Professional Documents
Culture Documents
PNDULO INVERTIDO
PROYECTO DE GRADO
PARA OPTAR POR EL TTULO DE INGENIERO EN MECATRNICA
Autores:
DIEGO ALEJANDRO RAMREZ GAVIRIA
ANDRS FELIPE RAMREZ GIRALDO
Director:
Ph.D. EDUARDO GIRALDO
RESUMEN
TABLA DE CONTENIDO
TABLA DE FIGURAS
10
10
11
13
15
16
21
21
28
29
29
30
31
31
32
32
33
34
35
36
37
37
38
INTRODUCCIN
El presente documento tiene como principal objetivo, dar a conocer el trabajo que
se realiz con un sistema multivariable de pndulo invertido, donde las variables
del sistema que se intervinieron fueron la posicin angular y traslacional.
La finalidad del trabajo es realizar un control ptimo adaptativo del sistema. Para
dicho desarrollo se hace fundamental una continua identificacin de los
parmetros de la planta, debido a que sta los vara constantemente con el
tiempo. Adicionalmente, se presentar un desarrollo con ecuaciones de estados
en el captulo de control ptimo, con la finalidad de determinar la seal de control
para el sistema; dichas ecuaciones son requeridas para poder hacer uso
adecuado de las funciones DLQR y Ackerman, que se hacen indispensables en el
desarrollo del trabajo.
Adems, se hace uso del software MATLAB para poder realizar la respectiva
programacin del proceso, que incluye cdigos de identificacin y cdigos de
control. Adicionalmente, se realiza un modelo de la planta en SolidWorks y
posteriormente se exporta a MATLAB para realizar la simulacin desde all. Por
medio de Simulink se obtienen los bloques que representan la planta importada y
con los cuales se realizan las operaciones anteriormente mencionadas.
Es importante mencionar, que con ayuda del software LabVIEW se realiza una
importante prueba en un LEGO MINSTORMS NXT. La prueba consiste en
corroborar la funcionalidad del cdigo de identificacin y control ptimo para la
variable de posicin angular, usando como entrada para la obtencin de datos un
giroscopio.
Finalmente, en el documento se encontrarn los resultados obtenidos frente a
tcnicas de control clsico.
10
11
Teniendo en cuenta la figura 2.1, el sistema es del tipo SIMO (Single input Multiple
output) donde la variable de entrada es la fuerza ejercida al carro y las variables
de salida son la posicin angular y la posicin traslacional.
La mayora de tcnicas para el diseo de sistemas de control se basan en un buen
entendimiento de la planta bajo estudio y su ambiente. Sin embargo, en un
nmero de tareas, la planta a ser controlada es muy compleja y los procesos
bsicos internos de ella no se entienden del todo. Debido al poco conocimiento
que se puede tener de un sistema, se hace el uso de tcnicas adaptativas que
permitan controlar el sistema [3].
Bsicamente la tcnica de control se fundamenta en una identificacin paramtrica
en lnea del sistema, modelo al cual se le pueden implementar diferentes tipos de
control, generando as varias tcnicas de control adaptativo o controladores autosintonizados.
Las caractersticas de entrada-salida de una amplia clase de sistemas dinmicos
deterministas tanto lineales como no lineales pueden ser descritas por un modelo
simple de la siguiente forma:
() = ( 1) 0
(1)
Donde:
() Denota la salida estimada (escalar) del sistema en el tiempo t.
( ) Denota un vector linear o no linear en funcin de las entradas y salidas
anteriores del sistema:
( 1) = [( 1), ( 2), ]
( 1) = [( 1), ( 2), ]
12
(1)
() = ( 1) + (1) (1) [() ( 1) ( 1)] (2)
Siendo () = () ( 1) ( 1)
El anterior algoritmo puede ser explicado geomtricamente como se observa en la
figura 2.2. Dados todos los posibles valores que satisfagan la ecuacin (1) se
selecciona entre todos los valores candidatos a ser 0 , aquel denotado por (), el
cual es el ms cercano a ( 1). Entonces el criterio J dado a continuacin es
minimizado:
2
1
= 2 () ( 1)
(3)
(1)
() = ( 1) + +(1) (1) [() ( 1) ( 1)] (4)
13
() = ( 1)
(1)(1)(1) (1)
1+(1) (1)(1)
(6)
2
() = 2
=1 (() ( 1) ) +
1
2
( (0)) 01 ( (0))
(7)
14
()
()
11 +22
(8)
1+11 +22
15
0+11 +22
(11 )(1+31 )
(9)
0+11+22
11+22
(11)(1+31 ) 1+11+22
0+11+22
11+22
1+
(10)
= + (1 + 3 1 + 00) + (2 + 31 1 3 + 01 +
10) + (32 2 31 + 11 + 20) + (21 32)
(11)
Una vez hallado el polinomio caracterstico se compara con el polinomio deseado:
= + 1 + 2 + 3 + 4
16
(12)
1 + 3 1 + 00 = 1
(13)
2 + 31 1 3 + 01 + 10 = 2
(14)
32 2 31 + 11 + 20 = 3
(15)
21 32 = 4
(16)
(17)
17
(19)
() = ()() + ()()
(20)
Donde:
() =
(Vector de estado)
() =
(Vector de salida)
() =
(Vector de entrada)
() =
(Matriz de estado)
() =
(Matriz de entrada)
() =
(Matriz de salida)
() =
18
1( + 1)
1 2 1()
1
]=[
][
] + [ ] ()
2( + 1
2()
1
0
0
1()
() = [1 2] [
]
2()
[
(21)
(22)
[ 1 ]
(Matriz de controlabilidad)
Con base en lo anterior, se puede observar que todos los estados que pueden ser
alcanzados desde el origen, estn abarcados por las columnas de la matriz. Por lo
tanto, si el rango de la matriz es n, entonces, para un estado arbitrario () = ,
existir una secuencia de seales de control no acotadas (0), () , ( 1).
En conclusin, el sistema es totalmente controlable siempre y cuando:
Rango [ 1 ] =>
Entendindose el rango de una matriz como el nmero de lneas de esa matriz
(filas o columnas) que son linealmente independientes. Una lnea es linealmente
independiente de una u otras cuando no se puede establecer una combinacin
lineal entre ellas.
19
4.2 OBSERVABILIDAD
[ ]
1
(Matriz de observabilidad)
Suponiendo que todas las variables de estado son medibles y disponibles para la
realimentacin. Se podr llevar a cabo el control por reubicacin de polos en lazo
cerrado mediante una matriz de ganancia de realimentacin del estado apropiada,
siempre y cuando el sistema est considerado completamente controlable.
Luego de determinar que el sistema es controlable, se procede a realizar un
controlador de la forma:
() = ()
(23)
Donde:
(): Seal de control.
= Matriz de ganancia de realimentacin del estado.
() = Vector de estados.
20
El sistema en lazo cerrado se muestra en la figura 4.1, el cual tiene como accin
de control la ecuacin 23.
21
Con el fin de resolver este tipo de casos, un mtodo muy poderoso para la
estimacin del vector de estado es utilizar un modelo dinmico del sistema
original, como sigue:
( + 1) = () + ()
(24)
() = ()
(25)
Donde las matrices , son las mismas que las del sistema original (19) y (20)
respectivamente. As mismo, se supone que el sistema dinmico est sujeto a la
misma seal de control () que el modelo original. Si las condiciones iniciales
son iguales tanto para el sistema original como para el estimado, entonces el
estado () y el estado () sern iguales
Los modelos dinmicos de las ecuaciones 24 y 25 no utilizan la salida medida
().El desempeo de este ltimo se puede mejorar si se utiliza la diferencia entre
la salida medida () y la salida estimada () . Teniendo como base lo
anteriormente dicho, el vector de estados estimado ( + 1) queda de la siguiente
forma:
( + 1) = () + () + [() ]
(26)
Donde L sirve como matriz de ponderacin para la diferencia entre la salida real y
la estimada, de esta forma se reduce la diferencia entre el modelo dinmico y el
real.
4.3.2 FRMULA DE ACKERMAN
Para determinar la matriz de ganancia de realimentacin de estados L, existe un
mtodo llamado frmula de Ackerman, la cual se puede utilizar siempre y cuando
se haya verificado con anterioridad que el sistema sea completamente observable,
es decir, que el rango de la matriz de observabilidad sea mayor o igual al nmero
de estados del sistema.
A continuacin se muestra la frmula de Ackerman [6].
1 0
0
= () [
] [ ]
(27)
22
() = + 1 1 + + 1 +
(28)
23
1
2
1
=0 ()() +
1
2
1
=0 ()()
(29)
Donde:
= Matriz de pesos para los estados. n x n
= Matriz de pesos para las entradas. q x 1
Como se puede observar en la ecuacin 29, el vector de seales de entrada ()
hace parte del ndice de comportamiento, debido a que son las seales de entrada
las que hacen que el sistema exija un determinado consumo energtico, por lo
tanto, las que generan un costo.
De forma general, son los coeficientes de las matrices los que inciden sobre
los valores de las seales () (), entre ms grandes son los coeficientes de
estas matrices, mejor optimizada se ve la variable a la que corresponden.
Finalmente, se considera el sistema de la ecuacin 21 para hacer el controlador
ptimo adaptativo del lazo de control de la posicin angular el cual ser por
regulacin de estados, seleccionando ste ya que la referencia siempre es cero. El
ndice de desempeo J est dado por la ecuacin 29 y la ley de control que
minimiza a J est dada por:
() = ()
(30)
(31)
24
(32)
Q diagonal
11
= [
0
0
]
(33)
25
R diagonal
11
=[
0
]
(34)
26
(35)
(36)
(+)1
27
5. IMPLEMENTACIN Y RESULTADOS
5.1 ALGORITMO DE PROYECCIN
Se disea el algoritmo de identificacin de la ecuacin 4 para un sistema de
segundo orden donde:
( 1)
( 2)
( 1) = [
]
( 1)
( 2)
1
2
( 1) = [ ]
0
1
= 0.1
Para el algoritmo es necesario tener una entrada , y como en este caso slo se
pretende identificar se procede a generar una seal de control arbitraria.
() = () ()
() = 0.5 ()
28
29
30
31
32
33
0
]
1
=1
Para la distancia.
1
=[
0
0
]
1
=1
34
Para el ngulo.
0.001
0
=[
]
0
0.001
= 0.01
Para la distancia.
0.001
0
=[
]
0
0.001
=1
35
5.5 IMPLEMENTACIN
PLANTA FSICA
DEL
CONTROL
PTIMO
SOBRE
UNA
36
38
CONCLUSIONES
Se llev a cabo con xito el objetivo principal del trabajo el cual consista en
disear un controlador ptimo adaptativo para un sistema de pndulo
invertido multivariable.
La identificacin de los parmetros del sistema fue fundamental para
disear el proceso, ya que estos parmetros son los que hacen parte del
sistema en espacio de estados.
A pesar de que el control PID adaptativo que se dise en el captulo 3
llevaba las variables a la referencia, fue necesario representar el sistema en
espacio de estados para aplicar la tcnica de control ptimo cuadrtico.
Es importante concluir que el control ptimo se puede implementar para
cualquier sistema, es decir, no tiene restriccin alguna pudindose
implementar a sistemas lineales, no lineales, variantes e invariantes en el
tiempo y multivariables.
Teniendo en cuenta que el control ptimo cuadrtico necesita realimentar
las variables de estado, es necesario medir cada una de dichas variables,
sin embargo en muchos casos no se poseen los instrumentos de medida o
simplemente se hace imposible medirlas, por lo tanto es all donde se hace
necesario recurrir a un observador de estados el cual mediante las salidas y
entradas del sistema permite estimar las variables de estado.
Debido a que no se cuenta con una tcnica precisa para determinar las
matrices de restriccin es necesario optar por el mtodo de
sintonizacin prueba y error, que a pesar de ser un poco tedioso permite
encontrar valores acertados.
Se puede concluir que el control ptimo mejor la respuesta del sistema
controlado previamente mediante un PID. Siendo las tcnicas de control
moderno unas herramientas muy potentes para implementar en cualquier
sistema de la industria.
El tiempo de muestreo es un factor muy importante a la hora de simular e
implementar, ya que siendo ste muy grande la accin de control tendr
retardos y el resultado no ser el esperado.
39
RECOMENDACIONES
40
6. ANEXOS
41
42
43
if u<=-0.2;
u=-0.2;
end
u2=u1;
u1=u;
e2=e1;
e1=e;
y2=y1;
y1=y;
44
BIBLIOGRAFA
[1] GIRALDO, Didier, TABARES, Ivn. Model reference adaptive control. 11TH
ISPE/IEE/IFAC INTERNATIONAL CONFERENCE ON CAD/CAM, ROBOTICS,
FACTORIES OF THE FUTURE: CARS & FOF, 1995.
[2]GIRALDO, Didier, GIRALDO Eduardo. Teoria de Control Anlogo, Primera
edicin 2010.
[3] SASTRY, Shankar, BODSON, Mark. Adaptive Control: Stability, Convergence
and Robutsness. Prentice
Hall. USA. 1989.
[4] GOODWIN G. , SIN, K. S. Adaptive Filtering,Prediction and Control. Prentice
Hall, Inc. Englewood,New Jersey., 1984.
[5] LOZANO, Leonardo, RODRGUEZ, Luis, GIRALDO, Didier. Diseo,
implementacin y validacin de un controlador PID auto-sintonizado. Revista
Tecno Lgicas. Enero-Junio 2012.
[6] OGATA, K. Sistemas de control en tiempo discreto. Prentice-Hall, 2
edicin,1996. Captulo 5,6 y 8.
[7] BETANCUR, Carlos, TAFUR, Leonardo. Sintonizacin de un control ptimo
cuadrtico con computacin evolutiva para un puente gra. 2008. Captulo 4.
45