Satisficing infinite-horizon model predictive control

Detalhes bibliográficos
Autor(a) principal: Benetti, Bruno Eduardo
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/211489
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianóplis, 2019
id UFSC_3c7e84215577c7957d42b1663526845a
oai_identifier_str oai:repositorio.ufsc.br:123456789/211489
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Satisficing infinite-horizon model predictive controlEngenharia de sistemasAutomaçãoControle preditivoOtimizaçãoDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianóplis, 2019O controle preditivo baseado em modelo (MPC) é uma das poucas técnicas de controle avançado que teve um impacto significativo no controle de processos industriais. Em termos simples, o MPC converte um problema de otimização dinâmica em uma sequência de problemas de otimização estática, de tal forma que se torna possível usar algoritmos de otimização convexa padrão. Esses problemas são resolvidos em tempo real para garantir que o controle seja calculado a cada passo de amostragem. A estratégia de controle do MPC é baseada na solução de um problema de otimização em tempo real para calcular o sinal de controle. Ele leva em conta o estado atual do sistema, possíveis perturbações que podem afetar o processo e restrições que garantem a integridade do sistema. Sistemas geograficamente distribuídos são formados a partir da interconexão de vários subsistemas dinâmicos acoplados. Há muitos exemplos desses sistemas, como usinas de energia, redes de controle de tráfego urbano, plantas petroquímicas e químicas. Esse tipo de sistema é composto de diversos subsistemas que podem influenciar uns aos outros. Por exemplo, o fluxo de massa que sai de um reator químico é o fluxo de entrada para um tanque. Esse acoplamento pode ser modelado como equações dinâmicas ou mesmo restrições algébricas, como conservação de massa ou energia.Para esses sistemas, geralmente há duas opções de controle: implantar vários controladores PID SISO ignorando os acoplamentos de subsistemas ou usar uma técnica de controle avançada que possa levar em conta esses aspectos. Neste último, a técnica de controle avançado mais utilizada é o MPC. Ao usar controladores SISO, todos os efeitos que um sistema pode causar em outros são considerados perturbações. Geralmente, os controladores PID são capazes de rejeitar esse tipo de perturbação, no entanto, o benefício que o MPC pode trazer é aproveitar o acoplamento e usá-lo para melhorar seu desempenho.Apesar de todos esses aspectos, existem alguns problemas relacionados às limitações do MPC no ambiente industrial. Um dos problemas é o processo de ajuste: tipicamente, os engenheiros de processo definem pesos para cada objetivo, um para cada subsistema, que são combinados em uma função objetivo global a ser minimizada pelo controlador. Tal abordagem é conhecida como sintonia categórica porque, uma vez definidos, os pesos serão sempre os mesmos. Isso pode causar algumas dificuldades e comprometer a tarefa de identificar pesos adequados para todas as condições operacionais.Em particular, Lima propôs uma abordagem de controle preditivo de satisfação distribuída que fornece uma sintonização automática, conhecida como sintonia situacional. Essa nova abordagem não usa pesos para compensar os objetivos locais, mas estabelece uma região satisfatória para cada subsistema, de modo que o controlador deve procurar uma solução que seja satisfatória para todos os subsistemas. Em particular, o centro analítico da interseção de todas as regiões satisfatórias é uma solução para o problema que tem uma propriedade desejável. Nomeadamente, os multiplicadores de Lagrange associados a esta solução definem pesos para os subproblemas locais dependentes do estado e que conduzem a uma estratégia para a sintonização automática.Por outro lado, a abordagem de controle satisfatório requer o uso de algoritmos complexos de ponto-interior, que podem ser computacionalmente onerosos e potencialmente sensíveis aos parâmetros de entrada. Para este fim, esta dissertação propõe uma abordagem prática para o controle satisfatório que se baseia em algoritmos de otimização robustos. Além disso, pretende-se explorar profundamente a estabilidade do MPC satisfatório, a fim de garantir sua aplicabilidade em ambientes industriais práticos. Para conseguir isso, o Modelo de Predição Orientado à Predição de Saída (OPOM) será integrado à abordagem, resultando em uma estrutura MPC satisfatória de horizonte infinito que garantirá estabilidade com uma nova função objetivo.ObjetivosO objetivo principal da dissertação é contribuir para o desenvolvimento do Controle Preditivo baseado em Modelo Satisfatório de Horizonte Infinito como uma opção no controle de processos industriais.MetodologiaPara realizar o desenvolvimento deste novo controlador é necessário, primeiramente, conhecer as bases teóricas por trás das alternativas escolhidas: teoria de sistemas lineares, otimização e MPC neste caso. Para tanto o trabalho provê a fundamentação necessária nestas áreas para o entendimento posterior do leitor. Construídas as bases, passa-se para a elaboração de uma estratégia de controle preditivo com horizonte infinito, através da sua implementação em software e simulações. O algoritmo de horizonte infinito é então incrementado pela inclusão do modelo de predição OPOM, além da elaboração de um algoritmo para realizar a conversão de um sistema que esteja como função de transferência para o modelo OPOM. De posse dos resultados de simulações, já é possível comparar a performance de diversas sintonias diferentes do mesmo controlador. Parte-se então para a implementação de uma sintonia satisfatória automática para a finalização do controlador. Obtidos os resultados finais é realizada uma avaliação dos mesmos.Resultados e DiscussãoOs resultados apresentados mostram que a escolha pelo SIHMPC frente a modelos tradicionais de MPC traz diversos benefícios para o projetista. Primeiramente existe a suposta garantia de estabilidade provida pelo horizonte infinito de predição, além da simplificação das restrições de estabilidade que podem ser impostas pelo processo. Em segundo lugar, o uso de sintonia satisfatória livra o operador/projetista de várias horas de sintonia do sistema, bastando fornecer ao sistema dados reais das limitações do processo. Além do mais, o uso da modelagem OPOM ao sistema provou ser útil também do ponto de vista de análise do sistema em tempo real, fornecendo variáveis de monitoramento do regime transitório do processo, assim como prevê os alvos de regime permanente antes do tempo normal.Considerações FinaisA elaboração do controlador SIHMPC é um passo na direção de alternativas viáveis para uso na prática de técnicas de controle avançado. O intuito é com o rompimento das barreiras que existem entre a academia e a indústria na geração de tecnologia, implementando fundamentos teóricos atuais para atualizar um processo de controle MPC clássico. Os trabalhos futuros buscarão simplificar o emprego do controle SIHMPC em um ambiente prático e real, como uma solução para os problemas encontrados.Abstract: This work aims to give an alternative formulation for Model Predictive Controllers that simplifies the implementation of stability conditions and accommodates conflicting objectives. Stability guarantees are ensured by means of an infinite prediction horizon, which takes into account the whole system dynamics until the end of time. Further, the Output Prediction Oriented Model (OPOM) is proposed as a suitable prediction model for the infinite horizon MPC (IHMPC), delivering a system representation with a clear physical meaning that eases the implementation of stability guarantees. Besides, the controller is augmented with a Satisficing tuning strategy that bring about dynamical weights for the system objectives, relieving the operator from the burden of choosing one out of many Pareto-optimal solutions. The inherited convergence of IHMPC and the satisficing theory give rise to the Satisficing Infinite Horizon Model Predictive Controller, or SIHMPC, which is presented hereafter from its development to simulations.Camponogara, EduardoLima, Marcelo Lopes deUniversidade Federal de Santa CatarinaBenetti, Bruno Eduardo2020-08-20T05:37:01Z2020-08-20T05:37:01Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis98 p.| il., gráfs., tabs.application/pdf363068https://repositorio.ufsc.br/handle/123456789/211489engreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2020-08-20T05:37:02Zoai:repositorio.ufsc.br:123456789/211489Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-08-20T05:37:02Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Satisficing infinite-horizon model predictive control
title Satisficing infinite-horizon model predictive control
spellingShingle Satisficing infinite-horizon model predictive control
Benetti, Bruno Eduardo
Engenharia de sistemas
Automação
Controle preditivo
Otimização
title_short Satisficing infinite-horizon model predictive control
title_full Satisficing infinite-horizon model predictive control
title_fullStr Satisficing infinite-horizon model predictive control
title_full_unstemmed Satisficing infinite-horizon model predictive control
title_sort Satisficing infinite-horizon model predictive control
author Benetti, Bruno Eduardo
author_facet Benetti, Bruno Eduardo
author_role author
dc.contributor.none.fl_str_mv Camponogara, Eduardo
Lima, Marcelo Lopes de
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Benetti, Bruno Eduardo
dc.subject.por.fl_str_mv Engenharia de sistemas
Automação
Controle preditivo
Otimização
topic Engenharia de sistemas
Automação
Controle preditivo
Otimização
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianóplis, 2019
publishDate 2019
dc.date.none.fl_str_mv 2019
2020-08-20T05:37:01Z
2020-08-20T05:37:01Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 363068
https://repositorio.ufsc.br/handle/123456789/211489
identifier_str_mv 363068
url https://repositorio.ufsc.br/handle/123456789/211489
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 98 p.| il., gráfs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652048454909952

Registros relacionados