CONTROL DE MNIMA VARIANZA

CONTROL DIGITAL (66.65)

En: este reporte se presentan ejemplos de diseo de controladores de mnima varianza, es
decir, se encuentran controladores que minimicen el funcional
J
mv
= Ey
2
(k)
Se considera el enfoque polinomial para plantas que responden a una estructura ARMAX
A(q)y(k) = B(q)u(k) + C(q)e(k)
Antes de cada ejemplo se presenta un resumen terico. El reporte comienza con una
introduccin al diseo de predictores a p-pasos, ya que es necesario para el diseo de los
controladors de mnima varianza. Se consideran los casos en que la planta tiene invera
estable e inestable.
Contents
1. Introduccin 1
1.1. Consideraciones sobre la armacin A1 2
2. Predictor ptimo 2
3. Control de Mnima Varianza 3
3.1. Sistemas con inversa estable 3
3.2. Sistemas con inversa inestable 4
References 6
1. Introduccin
Consideramos modelos de estructura ARMAX
(1.1) A(q)y(k) = B(q)u(k) + C(q)e(k)
donde
A(q) = q
n
+ a
1
q
n1
+ + a
n
B(q) = b
1
q
m1
+ + b
m
C(q) = q
n
+ c
1
q
n1
+ + c
n
(A1) Las raices de C(q) estn dentro del disco unitario y el grado del polinomio C(q) es
igual al del polinomio A(q).
(A2) e(k) secuencia de variables aleatorias independientes o no correlacionadas con media
nula y desvio standard
(A3) n m
Denition 1.1. Se llaman control de mnima varianza a los que intentan minimizar el funcional
J
mv
= Ey
2
(k)
1
CONTROL DE MNIMA VARIANZA 2
1.1. Consideraciones sobre la armacin A1. La armacin (A1) no es restrictiva. Consid-
eremos el proceso estocastico n(k) generado como
n(k) = C(q)e(k)
donde e(k) es ruido blanco de media nula y varianza unitaria. Por lo tanto, el proceso n(k) tiene
media nula y funcin de autocovarianza
r
n
() = E(n(t + )n(t))
Su densidad espectral es

n
(e
i
) Fr
n
() =
1
2

k=
r
n
(k)e
ik
Por ser e(k) ruido blanco de varianza unitaria, resulta
1
(e
i
) =
1
2
C(e
i
)C(e
i
)
Reemplazando z = e
i
encontramos
(z) =
1
2
C(z)C(z
1
)
Si C(z) no tiene raices sobre el crculo unitario, siempre es posible encontrar

C(z) estable de
manera que
C(z)C(z
1
) =

C(z)

C(z
1
) z C
lo que implica que los procesos
n(k) = C(q)e(k)
n(k) =

C(q)e(k)
tienen la misma densidad espectral y por lo tanto, la misma funcin de autocovarianza.
2. Predictor ptimo
Para construir un control de mnima varianza para la planta (1.1) necesitamos el predicor del
siguiente
Theorem 2.1. Sea y(k) un proceso estocstico generado por el modelo (1.1). Bajo las armaciones
A1-A2, el predictor a p-pasos de mnima varianza es
(2.1) y = y(k + p|k) = q
G(q)
C(q)
y(k) =
G

(q
1
)
C

(q
1
)
donde los polinomios
F(q) = q
p1
+ f
1
q
p2
+ + f
p1
G(q) = g
0
q
n1
+ g
1
q
n2
+ + g
n1
son el cociente y resto, respectivamente, de dividor q
p1
C por A. Es decir
(2.2) q
p1
C(q) = A(q)F(q) + G(q)
El error de prediccin es un proceso MA dado por
y(k + p|k) = y(k + p) y(k + p|k) = F(q)e(k + 1)
Tiene valor medio nulo y varianza
E y
2
(k + p|k) =
_
1 + f
2
1
+ f
2
p1
_

2
Proof. ver [1].
1
Ver [1], pginas 389 y 450.
CONTROL DE MNIMA VARIANZA 3
Note 2.2. Recordar que para cualquier polinomio de grado n
P(q) = p
0
q
n
+ p
1
q
n1
+ + p
n
se dene P

(q
1
) como
P

(q
1
) q
n
P(q)
Example 2.3. Disearemos un predictor a 3 paso de mnima varianza para la planta
y(k) = 2
q
2
1.4q + 0.5
q
2
1.2q + 0.4
e(k)
con e(k) ruido blanco gaussiano de media nula y varianza unitaria. Primero tenemos que reescribir
el modelo en la forma del teorema 2.1
y(k) =
C(q)
A(q)
e(k)
con
A(q) = q
2
1.2q + 0.4
C(q) = q
2
1.4q + 0.5
y e(k) ruido blanco gaussiano de media nula y varianza 4. El polinmio C(q) tiene raices en
0.7 0.1i (dentro del disco unitario). Para obtener el predictor a 3 pasos necesitamos hallar
polinomios
F(q) = q
2
+ f
1
q
1
+ f
2
G(q) = g
0
q
1
+ g
1
tales que
q
2
C(q) = A(q)F(q) + G(q)
q
2
_
q
2
1.4q + 0.5
_
=
_
q
2
1.2q + 0.4
_ _
q
2
+ f
1
q
1
+ f
2
_
+ g
0
q
1
+ g
1
Igualando coecientes de potencias iguales resultan
f
1
= 0.2
f
2
= 0.14
g
0
= 0.088
g
1
= 0.056
Luego
F(q) = q
2
0.2q
1
0.14
G(q) = 0.088q
1
+ 0.056
Finalmente, el predicto ptimo a 3-pasos esta dado por
y(k + 3|k) = q
G(q)
C(q)
y(k) =
0.088q
2
+ 0.056q
q
2
1.4q + 0.5
3. Control de Mnima Varianza
3.1. Sistemas con inversa estable. Primero consideremos el caso donde B(q) tiene sus raices
dentro del crculo unitario. Recoordemos que el modelo de la planta (1.1) tiene la forma
y(k) =
B(q)
A(q)
u(k) +
C(q)
A(q)
e(k)
Denamos
d n m + 1
CONTROL DE MNIMA VARIANZA 4
por (A3) d > 0. Se demuestra, ver [1], que
Ey
2
(k + d) =
_
1 + f
2
1
+ + f
2
d1
_

2
+
_
q
_
G(q)
C(q)
y(k) +
B(q)F(q)
C(q)
u(k)
__
2
(3.1)

_
1 + f
2
1
+ + f
2
d1
_

2
(3.2)
donde
F(q) = q
d1
+ f
1
q
d2
+ + f
d1
G(q) = g
0
q
n1
+ g
1
q
n2
+ + g
n1
son los polinomios del predictor ptimo a d-pasos del teorema 2.1. De (3.1) resulta que el control
de mnima varianza esta dado por
u(k) =
G(q)
B(q)F(q)
y(k) (3.3)
3.2. Sistemas con inversa inestable. El controlador (3.3) cancela los ceros del sistema. Si
alguno de estos ceros es inestable, el sistema a lazo cerrado no ser internamente estable. En
particular, ver [1], la transferencia
T
ue
(q) =
G(q)
q
d1
B(q)
es inestable. El siguiente teorema resuleve el problema de mnima varianza para el caso en que
B(q) tiene raices inestables
2
.
Theorem 3.1. Consideremos el sistema (1.1)
y(k) =
B(q)
A(q)
u(k) +
C(q)
A(q)
e(k)
Factoricemos B(q) como
B(q) = B
+
(q)B

(q)
con B

(q) mnico. Todos los ceros de B

+
(q) estn dentro del circulo unitario y todos los ceros de
B

(q) estan sobre o fuera el criculo unitario. Si los polinomios A(q) y B

(q) no tienen factores

en comn entonces, bajo las armaciones (A1)-(A3), el control de mnima varianza esta dado por
(3.4) u(k) =
G(q)
B
+
(q)F(q)
y(k)
donde F(q) y G(q) satisfacen la ecuacin de Diofantos
(3.5) q
d1
C(q)B

(q) = A(q)F(q) + B

(q)G(q)
con
d = n m + 1
grado(F) = d + grado(B

) 1
grado(G) < grado(A) = n
Proof. ver [1].
Note 3.2. El polinmio B

(q) del teorema 3.1 resulta de reemplazar q

1
por q en el polinomio
B

(q
1
) = q
r
B

(q)
es decir
B

(q) = q
r
B

(q
1
)
donde r = grado(B

(q)).
2
Por raices inestables entendemos aquellas que estan sobre y fuera el circulo unitario
CONTROL DE MNIMA VARIANZA 5
Example 3.3. Disearemos un controlador de mnima varianza para la planta
y(k) =
B(q)
A(q)
u(k) +
C(q)
A(q)
e(k)
con
A(q) = q
3
1.7q
2
+ 0.8q 0.1
B(q) = 2(q 0.9)
C(q) = 0.1q 1
y e(k) de media nula y varianza unitaria.
El polinomio A(q) tiene raices en
q = 1, 0.5, 0.2
por lo tanto se trata de un sistema inestable. El polinomio B(q) es estable de manera que el
control de mnima varianza esta dado por (3.3)
u(k) =
G(q)
B(q)F(q)
y(k)
Notemos que C(q) tiene una raiz fuera del disco unitario y que el grado de C(q) es menor que el
de A(q). Necesitamos reescribir a C(q) de manera que verique (A1)
C(q)C(q
1
) = (0.1q 1) q
1
q
_
0.1q
1
1
_
=
_
0.1 q
1
_
q
2
q
2
(0.1 q)
=
_
q
2
(q 0.1)
_
q
2
_
q
1
0.1
_
Por lo tanto, podemos reemplazar a C(q) por el polinomio estable

C(q) = q
2
(q 0.1)
ya que
n(k) = C(q)e(k)
n(k) =

C(q)e(k)
tienen la misma densidad espectral.
Para hallar el controlador de mnima varianza, necesitamos resolver la ecuacin (2.2) para
p = d = n m + 1 = 3 1 + 1 = 3
q
2

C(q) = A(q)F(q) + G(q)

q
4
(q 0.1) =
_
q
3
1.7q
2
+ 0.8q 0.1
_ _
q
2
+ f
1
q
1
+ f
2
_
+
+
_
g
0
q
2
+ g
1
q
1
+ g
2
_
0 = (f
1
1.7) q
4
+ (0.8 + f
2
1.7f
1
) q
3
+
+(0.8f
1
+ 1.7f
2
+ g
0
0.1) q
2
+ (0.1f
1
+ 0.8f
2
+ g
1
+ 0.1) q + g
2
0.1f
2

_
f
1
1.7 = 0
0.8 + f
2
1.7f
1
= 0
0.8f
1
+ 1.7f
2
+ g
0
0.1 = 0
0.1f
1
+ 0.8f
2
+ g
1
+ 0.1 = 0
g
2
0.1f
2
= 0

_
f
1
= 1.70
f
2
= 0.8 + 1.7f
1
= 2.09
g
0
= 0.1 0.8f
1
1.7f
2
= 4.813
g
1
= 0.1 + 0.1f
1
0.8f
2
= 1.602
g
2
= 0.1f
2
= 0.209
luego
F(q) = q
2
+ 1.7q
1
+ 2.09
G(q) = 4.813q
2
1.602q
1
+ 0.209
CONTROL DE MNIMA VARIANZA 6
Finalmente
u(k) =
4.813q
2
1.602q
1
+ 0.209
2 (q 0.9) (q
2
+ 1.7q
1
+ 2.09)
y(k)
En el ejemplo que sigue se considera una planta con inversa inestable.
Example 3.4. Repetir el ejemplo anterior pero con
B(q) = 2(0.9q 1)
Ahora, B(q) tiene una raiz fuera del disco unitario. Por lo tanto, lo factorizamos como B(q) =
B
+
(q)B

(q) donde
B
+
(q) = 2
B

(q) = 1 0.9q
Notar que no hay cancelacin entre las raices de A(q) y B

(q), y que por lo tanto no tienen

factores en comn. El controlador buscado esta dado por (3.4) donde F(q) y G(q) verican la
ecuacin de Diofantos
q
d1

C(q)B

(q) = A(q)F(q) + B

(q)G(q)
con d = 3 1 + 1 = 3, grad(F) =
d = 3 1 + 1 = 3
grado(F) = d + grado(B

) 1 = 3 + 1 1 = 3
grado(G) < grado(A) = 3
donde

C(q) es el polinomio calculado en el ejemplo anterior y
B

(q) = q
1
B

(q
1
) = q 0.9
notar que B

(q) es mnico. Con esto, la ecuacin de Diofantos toma la forma

q
2

C(q)B

(q) = A(q)F(q) + B

(q)G(q)
q
4
(q 0.1)(q 0.9) =
_
q
3
1.7q
2
+ 0.8q 0.1
_ _
q
3
+ f
1
q
2
+ f
2
q + f
3
_
+
+(1 0.9q)
_
g
0
q
2
+ g
1
q
1
+ g
2
_

_
f
1
= 0.7
f
2
= 0.48
f
3
= 2.4896
g
0
= 2.3706
g
1
= 1.7196
g
2
= 0.249
Luego
F(q) = q
3
+ 0.7q
2
+ 0.48q + 2.4896
G(q) = 2.3706q
2
1.7196q
1
+ 0.249
Finalmente
u(k) =
G(q)
B
+
(q)F(q)
y(k) =
2.3706q
2
1.7196q
1
+ 0.249
2 (q
3
+ 0.7q
2
+ 0.48q + 2.4896)
y(k)
References
[1] Astrom and Wittenmark, Computer-Controlled Systems, Theory and Design, 3th ed. Prentice Hall.