GPC

LABORATORIO N° 5
Control predictivo GPC
Control Industrial
ALUMNO:
 PEREZ MACEDA, EDWIN ALEJANDRO
PROFESOR:
Dr . Ing. William Ipanaqué Alama
PIURA 2016
Laboratorio n° 5 .-control predictivo GPC
Contenido
1. Objetivos : ............................................................................................................................... 3
2. Trabajo a realizar ............................................................................................................. 3
a. SIMULACION DE SISTEMAS CON GPC Y PID. .................................................... 3
i. Tanques acoplados. ........................................................................................................ 3
ii. Motor de corriente continua...................................................................................... 9
iii. Péndulo invertido ...................................................................................................... 14
b. TEORIA........................................................................................................................... 20
3. Conclusiones ....................................................................................................................... 21
4. Bibliografía ......................................................................................................................... 22
2
1. Objetivos :
 Conocer el comportamiento a lazo cerrado de un Control

Predictivo Generalizado (GPC) aplicado a un proceso.
 Estudiar el comportamiento de las variables controladas y

manipuladas al variar los parámetros de sintonización del GPC,
ante variaciones del set-point y en presencia de disturbios.
2. Trabajo a realizar
a. SIMULACION DE SISTEMAS CON GPC Y PID.
i. Tanques acoplados.
El control de nivel de líquido en tanques y el control de flujo entre

tanques es un problema básico en los procesos industriales.
Por ejemplo en una gran cantidad de plantas se requiere bombear

un líquido, almacenarlo en un tanque y luego bombearlo a otro
tanque. Muchas veces los líquidos son procesados por mezclas o
tratamientos químicos en los tanques, pero siempre el nivel del
fluido en los tanques debe ser controlado y el flujo entre tanques
debe ser regulado.
Con frecuencia los tanques son acoplados de tal forma que se

presenta interacción entre los niveles de estos, los cuales tienen
que ser controlados.
 Industrias importantes donde son esenciales el control de nivel de

líquido y flujo:
 Industrias petroquímicas.
 Industrias de papel.
 Industrias de tratamiento de agua.
3
Modelo en Función de transferencia:

Con el fin de utilizar un modelo lineal más simple del sistema de
tanques acoplados, se utilizara la siguiente función de
transferencia, en la que se define la salida del sistema el nivel en
el tanque 2 y la entrada como el flujo en la bomba:
Para un setpoint de nivel en el tanque 2 de 80cm. Seleccione el

periodo de muestreo de manera adecuada.
Implemente un controlador PID.
4
Parámetros de entrada :
5
Comentario: La sintonización del PID es correcta. En 30s se estabiliza y

además el tiempo de retardo es 5, tal como se ve en la gráfica obtenida.
Implemente un controlador GPC. Para un horizonte de predicción y control

fijos, para tres valores de lambda distintos.
>> PE2=tf([0.00208],[1 0.623 0.00388])
Transfer function:
0.00208
-----------------------
s^2 + 0.623 s + 0.00388
>> PE2Z=c2d(PE2,41.67,'matched')
Transfer function:
0.06181 z + 0.06181
---------------------------
z^2 - 0.7694 z + 5.315e-012
Sampling time: 41.67
Ts=41.67;
BB=[0 0.06181 0.06181];
AA=[1 -0.7694 5.315e-012];
C=1;
6
GRAFICAS DEL GPC
Para lambda 𝜆= 0.8
7
Para lambda 𝜆= 2
Para lambda 𝜆= 5
Comentario: Se puede realizar la discretizacion por ZOH, pero he

considerado usar método exacto para que la aproximación sea más
exacta. Los valores usados son: N2=3 y Nu=3.
Compare las estrategias de control clásico (PID) y avanzado (GPC).
Se comprueba que el controlador PID, se estabiliza en un tiempo menor

que el GPC. En las simulaciones se ha variado lambda, manteniendo los
8
horizontes de predicción constantes. El controlador GPC estabiliza

mucho más rápido cuando se varían N1, N2 y Nu, lo cual demuestra su
mejor desempeño.
ii. Motor de corriente continua.
El motor de corriente continua es un actuador común en control de

sistemas industriales. Provee movimiento rotatorio directamente y
acoplado con ruedas dentadas o poleas y cables, puede proveer
movimiento transicional.
Modelo en función de transferencia:
Para un setpoint de posición angular de 50 rad. Seleccione el periodo de

muestreo de manera adecuada.
a) Implemente un controlador PID.
9
Datos de entrada
10
Comentario: La sintonización del PID es correcta. En 50s se estabiliza y

además el tiempo de retardo de 5, tal como se ve en la gráfica obtenida.
b) Implemente un controlador GPC. Para un horizonte de predicción y

control fijos, para tres valores de lambda distintos.
>> PE2DO=tf([0.01],[0.005 0.06 0.1001 0])
Transfer function:
0.01
-------------------------------
0.005 s^3 + 0.06 s^2 + 0.1001 s
>>PE2DODISCRETO=c2d(PE2DO,0.2,'matched')
Transfer function:
0.001426 z^2 + 0.002852 z + 0.001426

------------------------------------
z^3 - 1.805 z^2 + 0.8961 z - 0.09072
Sampling time: 0.2

Ts=0.2;
BB=[0.001426 0.002852 0.001426];
AA=[1 -1.805 0.8961 -0.09072];C=1;
11
Grafica de GPC
Para lambda 𝜆 =0.8
12
Para lambda 𝜆 =2
Para lambda 𝜆 =5
Comentario: Los valores que se usaron para la predicción son: N2=10 y

Nu=10.
c) Compare las estrategias de control clásico (PID) y avanzado (GPC)
Se comprueba que el controlador PID, se estabiliza en un tiempo menor

que el GPC. En las simulaciones se ha variado lambda, manteniendo los
13
horizontes de predicción constantes. El controlador GPC estabiliza

mucho más rápido cuando se varían N1, N2 y Nu, lo cual demuestra su
mejor desempeño.
En este caso los valores de N1, N2 y Nu, existió dificultad en

determinarilos, ya que cuando era menores, resultó un sistema inestable,
estado que no debió pasar, por ser un motor el cual estabiliza mucho más
rápido que el tanque del anterior ejercicio.
iii. Péndulo invertido
El péndulo invertido consiste en un péndulo o varilla que gira libremente

por uno de sus extremos mediante una articulación situada sobre un
carro que se mueve sobre una guía rectilínea horizontal bajo la acción de
una fuerza F, que es la acción de control con la que se pretende actuar
sobre la posición de la varilla.
El sistema péndulo invertido es un sistema no lineal e inestable (ya que el

péndulo puede volcarse en cualquier momento y en cualquier dirección),
lo cual conlleva a problemas en la modelación matemática y
fundamentalmente en el control que de este se quiere hacer.
De hecho el péndulo invertido es un problema estándar en el área de los

sistemas de control, ya que es muy útil para demostrar conceptos en
control lineal como el de la estabilización de sistemas inestables.
Modelo en función de transferencia:
Para un setpoint de posición angular de 150 grados. Seleccione el periodo

de muestreo de manera adecuada.
Implemente un controlador GPC. Para un horizonte de predicción y

control fijos, para tres valores de lambda distintos.
14
>> PERPENDULO=tf([4.5455 0],[1 0.1818 -31.1818 -4.4545])
Transfer function:
4.545 s
----------------------------------
s^3 + 0.1818 s^2 - 31.18 s - 4.455
>>PERPENDULODISCRETO=c2d(PERPENDULO,1,'matched')
Transfer function:
17.61 z^2 - 17.61
--------------------------------
z^3 - 262 z^2 + 227.4 z - 0.8338
Sampling time: 1
Ts=1;
BB=[17.61 0 -17,61];
AA=[1 -262 227.4 -0.8338];
C=1;
SISTEMA DE CONTROL
A [1 -262 227.4 -0.8338]
B [17.61 0 -17,61]
C 1
Ts 1
Un 3
Alfa 1
Lambda 0.8
R 1.0000 -0.6410
S 2.7990 -2.8716 0.8290
T 0.7565
GG 0.4748 0 0
15
0.7659 0.4748 0
0.9441 0.7659 0.4748
JJ -0.3698
-0.8846
-1.4242
FF 2.3920 -1.8703 0.4783
3.8514 -3.9955 1.1441
5.2170 -6.0591 1.8421
HAUX 0.2749 0.2715 0.2100
-0.1720 0.1503 0.2715
-0.0592 -0.1720 0.2749
Grafica para lambda 0.8
16
SISTEMA DE CONTROL
Lambda 1.5
A [1 -262 227.4 -0.8338]
B [17.61 0 -17,61]
C 1
Ts 1
Un 3
Alfa 1
R 0.5876
S 2.2724 -2.3761 0.6914
T 1.0000 -0.5345
GG 0.4748 0 0
0.7659 0.4748 0
0.9441 0.7659 0.4748
JJ -0.3698
-0.8846
-1.4242
FF 2.3920 -1.8703 0.4783
3.8514 -3.9955 1.1441
5.2170 -6.0591 1.8421
HAUX 0.1794 0.2098 0.1984
-0.0796 0.1193 0.2098
-0.0298 -0.0796 0.1794
17
Grafica para lamda 1.5
SISTEMA DE CONTROL
Lambda 5
A [1 -262 227.4 -0.8338]
B [17.61 0 -17,61]
C 1
Ts 1
Un 3
Alfa 1
R 0.2972
S 1.2001 -1.2771 0.3742
T 1.0000 -0.2893
GG 0.4748 0 0
0.7659 0.4748 0
0.9441 0.7659 0.4748
18
JJ -0.3698
-0.8846
-1.4242
HAUX 0.0734 0.1050 0.1189
-0.0134 0.0629 0.1050
-0.0054 -0.0134 0.0734
Grafica para lambda : 5
Comentario: Existe diferencia en las gráficas, debido a la variación de

lambda. Se puede notar que cuando lambda ha sido 5, el cambio ha sido
más notorio, donde se observa que se prioriza la señal de control sin
embargo aumentará el error. Por lo tanto ocurre lo contrario para
lambda de 0.8, y en un nivel medio de 1.5.
19
b. TEORIA
Responda las siguientes preguntas en 3 líneas como máximo.
a) Suponga que tiene un sistema con retardo. ¿Tendría sentido

seleccionar un horizonte de predicción mínimo menor al retardo del
sistema?
No sería la forma correcta de seleccionar el horizonte de predicción ya

que si se hace eso, se tomaría información innecesaria del
comportamiento del sistema , lo correcto seria optimizar desde k+d+1.
b) Suponga que tiene un proceso de fase no mínima. ¿Sería apropiado

seleccionar un horizonte de predicción mínimo grande?
No sería adecuado ya que esta clase de procesos son inestables, lo

recomendable es un horizonte de predicción mínimo grande.
c) ¿Cuáles son los parámetros de sintonización en el control GPC? ¿Cómo

afecta la variación del factor lambda?
Son 3 parametros:
Np= horizonte de predicción.

Nu=horizonte de control.
𝜆= factor que prioriza o pondera la calidad o energía
Si lambda es mayor a 1 prioriza energía si es menor a 1 prioriza calidad.
En las simulaciones hechas se ha ponderado mejor la energía, por usar
λ>1.
Usar lambda mayor, se está priorizando la señal de control que la señal
de error.
20
3. Conclusiones
 Podemos concluir de las gráficas que a medida que el

lambda aumenta la respuesta en el tiempo es más lenta. La
gráfica se desplaza hacia la derecha. A menor valor de
lambda la respuesta en el tiempo es más rápida.
 Podemos decir que un GPC se aplica cuando la media del
disturbio no es cero.
 Mientras más amplio es el horizonte más suave es la
respuesta de la salida en el tiempo.
 Mientras más corto es el horizonte más brusca es la
respuesta de la salida en el tiempo.
 De acuerdo a las simulaciones, el buen desempeño del GPC
con respecto al PID, se da solo cuando los horizontes de
control son los adecuados, además el valor de lambda es
necesario variarlo hasta obtener una estabilidad en el
sistema. A pesar de ser mejor que el PID, la dificultad del
GPC, se da en este paso, ya que si no ha sido sintonizado
correctamente, no se logrará ningún control.
 El controlador GPC puede trabajar sin problemas a pesar de
presencia de perturbaciones y ruidos que se le ingresan al
sistema.
 Se comprobó que el control predictivo generalizado es más
maniobrable que cualquier otro.
 En las simulaciones hechas se ha ponderado mejor la
energía, por usar λ>1.
 Usar lambda mayor, se está priorizando la señal de control
que la señal de error.
 Usando control predictivo generalizado, se ha evitado los
cambios bruscos en la señal de control ya que siempre trata
de suavizarla, condición que es beneficiosa para el cuidado
de nuestras válvulas para que de esta forma no saturaren
fácilmente.
21
 Podemos concluir de las gráficas que a medida que el

lambda disminuye la entrada tiene picos más altos. La
gráfica se desplaza hacia arriba.
4. Bibliografía
 [1] “Control Automático de Procesos: Innovando los Procesos

Productivos”. Primera Edición. Autor: William Ipanaqué Alama.
22

GPC

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

GPC

Caricato da

Copyright:

Formati disponibili

LABORATORIO N° 5

Control predictivo GPC

2. Trabajo a realizar ............................................................................................................. 3

a. SIMULACION DE SISTEMAS CON GPC Y PID. .................................................... 3

i. Tanques acoplados. ........................................................................................................ 3

ii. Motor de corriente continua...................................................................................... 9

iii. Péndulo invertido ...................................................................................................... 14

 Conocer el comportamiento a lazo cerrado de un Control

 Estudiar el comportamiento de las variables controladas y

a. SIMULACION DE SISTEMAS CON GPC Y PID.

El control de nivel de líquido en tanques y el control de flujo entre

Por ejemplo en una gran cantidad de plantas se requiere bombear

Con frecuencia los tanques son acoplados de tal forma que se

 Industrias importantes donde son esenciales el control de nivel de

Modelo en Función de transferencia:

Para un setpoint de nivel en el tanque 2 de 80cm. Seleccione el

Implemente un controlador PID.

Comentario: La sintonización del PID es correcta. En 30s se estabiliza y

Implemente un controlador GPC. Para un horizonte de predicción y control

>> PE2=tf([0.00208],[1 0.623 0.00388])

s^2 + 0.623 s + 0.00388

z^2 - 0.7694 z + 5.315e-012

Sampling time: 41.67

BB=[0 0.06181 0.06181];

AA=[1 -0.7694 5.315e-012];

GRAFICAS DEL GPC

Para lambda 𝜆= 0.8

Comentario: Se puede realizar la discretizacion por ZOH, pero he

Compare las estrategias de control clásico (PID) y avanzado (GPC).

Se comprueba que el controlador PID, se estabiliza en un tiempo menor

horizontes de predicción constantes. El controlador GPC estabiliza

ii. Motor de corriente continua.

El motor de corriente continua es un actuador común en control de

Modelo en función de transferencia:

Para un setpoint de posición angular de 50 rad. Seleccione el periodo de

a) Implemente un controlador PID.

Comentario: La sintonización del PID es correcta. En 50s se estabiliza y

b) Implemente un controlador GPC. Para un horizonte de predicción y

0.001426 z^2 + 0.002852 z + 0.001426

Sampling time: 0.2

Para lambda 𝜆 =0.8

Comentario: Los valores que se usaron para la predicción son: N2=10 y

c) Compare las estrategias de control clásico (PID) y avanzado (GPC)

Se comprueba que el controlador PID, se estabiliza en un tiempo menor

horizontes de predicción constantes. El controlador GPC estabiliza

En este caso los valores de N1, N2 y Nu, existió dificultad en

iii. Péndulo invertido

El péndulo invertido consiste en un péndulo o varilla que gira libremente

El sistema péndulo invertido es un sistema no lineal e inestable (ya que el

De hecho el péndulo invertido es un problema estándar en el área de los

Modelo en función de transferencia:

Para un setpoint de posición angular de 150 grados. Seleccione el periodo

Implemente un controlador GPC. Para un horizonte de predicción y

>> PERPENDULO=tf([4.5455 0],[1 0.1818 -31.1818 -4.4545])

A [1 -262 227.4 -0.8338]

S 2.7990 -2.8716 0.8290

0.9441 0.7659 0.4748

FF 2.3920 -1.8703 0.4783

3.8514 -3.9955 1.1441

5.2170 -6.0591 1.8421

HAUX 0.2749 0.2715 0.2100

-0.1720 0.1503 0.2715

-0.0592 -0.1720 0.2749