Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ingeniera de Control
Temario:
1. 2. 3. 4. Modelado e Identificacin. Anlisis de sistemas de control. Estructuras de Control. Diseo basado en Desigualdades Matriciales. 5. Diseo Estimadores. 6. Tcnicas Avanzadas de control. 7. Implementaciones industriales.
Este tema se complementa con el mtodo de los mnimos cuadrados expuesto en el tema siguiente.
Introduccin
El paso previo para un buen control es el conocimiento del sistema a controlar. Modelos forma de representar el conocimiento de un sistema. Los modelos son representaciones simplificadas. Modelos que se acercan a la realidad mediante trminos aleatorios modelos de procesos estocsticos. Un modelo es til para simulacin, diseo de controladores, control basado en modelo, etc Problema: obtener el modelo de un sistema. Obtencin en base a datos experimentales: IDENTIFICACIN. Proceso iterativo con varias fases. El xito de la identificacin depende de ciertas propiedades:
Calidad de las seales de entrada. Identificabilidad.
Modelos Clsicos
Modelos representan el conocimiento sobre un sistema. Modelos de procesos / modelos de perturbaciones. Modelos clsicos de perturbaciones: Pulsos Escalones Rampas Sinusoides Absolutamente predecibles. Generados por sistemas lineales.
10
w(k)
10 8
y(k)
tiempo
8 6
w(k)
4 2 0
20
40
60
80
100
120
140
160
180
200
6 4 2
y(k)
tiempo
Realizacin
Variable aleatoria
Proceso estocstico estacionario: aqul cuya distribucin estadstica para X(t1),X(t2),,X(tn) es la misma que para X(t1+), X(t2+),,X(tn+).
Ruido blanco discreto: proceso estocstico cuyos elementos son variables aleatorias independientes entre s y cuya distribucin es idntica.
B( z 1 ) A( z 1 )
2.5
2.5
1.5
1.5
1
1
0.5
ARMAX
0 20 40 60 80 100 120 140 160 180 200
0.5
DETERMINISTA
0 20 40 60 80 100 120 140 160 180 200
-0.5
Eleccin del periodo de muestreo. Tiempo de identificacin (cantidad de datos necesarios). Tcnicas on-line o off-line.
Eliminacin de componente continua. Filtrado de perturbaciones de alta frecuencia. Eliminacin de perturbaciones de baja frecuencia (derivas, offsets) Eliminacin de datos errneos. Escalado de variables. Identificacin de los retardos.
Modelos no paramtricos.
No se pueden representar con un nmero finito de parametros: Respuesta frecuencial, Impulsional Infinita
Eleccin de un criterio
Expresa lo bueno que es el modelo obtenido los datos experimentales. como se ajusta o reproduce
Diferentes formas de implementar. Estimacin directa (una pasada), estimacin iterativa (mltiples pasadas).
Estimacin fuera de lnea (algoritmo no recursivo), en lnea (alg. recursivo).
Identificacin en lnea
La estimacin del modelo se hace en tiempo real, conforme se van tomando los datos. Ms complejo. Necesidad de supervisin. Apropiado si la dinmica del proceso cambia con el tiempo. Esenciales en sistemas que redisean el controlador peridicamente.
Estimar distintos tipos de modelos y validar el mejor. El criterio de validacin puede ser distinto al de estimacin:
Excitacin Persistente
Una seal de entrada que pone de manifiesto toda la dinmica de un sistema de orden n se dice que es persistentemente excitadora de orden n. Particularizando a un modelo del tipo:
es definida positiva (N: nmero de observaciones del sistema). Pulso: no excita para ningn orden (C1 = 0). Escaln: excitacin persistente de orden 1. Senoidal: excitacin persistente de orden 2. Ruido blanco: excitacin persistente para todo n.
Excitacin Persistente
En general: Una seal u(k) es persistentemente excitadora de orden n si y slo si
Un polinomio de grado n-1 slo se anula en n-1 puntos y el espectro del ruido blanco es distinto de cero en todo el intervalo excita persistentemente a todo orden n.
Convergencia e identificabilidad
Un sistema es identificable cuando:
Factores relacionados con la convergencia. Conocer orden y retraso del sistema. Conocer la componente continua de y(k) y u(k). u(k) debe ser persistentemente excitadora de orden igual superior al del sistema. Las perturbaciones sobre y(k) deben ser estacionarias. e(k) debe ser incorrelado con x(k). Las condiciones iniciales tambin afectan.
Primera condicin: Los rdenes del modelo del proceso y de las perturbaciones deben ser conocidos con exactitud. Segunda condicin:
Donde ma y mb son los grados de A(z-1) y B(z-1), v y w son los grados de Q(z-1) y P(z-1) y p es el nmero de raices comunes de A(z-1) y C(z-1).
Niveles de supervisin
Propio de los mtodos de identificacin en linea. Deteccin y correccin de errores en el modelo obtenido. Evitar problemas que desestabilicen el proceso de identificacin. Necesario en sistemas donde el controlador se redisea peridicamente en base al modelo. Basados en reglas y heursticas.
Niveles de supervisin
Acondicionamiento de datos automtico:
Filtrado de datos a la entrada del identificador. Eliminacin de componente continua y escalado de las variables.