1. Control Predictivo a d Pasos
|
|
- Ana Isabel Blázquez de la Cruz
- hace 5 años
- Vistas:
Transcripción
1 . Control Predictivo a d Pasos. CONTROL PREDICTIVO A D PASOS..... INTRODUCCIÓN PREDICTOR A D PASOS Polos Ceros del Predictor CONTROLADOR PREDICTIVO A D PASOS CONTROLADOR PREDICTIVO A D PASOS PONDERADO CONTROL PREDICTIVO A D PASOS PONDERADO POR POLINOMIOS NOTAS SOBRE EL CONTROL PREDICTIVO Indeterminación del Retardo Sensibilidad Frente a Variaciones de Parámetros CASO ADAPTATIVO DEL CONTROL PREDICTIVO CONTROL PREDICTIVO PONDERADO ADAPTATIVO CONTROL PREDICTIVO PONDERADO ADAPTATIVO CON FILTRO EN LA ACTUACIÓN COMPENSACIÓN DE VELOCIDAD SIMULACIONES Predictor a d Pasos Control Predictivo Ponderado Por Polinomios...56 Clase Control Predictivo.doc
2 ..3. Cálculo de los Polinomios P R Control Predictivo Ponderado Por Polinomios Adaptativo...63 Clase Control Predictivo.doc
3 .. Introducción Uno de los problemas del control es el retardo, + = a + bu (.) le de control u = ( r+ a) (.) b Sistema con retardo: = a + bu (.3) + + = a + bu + + = a + bu + ( ) = a a + bu + bu + + (.4) = a + bu + abu (.5) u = ( r+ a abu ) (.6) b concepto de predicción de la salida Clase Control Predictivo.doc 3
4 .. Predictor a d Pasos A = B u (.7) donde - - -n A = + az + a z + + an z B= z B = z + z + z + + z ( b b b bm ) -d -d - - -m se puede reescribir: = G + F B u +d donde F G se relacionan por: (.8) (.9) -d = F A + z G (.) con F = + f + f + + f - - -d+ z z d-z - - -n+ z z n-z G= g + g + g + + g (.) Clase Control Predictivo.doc 4
5 Los coeficientes de F de G tienen la siguiente expresión: i f = f a i = d i j i j j= d g = f a i = n i j i+ d j j= Demostración: ( z ) -d F A = F B u = F B u -d -d - G = F B u z d z z = G + F B u (.) (.3) Clase Control Predictivo.doc 5
6 ... Polos Ceros del Predictor ( ) H q ( ) ( ) d q B q = (.4) A q el predictor es d d = q G( q) + q F( q ) B ( q) d d ( q G( q) ) = q F( q ) B ( q) u H p ( q) ( ) ( ) d q G( q) u (.5) F q B q = (.6) d q G( q) debe tener las raíces de A( q ) F ( q ) problemas numéricos si se utiliza la ecuación del predictor para simular el comportamiento del sistema. las raíces de F ( q ) se distribuen simétricamente respecto de las raíces de A( q ). Clase Control Predictivo.doc 6
7 Ejemplo.. Sistema con Retardo 3 Sea el sistema =, 5 -,7 + u -, 8 u (.7) - - A= -, 5q +,7q B=q - (, 8q ) 3 F G deberán cumplir -3-4 (.8) 3 ( f f )(, +,7 ) + ( g g ) = + q + q - 5q q q + q ( f, ) + (,7, f + f ) (,7 f, f g ) (,7 f g ) = q - 5 q q + + q resultando 3 4 f =, 5 = - a f f =, 5 f -,7 =,55 = - a f - a f g =, 5 f -,7f =. 75 = - a f - a f g = -,7 f = -,85 = - a f (.) (.9) Clase Control Predictivo.doc 7
8 (, 75,85 ) (,,5 ) (, ) = q + + 5q + 5 q - 8q u +3 =, 75,85 + u +, 7 u +,35 u, 4 u (.) Ilustración - Predictor a d Pasos Clase Control Predictivo.doc 8
9 .3. Controlador Predictivo a d Pasos le de control: M u +d (.) F B = - G d ε r + d F B u q -d B A G ε = q G M d d F A A d d q q B = ε + ( ) FAq = q - G d M d F A + Gq q = q + B Fd d d M d = + BFd M d + B Fd (.3) (.4) Clase Control Predictivo.doc 9
10 ε u= F B -d M d G z ε = z - ε = F A A M u= -d z B u es estable si B' lo es. M z d F A F A + G z -d Otra forma de interpretar este control es el encontrar una le para u de modo que minimice el siguiente funcional: J = - J = M +d +d +d u Resolviendo esta ecuación se llega a la misma conclusión anterior. Este control es mu sencillo e intuitivo pero tiene dos problemas: se requieren grandes esfuerzos en u es demasiado estricto en cuanto a B'. Se verá a continuación cómo se pueden resolver estos dos problemas. (.5) (.6) Clase Control Predictivo.doc
11 .4. Controlador Predictivo a d Pasos Ponderado Para hacer más flexible el diseño del control se definirá el funcional de la siguiente forma: J +d λ = - + M +d +d u Es decir, se ha agregado un término que pesa el esfuerzo del control o la energía consumida. Si se reemplaza + dpor su valor según la expresión (.9) se deriva con respecto a u se obtendrá la nueva le de control. M λ J +d = G + F B u - +d + u J +d M = G + F B u - +d b+ λ u= u M [ F B b+ λ] u= b +d - G [ ] M F B b+ λ u= b +d - G (.7) (.8) (.9) Clase Control Predictivo.doc
12 r + d b + - FB b + λ u z - d B A G Si se analiza la función de transferencia entre referencia salida se obtiene lo siguiente: ε = - G M d z -d z B b = A ( F B b + λ ) ( λ ) A F B b + -d z B b ε M d + G = z M Bb = B + λ A b (.3) (.3) Clase Control Predictivo.doc
13 Es decir, la relación referencia-salida a no es sino que tiene cierta dinámica dependiendo del valor de λ. Sólo en el caso de λ= se eliminaría esta dinámica. Se verá ahora cómo varía la estabilidad de la variable de control. De la misma figura se desprende, ε -d M d M d G z B = - G = - u b u= ε F B b + λ z z A b u b A = M B b + λ A -d b M d G z B u= z - u F B + λ A Por lo tanto, variando λ se puede hacer estable el polinomio bb ' + λ A lo que implica la posibilidad de estabizar u. Con esto se consigue reducir considerablemente los esfuerzos de control. Pero aún subsisten dos inconvenientes: (.3) No todo sistema puede hacerse estable variando λ. No tiene suficientes grados de libertad. Para intentar solucionar esto se elegirá una nueva especificación del control. Clase Control Predictivo.doc 3
14 .5. Control Predictivo a d Pasos Ponderado por Polinomios Con el fin de aumentar la libertad se definirá una nueva especificación de modo que no se considere u directamente sino una nueva variable filtrada: J +d λ = + M +d - +d u P u = R u P = + p + + p - -p z pz - -r R= + rz + + rz r Haciendo similar trabajo algebraico se llega a la le de control. λ J u u (.33) (.34) M +d = G + F B - +d + (.35) M λ +d = G + F B - +d + ( - P ) + R J u u u Clase Control Predictivo.doc 4
15 J +d M = G + F B u- +d b+ λ ( - P ) u + R u = u M b G - +d + λ( - P ) u + [ F B b+ λ R ] u= M b G - +d + λ( - P ) u + ( b+ λ) u ( F B + b- b) z u-+ ( λ R - λ) z u -= u Cabe notar que la forma que tienen los polinomios es la siguiente: ( )( f ) F B b = b b + b = b z z z - R = + + λ λ λ r z por lo tanto, si se despeja u se logra la expresión que sigue: ( ) - ( ) - G - λ - P z - F B - + λ R - λ z M b +d u b b u- = + λ o sea b (.37) M u= [ b+d - bg - bg- - b + λ - ( fb b + λr ) u - ( fb b + λr ) u + λ p u + λ p u (.38) ] (.39) (.36) Clase Control Predictivo.doc 5
16 Si se lo expresa en forma de bloques resulta la Ilustración -. Igual que antes se puede analizar la forma de la salida la estabilidad de la variable de control. Es conveniente hacer previamente una modificación de los bloques para facilitar el estudio. De la figura se puede inferir: λ (P-) R P r b + + FB'b +Rλ u z -d B' A G Ilustración - Control Predictivo a d pasos ponderado por polinomios Clase Control Predictivo.doc 6
17 (P -) R ( ) + b ε+ u λ P - bε λ u P u = = F B b+ λ R F B b+ λ R (P -) R (F B b+ λ R) u - λ u= εb P (F B P b + λ R P - λ R P + λ R) u = P εb con lo que la le de control resulta: u M ( ) P = b - G b +d F B P + λ R O sea que se puede modificar la Ilustración - lograr la Ilustración -3. (.4) r + d + - bp FB bp+ λr u z - d B A G Ilustración -3Versión Simplificada Clase Control Predictivo.doc 7
18 Ahora si, se analizará la relación entre la referencia la salida. El error es: ( F B P + λ R) ε = - G M d z d M z = b A + G = -d z B P b -d z B P b A F B P b + R ( λ ) ε (.4) por lo tanto la relación entre e M tiene la siguiente forma: A F B P b + λ A R + G B P b = B P b B P b = B P b + λ A R M d = - G -d z M Se puede analizar la estabilidad de la variable de control como sigue: b P u = ε F B P b + λ R ε ε z -d M d G z B = - u z A M (.43) (.4) Clase Control Predictivo.doc 8
19 -d d b P G z B b P M u z + = A ( F B P b+ λ R) F B P b+ λ R -d M d u A F B P b+ λ A R + b P G B z = b A P z (.44) u b A P = M B P b + λ A R Nótese que ahora los grados de libertad que se tienen para hacer estable u son maores. Las tres figuras siguientes muestran al sistema del primer ejemplo controlado por los tres tipos de reguladores vistos. Primero, por un regulador predictivo sin ponderación, luego se inclue el factorλ por último se introducen los polinomios de ponderación. Clase Control Predictivo.doc 9
20 Ilustración -4 Control Predictivo Clásico Clase Control Predictivo.doc
21 Ilustración -5 Control Predictivo Ponderado Clase Control Predictivo.doc
22 Ilustración -6 Control Predictivo Ponderado con Polinomios Los polinomios de ponderación se podrían calcular considerando el denominador de la función de transferencia en lazo cerrado posicionando sus raices en algún lugar deseado. Clase Control Predictivo.doc
23 .6. Notas Sobre el Control Predictivo Se verá a continuación algunas consideraciones a tener en cuenta en este tipo de control..6.. Indeterminación del Retardo En este control es imprescindible conocer el retardo de la planta muchas veces no es posible hacerlo con exactitud. Suponiendo que el sistema tiene el siguiente polinomio en el numerador -m B = b+ + bm z bm= cc cmb (.45) bm b donde los c i son los diferentes ceros del sistema Además se supone b pequeño despreciable. El regulador con este nuevo polinomio será: -m B = ε z + b+ + bm z = ε z + Bn (.46) Bn = B - ε z O sea que el regulador no estaría ajustado exactamente la nueva función de transferencia se calculará como sigue: Clase Control Predictivo.doc 3
24 -d = A F + G z -d M z B +d - G = A F Bn - G B = A F - G ( n + ε z ) = A F M -d z Bn M -d z B Bn M -d+ ( Bn + ε z ) = ( Bn + z ε G ) Ahora el último paréntesis es el que debe ser estable. Es útil esto para analizar la robustez del sistema (partiendo de B estable). ' n (.47).6.. Sensibilidad Frente a Variaciones de Parámetros Sea el sistema real como el de la ecuación: -d A = z B u (.48) sea el modelo o sistema nominal: -d An = z B nu (.49) El regulador se calcula para el sistema nominal. Derivando la transferencia respecto a los parámetros del sistema obtenemos: Clase Control Predictivo.doc 4
25 -d = n F + G A z -d M z B +d - G = A F Bn B = = M A F B + z G B M -d n M - G = = No dice mucho. Si - C = - z c C = - -? c z -i -d -i z Bn Bn z z bi Bn -i M - z F Bn Bn -i z ai n = = - F B z ( - z G ) -i -d B n (.5) (.5) Clase Control Predictivo.doc 5
26 .7. Caso Adaptativo del Control Predictivo Se desconoce el proceso real. Habrá que proponer un modelo de la planta: ˆ -d A = z B ˆ u (.5) donde ˆ - - -n A= + aˆz + aˆ z + + aˆn z (.53) ˆ - - -m B = bˆ + ˆ + ˆ + + ˆ bz b z bm z Estos polinomios se usarán en el cálculo del regulador. En el caso de conocimiento absoluto teníamos el predictor = G + F B u +d (.54) Para expresarlo en una forma vectorial compacta se define +d [ ] [ ] T p = g fb fb T x = -n+u u -m-d+ (.55) T = x p La le de control ideal será: p = T M x (.56) +d Clase Control Predictivo.doc 6
27 Al no conocer el vector de parámetros se lo reemplaza por su estimación: pˆ = T M x +d (.57) Si se despeja la actuación, queda: M u= ˆ ˆ ˆ - ˆ +d - p - - p n- -n+ - p n u - - p n+m+d u-m-d+ pˆ (.58) n Se puede usar cualquier método de identificación con una modificación: T pˆ ˆ -d -d ˆ = p-- P x x p-- (.59) Se observa que en el término correspondiente al error se considera el vector de muestras x previo al retardo. Esto es porque el producto de x por p da la salida luego del retardo. Un posible problema es que ˆb sea cero. Esto se soluciona poniendo algún tipo de filtro lógico que evite esta división. Esta forma se denomina control adaptativo indirecto Clase Control Predictivo.doc 7
28 - Algoritmo directo. Otra expresión de la planta: x (.6) = T +d p = p T u x (.6) donde p g g fb T n- = fb fb fb fb x [ u- u-m-d+ ] = T -n+ +d La le de control también se dejará en una forma explícita vectorial: T u = x pˆ (.6) (.63) donde T M x = - - -n+- u - - u -m-d+ +d T pˆ ˆ -d -d ˆ = p -- P x x p -- u -d (.64) Clase Control Predictivo.doc 8
29 En esta forma, el estimador a no calcula los parámetros del sistema sino los del regulador. Comentario: e = x ˆ - u = x ˆ - x ˆ = x ˆ - x ˆ + x ˆ - x ˆ T T T = x -d ˆ -d [ ˆ ˆ -d - x p -+ x p -- p -d] M = - + ˆ ε T T T T T T T -d p - -d -d p - -d p-d -d p - -d p -d -d p - -d p - e ε + ˆ ε = (.66) siendoε el error de seguimiento de la salida ˆε un error auxiliar (.65) Clase Control Predictivo.doc 9
30 .8. Control Predictivo Ponderado Adaptativo El control predictivo ponderado resultaba: ( F B b ) ( M + λ u b +d - G ) u = (.67) = b ( ) M +d - G - F B - u b + λ La le de control, conociendo el sistema expresada en forma vectorial es: = p (.68) T u x (.69) donde: p b b g b g b fb b fb = b b b b b T n- m+d- + λ + λ + λ + λ + λ T M x = +d - - -n+ - u - - u -m-d+ (.7) Clase Control Predictivo.doc 3
31 Para la forma directa del algoritmo se introduce una modificación en el modelo de la planta: = G + F B u +d (.7) u +d (.7) F B = - G = +d - G - (F B - ) u (.73) b u b b b u + λ + [ u] = +d - G - (F B - ) b λ (.74) b λ u = ( + u ) - G - (F B - ) u b b +d + λ (.75) Ahora la nueva expresión vectorial de la planta es: = p T u x (.76) donde x p λ = +, b T +d u -n+ u- u-m-d+ b b g b g b fb b fb = b b b b b T n- m+d- + λ + λ + λ + λ + λ (.77) Clase Control Predictivo.doc 3
32 .9. Control Predictivo Ponderado Adaptativo con Filtro en la Actuación En este caso la Le de control era: M u = +d ( ) b b g fb b + λr u + + λpu-+ λpu - b + λ (.78) Por lo tanto, u en forma vectorial resulta: = p T u x (.79) donde p T M x = - d - -n+- u- u- + b b g fb b + λr λp λp =, b λ b λ b λ b λ b λ T Aquí también se requiere alguna consideración para utilizar la versión directa del controlador. Se expresará al sistema del siguiente modo: = G + F B u +d b u (.8) ( ) = - G F B b u (.8) +d ( λ) + u = +d - G - (F B - ) + λ (.83) b b b b b u u (.8) Clase Control Predictivo.doc 3
33 por otro lado, ( ) λu λ u λ λu λ u λ = P - R u = + p -- ru- (.84) reemplazando, λ u b b ( b λr) u b b = +d + u - G - fb λpu- + λ (.85) por lo tanto: T u = x p (.86) donde x p λ = + u,- - - b b b g fb b + λr λp λp =, b λ b λ b λ b λ b λ T + d -n+ u- u- T con lo que queda expresada u de igual forma que antes con la excepción de la aparición en su cálculo de la variable filtrada. (.87) Clase Control Predictivo.doc 33
34 Ejemplos: cambio en la muestra 5: se reduce a la mitad la ganancia Clase Control Predictivo.doc 34
35 Clase Control Predictivo.doc 35
36 Clase Control Predictivo.doc 36
37 .. Compensación de Velocidad as as + bs bs u = + ad ad + bd bd u + as as + bs bs u+ = + ad ad + = + bd bd u + ad ad + ad + ad as + as as as = + as as bs bs u bs bs u+ + ad ad bd bd + u bd bd u (.88) (.89) (.9) Clase Control Predictivo.doc 37
38 + asas as + as asbs+ asbd asbs + asbd u bs bs u + = + + adad ad ad adbs adbd adbs adbd u + bd bd u asas as + as asbs+ asbd asbs + asbd u bs bs u + = + + adad ad ad adbs adbd adbs adbd u + bd bd u u+ R M = + + u u La le de control es (.9) (.9) (.93) Clase Control Predictivo.doc 38
39 Clase Control Predictivo.doc 39 r u M R u r u = (.94)
40 Ejemplo.. Péndulo Invertido d dt = u (.95) dv u dt = (.96) T T + = + u + u (.97) v + = v + Tu (.98) predictor T T T T T T + = + + u+ + u = + u + u + u+ + u = T T = 3 + u+ + 3 u + T u v+ = v+ + Tu+ = = v + Tu + Tu + (.99) (.) Clase Control Predictivo.doc 4
41 T T u u T u v = v + Tu + Tu + = (.) + + cálculo de la actuación T T u u T u Tu + Tu = v v = (.) + + T T u r T u u = v T T la u u = ( r 3 + T u ) + v (.4) T T El regulador predictivo clásico para la posición sería ucp = ( r + ucp ) (.5) T (.3) Clase Control Predictivo.doc 4
42 para la velocidad uvc = ( rv v) (.6) T reescribiendo el compensado u = ( r 3 + T u ) + v = T T = ( r + ) u ( ) u ( r 3 + T u ) + v T T T T quedando finalmente, r = u ucp v T T es como tener dos controladores predictivos clásicos, uno dependiente de la posición otro de la velocidad con una velocidad de referencia igual a la que debería tener el sistema para llegar en forma recta a la referencia de posición en una muestra. Otra alternativa sería calcular la velocidad como diferencia entre muestras consecutivas, pero esto introduce una imprecisión en la velocidad que degrada el control. Se analiza el efecto en la simulación. (.7) (.8) Clase Control Predictivo.doc 4
43 - Algoritmo: %Sistema continuo ganancia = ; num= ganancia ; den=pol([, ]); sscont = tf( num,den); %Sistema en variables de estado Pss = ss(sscont); [a,b,c,d] = ssdata(pss); % su respuesta al escalón... t = :.:; u = ones(size(t)); = lsim(sscont,u,t); = lsim(pss,u,t); T=.; p =.5; Tfin = 3; precision= T/; t = :precision:t; ref = ; aux = zeros(size(t)); l = length(t); x= zeros(,); = ; uu = ; ref = ; n = 53; A=[ - ]; %A=[ -.5]; Clase Control Predictivo.doc 43
44 =; B=*T^/*[ ]; M=[B() -A()*B();B() -A()*B()-B()]; IM=inv(M); AB=[(-A())^-A(3) -A()*A(3) ; (-A())^-A(3) -A(3) A()*B()]; = zeros(n,); d = zeros(n,); u = zeros(n,); UU = zeros(n,); %predictivo clásico = zeros(n,); d = zeros(n,); u = zeros(n,); x= zeros(,); aux = zeros(size(t)); uaux = zeros(size(t)); = ; uu = ; for i = 3:Tfin/T % Sistema Discreto d(i)=-a(:length(a))*flipud(d(i-length(a)+:i-))+b*flipud(u(i-length(b)+:i)); % Sistema Continuo [aux, tt, x] = lsim(pss,uaux,t,x(length(x),:)); = [ ; aux]; uu = [uu ; uaux']; % Regulador (i)= aux(l); u(i)=(/t^)*(ref-*(i)+(i-))-u(i-); % bloqueador de orden cero nivelu=u(i); Clase Control Predictivo.doc 44
45 uaux = nivelu * ones(size(t)); end; plot([]);grid stairs([u(:tfin/t)]);grid Clase Control Predictivo.doc 45
46 Clase Control Predictivo.doc 46
47 Compensación Por Velocidad = zeros(n,); d = zeros(n,); v = zeros(n,); u = zeros(n,); x= zeros(,); aux = zeros(size(t)); uaux = zeros(size(t)); = ; uu = ; M=[ganancia*T^/ 3*ganancia*T^/; ganancia*t ganancia*t]; IM=inv(M); for i = 3:Tfin/T % Sistema Discreto d(i)=-a(:length(a))*flipud(d(i-length(a)+:i-))+b*flipud(u(i-length(b)+:i)); % Sistema Continuo [aux, tt, x] = lsim(pss,uaux,t,x(length(x),:)); = [ ; aux]; uu = [uu ; uaux']; % Regulador (i)= aux(l); v(i)= (aux(l)-aux(l-))/precision; u(i)=(/t^)*(ref-3*(i)+*(i-))-u(i-)+/t*v(i); % ó esta alternativa: u(i)=(/t^)*(ref-*(i)+(i-))-u(i-)-/t*((ref-(i))/tv(i)); % bloqueador de orden cero nivelu=u(i); uaux = nivelu * ones(size(t)); Clase Control Predictivo.doc 47
48 end; plot([]);grid stairs([u(:tfin/t)]);grid Clase Control Predictivo.doc 48
49 Clase Control Predictivo.doc 49
50 Compensación con Cálculo de velocidad Se calcula la velocidad como diferencia entre muestras = zeros(n,); d = zeros(n,); v = zeros(n,); u = zeros(n,); x= zeros(,); aux = zeros(size(t)); uaux = zeros(size(t)); = ; uu = ; M=[ganancia*T^/ 3*ganancia*T^/; ganancia*t ganancia*t]; IM=inv(M); for i = 3:Tfin/T % Sistema Discreto d(i)=-a(:length(a))*flipud(d(i-length(a)+:i-))+b*flipud(u(i-length(b)+:i)); % Sistema Continuo [aux, tt, x] = lsim(pss,uaux,t,x(length(x),:)); = [ ; aux]; uu = [uu ; uaux']; % Regulador (i)= aux(l); % esta es la diferencia, se calcula la velocidad como diferencia entre muestras v(i)= ((i)-(i-))/t; u(i)=(/t^)*(ref-3*(i)+*(i-))-u(i-)+/t*v(i); % ó esta alternativa: u(i)=(/t^)*(ref-*(i)+(i-))-u(i-)-/t*((ref-(i))/tv(i)); Clase Control Predictivo.doc 5
51 % bloqueador de orden cero nivelu=u(i); uaux = nivelu * ones(size(t)); end; plot([]);grid plot([(:tfin/t)]);grid Clase Control Predictivo.doc 5
52 stairs([u(:tfin/t)]);grid Clase Control Predictivo.doc 5
53 Clase Control Predictivo.doc 53
54 .. Simulaciones... Predictor a d Pasos n = 3; o = zeros(n,); p = zeros(n,); u = zeros(n,); for i = 7:n u(i)=; o(i)=.5*o(i-)-.7*o(i-)+u(i-3)-.8*u(i-4); p(i)=.75*p(i-3)-.85*p(i-4)+u(i-3)+.7*u(i-4)+.35*u(i-5)-.4*u(i-6); end; stairs([o(6:n) p(6:n)]);grid Clase Control Predictivo.doc 54
55 Clase Control Predictivo.doc 55
56 ... Control Predictivo Ponderado Por Polinomios cambioref = 5; ciclos = 5; n = cambioref * ciclos; e =.*randn(n,); = zeros(n,); Ap = [ ]; Bp = * [..9]; A = Ap; B = Bp; na = length(ap); nb = length(bp); C = [ ]; nc = 4; n = ; ref = ones(cambioref,); for i = :ciclos-, ref = [ref; (-)^i*ones(cambioref,)]; end; u = zeros(n,); uf = zeros(n,); lambda = ; P=[ -.9 ]; R=[ -.8 ]; P=[ ]; R=[ ]; Clase Control Predictivo.doc 56
57 % calculo del vector F F = zeros(n,); F() = ; for i = : n for j = :i- if i-j+ <= length(a) F(i) = F(i) - F(j)*A(i-j+); end; end; end; % calculo del vector G G = zeros(na,); for i = : na for j = :n- if i+n-j <= length(a) G(i) = G(i) - F(j+)*A(i+n-j); end; end; end; % calculo del vector FB FB = conv(f,b)'; % cálculo del vector de parámetros ParReg = ones(na+nb+n-3+length(p),)*b() /( B()*B()+lambda); ParReg(:na) = ParReg() * G(:na-); ParReg(na+:na+nb+n-) = (FB(:nb+n-)+lambda*R(:nb+n-)'/B()) * ParReg(); ParReg(na+nb+n-:na+nb+n+length(P)-3) = -lambda*p(:length(p))/b()*parreg(); for i = n+nb+5 : n Clase Control Predictivo.doc 57
58 % Sistema (i) = ; for j = :na (i) = (i) - A(j)*(i-j+); end; for j = :nb (i) = (i) + B(j)*u(i+-j-n); end; % (i)=fliplr(b(:length(b)))*u(i-length(b):i-)-%fliplr(a(:length(a)))*(ilength(a)+:i-); for j = :nc (i) = (i) + C(j)*e(i-j); end; % Regulador % cálculo de la uf filtrada: uf = (R/P)u uf(i-)=; for j = :length(r) uf(i-) = uf(i-) + u(i-j)*r(j); end; for j = :length(p) uf(i-) = uf(i-) - uf(i-j)*p(j); end; % cálculo del vector de valores para el control predictivo ValReg = zeros(na+nb+n-3+length(p),); ValReg() = ref(i); ValReg(:na) = -flipud((i-na+:i)); ValReg(na+:na+nb+n-) = -flipud(u(i-nb-n+:i-)); ValReg(na+nb+n-:na+nb+n+length(P)-3) = -flipud(uf(i-length(p)+:i-)); % actuación u(i) = ValReg' * ParReg; end Clase Control Predictivo.doc 58
59 plot();grid; hold on; stairs(u,'r'); hold off Clase Control Predictivo.doc 59
60 Clase Control Predictivo.doc 6
61 Cálculo de los Polinomios P R M=pol([ ]); A=[ ]; B=[..8]; Clase Control Predictivo.doc 6
62 lambda=; MM=[B()^ lambda ; B()*B() B()^ lambda*a() lambda; B()*B() lambda*a(3) lambda*a(); lambda*a(3)]; ind= M(:length(M))'*(B()^+lambda)-[B()*B()+lambda*A(); lambda*a(3); ;]; %ind= M(:length(M))'-[B()*B()+lambda*A(); lambda*a(3); ;]; pp=inv(mm)*ind; P=[ pp(:)' ]; R=[ pp(3:4)' ]; roots([conv(b,p)*b() ]+lambda*conv(a,r)) ans = i.5 -.i.4999 Clase Control Predictivo.doc 6
63 ..4. Control Predictivo Ponderado Por Polinomios Adaptativo cambioref = 3; ciclos = 5; n = cambioref * ciclos; e =.*randn(n,); = zeros(n,); Ap = [ ]; Bp = * [..9]; A = Ap; B = Bp; %A = [ ]; %B = e-3 * [ ]; na = length(ap); nb = length(bp); C = [ ]; nc = 4; n = ; ref = ones(cambioref,); for i = :ciclos-, ref = [ref; (-)^i*ones(cambioref,)]; end; u = zeros(n,); uf = zeros(n,); lambda = ; P=[ ]; Clase Control Predictivo.doc 63
64 R=[ ]; u = zeros(n,); % inicialización identificación np=na+nb+n+length(p)--; Aest = ones(n,np); lam=.99; p=*ee(np); th=eps*ones(np,); % calculo del vector F F = zeros(n,); F() = ; for i = : n for j = :i- if i-j+ <= length(a) F(i) = F(i) - F(j)*A(i-j+); end; end; end; % calculo del vector G G = zeros(na,); for i = : na for j = :n- if i+n-j <= length(a) G(i) = G(i) - F(j+)*A(i+n-j); end; end; end; % calculo del vector FB Clase Control Predictivo.doc 64
65 FB = conv(f,b)'; % cálculo del vector de parámetros ParReg = ones(na+nb+n-3+length(p),)*b() /( B()*B()+lambda); ParReg(:na) = ParReg() * G(:na-); ParReg(na+:na+nb+n-) = (FB(:nb+n-)+lambda*R(:nb+n-)'/B()) * ParReg(); ParReg(na+nb+n-:na+nb+n+length(P)-3) = -lambda*p(:length(p))/b()*parreg(); for i = n+nb+5 : n % Sistema (i) = ; for j = :na (i) = (i) - A(j)*(i-j+); end; for j = :nb (i) = (i) + B(j)*u(i+-j-n); end; for j = :nc (i) = (i) + C(j)*e(i-j); end; % Regulador % cálculo de la uf filtrada: uf = (R/P)u uf(i-)=; for j = :length(r) uf(i-) = uf(i-) + u(i-j)*r(j); end; for j = :length(p) uf(i-) = uf(i-) - uf(i-j)*p(j); end; % cálculo del vector de valores para el control predictivo ValReg = zeros(na+nb+n-3+length(p),); Clase Control Predictivo.doc 65
66 ValReg() = ref(i); ValReg(:na) = -flipud((i-na+:i)); ValReg(na+:na+nb+n-) = -flipud(u(i-nb-n+:i-)); ValReg(na+nb+n-:na+nb+n+length(P)-3) = -flipud(uf(i-length(p)+:i-)); % actuación u(i) = Aest(i-,:np) * ValReg(:np); % Cálculo del vector X para el identificador x = zeros(np,); x()=(i)+lambda/bp()*uf(i-n); x(:na)=-flipud((i-na+-n:i-n)); x(na+:na+nb+n-) = -flipud(u(i-nb-n+-n:i--n)); x(na+nb+n-:na+nb+n+length(p)-3) = -flipud(uf(i-length(p)+-n:i--n)); % Identificación h=x'*aest(i-,:np)'; epsi=u(i-n)-h; K=p*x/(lam + x'*p*x); p=(p-k*x'*p)/lam; Aest(i,:np)=(Aest(i-,:np)'+K*epsi)'; epsilon=u(i)-aest(i,:np)*x; end plot();grid; hold on; stairs(u,'r'); hold off axis([ n - ]) plot(aest);grid; Clase Control Predictivo.doc 66
67 - Referencias. Goodwin, G. Sin: Adaptive Filtering, Prediction and Control, Prentice Hall 984. Compensación de Velocidad: p 8/68 Clase Control Predictivo.doc 67
1. Control con Modelo de Referencia
1. Control con Modelo de Referencia 1. CONTROL CON MODELO DE REFERENCIA...1 1.1. INTRODUCCIÓN...2 1.2. CONTROL CON MODELO DE REFERENCIA DETERMINISTA...3 1.3. CONTROL CON MODELO DE REFERENCIA ESTOCÁSTICO...10
Más detalles1. Control con Modelo de Referencia
1. Control con Modelo de Reerencia 1. Control con Modelo de Reerencia 1 1.1. Introducción 2 1.2. Control con Modelo de Reerencia Determinista 2 1.3. Control con Modelo de Reerencia Estocástico 7 1.4. Simulaciones
Más detalles1. Control de Mínima Varianza
. Control de Mínima Varianza. CONTROL DE MÍNIMA VARIANZA..... PLANTEO DEL PROBLEMA..... CRITERIO DE OPTIMIZACIÓN...5.3. PREDICCIÓN ÓPTIMA...8.3.. Forma intuitiva...8... Caso General...0.3.. Cálculo del
Más detalles1. Diseño Óptimo en Función de Transferencia. 1. Diseño Óptimo en Función de Transferencia 1
. Diseño Óptimo en Función de Transferencia. Diseño Óptimo en Función de Transferencia.. Planteo del Problema.. Criterio de Optimización 3.. Predicción Óptima 4... Forma intuitiva 5... Caso General 5..3.
Más detalles1. Regulador PID Introducción Discretización Operador Derivada Discretización por Partes 5
. Regulador PID. Regulador PID.. Introducción 2.2. Discretización 4.2.. Operador Derivada 4.2.2. Discretización por Partes 5.3. Efecto Windup 6.4. Efecto Bumpless 8.5. Ajuste del PID 0.5.. Relación entre
Más detalles1. Realimentación Basada en el Modelo 1
08 IMC.doc. Realimentación Basada en el Modelo. Realimentación Basada en el Modelo.. Introducción.. Control con Modelo Interno (IMC) 3... Paradigma de diseño ara IMC 9... Diseño de F..3. Realización del
Más detalles1. Implementación de Controladores
. Implementación de Controladores. IMPLEMENTACIÓN DE CONTROLADORES..... INTRODUCCIÓN..... PROBLEMAS NUMÉRICOS...... Fuentes de error:...... Longitud de Palabra... 3..3. Redondeo... 3.3. REALIZACIÓN DE
Más detalles1.1. Introducción Método de Identificación por Mínimos Cuadrados Forma Recursiva: Inclusión del Factor de Olvido.
. Mínimos Cuadrados. Mínimos Cuadrados.. Introducción 2.2. Método de Identificación por Mínimos Cuadrados 3.2.. Forma Recursiva: 6.2.2. Inclusión del Factor de Olvido. 0.3. Características Estadísticas
Más detalles1. Diferentes Algoritmos de Identificación
. Diferentes Algoritmos de Identificación. Diferentes Algoritmos de Identificación.. Aproximación Heurística 2.2. Error de Predicción A Priori y A Posteriori 4.3. Algoritmo de Proyección 6.4. Aproximación
Más detallesEJERCICIOS DE LA UNIDAD DIDÁCTICA 1
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA Departamento de Ingeniería Eléctrica, Electrónica y de Control ASIGNATURA: TÉCNICAS AVANZADAS DE CONTROL E1.1 INTRODUCCIÓN EJERCICIOS DE LA UNIDAD DIDÁCTICA
Más detalles1. Análisis de Sistemas Discretos
. Análisis de Sistemas Discretos. Análisis de Sistemas Discretos.. Introducción.. Estabilidad... Estabilidad de Sistemas Lineales 3... Estabilidad de Sistemas con Entrada y Salida Acotadas(BIBO) 4..3.
Más detalles1. Diseño Óptimo en Variables de Estado 1
1. Diseño Óptimo en Variables de Estado 1. Diseño Óptimo en Variables de Estado 1 1.1. Planteo del Problema 1.1.1. Criterio 3 1.. Regulador Lineal Óptimo (LQC) 5 1.3. Ecuación de Ricatti 9 1.4. Valor Medio
Más detalles1. Mínimos Cuadrados. 05-Mínimos Cuadrados.doc 1
. Mínimos Cuadrados. Mínimos Cuadrados.. Introducción 2.2. Método de Mínimos Cuadrados 2... Forma Recursiva: 4..2. Inclusión del Factor de Olvido. 5.3. Características Estadísticas de la Estimación 8..3.
Más detallesIdentificación Paramétrica
Identificación Paramétrica Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( )
Más detallesTECNICAS DE DISEÑO Y COMPENSACION
TECNICAS DE DISEÑO Y COMPENSACION Técnicas para sistemas SISO invariantes en el tiempo Basadas en el lugar de las raices y respuesta en frecuencia Especificaciones de funcionamiento Exactitud o precisión
Más detalles1. Modelos Matemáticos y Experimentales 1
. Modelos Matemáticos y Experimentales. Modelos Matemáticos y Experimentales.. Definición.. Tipos de Procesos.3. Tipos de Modelos 3.4. Transformada de Laplace 4.5. Función de Transferencia 7.6. Función
Más detallesESTABILIDAD. El procedimiento en el criterio de estabilidad de Routh es el siguiente: 1) Escriba el polinomio en s en la forma siguiente:
ESTABILIDAD Un sistema dinámico es estable si para cualquier entrada comprendida entre un límite superior y otro inferior la salida también resulta acotada sin importar las condiciones iniciales del sistema.
Más detallesEjercicio 3 Un sistema de control de velocidad de un motor de corriente continua se modela mediante la ecuación
Trabajo práctico Nº 4 Fundamentos de control realimentado - Segundo cuatrimestre 2017 Ejercicio 1 Aplicando el criterio de estabilidad de Routh: i) Determine la cantidad de raíces en el semiplano derecho
Más detallesClase 10 Diseño Óptimo Variables de Estado.doc 1
. Diseño Óptimo en Variables de Estado. Diseño Óptimo en Variables de Estado.. Planteo del Problema... Criterio 3.. Regulador Lineal Óptimo (LQC) 5.3. Ecuación de Ricatti 9.4. Valor Medio de una Forma
Más detalles1. Ajuste de los Modelos 1
03 b Ajuste de Modelos Identificacion.doc. Ajuste de los Modelos. Ajuste de los Modelos.. Introducción 2.2. Obtención Experimental del Modelo 2.2.. Modelado en Lazo Abierto 3.3. Otros Métodos 2.4. Obtención
Más detallesUnidad I Análisis de Sistemas Realimentados
Prof. Gerardo Torres - gerardotorres@ula.ve - Cubículo 003 Departamento de Circuitos y Medidas de la Escuela de Ingeniería Eléctrica de la Universidad de Los Andes Unidad I Análisis de Sistemas Realimentados
Más detallesPRIMERA PARTE. F roz 1 K Ms
Universidad de Navarra Nafarroako Unibertsitatea Escuela Superior de Ingenieros Ingeniarien Goi Mailako Eskola ASIGNATURA GAIA Ingeniería de Control I 4º NOMBRE IZENA CURSO KURTSOA FECHA DATA 6 de septiembre
Más detallesControl Automático. Compensador de adelanto en el lugar de las raíces
Control Automático Compensador de adelanto en el lugar de las raíces Contenido Estrategia para la síntesis de reguladores rlocus Algoritmo para el diseño usando el plano complejo Cálculo del compensador
Más detallesCONTROL APLICADO MODELADO DE SISTEMAS DINÁMICOS
CONTROL APLICADO MODELADO DE SISTEMAS DINÁMICOS MODELO MATEMÁTICO SISTEMA SE NECESITA CONOCER MODELO MATEMÁTICO CARACTERÍSTICAS DINÁMICAS DEBE REPRESENTAR BIEN NO ES ÚNICO Tenga presente que un modelo
Más detallesDiseño Básico de Controladores
Diseño Básico de Controladores No existen reglas para el diseño de controladores. Para una planta y especificaciones dadas pueden existir dos o mas controladores que entreguen buen desempeño. En las siguientes
Más detalles0.1. Error en Estado Estacionario
0. Error en Estado Estacionario 0.. Error en Estado Estacionario La respuesta permanente es aquella que se alcanza cuando el sistema se establece y es muy importante su estudio pues informa lo que sucede
Más detallesSISTEMAS ELECTRÓNICOS DE CONTROL
SISTEMAS ELECTRÓNICOS DE CONTROL PRÁCTICA 4: Diseño de Reguladores PID Discretos Objetivos Conocer los comandos de Matlab para discretizar sistemas continuos. Realizar simulaciones de sistemas discretos
Más detallesAplicaciones Industriales del Control Automático ESC
Aplicaciones Industriales del Control Automático Controladores Predictivos Aníbal Zanini azanini@fi.uba.ar Departamento de Electrónica Facultad de Ingeniería de la Universidad de Buenos Aires CIITI 2005
Más detallesCONTROL DIGITAL Catedrático: Dr. Manuel Adam Medina Alumno: Ing. Jaimes Maldonado José Luis
Diseño de controladores por el método de respuesta en frecuencia de sistemas discretos. (método gráfico) CONTROL DIGITAL 07--0 Catedrático: Dr. Manuel Adam Medina Alumno: Ing. Jaimes Maldonado José Luis
Más detallesLugar Geométrico de las Raíces Herramienta para diseño de sistemas de control
Lugar Geométrico de las Raíces Herramienta para diseño de sistemas de control Elizabeth Villota Curso: Ingeniería de Control (MT221) Facultad de Ingeniería Mecánica UNI-FIM 1 Modelado Modelo: representación
Más detallesAplicación de un método grafico para la sintonización del control PID utilizando Matlab Israel.Cerón-Morales 1
Aplicación de un método grafico para la sintonización del control PID utilizando Matlab Israel.Cerón-Morales 1 1 Maestría en Ingeniería en Automatización de Procesos Industriales Universidad Politécnica
Más detallesDISEÑO DE COMPENSADORES USANDO LOS DIAGRAMAS DE BODE
DISEÑO DE COMPENSADORES USANDO LOS DIAGRAMAS DE BODE INTRODUCCIÒN Se abordará a continuación el problema de especificar los parámetros de compensadores eléctricos típicos, que son las formas aproximadas
Más detallesIDENTIFICACION DE SISTEMAS IDENTIFICACIÓN PARAMÉTRICA
IDENTIFICACION DE SISTEMAS IDENTIFICACIÓN PARAMÉTRICA Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Identificación paramétrica En
Más detallesCOMPENSADOR DE TEMPERATURA PARA CELDAS DE CARGA
COMPENSADOR DE TEMPERATURA PARA CELDAS DE CARGA 1 Roberto Salas, 2 M. Velasco 1 MIDE, Metrología Integral y Desarrollo S. A. de C. V., Querétaro, México. 2 CENAM (Centro Nacional de Metrología), Querétaro,
Más detallesEl modelo matemático tiende a ser lo más simple posible, con una representación. A la hora de desarrollar un modelo matemático:
Modelo matemático de procesos 1. Modelo Matemático Un modelo matemático muy exacto implica un desarrollo matemático muy complejo. Por el contrario, un modelo matemático poco fino nos deparará un desarrollo
Más detallesREGA - Regulación Automática
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática
Más detallesEstructuras de control I
Estructuras de control I Características de los sistemas reales Efectos del tiempo muerto Predictor de Smith Efecto de las perturbaciones Control en Cascada Control Feedforward Diseño de redes Feedforward.
Más detallesCONTRIBUCION AL DESARROLLO DE SISTEMAS DE CONTROL DE ESTRUCTURAS DE EDIFICACION MEDIANTE CABLES ACTIVOS
UNIVERSITAT POLITÈCNICA DE CATALUNYA CONTRIBUCION AL DESARROLLO DE SISTEMAS DE CONTROL DE ESTRUCTURAS DE EDIFICACION MEDIANTE CABLES ACTIVOS Autor: Francisco López Almansa Director: José Julián Rodellar
Más detallesIntroducción al Control Óptimo
Ingeniería en Control y Automatización Introducción al Control Óptimo Aplicación a sistemas de control moderno ERÍA DEL CNRL III de diciembre de 6 Autor: M. en C. Rubén Velázquez Cuevas Escuela Superior
Más detallesModelado en el dominio de la frecuencia Utilizar la transformada Laplace para representar ecuaciones diferenciales lineales
2.3 OBJETIVOS Transformada Laplace (Repaso) Modelado en el dominio de la frecuencia Utilizar la transformada Laplace para representar ecuaciones diferenciales lineales CONTENIDOS Transformada de Laplace
Más detallesANEXO 2. Realizado: Versión: Páginas: Grupo SUPPRESS Laboratorio Remoto de Automática (LRA-ULE) Universidad de León
ANEXO 2 Realizado: Grupo SUPPRESS (Supervisión, Control y Automatización) Laboratorio Remoto de Automática (LRA-ULE) Universidad de León http://lra.unileon.es Versión: Páginas: 1.0 6 1. El Controlador
Más detalles1. Modelos Matemáticos y Experimentales Modelos Stepha Modelos Matemáticos y Experimentales
1. Modelos Matemáticos y Experimentales 1. Modelos Matemáticos y Experimentales 1 1.1. Definición 3 1.2. Variables de Estado y Ecuaciones de Estado 6 1.3. Modelo Entrada-Salida 26 1.4. Grados de Libertad
Más detallesPrefacio. 1 Sistemas de control
INGENIERIA DE CONTROL por BOLTON Editorial Marcombo Prefacio 1 Sistemas de control Sistemas Modelos Sistemas en lazo abierto y cerrado Elementos básicos de un sistema en lazo abierto Elementos básicos
Más detallesTEORÍA DE CONTROL CONTROLADOR PID
TEORÍA DE CONTROL CONTROLADOR PID Historia del controlador PID. Nicolás Minorsky 1922 Nicolás Minorsky había analizado las propiedades de los controladores tipo PID en su publicación Estabilidad direccional
Más detallesVíctor M. Alfaro. Sistemas de control. proporcional, integral y derivativo. Algoritmos, análisis y ajuste
Víctor M. Alfaro Sistemas de control proporcional, integral y derivativo Algoritmos, análisis y ajuste Dr. Víctor M. Alfaro Departamento de Automática Escuela de Ingeniería Eléctrica Universidad de Costa
Más detallesPRÁCTICA N 2 ESTUDIO TEMPORAL Y FRECUENCIAL DE SISTEMAS DINÁMICOS DE PRIMER Y SEGUNDO ORDEN
UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA COMPLEJO ACADÉMICO EL SABINO PROGRAMA DE INGENIERÍA QUÍMICA DPTO DE MECÁNICA Y TECNOLOGÍA DE LA PRODUCCIÓN DINÁMICA Y CONTROL DE PROCESOS PRÁCTICA
Más detallesDESCRIPCIÓN DEL PRINCIPIO BÁSICO
TEMA 4. MÉTODO DE LOCALIZACIÓN DE LAS RAÍCES CONTENIDO DESCRIPCIÓN DEL PRINCIPIO BÁSICO LOCALIZACIÓN DE LAS RAÍCES REGLAS PARA DIBUJAR LA LOCALIZACIÓN DE LAS RAÍCES DE EVANS CONSTRUCCIÓN TÍPICA DE ADELANTO
Más detallesCapítulo 6: Diseño de controladores
Capítulo 6: Diseño de controladores Capítulo 6: Diseño de controladores 6.1. Introducción El objetivo es el desarrollo de controladores para que la plataforma siga una trayectoria de referencia con independencia
Más detalles11 REPRESENTACIÓN EN EL ESPACIO DE ESTADO. 1.3 SOLUCIÓN DE ECUACIONES DE ESTADO EN TIEMPO
Control Avanzado. Luis Edo García Jaimes 1 TABLA DE CONTENIDO 1. ANÁLISIS DE SISTEMAS DE CONTROL EN EL ESPACIO DE 5 ESTADO 1.1 FORMAS CANÓNICAS PARA ECUACIONES EN EL ESPACIO DE ESTADO EN TIEMPO DISCRETO
Más detallesCAPÍTULO. Control Proporcional Integral Generalizado. II.1 Introducción. II. Control Proporcional Integral Generalizado
CAPÍTULO II Control Proporcional Integral Generalizado II.1 Introducción El uso de observadores en electrónica de potencia no es una práctica común debido al incremento en el costo del circuito; es decir,
Más detalles1.1. Algoritmo de Proyección Actualización de Parámetros y Variables de Estados 7
. Convergencia de los Algoritmos de Identificación. Convergencia de los Algoritmos de Identificación.. Algoritmo de Proyección... Actualización de Parámetros y Variables de Estados 7.. Algoritmo de Mínimos
Más detallesControl II Diseño de Compensadores utilizando el Lugar de las Raíces. Fernando di Sciascio
Control II -2017 Diseño de Compensadores utilizando el Lugar de las Raíces Fernando di Sciascio La estabilidad y la respuesta transitoria no es la adecuada. Por qué compensar? La estabilidad y la respuesta
Más detallesEstimación de Estados Observadores Reducidos o de Orden Mínimo. Fernando di Sciascio (2016)
Estimación de Estados Observadores Reducidos o de Orden Mínimo Fernando di Sciascio (206) Observadores reducidos o de orden mínimo o El vector de estado x(t) es de dimensión n y la salida y(t) es un escalar
Más detallesPara localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. R es una cuaterna { O,i, j, k}
Geometría afín del espacio MATEMÁTICAS II 1 1 SISTEMA DE REFERENCIA. ESPACIO AFÍN Para localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. Definición: Un sistema de referencia
Más detallesREGULACIÓN AUTOMÁTICA
SEGUNDO CURSO ANUAL INGENIERO TÉCNICO INDUSTRIAL ESPECIALIDAD EN ELECTRONICA INDUSTRIAL Plan de la Asignatura REGULACIÓN AUTOMÁTICA CURSO 2005-06 Departamento de Ingeniería de Sistemas y Automática Universidad
Más detallesControl Avanzado de. Más allá del PID
Control Avanzado de Procesos. Más allá del PID Roberto Sanchis Llopis. Universitat Jaume I INTRODUCCIÓN Sistema continuo p1 p2 u y Variables del sistema: Entrada de control: u= apertura de válvula Salida
Más detallesEjercicios resueltos 2: Horno de Carbón Cátedra de Control y Servomecanismos
Ejercicios resueltos : Horno de Carbón Cátedra de Control y Servomecanismos Idea y desarrollo: Ing. Cristian Zujew Corregido por el Dr. Ing. Cristian Kunusch Objetivo: en esta guía práctica se presenta
Más detalles4.1 Introducción al filtrado adaptativo
41 Introducción al filtrado adaptativo El problema del filtrado Clases básicas de estimación Filtrado adaptativo Estructuras de filtrado lineal Algoritmos Criterios para la elección del filtro adaptativo
Más detallesExamen Ingeniería de Control 12/2014
Examen Ingeniería de Control /04 Examen Ingeniería de Control /04 Examen Ingeniería de Control /04 Examen Ingeniería de Control /04 SOLUCIÓN EJERCICIO DE ESTADO:. (0.75 puntos) Proponer y justificar qué
Más detallesGUÍA DE APLICACIÓN POR FRACCIONES PARCIALES
GUÍA DE APLICACIÓN POR FRACCIONES PARCIALES El método de fracciones parciales se utiliza cuando quiere integrarse una expresión de la forma, donde el numerador y el denominador son polinomios y el grado
Más detallesCOLECCIÓN DE PROBLEMAS DE EXÁMENES DE INGENIERÍA DE CONTROL
COLECCIÓN DE PROBLEMAS DE EXÁMENES DE INGENIERÍA DE CONTROL A continuación se incluyen preguntas de examen de los últimos años, tanto de teoría como de problemas. Lo indicado entre paréntesis es la puntuación
Más detallesClase 08.doc Aproximación de Controladores Continuos. 1. Aproximación de Controladores Continuos 1
. Aproximación de Controladores Continuos. Aproximación de Controladores Continuos.. Introducción.. Aproximación Basada en la Función de Transferencia... Aproximación de Tustin... Problemas en el dominio
Más detalles1. Aproximación de Controladores Continuos... 1
. Aproximación de Controladores Continuos. Aproximación de Controladores Continuos..... Introducción..... Aproximación Basada en la Función de Transferencia...... Aproximación de Tustin...... Problemas
Más detallesControl Multivariable
Capítulo 7 7. Introducción. Una de las ideas por la que se concibió este proyecto es la de crear la base necesaria para poder aplicar distintos tipos de controladores a la planta. Una vez realizado esto
Más detalles1. Muestreo de Sistemas Continuos. 1. Muestreo de Sistemas Continuos 1
. Muestreo de Sistemas Continuos. Muestreo de Sistemas Continuos.. Secuencias 4.2. Sistema Discreto 5.3. Ecuaciones en Diferencias 6.4. Secuencia de Ponderación de un Sistema. 7.5. Estabilidad 9.6. Respuesta
Más detalles10. Diseño avanzado de controladores SISO
10. Diseño avanzado de controladores SISO Parte 4 Panorama de la Clase: PA cuando hay polos indeseables (continuación) Diseño de PID reconsiderado Estructura Q para plantas inestables Un esquema antiwindup
Más detallesNombre del formato: Formato para la Instrumentación Didáctica del Periodo. Referencia a la Norma ISO 9001: , 7.2.1, 7.5.1, 7.
Referencia a la Norma ISO 9001:2008 7.1, 7.2.1, 7.5.1, 7.6 Página 1 de 15 INSTITUTO TECNOLÓGICO DE MÉRIDA SUBDIRECCIÓN ACADÉMICA Instrumentación didáctica para la formación y desarrollo de competencias
Más detallesSistemas de Control lineal óptimo con realimentación de estado
Capítulo 5 Sistemas de Control lineal óptimo con realimentación de estado La principal restricción de este sistema de control es suponer que se puede medir en todo instante de tiempo el estado completo
Más detallesEstabilidad en sistemas realimentados
Estabilidad en sistemas realimentados Esquema general de un sistema realimentado a(s) f Y X a 1 af s s La transferencia tiende a infinito a una frecuencia ω 1 tal que: af j 1 1 af = ganancia de lazo =
Más detallesCORPORACIÓN TECNOLÓGICA INDUSTRIAL COLOMBIANA PROGRAMA DE INGENIERÍA MECATRÓNICA TERCER CICLO PROPEDÉUTICO - INGENIERÍA EN MECATRÓNICA
CORPORACIÓN TECNOLÓGICA INDUSTRIAL COLOMBIANA PROGRAMA DE INGENIERÍA MECATRÓNICA TERCER CICLO PROPEDÉUTICO - INGENIERÍA EN MECATRÓNICA COMPONENTE CIENCIAS BÁSICAS Asignatura: Control en lazo cerrado Semestre:
Más detallesXI. COMPENSACIÓN UTILIZANDO EL LUGAR GEOMÉTRICO DE LAS RAÍCES
XI. COMPENSACIÓN UTILIZANDO EL LUGAR GEOMÉTRICO DE LAS RAÍCES El lugar geométrico de las raíces representa la ubicación de las raíces de la ecuación característica a lazo cerrado cuando se varía un parámetro
Más detallesOBJETIVO DEL ACTUADOR. Regular el movimiento de un cuerpo que se debe trasladar controladamente de una posición a otra.
OBJETIVO DEL ACTUADOR Regular el movimiento de un cuerpo que se debe trasladar controladamente de una posición a otra. El control del movimiento puede ser, según la aplicación: I.- Control de posición.
Más detallesControl por realimentación del estado
Control por realimentación del estado Introducción Realimentación del estado Control de sistemas monovariables Control de sistemas multivariables U.P.M.-DISAM P. Campoy Electrónica y Regulación Introducción:
Más detallesMODELOS DE SERIES DE TIEMPO 1. Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros.
MODELOS DE SERIES DE TIEMPO 1 Introducción Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros. Originalmente tuvieron como objetivo hacer predicciones. Descomposición
Más detalles1.5. Seguimiento de Referencias Acción Integral Controlador con Dos Grados de Libertad 35
. Diseño Basado en la Ubicación de Polos. Diseño Basado en la Ubicación de Polos.. Introducción.. Realimentación del Estado... Caso General 3... Aspectos Prácticos... Control de Tiempo Finito..3. Perturbación
Más detallesIdentificación n de SIStemas
Identificación n de SIStemas Métodos de Estimación n Recursivos ISIS J. C. Gómez Métodos de Identificación n Recursivos Mínimos Cuadrados Recursivos ara una estructura de modelo de regresión lineal y n
Más detallesc-inversa o inversa generalizada de Rao
c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A.
Más detallesRespuesta en la Frecuencia
Respuesta en la Frecuencia Elizabeth Villota Cerna Curso: Ingeniería de Control (MT221) Facultad de Ingeniería Mecánica UNI-FIM 08 Junio 2012 1 Desempeño en el dominio de la frecuencia SLIT 2do orden (masa-resorte-amortiguador)
Más detallesCONTROL POR REALIMENTACIÓN DE ESTADOS
CONTROL POR REALIMENTACIÓN DE ESTADOS Fernando di Sciascio (2016) Control por Realimentación de Estados ì ï xt () = Axt () + But () í ï yt () = Cxt () ïî El par (A,B) es controlable. Y() s -1 Gol() s =
Más detallesProblema de seguimiento de un conjunto de señales de referencia. Especificaciones de diseño del régimen permanente
Problema de seguimiento de un conjunto de señales de referencia. Especificaciones de diseño del régimen permanente Félix Monasterio-Huelin 12 de febrero de 2016 Índice Índice 1 Índice de Figuras 1 Índice
Más detallesProblemas de Estructuras de Filtros Digitales.
Problemas de Estructuras de Filtros Digitales. Estructuras de Filtros Digitales 1.- En la figura siguiente se representa una realización en la forma acoplada de una función del sistema que presenta una
Más detalleses el lugar geométrico de los puntos p tales que p 0 p n o p 0 p o. p x ; y ; z perteneciente a y un vector no
EL PLANO ECUACIÓN GENERAL El plano como lugar geométrico Dados un punto p un vector no nulo n, el plano perpendicular a n que contiene a p es el lugar geométrico de los puntos p tales que p p n o p p o.
Más detallesSchmeigel Nicolas. Marzo 2014
Transformada de Laplace: Intercambiador de calor Schmeigel Nicolas Estudiante de Ingeniería en Sistemas de Computación Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina nicoschmeigel@gmail.com
Más detalles3 y un vector Y 2 que contenga el cálculo de Y2 = 4X
Laboratorio 1. Introducción a MATLAB y Simulink. 1. Uso de MATLAB. Manejo de Vectores y Matrices: Usando el editor de MATLAB, escriba el código necesario para generar: a. Vectores (1x1) (3x1) y (1x7),
Más detallesAUTOMATIZACION Y CONTROL DE PROCESOS FACEyT UNT ESTABILIDAD DE LOS SISTEMAS EN LAZO CERRADO
Análisis Cualitativo de la Respuesta Temporal de un Sistema Si se conocen la función de transferencia G(s) de un dado sistema y la entrada x(t), se puede evaluar la salida y(t) a partir de: y(s) G (s )
Más detallesAUTOMATIZACION Y CONTROL DE PROCESOS FACEyT UNT ESTABILIDAD DE LOS SISTEMAS EN LAZO CERRADO
Análisis Cualitativo de la Respuesta Temporal de un Sistema Si se conocen la función de transferencia G(s) de un dado sistema y la entrada x(t), se puede evaluar la salida y(t) a partir de: y(s) G (s )
Más detallesAntecedentes de Control
Apéndice A Antecedentes de Control Para cualquier tipo de análisis de sistemas de control, es importante establecer ciertos conceptos básicos. Sistemas de control retroalimentados Un sistema que mantiene
Más detallesCapítulo 5: CONTROL INVERSO ADAPTATIVO
Capítulo 5: CONTROL INVERSO INTRODUCCIÓN 5.. INTRODUCCIÓN Un sistema de control inverso adaptativo se muestra en la Figura 5. Si el controlador fuese ideal, su función de transferencia sería: C( z) M (
Más detallesSintonización de Controladores
Sistemas de Control Automáticos Sintonización de Controladores Acciones de control Las acciones de los controladores las podemos clasificar como: Control discontínuo Control ON OFF Control contínuo Controles
Más detallesEscuela de Ingeniería Eléctrica. Departamento de electricidad aplicada. Materia: Teoría de Control (E )
Escuela de Ingeniería Eléctrica Departamento de electricidad aplicada Materia: Teoría de Control (E-4.26.1) Publicación E.4.26.1-TE-02-0 Marzo de 2012 CONTENIDO TEMÁTICO 1. INTRODUCCIÓN:... 3 2. CLASIFICACIÓN
Más detallesConceptos Básicos de Errores y Lugar de la Raíz
Departamento de Ingeniería Eléctrica Universidad de Magallanes Conceptos Básicos de Errores y Lugar de la Raíz Apuntes del curso de Control Automático Roberto Cárdenas Dobson Ingeniero Electricista Msc.
Más detallesControl Analógico II M.I. Isidro Ignacio Lázaro Castillo
UNIDAD I Método del lugar de las raíces Control Analógico II M.I. Isidro Ignacio Lázaro Castillo Antecedentes históricos En 1948 Walter R. Evans introdujo este método que es gráfico y elegante para la
Más detalles4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR
4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR Los sistemas de E/S quedan determinados por su función de transferencia, que puede expresarse como una función temporal (respuesta impulsional) o
Más detallesControl Automático DIAPOSITIVAS. Dr. Roberto Cárdenas Dobson Profesor de la Asignatura
Control Automático DIAPOSITIVAS Dr. Roberto Cárdenas Dobson Profesor de la Asignatura Sistema de Control Interconexión de componentes, que en su conjunto, presenta un comportamiento deseado. Asume relaciones
Más detallesEjercicios III SISTEMAS AUTOMÁTICOS Y DE CONTROL
Ejercicios III SISTEMAS AUTOMÁTICOS Y DE CONTROL 1. Determina el diagrama de bloques del sistema automático de control de líquido de la figura. Determina de nuevo el diagrama de bloques suponiendo que
Más detallesDeterminar el comportamiento transitorio y estacionario del sistema. Especificar e identificar las condiciones de operación
Análisis de estabilidad Determinar el comportamiento transitorio y estacionario del sistema Especificar e identificar las condiciones de operación El primer paso al analizar un sistema de control es establecer
Más detalles15. LUGAR DE LAS RAICES - CONSTRUCCION
15. LUGAR DE LAS RAICES - CONSTRUCCION 15.1 INTRODUCCION El lugar de las raíces es una construcción gráfica, en el plano imaginario, de las raíces de la ecuación característica de un lazo de control para
Más detallesUniversidad Nacional de Rosario Facultad de Ciencias Exactas, Ingeniería y Agrimensura Escuela de Ingeniería Electrónica Departamento de Electrónica
Universidad Nacional de Rosario Facultad de Ciencias Exactas, Ingeniería y Agrimensura Escuela de Ingeniería Electrónica Departamento de Electrónica ELECTRÓNICA III PROBLEMAS RESUELTOS SOBRE CONVERSORES
Más detalles