CONTROL PREDICTIVO

CONTROL PREDICTIVO

1. ESTRATEGIA DEL MPC

   • 1. Las salidas futuras para un horizonte determinado N, llamado horizonte de predicción, se predicen cada instante t utilizando el modelo del proceso.
   • 2. La acciones de control futuras se calculan con el optimizador, que considera la función del coste y las posibles restricciones y y permite obtener las acciones de control a aplicar.

2. PERSPECTIVA HISTÓRICA

   • En los años 70`s el control predictivo en la industria estaba basado en el modelo (MPHC) "Model Predictive Heuristic Control" y posteriormente fué presentado como MAC "Model Algorithmic Control".
     • El control predictivo llegó a ser muy utilizado en la industria de procesos químicos, por su simplicidad del algoritmo y al uso del modelo de respuesta ante impulso.
       • En los años 90`s El mpc fué formulado en el espacio de estados, lo que permite una utilización de resultados bien conocidos sobre estabilidad y también la generalización a casos más complejos como procesos multivariables, procesos no lineales y sistemas con perturbaciones estadísticas
         • El control predictivo se puede considerar una técnica madura para sistemas lineales y no muy rápidos como los encontrados normalmente en la industria de procesos. Sistemas más complejos, tales como sistemas no lineales, híbridos, y o sistemas muy rápidos, eran considerados como fuera del alcance de los controladores predictivos

3. TECNOLOGÍA INDUSTRIAL

   • Empresas que suministran controladores predictivos:
     • AspenTech Adersa Honeywell Honeywell Setpoint Inc Treiber Controls ABB Pavillion Technologies Inc

4. TIPOS DE MODELO

   • Modelo de Función de transferencia
     • Este modelo es muy apropiado para muchas aplicaciones industriales en las que las perturbaciones no son estacionarias
   • Modelo de convolución
     • Los modelos de convolución engloban los modelos de respuesta impulsional y respuesta ante escalón, de gran éxito en la industria por ser muy intuitivos y permitir un procedimiento de identi ficación relativamente sencillo.
   • Modelo en el espacio de estados
     • Los modelos de espacio de estados o descripción interna se pueden usar también para formular el problema del control predictivo. Puede ser usada tanto para problemas monovariables como multivariables y se puede extender fácilmente al caso no lineal.
   • Perturbaciones Medibles
     • Las perturbaciones medibles pueden incluir las ecuaciones de predicción, ya que pueden ser tratadas como entradas al sistema. Para sistemas lineales, el principio de superposición permite calcular las predicciones de la salida como la suma del efecto de ambas entradas: la variable manipulable y la perturbación medible.

5. RESTRICCIONES EN CONTROL PREDICTIVO

   • Forma general de las restricciones
     • La mayor parte de las restricciones que pueden actuar sobre un proceso pueden ser descritas por Ru <= r + Vx(t). Las matrices R, r, y V dependen de los parámetros del proceso y de los valores límites de las variables del proceso.
   • Optimización y restricciones
     • optimizar el punto de operación, optimizar las transiciones del proceso de un punto otro, minimizar la varianza de operación del proceso, La consideración explícita de las restricciones permite eliminar o al menos reducir el número de violaciones de restricciones y de paradas de emergencia por lo que el proceso puede operar más cerca del optimo
   • MPC Multiobjetivo
     • Algunas veces todos los objetivos de control se pueden representar con una sola función objetivo, por ejemplo, un proceso con una serie de objetivos de control J1, J2, ..., Jm, cada uno de ellos con restricciones lineales. Alguno de los objetivos puede ser mantener algunas variables lo más cerca posible de sus referencias mientras que otros pueden estar relacionados con mantener ciertas variables dentro de ciertas regiones.

6. CONTROL PREDICTIVO ROBUSTO

   • Una forma de hacer un controlador predictivo robusto es imponer que las condiciones de estabilidad se verifi quen para cualquier realización de las restricciones

7. SISTEMAS HIBRIDOS

   • Los sistemas híbridos se han modelado de distintas formas: bien como un grafo de transición de estados (con dinámica continua dentro de cada estado) o bien como un conjunto de ecuaciones diferenciales, o en diferencias, con variables discretas. Esta última es la aproximación más usual en el campo del control predictivo.

8. ESTABILIDAD

   • Para sistemas lineales sin restricciones, la estabilidad se puede analizar con herramientas convencionales de teoría de sistemas lineales, pero si aparecen restricciones o el sistema es no lineal, la ley de control se convierte en no lineal y deben usarse otras herramientas