Fase 3

Resolver problemas de control optimo

Estudiante:

Miguel Ángel Ahumada Segura

Docente:

Leonardo Andrés Pérez

Curso:

203043A_474

C.C 1143387655

Universidad Nacional Abierta y a Distancia UNAD

Ingeniería Electrónica

Diciembre 2018
 INTRODUCCION

Por medio de esta actividad se desarrollarán estrategias para resolver problemas Control
optimo aplicando los conocimientos recibidos, en el entorno del conocimiento.

El control optimo es muy importante porque aplicamos una técnica de la matemática

usada para resolver problemas de optimización en los diferentes sistemas o procesos de
producción, que cada día deben ir evolucionando para lograr producir productos con
estándares y especificaciones de buena calidad
Paso 3: Identificar posibles soluciones Inicialmente, los estudiantes proponen ideas

sobre qué entienden por control óptimo. Cada idea debe ser complementada con un

respectivo ejemplo. Estas propuestas deben ser compartidas en el foro colaborativo.

CONTROL ÓPTIMO

Es una serie de técnicas métodos algoritmos usados para resolver problemas de

optimización en sistemas que varían en el tiempo, el control optimo se enfoca en hallar
un punto de funcionamiento ideal para el sistema que se esté trabajando además no es
solo encontrar una solución es encontrar la mejor solución al problema planteado
utilizando las diferentes técnicas vistas en el curso.
Control optimo se emplea en cualquier área sea industrial, tecnológica en la medicina los
alimentos etc.
La idea en la mayoría de los casos es reducir costos de producción maximizar impactos
en la producción ventas entre otras cosas por eso el control optimo es una rama muy
versátil que puede ser usada en cualquier área.

Ejemplo:

En cada día t disponemos de g(t) bienes y una cantidad m(t) de dinero. Podemos vender
una cantidad u(t) de bienes (comprar si es negativa) y π (t) es el precio por unidad de
bien en cada día.
Mantener cada unidad de los bienes genera un gasto fijo s cada día. El objetivo es
maximizar el capital al cabo de cierto número N de días. Además, hay una restricción en
la cantidad de bienes que se pueden vender o adquirir siendo esta no superior a K.

Ecuaciones:

(m(t+1) = m(t) – sg(t) + π (t)u(t)

(g(t+1) = g(t) - u(t)

Función objetivo a maximizar:

J(u) = m(N) + π(N)g(N)

Teniendo en cuenta que |u(t)| ≤ k para todo t = 1N

Paso 4: Solución estructurada del problema utilizando conceptos de control óptimo.
Paso 5: Solución estructurada del problema por el método de optimización restringida
no lineal.

 Regulador linear cuadrático gaussiano:

El problema de control lineal cuadrático gaussiano (LQG) es uno de los más

fundamentales del control óptimo. Ya que tiene como referencia al sistema lineales
inciertos en la perturbación de los ruidos blancos aditivo, es decir, no todas las variables
de estado se miden y son disponibles para la circulación, esto nos conlleva que la
solución es única y tiene como origen una ley de control de retroalimentación dinámico
lineal. También el LQG es fundamental para la realización y entendimiento del control
óptimo de los sistemas no lineales perturbados.
Debemos entender que LQG es simplemente la combinación de un filtro de kalman, es
decir, un estimado lineal cuadrático (LQE) con un regulador lineal cuadrático (LQR).

 Regulador linear cuadrático (LQR):

Es una estrategia de control que busca minimizar un desempeño en un sistema de

control, este se puede asociar al desempeño de similitud deseado y el desempeño de
similitud real de un sistema o proceso.

Este tipo es directamente proporcional a la diferencia existente entre ellos, de esta

manera si la diferencia es grande entre el desempeño real y el desempeño y el
desempeño deseado entonces el resultado será grande y si por el contrario tiene
diferencias pequeñas el resultado será pequeño, debido a esto se busca minimizar los
resultados ya que al hacerlo logramos un resultado real a un punto muy cercano del
desempeño a desear.

Paso 6: Solución estructurada del problema a través de herramientas computacionales

(script).

Cada estudiante recolecta información y comprende cómo funcionan las funciones “lqr”
y “dlqr” en Matlab. Luego, desarrollar un aplicativo (script) usando estas funciones.

LQR Diseño de reguladores lineales cuadráticos LQR para sistemas continuos DLQR
Diseño de reguladores LQR lineales cuadráticos para sistemas de tiempo discreto cómo
funcionan las funciones “lqr” y “dlqr” en Matlab.

El estudio de sistema de control en Matlab en líneas generales es una herramienta

interactiva basada en matrices para cálculos científicos y de ingeniería desde el punto
de vista de control, Matlab se puede considerar un entorno matemático de simulación
Que puede utilizarse para modelar y analizar sistemas de control.
Permitiendo el estudio de sistema continuo, discreto, lineal y no lineal, relacionando este
sistema como un software útil para el funcionamiento “lqr” y “dlqr” en Matlab. Mediante
una descripción interna y externa en el denomino del temporal y frecuencia de un control
de proceso.

Este programa constituye un entorno abierto, para la realización y aplicación en diseños

fundamentales de sistema de control constituido por un conjunto de funciones que
pueden ser llamadas desde el programa y por medio de esta se pueden realizar múltiples
operaciones.

Este programa está centrado fundamentalmente en aquellos aspectos y funciones que

más interés tengan desde el punto de vista de control, motivando al programador que
busque unas series de códigos básicos que se referencian en el sistema de control para
su utilidad y eficacia.

Ejemplo:

Código.

clea
r
all;
clos
e
all;
clc;

%MIGUEL AHUMADA

%ESPACIO DE ESTADOS
A= [-1.83301816260491 0.174341598627900 0.337663900169823
0.202820516258853;0.174341598627900 -1.43381168507463 0.579435167270486 -
0.581930923324813;0.337663900169823 0.579435167270486 -1.47815513848236
0.314542086771797;0.202820516258853 -0.581930923324813 0.314542086771797
-0.798036455792318];
B= [0.303520794649354 0; -0.600326562133734 -0.194123535758265;0 -
2.13835526943994;0.739363123604474 -0.839588747336614];
C= [1.35459432800464 0.960953869740567 1.43669662271894 -
0.197698225974150;0 0.124049800003193 0 -1.20784548525980];
D= [0 1.37897197791661;0.825218894228491 -1.05818025798736];

Q=eye (4); % Matriz de costo estatal

R=eye (2); % Matriz de índice de
rendimiento
%%%%%%%%%%%%%%%% Regulación cuadrática lineal (LQR)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%el comando lqr devuelve la ganancia (K) óptima del
controlador suponiendo una %
%planta lineal, una función de costo cuadrático y una
referencia igual a cero. %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%
K=lqr(A,B,Q,R);
figure('name','LQR');
impulse (ss (A-B*K, B, C, D)); %Respuesta al sistema en lazo
cerrado y las variables deben de llegara cero.

%%DLQR: Regulador de realimentación de estado lineal-cuadrático

(LQ) para sistemas de
%%espacio de estados de tiempo discreto. El comando encuentra la
matriz de
%%ganancia de control K, para el diseño de un controlador digital

K=dlqr (A, B, Q, R);

figure('name','DLQR');
impulse (ss (A-B*K, B, C, D));
 CONCLUSION
Por medio de esta actividad logramos a reforzar los conocimientos para desarrollar
estrategias para solucionar problemas de control óptimo aplicando conocimientos sobre
sistema de diseño de control óptimo sobre como diseñar, reparar y realizar
mantenimiento a los diferentes equipos de producción que estamos monitoreando su
eficaz desempeño con una producción de calidad.
Debemos conocer y aprender en qué momento se aplica los diferentes de sistemas de
control optimo dependiendo del problema que se desee corregir.
 BIBLIOGRAFIA

 Villegas, L. (2007). Control óptimo cuadrático. En Villegas, L., Trabajo teórico

práctico con Matlab (p.p. 36-43). Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=37&docID
=3173599&tm=1528159390920

 Burns, R. S. (2001). Advanced Control Engineering (p.p. 272-276). Oxford:

Butterworth-Heinemann, Recuperado de:
de: http://bibliotecavirtual.unad.edu.co:2051/login.aspx?direct=true&db=nlebk&AN=2
07288&lang=es&site=eds-live&ebv=EB&ppid=pp_272

 Solaque, L., Muñoz, N., & Niño, P. (2009). Solución desde el punto de vista del
control óptimo. En L. Solaque, N. Muñoz, & P. Niño, Planificación de trayectorias
para un robot tipo con restricciones dinámicas (p.p. 82-94). Bogotá: Universidad
Militar Nueva Granada. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=9&docID=
10344877&tm=1496941159092