Influencia de las Restricciones en la Síntesis de un Controlador Predictivo

##plugins.themes.bootstrap3.article.main##

Dariel González

Ana Isabel González


Palabras clave:
MIMO systems, MPC control, Constraint management Sistemas MIMO, control MPC, Gestión de restricciones

Resumen

Los algoritmos de control predictivo basado en modelos (MPC) son métodos de control avanzado, muy utilizados en la industria por sus múltiples ventajas, en especial las de manejo de sistemas multivariables con la inclusión de restricciones. Esta técnica de control avanzado es el objeto de estudio de esta investigación en dos sistemas multivariables (MIMO-múltiple entrada-múltiple salida), un estanque agitado y una columna de destilación. La consideración de las restricciones en el cálculo de las acciones de control óptimas del controlador predictivo se analiza con especial interés y se evalúa su influencia en las especificaciones de la respuesta temporal. Se presenta un estudio comparativo del comportamiento del sistema de control predictivo con diferentes restricciones.

Descargas

Descargas

Los datos de descargas todavía no están disponibles.




Detalles del artículo

Biografía del autor/a

Ana Isabel González , Universidad Tecnológica de la Habana, Facultad de Ingeniería Automática y Biomédica, Habana, Cuba

Ingeniera en Máquinas Computadoras (1994) y Master en Automática (1996) por la Universidad Tecnológica de la Habana José Antonio Echeverría (CUJAE), Cuba.

Doctora en Tecnologías de la Información (2000) por la Universidad de Valladolid Ciencias Técnicas, España. Investiga en control predictivo no lineal basado en modelos.

Citas

Camacho, E. F. & Bordons, C. (2004). Control predictivo: pasado, presente y futuro. Revista iberoamericana de automática e informática industrial, 1(3), 5-28. https://doi.org/10.4995/riai

Camacho, E. F. & Bordons, C. (2013). Model Predictive Control (Segunda Ed.) Springer science & business media.

Camarillo-Peñaranda, J. R., Saavedra-Montes, A. J. & Ramos-Paja, C. A. (2013). Recomendaciones para Seleccionar Índices para la Validación del modelo. TecnoLógicas, 109-122. https://doi.org/10.22430/22565337.372

Cho, H., Bacelli, G. & Coe, R. G. (2019). Model Predictive Control Tuning by Inverse Matching for a Wave Energy Converter. Energies, 12(21), 4158. https://doi.org/10.3390/en12214158

Deng, J., Becerra, V. & Stobart, R. (2009). Input Constraints Handling in an MPC/Feedback Linearization Scheme. International Journal of Applied Mathematics and Compute Science, 19(2), 219-232. https://doi.org/10.2478/v10006-009-0018-2

Fernández, I., Rodríguez, C., Guzmán, J. L. & Berenguel, M. (2011). Control predictivo por desacoplo con compensación de perturbaciones para benchmark de control 2009-2010. Revista Iberoamericana de Automática e Informática industrial, 8(2), 112-121. https://doi.org/10.1016/S1697-7912(11)70032-2

Frison, G. & Jorgensen, J. B. (2015, January 13-16). Efficient solvers for soft-constrained MPC. In 19th Nordic Process Control Workshop, Hurtigruten, Norway. https://backend.orbit.dtu.dk/ws/portalfiles/portal/104753988/Efficient_solvers_for_soft_constrained_MPC.pdf

González-Prieto, I., Zoric, I., Duran, M. J. & Levi, E. (2019). Constrained Model Predictive Control in Nine-Phase induction Motor Drives. IEEE Transactionson Energy Conversion, 34(4), 1881-1889. https://doi.org/10.1109/TEC.2019.2929622

Guzmán, J. L., Berenguel, M. & Bencomo, S. D. (2010). MIMO-GPCIT. Herramienta Interactiva de Control Predictivo Generalizado para Sistemas Multivariables con Restricciones. Revista Iberoamericana de Automática e Informática Industrial, 1(1), 57-68. http://hdl.handle.net/10251/146681

Hovd, M. & Braatz, R. D. (2001). Handling state and output constraints in MPC using time-dependent weights. In Proceedings of the 2001 American Control Conference. (Cat. No.01CH37148) IEEE, vol 3, 2418-2423. https://doi.org/10.1109/ACC.2001.946115

Hoyo, Á., Guzmán, J. L., Moreno, J. C. & Berenguel, M. (2019, septiembre 4-6). Control predictivo lineal del PH en un foto biorreactor Raceway. XL Jornadas de Automática. La Coruña, España. https://ruc.udc.es/dspace/bitstream/handle/2183/23749/2019_Hoyo-Angeles_Control-predictivo-lineal-ph-fotobiorreactor.pdf

Orihuela, L., Álamo, T., Muñoz de la Peña, D. & Rubio, F. R. (2008, septiembre 3-5). Algoritmo de minimización para control predictivo con restricciones. XXIX Jornadas de Automática, Universidad de Sevilla, España. https://www.researchgate.net/profile/Francisco_Rubio11/publication/228391513_ALGORITMO_DE_MINIMIZACION_PARA_CONTROL_PREDICTIVO_CON_RESTRICCIONES/links/5501bcb40cf24cee39f8d44f.pdf

Rossiter, J. A. (2003). Model-based predictive control: a practical approach. CRC press.

Wills, A. G., Bates, D., Fleming, A. J., Ninness, B. & Moheimani, S. R. (2007). Model Predictive Control Applied to Constraint Handling in Active Noise and Vibration Control. IEEE Transactions on Control System Technology, 16(1), 3-12. https://doi.org/10.1109/TCST.2007.903062

Yu-geng, X. I., De-Wei, L. I. & Shu, L. (2013).Model predictive control-status and challenges. Acta de automática Sinica, 39(3), 222-236. https://doi.org/10.1016/S1874-1029(13)60024-5

Zidane, Z. (2019). Unconstrained and Constrained Predictive Control for the Multivariable Process with Non-minimum Phase. Journal of Modeling and Simulation of Materials, 2(1), 1-6. https://doi.org/10.21467/jmsm.2.1.1-6