6.

3 CONTROL PREDICTIVO GENERALIZADO (GPC)

La idea bsica del GPC es calcular una secuencia de futuras acciones de control
de tal forma que minimice una funcin de coste multipaso. El ndice a minimizar es
una funcin cuadrtica que mide por un lado, la diferencia entre la salida predicha
del sistema y una cierta trayectoria de referencia hasta el horizonte de prediccin,
y por otro el esfuerzo de control necesario para obtener dicha salida.

6.4.1 Formulacin del control predictivo generalizado. El GPC utiliza un

Modelo Autorregresivo de Media Mvil (Controller Auto-Regressive Moving-
Average CARMA). Para aplicaciones industriales en las que las perturbaciones
son no-estacionarias resulta ms conveniente el uso de un modelo CARMA
integrado, dando lugar al CARIMA, que viene descrito por [5]:
C ( z1 )
( 1
) d
( 1
)
A z y ( t )=z B z u ( t1 ) + e ( z1 ) 6.15

En donde:
=1z1
A ( z1) =1+a1 z1 + a2 z2 + ana zna

B ( z 1 )=bo +b 1 z1+ b2 z 2 + bnb znb

Para simplificar se considera que C ( z1 )=1 , as la ecuacin 6.15 se puede
escribir en la forma:
B ( z1 ) 1
y (t )=z d u ( t1 )+ e ( z1 ) 6.16
A (z ) A(z )
1 1

El algoritmo del Control Predictivo Generalizado consiste en aplicar una secuencia

de seales de control que minimice una funcin de coste de la forma:
t+j
y

t


( j)
N2

j=N 1
J ( N 1 , N 2 , N u )=
En donde:
y ( t+ j|t) : Es la prediccin ptima de la salida del proceso j pasos adelante.
N 1 : Horizonte mnimo de coste. (Horizonte mnimo de prediccin).
N 2 : Horizonte mximo de coste. (Horizonte mximo de prediccin).
N u : Horizonte de control.
( j) y ( j) :Secuencias de ponderacin. En la prctica ( j )=1 y ( j)
se toma como parmetro de diseo.
w (t+ j) : Es la trayectoria futura de referencia o Set-point.
El objetivo es el clculo de la secuencia de control futura u ( t ) , u ( t+1 ) de tal
manera que la salida futura del proceso y (t+ j) permanezca se aproxime lo
mejor posible a w (t+ j) . Esto se logra minimizando la funcin de costo dada en
la ecuacin 6.16
6.4.2 Prediccin ptima. Para minimizar la funcin de costo, es necesario
obtener primero la prediccin ptima de y (t+ j) en el intervalo N1 j N 2 .
Aplicando el algoritmo de la divisin, el ltimo trmino de la ecuacin 6.16, se
puede escribir en la forma:
1
1 j F j (z )
=E j ( z ) + z
1
6.18
A ( z1 ) A ( z1 )
Para simplificar se utiliza: A ( z1) = A , B ( z 1 )=B , E ( z1) =E , F ( z1 )=F
Entonces:
1= A E j + F j z j 6.19
Haciendo: ^
A= A=( 1z1) A
1= ^
A E j+ F j z j ^
A E j=1F j z j 6.20
Multiplicando la ecuacin 6.15 con C ( z1 )=1 por E j z j se obtiene:

j j d Ejzj
E j z Ay ( t )= E j z z Bu (t 1 )+ e (t)

^
A E j y ( t+ j )=E j B u ( t+ jd 1 )+ E j e (t+ j)

(1F j z j ) y ( t+ j )=E j B u ( t + jd1 ) + E j e (t+ j)

Despejando y (t+ j)
j
y (t + j ) =E j B u ( t+ jd1 )+ F j z y (t + j)+ E j e( t+ j)
Haciendo G j =B E j resulta:
y (t + j ) =G u (t + jd1 ) + F j y (t ) + E j e ( t+ j ) 6.21
Los polinomios Ej y Fj se pueden obtener recursivamente, de forma que
los nuevos valores en el paso j+1 ( E j+1 y F j+1 sean funcin de los del
paso j .
La mejor prediccin de y (t+ j) se obtiene cuando e ( t + j ) =0 , es decir:
y (t + j ) =G u (t + jd1 ) + F j y (t ) 6.22
El conjunto de las j predicciones ptimas es:
y ( t +d +1|t )=Gd +1 u ( t ) + F d +1 y (t )
y ( t +d +2|t )=Gd +2 u ( t+1 ) + F d +2 y (t )
y ( t +d +3|t )=Gd +3 u ( t+ 2 )+ F d +3 y (t)

y ( t +d + N|t )=Gd + N u ( t+ N 1 ) + F d+ N y ( t ) 6.23
La ecuacin 6.23 se puede escribir en forma matricial as:

y=Gu+ F ( z1 ) y ( t ) +G' ( z1 ) u ( t 1 ) 6.24

Donde:

[ ][ ][ ]
y (t+ d +1|t) go 0 0 u(t )
y= y (t+ d +2|t) G= g 1 g o 0 u= u (t+1)

y (t +d + N|t) gN 1 g N2 go u( t+ N 1)

[ ] [ ]
z [Gd +1 ( z 1 )g 0 ] F d +1 ( z1 )
1
G' ( z1 )= z 2 [Gd +2 ( z 1 ) g 0g1 z1 ] F ( z 1 )= F d +2 ( z )

N 1 1
z [Gd +N ( z ) g 0g1 z g N 1 z (N1)
] Fd + N (z1)

Los dos ltimos trminos de la ecuacin 6.24 dependen solo del pasado por lo
tanto, pueden agruparse en un solo trmino f , dando lugar a:
y=Gu+ f 6.25
6.4.3 Obtencin de la ley de control. La funcin de costo a minimizar propuesta
para el control predictivo generalizado, segn la ecuacin 6.17 es [5]:
 t+j
y

t


( j)
N2

j=N 1
J ( N 1 , N 2 , N u )=

Reemplazando y en esta ecuacin y con ( j )=1 se obtiene:

N2 Nu

[ Gu+f w (t+ j)] 2+ ( j ) [ u ( t+ ji ) ]2

j= N 1 j=1
J ( N 1 , N 2 , N u )=
La ecuacin anterior se puede escribir como:
J =( Gu+ f w )T ( Gu+ f w ) + uT u 6.26

J =u T G T Gu+uT GT f u T GT w+ f T Gu+f T f f T wwT GuwT f w T w+ uT u

J =u T G T Gu+2 f T Gu2 wT Gu+ f T f f T wwT f w T w+ uT u

Factorizando la expresin anterior resulta:
J =u T (G T G+ I )u+2( f w)T Gu+(f w)T (f w)
Haciendo:
T
H=2(G G+ I )
bT =2( f w)T G
T
f o=( f w) (f w)
Se obtiene:
1 T T
J = u Hu+b u+ f o 6.26
2
La ecuacin 6.26 debe ser un mnimo, el cual se obtiene derivando la funcin con
respecto a la variable u e igualar el resultado a cero.
Para el clculo de la derivada se tienen en cuenta las siguientes propiedades del
clculo matricial:
T
d ( A . B) dA AdB d ( x Ax) d (Ax) T
= B+ =2 Ax =A
dt dt dt dx dx
Es decir:
dJ
=Hu+b=0
du
Por lo tanto:
1 T
u=H b=[ 2 ( G G+ I ) ] ( 2 ( f w )T G )
1 T

u=(G T G+ I )1 G T ( wf )6.27
Debido a que en el instante t solo se aplica al sistema de control la salida
u(t) , solo interesa el primer elemento del vector u . Por lo tanto, en la
ecuacin 6.27 slo interesa la primera fila de la matriz (GT G+ I )1 GT as, la ley
de control para el GPC queda:
u=K ( wf ) 6.28
Siendo K , la primera fila de (G T G+ I )1 G T

EJEMPLO 6.1
Para el sistema de control de la figura 6.6, disee un controlador predictivo. Asuma
horizonte de prediccin 3, horizonte de control 3, =1 y periodo de muestreo
T=2 seg.

Figura 6.6 Sistema para el ejemplo 6.1

SOLUCION: La funcin de transferencia de pulso para el sistema es:

HG ( z )=(1z1)z N I m [ ] G( S)
S

[ ]
1
0.6 0.07056+0.0621 z
HG ( z )=( 1z 1 ) I m = 1
z1
S ( 8 S +1 ) 10.7788 z

A ( z1) =10.7788 z1
B ( z 1 )=0.07056+0.0621 z1 d=1 N 1=1 N 2=3 N u=3
 ^
A ( z1) =( 1z 1 ) ( 10.7788 z1 ) ^
A (z1)=11.7788 z 1 +0.7788 z2
Las ecuaciones para obtener la prediccin son:
E j+1=E j +f j ,0 z j
F j=[ 1E j ^
A ] zj
G j =B E j
E1=1 E1=1

F1= [ 1E1 ^
A] z F1=1.7788+ 0.7788 z 1
G1=B E 1 G1=0.07056+ 0.0621 z1
E2=E 1+ f 1,0 z1 E2=1+1.7788 z1
F2 =[ 1E2 ^
A ] z2 F2 =2.38531.3853 z
1

G2=B E 2 1
G2=0.0756+ 0.1876 z +0.1104 z
2

E3=E 2+ f 2,0 z2 E3=1+1.7788 z1+ 2.3853 z2

F3 =[ 1E3 ^
A ] z3 F3 =2.85761.8576 z1
G3=B E3 G3=0.0756+ 0.1876 z 1 +0.2787 z2+ 0.1481 z3
La ecuacin de prediccin est dada por:
y=Gu+ F ( z1 ) y ( t ) +G' ( z1 ) u ( t 1 )
En donde:

[ ][ ][ ]
y (t+ d +1|t) go 0 0 u(t )
y= y (t+ d +2|t) G= g 1 g o 0 u= u (t+1)

y (t +d + N|t) gN 1 g N2 go u( t+ N 1)

[ ] [ ]
1
z [Gd +1 ( z 1 )g 0 ] F d +1 ( z )
2 1
z [Gd +2 ( z ) g 0g1 z ] F ( z 1 )= F d +2 ( z )
1 1
G' ( z1 )=

N 1 1
z [Gd +N ( z ) g 0g1 z g N 1 z (N1)
] Fd + N (z1)

[ ][ ][ ] [ ] [ ]
1
y (t+1) 0.07056 0 0 u(t) 1.77880.7788 z 0.0621
y (t+2) = 0.1876 0.07056 0 u(t +1) + 2.38531.3853 z 1 y (t)+ 0.1104 u( t1)
y(t+3) 0.2787 0.1876 0.07056 u(t +2) 2.85761.8576 z1 0.1484
La ecuacin anterior se puede escribir en la forma:

y=Gu + f

[ ][ ][ ] [ ]
y (t+1) 0.07056 0 0 u(t) 0.0621 u ( t1 ) +1.778 y (t )0.7788 y (t1)
y (t+2) = 0.1876 0.07056 0 u(t +1) + 0.1104 u ( t1 ) +2.3853 y ( t )1.3853 y (t1)
y(t+3) 0.2787 0.1876 0.07056 u(t +2) 0.1484 u ( t1 ) +2.8576 y ( t )1.8576 y (t1)

Finalmente, la ley de control es:

u=K (wf )

En donde K es la primera fila de la matriz: (GT G+ I )1 GT

Con =1 y :

[ ]
0.07056 0 0
G= 0.1876 0.07056 0
0.2787 0.1876 0.07056
Se obtiene:

[ ]
0.0634 0.1645 0.2386
(GT G+ I )1 GT = 0.004 0.0575 0.1645
0.0012 0.004 0.0634

K= [ 0.0634 0.1645 0.2386 ]

[ ]
w (t )0.0621 u ( t1 )1.778 y ( t )+ 0.7788 y (t1)
u=[ 0.0634 0.1645 0.2386 ] w ( t ) 0.1104 u ( t1 )2.3853 y ( t )+1.3853 y (t 1)
w ( t )0.1484 u (t 1 )2.8576 y ( t ) +1.8576 y (t 1)

u ( t )=0.4665 w ( t )0.0575 u ( t1 )1.1869 y ( t )+ 0.7204 y (t 1)

Pero:
u=u ( t ) u (t1 ) u ( t1 )=u ( t 1 ) u(t2)
Entonces:
u ( t ) =0.9425u ( t1 ) +0.0575 u ( t2 )1.1869 y ( t ) +0.7204 y ( t1 ) +0.4665 w ( t )
Tomando la transformada z a la ecuacin anterior:
( 10.9425 z10.0575 z2 ) U ( z )=0.4665 W ( z )( 1.48690.7204 z1) Y (z )
Es decir:
2 2
0.4665 z 1.1869 z + 0.7204 z
U ( z) = 2
2
z 0.9425 z0.0575 z 0.9425 z0.0575
La figura 6.7 muestra el diagrama en bloques del sistema con el controlador
predictivo calculado para el sistema.

Figura 6.7 Diagrama en bloques para el control predictivo del ejemplo 6.1

En la figura 6.8 se presenta la respuesta del sistema con el control predictivo con
diferentes valores de la referencia w (t) .

Figura 6.7 Respuesta del control predictivo para ejemplo 6.1

EJEMPLO 6.2
La funcin de transferencia de un sistema neumtico est dada por:
0.4 (z +0.5)
G ( z )=
z ( z 20.6 z+ 0.4)
2

El periodo de muestreo es de 0.5 s. Calcular para el sistema, un controlador

predictivo con =1.5 , horizonte mnimo de prediccin 3, horizonte mximo de
prediccin 5 y horizonte de control 5.
SOLUCIN: La funcin de transferencia del sistema se puede escribir como:
0.4+0.2 z1
G ( z )= 1 2
z3
10.6 z +0.4 z
En donde: N 1=3 , N 2=5 , N u=5 y d=3 .
A ( z1) =10.6 z 1 +0.4 z2
B ( z 1 )=0.4+0.2 z1
^
A ( z1) =( 1z 1 ) A=11.6 z1 + z20.4 z 3
Entonces:
E1=1 E1=1
F1=(1E 1 ^
A)z F1=1.6z1 +0.4 z2
G1=E1 B G1=0.4+ 0.2 z 1
E2=E 1+ f 1,0 z1 E1=1+1.6 z1
F2 =(1E 2 ^
A) z2 F2 =1.561.2 z1 +0.64 z2
G2=E2 B G2=0.4 +0.84 z1+0.32 z2
E3=E 2+ f 2,0 z2 E3=1+1.6 z1 +1.56 z2
F3 =(1E 3 ^
A) z 3 F3 =1.2960.92 z1+ 0.624 z2
G3=E3 B G3=0.4 +0.84 z1+ 0.9442 z2 +0.312 z 3
E4 =E3 + f 3,0 z 3 E4 =1+1.6 z1 +1.56 z2+ 1.296 z 3
F 4=(1E 4 ^
A) z 4 F 4=1.15360.672 z 1 +0.51824 z2
G4 =E4 B G4 =0.4+0.84 z1 +0.9442 z2 +0.8304 z 3 +0.2592 z4
E5=E 4 + f 4,0 z4 E5=1+1.6 z1 +1.56 z2 +1.296 z3+ 1.1536 z 4
F5 =(1E 5 ^
A) z 5 F5 =1.17280.6346 z1+ 0.4612 z2
G5=E5 B

G5=0.4 +0.84 z1+ 0.9442 z2 +0.8304 z3+ 0.72042 z4 +0.2306 z 5

Entonces la de prediccin entre N 1=3 y N 2=5 es:

y=G u+f

[ ][
y (t+ d +1|t)

]
y ( t+3|t)
y= y (t+ d +2|t) = y (t +4|t)

y ( t+5|t)
y (t +d + N|t)
 [ ] [ ]
1 2
0.4 0 0 1.2960.9 2 z +0.624 z
F ( z )= 1.15360.672 z1 +0.51824 z 2
1
G= 0.8 0.4 0
0.944 0.8 0.4 1.17280.6346 z1+ 0.4612 z 2

[ ]
0.84 +0.9442 z 1 +0.312 z2
G ( z ) = 0.9442+0.8304 z 1 +0.2592 z2
1

0.8304+ 0.72042 z1 +0.2306 z2

[ ][ ][ ] [ ] [
1 2 1
y (t+3| t) 0.4 0 0 u(t) 1.2960.9 2 z +0.624 z 0.84 +0.9442 z +0.31
y(t +4|t) = 0.8 0.4 0 u( t+1) + 1.15360.672 z +0.51824 z y ( t ) + 0.9442+0.8304 z +0.25
1 2 1

y (t+5| t) 0.944 0.8 0.4 u(t +2) 1.17280.6346 z1 +0.4612 z2 0.8304+ 0.72042 z1 +0.2

Es decir:

[ ][ ][ ] [
y ( t+ 4|t ) 0.4 0 0 u (t) 0.84 u ( t1 )+ 0.9442 u ( t2 ) +0.312 u ( t 3 ) +1.296 y ( t
y ( t+5|t ) = 0.8 0.4 0 u ( t +1 ) + 0.9442 u ( t1 ) +0.8304 u ( t2 ) +0.2592 u ( t 3 ) +1.1536 y ( t
y ( t +6|t ) 0.944 0.8 0.4 u ( t +2 ) 0.8304 u ( t1 )+ 0.72042 u ( t2 ) +0.2306 u ( t 3 )+1.1728 y (

La ley de control es:

U =K (wf )
En donde K es la primera columna de (G T G+ I )1 G T . Con =1.5 se
obtiene:

[ ]
0.15058 0.23373 0.19924
T 1 T
(G G+ I ) G = 0.0674 0.07403 0.23373
0.02125 0.06743 0.15058

Por lo tanto:
K= [ 0.15058 0.23373 0.19924 ]
La ley de control es:

[
w ( t )0.84 u ( t1 )0.9442 u ( t2 )0.312 u ( t3 ) 1.296 y (
u=[ 0.15058 0.23373 0.19924 ] w (t )0.9442 u ( t1 ) 0.8304 u ( t2 )0.2592 u ( t3 ) 1.1536 y
w ( t )0.8304 u ( t1 )0.72042 u ( t2 )0.2306 u (t3 )1.1728 y

u (t)=0.58355 w ( t ) 0.51263 u ( t1 )0.47981 u ( t2 )0.1535 u ( t3 ) 0.69846 y ( t ) +0.42204 y (t1

Es decir:
u=0.48737u ( t1 ) +0.03255 u ( t2 ) +0.3263 u ( t3 ) +0.1535 u ( t4 )0.69846 y (t ) +0.42204 y ( t1 )0.3069
Finalmente:
 0.58355 z
4
z 2 ( 0.69846 z 20.42204 z+ 0.30698 )
U ( z) = 4 3 2
W (z) 4 3 2
z 0.48737 z 0.03255 z 0.3263 z0.1535 z 0.48737 z 0.03255 z 0.3263 z0.1535

Figura 6.8 Respuesta del sistema del ejemplo 6.2