Professional Documents
Culture Documents
5.1 Introduccin
El uso de la estrategia de control adaptivo permite reajustar los parmetros del controlador cada vez que el comportamiento del robot se modifica, de modo que los movimientos de ste se aproximen siempre a las especificaciones deseadas. Existen dos tipos principales de control adaptivo: el control adaptivo con modelo de referencia (MRAC) y el control adaptivo con autosintonizacin o autoajustable. Este ltimo es el que trataremos en este captulo. Las funciones bsicas comunes a la mayora de los sistemas de control adaptivo son: 1. La identificacin de los parmetros desconocidos o la medicin de un ndice de desempeo o funcin de costo, 2. La decisin sobre la estrategia de control, y 3. La modificacin en lnea (on line) de los parmetros del controlador o de la seal de entrada (de la planta). En las figuras 5.1 y 5.2 se muestran dos tipos bsicos de sistemas MRAC, denominados MRAS (Model Reference Adaptive System). En el primer tipo (MRAS de parmetro adaptable) toma la diferencia entre la salida del modelo y la salida del proceso, y lo utiliza para modificar los parmetros del controlador. En el segundo (MRAS de sntesis de seal), utiliza dicha diferencia para generar una entrada auxiliar a la planta o proceso. 99 M.Sc. Ral Benites Saravia
Modelo de referencia ym
+
r Entrada de referencia Sistema ajustable Mecanismo de adaptacin
e -
+
u Controlador
Modelo de referencia ym
+
r Entrada de referencia Mecanismo de adaptacin
e -
+
u Controlador
UNIVERSIDAD NACIONAL DE INGENIERIA Control Avanzado _________________________________________________________________________ Existen tres estructuras de los sistemas MRAC. La estructura de uso ms comn es la estructura MRAS paralela, que se muestra en la figura 5.3, as como en las figuras 5.1 y 5.2. Las otras dos configuraciones correspondientes a los MRAS en serie y a los MRAS en serie y paralelo se muestran en las figuras 5.4 y 5.5, respectivamente.
FACULTAD DE INGENIERIA ELECTRICA Y ELECTRNICA
Mecanismo de adaptacin
e -
Modelo de referencia
ym
Sistema ajustable
yp
Mecanismo de adaptacin
+ -
Sistema ajustable
yp
Luego de una rpida presentacin de los esquemas representativos del control adaptivo MRAC, a continuacin trataremos sobre el sistema de control adaptivo con autosintonizacin, cuya configuracin se muestra en la figura 5.6. Podemos observar que consta de varios bloques, como el estimador de parmetros (el RLS: mnimos cuadrados recursivo mejorado), estimador de estados (el filtro de Kalman), un controlador proporcional integral ptimo cuadrtico con realimentacin de estados y un modelo lineal del proceso. La ley de control U, permitir minimizar la diferencia entre la referencia y la salida del proceso. La seal de control U actuante en el proceso, es la suma de la ley de control de equilibrio U y la ley de control residual u, expresada como U = U + u .
donde X es el vector de estado de orden n, U(t) es la ley de control de orden uno, f(.) es una funcin lineal que puede contener disturbios v(.) en los estados, h(.) es una funcin no lineal que puede contener disturbios w(.) en la salida. Linealizando las ecuaciones (5.1) y (5.2) se obtiene el modelo lineal siguiente:
siendo A la matriz de estado (n x n), B la matriz de control (n x 1), C la matriz de salida (1 x n), v(X,t) es un vector de disturbios de orden n, w(X,t) es un disturbio de orden uno, Y(t) es la salida del proceso de orden uno, y A, B, C son las correspondientes incertidumbres acotadas. La representacin discretizada del proceso lineal continuo, es la siguiente: X (k + 1) = GX (k ) + HU (k ) Y (k ) = CX (k ) (5.5) (5.6)
donde las matrices G y H son de la misma dimensin que las matrices A y B, respectivamente, y k es el ndice de tiempo discreto. La representacin polinomial de las ecuaciones (5.5) y (5.6) es: A( z 1 ) y ( z ) = B ( z 1 )u ( z ) con A( z 1 ) = 1 + a1 z 1 + a2 z 2 + L + an 1 z n 1 + an z n B ( z 1 ) = b1 z 1 + b2 z 2 + L + bn 1 z n 1 + bn z n Si usamos las relaciones residuales u = U U ; ecuaciones (5.5) , (5.6) y (5.7) se obtiene: x = X X; y = Y Y en las (5.8) (5.7)
(5.12)
5.4.1 Estimacin de Parmetros por el mtodo de los Mnimos Cuadrados Recursivo (RLS)
De la figura 5.6 se observa que la ley de control y la salida del proceso para estimar los parmetros son las seales actuales U(k) e Y(k). Para tal propsito, la ecuacin (5.11) tomar la siguiente forma: (k ) Y (k ) = T (k ) (5.13)
donde el vector de informacin (o de medicin) contiene la informacin de los valores presentes y pasados de la entrada U y de la salida Y, de la siguiente forma:
T (k ) = [Y (k 1) L Y (k n) U (k 1) L U (k n) 1]
y el vector contiene los parmetros a ser estimados, es decir: 1 (k ) L b n (k ) ] T (k ) = [ a 1 ( k ) L a n (k ) b
(5.14)
(5.15)
Ahora, considerando la respuesta en estado estable, es decir cuando z = 1, entonces la ecuacin (5.11) viene a ser: A(1)Y = B(1)U + (5.16)
(k ) = i (k ) / [ + j (k )]
P(k + 1) = [ I (k ) T (k )]P(k ) /
(k + 1) = (k ) . Actualizar P (k ) = P(k ) y
Ejemplo 5.1: Estimar los parmetros del proceso servomotor D.C. con carga no lineal, que se muestra en la figura 5.7, empleando el mtodo RLS. Emplee el modelo lineal de segundo orden del proceso y como seal excitadora use un escaln de magnitud 0.4. Grafique la respuesta del proceso.
Solucin El modelo linealizado de este proceso es de tercer orden, sin embargo si se desprecia la inductancia de armadura, se obtendr un modelo de segundo orden, de la forma: x & = Ac x + Bcu y = Cc x donde:
Control Avanzado _________________________________________________________________________ 1 0 2 B Kn E Ac = + M MR 0 Bc = KnK act ; Cc = (1 0 ) MR El siguiente programa ejem5_1.m estima los parmetros del proceso: (5.17)
Figura 5.8: Respuesta del modelo lineal del proceso a un escaln de magnitud U = 0.4. 107 M.Sc. Ral Benites Saravia
5.4.2 Estimacin de Parmetros por el mtodo de los Mnimos Cuadrados Recursivo (RLS) Mejorado
El algoritmo RLS bsico tratado en la subseccin 5.4.1, podra presentar problemas de carcter numrico que afectaran el diseo del controlador con autosintonizacin. Por lo cual se hace necesario emplear el mtodo RLS mejorado, cuyos pasos para su implementacin se presenta a continuacin: (ver el libro: Control Avanzado, Diseo y Aplicaciones en Tiempo Real Autor: Dr. Arturo Rojas)
UNIVERSIDAD NACIONAL DE INGENIERIA Control Avanzado _________________________________________________________________________ (k ) , se puede reconstruir las Usando los elementos del vector de parmetros estimado (k ) , H (k ) . El vector de estado estimado x (k ) , C matrices estimadas G (k ) puede ser obtenido empleando el filtro de Kalman, con la siguiente ecuacin de observacin:
FACULTAD DE INGENIERIA ELECTRICA Y ELECTRNICA
(k ) x (k )] x (k ) = x (k ) + K o (k )[ y (k ) C y la ecuacin de actualizacin de estados ser: (k ) x (k )u (k ) x (k + 1) = G (k ) + H La matriz de ganancia Ko(k) de la ecuacin (5.20) se calcula de: T (k ) C (k ) Po (k )C T ( k ) + Ro K o (k ) = Po (k )C
(5.20)
(5.21)
(5.22)
donde Po(k) es una matriz definida positiva, solucin nica de la ecuacin matricial discreta de Riccati: T (k ) Po (k )G (k ) G T (k ) K o (k )C (k ) Po (k )G (k ) Po (k + 1) = Qo + G donde Qo y Ro son matrices de covarianza definidas positivas correspondiente a los disturbios v y w, respectivamente. (5.23)
(5.24)
donde la matriz Q = QT es semidefinida positiva y la matriz R es definida positiva. La matriz Kx se obtiene de: K x = R + H T SH
H T SG
(5.25)
donde S es la matriz definida positiva solucin nica de la siguiente ecuacin matricial discreta asociada de Riccati: 0 = S G T SG + G T SHK x (5.26)
UNIVERSIDAD NACIONAL DE INGENIERIA Control Avanzado _________________________________________________________________________ Para mejorar el rendimiento del controlador en estado estacionario, es posible adicionar una accin integral en dicho controlador. Definiendo la variable z(k) como la integral (sumatoria) del error [Y (k ) Y (k )] :
FACULTAD DE INGENIERIA ELECTRICA Y ELECTRNICA
z (k ) = [Y (k ) Y (k )] = [ y (k )]; z (k + 1) = [ y (k )]
i =0 i =0 i =0
k 1
k 1
Luego: z (k + 1) = z (k ) y (k ) = z (k ) Cx(k ) Por consiguiente, la representacin en el espacio de estado del sistema aumentado es: x a (k + 1) = G a x a (k ) + H a u (k ) y (k ) = C x (k )
a a
(5.27)
(5.28) (5.29)
[ H a ]T P a G a
(5.31)
donde Pa es la nica matriz definida positiva solucin de la ecuacin matricial discreta asociada de Riccati: P a = Q a + [G a ]T P a G a [G a ]T P a H a K a (5.23)
Nota: Sobre el procedimiento de diseo, ver la pgina 221 del libro del Dr. Arturo Rojas.