2,
(2.21)
j =0
Ntese que x ( k ) est formada por dos partes, una que representa la transicin o
avance del estado inicial y otra que da cuenta de la accin de la entrada. La salida y ( k )
( k ) + Bu
(k )
x ( k + 1) = Ax
( k ) + Du
(k ) ,
y ( k ) = Cx
k 1
que son ecuaciones de estado y salida equivalentes a las originales. (Ntese que si bien
y ( k ) = CAk x ( 0 ) + C Ak j 1 Bu ( j ) + Du ( k ) .
los estados han cambiado, la entrada y la salida son los originales). La matriz P recibe el
nombre de matriz de transformacin, y es la que permite pasar de una representacin a
(2.22)
j =0
De esta ltima ecuacin se puede inferir que la matriz de transicin de estado esta dada por ( k ) = Ak .
otra.
La
matriz
P,
A = PAP 1 = diag ( p1
por
ejemplo,
podra
escogerse
pn ) , donde pi , i = 1, 2,
de
modo
tal
que
En trminos de la matriz de transicin de estado, las Ec. (2.21) y (2.22) pueden res-
triz A original (polos del sistema), si es que stos fueran distintos entre s. Si no lo fueran, P podra escogerse de modo que A = PAP 1 = matriz diagonal de Jordan, que es una
cribirse como
x ( k ) = ( k ) x ( 0 ) + ( k j 1) Bu ( j )
que cualquiera sea P, los elementos de la diagonal principal de la matriz PAP 1 son
k 1
j =0
k 1
= ( k ) x ( 0 ) + ( j ) Bu ( k j 1)
j =0
invariancia de los valores caractersticos bajo una transformacin lineal de este tipo.
y
Alejandro H. Gonzlez
27
Alejandro H. Gonzlez
28
Electrnica Industrial
k 1
Electrnica Industrial
B (T ) =
y ( k ) = C ( k ) x ( 0 ) + C ( k j 1) Bu ( j ) + Du ( k )
j =0
k 1
= C ( k ) x ( 0 ) + C ( j ) Bu ( k j 1) + Du ( k ) .
( e dt ) B ,
T
Ac t
j =0
x ( ( k + 1) T ) = A (T ) x ( kT ) + B (T ) u ( kT ) ,
Supngase que el vector de entrada cambia slo en los instantes de muestreo T, 2T,
, es decir u ( t ) = u ( kT ) , kT t kT + T . La ecuacin de estado en tiempo continuo
est dada por
x = Ac x + Bcu .
(2.23)
dades son suaves y el rango de operacin es pequeo, los sistemas no lineales pueden
ser razonablemente aproximados por modelos lineales. Sin embargo, no siempre es po-
sible suponer estas condiciones, por lo que se torna imprescindible trabajar con modelos
(2.24)
Ac ( k +1)T
sistemas no lineales con la representacin de espacio de estado. Para tal fin, se considerarn sistemas dinmicos modelados por un nmero finito de ecuaciones diferenciales
ordinarias de primer orden acopladas entre s, que sern representadas por
x ( 0) + e
Ac ( k +1)T
( k +1)T
Ac
Bc u ( ) d
x (t ) = f ( x (t ) , u (t )) ,
(2.26)
x ( kT ) = e Ac kT x ( 0 ) + e Ac kT e Ac Bc u ( ) d ;
kT
AcT
x ( kT ) + e
Ac ( k +1)T
( k +1)T
kT
tiempo. Las ecuaciones (2.26) y (2.27) estn escritas, al igual que en el caso lineal, en
e
Ac
Bc u ( ) d .
(2.25)
=e
x ( kT ) + e
0
Ac
nu
es el vector de entradas y f :
nu
es el vector de estados,
x ( ( k + 1) T ) = e AcT x ( kT ) + e AcT e Ac Bc u ( kT ) dt
T
AcT
(2.27)
Por otro lado, la ecuacin de salida, tanto para sistemas en tiempo continuo como en
Bc u ( kT ) d
con = T t . Si se define
(2.28)
A (T ) = e AcT
Alejandro H. Gonzlez
29
Alejandro H. Gonzlez
30
Electrnica Industrial
con y
ny
Como puede intuirse de las ecuaciones presentadas, los modelos lineales presentados
en secciones anteriores constituyen un caso particular de modelo no lineal. As, las propiedades que se expondrn en lo que sigue de esta primera parte estarn por lo general
referidas a sistemas de la forma (2.26) o (2.27), para dar generalidad a los conceptos.
Electrnica Industrial
x (t ) = f ( x (t ) , t ) ,
con x
(2.29)
sistema fsico en tiempo continuo, y tiene solucin nica. Para el caso de sistemas en
tiempo discreto, el sistema autnomo estar dado por
x ( k + 1) = f ( x ( k ) , k ) ,
con x
(2.30)
con x
, u
nu
(2.31)
senta un sistema fsico en tiempo continuo, y tiene ms de una solucin. Para el caso de
Una aproximacin lineal al modelo no lineal presentado antes, en cercanas de un dado punto de operacin, ( xss , uss ) , puede obtenerse segn
x = Alin x + Blinu ,
con x
, u
nu
(2.32)
y condiciones iniciales x ( k0 ) = x0 , u ( k0 ) = u0 .
x ( k + 1) = Alin x ( k ) + Blin u ( k ) ,
en el que la entrada est expresada en funcin del estado, u = g ( x ) , puede ser conside-
x = f ( x, u , t ) = f ( x, g ( x ) , t ) = f ( x, t )
f
f
, Blin =
.
( x, u )
( x, u )
x
u
x
,
u
( ss ss )
( xss ,uss )
x ( k + 1) = f ( x ( k ) , u ( k ) , k ) = f x ( k ) , g ( u ( k ) ) , k = f ( x ( k ) , k )
dado por
Alejandro H. Gonzlez
31
t t0 ,
Alejandro H. Gonzlez
32
Electrnica Industrial
sistema tiene un nico estado de equilibrio, x = 0 , mientras que si A es singular entonces existirn infinitos estados de equilibrio.
Electrnica Industrial
k k0 ,
5) Los sistemas no lineales en tiempo discreto pueden tener ms de un estado de equi2) Para el caso de sistemas no-autnomos, se habla de un estado xe y una entrada ue
de equilibrio, que cumplen con
f ( xe , ue , t ) = 0
librio.
Diagramas en el plano de fase
t t0 .
Los planos de fase fueron usados al principio por los ingenieros para estudiar estabi-
lidad de sistemas no lineales. Tienen sentido usarlos cuando se estudia sistemas de segundo orden ya que consiste en una representacin grfica de x2 vs. x1. Tambin, es posible una extensin a sistemas de tercer orden donde se puede graficar las trayectorias
en el espacio.
Trayectoria de estado. Dado un sistema como el descrito por (2.29) o (2.30), y una
estado.
Plano de Fase. Se define plano de fase al sistema de coordenadas cuyos ejes son las
variables de estado.
Diagrama o retrato de Fase. Se define como diagrama o retrato de fase a la
Ejemplo:
1)
Alejandro H. Gonzlez
k k0 .
33
Alejandro H. Gonzlez
1 x1
.
2k x2
34
Electrnica Industrial
Electrnica Industrial
Matriz A
Autovalores de A
Caso (1)
0 1
A=
4 0
1 = j 2 , 2 = j 2
Caso (2)
0 1
A=
4 2
1 = 1 + j 3 , 1 = 1 j 3
Caso (3)
2.5
0 1
A=
4 5
a)
b)
Figura 2.9.a) Respuesta temporal de los estados, y b) Diagrama de fase para el caso (2).
1 = 1 , 1 = 4
3
x0 = , y el diagrama de fase correspondiente a las trayectorias de estado originadas
3
3
4
2
5
para las condiciones iniciales x0 = , x0 = , x0 = y x0 = .
3
4
2
5
a)
b)
Figura 2.10.a) Respuesta temporal de los estados, y b) Diagrama de fase para el caso
(3).
a)
b)
Figura 2.8.a) Respuesta temporal de los estados, y b) diagrama de fase para el caso (1).
Alejandro H. Gonzlez
35
H (s) =
H (s) =
transforma
num ( s )
x = Ax + Bu
en
.
den ( s )
y = Cx
x = Ax + Bu
,
y = Cx
con
nu
en
num ( s )
.
den ( s )
Alejandro H. Gonzlez
36
Electrnica Industrial
Alejandro H. Gonzlez
37
Electrnica Industrial
Electrnica Industrial
si V ( x ) es definida positiva.
El anlisis de estabilidad de Liapunov juega un papel importante en el anlisis de estabilidad de los sistemas descritos por ecuaciones en espacio de estado. En general, y a
diferencia de lo que ocurre con los mtodos clsicos (ubicacin de polos en el dominio
de frecuencias, etc), el mtodo de Liapunov no requiere de las soluciones explcitas de
quiera tiene un estado de equilibrio asintticamente estable, entonces existe una funcin
escalar (una funcin ficticia de energa que se conoce como funcin de Liapunov) que
se decrementa al aumentar el tiempo, hasta que por ltimo adopta un valor mnimo en el
estado de equilibrio.
Un punto de equilibrio se dice estable si todas las soluciones de la ecuacin de estado
que se inicien en las cercanas del punto de equilibrio permanecen en las cercanas del
punto de equilibrio; de otro modo el punto de equilibrio es inestable. Un punto de equilibrio se dice asintticamente estable si todas las soluciones que se inicien en las cerca-
Las definiciones que siguen, estarn referidas al sistema autnomo dado por
x (t ) = f ( x (t )) ,
(3.1)
(3.2)
ambos en tiempo continuo. La solucin general a las Ec. (3.1) y (3.2) se nombrar
nas del punto de equilibrio no slo permanecen en las cercanas del punto de equilibrio,
sino que adems tienden hacia el equilibrio a medida que el tiempo se aproxima a infini-
to. Los teoremas de estabilidad de Liapunov dan condiciones suficientes para estabilidad de puntos de equilibrio. Existen teoremas conversos que establecen que, al menos
conceptualmente, en los teoremas de Liapunov muchas de estas condiciones son tambin necesarias.
A continuacin se darn algunas definiciones, para luego pasar al anlisis de estabili-
que x ( t ) xe R 6 para todo t t0 , y sea r, con 0 < r < R , el radio de una regin esfrica S ( xe , r ) , formada por el conjunto de estados iniciales x0 alrededor de xe tales que
es definida
positiva en una regin (que incluye al origen del espacio de estado) si V ( x ) > 0 para
todo estado x 0 de la regin , y adems V ( 0 ) = 0 .
Alejandro H. Gonzlez
39
Alejandro H. Gonzlez
+ ( xn xne )
40
Electrnica Industrial
Electrnica Industrial
Representaciones grficas de estados de equilibrio estables (en el sentido de Liapunov) y asintticamente estables, se muestran en la Figura 3.1.
b)
a)
Para el caso de la Figura 3.3, no es posible decir que las trayectoria se ir a infinito,
si x ( 0 ) M x ( t ) M ,
Alejandro H. Gonzlez
41
Alejandro H. Gonzlez
42
Electrnica Industrial
Electrnica Industrial
(3.3)
t 0 .
Ejemplos:
1)
x0
.
x0 + et (1 x0 )
(3.4)
. Obviamente,
slo los PE (0, 0) y (, 0) son no triviales ya que el resto son repeticiones de los mis-
que cumple lim x ( t ) = 0 , para todo estado inicial < x0 < 1 . El estado xe 2 = 1 es un
mos 7.
Los tres tipos de estabilidad se pueden ver en la ecuacin (3.4). Considerando que no
( x0 1) , lo
hay friccin, o sea tomando k = 0, las trayectorias en el entorno del PE (0, 0) son rbitas
mientras que, para todo x0 > 1 y entonces existe un tiempo t1 tal que ln x0
cerradas. Empezando suficientemente cerca del PE se puede garantizar que las trayecto-
rias van a permanecer en cualquier bola pre-especificada alrededor del PE. Por lo tanto,
sicin de una junta de robot usando un motor ubicado en el punto de giro. Matemtica-
origen es un foco estable. La inspeccin del retrato de fase de un foco estable muestra
que el requisito para estabilidad se satisface; ms an, las trayectorias que comienzan
cerca del PE tienden a l cuando t tiende a . El segundo PE en (, 0) es un punto de
ensilladura. Es obvio que el requisito para estabilidad no se satisface porque, para cualquier R> 0, siempre hay una trayectoria que deja la bola S ( xe , R ) , an cuando x ( 0 ) sea
arbitrariamente cercano al PE. El diagrama de fase, para el caso de considerar friccin
no nula, se muestra en la Figura 3.4.
Alejandro H. Gonzlez
es una regin de
7
43
, donde
Alejandro H. Gonzlez
44
Electrnica Industrial
dV ( x )
a lo largo
dt
Electrnica Industrial
Ntese que,
1) La derivada temporal de V ( x ( t ) ) a lo largo de las trayectorias solucin de (3.1)
est dada por
V ( x (t )) =
i =1
n
V
V
V
xi =
fi ( x ) =
xi
x
i =1
i
x1
V
x2
V ( x ) es definida positiva, y
V ( x ) es semidefinida negativa,
f1 ( x )
V f 2 ( x ) V
=
f ( x)
x
xn
f n ( x )
la solucin ( t ; x ) .
3) La funcin de Liapunov puede no ser nica. Una funcin definida positiva sencilla
8
Se supone que si el estado de equilibrio no est en el origen, siempre es posible hacer un cambio de
variables tal que x ( t ) = x ( t ) xe y de este modo es xe = 0 .
Alejandro H. Gonzlez
45
Alejandro H. Gonzlez
46
Electrnica Industrial
1. Las condiciones de los teoremas de estabilidad de Liapunov requeridas para la estabilidad de un sistema no lineal son condiciones suficientes pero no necesarias.
Electrnica Industrial
V ( x ) = xT Px + xT Px
= ( Ax ) Px + xT P ( Ax )
T
2. La funcin de Liapunov no es nica y no encontrar una funcin de Liapunov adecuada para mostrar la estabilidad o inestabilidad de un punto de equilibrio implica simplemente no tener informacin respecto a la estabilidad y no permite aventurar condicin alguna sobre el punto de equilibrio considerado.
3. Para un estado de equilibrio estable o asintticamente estable, siempre existe una
= xT AT Px + xT PAx
= xT ( AT P + PA ) x
(ecuacin de Liapunov)
en tiempo continuo
Lo que usualmente se hace en la prctica es que, en lugar de especificar P, se especiConsidere el siguiente sistema LTI autnomo,
x ( t ) = Ax ( t ) ,
donde x
, A
n n
equilibrio es estable si y slo si todos los autovalores de A tienen parte real no positiva y
cada autovalor con parte real nula tiene un bloque de Jordan asociado de orden 1. El
punto de equilibrio x = 0 es asintticamente estable global si y slo si todos los autovalores de A tienen parte real negativa. Cuando todos los autovalores de A tienen parte real
negativa, se dice que A es una matriz Hurwitz. La estabilidad del origen puede tambin
estudiarse utilizando el mtodo de Liapunov. Considrese para ello la siguiente funcin
de Liapunov
brio xe = 0 ser asintticamente estable global si y slo si dada una matriz Q simtrica
real, definida positiva, existe una nica matriz P simtrica real, definida positiva, que es
solucin de AT P + PA = Q .
V ( x ) = xT Px ,
x ( k + 1) = Ax ( k )
donde P es una matriz simtrica real, definida positiva. Su derivada a lo largo de cual-
donde x
, A
(3.6)
n n
=0, y ese equilibrio es estable si y slo si todos los autovalores de A tienen parte real
menor o igual a 1. A su vez, el punto de equilibrio x = 0 es asintticamente estable global si y slo si todos los autovalores de A tienen parte real menor a 1. La estabilidad del
Alejandro H. Gonzlez
47
Alejandro H. Gonzlez
48
Electrnica Industrial
Electrnica Industrial
1
0
x ( k + 1) =
x (k )
0.5 1
V ( x ) = xT Px ,
donde P es una matriz simtrica real, definida positiva. La funcin diferencia de esta
funcin (el equivalente discreto de la derivada) a lo largo de cualquier trayectoria, est
dada por
V ( x ( k ) ) = V ( x ( k + 1) ) V ( x ( k ) )
1 p11
0
0.5 1 p
21
= x ( k + 1) Px ( k + 1) x ( k ) Px ( k )
T
= ( Ax ( k ) ) PAx ( k ) x ( k ) Px ( k )
T
4 2
P=
,
2 3
( A PA P ) x ( k )
p12
1 0
=
p22
0 1
= x ( k ) AT PAx ( k ) x ( k ) Px ( k )
= x (k )
p12 0
1 p11
que es una matriz real simtrica positiva. Por tanto, segn el Teorema 6, el punto de
equilibrio xe = 0 es asintticamente estable. La funcin de Lyapunov resulta
V ( x ) = xT Px = 4 x12 2 x1 x2 + 3 x22 .
V ( x ( k ) ) = x ( k ) Qx ( k ) ,
T
Q = ( AT PA P ) ,
V ( x ( k ) ) = x ( k ) Qx ( k ) = x12 x22 ,
luego calcular P.
Teorema 6. Considere el sistema autnomo descrito por (3.6). El punto de equilibrio
xe = 0 ser asintticamente estable global si y slo si dada una matriz Q simtrica real,
definida positiva, existe una nica matriz P simtrica real, definida positiva, que es solucin de Q = ( A PA P ) .
P=dlyap(A,Q) ,
resuelve
la
ecuacin
de
Liapunov
en
tiempo
discreto:
APAT P + Q = 0 .
Ejemplo.
Se desea investigar la estabilidad del sistema autnomo en tiempo discreto dado por
Alejandro H. Gonzlez
49
Alejandro H. Gonzlez
50
Electrnica Industrial
Alejandro H. Gonzlez
51
Electrnica Industrial
Electrnica Industrial
que son a la
f :S
f ( x )
f ( x ) = f ( x ) + f ( x )
(x x)+
, tales que
x x ( x , x x ) para todo x S ,
ciones)
sea f : S
vector f ( x )
f ( x )
.
xn
f ( x ) = f ( x ) + f ( x )
1
2
, tales que
(x x)+ (x x)
H ( x )( x x ) + x x ( x , x x ) para todo
2
xS ,
cerrado si y slo si contiene todos los puntos de su frontera. Ms an, se cumple que
x x
Para funciones dos veces diferenciables, la matriz Hessiana contiene las derivadas
parciales de segundo orden, esto es
Alejandro H. Gonzlez
53
Alejandro H. Gonzlez
54
Electrnica Industrial
2 f ( x )
x1x1
2 f ( x )
H ( x ) = x2 x1
2 f ( x )
xn x1
2 f ( x )
x1x2
2 f ( x )
x2 x2
f (x)
xn x2
2
x1xn
2 f ( x )
x2 x1
2
f (x )
xn xn
Electrnica Industrial
, y es un escalar.
, y es un
escalar.
existe un mnimo de f en S.
en S.
creado
por
un
nmero
finito
de
vectores.
S = {x : x = j a j ,
j =1
j 0, para j = 1,
, m} , donde a1 ,
quier par de puntos del conjunto pertenece tambin al conjunto. Esto es, si x1 , x2 S
y 4.2.e.
Vecindad de un punto. N ( x ) = { x
y > 0.
x1
x1-x2
x2
p
S1
a)
b)
S =0
S 2
n
llamado vector
normal al hiperplano, y es un escalar. Para ver que p es el vector normal al hiperplano, considrese un vector tangencial al plano, dado por xT = x1 x2 , con x1 , x2 S .
Alejandro H. Gonzlez
55
Alejandro H. Gonzlez
56
Electrnica Industrial
Electrnica Industrial
Una propiedad geomtrica bien conocida es que, dado un conjunto cerrado y convexo
S y un punto y S , existe un nico punto x S que presenta la mnima distancia hasta
T
( y x ) ( x x ) 0 para todo x S .
x1
. Un
x1
para todo x S2 .
x2
x2
pT x para todo x S .
x3
vaco de
nominar cono convexo. La Figura 4.3 muestra una representacin grfica de conos
convexos y no convexos.
S = { x S : f ( x ) } , con
a)
b)
a)
b)
Alejandro H. Gonzlez
57
Alejandro H. Gonzlez
58
Electrnica Industrial
Electrnica Industrial
y sea
a)
b)
fk :
A continuacin se presentarn algunas propiedades de las funciones convexas, empezando por su definicin.
f ( x ) = max { f1 ( x ) , f 2 ( x ) ,
i =1
Figura 4.5.
La funcin f es convexa en S si
f ( x1 + (1 ) x2 ) f ( x1 ) + (1 ) f ( x2 )
defnase f ( x ) : S
como f ( x ) =
(iii) Sea g ( x ) :
h ( x) :
definida como la
(iv) Sea g ( x ) :
Luego, la funcin f :
funcin convexa.
Asociado a una funcin f convexa est el conjunto de nivel S , definido como: S = { x S : f ( x ) } , con
Alejandro H. Gonzlez
59
Alejandro H. Gonzlez
60
Electrnica Industrial
Electrnica Industrial
en
, y sea
f :S
S = { x S : f ( x ) } , con
, es un conjunto convexo.
, y sea
a)
b)
si
en
x S tal que f ( x ) f ( x ) .
Si f ( x ) f ( x ) para todo x
, y sea x
.
n
local estricto.
Alejandro H. Gonzlez
61
Alejandro H. Gonzlez
62
Electrnica Industrial
Electrnica Industrial
De este modo se arriba a una condicin necesaria de primer orden para mnimos.
Corolario (condicin necesaria de primer orden para mnimos). Supngase que
f:
Mnimo local estricto
Mnimo local
f ( x ) = 0 .
f ( x ) = 0
f ( x ) d < 0 ,
H ( x ) es semidefinida positiva.
1
T
2
f ( x + d ) = f ( x ) + f ( x ) d + 2 d T H ( x ) d + 2 d ( x , d ) ,
2
f ( x + d ) = f ( x ) + f ( x ) d + d ( x , d ) ,
T
(4.1)
= f ( x ) d + d ( x , d ) .
T
f ( x + d ) f ( x )
1 T
2
d H ( x ) d + d ( x , d ) .
2
4.2
f ( x + d ) < f ( x ) .
Alejandro H. Gonzlez
63
Alejandro H. Gonzlez
64
Electrnica Industrial
Electrnica Industrial
1 T
2
d H ( x ) d + d ( x , d ) 0 para ese suficientemente
2
pequeo. Tomando ahora el lmite para 0 , se tiene que d T H ( x ) d 0 ; y, por tanto, H ( x ) es semidefinida positiva.
, y considrese
Ahora se mostrar, sin prueba, una condicin suficiente para mnimo local.
Teorema (condicin suficiente para mnimo local). Supngase que f :
*
n
es
problema (4.3).
> 0 , entonces x es una solucin ptima local estricta del problema (4.3)
La Figura 4.9 muestra ejemplos de mnimos locales y globales en un problema de optimizacin con restricciones.
pngase que f :
slo si f ( x ) = 0 .
Mnimo local
Mnimo global
(4.3)
sujeto a:
mientras que aquellos correspondientes al segmento plano del grfico entre C y D son
xS .
En primer lugar se considerar una restriccin general de conjunto, S, para luego pasar al caso ms concreto de restricciones de igualdad y de desigualdad. Considrense
ahora las siguientes definiciones:
Alejandro H. Gonzlez
65
Alejandro H. Gonzlez
(4.4)
66
Electrnica Industrial
Electrnica Industrial
sujeto a:
junto S. La Figura 4.11, por su parte, muestra distintos ejemplos de conos de direcciones
xS ,
vexo de
y f :S
local del problema, entonces x es una solucin ptima global. Ms aun, si x es un mnimo local estricto, o si f es estrictamente convexa, entonces x es la nica solucin ptima global.
Figura 4.10. Conos de direcciones factibles para un dado conjunto S. Las lneas de trazo
significan que la frontera no pertenece al conjunto.
y sea x cl S . El
La Figura 4.11. Conos de direcciones de decrecimiento para una dada funcin f. Las
lneas de trazo significan que la frontera no pertenece al conjunto.
. El cono de direcciones de
F0 = {d : f ( x ) d < 0}
F0' = {d 0 : f ( x ) d 0} .
en x .
mayor a cero o menor a cero, segn los vectores sean normales, formen un ngulo agu-
gura 4.10 Muestras distintos ejemplos de conos de direcciones factibles de un dado con-
Alejandro H. Gonzlez
Alejandro H. Gonzlez
67
68
Electrnica Industrial
Electrnica Industrial
F0 D = ,
F0 F .
(4.5)
F F0' .
(4.6)
(4.7)
F0 F F ,
de modo que se ha acotado por dentro y por fuera el cono de direccin de decrecimiento
x + d S para cada ( 0, 2 ) .
'
0
(4.8)
(que es un concepto ms bien abstracto) con dos conjuntos que dan una descripcin algebraica en trminos del vector gradiente. En la Figura 4.12 se comparan estos tres con-
La suposicin de que x es una solucin ptima local no es compatible con las condi-
f ( x )
f ( x )
contornos
de f
Figura 4.12. Comparacin de F0 , F y F0' para los casos mostrados en la Figura 4.11.
El teorema que sigue establece que una condicin necesaria para la optimalidad local
es que toda direccin de mejora en F0 no sea una direccin factible.
Teorema (condicin geomtrica necesaria de optimalidad local). Considrese el
y S es un conjunto no
69
Alejandro H. Gonzlez
70
Electrnica Industrial
Electrnica Industrial
donde gi ( x ) :
para i=1, , m, y hi ( x ) :
, l} ,
, m, hi ( x ) = 0, i = 1,
para i=1, , l, y X es un
Figura 4.14 muestra la comparacin entre los con juntos G0 , D y G0' para diferentes
(4.9)
casos
Teorema (condiciones geomtricas necesarias para problemas con restricciones
sujeto a:
gi ( x ) 0, i = 1,
, m,
hi ( x ) = 0, i = 1,
, l,
f ( x) :
, gi ( x ) :
para i=1, , m, y hi ( x ) :
, y sea
para i=1, , l.
Considrese el problema definido por (4.9). Supngase que x es una solucin ptima
x X.
Para una descripcin algebraica del cono de direcciones factibles para el caso ante-
supngase que cada gi es continua en x para i I , que f y gi, con i I , son diferencia-
restricciones de igualdad.
Adems supngase que cada gi es continua en x para i I y que f y gi, con i I , son
diferenciables en x . Sean
F0 G0 H 0 = ,
donde
G0 = {d : gi ( x ) d < 0 para i I }
F0 = {d : f ( x ) d < 0}
G = {d 0 : gi ( x ) d 0 para i I } ,
'
0
G0 = {d : gi ( x ) d < 0 para i I }
entonces, G0 D G ,
'
0
H 0 = {d : hi ( x ) d = 0 para i = 1,
, l} .
La Figura 4.14 muestra la comparacin entre los con juntos G0 , D y G para diferen-
tes casos.
A continuacin se expresar la condicin geomtrica F0 G0 H 0 = de forma algebraica, lo que se conoce como condiciones de Fritz John (FJ).
Alejandro H. Gonzlez
71
Alejandro H. Gonzlez
72
Electrnica Industrial
co de
, y sea f ( x ) :
, gi ( x ) :
para i=1, , m, y hi ( x ) :
para i=1, , l. Sea x es una solucin factible de (4.9) y sea I = {i : gi ( x ) = 0} . Supngase que cada gi es continua en x para i I , que f y gi, con i I , son diferenciables en
x y que hi es continuamente diferenciable en . x para i=1, , l. Si x es una solucin
ptima local de (4.9), entonces existen escalares u0 y ui para i I y vi para i=1, , l,
tales que
l
u0f ( x ) + ui gi ( x ) + vi hi ( x ) = 0 ,
T
iI
Electrnica Industrial
f ( x ) u 0 + g ( x ) u + h ( x ) v = 0 ,
T
(4.12)
uT g ( x ) = 0 ,
( u0 , u ) ( 0, 0 ) ,
( u0 , u, v ) ( 0, 0, 0 ) ,
donde g ( x ) es la matriz Jacobiana de m n cuya i-sima columna es gi ( x ) ,
(4.10)
i =1
u0 , ui 0 para i I ,
son vectores de dimensin apropiadas. Cualquier punto x para el cual existan multipli-
{u0 , ui , i I , v1 ,
cadores de Lagrange que hagan cumplir las condiciones FJ se dice que es un punto FJ.
, vl } no todos nulos.
u0f ( x ) + ui gi ( x ) + vi hi ( x ) = 0 ,
T
i =1
S = {x
(4.11)
i =1
ui gi ( x ) = 0 para i = 1,
u0 , ui 0 para i = 1,
: g1 ( x ) 0, g 2 ( x ) 0, g3 ( x ) 0} ,
donde los contornos de las distintas gi pueden verse en la Figura 4.15 a), y considrese
un punto factible x como el que se muestra en la misma figura. Considrense tambin
,m ,
,m ,
( u0 , u, v ) ( 0, 0, 0 ) ,
punto factible
donde u y v son vectores cuyas componentes son ui, con i=1, , m, y vi, con i=1, , l,
respectivamente.
Lagrange asociados con la funcin objetivo, las restricciones de desigualdad y las restricciones de igualdad, respectivamente. La condicin de que x sea un punto factible se
llama condicin de factibilidad primal (PF). La condicin (4.10) se llama condicin de
a)
, m , se llama condicin de
b)
Figura 4.15.
73
Alejandro H. Gonzlez
74
Electrnica Industrial
Para los contornos de la funcin objetivo dados en la Figura 4.16, se tiene que
u0 ( g ( x ) ) est en el cono formado por g1 ( x ) y g 2 ( x ) , con u0 > 0 .
Electrnica Industrial
De entre las diversas formas de lograr la calificacin para las restricciones, se elegir
aqu la tpica que exige que el gradiente de la restriccin de desigualdad para i I y el
gradiente de la restriccin de igualdad en x sean linealmente independientes.
a)
Figura 4.16.
b)
Figura 4.17.
f ( x ) u 0 + g ( x ) u = 0 ,
T
uT g ( x ) = 0 ,
abierto no vaco de
( u0 , u ) ( 0, 0 ) ,
hi ( x ) :
( u0 , u, v ) ( 0, 0, 0 ) ,
, y sea f ( x ) :
, gi ( x ) :
para i=1, , m, y
Para los contornos de la funcin objetivo dados en la Figura 4.17 a), se tiene que
u0 ( g ( x ) ) est en el cono formado por g1 ( x ) y g 2 ( x ) , slo si u0 = 0 . x es en
son linealmente independientes. Luego, si x es una solucin ptima local de (4.9), entonces existen escalares ui para i I y vi para i=1, , l, nicos, tales que
este caso un punto FJ con u0=0, y es tambin un mnimo local. Sin embargo, para los
contornos de la funcin objetivo dados en la Figura 4.17 b), se tiene que x es un punto
iI
f ( x ) + ui gi ( x ) + vi hi ( x ) = 0 ,
T
(4.13)
i =1
ui 0 para i I ,
tricciones, se asegura que u0 sea positiva y las condiciones FJ se convierten en las con-
nuacin.
i =1
Alejandro H. Gonzlez
f ( x ) + ui gi ( x ) + vi hi ( x ) = 0 ,
75
Alejandro H. Gonzlez
(4.14)
i =1
76
Electrnica Industrial
ui gi ( x ) = 0 para i = 1,
ui 0 para i = 1,
Electrnica Industrial
Existe aun un caso particular importante: cuando las restricciones son lineales, las
,m ,
,m .
Resta an determinar, entre todos los puntos que cumplen las condiciones KKT cu-
les constituyen soluciones ptimas locales. Los resultados que siguen, muestran que,
bajo suposiciones moderadas de convexidad, las condiciones KKT son tambin sufi-
Las condiciones KKT pueden ser escritas tambin en forma vectorial, como sigue:
f ( x ) + g ( x ) u + h ( x ) v = 0 ,
T
abierto no vaco de
(4.15)
hi ( x ) :
, y sea f ( x ) :
, gi ( x ) :
para i=1, , m, y
uT g ( x ) = 0 ,
u =0.
La Figura 4.18 muestra algunos ejemplos grficos de puntos KKT, referidos a las Figuras 4.15 a 4.17. En los casos mostrados en 4.18 a) y 4.18 c), los puntos considerados
f ( x ) + ui gi ( x ) + vi hi ( x ) = 0 .
T
iI
(4.16)
i =1
b)
c)
Figura 4.18.
La calificacin de restricciones de independencia lineal es una condicin suficiente en
el comportamiento de las restricciones que asegura que un punto FJ (y por tanto cual-
nes de restricciones es garantizar que, mediante el anlisis de slo los puntos KKT, no
min xT Hx + xT c
2
sujeto a:
quier mnimo local) es un punto KKT. De este modo, la importancia de las calificacio-
Alejandro H. Gonzlez
77
Alejandro H. Gonzlez
(4.17)
78
Electrnica Industrial
AIT x bI
A x = bE
los problemas primal y dual tienen idnticos valores ptimos de funcin objetivo.
T
E
donde H
Electrnica Industrial
nxn
, c
, AI
nxmI
, bI
mI
, AE
nxmE
, bE
mE
Problema Primal P
x es un mnimo local
min f ( x )
x es un punto KKT.
, m,
hi ( x ) = 0, i = 1,
, l,
(4.18)
sujeto a:
u0,
m
l
Las condiciones KKT (4.15) para el problema QP definido por (4.17) son:
AIT x bI
dual.
AET x = bE
Hx + c + AI u + AE v = 0
gi ( x ) 0, i = 1,
En ese caso,
sujeto a:
x X.
(4.9)
u0
u T ( AIT x bI ) = 0 ,
min f ( x )
sujeto a:
g ( x ) 0,
restriccin de igualdad.
x X,
donde f :
y g:
G = {( y, z ) : y = g ( x ) , z = f ( x ) para algun x X } ,
esto es, G es la imagen de X segn el mapeo (g,f). La Figura 4.19 muestra un ejemplo
para el conjunto G.
79
Alejandro H. Gonzlez
80
Electrnica Industrial
Electrnica Industrial
( y, z ) .
Ahora, considrese el siguiente problema Lagrangiano dual D:
max ( u )
sujeto a:
Figura 4.20.
u0.
Figura 4.21.
La solucin al problema Lagrangiano dual requiere primero la resolucin del siguiente sub-problema Lagrangiano dual: ( u ) = inf { f ( x ) + ug ( x ) : x X } .
Dado un u 0 , el sub-problema Lagrangiano dual es equivalente a minimizar z+uy
en los puntos (y,z) de G. Ntese que z + uy = es la ecuacin de una lnea recta con
pendiente u que intercepta el eje z en (la Figura 4.20 muestra la lnea recta dada por
z + uy = - en lnea de trazos rojos - para un valor de u arbitrario). Por tanto, para mi-
soporte, segn la definicin dada en la seccin 4.1). La ltima intercepcin con el eje z
as obtenida es el valor de ( u ) correspondiente al dado u 0 . La Figura 4.21 muestra
la lnea recta de la Figura 4.20 desplazada hacia abajo (para minimizar ) pero en conEl teorema que sigue muestra que la funcin objetivo correspondiente a cualquier so-
lucin factible del problema dual constituye una cota inferior para la funcin objetivo
correspondiente a una solucin factible del problema primal.
10
En pocas palabras, se busca una recta tangente a G por debajo (soportante) que cruce el eje z en el punto ms bajo posible.
Alejandro H. Gonzlez
81
Alejandro H. Gonzlez
82
Electrnica Industrial
Electrnica Industrial
Figura 4.23.
Antes de esbozar el teorema en s, se enunciar el siguiente lema:
f ( x ) ( u, v ) .
y v
. Sea :
, sea
siguientes sistemas:
h ( x ) = 0 , se tiene que
( u, v ) = inf { f ( x ) + u T g ( x ) + vT h ( x ) : x X } f ( x ) + uT g ( x ) + vT h ( x ) f ( x ) ,
Corolario:
inf { f ( x ) : x X , g ( x ) 0, y h ( x ) = 0} sup { ( u, v ) : u 0} .
f:
y g:
convexas, y sea h :
. Sea
nes: existe un
x X
tal que
g ( x ) < 0 y h ( x ) = 0
y 0 int h ( X ) , donde
h ( X ) = {h ( x ) : x X } . Entonces,
inf { f ( x ) : x X , g ( x ) 0, y h ( x ) = 0} = sup { ( u , v ) : u 0} ,
Alejandro H. Gonzlez
83
Alejandro H. Gonzlez
84
Electrnica Industrial
Electrnica Industrial
sujeto a:
2x 1 = 0
x X = {x
: x 2} .
2
1 1
El valor ptimo de la funcin objetivo es 1 = , dado que el conjunto factible
4
2
1
est dado slo por el punto .
2
Figura 4.24.
lineal (LQR)
max ( v )
donde ( v ) = inf
{( x 1)
En esta seccin se busca aplicar los conceptos de teora de la optimizacin al caso del
control de un sistema dinmico. El objetivo general es hallar una secuencia de controles
Derivando con respecto a x e igualando a cero se tiene que el valor de la variable que
(eventualmente, una ley de control) que minimice una cierta funcin objetivo. Esta fun-
cin es por lo general un ndice que busca describir el desempeo del control, esto es, la
1 v 3 ). De este modo, ( v ) = ( v + 1 1) + v ( 2v + 2 1) = v + v .
rapidez con que se logran los objetivos deseados, el uso o gasto de las variables de
Derivando ahora con respecto a v e igualando a cero, se tiene que el valor de la varia1
ble que optimiza la funcin objetivo del problema Lagrangiano dual es v = y el valor
2
*
1
. Esto es, no existe
4
control para lograr los objetivos deseados, etc. Se comenzar con el anlisis para sistemas no lineales, para luego pasar a sistemas lineales, ya que es all donde las condiciones generales asumen formas concretas, y por tanto, ms fciles de intuir y ms tiles.
Considrese el siguiente sistema no-lineal
x ( k + 1) = f ( x ( k ) , u ( k ) )
n
donde f :
y u
nu
nu
k 0,
x ( 0 ) = x0
(4.19)
n
es la entrada de control.
85
k = 0,
Alejandro H. Gonzlez
, N 1,
86
Electrnica Industrial
x (k ) X
k = 0,
Electrnica Industrial
Defnase en primer lugar una nueva variable que agrupa estados y entradas,
, N,
x(N ) X f X ,
donde U
nu
, X
,y Xf
timizacin.
Por el momento, sin embargo, el problema de control ptimo de horizonte fijo que interesa tiene la siguiente forma (control sin restricciones de entrada y estado) 11:
PN ( x ) :
VNopt ( x0 )
min VN
x ( k + 1) = f ( x ( k ) , u ( k ) )
, x ( N )} , {u ( k )}
para k = 0,1,
estados y de controles. VN
VN
{ x ( k )} , {u ( k )}
donde F :
{u ( 0 ) ,
, N 1
(4.21)
k =0
nu
Las secuencias de estados y de controles que minimizan la funcin objetivo se denominan secuencias ptimas o minimizadoras. El valor ptimo de la funcin objetivo correspondiente a las secuencias ptimas es VN ( x0 ) . La funcin VN ( ) se denomina fun-
, x ( N )} , {u ( 0 ) ,
(4.22)
h1
hn
hn +1
h ( x ) =
h2 n
h
+
1
Nn
h
( N +1)n
Funcin vectorial
( N +1)n + Nnu
N +1 n
( )
x0 x ( 0 )
f
x
u
x
0
,
0
1
(
)
(
)
(
)
(
)
= 0,
f
x
N
u
N
x
N
1
,
1
) (
) ) ( )
( (
n ecuaciones
(4.23)
N +1 n + Nnu
N +1 n
( ) es una funcin vectorial.
donde h : ( )
Ntese que cada estado y entrada, en un dado tiempo k, est dado a su vez por
{x ( 0) ,
(4.20)
F ( x ( N )) + L ( x ( k ) , u ( k )) ,
, L:
( N +1) n + Nnu
x ( 0 ) = x0
{x ( 0) ,
x ( 0)
x(N )
u ( 0)
u ( N 1)
Estas variables son las variables respecto de las cuales se realizar la optimizacin.
s.a :
donde { x ( k )}
segn las condiciones KKT. Ntese que el problema PN tiene restricciones de igualdad
pero no de desigualdad. Para poder aplicar las condiciones de optimalidad de KKT es
necesario primero verificar la calificacin de las restricciones, esto es, que los gradien-
x (k )
x1 ( k )
xn ( k )
u (k )
u1 ( k )
unu ( k )
para k = 0,
nu
para k = 0,
,N
(4.24)
, N 1,
(4.25)
f ( x ( k ) , u ( k ))
f1 ( x ( k ) , u ( k ) )
f n ( x ( k ) , u ( k ) )
T
(4.26)
Estas restricciones adicionales sern analizadas en detalle en captulos posteriores, en el marco general
del control predictivo basado en modelos
Alejandro H. Gonzlez
87
Alejandro H. Gonzlez
88
Electrnica Industrial
f
x ( k )
f1
x ( k )
1
f n
x1 ( k )
f1
xn ( k )
f n
xn ( k )
f
u ( k )
gradiente de fi
12
f1
u ( k )
1
f n
u1 ( k )
Electrnica Industrial
(que son las restricciones en PN). Con estos valores se forma la siguiente funcin Lagrangiana (que toma valores reales)
f1
unu ( k )
f n
unu ( k )
funcion objetivo
( x, )
h
x
In
f
x ( 0 )
N 1
+ (k )
k =0
In
f
x (1)
In
f
x ( N 1)
In
0
f
u ( 0 )
donde
u ( N 1)
0
f
u (1)
0
h
tiene rango completo (sus filas son l.i.),
x
por lo que los gradientes de las restricciones de igualdad del problema PN son linealmente independientes en
( N +1) n + N nu
( N +1) n + N nu
{ ( k )} { ( 0 ) ,
12
asociado
, ( N 1)} , ( k )
al
n
estado
inicial,
mientras
que
f
En el caso de sistemas lineales, estas derivadas toman la forma
x ( k )
Alejandro H. Gonzlez
( 1)
(0) .
( N 1)
x ( 0 )
x (N)
u ( 0)
u ( N 1)
( N +1) n + Nnu
el vector formado por las secuencias de estado y entrada ptimos. Entonces la condicin
identidad de n n .
de
(4.27)
f ( x ( k ) , u ( k ) ) x ( k + 1)
Sea ahora,
cador
restricciones h
gradiente de hi
primera restriccion
N 1
F ( x ( N ) ) + L ( x ( k ) , u ( k ) ) + ( 1) ( x0 x ( 0 ) )
k =0
f
A,
u ( k )
( 1)
( 0)
( N 1)
( x , )
x ( k )
( x , )
u ( k )
B.
89
, se anule en ( x , ) . De este
x
=0
para k = 0,
,N
(4.28)
=0
para k = 0,
, N 1 .
(4.29)
Alejandro H. Gonzlez
90
Electrnica Industrial
y
refieren a los vectores fila de derivadas
x ( k )
u ( k )
Electrnica Industrial
Por tanto, de (4.30) - (4.32) y de la ecuacin de estado (4.19), se tiene que una condicin necesaria para que las secuencias { x ( 0 ) ,
x1 ( k )
,
xn ( k )
u ( k )
u1 ( k )
.
unu ( k )
{ ( 1) , ( 0 ) ,
nu
Ecuacin de estado
x ( k + 1) =
x ( k ) , u ( k ) , ( k )
( k )
) = f ( x ( k ) , u ( k ))
k = 0,
, N 1,
x ( 0 ) = x0 .
, como sigue:
II)
costo de etpa
( x ( k ) , u ( k ) , ( k ))
, u ( N 1)} sean
I)
, x ( N )} , {u ( 0 ) ,
x ( k )
Hamiltoniano, :
sistema
L ( x ( k ) , u ( k )) + ( k ) f ( x ( k ) , u ( k )) ,
T
para k = 0,
, N 1
( k 1) =
III)
x ( k ) , u ( k ) , ( k )
x ( k )
para k = 0,
,N - 1 .
Condiciones de borde
L
f
T
=
+ (k )
,
x ( k ) x ( k )
x ( k )
con
L
L
=
x ( k ) x1 ( k )
L
,
xn ( k )
( ( N 1) )
L
f
T
,
=
+ (k )
u ( k ) u ( k )
u ( k )
con
L
L
=
u ( k ) u1 ( k )
L
,
unu ( k )
IV)
F ( x ( N ) )
x ( N )
( x ( k ) , u ( k ) , ( k ) )
u ( k )
= f ( x ( k ) , u ( k )) .
( k )
=0
para k = 0,
,N - 1 .
Ahora s, se establecern las condiciones KKT, usando para ello la definicin de funcin Hamiltoniana vista.
( x , )
x ( k )
( x , )
x ( N )
( x , )
u ( k )
( x ( k ) , u ( k ) , ( k ) )
x ( k )
F ( x ( N ) )
x ( N )
( ( k 1) ) = 0
u ( k )
x (k ) ,u (k ), (k )
para k = 0, ,N - 1 , (4.30)
( ( N 1) ) = 0
( x ( k ) , u ( k ) , ( k ) )
L x ( k ) , u ( k ) + ( k ) f ( x ( k ) , u ( k ) ) ,
(4.31)
para k = 0,
, N 1
=0
para k = 0,
,N - 1 .
(4.32)
ptimo de sistemas no-lineales, considerando una funcin objetivo tambin muy gene13
Alejandro H. Gonzlez
91
Alejandro H. Gonzlez
92
Electrnica Industrial
Electrnica Industrial
ral. De ah que no sea fcil deducir de ellas expresiones explcitas que determinen la
( x ( k ) , u ( k ) , ( k )) =
x ( k + 1) =
( k )
estado final fijo, que deriva en una estrategia de control de lazo abierto, y la solucin
k = 0,
, N 1 , (4.35)
= Qx ( k ) + AT ( k ) k = 0,
,N - 1 , (4.36)
para el caso de estado final libre, que deriva en una estrategia de control de lazo cerrado.
0=
) = Ax ( k ) + Bu ( k )
x ( k ) , u ( k ) , ( k )
( k 1) =
x ( k )
x ( k ) , u ( k ) , ( k )
dos y entradas, respectivamente. El sistema lineal, a su vez, puede ser considerado como
un hiperplano que intersecta la superficie cuadrtica y se mueve a travs del espacio
1
T
T
T
x ( k ) Qx ( k ) + u ( k ) Ru ( k ) + ( k ) ( Ax ( k ) + Bu ( k ) ) ,
2
de modo que las Ecuaciones de estado (I) y co-estados (II) vendrn dadas por
objetivo es de tipo cuadrtica. Esta funcin objetivo puede ser considerada como una
superficie cuadrtica de dimensin n+nu, donde n y nu son las dimensiones de los esta-
( x ( k ) , u ( k ) , ( k ) )
u ( k )
= Ru ( k ) + BT ( k )
para k = 0,
,N - 1 . (4.37)
u ( k ) = R 1 BT ( k )
(4.33)
,N - 1 .
un vector de co-estados que cumpla con las condiciones anteriores. Utilizando (4.38)
n
nu
1
1
T
T
T
VN = x ( N ) P ( N ) x ( N ) + x ( k ) Qx ( k ) + u ( k ) Ru ( k ) ,
2
2 k =0
que est definida en el intervalo de inters
P ( k ) , k = 0,
x ( k + 1) = Ax ( k ) BR 1BT ( k )
N 1
[0, N ] .
(4.34)
k = 0,
(4.39)
x ( k + 1) A BR 1BT x ( k )
=
.
AT
( k 1) Q
( k )
(4.40)
{u ( 0 ) ,
, u ( N 1)}
que minimiza la funcin objetivo VN. La funcin Hamiltoniana estar dada en este caso
Este sistema, no obstante, es difcil de resolver ya que parte de l evoluciona hacia delante y parte hacia atrs. Si la Matriz A es invertible (que es el caso ms comn en sistemas discretos), entonces la ecuacin de estados puede ser escrita en reversa
por
x ( k ) = A1 x ( k + 1) + A1BR 1BT ( k )
k = 0,
, N 1 ,
Alejandro H. Gonzlez
, N 1 .
El sistema acoplado de estado y co-estado puede entonces ser escrito como un siste-
14
(4.38)
x ( 0 ) = x0 ,
donde x
para k = 0,
93
Alejandro H. Gonzlez
94
Electrnica Industrial
x ( k ) A1
=
( k 1) QA1
x ( k + 1)
.
A + QA BR B ( k )
1
x (k ) ,
1 T
Esta recursin evoluciona enteramente hacia atrs (o en reversa), de modo que si se conocen los valores finales x ( N ) y
Luego, de (4.44) y (4.45) se obtiene una ecuacin que involucra slo al estado ptimo
A1BR 1BT
Electrnica Industrial
x (k ) y
P ( k ) x ( k ) = Qx ( k ) + AT P ( k + 1) I + BR 1BT P ( k + 1)
Ax ( k )
k = 0,
, N 1 .
Como esta ecuacin se cumple para todo x ( k ) para un dado x0 , entonces se puede
escribir
noce x0 .
Las condiciones iniciales estn dadas por x0 = x0 , mientras que el estado terminal,
x ( N ) est libre. De la condicin de borde (III) se tiene entonces que
F ( x ( N ) )
= P ( N ) x ( N ) .
( N 1) =
x ( N )
A+Q.
P ( k ) = AT P ( k + 1) I + BR 1BT P ( k + 1)
(4.41)
P ( k ) = AT P ( k + 1) P ( k + 1) B BT P ( k + 1) B + R
BT P ( k + 1) A + Q ,
(4.46)
final), se puede utilizar el mtodo del intercambio (Bryson and Ho 1975). Segn ese
mtodo se supone que la relacin lineal (4.41) se cumple para todo tiempo
( k ) = P ( k + 1) x ( k + 1)
k = 0,
la secuencia de matrices
P cobra importancia
, N 1 .
(4.42)
k = 0,
x ( k + 1) = I + BR B P ( k + 1)
1 T
Ax ( k )
, N 1,
(4.43)
k = 0,
, N 1,
(4.44)
A+Q .
(4.47)
Ahora slo resta determinar la secuencia de controles ptimos, a partir de los estados
ptimos y de la secuencia P ( k ) . De (4.38), que vincula el control con el co-estado, se
P ( k ) = AT P ( k + 1) + BR 1BT
invertible para todo k, se puede escribir de un modo ms compacto (usando nuevamente el lema de inversin de matrices), como sigue:
slo estados
,N .
x ( k + 1) = Ax ( k ) BR 1BT P ( k + 1) x ( k + 1)
, N 1 . A su vez, con
tiene
u ( k ) = R 1 BT ( k )
,N - 1 .
para k = 0,
,N - 1 ,
(4.48)
(4.45)
slo estados
Alejandro H. Gonzlez
95
Alejandro H. Gonzlez
96
Electrnica Industrial
Electrnica Industrial
VN =
tiene
u ( k ) = R 1 BT P ( k + 1) x ( k + 1)
= R B P ( k + 1) ( Ax ( k ) + Bu ( k ) )
1
para k = 0,
1 T
1 N 1
T
x0 P ( 0 ) x0 + x ( k + 1) P ( k + 1) x ( k + 1)
2
2 k =0
+ x ( k ) ( Q P ( k ) ) x ( k ) + u ( k ) Ru ( k ) .
T
para k = 0,
,N - 1 .
(4.49)
De este modo, se ha llegado a una realimentacin de estado variante en el tiempo (llamada la secuencia de ganancias de Kalman), de la forma
que
VN =
1 T
1 N 1
T
x0 P ( 0 ) x0 + x ( k ) ( AT P ( k + 1) A + Q P ( k ) ) x ( k )
2
2 k =0
+ x ( k ) AT P ( k + 1) Bu ( k ) + u ( k ) BT P ( k + 1) Ax ( k ) + u ( k )
T
u ( k ) = K ( k ) x ( k ) ,
(4.50)
( B P ( k + 1) B + R ) u ( k )}.
T
con
K ( k ) = ( BT P ( k + 1) B + R ) BT P ( k + 1) A .
1
(4.51)
VN =
x ( k + 1) = ( A BK ( k ) ) x ( k )
k = 0,
+ x ( k ) A P ( k + 1) Bu ( k ) + u ( k ) B P ( k + 1) Ax ( k ) + u ( k )
, N 1 ;
( B P ( k + 1) B + R ) u ( k )}.
(4.52)
timos. Al ser la ley recontrol variante en el tiempo, el sistema autnomo que se ob-
VN =
control de est tipo, esto es, ptimo, no se puede obtener por mtodos clsicos del
dominio frecuencial.
T
1
1 T
1 N 1
x0 P ( 0 ) x0 + ( BT P ( k + 1) B + R ) BT P ( k + 1) Ax ( k ) + u ( k )
2
2 k =0
( B P ( k + 1) B + R ) ( B P ( k + 1) B + R )
tiene del lazo cerrado es tambin variante en el tiempo, lo que evidencia que un
cin objetivo, cuando se implementa la ley de control ptima. Ntese primero que
BT P ( k + 1) Ax ( k ) + u ( k ) .
1
1 T
1 N 1
T
x0 P ( 0 ) x0 + x ( k ) AT P ( k + 1) B ( BT P ( k + 1) B + R ) BT P ( k + 1) A x ( k )
2
2 k =0
T
ecuacin sta que provee una alternativa para el clculo de la secuencia de estados p-
N 1
u ( k ) = ( B P ( k + 1) B + R ) B P ( k + 1) Ax ( k )
1
1
1 N 1
T
T
T
x ( N ) P ( N ) x ( N ) + x ( k ) Qx ( k ) + u ( k ) Ru ( k )
2
2 k =0
,N - 1,
u ( k ) = ( BT P ( k + 1) B + R )
1
T
T
x ( k + 1) P ( k + 1) x ( k + 1) x ( k ) P ( k ) x ( k )
2 k =0
.
1
1
T
= x ( N ) P ( N ) x ( N ) x0T P ( 0 ) x0
2
2
VN* =
N 1
1
1
T
T
x ( N ) P ( N ) x ( N ) + x ( k ) ( Q + K kT RK k ) x ( k )
2
2 k =0
1
= x0T P ( 0 ) x0 .
2
=
Por tanto, se puede agregar la resta del lado izquierdo menos el lado derecho a la fun-
1
1 N 1
T
T
T
x ( N ) P ( N ) x ( N ) + x ( k ) Qx ( k ) + u ( k ) Ru ( k )
2
2 k =0
)
(4.53)
Este resultado, algo asombroso por su simpleza y contundencia, merece an una breve discusin. La secuencia P ( k ) se calcula completamente antes de implementar el
Alejandro H. Gonzlez
97
Alejandro H. Gonzlez
98
Electrnica Industrial
control ptimo (off-line), de modo que P ( 0 ) se conoce a priori. Luego, dado cualquier
estado inicial x0 , se puede usar (4.53) para determinar el costo completo de aplicar el
control ptimo, antes incluso de haberlo aplicado. En general, se puede considerar cualquier tiempo k en [ 0, N ] como el tiempo inicial de un sub-intervalo, de modo que
Vk*, N =
Electrnica Industrial
K = ( BT P B + R ) BT P A .
1
(4.55)
1
T
x (k ) P (k ) x (k ) ,
2
Cabe ahora la pregunta de cmo queda la funcin objetivo o costo, en el caso de que
V =
conocer el costo para ir hasta (esto es el, el costo que queda para llegar hasta N) de
1
1
T
T
T
x ( ) P x ( ) + x ( k ) Qx ( k ) + u ( k ) Ru ( k ) ,
2
2 k =0
(4.56)
y dado que se supone que el sistema de lazo cerrado es estable, el estado converge a
cero para un tiempo infinito. De este modo la ecuacin (4.56) se puede escribir como
nito
La ecuacin de Riccati (4.46), como se dijo, se debe resolver en reversa para as obtener la secuencia de matrices P ( k ) , k = 0,
converge,
entonces
para
un
grande
se
cumplir
Por ltimo, las tablas 4.1 y 4.2 muestran un resumen de lo expuesto en relacin al re-
negativo
1
T
T
x ( k ) Qx ( k ) + u ( k ) Ru ( k )
2 k =0
1
T
= x ( k ) ( Q + K T RK ) x ( k )
2 k =0
1
= x0T P x0 .
2
V* =
a una matriz de estado estacionario P ( ) , la cual puede ser nula, semi-definida positi-
Si
1
T
T
x ( k ) Qx ( k ) + u ( k ) Ru ( k )
2 k =0
te.
en
P = AT P PB BT PB + R
BT P A + Q ,
(4.54)
x ( k + 1) = Ax ( k ) + Bu ( k )
Sistema
x ( 0 ) = x0
que es lo que se conoce como ecuacin algebraica de Riccati (ARE) y es una ecuacin
que no depende del tiempo. De este modo, la solucin lmite de la ecuacin de Riccati
Funcin objetivo
(4.46), esto es, la solucin que se obtiene resolviendo en reversa (4.46) hasta infinito,
ser siempre solucin de (4.54) (la inversa no es cierta). En caso de que dicha matriz
Parmetros de la fun-
cin objetivo
VN =
1
1 N 1
T
T
T
x ( N ) P ( N ) x ( N ) + x ( k ) Qx ( k ) + u ( k ) Ru ( k )
2
2 k =0
P ( N ) 0 , Q 0 , R > 0 y simtricas
ser
Alejandro H. Gonzlez
99
Alejandro H. Gonzlez
100
Electrnica Industrial
Secuencia de penalizacin terminal.
Ecuacin de Riccati
en el tiempo
V* =
Costo ptimo
1 T
x0 P x0 .
2
u ( k ) = K ( k ) x ( k )
Realimentacin de
estado ptima variante
1
P ( k ) = AT P ( k + 1) P ( k + 1) B BT P ( k + 1) B + R BT P ( k + 1) A + Q
k = 1, , N 1 y P ( N ) dado
Electrnica Industrial
estados.
su aplicacin
No considera posibles perturbaciones (control off-line)
K ( k ) = ( BT P ( k + 1) B + R ) BT P ( k + 1) A
1
Tabla 4.2. Resultados referentes al regulador cuadrtico lineal (LQR) de horizonte in1 T
x0 P ( N ) x0 .
2
VN* =
Costo ptimo
finito.
estados.
su aplicacin
Referencias bibliogrficas
No considera posibles perturbaciones (control off-line)
Goodgwin G.C., Seron, M.M. and De Don J.A. Constrained control and estimation.
Tabla 4.1. Resultados referentes al regulador cuadrtico lineal (LQR) de horizonte finito.
x ( k + 1) = Ax ( k ) + Bu ( k )
Sistema
Funcin objetivo
x ( 0 ) = x0
V =
1
T
T
x ( k ) Qx ( k ) + u ( k ) Ru ( k )
2 k =0
Q 0 , R > 0 y simtricas
Penalizacin terminal.
Ecuacin algebraica
P = AT P PB BT PB + R
BT P A + Q
de Riccati (ARE)
Realimentacin de
estado ptima invariante en el tiempo
Alejandro H. Gonzlez
u ( k ) = K x ( k )
K ( k ) = ( BT P B + R ) BT PP A
1
101
Alejandro H. Gonzlez
102
Electrnica Industrial
Electrnica Industrial
Parte II
Ms all de que los problemas reales presentan de hecho limitaciones en las entradas
Ntese que en muchos procesos es deseable que las entradas se mantengan en uno de
sus lmites para optimizar gastos energticos (por ej. vlvulas que regulan el suministro
de un fluido costoso). Un control que slo se aparta de los lmites no es til en este
caso.
La presencia de lmites en las entradas cambia la naturaleza del sistema. Por ejemplo,
un sistema lineal inestable con restricciones en la entrada presenta un conjunto de per-
turbaciones bien definido, fuera del cual no es posible estabilizar el lazo con entradas
factibles.
Entre las desventajas de esta tcnica de control, se pueden anotar las siguientes:
rio. Supngase que un proceso est representado por el siguiente modelo en variables de
estado
x ( k + 1) = Ax ( k ) + Bu ( k )
(5.1)
y ( k ) = Cx ( k )
(5.2)
2. El controlador requiere un algoritmo de optimizacin, por lo que slo puede implementarse por computadora.
3. Se requiere un alto costo computacional, lo que hace difcil su aplicacin a sistemas rpidos.
donde x
nx
, u
nu
e y
ny
un estado estacionario representado por ( u ss , y ss ) . De este modo, los vectores de entrada y salida representados en (5.1)-(5.2) son en rigor diferencias respecto de los valores
estacionarios. Esto es,
y ( k ) = y ( k ) y ss ,
Alejandro H. Gonzlez
103
Alejandro H. Gonzlez
u ( k ) = u ( k ) u ss ,
104
Electrnica Industrial
Electrnica Industrial
donde y y u representan los valores reales (esto es, los valores aplicados al proceso) de
pasado
futuro
sp
Considrese ahora un controlador genrico, que para un dado instante k y un dado estado
actual
u ( k / k ) , u ( k + 1/ k ) ,
x (k ) ,
calcula
la
secuencia
de
controles
Y
control implementado al
tiempo k
salida predicha
Jk
m 1
( y ( k + j / k ) y ) Q ( y ( k + j / k ) y ) + u ( k + j / k )
p
j =0
sp T
sp
Ru ( k + j / k ) ,
(5.3)
j =0
k+m-1
k+1
k+p
horizonte de control m
sujeta a una serie de restricciones, tanto de entrada como de salida, y donde p es el horisp
horizonte de prediccin p
Figura 5.1: Entrada y salida a lazo abierto que conforman el costo que minimiza MPC a
cada instante.
y ( k + j / k ) = CA j x ( k ) + CA j 1 Bu ( k / k ) + CA j 2 Bu ( k + 1 / k ) +
+ CA j m Bu ( k + m 1 / k )
= CA j x ( k ) + C A j 1
predicciones dadas por (5.3) no se consideran las acciones de control que van desde el
tiempo k+m hacia delante, lo que dio origen a que estas predicciones se conozcan como
donde
u (k / k )
u ( k + 1/ k )
uk =
u ( k + m 1/ k )
A j 2
A j m Buk ,
m.nu
Para una representacin ms sencilla del costo (5.3), es posible expresar las predicciones en una forma matricial-vectorial, como sigue:
Alejandro H. Gonzlez
105
Alejandro H. Gonzlez
106
Electrnica Industrial
yk = Cd Apas x ( k ) + Cd Afut uk ,
pasado
(5.4)
futuro
donde
y (k + 1 / k )
y (k + m / k )
yk =
y ( k + m + 1 / k )
y ( k + p / k )
C
Cd =
0
p .ny
Apas
m
A
= m +1 ,
A
p
A
Afut
Am 1 B
= m
A B
p 1
A B
B
,
AB
p m +1
A
B
0
0
.
Electrnica Industrial
0
1
I M = I M , M = 0
0 0
0 0
0 0
1 0
0
0
1
0
1
0
m.nu m.nu
, I =
0
m m.nu
u ( k + j / k )
j =0
Ru ( k + j / k ) = ( I M uk Iu ( k 1) ) R ( I M uk Iu ( k 1) ) .
T
(5.7)
Finalmente, de (5.5) y (5.7) se tiene que el costo (5.3) puede ser escrito como:
J k = ( Cd Apas x ( k ) + Cd Afut uk y sp ) Q ( Cd Apas x ( k ) + Cd Afut uk y sp )
T
y sp
sp
Utilizando (5.4) y definiendo y = , Q = diag ( Q
y sp
+ ( I M uk Iu ( k 1) ) R ( I M uk Iu ( k 1) )
T
J k = ukT
{(C A
) Q (C
T
fut
( y (k + j / k ) y ) Q( y (k + j / k ) y )
sp T
sp
j =0
(5.5)
(5.8)
Ntese que la funcin objetivo del problema de control ser cuadrtica en uk.
Otro tanto puede ser hecho con las entradas. En este caso, la secuencia de incrementos
u ( k / k )
u ( k + 1/ k )
uk =
= I u Iu ( k 1) ,
M k
u ( k + m 1/ k )
como sigue:
P1:
(5.6)
sujeto a:
donde
umin u ( k + j / k ) umax
0 j<m
umin u ( k + j / k ) umax
Alejandro H. Gonzlez
107
Alejandro H. Gonzlez
0 j<m
108
Electrnica Industrial
Electrnica Industrial
donde ahora aparecen incorporadas en forma explcita las restricciones tanto de entrada
yk = NAx ( k ) + DM uk
(5.10)
cmo de incrementos de entrada. Luego, la ley de control de MPC (que no siempre puede ser explicitada), saldr de aplicar la primera accin de control de la secuencia ptima
obtenida en P1.
(5.9)
donde
T
x (k ) = y (k / k )
y ( k + 1/ k )
y (k + n / k )
0
I ny
0
0
0
0
I ny
I ny
ny .( n +1)ny .( n +1)
s1
s
, B = 2
sn +1
y (k + 1 / k )
y (k + m / k )
yk =
y ( k + m + 1 / k )
+
/
y
k
p
k
)
(
s1
s
2
DM =
sm
s p
0
s1
sm 1
s p 1
u ( k / k )
u ( k + 1/ k )
p .ny
, uk =
u ( k + m 1/ k )
, N = I p
0 ,
0
0
s p m +1
ne:
ny .( n +1)nu
+ ( NAx ( k ) y sp ) Q ( NAx ( k ) y sp )
Observaciones:
* En la representacin dada por (5.9) los estados corresponden a la trayectoria de salida si no se aplica ninguna accin de control. De este modo, la representacin de estado
QDMC (quadratic dynamic matrix control) se obtiene de la solucin on-line del siguiente problema de optimizacin:
es no-mnima.
* La representacin dada por (5.9) esta escrita en trminos de los incrementos de en-
P2:
min ukT H uk + 2cTf uk
trada.
uk
El controlador DMC tiene la misma funcin objetivo definida en (5.3). Sin embargo,
teniendo en cuanta el modelo (5.9), las predicciones de salida son ahora:
Alejandro H. Gonzlez
m.nu
y sp
Entonces, definiendo como antes y sp = , y substituyendo (5.10) en (5.3), se tie y sp
A=
0 0
0 0
donde
109
sujeto a:
Alejandro H. Gonzlez
110
Electrnica Industrial
umin u ( k + j / k ) umax
0 j<m
umin u ( k + j / k ) umax
Electrnica Industrial
del observador.
0 j < m.
Ntese que la variable de decisin est ahora dada por u , dado que el modelo de
partida esta escrito en la forma incremental.
Para incluir una perturbacin medida en el esquema QDMC, la ecuacin (5.9) puede
x ( k + 1) = ( I LC ) Ax ( k ) + ( I CB ) u ( k ) + Ly ( k + 1) ,
sd ,1
s
d ,2
x ( k + 1) = Ax ( k ) + Bu ( k ) + Bd d ( k ) , donde Bd = .
sd ,n
Comentario:
Los controladores DMC originales utilizan un esquema de realimentacin que, traducido en trminos de observadores, hace que la matriz (I-LC)A no sea Hourwitz para sis-
Observaciones:
temas no estables. De all su incapacidad para trabajar con este tipo de sistemas.
* Los controladores DMC o QDMC son las versiones tempranas de MPC, y presen-
tan una formulacin simple y transparente, que basa su desarrollo en modelos de simple
construccin (respuesta al escaln). Es por eso que la mayora de los controladores
(5.12)
La forma en que se incorpora la realimentacin de salida en el esquema de MPC basado en modelos de espacio de estado, es actualizando el estado presente (del que depende la funcin costo) segn la ltima lectura de la salida de la planta. Esto se consigue por medio del siguiente observador 15:
x ( k + 1) = Ax ( k ) + Bu ( k ) + L y ( k + 1) C Ax ( k ) + Bu ( k ) ,
que obligue a que la salida predicha segn el estado estimado y el modelo (esto es
C ( Axk + Buk ) ) sea igual a la salida medida en el estado estacionario. La condicin de
estado estacionario slo implica que xk +1 = xk , lo que no significa que xk = Axk + Buk ,
porque el estado estimado no tiene porqu evolucionar segn A, B y C que son slo un
(5.11)
L yk C ( Axk + Buk ) 0 ,
(5.13)
15
16
Alejandro H. Gonzlez
Alejandro H. Gonzlez
111
Ntese que dicha estabilidad no implica que la salida estimada sea igual a la salida medida.
112
Electrnica Industrial
Electrnica Industrial
lo que implica que las predicciones de salida en estado estacionario hechas en base a
De este modo se ha mostrado que la forma en que MPC elimina el offset es por medio
C ( Axk + Buk ) no sern precisas. sta es la razn por la cual los controladores MPC no
los modos integradores aparezcan en el modelo de prediccin. Esto es as, porque las
predicciones en MPC estn basadas en el estado actual estimado, y si este estado no es
de salida.
sariamente offset.
provoca que la ecuacin (5.13) sea nula. Este es el caso en el que el modelo utilizado
Camacho, E and Bordons. Model Predictive Control (2nd ed.), Berlin: Springer
por el observador contiene modos integradores, esto es, estados que cumplen
(2004).
xi ( k + 1) = x i ( k ) + 0.u ( k ) .
+ Bu
,
xki = xki + Li yk C Ax
k
k
donde se remarca que el estado que no lleva el superndice, es el vector de estado completo, es decir, los estados originales ms los integradores. Ahora bien, esta ltima condicin implica que si Li es de rango completo, entonces
+ Bu
=0,
y C Ax
k
k
k
con lo que se logra la deseada igualdad entre salida predicha y salida medida. Ms aun,
cuando el trmino entre corchetes se anule, se tendr (segn la misma ecuacin (5.12),
+ Bu
+ Bu
+ L y C Ax
,
xk = Ax
k
k
k
k
k
(2002).
=0
lo que permite utilizar el modelo ampliado A , B , C para conocer los estados estimados
Alejandro H. Gonzlez
113
Alejandro H. Gonzlez
114
Electrnica Industrial
Alejandro H. Gonzlez
115
Electrnica Industrial
Electrnica Industrial
Definicin 2 (Mximo conjunto invariante positivo): El mximo conjunto invarianEl tema de la estabilidad es acaso uno de los ms caros a MPC, y gran parte de la literatura especializada de los aos 80s y 90s estuvo destinada a tratarlo. Recientemente,
se nombrar
riantes ha permitido arribar a una formulacin general que permite, si se atienden ciertas
{x ( k ) X : ( x ( k ) ) U }
cedimiento es puramente terico, y algo apartado de los objetivos prcticos del control,
conforma una parte sustancial del desarrollo histrico reciente de MPC, en tanto que,
asombrosamente, contiene como casos particulares a la mayora de las estrategias de
estabilidad restantes. En segundo lugar, su comprensin detallada facilita los desarrollos
referentes a la estrategia conocida como MPC de horizonte infinito, que son la base de
los controladores con estabilidad garantizada que se estn comenzando a utilizar en la
{x : A
x X , f Aj f x U ,
j = 0,1,
se dice inva-
Las definiciones que siguen estn asociadas a un dado sistema, no autnomo, dado
n
cho sistema est restringido por el siguiente juego de restricciones de entrada y de esta-
na ley de control u ( k ) = ( x ) tal que sea un invariante positivo para el lazo cerrado
x ( k + 1) = f ( x ( k ) , ( x ) ) .
do:
considera un sistema lazo cerrado particular, en esta definicin slo se exige que exista
u ( k ) U
alguna ley de control tal que el conjunto en cuestin sea un invariante positivo. Si un
x (k ) X .
se dice invarian-
Alejandro H. Gonzlez
control lineal dada por u = f x , el mximo conjunto invariante positivo est dado por:
donde A f = A B f .
industria.
se dice
117
Alejandro H. Gonzlez
118
Electrnica Industrial
Electrnica Industrial
V ( x ) = min V ( f ( x, u ) V ( x ) ) 0
uU
es el conjunto de estados x para los cuales existe una actuacin admisible u U (que
caso
en
que
el
conjunto
sea
un
invariante
de
control.
As,
si
depender del estado x) tal que el sistema alcanza el conjunto en un solo paso:
{x ( k )
Co0 ( X , ) = .
Q ()
pero no en i+1.
: u ( k ) U tal que f ( x ( k ) , u ( k ) ) .
()
{x ( k )
Coi ( X , )
: ( x ( k ) ) U y f x ( k ) , ( x ( k ) ) .
siendo X
{x ( 0) X
: x ( k ) X , para todo k = 0,
, i 1 y x ( i ) } ,
{x ( k ) X : ( x ( k ) ) U } .
de control si y slo si
CoI +1 ( X , ) = Q ( CoI ( X , ) ) X .
Q () .
Ntese que esta condicin tiene una interpretacin geomtrica. Una vez obtenido el con-
junto Q ( ) (que puede calcularse por procedimientos geomtricos), basta con compro-
admisibles tal que la evolucin del sistema permanece en el conjunto X durante los i
instantes siguientes:
Ci ( X )
nes admisibles tal que conduce el sistema hasta el conjunto X en i pasos, con una
trayectoria admisible:
Coi ( X , )
{ x ( 0 ) X : para todo k = 0,
, i 1, u ( k ) U tal que x ( k + 1) X } .
Definicin 8 (Conjunto estabilizable en i pasos): El conjunto estabilizable en i pasos al conjunto invariante (de control, o positivo segn una dada ley de control) X ,
es el conjunto de estados Si ( X , ) para los cuales existe una secuencia de actuaciones
, i 1, u ( k ) U
tal que x ( k ) X y x ( i ) }.
El conjunto controlable en i pasos indica los estados que pueden alcanzar un determi-
admisibles tal que conduce el sistema hasta el conjunto en i pasos, con una trayectoria admisible 18:
nado conjunto en i pasos con una evolucin admisible mediante una secuencia de actuaciones admisibles. Este conjunto depende naturalmente del nmero de pasos i, y da origen a una secuencia de conjuntos que poseen una serie de propiedades. A continuacin
se enuncian algunas que resultan de inters:
Alejandro H. Gonzlez
17
18
que sea un invariante positivo. Que sea un invariante positivo significa que lo ser respecto de una
119
Alejandro H. Gonzlez
120
Electrnica Industrial
Si ( X , )
{ x ( 0 ) X : para todo k = 0,
, i 1, u ( k ) U
N 1
VN ( x ( k ) , uk ) =
tal que x ( k ) X y x ( i ) }
i =0
con
siendo X
{x ( 0) X
funcin de costo terminal destinada a penalizar el ltimo estado dentro del horizonte 19.
El costo propuesto depende tanto del estado inicial x ( k / k ) = x ( k ) como de la secuen-
u ( k + 1/ k )
T
u ( k + N 1/ k ) ;
(6.2)
VN* ( x ( k ) ) .
( X , )
y una vez alcanzado el ptimo, el costo pasa a depender slo del estado inicial,
(6.1)
( x ( k + i / k ) , u ( k + i / k )) + F ( x ( k + N / k )) ,
( x, u ) = xT Qx + uT Ru , con
uk = u ( k / k )
S0 ( X , ) = .
* Si ( X , ) Si +1 ( X , ) .
donde
Electrnica Industrial
: x ( k ) X , para todo k = 0,
El modelo de espacio de estado a partir del cual se hacen las predicciones vendr dado por la forma general x ( k + 1) = f ( x ( k ) , u ( k ) ) , aunque los modelos de inters sern
lineales e invariantes en el tiempo, es decir, la funcin f tomar la forma
, i 1 y x ( i ) } ,
f ( x ( k ) , u ( k ) ) = Ax ( k ) + Bu ( k ) .
{x ( k ) X : ( x ( k ) ) U } .
A continuacin se expondr una formulacin general de MPC que cuenta con todas
las condiciones para garantizar la estabilidad del lazo cerrado. Este resultado fue presen-
tado por Mayne et al., 2000, y representa un punto de inflexin en la materia, en tanto
Si+1 ( X , ) = Q ( Si ( X , ) ) X .
que contiene como casos particulares a casi todas las formulaciones precedentes de
MPC estables. El problema general de MPC, en el que se incluyen todos los ingredien-
tes necesarios para abordar la demostracin de factibilidad recursiva y estabilidad asinttica, es el descrito por las siguientes ecuaciones:
19
El costo general dado por (6.1) presenta, por provenir de la teora de control ptimo, algunas diferencias respectos de los costos definidos antes. En primer lugar, se considera aqu un nico horizonte, es
decir, el horizonte de control coincide con el de prediccin (m = p = N). En segundo lugar, se trabaja con
un costo de etapa asociado al caso de regulacin que es equivalente al caso de seguimiento de una referencia ysp si se considera la matriz de peso C T QC en lugar de Q, y se trabaja con variables desviacin
tanto para los estados como para las entradas. En el caso de seguimiento, el costo de etapa viene dado por
( x, u ) = ( x xs )
Alejandro H. Gonzlez
121
adems y = Cxs . En tercer lugar, se considera un costo terminal F aplicado al ltimo estado dentro del
horizonte, lo que permite dar ms generalidad al tratamiento. En cuarto lugar, el subndice N del costo VN
refiere en este caso al (nico) horizonte de las predicciones.
sp
Alejandro H. Gonzlez
122
Electrnica Industrial
Electrnica Industrial
PrN ( x ) :
instante (k + j), solucin en x ( k ) , puede ser distinta a la actuacin ptima para ese
min VN ( x ( k ) , uk )
s.a
uk
u ( k + j / k ) U
j = 0,1,
, N 1
x (k + j / k ) X
j = 0,1,
, N 1
(6.3)
cin del sistema en bucle cerrado difiere de la evolucin predicha en la resolucin del
sistema 21. Tan slo en el caso de horizonte infinito se verifica que la evolucin real co-
x (k + N / k ) X f
incide con la predicha, pues en ese caso se puede considerar que el horizonte no retro-
Los parmetros del controlador vienen dados por: un controlador local 20 f ( x ) que
gua el sistema de N hacia delante (en las predicciones), una regin terminal X f donde
opera el control local, un costo terminal F ( x ) , un costo de etapa
( x, u ) y un horizonte
N.
u * ( k + 1/ k )
de
estados
ptimos,
nu
que satisfacen:
T
u * ( k + N 1/ k ) , desechndose el resto de la
A1: X f es cerrado y 0 X f ,
( x, u ) .
uk* = u * ( k / k )
( x, u ) +
Este problema depende del estado del sistema en cada instante, siendo por tanto un
] ( x, u )
{ x ( k / k ) x ( k + 1/ k )
*
x* ( k + N / k )} ,
donde
A4: [ F +
MPC ( x ( k ) ) = u * ( k / k ) .
] ( x, f ( x ) ) 0,
Entonces
Ahora bien, debido a que se supone que el modelo de prediccin es exacto, el estado
al que evoluciona el sistema es exactamente el predicho, esto es, x ( k + 1) = x ( k + 1/ k ) .
*
VN* + ( x, MPC ( x ) ) 0 ;
(6.4)
Pero, dado que el problema a resolver depende del estado, la actuacin ptima en el
21
controlador en un tiempo determinado, sino que, por el contrario, este cambio opera slo en las predicciones (Rossiter, 2003).
Esto significa que aun siendo los modelos exactos existir una discrepancia entre prediccin y comportamiento real. Este detalle, trivial a priori, tiene la siguiente consecuencia: no todo lo que le ocurre a las
predicciones (que comnmente se llaman lazo abierto), debe ocurrirle al sistema real. Por ejemplo, que
las predicciones en un dado instante k alcancen un conjunto en N pasos, no implicar que los estados del
sistema lo alcancen en esa cantidad de pasos, ya que al tiempo k+1 se habrn descartado muchas de las
actuaciones que lo lograban. En general, se puede decir que cuanto ms se aparten prediccin y comportamiento real, ms pobre ser el desempeo del controlador, ya que se estar optimizando sobre la base a
una prediccin deficiente.
Alejandro H. Gonzlez
Alejandro H. Gonzlez
20
La idea de utilizar un controlador local, es decir, un controlador que opere ms all del horizonte N en
las predicciones, proviene de lo que se conoce como control MPC de modo dual (Michalska y Mayne,
1993). En la Ecuacin (6.1), el costo terminal F es el que computa el costo de guiar el sistema con el
control local f ( x ) . Un detalle a tener en cuenta, es que el MPC dual no refiere a un cambio real de
123
124
Electrnica Industrial
Electrnica Industrial
mente estable con un dominio de atraccin X N dado por todos los estados para los cua-
les existe una secuencia de N actuaciones admisibles tales que el sistema evoluciona
dentro de X hasta alcanzar el conjunto terminal X f . X N es, a su vez, un invariante po-
riante positivo segn f (condicin A3). De todo lo anterior se deduce que uk +1 es una
secuencia factible para el problema en el tiempo k+1.
Ahora bien, el costo correspondiente a la secuencia factible que se acaba de describir,
Demostracin
VN ( x ( k + 1) ) , cumplir con
Factibilidad recursiva:
VN ( x ( k + 1) ) VN* ( x ( k ) ) =
( x ( k ) , u ( k / k )) + { ( x ( k + N / k ) , ( x ( k + N / k )))
*
( (
))
+ F f x* ( k + N / k ) , f ( x* ( k + N / k ) ) F ( x* ( k + N / k ) ) ,
tivo del sistema en lazo cerrado. Como el conjunto Xf es un conjunto invariante positivo
segn la ley de control local, entonces X N es el conjunto estabilizable en N pasos,
luego, de A4 se tiene
VN ( x ( k + 1) ) VN* ( x ( k ) ) = ( x ( k ) , u * ( k / k ) ) + [ F +
( x ( k ) , u* ( k / k ) )
] ( x* ( k + 1/ k ) , f ( x* ( k + 1/ k ) ) )
por tanto, al ser siempre la solucin ptima al tiempo k+1 menor que una solucin facti-
ble, entonces
VN* ( x ( k + 1) ) VN* ( x ( k ) ) VN ( x ( k + 1) ) VN* ( x ( k ) )
Convergencia:
Sea uk* = u * ( k / k )
u * ( k + 1/ k )
T
u * ( k + N 1/ k )
el tiempo k, x* ( k + j / k ) , j = 1,
la solucin ptima en
por
( x ( k ) , u ( k / k )) .
*
De este modo se concluye que VN* ( x ) es una funcin de Liapunov, y el sistema es asintticamente estable.
uk +1 = u ( k + 1/ k )
u ( k + N 1/ k )
*
f ( x ( k + N / k ) ) ,
*
(6.5)
es decir, una secuencia compuesta a partir de k+1 por los controles ptimos pasados, y
dente. Atendiendo fines didcticos, nos detenemos a analizar el caso sencillo de un sis-
completada con la actuacin que surge de aplicar el control local al estado terminal p-
tema
timo predicho al tiempo k. Al ser el problema de optimizacin factible al tiempo k, entonces tanto las actuaciones como los estados predichos satisfacen las restricciones, es
decir, u * ( k + j / k ) U , x* ( k + j / k ) X , j = 1,
Alejandro H. Gonzlez
, N 1 y x* ( k + N / k ) X f . Esta
125
lineal
( x, u ) = x
x ( k + 1) = Ax ( k ) + Bu ( k ) ,
un
costo
de
etapa
cuadrtico
el siguiente. En primer lugar se elige una ley de control local, u = f x , que sea esta-
Alejandro H. Gonzlez
126
Electrnica Industrial
Electrnica Industrial
Por otro lado, como el sistema estar controlado por la ley f a partir de N, entonces
bilizante. Esta ley de control determinar, junto con las restricciones de entrada U y de
estados X, una regin terminal X f , que vendr dada por el mximo conjunto invariante
positivo:
{x : A
x X , f Aj f x U ,
j = 0,1,
},
evolucionar
x ( k + j ) = Aj f x ( k ) ,
segn
A f = A B f
donde
adems
donde A f = A B f .
te en
F ( x ( k )) = x ( k )
j =0
Esta regin ser en general tanto mayor cuanto ms conservador sea el control local.
QAj f x ( k ) + x ( k ) f Aj f
( ) (Q +
drtico lineal sin restricciones (LQR), f = K LQR , que se obtiene a partir de la ecuacin
T
f
R f Aj f x ( k )
R f ) Aj f x ( k )
= x ( k ) Qx ( k ) .
T
Para obtener esta matriz de ponderacin se utiliza la ecuacin de Liapunov. Esto es,
T
= x ( k ) Aj f
j =0
(A )
( ) (Q +
como la serie Q = Aj f
j =0
T
f
agresivo sea el control (ms grande sea Q en relacin a R) ms pequeo ser X f . Una
ATf QA f = Aj f
j =1
( ) (Q +
T
T
f
R f ) Aj f = Q ( Q + Tf R f ) .
(6.8)
depender naturalmente del horizonte N. Se puede demostrar que, como indica el senti-
Ntese que con esta eleccin para el costo terminal, la condicin A4 se satisface con
Volvamos ahora al caso de una ley de control (local) general. A partir de dicha ley se
debe calcular un costo terminal F ( x ) que satisfaga A4. Una alternativa para calcular
[ F + ] ( x, f ( x ) ) = F ( A
= xT Aj f+1
j =0
este costo es suponer un horizonte (cola, a partir de N) infinito sobre el que actuar el
) (Q +
T
( x,
x)
T
f
( ) (Q +
R f ) Aj f+1 x xT Aj f
j =0
T
f
R f ) Aj f x
= x ( Q + Tf R f ) x + xT ( Q + Tf R f ) x = 0, x X f ,
T
acotada. Adoptando esta alternativa, el costo terminal que penaliza los estados de N en
es decir, al tener una ley de control fija y un horizonte infinito, la trayectoria de estados
F ( x ( k ) ) = x ( k + j ) Qx ( k + j ) + u ( k + j ) Ru ( k + j ) .
T
x F ( x) +
( x , f x )
estados convergern asintticamente al origen y la suma de los trminos que restan ser
+ xT ( Q + Tf R f ) x
control local elegido. Al ser este control estabilizante y factible en X f , entonces los
se conserva de un instante al otro, de suerte que la diferencia entre ambas sumas infini(6.7)
j =0
tas es el primer elemento de la serie. Como este elemento coincide con el costo de etapa
22
No siempre es sencillo obtener una solucin a esta ecuacin cuando A f no es diagonal. En general, la
Alejandro H. Gonzlez
127
Alejandro H. Gonzlez
128
Electrnica Industrial
Electrnica Industrial
demoran algunos pasos ms. Esto se debe a que se implementa la estrategia de horizonte
sante resaltar que lo anterior se cumple para cualquier control estabilizante, siempre y
cuando exista una matriz Q que satisfaga la ecuacin (6.8). Como se mencion, un caso
de inters es el control nulo f 0 , que cumple con todo lo anterior siempre y cuando
instante k se van descartando los controles de k+1 hacia delante. Esto no invalida, sin
el sistema a controlar sea estable. Otro caso singular es el regulador cuadrtico lineal,
que vendr determinado por los pesos Q y R. En este caso, la penalizacin terminal
requiere all es la factibilidad en las predicciones, esto es, la factibilidad en el lazo abier-
to.
Para visualizar todos los detalles enunciados en esta seccin, se realizar a continuacin
1.5
un ejemplo de simulacin.
Ejemplo de simulacin
Co1
Co2
Sea el siguiente sistema lineal (Kerrigan, 2000): A=[1 1; 0 1]; B=[0.5; 1], y los si-
( x, u ) = xT Qx + uT Ru , don-
x2
Xf
0.5
Co3
-0.5
como control local el regulador cuadrtico lineal obtenido a partir de las matrices de
-1
1 x2 ( k ) 1 ; regin terminal: X f = { x
: x
-1.5
-10
nida de la ecuacin algebraica de Ricatti). Una vez hecho esto, se calcula la regin ter-
-5
0
x1
10
minal, X f , que vendr dada por el mximo conjunto invariante positivo dado por (6.6).
Figura 6.1: Conjuntos controlables y evolucin de los estados a lazo cerrado para un
establizables a 1, 2, y 3 pasos que conducen a esta regin terminal. Ntese que se habla
de conjuntos estabilizables porque ahora la regin terminal es un invariante positivo
para la ley de control local dada. Estos conjuntos, como se defini ms arriba, denotan
los estados que pueden ser llevados en 1, 2 y 3 pasos, respectivamente, por medio de
controles admisibles y a travs de trayectorias admisibles hasta X f . Pero que puedan
ser llevados en N pasos por algn control no implica que el control MPC lo har de esa
manera, pues como se dijo, no todo lo que ocurre en las predicciones ocurrir en el lazo
cerrado. Ms aun, puede ocurrir que lo ptimo para llegar al equilibrio no sea llegar
rpido a la regin terminal. En la Figura 6.1 se puede ver que algunas trayectorias de
estado alcanzan efectivamente la regin terminal en N=3 pasos, mientras que otras se
23
Alejandro H. Gonzlez
Alejandro H. Gonzlez
129
130
Electrnica Industrial
Electrnica Industrial
zado por MPC es precisamente el control ptimo, ambos controladores tendrn idnti-
control LQR.
cas trayectorias. En resumen se puede decir que mientras las restricciones le impidan
asumir la ley de control ptima sin restricciones, K LQR , el control MPC har lo mejor
6.2 se muestra la evolucin del control ptimo tomando como estados iniciales los puntos [8.2 0.28] y [ 8.2 0.28] . All se puede ver como es violada la restriccin en el
segundo estado. El hecho, tan interesante, de que las trayectorias de ambos controles,
ptimo sin restricciones y MPC, coincidan dentro de X f se puede comprobar fcilmente en las simulaciones. Sin embargo, por razones de espacio sus grficas son omitidas.
En la Figura 6.3 se muestran las evoluciones de la entrada y los estados del sistema. En
lneas llenas aparecen las grficas correspondientes a MPC, y en lneas punteadas las
correspondientes al regulador cuadrtico lineal, cuando el estado inicial es
x ( 0 ) = [8.2 0.28] . Ntese cmo el control MPC satisface en todo momento las res-
tricciones. Por ltimo, en la Figura 6.4 se muestra la evolucin del costo en MPC que,
entrada
0
-0.5
0
10
x1
sistema est dentro de X f , aplicar la ley ptima sin restricciones K LQR . En la Figura
10
15
20
25
30
35
40
10
15
20
25
30
35
40
10
15
20
25
tiempo (seg)
30
35
40
0
-10
0
2
x2
posible para llegar a X f , saturando cuando sea necesario las restricciones; cuando el
0.5
0
-2
0
Figura 6.3: Evolucin de la entrada y los estados a lazo cerrado para un control MPC y
un control LQR.
1.5
Co1
2.5
Co2
Xf
0.5
Co3
costo
x2
2
0
1.5
-0.5
1
-1
0.5
-1.5
-10
-5
0
x1
10
0
0
Figura 6.2: Conjuntos controlables y evolucin de los estados a lazo cerrado para un
Alejandro H. Gonzlez
131
Alejandro H. Gonzlez
10
15
20
25
tiempo (seg)
30
35
40
132
Electrnica Industrial
Electrnica Industrial
0
d1,1
D =
0
dny ,1
i
d1,1
d1,0nu
, Di =
i
dny0 ,nu
dny ,1
F = diag ( r1,1,1
r 1,1,na
d
Dd = diag d1,1,1
d
d1,1,
na
Estas formulaciones, sucesivamente presentadas en Rodrigues y Odloak, 2003, y Odloak, 2004, son extensiones que buscan desarrollar controles aplicables a sistemas reales. Dos caractersticas principales se destacan en ellas: trabajan en la forma seguimiento de MPC, es decir, se apartan del caso de regulacin originalmente presentado
J1
J
N = 2
Jny
nd nu
=
0
r1,nu ,1
r1,nu ,na
d1,dnu ,1
1
Ji =
0
d1,i nu
, D 0 , Di
i
dny ,nu
rny ,1,1
d1,dnu ,na
0
0
0
0
0
ny nd , = 1
[
rny ,1,na
dnyd ,1,1
rny ,nu ,1
dnyd ,1,na
nu na nu
ny nu
dnyd ,nu ,1
nd nd
nd nd
i = 1, , ny ,
1] nu na .
Este modelo es del tipo velocidad, y bien puede ser calculado a partir de la respuesta
y ( k ) = Cx ( k ) ,
donde
presente en las aplicaciones reales, en que el sistema tiene modos estables e integrado-
xs
x = xd
i
x
modelo general de espacio de estado. Adems, considera el caso general, muchas veces
res.
nx
, nx = 2ny + nd , nd = ny.nu.na , x
s
0 t Iny
F
0
0
Iny
C = I ny
0ny ,
x =
d
x1,1,1
, x
ny .nu .na
, x
i
ny
Iny
A= 0
ny
d
x1,1,na
D + tD
, B = Dd F N
i
D
0
nx nx
s
s
x = x1
d
x1,2,1
s
xny ,
los modos integradores aportados por la forma velocidad del modelo, x s , y los modos
nx nu
, y = y1
yny ,
integradores originales del sistema, xi . Los estados restantes que conforman el modelo
se denominan x d , y representan los modos estables del sistema, es decir, aquellos que
i
i
x = x1
i
xny ,
y mejor aun, entre estados que corresponden al rgimen transitorio y estados que co-
d
x1,2,na
d
x2,1,1
d
xny ,1,na
T
d
xny ,nu ,na
Alejandro H. Gonzlez
133
Alejandro H. Gonzlez
134
Electrnica Industrial
calcular la matriz de peso terminal con una demanda computacional despreciable, facilitando cualquier cambio en la configuracin del controlador 24. Otra ventaja, ms obvia,
Electrnica Industrial
referencia de salida. Esto es, no hay que calcular el valor de entrada us que cumpla
u ( k + j / k ) U ,
ysp = C ( I A ) Bus ,
umax u ( k + j / k ) umax
j
U = u ( k + j / k )
.
1
/
u
u
k
u
k
i
k
u
(
)
(
)
min
max
i =0
j = 0, 1,
, m 1
(6.10)
(6.11)
Hasta aqu se describieron las virtudes que hacen al modelo apropiado para componer
las predicciones de un control MPC; ahora se pasar a enumerar algunos inconvenientes, y las soluciones propuestas para cada uno de ellos. La funcin objetivo que se busca
minimizar en el problema de optimizacin est dada por
m 1
j =0
donde
(6.9)
j =0
ny ny
es definida positiva,
nu nu
control nulo. Esto significa que los controles (para el caso estudiado los controles son
los incrementos de entrada) ms all del horizonte m sern cero, de suerte que los modos integradores que no hayan sido anulados para entonces, permanecern constantes en
V ( k ) = e ( k + j / k ) Q e ( k + j / k ) + u ( k + j / k ) R u ( k + j / k ) ,
T
entrada. El control local implementado por estos autores consiste, como se dijo, en el
es semi-definida positiva,
e ( k + j / k ) = y ( k + j / k ) y sp = Cx ( k + j / k ) y sp , x ( k / k ) = x ( k ) , es el error predi-
24
Por ejemplo, es posible alterar las variables que representan las salidas y las entradas.
Ntese que dada la forma del modelo utilizado, el error de salida puede ser escrito como
xsps ysp
e = Cx ysp = C ( x xsp ) , donde xsp = xspd = 0 . Esto se debe a que los estados xs representan preci xspi 0
las predicciones, es decir, no convergern a cero como lo requiere el cmputo del costo
terminal. De este modo, si los modos integradores nos son anulados oportunamente, el
costo ser no acotado, pues se recordar que a partir de m se computa un horizonte de
salida infinito. Esta dificultad del modelo y de la naturaleza integradora de la planta, si
ese fuera el caso, obligan a la inclusin de restricciones que anulen los estados integradores al final del horizonte m:
e s ( k ) + ( Dm0 D2i m ) uk = 0
( e ( k + m) = 0)
(6.12)
xi ( k ) + D1im uk = 0 ,
( x ( k + m) = 0)
(6.13)
25
samente la salida en estado estacionario, una vez que los modos xi se han anulado. De este modo, si se
x s ysp e s
utiliza el vector de estado x = ( x xsp ) = x d = x d en lugar del vector de estado original, el costo
xi xi
Alejandro H. Gonzlez
m 1
u ( k + j / k )
R u ( k + j / k ) .
donde
e s ( k ) = x s ( k ) ysp
Dm0 = D 0
D 0
D2i m = 0 tD i
nym.nu
, D1im = D i
( m 1) tDi
D i
nym.nu
nym.nu
j =0
135
Alejandro H. Gonzlez
136
Electrnica Industrial
uk = u ( k / k )
T
u ( k + m 1/ k )
m.nu
Electrnica Industrial
Ntese que desde el punto de vista de la formulacin general de MPC, las ecuaciones
(6.12) y (6.13) representan restricciones terminales. Se pude decir, entonces, que la re-
pas de optimizacin
Para el caso que se estudia en esta seccin, la regin terminal viene dada por
bien, con la inclusin explcita de las restricciones (6.12) y (6.13), el problema de opti-
y los estados estables, se puede afirmar que la regin terminal (y por tanto, el dominio
de atraccin) resultante para cada tipo de estado ser independiente. Es decir, los esta-
Problema P1
dos integradores tendrn una regin terminal pequea, mientras que los estados estables
m 1
min V1 ( k ) = e ( k + j / k ) Q e ( k + j / k ) + u ( k + j / k ) R u ( k + j / k )
uk
j =0
+ x d ( k + m / k ) Qx d ( k + m / k )
T
(6.14)
busca controlar plantas cuyo tiempo de respuesta es moderado, este horizonte debe ser
pequeo. Por otro lado, cuando se requiere una operacin suave del sistema, los incre-
sujeto a:
mentos de entrada mximos se escogen pequeos para evitar saltos bruscos en las varia-
bles manipuladas que, por lo dems, suelen tener lmites fsicos de funcionamiento. Es-
tas dos caractersticas hacen que la restricciones terminales sean difciles de cumplir.
nov
Por tanto, el dominio de atraccin de los modos integradores se ve reducido drsticamente, de modo que perturbaciones o cambios de referencia de magnitud moderada,
Q F T QF = F T T QF .
provocan conflictos entre las restricciones (6.10), (6.12) y (6.13). Rodrigues y Odloak,
Ntese que al estar anulados los modos integradores, el costo infinito que comienza
en k+m depender exclusivamente de los modos estables, por lo que ser acotado. Por
esa razn, la ecuacin de Liapunov utiliza la matriz F, que es una matriz diagonal
26
de
cin Q .
Problema P2
min V2 ( k ) = ( e ( k + j / k ) + ks + jt ki ) Q ( e ( k + j / k ) + ks + jt ki )
uk , ks , ki
j =1
m 1
+ u ( k + j / k ) Ru ( k + j / k ) + ksT S1 ks + kiT S2 ki
T
j =0
26
Esto es rigurosamente cierto slo si los polos del sistema son diferentes entre s.
Alejandro H. Gonzlez
137
Alejandro H. Gonzlez
138
Electrnica Industrial
Electrnica Industrial
Sea ki * , ua*,k
sujeto a:
u ( k + j / k ) U ,
m 1
j = 0, 1,
, m 1 ,
ua* (k + j / k ) .
j =0
xi ( k + m ) + ki = 0 ,
e s ( k + m ) + ks = 0 ,
Problema P3b
ny
y ki
nu
min V4b ( k ) = e ( k + j / k ) + ks
ub , k ,ks
j =0
) Q (e (k + j / k ) + )
T
s
k
m 1
+ ub ( k + j / k ) Rub ( k + j / k ) + ks T S1ks
T
j =0
Es importante resaltar que, aunque la regin terminal relajada vara (disminuye) con
el tiempo, la formulacin garantiza la factibilidad recursiva. Ntese que si el problema
sujeto a:
ub (k + j / k ) U, j 0
secuencia anterior ms una accin de control nula, y de este modo asegurar que el problema permanecer factible.
e s ( k + m ) + ks = 0
m 1
m 1
j =0
j =0
min V4 a ( k ) = ki T S2 ki
(6.16)
ki ,ua , k
ub (k + m 1/ k )T .
sujeto a:
te del Problema P2; si, por el contrario, no se encuentra solucin, entonces se resuelve
ua (k + j / k ) U, j 0
xi ( k + m ) + ki = 0
(6.17)
donde
Alejandro H. Gonzlez
donde ub,k = ub (k / k )T
Problema 3a
ua ,k = ua (k / k )T
ub (k + j / k ) = ua* (k + j / k )
((
ua (k + m 1/ k )T .
S1 > tD i
139
) (( tD ) )
1 T
Alejandro H. Gonzlez
T
i 1
(
(
)
)
tD i 1
T
G QG + R
1
i
tD
140
Electrnica Industrial
Electrnica Industrial
Maciejowski J.M. Predictive Control with Constraints. New Jersey: Prentice Hall,
(2002).
2005. Podra decirse que en este caso se han aprovechado las caractersticas del contro-
lador propuesto por Rawlings y Muske, 1993, para implementar una extensin eficiente
Rodrigues M.A. and D. Odloak. MPC for Stable Linear Systems with Model
Camacho, E and Bordons. Model Predictive Control (2nd ed.), Berlin: Springer
(2004).
stable and integrating process. Computer and chemical Engineering, 27, 11131128 (2003b).
57-63 (2002).
Kerrigan, E. C. Robust Constraint Satisfaction: Invariant Sets and Predictive Control.
PhD thesis, University of Cambridge (2000).
Kerrigan, E. C. and J. M. Maciejowski. Invariant sets for constrained discrete-time
systems with application to feasibility in model predictive control. Proceedings of
the CDC (2000).
Alejandro H. Gonzlez
141
Alejandro H. Gonzlez
142
Electrnica Industrial
Electrnica Industrial
Referencias bibliogrficas
Camacho, E and Bordons. Model Predictive Control (2nd ed.), Berlin: Springer
7.1. Control predictivo robusto basado en desigualdades matriciales lineales (LMI)
(2004).
Cano R. A. R. and D. Odloak. Robust model predictive control of integrating process.
Journal of Process Conrol, 13, 101-104 (2003).
Alejandro H. Gonzlez
143
Alejandro H. Gonzlez
144
Electrnica Industrial
Rodrigues M.A. and D. Odloak. MPC for Stable Linear Systems with Model
Uncertainty. Automatica, 39, 569-583 (2003).
Rodrigues M.A. and D. Odloak. An infinite horizon model predictive control for
stable and integrating process. Computer and chemical Engineering, 27, 11131128 (2003b).
Rossiter J.A. Model-Based Predictive Control. CRC Press (2003).
Scokaert P. O. M. and D. Q. Mayne. Min-Max feedback model predictive control for
constrained linear systems. IEEE Transactions on Automatic Control, 43(8),
1136-1142 (1998).
Alejandro H. Gonzlez
145