tUNIVERSIDAD DE PIURA

FACULTAD DE INGENIERÍA

Laboratorio de Control Industrial: Control Predictivo

Curso : Control Industrial
(2017)

1. Objetivos

 Conocer el comportamiento a lazo cerrado de un Control Predictivo

Generalizado (GPC) aplicado a un proceso.

 Estudiar el comportamiento de las variables controladas y manipuladas al variar

los parámetros de sintonización del GPC, ante variaciones del set-point y en
presencia de disturbios.

2. Fundamentos teóricos

De los varios algoritmos de control predictivo que existen, el que utilizaremos será el
GPC. Previamente recordaremos los fundamentos de las estrategias MPC (Model
Predictive Control).
La metodología de todos los controladores pertenecientes a la familia MPC está
caracterizada por las siguientes estrategias, representadas en la figura 1.Las salidas
futuras para un determinado horizonte N, llamado horizonte de predicción, son
predecidas en cada instante t usando el modelo del proceso. Estas salidas predichas
yˆ (t  k | t ) 1 para k = 1…N dependen de los valores conocidos hasta el instante t
(entradas y salidas pasadas) y de las señales de control futuras u (t  k | t ) , k = 0…Nu1.
donde Nu es el horizonte de control

Fig. 1 Estrategia MPC

En la figura anterior N y Nu son iguales, pero es factible que sean valores distintos.
El conjunto de señales de control futuras es calculado optimizando un criterio
determinado a fin de mantener el proceso tan cerca como sea posible a la trayectoria de
1
La notación indica el valor de la variable en el instante t+k calculada en el instante t.
referencia w(t  k ) (la cual puede ser el set-point mismo o una aproximación cercana de
éste). Este criterio usualmente toma la forma de una función cuadrática de los errores
entre la señal de salida predecida y la trayectoria de referencia. El esfuerzo de control es
incluido en la función objetivo en la mayoría de los casos. Una solución explícita puede
ser obtenida si el criterio es cuadrático, el modelo es lineal y no hay restricciones, de
otra forma se debe usar un método de optimación iterativa. Algunas suposiciones acerca
de la estructura de la ley de control futura son también hechas en algunos casos, tales
como que ésta será constante desde un instante dado.
La señal de control u (t | t ) es enviada al proceso mientras las sucesivas señales de
control calculadas son rechazadas, porque en el sucesivo instante de muestreo y (t  1)
es ya conocido y el paso 1 es repetido con este nuevo valor y todas las secuencias son
actualizadas. De este modo u (t  1 | t  1) es calculada (la cual en principio será
diferente de u (t  1 | t ) debido a la nueva información disponible) usando el concepto de
horizonte recesivo.

Fig. 2: Estructura básica del MPC

El modelo de Función de Transferencia (Transfer Function Model) es usado en la

mayoría de los métodos de control, por ser una representación que requiere sólo unos
pocos parámetros y es válido para todo tipo de procesos. El modelo de Espacio de
Estados (State-Space Model) es también usado en algunas formulaciones, ya que puede
describir procesos multivariables. Estos modelos son los empleados por el algoritmo
GPC , siendo más usado el primero. El segundo tiene la ventaja que la conversión al
caso MIMO es más directa
El optimador es otra parte fundamental de la estrategia puesto que provee las acciones
de control. Si la función de costo es cuadrática, su mínimo puede ser obtenido como una
función explícita (lineal) de entradas y salidas pasadas y la trayectoria de referencia
futura. El tamaño de los problemas de optimación depende del número de variables y
los horizontes de predicción y control usados.
3. Realización de la Práctica

El diseño del controlador predictivo generalizado, se llevará a cabo en 6 pasos:

PASO 1:

Cada alumno debe definir los parámetros del proceso, es decir debe definir los
polinomios A, B, y C; así como también el retardo.

A( z 1 )  1  a1 z 1  a2 z 2  ...  ana z  na
(1)

B( z 1 )  bo  b1 z 1  b2 z 2  ...  bnb z  nb
(2)

C ( z 1 )  1  c1 z 1  c2 z 2  ...  cnc z  nc
(3)

retardo=k

PASO 2:

Se debe asignar los valores de horizonte de predicción N1 , N 2 , N u y el valor de  .

Como recordamos estos parámetros están presentes en la ecuación de la función
objetivo:

N2 Nu
J ( N1 , N 2 , N u )    ( j)y(t  j | t )  w(t  j )2    ( j)u(t  j  1)2 (4)
j  N1 j 1

Normalmente se cumple que: 1  N1  N 2 .  es asumida igual a uno en toda la

secuencia de predicción.

PASO 3:

Los valores de los polinomios de Ej y Fj se calculan con el uso de la ecuación

diofantina:

C  E j A  z  j Fj
(5)
donde:

  1  z 1
(6)

Posteriormente podemos encontrar las matrices G , G '( z 1 ) y F ( z 1 ) , de la siguiente

forma:
  Fd 1 ( z 1 ) 
 
1  Fd  2 ( z 1 ) 
Gj  E j Bj ; F (z )  
.... 
 
 Fd  N ( z 1 ) 

(G d 1 (z 1 )-g o )z 
 
1  (G d 1 (z 1 )-g o -g1z 1 )z 2 
G '( z )   
.........
 
(G d  N (z 1 )-g o -g1z 1...-g N 1z  ( N 1) )z N 

PASO 4:

La variación de la señal de control es :

u  (1  2 ...... N2 )( f  w)
(7)

En este laboratorio se asumirá que la trayectoria w  cte. Para el cálculo de

(1  2 ...... N2 ) tenemos:

(1 2 ...... N2 )  (1 0 ... 0)(GT G   I )1 GT

(8)

Por otro lado:

y  Gu  F ( z 1 ) y(t )  G '( z 1 )u(t  1) (9)

Siendo:

f  F ( z 1 ) y(t )  G '( z 1 )u(t  1) (10)

Entonces:
y  Gu  f (11)

Al reemplazar (10) en (7):

 F1 ( z 1 ) y (t )  G '1 ( z 1 )u (t  1)  w 
 1 1 
 F2 ( z ) y (t )  G '2 ( z )u (t  1)  w 
u  (1  2 ...... N2 )  
....... (12)
 
 FN2 ( z 1 ) y(t )  G 'N2 ( z 1 )u (t  1)  w
PASO 5:

Operando la ecuación (12), se puede decir que:

N2 N2 N2
Cu(t )  C i w  i F ( z 1 ). y(t )  iG '( z 1 ).z 1u (t  1)
i 1 i 1 i 1
(13)

 N2
1 
N2 N2

C  i G '( z ).z  u (t )  C i w  i F ( z ). y(t )

1 1

 i 1  i 1 i 1
(14)

Donde se puede deducir los parámetros T1, R y S, en función de datos ya calculados

hasta el paso anterior:
N2
T1    i
i 1 (15)
N2
S  i F ( z 1 )
i 1 (16)
N2
R  C  i G ' ( z 1 ).z 1
i 1 (17)

Entonces la ecuación (14) se puede reescribir:

Ru(t )  CT1w  Sy(t ) (18)

Despejando:

1
u (t )  [CT1w  Sy (t )] (19)
R

PASO 6:

Con los valores calculados anteriormente se procede a realizar el GPC en simulink de

Matlab (figura 3):
 Figura 3

PROCESO 1:

El primer proceso que se empleará en el laboratorio esta descrito por:

A=[1 -0.8]

B=[0.4 0.6]

(El alumno debe de llevar la función de transferencia que representa al proceso en

estudio en el curso de CO)

Para la ejecución del presente laboratorio, se asume C=1 y retardo=0

Al calcular E y F:

E1 ( z 1 )  1 F1 ( z 1 )  1.8  0.8 z 1
E2 ( z 1 )  1  1.8 z 1 F2 ( z 1 )  2.44  1.44 z 1
E3 ( z 1 )  1  1.8 z 1  2.44 z 2 F3 ( z 1 )  2.952  1.952 z 1

Del cual se obtiene las siguientes matrices:

0.4 0 0 0.6  1.8  0.8 z 1 

    1  1 
G  1.32 0.4 0  ; G '( z )  1.08  ; F '( z )   2.44  1.44 z
1

 2.056 1.32 0.4 1.464    
 2.952  1.952 z 
1

De la ecuación (8) se obtiene:

(1  2 3 )  (0.133 0.286 0.147)

Al usar las ecuaciones (15), (16) y (17) tenemos:

 T1  0.566

S  1.3712  0.8052 z 1

R  1  0.6039 z 1

No olvidemos que:

AD  A  1  1.8 z 1  0.8 z 2

PROCESO 2:

1.2  0.6s
H
s  1.475s  0.491
2

En discreto:

0.4748 z 1  0.3698 z 2
H
1  1.392 z 1  0.4783z 2

Al calcular E y F:

E1 ( z 1 )  1 F1 ( z 1 )  2.392  1.8703 z 1  0.4783 z 2

E2 ( z 1 )  1  2.392 z 1 F2 ( z 1 )  3.85  3.995 z 1  1.144 z 2
E3 ( z 1 )  1  2.392 z 1  3.8514 z 2 F3 ( z 1 )  5.217  6.0592 z 1  1.842 z 2

Al usar las ecuaciones (15), (16) y (17) tenemos:

T1  0.7565

S  2.799  2.8716 z 1  0.829 z 2

R  1  0.6410 z 1

En la práctica de laboratorio se observará si los cálculos realizados son correctos y si el

GPC cumple nuestras expectativas.
4. Informe a entregar

 Diseñe un controlador GPC del proceso que realiza en su trabajo de Control.

Realice diferentes diseños con 3 diferentes valores de horizontes de predicción.
Luego realice 3 diferentes diseños para tres valores diferentes de lambda.
 Evalúe en cada caso los valores que asume la función de costo J= Jcalidad +Jenergía
 ¿Qué sucede si al controlador GPC calculado anteriormente: se aumenta el valor
de landa tres veces más; y cuando disminuye 3 veces menos, simular en cada
caso?
 ¿Diseñe su controlador GPC con retardos diferentes, cómo influye el retardo en
su control, simular?
 Observe el comportamiento de la salida en estado estacionario ¿es complemente
estacionaria? ¿a qué se debe?
 Simule el comportamiento de la salida frente a perturbaciones que cambian
bruscamente (similar a cómo se ilustró en clase)
 Conclusiones

El profesor añadirá preguntas durante la ejecución del laboratorio.