Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/30108 |
Resumo: | O Controle Preditivo Generalizado (GPC) é uma das técnicas de Controle Preditivo baseado em Modelo (MPC) mais tradicionais e populares da indústria e do meio acadêmico, sendo aplicado, ao longo de décadas, em vários sistemas para melhorar o desempenho do controle. Esse tipo de controlador utiliza informações do modelo do processo para predizer o comportamento futuro do sistema. Além disso, o GPC consegue lidar de forma direta tanto com sistemas MIMO, quanto com as restrições presentes nos processos. Entretanto, ao considerar o conjunto de restrições, o controlador precisa resolver, em tempo de execução, um problema de otimização quadrático (QP) (ou linear – LP), o que pode ser inviável em certos casos, como para sistemas embarcados. Dessa forma, este trabalho faz uso da programação multiparamétrica (mp) para gerar uma lei de controle explícita do tipo Afim por Partes (PWA) para o GPC (mp-GPC), capaz de manter o desempenho de controle sem a necessidade recorrente da resolução de um problema de otimização. Inicialmente, essa proposta é comparada diretamente com o GPC tradicional com restrições. Os resultados mostram que o desempenho se mantém, com redução do tempo computacional para o cálculo da ação de controle. Em seguida, um novo formato é proposto, com o objetivo de diminuir a quantidade de parâmetros usados na formulação anterior. Ambas as proposições são aplicadas em diferentes situações: em sistemas multivariáveis, sem e com a presença de atraso de transporte, e em um sistema subatuado. Em todos os casos, o tempo computacional gasto para o cálculo do sinal de controle é analisado, assim como do tempo necessário para a resolução da programação multiparamétrica. Por fim, foram realizados estudos envolvendo uma formulação GPC Multiparamétrica Híbrida, que faz uso da resolução de um problema de programação Linear Inteira Mista multiparamétrica (mp-MILP). Uma válvula não linear é utilizada como estudo de caso, em que suas características não lineares são transformadas em um conjunto de desigualdades para o problema de otimização, com o objetivo de minimizar os seus efeitos. Os resultados são satisfatórios, apresentando um controle, em alguns momentos, com redução dos efeitos da não linearidade. |
id |
UFRN_9f3278693a97806b1d74c9ad0a23693d |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/30108 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Fonseca, Daniel Guerra Vale daCavalcanti, Anderson Luiz de OliveiraDantas, André Felipe Oliveira de AzevedoDorea, Carlos Eduardo TrabucoBarros, Péricles RezendeMaitelli, André Laurindo2020-09-18T18:05:05Z2020-09-18T18:05:05Z2019-10-30FONSECA, Daniel Guerra Vale da. Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica. 2019. 125f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019.https://repositorio.ufrn.br/jspui/handle/123456789/30108O Controle Preditivo Generalizado (GPC) é uma das técnicas de Controle Preditivo baseado em Modelo (MPC) mais tradicionais e populares da indústria e do meio acadêmico, sendo aplicado, ao longo de décadas, em vários sistemas para melhorar o desempenho do controle. Esse tipo de controlador utiliza informações do modelo do processo para predizer o comportamento futuro do sistema. Além disso, o GPC consegue lidar de forma direta tanto com sistemas MIMO, quanto com as restrições presentes nos processos. Entretanto, ao considerar o conjunto de restrições, o controlador precisa resolver, em tempo de execução, um problema de otimização quadrático (QP) (ou linear – LP), o que pode ser inviável em certos casos, como para sistemas embarcados. Dessa forma, este trabalho faz uso da programação multiparamétrica (mp) para gerar uma lei de controle explícita do tipo Afim por Partes (PWA) para o GPC (mp-GPC), capaz de manter o desempenho de controle sem a necessidade recorrente da resolução de um problema de otimização. Inicialmente, essa proposta é comparada diretamente com o GPC tradicional com restrições. Os resultados mostram que o desempenho se mantém, com redução do tempo computacional para o cálculo da ação de controle. Em seguida, um novo formato é proposto, com o objetivo de diminuir a quantidade de parâmetros usados na formulação anterior. Ambas as proposições são aplicadas em diferentes situações: em sistemas multivariáveis, sem e com a presença de atraso de transporte, e em um sistema subatuado. Em todos os casos, o tempo computacional gasto para o cálculo do sinal de controle é analisado, assim como do tempo necessário para a resolução da programação multiparamétrica. Por fim, foram realizados estudos envolvendo uma formulação GPC Multiparamétrica Híbrida, que faz uso da resolução de um problema de programação Linear Inteira Mista multiparamétrica (mp-MILP). Uma válvula não linear é utilizada como estudo de caso, em que suas características não lineares são transformadas em um conjunto de desigualdades para o problema de otimização, com o objetivo de minimizar os seus efeitos. Os resultados são satisfatórios, apresentando um controle, em alguns momentos, com redução dos efeitos da não linearidade.Generalized Predictive Control (GPC) is one of the most traditional and popular Modelbased Predictive Control (MPC) techniques in industry and academia and has been applied over decades in several systems to improve the control performance. This type of controller uses process model information to predict future system behavior. In addition, GPC can deal directly with both MIMO systems and process constraints. However, when considering the constraint set, the controller needs to solve a Quadratic Programming (QP) (or a Linear Programming – LP) in real time, which can be prohibitive in certain cases, such as for embedded systems. This work uses multiparametric programming (mp) to generate an Explicit Piece-wise Affine (PWA) control law for GPC (mp-GPC) which holds the same control performance without the need to keep solving the optimization problem at each sample time. Hence, initially, the proposed formulation is compared with GPC based on online QP. The results show that the performance is maintained, reducing the computational time to calculate the control action. Then, a new format is proposed, which differs from the last one by the number of parameters needed in the mp formulation. Both propositions are applied in three different situations: a MIMO system, a process with input-output delays and a underactuated system. A comparison is made by checking the computational time spent to calculate the control signal, as well as the time required for mp resolution. Finally, studies involving a Hybrid Multiparametric GPC formulation were done , which makes use of the resolution of a multiparametric Mixed-Integer Linear Programming (mp-MILP). A nonlinear valve is used as a case study, in which its nonlinear characteristics are treated as a set of inequalities for the optimization problem, in order to minimize its effects.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOUFRNBrasilControlador preditivo generalizadoProgramação multiparamétricaGPC explícito multiparamétricoSistemas híbridosGPC híbrido multiparamétricoFormulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétricainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALFormulacoesexplicitascontroladores_Fonseca_2019.pdfapplication/pdf2030358https://repositorio.ufrn.br/bitstream/123456789/30108/1/Formulacoesexplicitascontroladores_Fonseca_2019.pdf62379bd50558bb7cc86ee5a325f3bf17MD51TEXTFormulacoesexplicitascontroladores_Fonseca_2019.pdf.txtFormulacoesexplicitascontroladores_Fonseca_2019.pdf.txtExtracted texttext/plain229805https://repositorio.ufrn.br/bitstream/123456789/30108/2/Formulacoesexplicitascontroladores_Fonseca_2019.pdf.txt578e3f176e39e6e04cdfd9cb0ceb1180MD52THUMBNAILFormulacoesexplicitascontroladores_Fonseca_2019.pdf.jpgFormulacoesexplicitascontroladores_Fonseca_2019.pdf.jpgGenerated Thumbnailimage/jpeg1458https://repositorio.ufrn.br/bitstream/123456789/30108/3/Formulacoesexplicitascontroladores_Fonseca_2019.pdf.jpg07ffed6d666267e312b1022e0758d1abMD53123456789/301082020-09-20 04:50:38.693oai:https://repositorio.ufrn.br:123456789/30108Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2020-09-20T07:50:38Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica |
title |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica |
spellingShingle |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica Fonseca, Daniel Guerra Vale da Controlador preditivo generalizado Programação multiparamétrica GPC explícito multiparamétrico Sistemas híbridos GPC híbrido multiparamétrico |
title_short |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica |
title_full |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica |
title_fullStr |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica |
title_full_unstemmed |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica |
title_sort |
Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica |
author |
Fonseca, Daniel Guerra Vale da |
author_facet |
Fonseca, Daniel Guerra Vale da |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.referees1.none.fl_str_mv |
Cavalcanti, Anderson Luiz de Oliveira |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2.none.fl_str_mv |
Dantas, André Felipe Oliveira de Azevedo |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.referees3.none.fl_str_mv |
Dorea, Carlos Eduardo Trabuco |
dc.contributor.referees3ID.pt_BR.fl_str_mv |
|
dc.contributor.referees4.none.fl_str_mv |
Barros, Péricles Rezende |
dc.contributor.referees4ID.pt_BR.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Fonseca, Daniel Guerra Vale da |
dc.contributor.advisor1.fl_str_mv |
Maitelli, André Laurindo |
contributor_str_mv |
Maitelli, André Laurindo |
dc.subject.por.fl_str_mv |
Controlador preditivo generalizado Programação multiparamétrica GPC explícito multiparamétrico Sistemas híbridos GPC híbrido multiparamétrico |
topic |
Controlador preditivo generalizado Programação multiparamétrica GPC explícito multiparamétrico Sistemas híbridos GPC híbrido multiparamétrico |
description |
O Controle Preditivo Generalizado (GPC) é uma das técnicas de Controle Preditivo baseado em Modelo (MPC) mais tradicionais e populares da indústria e do meio acadêmico, sendo aplicado, ao longo de décadas, em vários sistemas para melhorar o desempenho do controle. Esse tipo de controlador utiliza informações do modelo do processo para predizer o comportamento futuro do sistema. Além disso, o GPC consegue lidar de forma direta tanto com sistemas MIMO, quanto com as restrições presentes nos processos. Entretanto, ao considerar o conjunto de restrições, o controlador precisa resolver, em tempo de execução, um problema de otimização quadrático (QP) (ou linear – LP), o que pode ser inviável em certos casos, como para sistemas embarcados. Dessa forma, este trabalho faz uso da programação multiparamétrica (mp) para gerar uma lei de controle explícita do tipo Afim por Partes (PWA) para o GPC (mp-GPC), capaz de manter o desempenho de controle sem a necessidade recorrente da resolução de um problema de otimização. Inicialmente, essa proposta é comparada diretamente com o GPC tradicional com restrições. Os resultados mostram que o desempenho se mantém, com redução do tempo computacional para o cálculo da ação de controle. Em seguida, um novo formato é proposto, com o objetivo de diminuir a quantidade de parâmetros usados na formulação anterior. Ambas as proposições são aplicadas em diferentes situações: em sistemas multivariáveis, sem e com a presença de atraso de transporte, e em um sistema subatuado. Em todos os casos, o tempo computacional gasto para o cálculo do sinal de controle é analisado, assim como do tempo necessário para a resolução da programação multiparamétrica. Por fim, foram realizados estudos envolvendo uma formulação GPC Multiparamétrica Híbrida, que faz uso da resolução de um problema de programação Linear Inteira Mista multiparamétrica (mp-MILP). Uma válvula não linear é utilizada como estudo de caso, em que suas características não lineares são transformadas em um conjunto de desigualdades para o problema de otimização, com o objetivo de minimizar os seus efeitos. Os resultados são satisfatórios, apresentando um controle, em alguns momentos, com redução dos efeitos da não linearidade. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-10-30 |
dc.date.accessioned.fl_str_mv |
2020-09-18T18:05:05Z |
dc.date.available.fl_str_mv |
2020-09-18T18:05:05Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
FONSECA, Daniel Guerra Vale da. Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica. 2019. 125f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/30108 |
identifier_str_mv |
FONSECA, Daniel Guerra Vale da. Formulações explícitas para controladores preditivos generalizados: uma abordagem multiparamétrica. 2019. 125f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/30108 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/30108/1/Formulacoesexplicitascontroladores_Fonseca_2019.pdf https://repositorio.ufrn.br/bitstream/123456789/30108/2/Formulacoesexplicitascontroladores_Fonseca_2019.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/30108/3/Formulacoesexplicitascontroladores_Fonseca_2019.pdf.jpg |
bitstream.checksum.fl_str_mv |
62379bd50558bb7cc86ee5a325f3bf17 578e3f176e39e6e04cdfd9cb0ceb1180 07ffed6d666267e312b1022e0758d1ab |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117825360297984 |