Sintesi Di Antiwindup Statico Con Prestazione Nonlineare Ottimizzata

UNIVERSITÀ DEGLI STUDI DI ROMA
TOR VERGATA
FACOLTÀ DI INGEGNERIA
CORSO DI LAUREA IN INGEGNERIA

DELL’AUTOMAZIONE
A.A. 2007/2008
Tesi di Laurea Specialistica
SINTESI DI ANTIWINDUP STATICO

CON PRESTAZIONE NONLINEARE OTTIMIZZATA
RELATORE CANDIDATO
Prof. Luca Zaccarian Roberto de Simone

0085690
CORRELATORI
Prof. Sergio Galeani

Dedico questo lavoro alla mia famiglia e ai miei amici
Indice
Ringraziamenti 1
Introduzione 2
1 Definizione del problema 6
1.1 Le funzioni di saturazione e di deadzone . . . . . . . . . . . . . . . . 6
1.2 Stabilizzazione con saturazione . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Il windup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Obiettivi della compensazione anti-windup . . . . . . . . . . . . . . . 11
1.4 Ciclo chiuso con anti-windup . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.1 Ciclo aperto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.2 Ciclo chiuso non saturato . . . . . . . . . . . . . . . . . . . . 12
1.4.3 Ciclo chiuso saturato . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.4 Ciclo chiuso anti-windup . . . . . . . . . . . . . . . . . . . . . 14
2 Analisi e sintesi a tempo continuo 19
2.1 Disequazioni di Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Funzioni di Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Proprietà di settore . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3.1 Proprietà di settore generalizzata . . . . . . . . . . . . . . . . 27
INDICE I
INDICE
2.4 Stabilità e prestazione . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4.1 Implicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.5 Sintesi di anti-windup statico . . . . . . . . . . . . . . . . . . . . . . 33
2.6 Minimo guadagno L2 nonlineare . . . . . . . . . . . . . . . . . . . . . 39
3 Analisi e sintesi a tempo discreto 42
3.1 Disequazioni di Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 Stabilità e prestazione . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.2.1 Implicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3 Sintesi di anti-windup statico . . . . . . . . . . . . . . . . . . . . . . 46
3.4 Minimo guadagno L2 nonlineare . . . . . . . . . . . . . . . . . . . . . 52
4 Sintesi di anti-windup statico a tempo continuo 53
4.1 Compensatori Λg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Compensatori Λα . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.1 Sintesi di anti-windup con algoritmo α1 . . . . . . . . . . . . . 55
4.2.3 Osservazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5 Sintesi di anti-windup statico a tempo discreto 60
5.1 Compensatori Λg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.2 Compensatori Λα . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2.3 Osservazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
INDICE II
INDICE
6 Simulazioni 66
6.1 Simulazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.2 Esempio 1: sistema massa molla smorzatore (TC) . . . . . . . . . . . 69
6.2.1 Guadagno L2 nonlineare e risposta nel tempo . . . . . . . . . 71
6.3 Esempio 2: sistema aereo F8 (TC) . . . . . . . . . . . . . . . . . . . 80
6.4 Esempio 3: sistema aereo F8 (TD) . . . . . . . . . . . . . . . . . . . 92
7 Conclusioni e sviluppi futuri 102
A Strumenti Matematici 104
A.1 Nomenclatura generale . . . . . . . . . . . . . . . . . . . . . . . . . . 104
A.2 Norma L2 e Spazio L2 . . . . . . . . . . . . . . . . . . . . . . . . . . 104
A.3 Guadagno L2 ingresso/uscita . . . . . . . . . . . . . . . . . . . . . . . 105
A.4 Ottimizzazione Convessa . . . . . . . . . . . . . . . . . . . . . . . . . 106
A.5 LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
A.5.1 Schur Complement . . . . . . . . . . . . . . . . . . . . . . . . 110
A.6 Vincolo di Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
B Tools per LMI in ambiente Matlab 113
B.1 Yalmip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
B.1.1 Generalità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
B.1.2 Guida all’installazione . . . . . . . . . . . . . . . . . . . . . . 114
B.1.3 Comandi principali . . . . . . . . . . . . . . . . . . . . . . . . 115
B.2 Se.Du.Mi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
INDICE III
INDICE
B.2.1 Generalità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
B.2.2 Guida all’installazione . . . . . . . . . . . . . . . . . . . . . . 118
B.2.3 Comandi principali . . . . . . . . . . . . . . . . . . . . . . . . 119
Elenco delle figure 120
Bibliografia 126
INDICE IV
Ringraziamenti
Ringrazio tutti.
Introduzione 1
Introduzione
Nel problema di sintesi di controlli automatici per sistemi dinamici lineari si è soliti
trascurare gli effetti nonlineari degli attuatori che inducono prestazioni non sempre
coincidenti con quelle nominali e il cui degradamento, in alcuni casi fortuiti, può persi-
no rendere il sistema instabile: tale fenomeno è detto windup. Ciò accade perché ogni
attuatore è intrinsecamente un saturatore di ampiezze, e quindi i segnali in ingresso al
processo sono sempre soggetti a limitazioni. Il windup è stato affrontato a cominciare
dagli anni ’50 con la costruzione dei cosiddetti compensatori anti-windup, dispositivi
che introducono un’azione di controllo solo quando il sistema entra in saturazione,
prevenendo l’instabilità e attenuando la perdita di prestazione. La compensazione
anti-windup rappresenta un allargamento dello schema di controllo1 in grado di re-
cuperare parte del comportamento nominale in presenza di saturazione degli ingressi
del processo. La struttura di controllo anti-windup utilizzata in questa tesi è sta-
ta introdotta durante gli anni ’50 per necessità industriali e prevede l’installazione
di un apposito filtro, pilotato dalla discordanza tra uscita del controllore e ingresso
all’impianto, che agisce direttamente sul controllore preesistente.
È interessante caratterizzare le proprietà desiderate per il compensatore anti-
windup che si vuole sintetizzare:
I Deve essere un compensatore statico, ovvero un guadagno, inserito tra discor-

1
Performante per l’impianto non saturato.
Introduzione 2
Introduzione
danza dovuta alla saturazione ed ingresso al controllore. Siffatto compensatore
è semplice da realizzare ed impiantare nel sistema di controllo nel caso in cui
esso sia già operativo.
I Deve garantire prestazioni globali, ovvero mantenere buona connessione, stabi-
lità e guadagno L2 ingresso/uscita limitato per ogni segnale di ingresso.
In questa tesi viene sviluppata, con una formulazione basata su disuguaglianze
matriciali lineari (LMI) che estende i concetti di guadagno L2 nonlineare e di sintesi
di anti-windup con prestazione garantita proposti in [4] e [5], la classe dei compen-
satori anti-windup statici con prestazione nonlineare garantita per sistemi
di controllo a tempo continuo e a tempo discreto asintoticamente stabili, soggetti
a saturazione d’ampiezza dell’ingresso di controllo. Una formulazione basata su
LMI è di semplice costruzione e appartiene alla classe dei problemi numericamente
trattabili; nello specifico ammissibilità e ottimizzazione su LMI sono problemi con-
vessi, e, conseguentemente, la ricerca di un compensatore che soddisfi le prestazioni
nonlineari richieste si traduce in un problema di minimizzazione su insieme convesso.
La potenza degli algoritmi di risoluzione su LMI2 è, infine, la caratteristica vincente
rispetto ad un approccio classico di ottimizzazione convessa di equazioni matriciali
generiche.
In particolare i compensatori statici anti-windup con prestazione globale3 Λα , og-
getto e novità introdotta da questo lavoro di tesi, garantiscono guadagno L2 ingres-
so/uscita:
I Limitato per ogni riferimento (o disturbo) w.

2
Interior-point methods, fine anni ’80.
3
Buona connessione, stabilità e guadagno L2 del sistema di controllo anti-windup a ciclo chiuso
finito.
Introduzione 3
Introduzione
I Migliore rispetto al guadagno L2 del compensatore globale Λg ([4] e [5]) in quanto
sintetizzato con una politica che minimizza la distanza tra minimo guadagno
L2 nonlineare e guadagno L2 nonlineare che compete al sistema di controllo
anti-windup con compensatore Λα .
La tesi è strutturata come segue:
I Nel Capitolo 1 viene presentato il problema del windup inquadrandolo all’interno
della teoria dei sistemi lineari.
I Nei Capitoli 2 e 3 vengono discussi e dimostrati, rispettivamente per sistemi di-
namici lineari a tempo continuo e a tempo discreto ad ingressi saturati, il teore-
ma Guadagno L2 nonlineare [4] e il teorema Guadagno L2 nonlineare per la sin-
tesi di anti-windup statico [5] che generalizza il precedente teorema introducendo
la sintesi del compensatore anti-windup statico Λg globale.
I Nei Capitoli 4 e 5 vengono, rispettivamente, presentate le versioni a tempo con-
tinuo e a tempo discreto dei due nuovi algoritmi, detti algoritmi α, per la sintesi
di anti-windup statico, Λα1 e Λα2 , con prestazione nonlineare più performan-
te rispetto all’anti-windup statico con prestazione globale Λg ottenuto con il
teorema Guadagno L2 nonlineare per la sintesi di anti-windup statico.
I Nel Capitolo 6 vengono esposti i risultati delle simulazioni degli algoritmi α su 3
esempi di sistemi soggetti a saturazione (sistema massa molla smorzatore (TC),
sistema aereo F8 (TC) e sistema aereo F8 (TD)) mostrando come l’introdu-
zione del compensatore anti-windup recuperi la prestazione persa dal windup
garantendo proprietà globali, e che i compensatori Λα hanno prestazioni migliori
rispetto al compensatore Λg . Il software per le simulazioni è stato sviluppato
Introduzione 4
Introduzione
in ambiente Matlab e Simulink e fa uso massivo dei toolbox per LMI Yalmip e
Se.Du.Mi.
I Nelle Appendici A e B sono riportati, rispettivamente, gli strumenti matematici
fondamentali utilizzati nelle dimostrazioni dei teoremi e i dettagli sui software
per LMI utilizzati nel listato MatLab per le simulazioni.
Introduzione 5
Capitolo 1
Definizione del problema
In questo capitolo viene presentato il problema del windup inqua-

drandolo all’interno della teoria dei sistemi. Nei paragrafi 1.1 e 1.2
vengono focalizzate le cause e gli effetti del windup e nel paragrafo
1.3 le modalità di compensazione e gli obiettivi della compensazione
anti-windup. Infine, nel paragrafo 1.4 vengono presentati i siste-
mi di controllo cui si farà riferimento nel prosieguo del lavoro di
tesi: ciclo aperto, ciclo chiuso non saturato, ciclo chiuso satura-
to e ciclo chiuso anti-windup. Per quest’ultimo, descritto in modo
dettagliato nel paragrafo 1.4.4, sono state esplicitate le matrici di si-
stema a ciclo chiuso, necessarie, poi, per la sintesi di compensatori
anti-windup nei capitoli 2, 3, 4 e 5.
1.1 Le funzioni di saturazione e di deadzone
La saturazione è una funzione nonlineare (figura 1.1) che descrive una delle più comuni
nonlinearità dei sistemi fisici reali in generale, di quelli dinamici in particolare: la
limitatezza delle grandezze applicabili in ingresso, ovvero l’impossibilità di avere un
incremento dell’effetto risultante a seguito di un incremento sufficientemente grande
di una grandezza forzante causale.
La funzione di saturazione descritta nell’equazione (1.1.1) è implementata dal bloc-
co saturatore di figura 1.1a. Esso ammette anche ingressi vettoriali e in tal caso il
blocco si comporta come parallelo (disaccoppiato) di saturatori scalari del tipo definito
6
Cap. 1 Definizione del problema §1.1 Le funzioni di saturazione e di deadzone
da equazione (1.1.1):

 −ū ∀u : u ≤ −ū
satū (u) , u ∀u : −ū < u < ū (1.1.1)

ū ∀u : u ≥ ū
Occorre notare che la saturazione impone un range stretto di valori che il controllo
u può assumere, per l’appunto all’interno dell’intervallo [−ū, ū]. All’infuori dell’in-
tervallo il segnale di controllo entra in zona nonlineare cioè si satura su uno dei due
limiti.
(a) Saturatore: blocco che implementa la saturazione.
(b) Segnale non saturato u, ingresso del (c) Segnale saturato sat(u), uscita del
saturatore. saturatore.
Figura 1.1: Funzione di Saturazione.
Altra tipica nonlinearità che compare spesso nei modelli di sistemi dinamici, simile
alla saturazione, è la deadzone: tale funzione è pari allo scostamento che vi è tra un
generico segnale u (figura 1.1b) in ingresso al blocco saturatore (figura 1.1a) e la
corrispondente uscita sat(u) (figura 1.1c).
La funzione di deadzone è definita dall’equazione (1.1.2):
dz(u) , u − sat(u) (1.1.2)
7
Cap. 1 Definizione del problema §1.2 Stabilizzazione con saturazione
1.2 Stabilizzazione con saturazione
Sia dato un sistema lineare ad ingressi saturati nella forma:
ẋ = Ax + Bsat(u) (1.2.1)
Dove u è una certa funzione di controllo in retroazione dallo stato. È lecito chiedersi
sotto quali condizioni esista un controllo stabilizzante in presenza di saturazione e di
quali proprietà goda (regione attrattiva, velocità di convergenza. . . ):
I Se A è Hurwitz, cioè se tutti gli autovalori di A sono a parte reale nega-
tiva, il controllo u = 0 stabilizza globalmente il sistema dinamico descritto
dall’equazione (1.2.1).
Esempio:
ẋ = −x + sat(u), se u = 0 ⇒ ẋ = −x
I Se A è instabile esponenzialmente, cioè se esiste almeno un autovalore di
A a parte reale positiva, allora esistono delle condizioni iniziali x(0) abbastanza
grandi tale che il sistema dinamico descritto dall’equazione (1.2.1) diverge ∀u.
Esempio:
ẋ = x + sat(u), se x(0) > ū ⇒ ẋ > 0, ∀u
Per questo tipo di sistema è possibile garantire solo RAS1 ≡RES2 con regione
garantita. La regione controllabile a zero è limitata solo nelle direzioni degli
autospazi esponenzialmente instabili.

1
La RAS, acronimo di Stabilità Asintotica Regionale, è la proprietà per cui un certo sistema
dinamico nonlineare converge a 0 solo per alcune condizioni iniziali.
2
La RES, acronimo di Stabilità Esponenziale Regionale, è la proprietà per cui un certo siste-
ma dinamico nonlineare converge a 0 esponenzialmente solo per alcune condizioni iniziali. Vale la
proprietà generale RES ⊆ RAS.
8
I Se A è non Hurwitz e non esponenzialmente instabile, cioè se il sistema
descritto dall’equazione (1.2.1) è ANCBI3 , allora ∃u(·) che stabilizza globalmen-
te asintoticamente ma non esponenzialmente4 (a causa della saturazione).
In altre parole:
@K, λ : ∀x0 |x(t)| ≤ K|x0 |e−λt ∀t (1.2.2)
Nel prosieguo si farà riferimento soltanto a processi asintoticamente stabili, in tal
caso (A Hurwitz) il controllo u(·) serve solo per migliorare le prestazioni del processo
saturato. Ció non toglie la validitá generale, anche per sistemi non asintoticamente
stabili, degli algoritmi sviluppati. In tal caso, come ovvio presumere, non sarà possibile
richiedere garantite proprietà globali, ma solo locali.
A questo punto viene naturale chiedersi cosa succeda al sistema di controllo quando
si trovi in zona nonlineare:
I È sempre garantita la stabilità del sistema di controllo progettato ipotizzando
l’assenza della saturazione?
I È sempre mantenuta la prestazione del sistema di controllo progettato ipotiz-
zando l’assenza della saturazione?
I È sempre possibile imporre nuove specifiche di prestazione?
La risposta è no, ed il fenomeno che causa questo comportamento è denominato
windup.
3
La ANCBI, acronimo di Asymptotically Null-Controllable with Bounded-Inputs, è la proprietà
per cui un sistema dinamico nonlineare risulta globalmente (per ogni x0 ) e asintoticamente stabile
con ingressi saturati.
4
Per i sistemi LTI vale sempre GAS⇒GES, per i sistemi nonlineari ciò potrebbe non accadere; in
questo caso specifico è possibile dimostrare che il sistema ANCBI è GAS ma soltanto RES. Infatti,
poiché la GES è una proprietà robusta allora garantisce GES anche per ẋ = (A + εI) x + sat(u), il
che è impossibile se A è ANCBI perché il sistema diverrebbe instabile e, come mostrato nel punto
A esponenzialmente instabile, sarebbe possibile garantire solo RAS.
9
1.2.1 Il windup
Definizione 1.2.1. Il windup è un fenomeno nonlineare dovuto alla presenza di
saturazioni del controllo u(t) che può causare l’insorgenza di fenomeni oscillatori,
risposte in uscita che convergono lentamente, instabilità ed in generale degradamento
delle prestazioni del sistema di controllo.
Il nome windup trae origine dal comportamento delle variabili di stato che salgono
in alto verso valori troppo elevati causando la perdita di prestazione del sistema
di controllo. L’effetto della saturazione degli attuatori, presente in tutti i sistemi,
è evidente quando il controllore non è asintoticamente stabile cioè ogni volta che
contenga un’azione integrale 5 . Quando il ciclo di feedback è rotto, cioè quando entra
in gioco la saturazione, il tipo di controllo diventa un feed forward (u = u) e i modi non
asintoticamente stabili del regolatore possono portare le variabili interne del sistema
a valori indesiderati, conseguentemente il sistema di controllo puó impiegare molto
tempo per raggiungere l’equilibrio, o non raggiungerlo mai.

5
Si supponga di applicare un gradino (positivo) come riferimento ad un sistema GAS: si ottiene
all’istante iniziale un Rerrore di riferimento e(t) non nullo. Se il controllore è dotato di azione integra-
tiva allora l’integrale e(t)dt dell’errore crescerà, andando a pilotare l’uscita del sistema che crescerà
conseguentemente, finché l’errore e(t) non sarà nullo, cioè finché uscita e riferimento non si¡Reguaglie-¢
ranno. Se l’integrale dell’errore entra in saturazione allora il segnale di controllo u(t) = sat e(t)dt
rimarrà costante (u(t) = ū, azione di tipo feed forward) non solo finché l’errore di riferimento non
si annullerà, ma anche finché l’integrale dell’errore
R non si sarà scaricato. In altre parole affinché
il segnale di controllo torni in zona lineare ( e(t)dt < ū) è necessario che l’uscita cresca sufficien-
temente (cioè che raggiunga il riferimento e si allontani nella direzione opposta) da far diventare
sufficientemente negativo l’errore e(t), in tal modo l’integrale dell’errore diminuirà e quando sarà
inferiore alla soglia di saturazione il feedback sarà ristabilito. Nel momento in cui il sistema torna in
zona lineare, l’uscita è nuovamente distante dal riferimento a causa della sovraelongazione provocata
dalla saturazione, questo errore non nullo (questa volta negativo) piloterà il processo che oscillando si
avvicinerà al valore di riferimento lentamente se la sovraelongazione è sufficiente piccola, altrimenti
divergerà.
10
Cap. 1 Definizione del problema §1.3 Obiettivi della compensazione anti-windup
1.3 Obiettivi della compensazione anti-windup
Come visto nel paragrafo 1.2 per sistemi ad ingressi saturati accade che per piccoli
segnali d’ingresso il sistema risulti lineare mentre per grandi segnali il sistema si
comporti in modo nonlineare (saturato) con conseguente deterioramento delle presta-
zioni (dovuto al windup) via via che il controllo cresce. A causa di questa nonlinearità
non è possibile analizzare le prestazioni del sistema in termini di poli e zeri in quanto
esistono (ed hanno senso) solo per sistemi lineari. Un’alternativa logica all’uso di poli
e zeri, come metro di giudizio delle prestazioni del sistema, è lo studio dell’energia
del segnale di uscita, strumento generale valido sia per sistemi lineari che per sistemi
nonlineari. Diventa, quindi, necessario introdurre il guadagno L2 ingresso-uscita del
sistema (vedasi paragrafo A.3), cioè la massima amplificazione di energia del segnale
di ingresso.
Controllore sotto-dimensionato. Un modo pratico per risolvere il problema è
scalare il segnale di controllo, garantendo che al valore massimo in uscita al controllore,
corrisponda il valore massimo di attuazione. Questo approccio limita fortemente le
performance raggiungibili.
Compensatore anti-windup. Un modo alternativo per risolvere il problema
è sfruttare lo scarto tra uscita del controllore e ingresso (saturato) al processo come
informazione aggiuntiva alla misura delle uscite del processo per pilotare il controllore,
tramite un opportuno compensatore anti-windup (vedasi paragrafo 1.4.4), che entra
in funzione solo in zona nonlineare e ha lo scopo di mantenere la prestazione del
sistema saturato quanto più vicina a quella del sistema nominale quando esce dalla
zona lineare.
In generale, il problema anti-windup si riassume nell’obiettivo di sintetizzare un
11
Cap. 1 Definizione del problema §1.4 Ciclo chiuso con anti-windup
controllore (lineare o nonlineare) che per piccoli segnali si comporti esattamente come
un controllore prefissato, sintetizzato ignorando la saturazione in ingresso (vincolo di
piccoli segnali) e per grandi segnali garantisca stabilità e prestazioni accettabili. Il
lavoro di questa tesi si focalizza su compensatori lineari anti-windup statici, ovvero
guadagni statici denominati Λ.
1.4 Ciclo chiuso con anti-windup: modello con dead-

zone
1.4.1 Ciclo aperto
Si consideri l’impianto P asintoticamente stabile dato da:


 x˙p = Ap xp + Bpu u + Bpw w
P : y = Cpy xp + Dpyu u + Dpyw w (1.4.1)

z = Cpz xp + Dpzu u + Dpzw w
Dove xp ∈ Rnp è lo stato dell’impianto, u ∈ Rnu è l’ingresso di controllo, w ∈
Rnw è l’ingresso esogeno (disturbi o riferimenti), y ∈ Rny è l’uscita misurabile del-
l’impianto, z ∈ Rnz è l’uscita di prestazione (in genere l’errore di inseguimento) e
Ap , Bpu , Bpw , Cpy , Dpyu , Dpyw , Cpz , Dpzu , Dpzw sono matrici di dimensioni appropriate
che caratterizzano l’impianto. L’impianto in cui u = 0 viene chiamato impianto a
ciclo aperto.
1.4.2 Ciclo chiuso non saturato
Si consideri il controllore non saturato 6 , di seguito chiamato semplicemente control-
lore, cosı̀ definito:

½
x˙c = Ac xc + Bcy y + Bcw w + v1
C: (1.4.2)
yc = Cc xc + Dcy y + Dcw w + v2
6
Il controllore non saturato è quel controllore (eventualmente ottimo) sintetizzato per ottenere
certe prestazioni dall’impianto a ciclo chiuso non soggetto a saturazioni.
12
Dove xc ∈ Rnc è lo stato del controllore, yc ∈ Rnu è l’uscita del controllore7 , v1 e
v2 sono ingressi addizionali momentaneamente disconnessi (che saranno poi coman-
dati, come descritto nel paragrafo 1.4.4, dal compensatore anti-windup nel sistema
aumentato per attenuare gli effetti del windup) e Ac , Bcy , Bcw , Cc , Dcy sono matrici di
dimensioni appropriate che caratterizzano il controllore non saturato.
Tale controllore è progettato in modo tale che l’interconnessione con l’impianto at-
traverso le equazioni (1.4.3) garantisca la buona connessione e la stabilità asintotica
interna del sistema a ciclo chiuso non saturato W (equazione (1.4.4), figura 1.2):
u = yc v1 = 0 v2 = 0 (1.4.3)
½
ẋ = ACL x + BCL w
W : (1.4.4)
z = CCL x + DCL w
Definizione 1.4.1. Si definisce sistema a ciclo chiuso non saturato (equazione (1.4.4),
figura 1.2), l’interconnessione del processo (equazione (1.4.1)) e del controllore (equa-
zione (1.4.2)) attraverso l’equazione (1.4.3). Il sistema a ciclo chiuso non saturato ha
stato xCL ∈ RnCL =np +nc ottenuto come aggregato degli stati8 di processo e controllore
ed è globalmente asintoticamente stabile.
Figura 1.2: Sistema di controllo a ciclo chiuso non saturato.
7
L’uscita del controllore è il segnale di controllo che pilota il processo.
8
La buona connessione tra sistemi garantisce che lo stato del sistema interconnesso coincida con
lo stato aggregato.
13
1.4.3 Ciclo chiuso saturato
Si consideri il caso in cui gli attuatori presentino una saturazione9 del controllo allora
l’interconnessione del processo (equazione (1.4.1)) e del controllore (equazione (1.4.2))
attraverso equazione (1.4.5) da’ luogo ad un sistema di controllo saturato H
(equazione (1.4.6), figura 1.3) che può essere soggetto al windup10 .
u = sat(yc ) q = dz(yc ) v = 0 (1.4.5)


 ẋ = Ax + Bq q + Bw w
H: z = Cz x + Dzq q + Dzw w (1.4.6)

yc = Cy x + Dyq q + Dyw w
Quindi è possibile che sia persa la buona connessione e la stabilità. Inoltre, è probabile
che sia persa la prestazione non saturato.
(a) Sistema di controllo a ciclo chiuso con saturazione degli (b) Schema equivalente H:
ingressi controllanti. modello con deadzone.
Figura 1.3: Ciclo chiuso saturato.
1.4.4 Ciclo chiuso anti-windup
Si dimostra (si rimanda a [5] e ai paragrafi 2.5 e 3.3 per i dettagli) che per i sistemi
asintoticamente stabili soggetti a nonlinearità tipo deadzone e saturazione è possibile
mantenere limitata la perdita di performance e continuare a garantire stabilità asin-
totica, sintetizzando un compensatore statico anti-windup Λ atto a pilotare il sistema

9
La nonlinearità saturazione è definita nel paragrafo 1.1.
10
Il windup, e i suoi effetti, sono definiti nel paragrafo 1.2.1.
14
di controllo in zona nonlineare. Esso è ottenuto minimizzando il guadagno L2 tra w
e z del sistema di controllo anti-windup, e prende come input la discordanza q tra
ingresso di controllo al processo u e uscita del controllore yc .
(a) Sistema di controllo a ciclo chiuso con compensatore anti-windup (b) Schema equivalente H:
statico. modello con deadzone.
Figura 1.4: Ciclo chiuso anti-windup.
L’interconnessione del processo (equazione (1.4.1)) e del controllore (equazione
(1.4.2)) attraverso l’equazione (1.4.7) da’ luogo ad un sistema di controllo anti-
windup H (equazione (1.4.8), figura 1.4) con origine asintoticamente stabile, ben-
connesso e con prestazione ottimizzata.
u = sat(yc ) q = dz(yc ) v = Λq (1.4.7)


 ẋ = Ax + Bw w + (Bq + BL Λ)q
H: yc = Cy x + Dyw w + (Dyq + DyL Λ)q (1.4.8)

z = Cz x + Dzw w + (Dzq + DzL Λ)q
Definizione 1.4.2. Si definisce sistema di controllo anti-windup H (equazione (1.4.8),
figura 1.4), l’interconnessione del processo (equazione (1.4.1)) e del controllore (equa-
zione (1.4.2)) attraverso l’equazione (1.4.7). Il sistema di controllo anti-windup ha
stato xCL ∈ RnCL =np +nc ottenuto come aggregato degli stati di processo e controllore,
ha guadagno L2 limitato11 ed è asintoticamente stabile.

11
Garantire guadagno L2 limitato per il sistema di controllo anti-windup significa garantire il
parziale recupero della prestazione persa dal windup.
15
Di seguito verranno calcolate in forma esplicita le matrici di sistema H (equazione
(2.5.1)) in funzione delle matrici di processo (equazione (1.4.1)), controllore (equazio-

· ¸
Λ
ne (1.4.2)), Λ = 1 e dell’equazione (1.4.7).
Λ2
Calcolo di y:
y = Cpy xp + Dpyu sat(yc ) + Dpyw w
y = Cpy xp + Dpyu (yc − q) + Dpyw w
y = Cpy xp + Dpyu (Cc xc + Dcy y + Dcw w + Λ2 q − qI) + Dpyw w
(I − Dpyu Dcy )y = Cpy xp + Dpyu Cc xc + (Dpyu Dcw + Dpyw )w + Dpyu (Λ2 q − qI)
Posto:
∆y = (I − Dpyu Dcy )−1
È possibile scrivere y in modo più compatto:
y = ∆y Cpy xp + ∆y Dpyu Cc xc + ∆y (Dpyu Dcw + Dpyw )w + ∆y Dpyu (Λ2 q − qI)
Calcolo di yc :
yc = Cc xc + Dcy y + Dcw w + Λ2 q
yc = Cc xc + Dcy (Cpy xp + Dpyu (yc − q) + Dpyw w) + Dcw w + Λ2 q
(I − Dcy Dpyu )yc = Cc xc + Dcy Cpy xp + (Λ2 − Dcy Dpyu )q + (Dcw + Dcy Dpyw )w
Posto:
∆u = (I − Dcy Dpyu )−1
16
È possibile scrivere yc in modo più compatto:
yc = ∆u Cc xc + ∆u Dcy Cpy xp + ∆u (Λ2 − Dcy Dpyu )q + ∆u (Dcw + Dcy Dpyw )w
yc = ∆u Cc xc + ∆u Dcy Cpy xp + (∆u Λ2 + I − ∆u )q + ∆u (Dcw + Dcy Dpyw )w
Calcolo di ẋp :
x˙p = Ap xp + Bpu u + Bpw w
x˙p = Ap xp + Bpu yc − Bpu q + Bpw w
x˙p = [Ap + Bpu ∆u Dcy Cpy ] xp + [Bpu ∆u Cc ] xc + [Bpu ∆u Λ2 − Bpu ∆u ] q +
+ [Bpw + Bpu ∆u (Dcw + Dcy Dpyw )] w
Calcolo di ẋc :
x˙c = Ac xc + Bcy y + Bcw w + Λ1 q
x˙c = Ac xc + Bcy ∆y Cpy xp + Bcy ∆y Dpyu Cc xc + Bcy ∆y (Dpyu Dcw + Dpyw )w +
+Bcy ∆y Dpyu Λ2 q − Bcy ∆y Dpyu q + Bcw w + Λ1 q
x˙c = [Bcy ∆y Cpy ] xp + [Ac + Bcy ∆y Dpyu Cc ] xc + [Bcy ∆y (Dpyu Dcw + Dpyw ) + Bcw ] w +
+ [Bcy ∆y Dpyu Λ2 − Bcy ∆y Dpyu + Λ1 ] q
17
Calcolo di z:
z = Cpz xp + Dpzu u + Dpzw w
z = Cpz xp + Dpzu (yc − q) + Dpzw w
z = Cpz xp + Dpzu (∆u Cc xc + ∆u Dcy Cpy xp + (∆u Λ2 + I − ∆u )q +
+∆u (Dcw + Dcy Dpyw )w − qI) + Dpzw w
z = Cpz xp + Dpzu ∆u Cc xc + Dpzu ∆u Dcy Cpy xp + Dpzu (∆u Λ2 + I − ∆u )q +
+Dpzu ∆u (Dcw + Dcy Dpyw )w − Dpzu q + Dpzw w
z = [Cpz + Dpzu ∆u Dcy Cpy ] xp + [Dpzu ∆u Cc ] xc + [Dpzu ∆u (Λ2 − I)] q +
+ [Dpzu ∆u (Dcw + Dcy Dpyw ) + Dpzw ] w
Alla luce dei conti di cui sopra, le matrici di sistema di H (equazione (2.5.1)) sono
cosı̀ definite:
∆y = (I − Dpyu Dcy )−1 ∆u = (I − Dcy Dpyu )−1

· ¸ · ¸
Ap + Bpu ∆u Dcy Cpy Bpu ∆u Cc Bpw + Bpu ∆u (Dcw + Dcy Dpyw )
A= Bw =
Bcy ∆y Cpy Ac + Bcy ∆y Dpyu Cc Bcw + Bcy ∆y (Dpyu Dcw + Dpyw )
· ¸ · ¸
−Bpu ∆u 0 Bpu ∆u
Bq = BL =
−Bcy ∆y Dpyu I Bcy ∆y Dpyu
£ ¤ £ ¤
Cy = ∆u Dcy Cpy ∆u Cc Dyw = ∆u (Dcw + Dcy Dpyw )
£ ¤ £ ¤
Dyq = I − ∆u DyL = 0 ∆u
£ ¤ £ ¤
Cz = Cpz + Dpzu ∆u Dcy Cpy Dpzu ∆u Cc Dzw = Dpzw + Dpzu ∆u (Dcw + Dcy Dpyw )
£ ¤ £ ¤
Dzq = −Dpzu ∆u DzL = 0 Dpzu ∆u
· ¸
Λ
Λ= 1
Λ2
18
Capitolo 2
Analisi e sintesi di stabilità e

prestazione per sistemi lineari
saturati a tempo continuo
In questo capitolo viene discusso e dimostrato il teorema Guadagno

L2 nonlineare per sistemi dinamici lineari a tempo continuo con
ingressi saturati. Questo teorema è fondamentale per la sintesi del
compensatore anti-windup statico da applicare al sistema dinamico
per il recupero della prestazione degradata dal windup. La dimo-
strazione del teorema si sviluppa su un percorso logico i cui passi
sono descritti nei paragrafi 2.1, 2.2, 2.3, 2.4. Nel paragrafo 2.5 vie-
ne discusso e dimostrato il teorema Guadagno L2 nonlineare per la
sintesi di anti-windup statico per sistemi dinamici lineari a tem-
po continuo, che generalizza il precedente teorema introducendo
la sintesi del compensatore anti-windup statico Λ.
Problema 2.1. Dato un sistema di controllo anti-windup a tempo continuo, deter-
minare una stima del guadagno L2 nonlineare da w a z, cioè una funzione γ(·) non
decrescente tale che:
kzk2 ≤ γ (kwk2 ) kwk2 (2.0.1)
19
Cap. 2 Analisi e sintesi a tempo continuo §2.1 Disequazioni di Lyapunov
2.1 Disequazioni di Lyapunov
Le disequazioni di Lyapunov permettono di determinare se un sistema dinamico tempo
contiuno è asintoticamente stabile.
Si consideri il sistema dinamico lineare a tempo continuo:
ẋ = Ax (2.1.1)
esso è globalmente asintoticamente stabile1 se esiste una funzione V (·) di Lyapunov a
valori reali positivi definita sullo spazio di stato (equazione (2.1.2)) per la quale sono
verificate le disequazioni di Lyapunov (equazione (2.1.3), equazione (2.1.4)):
ẋ = Ax è GES ⇐ ∃V (·) : X → R≥0 (2.1.2)
V ∈ C 1 , tale che V (x) > 0,∀x ∈ X \ {0} (2.1.3)

dV (x)
V̇ = h∇V (x),ẋi = Ax < ²|x|2 ,∀x (2.1.4)
dx
Si consideri, ora, una funzione quadratica in x cosı̀ definita:
V (x) = xT P x con P = PT > 0 (2.1.5)
Essa verifica sia l’equazione (2.1.2) che l’equazione (2.1.3), ed è quindi una buona
candidata come funzione di Lyapunov. Affinché lo sia deve essere rispettata anche la
seconda disequazione di Lyapunov (equazione (2.1.4)):
V̇ < 0 ⇔ V̇ = xT P ẋ + ẋT P x = xT (AT P + P A)x < 0 (2.1.6)
Una funzione quadratica che verifica l’equazione (2.1.5) e l’equazione (2.1.6) è di
Lyapunov per sistemi a tempo continuo.

1
Per un sistema lineare la globale stabilità asintotica coincide con la globale stabilità esponenziale.
20
Cap. 2 Analisi e sintesi a tempo continuo §2.2 Funzioni di Lyapunov
Queste condizioni sono riscrivibili come sistema di disequazioni matriciali lineari
(LMI), facilmente risolvibili2 , come mostrato nell’equazione (2.1.7):

½
V > 0 ⇐ P = PT > 0
ẋ = Ax è GES ⇐ (2.1.7)
V̇ < 0 ⇐ He(P A) , P A + AT P < 0
2.2 Funzione di Lyapunov per l’attenuazione dei

disturbi
La funzione di Lyapunov per l’attenuazione dei disturbi è un’estensione delle disequa-
zioni di Lyapunov che formalizza, oltre al concetto di stabilità visto nel paragrafo 2.1,
il concetto di prestazione misurata attraverso la stima del guadagno L2 del sistema (si
veda [3]). Un sistema dinamico con guadagno L2 piccolo (tra uscita di prestazione z e
disturbo w), possiede una buona prestazione in quanto capace di attenuare fortemente
i disturbi. Si vogliono, quindi, analizzare gli effetti sull’uscita z dovuti al disturbo w
per l’impianto P (equazione (2.2.1)):

½
ẋ = Ax + Bw
P : (2.2.1)
z = Cx + Dw
P è globalmente asintoticamente stabile con misura di prestazione garantita3 se esiste
una funzione V (·) di Lyapunov per l’attenuazione dei disturbi, a valori reali positivi
definita sullo spazio di stato (equazione (2.2.2)) per la quale sono verificate le dise-
quazioni di Lyapunov per l’attenuazione dei disturbi (equazione (2.2.3), equazione

2
Sulle caratteristiche principale delle LMI e sulla facilità di risoluzione in problemi di
ottimizzazione o di ammissibilità si rimanda al paragrafo A.5.
3
In questo contesto la misura di prestazione è garantita se esiste una costante γ positiva e finita
tale che il guadagno L2 del sistema sia minore di γ.
21
(2.2.4)):
se ∃V (·) : X → R≥0 (2.2.2)
V ∈ C 1 , tale che V (x) > 0,∀x ∈ X \ {0} (2.2.3)

1 T
h∇V (x),ẋi + z z − wT w < 0 (2.2.4)
γ2
1. Stabilità.
Per dimostrare che l’equazione (2.2.4) implica la globale stabilità esponenziale4 ,
si studia l’impianto P (equazione (2.2.1)) in assenza di disturbi esterni (w = 0).
Se il disturbo è nullo allora la equazione (2.2.4) garantisce la stabilità in quanto
maggiora l’equazione (2.1.4), infatti:
1 T
Se w = 0, h∇V (x),ẋi < h∇V (x),ẋi + z z<0⇒
γ2
⇒ h∇V (x),ẋi < 0 ⇒ GES (2.2.5)
2. Prestazione.
Per dimostrare che la equazione (2.2.4) fornisce una misura di prestazione pari
alla stima del guadagno L2 del sistema occorre integrare le traiettorie di V (x):
Z t Z tµ ¶
dV (x(τ )) 1 T T
dτ + z(τ ) z(τ ) − w(τ ) w(τ ) dτ < 0
0 dτ 0 γ2
1
⇒ V (t) − V (0) + 2 kz(·)t k22 − kw(·)t k22 < 0 (2.2.6)
γ
Poiché V (t) > 0, ∀t, si ha per t → +∞ che l’equazione (2.2.6) diventa:
1
−V (0) + kz(·)k22 − kw(·)k22 < 0
γ2
¡ ¢
⇒ kz(·)k22 < γ 2 V (0) + kw(·)k22
⇒ kz(·)k22 < γ 2 (V (0) + kw(·)k2 )2
⇒ kz(·)k2 < γV (0) + γkw(·)k2 (2.2.7)

4
GES ≡ GAS se P è LTI.
22
Dove γ è la stima quadratica di kP k2 , guadagno L2 del sistema (vedasi paragrafo
A.3) da w a z, ed è una misura di prestazione di P poiché quantifica la massima
amplificazione del segnale in ingresso sull’uscita di prestazione:
kzk2
kP k2 , sup <γ (2.2.8)
kwk2 6=0 kwk2
Maggiori dettagli sono riportati in [3].
Scegliendo come V (·) di Lyapunov la funzione quadratica descritta in equazione
(2.1.5), allora l’equazione (2.2.4) si particolarizza in:
1 T
h∇V (x),ẋi + z z − wT w < 0 ⇔
γ2
1 ¡ ¢
⇔ xTP (Ax+Bw)+(Ax+Bw)TP x + 2 xTC T +wTDT (Cx+Dw)−wTw < 0
γ
µ· ¸ · T ¸ ¶· ¸
£ T T
¤ T
PA + A P PB C 1 £ ¤ x
⇔ x w + C D <0
BT P −I DT γ 2 w
| {z }
M
⇔M <0
Applicando lo Schur complement (vedasi paragrafo A.5.1) alla disequazione matriciale
M < 0 si ottiene:
 
P A + AT P P B C T
M < 0, γ 2 > 0 ⇔  BT P −I DT  < 0 (2.2.9)
C D −γ 2 I
La LMI mostrata nell’equazione (2.2.9) permette di ricavare una misura di prestazione
tramite guadagno L2 di P : tale risultato prende il nome di Bounded Real Lemma ed
è ampiamente sviluppato in [1] e [2].
Teorema 2.2.1. Bounded Real Lemma.
Sia A di Hurwitz, allora:

 
PA PB 0
He  0 − I2 0 <0
C D −γ 2 I2
P >0
23
Cap. 2 Analisi e sintesi a tempo continuo §2.3 Proprietà di settore
se e solo se:
kC (sI − A)−1 B + Dk∞ < γ
cioè il guadagno L2 di P è minore di γ.
Inoltre, la norma5 H∞ di P coincide col guadagno L2 di P (come descritto in [6]
e [2]) ed è data da:
min γ
P,γ
 
PA PB 0
s.t. He  0 − I2 0 <0
C D −γ 2 I2
P >0
2.3 Sistemi con saturazione: proprietà di settore
Si consideri il sistema di controllo a ciclo chiuso saturato a tempo continuo H (para-
grafo 1.4.3) ottenuto come ciclo chiuso dell’impianto saturato P e del suo controllore
non saturato C 6 :

 ẋ = Ax + Bq q + Bw w
H: z = Cz x + Dzq q + Dzw w (2.3.1)

q = dz(yc ) = yc − sat(yc ) (2.3.2)
Chiudendo il sistema lineare H con la deadzone (equazione (2.3.1), equazione (2.3.2),
figura 2.1) è logico chiedersi sotto quali condizioni è mantenuta la stabilità e la buona
connessione (in senso nonlineare) del sistema. Infatti l’introduzione della nonlinearità
5
La norma H∞ di una matrice di trasferimento corrisponde al picco del diagramma dei moduli
di Bode.
6
Controllore che garantisce certe specifiche sintetizzato per il sistema P non saturato.
24
Figura 2.1: Schema equivalente H di sistema a tempo continuo saturato: modello con
deadzone.
può causare la perdita della buona connessione ovverosia potrebbe non esistere più
una soluzione unica all’equazione implicita corrispondente al loop algebrico:
yc − Dyq q = Cy x + Dyw w
Per studiare stabilità e buona connessione è necessario introdurre una caratterizzazio-
Figura 2.2: Proprietà di settore globale, sector[0, K]; per nonlinearità tipo saturazione
e deadzone la proprietà di settore globale vale con K= I.
ne della nonlinearità in termini di proprietà di settore. La saturazione e la deadzone
sono tipologie di nonlinearità appartenenti alla classe sector[0, I] (figura 2.2). Questo
25
significa che per tali nonlinearità vale la proprietà di settore globale:
mi dz(yci ) (yci − dz(yci )) ≥ 0 ∀mi ≥ 0
⇔ q T M (yc − q) ≥ 0 ∀M ≥ 0 tale che M = diag (mi ) (2.3.3)
La condizione di settore descritta dall’equazione (2.3.3) può essere usata per ricavare
condizioni risolvibili delle forme (2.2.4) come segue:
1 T
V̇ + 2
z z − wT w < 0, ∀(x, w) tale che q T M (yc − q) ≥ 0 (2.3.4)
γ
Tramite la S-Procedure (la cui trattazione si rimanda a [1]) è possibile inserire il
vincolo nella disequazione di Lyapunov. Si dimostra che l’equazione (2.3.4) è vera se
e solo se è vera la equazione (2.3.5)
1 T
z z − wT w + 2q T M (yc − q) < 0, ∀x, w, ξ, q ⇔
V̇ +
γ2
 T   
x P A P Bw 0 P Bq x
w   0 −2I
0 0   
⇔  He  w  < 0, ∀x, w, ξ, q ⇔
 ξ    Cz γ
Dzw − 2 I
2
Dzq  ξ 
q M Cy M Dyw 0 M Dyq − M q
 
PA P Bw 0 P Bq
 0 − I
0 0 
⇔ He Cz
2
γ 2 <0
 (2.3.5)
Dzw − 2 I Dzq
M Cy M Dyw 0 M Dyq − M
La LMI descritta nell’equazione (2.3.5) risolve contemporaneamente:
1. Buona connessione: è sufficiente che esista una matrice diagonale definita posi-
tiva M > 0 tale che:
He (M Dyq − M ) < 0
Per i dettagli della dimostrazione si veda [4].
26
2. Stabilità:7 è sufficiente che esistano una matrice definita positiva P = P T > 0 e
una matrice diagonale definita positiva M > 0 tale che:

· ¸
PA P Bq
He <0
M Cy M Dyq − M
3. Prestazione (kP k2 < γ):8 è sufficiente che esistano uno scalare γ positivo mi-
nimizzato, una matrice definita positiva P = P T > 0 e una matrice diagonale
definita positiva M > 0 tale che:

 
PA P Bw 0 P Bq
 0 −2 I
0 0 
He 
 Cz γ2
<0

Dzw − 2 I Dzq
M Cy M Dyw 0 M Dyq − M
2.3.1 Proprietà di settore generalizzata
Lemma 2.3.1. Se dzu (v) = 0, allora dzu (yc )T M (yc − dzu (yc ) + v) ≥ 0
Definizione 2.3.1. Sia U = diag{ui } allora per una certa matrice K ∈ Rnu ×n si
definisce:
n o
L(K) , x ∈ Rn : |U −1 Kx|∞ ≤ 1
Lemma 2.3.2. GS: Proprietà di settore generalizzata.
Sia K ∈ Rnu ×n una matrice data. Allora per ogni matrice diagonale M > 0, M ∈
Rnu ×nu vale la proprietà di settore generalizzata:
dzu (yc )T M (yc − dzu (yc ) + Kx) ≥ 0 ∀x ∈ L(K) (2.3.6)
Una trattazione più dettagliata è riportata in [4].
Ricordando che:
7
E buona connessione.
8
Con stabilità e buona connessione.
27
1. dzu (yc ) = q
2. |U −1 Kx|∞ ≤ 1 ⇒ |Ki x| ≤ ui , ∀i = 1, ..., nu
La GS (equazione (2.3.6)) può essere riscritta come:
q T M (yc − q + Ki x) ≥ 0 ∀x ∈ {x : |Ki x| ≤ ui } ∀i = 1, ..., nu (2.3.7)
A questo punto si cerca un insieme di livello EP s in cui valga la proprietà GS,
secondo la nuova formulazione riportata nell’equazione (2.3.7), che sia invariante in
avanti.
Sia EP s l’insieme di livello limitato da s:
© ª
EP s , x : xT P x ≤ s2
Affinché EP s goda della proprietà GS, EP s deve essere contenuto nell’insieme di x che
rende vera la GS, cioè:
© ª
EP s , x : xT P x ≤ s2 ⊆ {x : |Ki x| ≤ ui } ∀i = 1, ..., nu
Questo significa che ogni x di EP s deve essere contemporaneamente anche una x tale
che valga il vincolo:
|Ki x| ≤ ui , ∀i = 1, ..., nu
In altre parole deve valere l’implicazione:
∀x : xT P x ≤ s2 ⇒ xT KiT Ki x ≤ ui 2 , ∀i = 1, ..., nu
che può essere impostata tramite:
1 T P
xT KiT
2 Ki x ≤ x x
ui s2
· 2
¸
T T s
x P − Ki 2 Ki x ≥ 0 (2.3.8)
ui
28
Cap. 2 Analisi e sintesi a tempo continuo §2.4 Stabilità e prestazione
Ovviamente questa disuguaglianza è vera solo se la matrice tra parentesi nell’equa-
zione (2.3.8) è semidefinita positiva. Applicando lo Schur Complement è possibile
semplificare questa disuguaglianza ottenendo una forma più compatta e maneggevole9 :

· ¸
P KiT
2 ≥ 0 ∀i = 1, ..., nu (2.3.9)
Ki usi2
Lemma 2.3.3. Condizione di inclusione.
Sia K ∈ Rnu ×n , P ∈ Rn×n , P = P T > 0 , allora EP s ⊆ L(K) se e solo se:

· ¸
P KiT
2 ≥0 ∀i = 1, ..., nu
Ki usi2
Una trattazione più dettagliata è riportata in [4].
2.4 Sistemi con saturazione: stabilità e prestazio-

ne
In sostituzione della troppo conservativa proprietà di settore globale, è possibile inseri-
re la proprietà di settore generalizzata nella funzione di Lyapunov per l’attenuazione
dei disturbi (equazione (2.2.4)), con dei passaggi del tutto analoghi a quanto visto
nell’equazione (2.3.4):
1 T
V̇ + z z − wT w < 0,
γ2
∀x ∈ EP s , ∃M = diag{mi } > 0 : q T M (yc − q + Kx) ≥ 0 (2.4.1)
Tramite S-Procedure (la cui trattazione è ampiamente discussa in [1]), rimandando
ad un passo successivo la formalizzazione del vincolo di inclusione in EP s , si ottiene

9
Le LMI sono disuguaglianze matriciali lineari dalle proprietà convesse, e quindi, molto utili e
semplici da risolvere in problemi di minimizzazione (come descritto dal teorema A.4.1).
29
la disuguaglianza matriciale nonlineare10 descritta dall’equazione (2.4.3):
1 T
V̇ + z z − wT w + 2q T M (yc − q + Kx) ≤ 0 ⇔ (2.4.2)
γ2
 
PA P Bw 0 P Bq
 0 − I2 0 0 
⇔ He 
 γ2
≤0
 (2.4.3)
Cz Dzw − 2 I Dzq
M (Cy + K) M Dyw 0 M Dyq − M
Per rendere lineare l’equazione (2.4.3) è necessario imporre una trasformazione del-
¡ ¢
lo spazio x, w, ξ, q moltiplicando per una opportuna matrice di cambiamento di
coordinate T1 = diag (Q, I, I, U ) = diag (P −1 , I, I, M −1 ), a destra e sinistra ed infine
porre H = KQ. In questo modo l’equazione (2.4.3) diventa:

 
AQ Bw 0 Bq U
 0 − I2 0 0 
He 
 γ 2 ≤0

Cz Q Dzw − 2 I Dzq U
Cy Q + KQ Dyw 0 Dyq U − U
 
AQ Bw 0 Bq U
 0 − I2 0 0 
⇔ He   ≤0 (2.4.4)
Cz Q γ2
Dzw − 2 I Dzq U 
Cy Q + H Dyw 0 Dyq U − U
LMI lineare in Q, H, U, γ 2 [4].
Anche per il vincolo di inclusione è necessario trasformare lo spazio delle varia-
bili, in quanto presenta ancora la variabile K, scomparsa dall’equazione (2.4.4) per
eliminare la nonlinearità e sostituita dalla nuova variabile H. Si opera in modo con-
gruo a quanto precedentemente fatto, moltiplicando per una opportuna matrice di
cambiamento di coordinate T2 , a sinistra e a destra (usando la stessa matrice ma
trasposta):
· ¸ · ¸
0 I 0 I
T2 = =
Q 0 P −1 0
10
M (Cy + K) = M Cy + M K con M e K incognite.
30
In questo modo l’equazione (2.3.9) diventa:

· ¸· ¸· ¸ · u2 ¸ ·u2 ¸
0 I P KiT 0 Q i
Ki Q i
Hi
2 = s2
= s2
≥ 0 ∀i = 1, ..., nu
Q 0 Ki usi2 I 0 QKiT QP Q HiT Q
(2.4.5)
2
LMI lineare in Q,H, usi2 [4].
Teorema 2.4.1. Guadagno L2 nonlineare a tempo continuo.
Per il sistema di controllo anti-windup descritto dall’equazione (2.3.1), per ogni s > 0
si definisce:
γ(s) = min γ s.t.

Q,U,H,γ
 
AQ Bw 0 Bq U
 0 −2I
0 0 
He 
 Cz Q γ2
≤0
 (2.4.6)
Dzw − 2 I Dzq U
Cy Q + H Dyw 0 Dyq U − U
· u2 ¸
i
Hi
s2 ≥ 0 ∀i = 1, ..., nu (2.4.7)
HiT Q
Dove U > 0 diagonale, Q = QT > 0. Allora γ : R+ → R+ è non decrescente e risolve
il problema 2.1.
Osservazione 2.4.1. Se H = 0 allora la equazione (2.4.7) svanisce (infatti applicando

ui 2 ui 2
lo Schur Complement si ottiene il vincolo mai attivo: Hi Q−1 HiT ≤ s2
⇒ s2
≥ 0) e
di conseguenza la equazione (2.4.6) caratterizza il guadagno L2 globale γG del sistema
di controllo anti-windup. γG è un upper bound per la funzione γ(·), cioè:
γ(·) ≤ γG
ui 2
Inoltre, dalla disuguaglianza (2.4.7) e dalla Hi Q−1 HiT ≤ s2
, se s → ∞ allora H → 0.
¤
X
Osservazione 2.4.2. Diagramma guadagno L2 nonlineare.
Per tracciare il diagramma del guadagno L2 nonlineare γ(s) del sistema di controllo
31
anti-windup (equazione (1.4.6)) su un certo intervallo Is di valori s è sufficiente ap-
plicare il teorema 2.4.1 ∀sk ∈ Is , [skmin , skM AX ], ottenendo i corrispondenti γ(sk ).
Il diagramma del guadagno L2 nonlineare è dato dall’interpolazione delle coppie di
valori (sk , γ(sk )). ¤

X
2.4.1 Implicazioni
1. Stabilità: se w = 0 e x(0) ∈ EP s , allora è garantita la stabilità del sistema
con dominio di attrazione stimato EP s (nel caso di RES11 ). Infatti, sotto queste
ipotesi, l’equazione (2.4.1) diventa:
h∇V (x),ẋi + 2q T M (yc − q + Kx) < 0 (2.4.8)
Poiché x(0) ∈ EP s allora vale la proprietà GS (equazione (2.3.7)) e si ha:
2q TM (yc −q+Kx) ≥ 0
Quindi l’equazione (2.4.8) diventa:
h∇V (x), ẋi < 0 (2.4.9)
Che, come visto nel paragrafo 2.1 e nel paragrafo 2.2, garantisce la stabilità
esponenziale (in questo caso garantita solo ∀x ∈ EP s ). Inoltre, x(0) ∈ EP s e
l’equazione (2.4.9) implica che EP s è un insieme invariante in avanti.
2. Invarianza con disturbi limitati : se x(0) = 0 e kwk2 < s l’equazione (2.4.1)

11
Stabilità Esponenziale Regionale.
32
Cap. 2 Analisi e sintesi a tempo continuo §2.5 Sintesi di anti-windup statico
diventa:
1 T
V̇ + z z − wT w < 0 ⇒ h∇V (x),ẋi − wT w < 0
γ2
⇒ h∇V (x),ẋi < wT w
Z t Z t
dV (x(τ ))
⇒ dτ < |w(τ )|2 dτ = kwk22 < s2
0 dτ 0
⇒ V (t) − V (0) = V (t) < s2 ∀t
3. Guadagno L2 nonlineare: se x(0) = 0 e kwk2 < s, in virtù della stabilità e
dell’invarianza con disturbi limitati si ha x(t) ∈ EP s , ∀t, e quindi vale GS, ∀t.
Questo implica che l’equazione (2.4.1) si particolarizza in:
1 T
V̇ + z z − wT w < 0 ∀t (2.4.10)
γ2
Poiché x(0) = 0 allora V (0) = 0, sicché integrando l’equazione (2.4.10) si ottiene:

Z tµ ¶
1 T T
V̇ (x(τ )) + 2 z(τ ) z(τ ) − w(τ ) w(τ ) dτ < 0 ∀w : kwk2 < s
0 γ
Z t Z t
1 T
V (t) + 2 z(τ ) z(τ ) − w(τ )T w(τ ) < 0 ∀w : kwk2 < s
γ 0 0
1
0 < V (t) < kwk22 − 2 kzk22 ∀w : kwk2 < s
γ
kzk2 < γ(kwk2 )kwk2 ∀w : kwk2 < s (2.4.11)
L’equazione (2.4.11) definisce una curva di guadagno L2 nonlineare tra w e z.
2.5 Sintesi di anti-windup statico a tempo conti-

nuo con prestazione regionale o globale
Problema 2.2. [5] Siano le matrici del processo P e del controllore C fissate, sin-
tetizzare le matrici del compensatore anti-windup statico Λ che garantiscono buona
connessione, stabilità interna e prestazione ottimizzata (problema 2.1) per il sistema
di controllo anti-windup a tempo continuo (equazione (2.5.1), figura 2.3).
33
Figura 2.3: Sistema di controllo anti-windup a tempo continuo con compensatore

anti-windup statico.

 ẋ = Ax + Bw w + (Bq + BL Λ)q
H: yc = Cy x + Dyw w + (Dyq + DyL Λ)q (2.5.1)

q = dz(yc )
In altre parole si cerca un compensatore anti-windup statico Λ ottimo, che garantisca
per il ciclo chiuso ottenuto dall’interconnessione del processo12 e del controllore13
attraverso saturazione e compensatore anti-windup14 Λ, le proprietà:
1. Buona connessione.
2. Stabilità.
3. Prestazione garantita ottimizzata.
Si consideri come funzione di Lyapunov, la funzione quadratica in x definita positiva:
V (x) = xT P x con P = PT > 0

12
Il processo a tempo continuo è descritto dall’equazione (1.4.1).
13
Il controllore a tempo continuo è descritto dall’equazione (1.4.2).
14
Il compensatore anti-windup e il legame uscita del controllore - saturazione - ingresso al processo
è descritto dall’equazione (1.4.7).
34
Per garantire stabilità e prestazione occorre impostare la seconda disequazione di
Lyapunov inserendo la proprietà di settore generalizzata (equazione (2.3.6)), come in
equazione (2.4.1), particolarizzata per il sistema di controllo anti-windup H (equazio-
ne (2.5.1)):
1 T
V̇ + 2
z z−wTw < 0 ∀x ∈ EP s ∃M = diag{mi } :q TM (yc − q + Kx) ≥ 0
γ
Applicando S-Procedure (la cui trattazione si rimanda a [1]) viene annessa la GS
(equazione (2.3.6)) nella disequazione di Lyapunov:
1 T
V̇ + z z − wT w + 2q T M (yc − q + Kx) < 0 (2.5.2)
γ2
Esplicitando ẋ, z e yc , si ottiene una disequazione matriciale nonlineare piuttosto
complicata. Per chiarezza si esplicita una variabile alla volta:
I V̇
V̇ = xT P ẋ + ẋT P x
= xTP (Ax+Bw w+(Bq +BL Λ)q)+(Ax+Bw w+(Bq +BL Λ)q)TP x

 T   
x P A + AT P P B w P Bq + P BL Λ x
=  w   BwT P 0 0  w  (2.5.3)
T
q (P Bq + P BL Λ) 0 0 q
1 T
I γ2
z z
1 T 1
2
z z = (Cz x+Dzw w+(Dzq +DzL Λ)q)T 2 (Cz x+Dzw w+(Dzq +DzL Λ)q)
γ γ
 T    T   
x CzT CzT x

=  w   T
Dzw  1  D T
zw
  
 w
γ2
q (Dzq + DzL Λ)T (Dzq + DzL Λ)T q
35
Applicando lo Schur Complement15 si ottiene:

 T   
x 0 0 0 CzT x
 w  0 0 0 T
Dzw  w 
     (2.5.4)
 q  0 0 0 (Dzq + DzL Λ)  
T
q 
ξ Cz Dzw (Dzq + DzL Λ) −γ 2 Iz ξ
I 2q T M (yc − q + Kx)
2q TM (yc −q+Kxk ) = 2q TM ((Cy +K)xk +Dyw w+(Dyq +DyL Λ−I) q)
= q TM ((Cy +K)xk +Dyw w+(Dyq +DyL Λ−I) q)+
+((Cy +K)xk +Dyw w+(Dyq +DyL Λ−I) q)TM q
Che espresse in forma di LMI diventa:

 
 T 0 0 (Cy + K)TM  
x  T  x
 w   0 0 · DywM ¸ w 
 (2.5.5)
M (Dyq +DyL Λ−I)+ 
q M (Cy + K) M Dyw q
+(Dyq +DyL Λ−I)T M
Sostituendo l’equazione (2.5.3), l’equazione (2.5.4) e l’equazione (2.5.5) nell’equazione
(2.5.2) e applicando16 l’operatore He(·) si giunge a:

 
PA P Bw P (Bq +BL Λ) 0
 0 − I2w 0 0 
He M (Cy +K) M Dyw M (Dyq +DyL Λ−I)
<0 (2.5.6)
0 
2
Cz Dzw Dzq +DzL Λ − γ2 Iz
L’equazione (2.5.6) è una disequazione matriciale nonlineare, in quanto presenta
prodotti tra matrici incognite:
1. P e Λ in P (Bq + BL Λ)
2. M e K in M (Cy + K)
3. M e Λ in M (Dyq + DyL Λ − I)
15
Nello specifico la formulazione dello Schur Complement riportata nell’equazione (1.4.6) in [2].
16
L’operatore He(·) è descritto nel paragrafo A.1.
36
Per rendere lineare l’equazione (2.5.6) occorre in primo luogo applicare una trasfor-
mazione dello spazio delle variabili,17 moltiplicando a destra e sinistra per:
¡ ¢
diag (Q, I, U, I) = diag P −1, I, M −1, I
Ed infine cancellare le nonlinearità sostituendo i prodotti di variabili decisionali con
nuove variabili, ovvero ponendo H = KQ e X = ΛU . In questo modo l’equazione
(2.5.6) diventa:
 
AQ Bw (Bq + BL Λ)U 0
 0 − I2w 0 0 
He 
(Cy + K)Q Dyw (Dyq + DyL Λ − I)U
<0
0 
2
Cz Q Dzw (Dzq + DzL Λ)U − γ2 Iz
che corrisponde a:
 
AQ Bw Bq U + BL X 0
 0 − I2w 0 0 
He 
Cy Q + H Dyw Dyq U + DyL X − U
<0 (2.5.7)
0 
2
Cz Q Dzw Dzq U + DzL X − γ2 Iz
LMI lineare in Q, H, U, X, γ 2 [4].
Per quel che riguarda il vincolo di inclusione per la condizione di settore genera-
lizzata, con i passaggi visti nel paragrafo 2.3 si perviene all’equazione (2.3.9). Infine
con una trasformazione dello spazio analoga a quella vista nell’equazione (2.5.7) e
ponendo H = KQ, si ottiene la LMI riportata nell’equazione (2.5.8):

· ¸· ¸· ¸ ·u2 ¸
0 I P KiT 0 Q i
H i
2 = sT
2
≥ 0 ∀i = 1, ..., nu (2.5.8)
Q 0 Ki usi2 I 0 Hi Q
Teorema 2.5.1. Guadagno L2 nonlineare per anti-windup statico a tempo
continuo.
Sia H il sistema di controllo anti-windup statico definito nell’equazione (2.5.1), per

17
Si noti che M è una matrice diagonale definita positiva, perciò U = M −1 è anche essa diagonale
definita positiva.
37
ogni s > 0 si definisce:
γ(s) , min γ s.t. (2.5.9)

Q,U,H,X,γ
 
AQ Bw Bq U + BL X 0
 0 − I2 0 0 

He  <0 (2.5.10)
Cy Q + H Dyw Dyq U + DyL X − U 0 
2
Cz Q Dzw Dzq U + DzL X − γ2 I
·u2 ¸
i
Hi
s2 ≥ 0 ∀i = 1, ..., nu (2.5.11)
HiT Q
LMI lineare in Q = QT > 0, U > 0 diagonale, H, X e γ 2 . Allora γ : R+ → R+
è non decrescente e risolve il problema 2.1 e Λ = XU −1 è il compensatore ottimo
anti-windup statico che risolve il problema 2.2.
Il teorema 2.5.1 generalizza il teorema 2.4.1 (introducendo la sintesi di Λ) e perciò
ha anche le stesse implicazioni (vedasi paragrafo 2.4.1).
Osservazione 2.5.1. Se H = 0 allora l’equazione (2.5.11) svanisce (infatti applicando

ui 2 ui 2
lo Schur Complement si ottiene un vincolo mai attivo: Hi Q−1 HiT ≤ s2
⇒ s2
≥ 0) e
di conseguenza l’equazione (2.5.10) caratterizza il guadagno L2 globale γG del sistema
di controllo anti-windup statico. γG è un upperbound per la funzione γ(·), cioè:
γ(·) ≤ γG
¤
X
Osservazione 2.5.2. Guadagno L2 locale.
Fissato s = s̄, l’ottimizzazione dell’equazione (2.5.9) fornisce:
1. La stima γ(s̄) del guadagno L2 locale tra w e z, ∀w ∈ L2 : kwk2 ≤ s̄.
2. Il compensatore anti-windup statico Λ(s̄) che garantisce le tre proprietà18 , ∀w ∈
L2 : kwk2 ≤ s̄.
18
Buona connessione, Stabilità, Prestazione.
38
Cap. 2 Analisi e sintesi a tempo continuo §2.6 Minimo guadagno L2 nonlineare
Se w : kwk2 > s̄ allora non è più garantita la stabilità. ¤

X
Osservazione 2.5.3. Diagramma guadagno L2 nonlineare.
Una volta sintetizzato Λ(s̄) è possibile tracciare il diagramma del guadagno L2
nonlineare γ(s) del sistema di controllo anti-windup con Λ = Λ(s̄) come in osserva-
zione 2.4.2 giustapponendo in luogo delle matrici Bq , Dyq , Dzq nel teorema 2.4.1, le
matrici (ora completamente note) del sistema di controllo anti-windup definite nel
paragrafo 1.4.4: (Bq + BL Λ), (Dyq + DyL Λ), (Dzq + DzL Λ), cioè è possibile tracciare il
diagramma del guadagno L2 nonlineare γ(s) del sistema di controllo anti-windup ap-
plicando il teorema 2.4.1 ∀sk ∈ Is , [skmin , skM AX ], ottenendo i corrispondenti γ(sk ),
e interpolando le coppie di valori (sk , γ(sk )). ¤

X
Definizione 2.5.1. anti-windup statico globale.
Un compensatore anti-windup statico, cioè un guadagno Λg , è detto con prestazione
globale se per ogni riferimento (o disturbo) w ∈ L2 mantiene la buona connessione,
l’stabilità asintotica e garantisce perdita di prestazione limitata del ciclo chiuso, ovvero
γG < ∞.
Osservazione 2.5.4. Guadagno L2 globale. Un compensatore anti-windup statico
Λg con prestazione globale è ottenuto, se esiste, risolvendo l’equazione (2.5.9) con
s = ∞: tale compensatore garantisce γ(s = ∞) = γG < ∞. ¤

X
2.6 Minimo guadagno L2 nonlineare
Il minimo guadagno L2 nonlineare γmin (s) è un lower bound sul guadagno L2 nonli-
neare γ(s) (equazione (2.5.9)) ed è utile per definire il limite di migliore prestazione
ottenibile. Quindi, tutti i compensatori anti-windup sintetizzabili (con le diverse
39
tecniche in letteratura) presentano una prestazione γ non migliore, cioè:
∀s γmin (s) ≤ γ(s)
Sia Is , [skmin , skM AX ] l’intervallo di bound19 s su cui si vuole tracciare il diagramma
del minimo guadagno L2 nonlineare. Come mostrato in osservazione 2.5.2, ad ogni
valore di sk corrisponde, come risultato dell’ottimizzazione dell’equazione (2.5.9), un
solo valore di γk e di Λk . Quindi per tracciare il diagramma del minimo guadagno
L2 nonlineare γmin (s) occorre risolvere ∀sk ∈ Is l’equazione (2.5.9) nelle variabili
Q = QT > 0, U > 0 diagonale, H, X e γ 2 (sk ). Il diagramma è, quindi, l’interpolazio-
ne delle coppie (sk , γ(sk )). In figura 2.4 è riportato, a titolo di esempio, il diagramma
del minimo guadagno L2 nonlineare per il sistema “massa molla smorzatore” la cui
analisi sarà approfondita nel capitolo 6.
19
Per ogni bound s si vuole che le proprietà garantite valgano per ogni w ∈ L2 : kwk2 < s.
40
Minimo Guadagno L2 nonlineare su intervallo: [−3 3] (valori s) e Nalfa = 20

3
10
2
10
1
10
Minimo guadagno L nonlineare TC

2
Guadagno globale (ottenuto per s=Inf)
0
10
−3 −2 −1 0 1 2 3
10 10 10 10 10 10 10
Figura 2.4: Esempio di minimo guadagno L2 nonlineare per un sistema “massa molla
smorzatore”.
41
Capitolo 3
Analisi e sintesi di stabilità e

prestazione per sistemi lineari
saturati a tempo discreto
In questo capitolo viene discusso e dimostrato il teorema Guadagno

L2 nonlineare per sistemi dinamici lineari a tempo discreto ad
ingressi saturati. Questo teorema è fondamentale per la sintesi del
compensatore anti-windup statico da applicare al sistema dinamico
per il recupero della prestazione degradata dal windup. La dimo-
strazione del teorema si sviluppa su un percorso logico analogo a
quello del capitolo 2 e i cui step salienti sono descritti nei paragrafi
3.1 e 3.2. Nel paragrafo 3.3 viene discusso e dimostrato il teorema
Guadagno L2 nonlineare per la sintesi di anti-windup statico per si-
stemi dinamici lineari a tempo discreto, che generalizza il prece-
dente teorema introducendo la sintesi del compensatore anti-windup
statico Λ per sistemi a tempo discreto.
Problema 3.1. Dato un sistema di controllo anti-windup a tempo discreto, deter-
minare il guadagno L2 nonlineare da w a z, una funzione γ(·) non decrescente tale
che:
kzk2 ≤ γ (kwk2 ) kwk2 (3.0.1)
42
Cap. 3 Analisi e sintesi a tempo discreto §3.1 Disequazioni di Lyapunov
3.1 Disequazioni di Lyapunov
Le disequazioni di Lyapunov permettono di determinare se un sistema dinamico a
tempo discreto è asintoticamente stabile.
Si consideri il sistema dinamico lineare a tempo discreto:
x+ = Ax (3.1.1)
esso è globalmente asintoticamente stabile se esiste una funzione V (·) di Lyapunov a
valori reali positivi definita sullo spazio di stato (equazione (3.1.2)) per la quale sono
verificate le disequazioni di Lyapunov (equazione (3.1.3), equazione (3.1.4)):
x+ = Ax è GES ⇐ ∃V (·) : X → R≥0 (3.1.2)
V ∈ C 1 , tale che V (x) > 0,∀x ∈ X \ {0} (3.1.3)
4V (x) = V (x+ ) − V (x) < 0,∀x (3.1.4)
Si consideri, ora, una funzione quadratica in x cosı̀ definita:
V = xT P x con P = PT > 0 (3.1.5)
Essa verifica l’equazione (3.1.2) e l’equazione (3.1.3), ed è quindi una buona candidata
come funzione di Lyapunov. Affinché lo sia deve essere rispettata anche la seconda
disequazione di Lyapunov (equazione (3.1.4)):
T
4V < 0 ⇒ 4V = V + −V = x+ P x+ −xTP x = xT(ATP A−P )x < 0 (3.1.6)
Quindi una funzione quadratica che verifica l’equazione (3.1.5) e equazione (3.1.6) è
di Lyapunov per sistemi a tempo discreto.
Queste condizioni sono riscrivibili come sistema di disequazioni matriciali lineari
(equazione 3.1.7) facilmente risolvibili:

½
+ V > 0 ⇐ P = PT > 0
x = Ax è GES ⇐ (3.1.7)
4V < 0 ⇐ AT P A − P < 0
43
Cap. 3 Analisi e sintesi a tempo discreto §3.2 Stabilità e prestazione
3.2 Sistemi con saturazione: stabilità e prestazio-

ne
Si consideri il sistema di controllo a ciclo chiuso saturato a tempo discreto H (equa-
zione (3.2.1)) ottenuto come ciclo chiuso dell’impianto saturato e del suo controllore
non saturato1 :
 +
 x = Ax + Bq q + Bw w
H: z = Cz x + Dzq q + Dzw w (3.2.1)

q = dz(yc ) = yc − sat(yc ) (3.2.2)
Alla luce di quanto visto in paragrafo 3.1, operando in modo analogo a quanto visto
Figura 3.1: Schema equivalente H di sistema a tempo discreto saturato: modello con
deadzone.
in paragrafo 2.2 è possibile introdurre una funzione di Lyapunov per l’attenuazione dei
disturbi con medesime caratteristiche e proprietà anche a tempo discreto (stabilità e
prestazione). Seguendo i passi sviluppati nel precedente capitolo si può inserire un’ul-
teriore specifica, ovvero il soddisfacimento della proprietà di settore generalizzata,
che garantisce il mantenimento della buona connessione in senso nonlineare. Con dei
passaggi del tutto analoghi a quanto visto nell’equazione (2.3.4) e quindi applicando
la S-Procedure, rimandando ad un passo successivo la formalizzazione del vincolo di

1
Controllore che garantisce certe specifiche sintetizzato per il processo non saturato.
44
Cap. 3 Analisi e sintesi a tempo discreto §3.2 Stabilità e prestazione
inclusione in EP s , si ottiene la disuguaglianza matriciale nonlineare2 equazione (3.2.4):
1 T
z z − wT w + 2q T M (yc − q + Kx) ≤ 0, ∀x, w, q ⇔
4V (x) + (3.2.3)
γ2
 
 T −P −1 A Bw Bq 0  
ξ  T T T  ξ
x  A −P 0 (Cy + K) M Cz  
   BT 0 −I · Dyw T
M ¸ Dzw T  x 
⇔ w
 
 w  w  ≤ 0, ∀ξ, x, w, q, l
 
 q   B T M (Cy+K) M Dyw M Dyq+ T  
 q T D zq  q
+Dyq M −2M
l l
0 Cz Dzw Dzq −γ 2 I
(3.2.4)
Per rendere lineare l’equazione (3.2.4) è necessario imporre una trasformazione del-
£ ¤
lo spazio ξ, x, w, q, l moltiplicando per una opportuna matrice di cambiamento di
coordinate T1 = diag (I, Q, I, U, I) = diag (I, P −1 , I, M −1 , I), a destra e sinistra ed
infine porre H = KQ. In questo modo l’equazione (3.2.4) diventa è soddisfatta se e
solo se:  
− 21 Q AQ Bw Bq U 0
 0 1
−2Q 0 0 0 
 
He 
 0 0 − 21 Iw 0 0 ≤0

 0 (Cy + K) Q Dyw (Dyq − I) U 0 
γ2
0 Cz Q Dzw Dzq U − 2 Iz
se e solo se:
 
− 12 Q AQ Bw Bq U 0
 0 − 12 Q 0 0 0 
 
He 
 0 0 − 21 Iw 0 0 ≤0
 (3.2.5)
 0 Cy Q + H Dyw (Dyq − I) U 0 
γ2
LMI lineare in Q,H,U,γ 2 [4].
lizzata, con i passaggi visti nel paragrafo 2.4 si perviene all’equazione (2.3.9). Infine
con una trasformazione dello spazio analoga a quella di equazione (3.2.5) e ponendo
H = KQ, si ottiene la LMI descritta dall’equazione (2.4.5).

2
La nonlinearità dell’equazione (3.2.4) risiede nei fattori M (Cy + K) = M Cy + M K in cui M e
K sono matrici incognite.
45
Cap. 3 Analisi e sintesi a tempo discreto §3.3 Sintesi di anti-windup statico
Teorema 3.2.1. Guadagno L2 nonlineare a tempo discreto.
Per il sistema di controllo anti-windup equazione (3.2.1), per ogni s > 0 si definisce:
γ(s) = min γ s.t.

Q,U,H,γ
 1 
−2Q AQ Bw Bq U 0
 0 1
−2Q 0 0 0 
 

He  0 0 − 1
I 0 0 ≤0 (3.2.6)
2 w 
 0 (Cy Q + H) Dyw (Dyq − I) U 0 
γ2
· u2 ¸
i
Hi
s2
T ≥ 0 ∀i = 1, ..., nu (3.2.7)
Hi Q
Dove U > 0 diagonale, Q = QT > 0. Allora γ : R+ → R+ è non decrescente e risolve
il problema 3.1.
Come per il caso a tempo continuo, valgono le osservazioni 2.4.1 e 2.4.2 particola-
rizzate per il teorema 3.2.1.
3.2.1 Implicazioni
Le implicazioni del teorema del guadagno L2 nonlineare per sistemi a tempo discreto
sono le medesime della versione per sistemi a tempo continuo (paragrafo 2.4.1).
3.3 Sintesi di anti-windup statico a tempo discreto

con prestazione regionale o globale
Problema 3.2. [5] Siano le matrici del processo P e del controllore C fissate, sin-
tetizzare le matrici del compensatore anti-windup statico Λ che garantiscono buona
connessione, stabilità interna e prestazione ottimizzata (problema 3.1) per il sistema
di controllo anti-windup a tempo discreto (equazione (3.3.1), figura 3.2).
46
Figura 3.2: Sistema di controllo anti-windup a tempo discreto con compensatore

anti-windup statico.
 +
 x = Ax + Bw w + (Bq + BL Λ)q
H: y = Cy x + Dyw w + (Dyq + DyL Λ)q (3.3.1)

q = dz(yc )
In altre parole si cerca un compensatore anti-windup statico Λ ottimo, che garanti-
sca per il ciclo chiuso ottenuto dall’interconnessione del processo3 e del controllore4
attraverso saturazione e compensatore anti-windup5 Λ, le proprietà:
1. Buona connessione.
2. Stabilità.
3. Prestazione garantita ottimizzata.
Si consideri come funzione di Lyapunov, la funzione quadratica in x definita positiva:
V (x) = xT P x con P = PT > 0

3
Il processo a tempo discreto è descritto dalla versione a tempo discreto dell’equazione (1.4.1).
4
Il controllore a tempo discreto è descritto dalla versione a tempo discreto dell’equazione (1.4.2).
5
Il compensatore anti-windup e il legame uscita del controllore - saturazione - ingresso al processo
è descritto dall’equazione (1.4.7).
47
Per garantire stabilità e prestazione occorre impostare la seconda disequazione di
Lyapunov inserendo la proprietà di settore generalizzata (equazione (2.3.6)), come
nell’equazione (3.2.3), particolarizzata per il sistema di controllo anti-windup H (equa-
zione (3.3.1)):
1 T
4V (x)+ 2
z z−wTw < 0 ∀x ∈ EP s ∃M = diag{mi } :q TM (yc −q+Kx) ≥ 0
γ
Applicando la S-Procedure (la cui trattazione si rimanda a [1]) viene annessa la GS
(equazione (2.3.6)) nella disequazione di Lyapunov:
1 T
4V (x) + z z − wT w + 2q T M (yc − q + Kx) < 0 (3.3.2)
γ2
Esplicitando x+ , z e yc , si ottiene una disequazione matriciale nonlineare piuttosto
complicata. Per chiarezza si esplicita una variabile alla volta:
I 4V
T
4V = x+ P x + − xT P x
= (Ax+Bw w+(Bq +BL Λ) q)T P (Ax+Bw w+(Bq +BL Λ) q)−xT P x

 T   T   
x AT AT P 0 0 x
  − 0 0 0 
=  w   BwT P  BwT   w 
T T
q (Bq +BL Λ) (Bq +BL Λ) 0 0 0 q

 T   
ξ −P −1 A Bw (Bq + BL Λ) ξ
 x   AT −P 0 0  x 
     (3.3.3)
 w   BwT 0 0 0  w 
T
q (Bq + BL Λ) 0 0 0 q
6
48
1 T
I γ2
z z
1 T T 1
z z = (Cz x+D zw w+(D zq +D zL Λ)q) (Cz x+Dzw w+(Dzq +DzL Λ)q)
γ2 γ2
 T   T 
x CzT CzT x
    1   
 w

T T
= w  Dzw Dzw
T γ2 T
q (Dzq + DzL Λ) (Dzq + DzL Λ) q

 T   
x 0 0 0 CzT x
 w  0 0 0 T
Dzw  w 
     (3.3.4)
 q  0 0 0 (Dzq + DzL Λ)T
q 
l Cz Dzw (Dzq + DzL Λ) −γ 2 Iz l
I 2q T M (yc − q + Kx)
2q TM (yc −q+Kx) = 2q TM ((Cy +K)x+Dyw w+(Dyq +DyL Λ−I) q)
= q TM ((Cy +K)x+Dyw w+(Dyq +DyL Λ−I) q)+
+((Cy +K)x+Dyw w+(Dyq +DyL Λ−I) q)TM q
Che espresse in forma di LMI diventa:
 
 T 0 0 (Cy +K)TM  
x  T  x
 w   0 0 · DywM ¸ w 
 (3.3.5)
M (Dyq +DyL Λ−I)+ 
q M (Cy +K) M Dyw q
+(Dyq +DyL Λ−I)T M
Sostituendo le equazioni (3.3.3), (3.3.4) e (3.3.5) nell’equazione (3.3.2) si ottiene:
 
 T −P −1 A Bw Bq +BL Λ 0  
ξ   A T
−P 0 (C y +K) T
M C T
z
 ξ

x  BwT 0 −Iw  DywT
M T
Dzw  x 
    
w   M (D +D Λ)+  w 
  yq yL  
 q  (Bq +BL Λ) M (Cy +K) MDyw +(Dyq +Λ DyL )M  (Dzq +DzL Λ)  q 
T T T T T
 
l  −2M  l
0 Cz Dzw Dzq +DzL Λ −γ 2 Iz
7
49
Che è negativa per ogni ξ, x, w, q, l 6= 0 se e solo se:
 
−P −1 A Bw
Bq +BL Λ 0
 AT −P (Cy +K)TM
0 CzT 
 
 BwT 0 T
−Iw 
DywM T
Dzw 
  
 M (D +D Λ)+ < 0 (3.3.6)
 yq yL 
(Bq +BL Λ) M (Cy +K) MDyw +(Dyq +Λ DyL )M  (Dzq +DzL Λ) 
T T T T T
 
 −2M 
0 Cz Dzw Dzq +DzL Λ −γ 2 Iz
L’equazione (3.3.6) è una disequazione matriciale nonlineare, in quanto presenta
prodotti tra matrici incognite:
T
1. M e Λ in M (Dyq + DyL Λ) + (Dyq + ΛT DyL
T
)M − 2M
2. M e K in M (Cy + K)
Per rendere lineare l’equazione (3.3.6) è necessario imporre una trasformazione di coor-
£ ¤
dinate ξ, x, w, q, l moltiplicando per una opportuna matrice8 T1 = diag (I, Q, I, U, I) =
diag (I, P −1 , I, M −1 , I) a destra e sinistra e cancellare le nonlinearità sostituendo i pro-
dotti di variabili decisionali con nuove variabili, ovvero ponendo H = KQ e X = ΛU .
In questo modo l’equazione (3.3.6) diventa:
 
− 12 Q AQ Bw (Bq + BL Λ)U 0
 0 1
−2Q 0 0 0 
 
He 
 0 0 − 12 Iw 0 0 <0

 0 (Cy + K) Q Dyw (Dyq + DyL Λ − I)U 0 
γ2
0 Cz Q Dzw (Dzq + DzL Λ)U − 2 Iz
ed infine:
 
− 12 Q AQ Bw Bq U + BL X 0
 0 − 21 Q 0 0 0 
 
He 
 0 0 − 12 Iw 0 0 <0
 (3.3.7)
 0 Cy Q + H Dyw Dyq U + DyL X − U 0 
γ2
0 Cz Q Dzw Dzq U + DzL X − 2 Iz
8
M è una matrice diagonale definita positiva, perciò U = M −1 è anche essa diagonale definita
positiva.
50
LMI lineare in Q, H, U, X, γ 2 [4].
lizzata, con i passaggi visti in paragrafo 2.3 si perviene all’equazione (2.3.9). Infine
con una trasformazione dello spazio analoga a quella dell’equazione (2.5.7) e ponendo
H = KQ, si ottiene la LMI (3.3.8):

· ¸· ¸· ¸ ·u2 ¸
0 I P KiT 0 Q i
H i
2 = sT
2
≥ 0 ∀i = 1, ..., nu (3.3.8)
Q 0 Ki usi2 I 0 Hi Q
Teorema 3.3.1. Guadagno L2 nonlineare per anti-windup statico a tempo
discreto.
Sia H (equazione (3.3.1)) il sistema di controllo anti-windup statico, per ogni s > 0
si definisce:
γ(s) , min γ s.t. (3.3.9)

Q,U,H,X,γ
 1 
−2Q AQ Bw Bq U + BL X 0
 0 1
−2Q 0 0 0 
 
He 
 0 0 − 1
I
2 w
0 0  < 0 (3.3.10)

γ2
·u2 ¸
i
Hi
s2 ≥ 0 ∀i = 1, ..., nu (3.3.11)
HiT Q
LMI lineare in Q = QT > 0, U > 0 diagonale, H, X e γ 2 . Allora γ : R+ → R+
è non decrescente e risolve il problema 3.1 e Λ = XU −1 è il compensatore ottimo
anti-windup statico che risolve il problema 3.2.
Il teorema 3.3.1 generalizza il teorema 3.2.1 (introducendo la sintesi di Λ) e perciò
ha anche le stesse implicazioni (vedasi paragrafo 3.2.1). Inoltre valgono le stesse
osservazioni del teorema9 2.5.1: osservazioni 2.5.1, 2.5.2, 2.5.3 e 2.5.4 particolarizzate
per il teorema 3.2.1.

9
Versione per sistemi a tempo continuo del teorema 3.3.1.
51
Cap. 3 Analisi e sintesi a tempo discreto §3.4 Minimo guadagno L2 nonlineare
3.4 Minimo guadagno L2 nonlineare
Analogamente a quanto visto nel paragrafo 2.6 per i sistemi a tempo continuo, è
possibile definire il minimo guadagno L2 nonlineare γmin (s) per sistemi anti-windup
a ciclo chiuso a tempo discreto, come il lower bound sul guadagno L2 nonlineare γ(s)
(equazione (3.3.9)). γmin (s) definisce il limite di migliore prestazione ottenibile, ed è
calcolato nel medesimo modo descritto nel paragrafo 2.6 ma sostituendo all’equazione
(2.5.9) l’equazione (3.3.9).
52
Capitolo 4
Sintesi di anti-windup statico a

tempo continuo con prestazione
nonlineare ottimizzata
In questo capitolo vengono presentati due algoritmi per la sintesi
di anti-windup statico, Λα1 e Λα2 , a tempo continuo con prestazio-
ne nonlineare più performante rispetto al anti-windup statico con
prestazione globale Λ (definizione 2.5.1).
4.1 Compensatori Λg (a tempo continuo)
Il compensatore anti-windup statico con prestazione globale Λg (definizione 2.5.1),
garantisce un guadagno L2 del sistema limitato per ogni riferimento (disturbo) w ∈ L2 .
Λg è ottenuto dalle matrici X e U ottime, minimizzando l’equazione (2.5.9) con s = ∞.
In virtù dell’osservazione 2.5.1 la seconda LMI (disequazione (2.5.11)) non è mai
attiva, quindi inutile come vincolo nell’ottimizzazione, che risulta essere:
γ(s)s=∞ , min γ s.t. (4.1.1)

Q,U,H,X,γ
 
AQ Bw Bq U + BL X 0
 0 − I2 0 0 
0 > He 
Cy Q + H Dyw Dyq U + DyL X − U

0 
2
Cz Q Dzw Dzq U + DzL X − γ2 I
53
Cap. 4 Sintesi di anti-windup statico a tempo continuo §4.2 Compensatori Λα
4.2 Compensatori Λα (a tempo continuo)
I compensatori statici anti-windup con prestazione globale Λα garantiscono un gua-
dagno L2 del sistema di controllo anti-windup a ciclo chiuso:
I Migliore rispetto al guadagno L2 del compensatore globale Λg (equazione (4.1.1))
in quanto sintetizzato con una politica che minimizza la distanza tra minimo
guadagno L2 nonlineare (vedasi paragrafo 2.6) e guadagno L2 nonlineare che
compete al sistema di controllo anti-windup con compensatore Λα .
I metodi di sintesi presentati sfruttano come lower bound il minimo guadagno L2
nonlineare (paragrafo 2.6) e nella fattispecie associano ad ogni sua coppia di valori1
(sk , γmin (sk )) un set di LMI specifico, simile a quello presentato nel teorema 2.5.1,
dipendente dalla variabile decisionale α.
La differenza che caratterizza i due diversi algoritmi risiede nella funzione obiettivo
che ottimizzano e nell’utilizzo della variabile decisionale α.
I Il primo minimizza una variabile scalare α comune a tutti i set di LMI, vincoli
dell’ottimizzazione.
I Il secondo minimizza una funzione obiettivo pari alla somma pesata rispet-
to al guadagno L2 nonlineare, di variabili decisionali αk di cui ogni variabile
caratterizza un solo set di LMI, vincoli dell’ottimizzazione.

1
γmin (sk ) è il minimo guadagno L2 nonlineare definito nel paragrafo 2.6, per segnali esogeni a
norma L2 minore di sk .
54
4.2.1 Sintesi di anti-windup con algoritmo α1
Per sintetizzare il compensatore anti-windup statico con prestazione globale Λα1 si
minimizza la variabile scalare α dell’equazione (4.2.1) soggetta ai vincoli definiti nel-
l’equazione (4.2.2) e nell’equazione (4.2.3) i quali contengono, come dati, le coppie di
valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare (paragrafo 2.6). La minimiz-
zazione di α implica una prestazione a ciclo chiuso dovuta a Λα1 quanto più vicina a
quella del minimo guadagno L2 nonlineare.
Operativamente:
1. Si scelgano Nα punti sk sull’intervallo Is , di cui uno2 in sk = ∞.
2. Si calcoli il minimo guadagno L2 nonlineare γmin (sk ), ∀sk ∈ Is .
3. Si minimizzi α (equazione (4.2.1)) nelle variabili α,Qk ,Hk ,X e U
Teorema 4.2.1. Sintesi Λα1 .
Sia H il sistema di controllo anti-windup statico definito nell’equazione (2.5.1), note
le coppie di valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare γmin (s) (vedasi
paragrafo 2.6), si definisce:
αmin , min α s.t. (4.2.1)

α,Qk ,Hk ,X,U
 
AQk Bw Bq U + BL X 0
 0 − I2 0 0 
0 > He Cy Qk + Hk Dyw Dyq U + DyL X − U 0

 (4.2.2)
2
γmin (sk )
Cz Qk Dzw Dzq U + DzL X −(1 + α) 2 I
" 2 #
ui
2 Hki
0 ≤ skT , ∀i = 1, ..., nu k = 1, ..., Nα (4.2.3)
Hki Qk
LMI lineare in α, Qk = QTk > 0, Hk , X e U > 0 diagonale. Allora αmin ≥ 0 e
Λα1 = XU −1 è un compensatore anti-windup statico che risolve il problema 2.2.

2
La scelta di sk = +∞ è necessaria per garantire la prestazione globale.
55
In figura 4.1 è riportato, a titolo di esempio, il confronto tra il diagramma del
guadagno L2 nonlineare relativo al compensatore Λα1 , il diagramma relativo al com-
pensatore Λg e il minimo guadagno L2 nonlineare per il sistema “aereo F8 ” la cui
analisi sarà approfondita nel capitolo 6. Come lecito aspettarsi nell’intervallo di inte-
resse γmin (s) ≤ γα1 (s) ≤ γG (s):
Guadagno L2 nonlineare su intervallo: [0 4] (valori s) e Nalfa = 20
1.4
10
1.3
10
Compensatore ottimo TC globale

Compensatore ottimo TC per alfa 1
2
0 1 2 3 4
10 10 10 10 10
Figura 4.1: Esempio di confronto tra prestazioni per un sistema “aereo F8 ”: come
lecito aspettarsi nell’intervallo di interesse γmin (s) ≤ γα1 (s) ≤ γG (s).

PNα 2
minimizza la funzione obiettivo k=1 γmin (sk )αk dell’equazione (4.2.4) soggetta ai
vincoli definiti nell’equazione (4.2.5) e nell’equazione (4.2.6) i quali contengono, come
dati, le coppie di valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare (vedasi
56
PNα 2
paragrafo 2.6). La minimizzazione di k=1 γmin (sk )αk implica una prestazione a ciclo
chiuso dovuta a Λα2 quanto più vicina a quella del minimo guadagno L2 nonlineare.
Operativamente:
1. Si scelgono Nα punti sk sull’intervallo Is , di cui uno3 in sk = ∞.
2. Si calcola il minimo guadagno L2 nonlineare γmin (sk ), ∀sk ∈ Is .
PNα 2
3. Si minimizza la funzione obiettivo k=1 γmin (sk )αk (equazione (4.2.4)) nelle
variabili αk ,Qk ,Hk ,X e U
le coppie di valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare, si definisce il
vettore:
Nα
X
2
αmin , argmin γmin (sk )αk s.t. (4.2.4)
αk ,Qk ,Hk ,X,U
k=1
 
AQk Bw Bq U +BL X 0
 0 − I2 0 0 
0 > He Cy Qk +Hk Dyw Dyq U +DyL X − U 0

 (4.2.5)
2
γmin (sk )
Cz Qk Dzw Dzq U +DzL X −(1 + αk ) 2 I
" 2 #
ui
2 Hki
0 ≤ skT , ∀i = 1, ..., nu k = 1, ..., Nα (4.2.6)
Hki Qk
LMI lineare in αk , Qk = QTk > 0, Hk , X e U > 0 diagonale. Allora αmin ≥ 0 e
In figura 4.2 è riportato, a titolo di esempio, il confronto tra il diagramma del
guadagno L2 nonlineare relativo al compensatore Λα2 , il diagramma relativo al com-
pensatore Λg e il minimo guadagno L2 nonlineare per il sistema “aereo F8 ” la cui

3
La scelta di sk = +∞ è necessaria per garantire la prestazione globale.
57
analisi sarà approfondita nel capitolo 6. Come lecito aspettarsi nell’intervallo di inte-
resse γmin (s) ≤ γα2 (s) ≤ γG (s):
1.5
10
1.4
10
1.3
10

2
0 1 2 3 4
10 10 10 10 10
Figura 4.2: Esempio di confronto tra prestazioni per un sistema “aereo F8 ”: come
lecito aspettarsi nell’intervallo di interesse γmin (s) ≤ γα2 (s) ≤ γG (s).
4.2.3 Osservazioni
Osservazione 4.2.1. La variabile decisionale α è sempre maggiore o uguale a 0. Se
ciò non avvenisse allora si avrebbe una stima del guadagno L2 del sistema di controllo
anti-windup che compete al compensatore Λα minore dal lower bound dato del minimo
guadagno L2 nonlineare. ¤
X
Osservazione 4.2.2. La prestazione ottenuta dai Λα è fortemente influenzata da:
1. Il numero Nα di coppie di valori (sk , γmin (sk )) scelte per effettuare la sintesi.
58
2. La larghezza dell’intervallo Is su cui si prelevano le coppie di valori (sk , γmin (sk ))
scelte per effettuare la sintesi.
¤
X
Osservazione 4.2.3. La sintesi di Λ tramite gli algoritmi di cui sopra non previene
i problemi collegati alla massima derivata della soluzione esplicita del loop algebrico4
indotto da v2 . Per ridurre questa derivata è necessario introdurre un ulteriore vincolo,
detto vincolo di Lipschitz 5 , definito in dettaglio in [9], sufficiente per ridurre tale
derivata massima (costante di Lipschitz). ¤

X
Osservazione 4.2.4. In fase di sintesi è necessario annettere all’insieme Is , un punto
in s = ∞. Infatti ad s = ∞ corrisponde una LMI nella formulazione del problema di
ottimizzazione (equazione (4.2.2), equazione (4.2.5)) che vincola la prestazione di Λα
ad essere globale (si vedano la definizione 2.5.1 e l’osservazione 2.5.4). ¤

X
4
v2 = Λq = Λ(yc − u) = Λ(Cc xc + Dcy y + Dcw w + v2 − u)
5
Per dettagli relativi al vincolo di Lipschitz strettamente attinenti a questi algoritmi vedasi
paragrafo A.6.
59
Capitolo 5
Sintesi di anti-windup statico a

tempo discreto con prestazione
nonlineare ottimizzata
In questo capitolo vengono presentati due algoritmi per la sintesi
di anti-windup statico, Λα1 e Λα2 , a tempo discreto con presta-
zione globale più performante rispetto al anti-windup statico con
prestazione globale Λ (definizione 2.5.1).
5.1 Compensatori Λg (a tempo discreto)
Il compensatore anti-windup statico con prestazione globale Λg (definizione 2.5.1),
garantisce un guadagno L2 del sistema limitato per ogni riferimento (disturbo) w ∈ L2 .
Λg è ottenuto dalle matrici X e U ottime, minimizzando l’equazione (3.3.9) con s = ∞.
In virtù dell’osservazione 2.5.1 la seconda LMI (equazione (3.3.11)) non è mai attiva,
quindi inutile come vincolo nell’ottimizzazione, che risulta essere:
γ(s)s=∞ , min γ s.t. (5.1.1)

Q,U,H,X,γ
 
− 12 Q AQ Bw Bq U + BL X 0
 0 1
−2Q 0 0 0 
 
0 > He 
 0 0 − 21 Iw 0 0 <0

γ2
60
Cap. 5 Sintesi di anti-windup statico a tempo discreto §5.2 Compensatori Λα
5.2 Compensatori Λα (a tempo discreto)
I compensatori statici anti-windup con prestazione globale Λα garantiscono un gua-
dagno L2 del sistema di controllo anti-windup a ciclo chiuso:
I Migliore rispetto al guadagno L2 del compensatore globale Λg (equazione (5.1.1))
in quanto sintetizzato con una politica che minimizza la distanza tra minimo
guadagno L2 nonlineare (vedasi paragrafo 3.4) e guadagno L2 nonlineare che
compete al sistema di controllo anti-windup con compensatore Λα .
I metodi di sintesi presentati sfruttano come lower bound il minimo guadagno L2
nonlineare (paragrafo 3.4) e nella fattispecie associano ad ogni sua coppia di valori1
(sk , γmin (sk )) un set di LMI specifico, simile a quello presentato nel teorema 3.3.1,
dipendente dalla variabile decisionale α.
La differenza che caratterizza i due diversi algoritmi risiede nella funzione obiettivo
che ottimizzano e nell’utilizzo della variabile decisionale α.
I Il primo minimizza una variabile scalare α comune a tutti i set di LMI, vincoli
dell’ottimizzazione.
I Il secondo minimizza una funzione obiettivo pari alla somma pesata rispet-
to al guadagno L2 nonlineare, di variabili decisionali αk di cui ogni variabile
caratterizza un solo set di LMI, vincoli dell’ottimizzazione.

1
γmin (sk ) è il minimo guadagno L2 nonlineare definito nel paragrafo 3.4, per segnali esogeni a
norma L2 minore di sk .
61
minimizza la variabile scalare α dell’equazione (5.2.1) soggetta ai vincoli definiti nel-
l’equazione (5.2.2) e nell’equazione (5.2.3) i quali contengono, come dati, le coppie di
valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare (paragrafo 3.4). La minimiz-
zazione di α implica una prestazione a ciclo chiuso dovuta a Λα1 quanto più vicina a
quella del minimo guadagno L2 nonlineare.
Operativamente:
1. Si scelgano Nα punti sk sull’intervallo Is , di cui uno2 in sk = ∞.
2. Si calcoli il minimo guadagno L2 nonlineare γmin (sk ), ∀sk ∈ Is .
3. Si minimizzi α (equazione (5.2.1)) nelle variabili α,Qk ,Hk ,X e U
le coppie di valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare γmin (s) (vedasi
paragrafo 3.4), si definisce:
αmin , min α s.t. (5.2.1)

α,Qk ,Hk ,X,U
 1 
− 2 Qk AQk Bw Bq U +BL X 0
 0 − 21 Qk 0 0 0 
 

0 > He  0 0 1
− 2 Iw 0 0  (5.2.2)

 0 Cy Qk +Hk Dyw Dyq U +DyL X −U 0 
2
γmin (sk )
0 Cz Qk Dzw Dzq U +DzL X −(1+α) 2 Iz
" 2 #
ui
2 Hki
0 ≤ skT , ∀i = 1, ..., nu k = 1, ..., Nα (5.2.3)
Hki Qk
LMI lineare in α, Qk = QTk > 0, Hk , X e U > 0 diagonale. Allora αmin ≥ 0 e

2
Annettere un punto s all’infinito è necessario per garantire la prestazione globale.
62

PNα 2
minimizza la funzione obiettivo k=1 γmin (sk )αk dell’equazione (5.2.4) soggetta ai
vincoli definiti nell’equazione (5.2.5) e nell’equazione (5.2.6) i quali contengono, come
dati, le coppie di valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare (paragra-
P α 2
fo 3.4). La minimizzazione di N k=1 γmin (sk )αk implica una prestazione a ciclo chiuso
dovuta a Λα2 quanto più vicina a quella del minimo guadagno L2 nonlineare.
Operativamente:
1. Si scelgono Nα punti sk sull’intervallo Is , di cui uno3 in sk = ∞.
2. Si calcola il minimo guadagno L2 nonlineare γmin (sk ), ∀sk ∈ Is .
PNα 2
3. Si minimizza la funzione obiettivo k=1 γmin (sk )αk (equazione (5.2.4)) nelle
variabili αk ,Qk ,Hk ,X e U
le coppie di valori (sk , γmin (sk )) del minimo guadagno L2 nonlineare, si definisce il
vettore:
3
Annettere un punto s all’infinito è necessario per garantire la prestazione globale.
63
Nα
X
2
αmin , argmin γmin (sk )αk s.t. (5.2.4)
αk ,Qk ,Hk ,X,U
k=1
 
− 21 Qk AQk Bw Bq U +BL X 0
 0 − 12 Qk 0 0 0 
 
0 > He  0 0 − 1
I
2 w
0 0  (5.2.5)

 0 Cy Qk +Hk Dyw Dyq U +DyL X −U 0 
2 (s )
γmin
0 C z Qk Dzw Dzq U +DzL X −(1+αk ) 2 Izk
" 2 #
ui
2 H ki
0 ≤ skT , ∀i = 1, ..., nu k = 1, ..., Nα (5.2.6)
Hki Qk
LMI lineare in αk , Qk = QTk > 0, Hk , X e U > 0 diagonale. Allora αmin ≥ 0 e
5.2.3 Osservazioni
Per gli algoritmi a tempo discreto valgono alcune delle considerazioni a tempo conti-
nuo viste nel precedente capitolo, nello specifico valgono sia l’osservazione 4.2.1 che
l’osservazione 4.2.3, inoltre si osserva che:
Osservazione 5.2.1. La prestazione ottenuta dai Λα è fortemente influenzata da:
1. Il numero Nα di coppie di valori (sk , γmin (sk )) scelte per effettuare la sintesi.
2. La larghezza dell’intervallo Is su cui si prelevano le coppie di valori (sk , γmin (sk ))
scelte per effettuare la sintesi.
3. Il tempo di campionamento del sistema di controllo.
¤
X
Osservazione 5.2.2. In fase di sintesi è necessario annettere all’insieme Is , un punto
in s = ∞. Infatti ad s = ∞ corrisponde una LMI nella formulazione del problema di
64
ottimizzazione (equazione (5.2.2), equazione (5.2.5)) che vincola la prestazione di Λα
ad essere globale (si vedano la definizione 2.5.1 e l’osservazione 2.5.4 particolarizzata
per i sistemi a tempo discreto, sostituendo l’equazione (2.5.9) con l’equazione (3.3.9)).
¤
X
65
Capitolo 6
Simulazioni
In questo capitolo vengono mostrati i risultati degli algoritmi pre-
cedentemente presentati su due sistemi dinamici soggetti a satura-
zione. Verrà mostrato come l’introduzione del compensatore anti-
windup recuperi la prestazione persa a causa del windup, garan-
tendo proprietà globali, e che i compensatori Λα hanno prestazioni
migliori rispetto al compensatore Λg .
6.1 Simulazioni
Validare una teoria con degli esempi è quanto di più utile per mostrare in modo chiaro
potenzialità e limiti della teoria sviluppata.
Gli algoritmi dei capitolo 4 e capitolo 5 sono stati implementati in ambiente Mat-
Lab con l’ausilio di tool specifici per LMI: tool di interfaccia e definizione (Yalmip)
e tool di risoluzione di problemi di minimizzazione (Se.Du.Mi.), ottenendo un soft-
ware che sintetizza compensatori anti-windup statici. A questa prima parte, di sin-
tesi, si affianca la seconda parte, strettamente simulativa, nella quale il compensato-
re anti-windup statico appena sintetizzato viene inserito in un sistema di controllo
anti-windup e processato in ambiente Simulink (figura 6.1 e figura 6.2).
Il calcolo del guadagno L2 nonlineare dei sistemi di controllo anti-windup
66
Cap. 6 Simulazioni §6.1 Simulazioni
Figura 6.1: Schema Simulink per il confronto tra risposte dei sistemi di controllo.
sintetizzati1 segue direttamente dal teorema2 2.4.1 per sistemi a tempo continuo e dal
teorema3 3.2.1 per sistemi a tempo discreto.
Le traiettorie dei sistemi di controllo anti-windup sintetizzati sono simulate dal
modello Simulink di figura 6.1: nello specifico in blocchi la cui struttura è mostra-
ta in figura 6.2a. Come visto nella definizione di controllore non saturato (equazione
(1.4.2)), a fianco all’ingresso uc = y si trovano due ulteriori ingressi (v1 , v2 , definiti nel-
l’equazione (1.4.7) in generale e nell’equazione (6.1.1) in particolare), provenienti dal
compensatore anti-windup e atti a pilotare il sistema di controllo in zona nonlineare.

½
v1 = Λ 1 q : Λ1 ∈ Rnc ×nu
v = Λq = (6.1.1)
v2 = Λ 2 q : Λ2 ∈ Rnu ×nu
· ¸
1 Λ1
Schema di controllo in figura 1.4 e figura 6.2, in cui il blocco Λ = è sostituito rispettivamente
Λ2
da Λg , Λα1 e Λα2 .
2
Nello specifico dall’osservazione 2.5.3 e dall’osservazione 2.4.2.
3
Nello specifico dall’osservazione 2.5.3 e dall’osservazione 2.4.2 particolarizzate per sistemi a
tempo discreto.
67
Cap. 6 Simulazioni §6.1 Simulazioni
1 y −r yc u
y _controllore
r v1 plant 1
Controller v2 y
Saturation plant
Lambda _2
K*u
v1
K*u
q
Lambda _1 Dead Zone
(a) Sistema di controllo anti-windup con compensatore Λα2 .
(b) Schema equivalente H: modello con deadzone.
Figura 6.2: Schema Simulink di ciclo chiuso con anti-windup.
Ovviamente in assenza di anti-windup, v1 e v2 sono nulli.
Il modello Simulink di figura 6.1, inoltre, simula le traiettorie del sistema non
saturato (figura 1.2) e del sistema saturato (figura 1.3): in questo modo si hanno a
disposizione le traiettorie del sistema (uscite misurate e ingresso di controllo) necessa-
rie per una valutazione qualitativa della bontà dei compensatori sintetizzati ottenuta
confrontando il recupero di prestazione di ognuna rispetto al caso nominale.
Gli esempi di seguito riportati, comparsi già in [3], [8], [4] e [7], sono stati testati
sia con gli algoritmi tempo-continuo che con quelli tempo-discreto (previa discretizza-
zione del modello utilizzato), ottenendo i risultati globali aspettati: ovvero ottenendo
un recupero, seppur parziale, della prestazione persa a causa del windup.
I modelli utilizzati fanno uso di uscite di prestazione progettate ad hoc:
1. per il sistema massa molla smorzatore ([4], [8]) si vuole garantire il tracking della
massa, perciò viene implementata come uscita di prestazione da minimizzare,
l’errore tra la traiettoria di riferimento e la posizione della massa;
68
Cap. 6 Simulazioni §6.2 Esempio 1: sistema massa molla smorzatore (TC)
2. per il sistema aereo F8 ([3], [7]) si vuole ridurre il degrado di prestazione dovuto
all’overshoot e al settling time dell’angolo di pitch, perciò viene implementata co-
me uscita di prestazione da minimizzare, l’errore sull’angolo e sull’accelerazione
angolare del pitch.
Queste uscite sono utili in fase di sintesi del compensatore, meno in fase simulativa,
ragion per cui di seguito vengono riportate solo le risposte nel tempo relative alle uscite
misurate y (e non quelle relative alle uscite di prestazione z).
6.2 Esempio 1: sistema massa molla smorzatore

(TC)
Figura 6.3: Sistema massa molla smorzatore.
Si consideri l’equazione del moto di un sistema massa-molla smorzatore (figura 6.3)
descritta dal sistema dinamico:

· ¸ · ¸
0 1 0
x˙p = k f x p + 1 up (6.2.1)
−m −m m
£ ¤
yp = 1 0 xp (6.2.2)
£ ¤T
Dove xp , q q̇ rappresenta la posizione e la velocità della massa m connessa alla
molla di costante elastica k, f il coefficiente di smorzamento e up il forzamento esterno
F esercitato sulla massa. A questo sistema fisico si associa il sistema dinamico, la cui
69
struttura è formalizzata nell’equazione (1.4.1), descritto dalle matrici:

 
  0 1 0 0
Ap Bpu Bpw  
 Cpy Dpyu Dpyw  =  −6.667 −0.007 8.333 0 
 −1 0 0 0 
Cpz Dpzu Dpzw
−1 0 0 1
L’ingresso di controllo up ∈ R è la forza F applicata alla massa ed è vincolato
ad appartenere all’intervallo di saturazione [−1, 1]. L’uscita misurata yp ∈ R è la
posizione q della massa. Lo stato del sistema massa-molla smorzatore è xp ∈ R2 .
L’ingresso esogeno w ∈ R è il riferimento che per l’esempio riportato è pari alla
funzione a gradini figura 6.4.
Figura 6.4: Segnale di riferimento che si vuole far inseguire al sistema massa molla
smorzatore.
Il controllore che soddisfa le specifiche non saturato a ciclo chiuso è descritto dalle
matrici:
 
· ¸ −2.5 0 0 0 1.5811
Ac Bcu Bcw  193.65 −80 19.365 122.47 0 
=
 50


Cc Dcu Dcw 0 0 31.623 0
316.23 −122.47 31.623 200 0
70
6.2.1 Guadagno L2 nonlineare e risposta nel tempo

Sintesi di Λ
Il calcolo delle matrici del compensatore Λg è ottenuto semplicemente risolvendo il
problema di ottimizzazione dato dell’equazione (4.1.1):

 
−0.62041
 0.71199 
Λg =   8.9442 

0.80889
Per quel che riguarda il calcolo dei compensatori Λα l’algoritmo è più comples-
so. Scelti Nα = 20 valori di s, di cui Nα − 1 nell’intervallo4 Is = [10−3 ; 103 ] e
uno5 in s = ∞, si calcola il relativo minimo guadagno L2 nonlineare (paragrafo
2.6). Questo è l’ingrediente base per il calcolo dei compensatori Λα , i quali sono ot-
tenuti risolvendo rispettivamente i problemi di minimo definiti nell’equazione (4.2.1)
e nell’equazione (4.2.4):
   
−0.44339 −0.63647
 0.45321   0.7269 
Λα1 =
 6.2553 
 Λα2 =
 9.166 

0.81083 0.80042
Guadagno L2 nonlineare
In figura 6.5 è riportato il diagramma dei guadagni nonlineari (Minimo e relativo ai
sistemi anti-windup con Λg , Λα1 e Λα2 ) su un intervallo Is ragionevole, che mostra,
come ci si aspettava, che:
1. Il minimo guadagno L2 nonlineare sottende i guadagni nonlineari di tutti i
sistemi di controllo anti-windup sintetizzati6 .

4
Significa scegliere Nα − 1 valori di s logaritmicamente equispaziati su un intervallo Is , e per
ognuno associare il vincolo di prestazione garantita ∀w : kwk2 < s.
5
La necessità di introdurre un punto in s = ∞ è giustificata nel paragrafo 4.2.3.
6
γmin (·) è il Lower bound.
71
2. I tre compensatori sintetizzati hanno prestazione globale garantita7 .
3. I due compensatori Λα hanno una prestazione garantita non peggiore8 di Λg
nella zona di interesse.
Guadagno L nonlineare su intervallo: [−3 3] (valori s) e N = 20

2 alfa
3
10
2
10
1
10
Minimo guadagno L2 nonlineare TC

0
10
−3 −2 −1 0 1 2 3
10 10 10 10 10 10 10
Figura 6.5: Sistema massa molla smorzatore. Diagramma del minimo guadagno L2
nonlineare (celeste), del guadagno L2 nonlineare relativo a Λg (rosso), a Λα1 (verde)
e a Λα2 (blu): i due compensatori Λα hanno una prestazione garantita globale non
peggiore (non più grande) di Λg nella zona di interesse. Nello specifico Λα2 (blu)
ha guadagno L2 praticamente identico al Λg (rosso); Λα1 (verde) è leggermente più
piccolo nell’intervallo di interesse.
7
Linea orizzontale tratteggiata, pari al guadagno L2 dei compensatori Λ, ottenuto per s = ∞.
8
Non più grande.
72
Il parametro che giudica la bontà dei compensatori anti-windup statici sintetizzati
è α: infatti, essendo variabile di minimizzazione, tanto più è piccola α, tanto più
i guadagni L2 nonlineari relativi a Λα1 e a Λα2 sono vicini al minimo guadagno L2
nonlineare.
Nello specifico, per la coppia (Nα , Is ) = (20, [10−3 ; 103 ]) scelta i valori minimi
calcolati sono rispettivamente:

 
0.055969
 0.097003 
 
 0.83934 
 
 4.8826 
 
 9.3728 
 
 6.801 
 
 3.5916 
 
 1.8514 
 
 0.95959 
 
 0.4875 
α1 = 6.891 
α2 =  
0.2319 
 
 0.09759 
 
 0.033416 
 
 0.0080041 
 
0.00088428
 
0.00018545
 
0.00083472
 
 0.0014056 
 
 0.0017156 
0.0021667
Risposta nel tempo
Il sistema di controllo non saturato è progettato per soddisfare certe specifiche richie-
ste, che verranno deteriorate dal windup. La simulazione del sistema non saturato su
25 sec. fornisce le traiettorie rappresentate in figura 6.6.
L’introduzione della saturazione sull’ingresso di controllo provoca il windup del
sistema, che come mostrato in figura 6.7 genera un’evidente fenomeno oscillatorio che
causa la perdita di stabilità.
73
[TC] Traiettorie unconstrained del sistema

1
0.5
Output
0
−0.5
y1 unconstrained
−1
0 5 10 15 20 25
10
5
Input
−5
u1 unconstrained
−10
0 5 10 15 20 25
Time (s)
Figura 6.6: Traiettorie non saturate del sistema massa molla smorzatore a ciclo chiuso.
Livelli di saturazione sull’ingresso (puntinato) non attivi.
[TC] Traiettorie saturate VS unconstrained del sistema
30
20
Output
10
−10
−20
y1 constrained
−30
0 5 10 15 20 25
10
5
Input
−5
u1 constrained
−10
0 5 10 15 20 25
Time (s)
Figura 6.7: Traiettorie saturate (continuo) e non saturate (tratteggiato) del sistema
massa molla smorzatore a ciclo chiuso. Livelli di saturazione sull’ingresso (puntinato)
attivi.
Il sistema di controllo anti-windup a ciclo chiuso deve recuperare parte della pre-
stazione persa e soprattutto garantire la stabilità asintotica persa nell’introduzione
della saturazione.
74
In figura 6.8 è riportato il confronto tra risposta in uscita per il sistema non satura-
to e risposta in uscita per i sistemi anti-windup nelle diverse modalità: compensatore
Λg , Λα1 , Λα2 , per una simulazione del sistema figura 6.1 di periodo T=25 sec.
I Il compensatore Λα1 produce la risposta in uscita che converge più veloce-
mente, tra i sistemi anti-windup.
I Il compensatore Λα2 produce una risposta in uscita che converge velocemente,
seppur più lentamente di Λα1 .
I Entrambi i compensatori Λα producono una risposta in uscita che converge
più velocemente del non saturato.
I Il compensatore Λα2 produce una risposta in uscita praticamente identica a
quella del compensatore Λg .
In figura 6.9 è riportato il confronto tra segnale di controllo per il sistema non satu-
rato e segnale di controllo (saturato) per i sistemi anti-windup nelle diverse modalità:
compensatore Λg , Λα1 , Λα2 per una simulazione del sistema figura 6.1 di periodo T=25
sec.
I Il controllore compensato da Λα2 e Λg genera un segnale di controllo
praticamente identico.
75
Confronto tra risposte in uscita [TC]
1
0.8
Cap. 6 Simulazioni
0.6
0.4
0.2
−0.2
−0.4
−0.6 y globale
1
y α
1 1
−0.8 y1 α2
y1 unconstrained
−1
0 5 10 15 20 25
Figura 6.8: Risposta in uscita per il sistema non saturato (celeste) e per i sistemi di controllo anti-windup con compensatore
Λg (rosso), Λα1 (verde), Λα2 (blu) del sistema massa molla smorzatore a ciclo chiuso. Riferimento (puntinato). Λα1 e Λα2
sono sintetizzati su Nα = 20 punti, Is = [10−3 ; 103 ].
§6.2 Esempio 1: sistema massa molla smorzatore (TC)
76
Confronto tra segnali di controllo [TC]
10
8
Cap. 6 Simulazioni
−2
−4
−6 u1 globale
u1 α1
−8 u1 α2
u1 unconstrained
−10
0 5 10 15 20 25
Figura 6.9: Segnale di controllo per il sistema non saturato (celeste) e per i sistemi di controllo anti-windup con com-
pensatore Λg (rosso), Λα1 (verde), Λα2 (blu) del sistema massa molla smorzatore a ciclo chiuso. Livelli di saturazione
(puntinato). Λα1 e Λα2 sono sintetizzati su Nα = 20 punti, Is = [10−3 ; 103 ].
§6.2 Esempio 1: sistema massa molla smorzatore (TC)
77
Le traiettorie del compensatore anti-windup globale Λg sono riportate in figu-
ra 6.10. Le traiettorie del compensatore anti-windup globale Λα1 sono riportate in

[TC] Traiettorie AW globale VS unconstrained del sistema
1
0.5
Output
−0.5
y1
AWg
−1
0 5 10 15 20 25
10
5
Input
−5
u1
AWg
−10
0 5 10 15 20 25
Time (s)
Figura 6.10: Traiettorie del sistema di controllo anti-windup globale (continuo) e non
saturato (tratteggiato) del sistema massa molla smorzatore a ciclo chiuso. Il com-
pensatore anti-windup globale è stato sintetizzato risolvendo l’equazione (4.1.1) e ga-
rantisce stabilità e prestazione globale. Livelli di saturazione sull’ingresso (puntinato)
attivi.
figura 6.11. Le traiettorie del compensatore anti-windup globale Λα2 sono riportate
in figura 6.12.
è α: per la coppia (Nα , Is ) = (20, [10−3 ; 103 ]) scelta i valori minimi calcolati sono
rispettivamente:
α1 = 6.891 sup α2 = 9.3728
Quindi il compensatore che nell’intervallo Is ha migliore prestazione nonlineare è Λα1 .
Inoltre lo stesso Λα1 produce una risposta in uscita che converge più velocemente
per l’esempio di cui sopra, in cui viene applicato il riferimento sopra definito con
|w| = 3.873 al sistema di controllo anti-windup (figura 6.1) per T = 25 secondi.
78
[TC] Traiettorie AW alfa1 VS unconstrained del sistema con Nα = 20

1
0.5
Output
0
−0.5
y1
AW a1
−1
0 5 10 15 20 25
10
5
Input
−5
u1
AW a1
−10
0 5 10 15 20 25
Time (s)
Figura 6.11: Traiettorie del sistema di controllo anti-windup Λα1 (continuo) e non
saturato (tratteggiato) del sistema massa molla smorzatore a ciclo chiuso. Il com-
pensatore anti-windup Λα1 è stato sintetizzato risolvendo l’equazione (4.2.1) e garan-
tisce stabilità e prestazione globale. Λα1 è leggermente più veloce di Λg . Livelli di
saturazione sull’ingresso (puntinato) attivi.
1
0.5
Output
−0.5
y1
AW a2
−1
0 5 10 15 20 25
10
5
Input
−5
u
1
AW a2
−10
0 5 10 15 20 25
Time (s)
saturato (tratteggiato) del sistema massa molla smorzatore a ciclo chiuso. Il compen-
satore anti-windup Λα2 è stato sintetizzato risolvendo l’equazione (4.2.4) e garantisce
stabilità e prestazione globale. Livelli di saturazione sull’ingresso (puntinato) attivi.
79
Cap. 6 Simulazioni §6.3 Esempio 2: sistema aereo F8 (TC)
6.3 Esempio 2: sistema aereo F8 (TC)
Si consideri la dinamica longitudinale del sistema aereo F8 descritta dal sistema
dinamico:
   
−0.8 −0.0006 −12 0 −19 −3
 0 −0.014 −16.64 −32.2 −0.66 −0.5
A=
 1
 Bpu = 
−0.0001 −1.5 0  −0.16 −0.5
1 0 0 0 0 0
· ¸ · ¸
0 0 0 1 0 0
Cpy = Dpyu =
0 0 −1 1 0 0
Bpw = 04x2 Dpzu = Dpyw = 02x2

· 3
¸ · ¸
0 0 0 − 34 0
Cpz = 4 Dpzw =
−0.8 −0.0006 −12 0 0 0
L’ingresso di controllo all’aereo up ∈ R2 è vincolato ad appartenere all’intervallo di
[−25, 25] gradi. L’uscita misurata yp ∈ R2 è l’angolo di pitch e l’angolo di flight path,
in radianti. Lo stato dell’aereo è xp ∈ R4 . L’ingresso esogeno w ∈ R2 è il riferimento
che per gli esempi che seguono è stato fissato a [10; 10] gradi. Il sistema di controllo
non saturato a ciclo chiuso, ottenuto con tecnica LQG/LTR, è descritto dalle matrici:
· ¸ · ¸
Aa + Ba G − HCa 0 H
Ac = Bcy = −Bcw =
G 0 0
£ ¤
Cc = 0 I Dcy = Dcw = 02x2
Dove H, G, Aa , Ba , Ca sono cosı̀ definite:

· ¸
T−0.844 −11.54 −0.86 −47.4 4.68 4.82
H =
0.819 13.47 0.25 15 −4.8 0.14
· ¸
−52.23 −3.36 73.1 −0.0006 −94.3 1072
G=
−3.36 −29.7 −2.19 −0.006 908.9 −921
80
· ¸ · ¸
0 0 I2 £ ¤
Aa = Ba = Ca = 02x2 Cpyu
Bpu Ap 04x2

Sintesi di Λ
problema di ottimizzazione dato dell’equazione (4.1.1):

 
−3826.09 2412.37
 14817.27 −16488.92 
 
 26.15 −72.96 
 
−55138.10 −106842.72
 
 −3.17 −16.86 
Λg = 
 −79.13

 −21.80  
 −3843.96 2403.27 
 
 14782.24 −16468.96 
 
 −5.37 3.96 
3.53 −5.71
Per quel che riguarda il calcolo dei compensatori Λα l’algoritmo è più complesso.
Scelti Nα = 20 valori di s, di cui Nα − 1 nell’intervallo9 Is = [100 ; 104 ] e uno10
in s = ∞, si calcola il relativo minimo guadagno L2 nonlineare (paragrafo 2.6).
Questo è l’ingrediente base per il calcolo dei compensatori Λα , i quali sono otte-
nuti risolvendo rispettivamente i problemi di minimo definiti nell’equazione (4.2.1) e
nell’equazione (4.2.4):
9
10
La necessità di introdurre questo punto è giustificata nel paragrafo 4.2.3.
81
   
−86.22 15.01 −30.58 1.43
 133.87 −125.22  79.92 −17.22
   
 6.71 −1.39   4.83 0.19 
   
 105.43 19.37   18.72 1.04 
   
 −0.96 −0.13   0.02 0.04 
Λα1 =
 −4.96
 Λα2 = 
 −0.20 

 −1.44 −0.07 
 
−86.64 14.88  −30.71 1.42 
   
 133.42 −125.97  78.73 −17.39
   
 −0.12 0.23   0.75 0.02 
3.49 −0.07 −0.35 0.75
sistemi anti-windup con Λg , Λα1 e Λα2 .) su un intervallo Is ragionevole, che mostra,
3. I due compensatori Λα hanno una prestazione garantita migliore13 di Λg nella
zona di interesse.
nonlineare.
Nello specifico, per la coppia (Nα , Is ) = (20, [100 ; 104 ]) scelta i valori minimi

11
12
13
Per prestazione garantita migliore si intende un guadagno L2 più piccolo.
82
1.5
10
1.4
10
1.3
10
2
0 1 2 3 4
10 10 10 10 10
Figura 6.13: Sistema aereo F8 a tempo continuo. Diagramma del minimo guadagno
L2 nonlineare (celeste), del guadagno L2 nonlineare relativo a Λg (rosso), a Λα1 (verde)
e a Λα2 (blu): i due compensatori Λα hanno una prestazione garantita globale migliore
(più piccola) di Λg nella zona di interesse.
 
0.86873
0.94717
 
 1.0922 
 
 1.2827 
 
 1.4943 
 
 1.7271 
 
 2.0116 
 
 1.9822 
 
 1.6257 
 
 1.4701 
α1 = 0.4719 α2 = 
 1.4227 

 
 1.4052 
 
 1.3752 
 
 1.3414 
 
 1.316 
 
 1.293 
 
 1.2778 
 
 1.26 
 
 1.2489 
1.2355
83
Risposta nel tempo
ste, che verranno deteriorate dal windup. La simulazione del sistema non saturato su
5 sec. fornisce le traiettorie rappresentate in figura 6.14.

[TC] Traiettorie unconstrained del sistema
12
10
8
Output
2
y1 unconstrained
0 y2 unconstrained
−2
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1 unconstrained
−20
u2 unconstrained
−40
−1 0 1 2 3 4 5
Time (s)
Figura 6.14: Traiettorie non saturate del sistema aereo F8 a ciclo chiuso. Livelli di
saturazione sull’ingresso (puntinato) non attivi.
L’introduzione della saturazione sull’ingresso di controllo provoca il windup del
sistema, che come mostrato in figura 6.15 produce overshoot inaccettabili, ovvero-
sia una perdita di prestazione che impedisce il soddisfacimento di tutte le specifiche
richieste nel sistema di controllo non saturato.
Il sistema di controllo anti-windup a ciclo chiuso deve recuperare parte della
prestazione persa nell’introduzione della saturazione limitando overshoot e fenomeni
oscillatori che rallentano l’uscita.
In figura 6.16 è riportato il confronto tra risposta in uscita per il sistema non
saturato e risposta in uscita per i sistemi anti-windup nelle diverse modalità: com-
84
[TC] Traiettorie saturate VS unconstrained del sistema

15
10
Output
5
0 y1 constrained
y2 constrained
−5
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1 constrained
−20
u2 constrained
−40
−1 0 1 2 3 4 5
Time (s)
aereo F8 a ciclo chiuso. Livelli di saturazione sull’ingresso (puntinato) attivi.
pensatore Λg , Λα1 , Λα2 , per una simulazione del sistema figura 6.1 di periodo T=5
sec.
mente, tra i sistemi anti-windup, e in generale si comporta meglio durante tutto
l’intervallo di simulazione nonostante il diagramma dei guadagni L2 di figu-
ra 6.13 promuova Λα1 come migliore compensatore. Questa incongruenza è solo
apparente, infatti il diagramma di figura 6.13 identifica la stima minima del
guadagno L2 da w a z (un upper bound sul vero guadagno L2 del sistema) cioè
rappresenta una misura conservativa di prestazione, una sovrastima.
I Il compensatore Λα1 produce una risposta in uscita che converge velocemente,
seppur più lentamente di Λα2 .
I I compensatori Λα1 e Λα2 producono un overshoot più piccolo di Λg e conver-
gono alla risposta non saturato più velocemente di Λg pur garantendo la stessa
85
prestazione globale di Λg .
I Il compensatore Λα2 produce una risposta in uscita che converge più veloce-
mente del non saturato.
In figura 6.17 è riportato il confronto tra segnale di controllo per il sistema non
saturato e segnale di controllo (saturato) per i sistemi anti-windup nelle diverse moda-
lità: compensatore Λg , Λα1 , Λα2 per una simulazione del sistema figura 6.1 di periodo
T=5 sec.
86
Confronto tra risposte in uscita [TC]
12
10
6
Cap. 6 Simulazioni
y globale
4 1
y1 α1
2
y1 α2
0 y unconstrained
1
−2
−1 0 1 2 3 4 5
12
10
6
y2 globale
4
y α
2 1
2
y α
2 2
0 y unconstrained
2
−2
−1 0 1 2 3 4 5
Figura 6.16: Risposte in uscita per il sistema non saturato (celeste) e per i sistemi di controllo anti-windup con compen-
satore Λg (rosso), Λα1 (verde), Λα2 (blu) del sistema aereo F8 a ciclo chiuso. Riferimento (puntinato). Λα1 e Λα2 sono
sintetizzati su Nα = 20 punti, Is = [100 ; 104 ].
§6.3 Esempio 2: sistema aereo F8 (TC)
87
Confronto tra segnali di controllo [TC]
30
20
10
Cap. 6 Simulazioni
0
u1 globale
−10
u1 α1
−20
u1 α2
−30 u1 unconstrained
−40
−1 0 1 2 3 4 5
80
60
40
20 u2 globale
0 u α
2 1
u2 α2
−20
u2 unconstrained
−40
−1 0 1 2 3 4 5
Figura 6.17: Segnali di controllo per il sistema non saturato (celeste) e per i sistemi di controllo anti-windup con com-
pensatore Λg (rosso), Λα1 (verde), Λα2 (blu) del sistema aereo F8 a ciclo chiuso. Livelli di saturazione (puntinato). Λα1 e
Λα2 sono sintetizzati su Nα = 20 punti, Is = [100 ; 104 ].
§6.3 Esempio 2: sistema aereo F8 (TC)
88
[TC] Traiettorie AW globale VS unconstrained del sistema

12
10
8
Output
2 y1
AWg
0 y2
AWg
−2
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1
AWg
−20 u2
AWg
−40
−1 0 1 2 3 4 5
Time (s)
Figura 6.18: Traiettorie del sistema di controllo anti-windup globale (continuo) e

non saturato (tratteggiato) del sistema aereo F8 a ciclo chiuso. Il compensatore anti-
windup globale è stato sintetizzato risolvendo l’equazione (4.1.1) e garantisce stabilità
e prestazione globale. Livelli di saturazione sull’ingresso (puntinato) attivi.
in figura 6.20.
è α: per la coppia (Nα , Is ) = (20, [100 ; 104 ]) scelta i valori minimi calcolati sono
rispettivamente:
α1 = 0.4719 sup α2 = 2.0116
Quindi il compensatore che nell’intervallo Is ha migliore prestazione nonlineare è Λα1 .
Ciononostante applicando il riferimento sopra definito con |w| = 31.6228 e simulando
89
[TC] Traiettorie AW alfa VS unconstrained del sistema con N = 20

1 α
12
10
Output
6
2 y1
AW a1
0 y2
AW a1
−2
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1
AW a1
−20 u2
AW a1
−40
−1 0 1 2 3 4 5
Time (s)
saturato (tratteggiato) del sistema aereo F8 a ciclo chiuso. Il compensatore anti-
windup Λα1 è stato sintetizzato risolvendo l’equazione (4.2.1) e garantisce stabilità e
prestazione globale, inoltre fornisce una dinamica migliore rispetto a Λg . Livelli di
il sistema di controllo anti-windup (figura 6.1), il valore dell’errore di inseguimento14
all’istante T = 5 secondi è:
Tipo di Sistema di controllo y˜1 (T ) y˜2 (T )

non saturato 0.13897 0.11792
Saturato 0.14034 0.17139
anti-windup Globale 0.61925 0.54214
anti-windup α1 0.37337 0.32777
anti-windup α2 0.1301 0.11329
Ciò mostra (y˜1 α2 = 0.1301 e y˜2 α2 = 0.11329) che per questo riferimento specifico
il compensatore che si comporta meglio è Λα2 .
14
L’errore di inseguimento viene indicato con ỹ(t) = y(t) − w(t).
90

12
10
8
Output
2 y1
AW a2
0 y2
AW a2
−2
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1
AW a2
−20 u2
AW a2
−40
−1 0 1 2 3 4 5
Time (s)
prestazione globale. Λα2 è, inoltre, nettamente il miglior compensatore per velocità
di convergenza e per errore di inseguimento dopo 5 sec. rispetto Λα1 e Λg . Livelli di
91
Cap. 6 Simulazioni §6.4 Esempio 3: sistema aereo F8 (TD)
6.4 Esempio 3: sistema aereo F8 (TD)
Si consideri la dinamica longitudinale del sistema aereo F8 descritta nel paragrafo 6.3
nella sua versione discretizzata da ZOH con T c = 0.01 sec. L’ingresso di controllo
all’aereo up ∈ R2 è vincolato ad appartenere all’intervallo di [−25, 25] gradi. L’ingresso
esogeno w ∈ R2 è il riferimento che per gli esempi che seguono è stato fissato a [10; 10]
gradi.

Sintesi di Λ
problema di ottimizzazione dato dall’equazione (5.1.1):

 
−0.76192 0.12358
 2.7703 −0.92341 
 
 0.071102 −0.0019517
 
 −11.445 −7.1932 
 
−0.012692 0.0032274 

Λg =  
−0.018129 −0.001616 
 
 −0.76624 0.12278 
 
 2.7662 −0.92233 
 
 0.40489 0.10641 
1.7191 0.40486
Per quel che riguarda il calcolo dei compensatori Λα l’algoritmo è più complesso.
Scelti Nα = 10 valori di s, di cui Nα − 1 nell’intervallo15 Is = [101.5 ; 103 ] e uno16 in
s = ∞, si calcola il relativo minimo guadagno L2 nonlineare (paragrafo 3.4). Questo
è l’ingrediente base per il calcolo dei compensatori Λα , i quali sono ottenuti risolvendo
rispettivamente i problemi di minimo equazione (5.2.1) ed equazione (5.2.4):

15
16
La necessità di introdurre questo punto è giustificata nel paragrafo 5.2.3.
92
   
−0.52875 0.080337 −0.5247 0.076291
 1.0201 −0.59791   1.0009 −0.57733 
   
 0.071419 −0.0031798  0.077147 −0.0046825 
   
 0.97843 0.09477   1.0546 0.15103 
   
−0.0034853 0.0010226  −0.0070692 0.0015498 
Λα1 = 
 −0.022482 −0.0004093 Λα2 = 
 −0.023472 −0.00025436
   
 −0.53167 0.079687   −0.52815 0.075486 
   
 1.0379 −0.60284   1.015 −0.57996 
   
 0.24602 0.15471   0.12441 0.17578 
2.2459 0.24192 2.924 0.1218
sistemi anti-windup con Λg , Λα1 e Λα2 ) su un intervallo Is ragionevole, che mostra,
3. I due compensatori Λα hanno una prestazione garantita migliore di Λg nella
zona di interesse.
nonlineare.
Nello specifico, per la coppia (Nα , Is ) = (10, [101.5 ; 103 ]) scelta i valori minimi

17
18
93
Guadagno L2 nonlineare su intervallo: [1.5 3] (valori s) e Nalfa = 10

1.6
10
Compensatore ottimo TD globale
Compensatore ottimo TD per alfa 1
Compensatore ottimo TD per alfa 2
Minimo guadagno L2 nonlineare TD
1.5
10
1.4
10
1.3
10
1.2
10
2 3
10 10
Figura 6.21: Sistema aereo F8 a tempo discreto. Diagramma del minimo guadagno L2
nonlineare (celeste), del guadagno L2 nonlineare relativo a Λg (rosso), a Λα1 (verde)
e a Λα2 (blu): i due compensatori Λα hanno una prestazione garantita migliore (più
piccola) di Λg nell’intervallo di interesse.
 
0.0055855
 0.019374 
 
 0.10551 
 
 0.18183 
 
 0.27288 
α1 = 0.32433 α2 = 
 0.33518 

 
 0.20266 
 
 0.14857 
 
 0.14326 
0.29612
Risposta nel tempo
ste, che verranno deteriorate dal windup. La simulazione del sistema non saturato
su 5 sec fornisce le traiettorie rappresentate in figura 6.22. L’introduzione della satu-
razione sull’ingresso di controllo causa il windup del sistema, che come mostrato in
94
[TD] Traiettorie unconstrained del sistema

12
10
Output
8
4
y1 unconstrained
2
y2 unconstrained
0
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1 unconstrained
−20
u2 unconstrained
−40
−1 0 1 2 3 4 5
Time (s)
Figura 6.22: Traiettorie non saturate del sistema aereo F8 a ciclo chiuso. Livelli di
saturazione sull’ingresso (puntinato) non attivi.
figura 6.23 produce overshoot inaccettabili, ovverosia una perdita di prestazione che
impedisce il soddisfacimento di tutte le specifiche richieste nel sistema di controllo
non saturato.
[TD] Traiettorie saturate VS unconstrained del sistema
14
12
10
Output
4
y1 constrained
2 y2 constrained
0
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u constrained
1
−20
u2 constrained
−40
−1 0 1 2 3 4 5
Time (s)
aereo F8 a ciclo chiuso. Livelli di saturazione sull’ingresso (puntinato) attivi.
95
Il sistema di controllo anti-windup a ciclo chiuso deve recuperare parte della
prestazione persa nell’introduzione della saturazione limitando overshoot e fenomeni
oscillatori che rallentano l’uscita.
In figura 6.24 è riportato il confronto tra risposta in uscita per il sistema non
saturato e risposta in uscita per i sistemi anti-windup nelle diverse modalità: com-
pensatore Λg , Λα1 , Λα2 , per una simulazione del sistema figura 6.1 di periodo T=5
sec.
mente, tra i sistemi anti-windup, e in generale si comporta meglio durante tutto
l’intervallo di simulazione.
I Il compensatore Λα2 produce una risposta in uscita migliore di Λg , seppur più
lenta di Λα1 .
I I compensatori Λα1 e Λα2 producono un overshoot leggermente più picco-
lo di Λg e convergono alla risposta non saturato più velocemente garantendo
prestazione globale.
In figura 6.25 è riportato il confronto tra segnale di controllo per il sistema non satu-
rato e segnale di controllo (saturato) per i sistemi anti-windup nelle diverse modalità:
compensatore Λg , Λα1 , Λα2 per una simulazione del sistema figura 6.1 di periodo T=5
sec.
96
Confronto tra risposte in uscita [TD]
12
10
8
Cap. 6 Simulazioni
6 y globale
1
4 y1 α1
y1 α2
2
y unconstrained
1
0
−1 0 1 2 3 4 5
12
10
6 y2 globale
4 y α
2 1
y α
2 2
2
y unconstrained
2
0
−1 0 1 2 3 4 5
Figura 6.24: Risposte in uscita per il sistema non saturato (celeste) e per i sistemi di controllo anti-windup con compen-
satore Λg (rosso), Λα1 (verde), Λα2 (blu) del sistema aereo F8 a ciclo chiuso. Riferimento (puntinato). Λα1 e Λα2 sono
sintetizzati su Nα = 10 punti, Is = [101.5 ; 103 ].
§6.4 Esempio 3: sistema aereo F8 (TD)
97
Confronto tra segnali di controllo [TD]
30
20
10
Cap. 6 Simulazioni
0
u1 globale
−10
u1 α1
−20
u1 α2
−30 u1 unconstrained
−40
−1 0 1 2 3 4 5
80
60
40
20 u2 globale
0 u α
2 1
u2 α2
−20
u2 unconstrained
−40
−1 0 1 2 3 4 5
Figura 6.25: Segnale di controllo per il sistema non saturato (celeste) e per i sistemi di controllo anti-windup con com-
pensatore Λg (rosso), Λα1 (verde), Λα2 (blu) del sistema aereo F8 a ciclo chiuso. Riferimento (puntinato). Λα1 e Λα2 sono
sintetizzati su Nα = 10 punti, Is = [101.5 ; 103 ].
§6.4 Esempio 3: sistema aereo F8 (TD)
98
[TD] Traiettorie AW globale VS unconstrained del sistema

12
10
Output
4
y1
AWg
2 y2
AWg
0
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1
AWg
−20 u2
AWg
−40
−1 0 1 2 3 4 5
Time (s)
Figura 6.26: Traiettorie del sistema di controllo anti-windup globale (continuo) e

non saturato (tratteggiato) del sistema aereo F8 a ciclo chiuso. Il compensatore anti-
windup globale è stato sintetizzato risolvendo l’equazione (5.1.1) e garantisce stabilità
e prestazione globale. Livelli di saturazione sull’ingresso (puntinato) attivi.
in figura 6.28.
è α: per la coppia (Nα , Is ) = (10, [101.5 ; 103 ]) scelta i valori minimi calcolati sono
rispettivamente:
α1 = 0.32433 sup α2 = 0.33518
Quindi il compensatore che nell’intervallo Is ha migliore prestazione nonlineare è
Λα1 . Ciò è avvalorato dalla simulazione, infatti applicando il riferimento sopra definito
con |w| = 31.6228 e processando il sistema di controllo anti-windup (figura 6.1), il
99
[TD] Traiettorie AW alfa VS unconstrained del sistema con N = 10

1 α
12
10
Output
8
4
y1
AW a1
2 y2
AW a1
0
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1
AW a1
−20 u2
AW a1
−40
−1 0 1 2 3 4 5
Time (s)
windup Λα1 è stato sintetizzato risolvendo l’equazione (5.2.1) e garantisce stabilità
e prestazione globale. È il migliore tra i compensatori anti-windup sintetizzati sep-
pur mantenga un errore di inseguimento dopo 5 sec. non trascurabile. Livelli di
valore dell’errore di inseguimento, indicato ỹ(t) = y(t)−w(t), all’istante T = 5 secondi
è:
Tipo di Sistema di controllo y˜1 (T ) y˜2 (T )

non saturato 0.13874 0.11771
Saturato 0.14107 0.17396
anti-windup Globale 0.65542 0.57444
anti-windup α1 0.3209 0.28088
anti-windup α2 0.47753 0.42032
Ciò mostra (y˜1 α1 = 0.3209 e y˜2 α1 = 0.28088) che per questo riferimento specifico
il compensatore che si comporta meglio è Λα1 .
100
[TD] Traiettorie AW alfa2 VS unconstrained del sistema con Nα = 10

12
10
Output
4
y1
AW a2
2 y2
AW a2
0
−1 0 1 2 3 4 5
80
60
40
Input
20
0
u1
AW a2
−20 u2
AW a2
−40
−1 0 1 2 3 4 5
Time (s)
prestazione globale. Livelli di saturazione sull’ingresso (puntinato) attivi.
101
Capitolo 7
Conclusioni e sviluppi futuri
In questo lavoro di tesi sono state presentate varie soluzioni (algoritmi α) al problema
dell’anti-windup statico con prestazione nonlineare garantita, sia per sistemi a tempo
continuo che per sistemi a tempo discreto, con lo scopo di migliorare le performance
ottenute con algoritmi per la sintesi di anti-windup statico globale Λg già esistenti in
letteratura.
Gli algoritmi α sono stati implementati in un software in ambiente Matlab specifico
per la progettazione automatica di anti-windup statico con prestazione nonlineare,
che sintetizza il compensatore Λα a partire dalle matrici di sistema di processo e
controllore, e dai parametri progettuali (Nα , Is ).
I compensatori Λα1 e Λα2 sintetizzati hanno sempre comportamento migliore
rispetto a Λg nell’intervallo di interesse e assicurano guadagno L2 ingresso/uscita
globale finito; ed è questo l’aspetto originale e rilevante della tesi: compensatori statici
di semplice progettazione, realizzazione fisica e impianto nel sistema di controllo pre-
esistente, con prestazioni migliori rispetto allo stato dell’arte.
Tutti gli algoritmi presentati sono stati sottoposti a verifiche simulative che hanno
avuto esito positivo; un ulteriore passo in avanti in questo lavoro potrebbe essere la
verifica sperimentale della validità dei risultati ottenuti su impianti sotto-dimensionati
102
Cap. 7 Conclusioni e sviluppi futuri
esistenti e l’ampliamento delle tecniche α anche per compensatori anti-windup lineari
dinamici con prestazione nonlineare garantita.
103
Appendice A
Strumenti Matematici
A.1 Nomenclatura generale
Definizione A.1.1. Una matrice quadrata simmetrica M = M T ∈ Rn×n è definita
positiva, indicata con M > 0, se ∀x ∈ Rn , x 6= 0 vale xT M x > 0
Definizione A.1.2. He(A) = A + AT
A.2 Norma L2 e Spazio L2
Sia y(t) ∈ Rn un segnale definito t ≥ 0, allora l’energia ky(·)k2 di y(t), detta norma
L2 di y(t), è data da: sZ

∞
ky(·)k2 = y(t)T y(t)dt. (A.2.1)
0
quandunque l’integrale converga (cioè ky(·)k2 < ∞).
Affiché ky(·)k2 < ∞, è necessario che y(t) sia una funzione convergente: quindi
ogni segnale ad energia finita si annulla asintoticamente1 (non vale l’implica-
zione al contrario); inoltre a segnali con una energia minore (ovvero con una ky(·)k2
più piccola) corrisponde una maggiore la velocità di convergenza del segnale a zero.
1
Questo è vero sotto alcune lievi ipotesi di regolarità su y(·).
104
Cap. A Strumenti Matematici §A.3 Guadagno L2 ingresso/uscita
Si definisce Spazio L2 lo spazio di tutti i segnali y(t) con norma L2 finita, ovvero
ad energia finita.
sZ
∞
y(t) ∈ L2 ⇔ ky(·)k2 = y(t)T y(t)dt < ∞
0
A.3 Guadagno L2 ingresso/uscita
Sia P un sistema lineare stabile asintoticamente:

½
ẋ = Ax + Bw
P : (A.3.1)
z = Cx + Dw
Se l’ingresso w(·) è una funzione appartenente allo spazio L2 allora la risposta in uscita
z(·) a partire dallo stato iniziale nullo x(0) = 0 del sistema P (equazione (A.3.1))
appartiene anch’essa allo spazio L2 (Per maggiori dettagli si veda lemma III.2 in [6]).
Quindi ha senso, poiché è limitato, considerare il rapporto:

qR
∞
0
z(t)T z(t)dt kz(·)k2
qR = (A.3.2)
∞
w(t)T w(t)dt kw(·)k2
0
L’estremo superiore dell’insieme dei valori assunti da tale rapporto al variare dell’in-
gresso w(·) ∈ L2 prende nome di guadagno L2 ingresso/uscita del sistema da w a z,
denominato più brevemente kP k2 , ed è dato da:
kP k2 , sup kz(·)k2 < γ (A.3.3)

kw(·)k2 =1
Il guadagno L2 ingresso/uscita è un indice di prestazione del sistema P poiché quan-
tifica la massima amplificazione di energia possibile del segnale in ingresso w ∈ L2
sull’uscita di prestazione z. In generale, data una costante positiva γ, il sistema P
ha guadagno L2 ingresso/uscita finito e minore di γ se per ogni funzione d’ingres-
so w(·) ∈ L2 la risposta del sistema a partire da condizioni iniziali nulle soddisfa la
condizione:
kz(·)k2 ≤ γkw(·)k2 (A.3.4)
105
Cap. A Strumenti Matematici §A.4 Ottimizzazione Convessa
Teorema A.3.1. Sia il sistema lineare definito nell’equazione (A.3.1) asintoticamen-
te stabile e la sua matrice di trasferimento sia cosı̀ definita:
W (s) = C(sI −A)−1B +D
Allora risulta kW k∞ = kP k2 (Dimostrazione in [6]).
Lo stesso risultato, cioè che per un sistema lineare la norma2 H∞ di W coincide
col guadagno L2 di P è dimostrato anche dal Bounded Real Lemma (teorema 2.4.1).
A.4 Ottimizzazione Convessa
Un insieme Ω è detto insieme convesso, se ∀x, y ∈ Ω, t ∈ [0, 1] l’elemento:
v = tx + (1 − t) y ∈ Ω
Un funzione f è detta funzione convessa se è definita su un insieme convesso Ω e se:
I ∀x, y ∈ Ω, t ∈ [0, 1] vale sempre:
f (tx + (1 − t) y) ≤ tf (x) + (1 − t) f (y)
I Se f ∈ C 1 allora:
f (y) ≥ f (x) + ∇f (x)(y − x), ∀x, y ∈ Ω
I Se f ∈ C 2 allora:
∇2 f (x) ≥ 0, ∀x ∈ Ω̊
Teorema A.4.1. Se f è convessa su un insieme Ω convesso, allora un minimo locale
è anche un minimo globale.

2
La norma H∞ di una matrice di trasferimento corrisponde al picco del diagramma dei moduli
di Bode.
106
Cap. A Strumenti Matematici §A.5 LMI
Figura A.1: Grafico di una funzione convessa.
Teorema A.4.2. Se f è convessa su un insieme Ω convesso e f ∈ C 1 , se x∗ è tale
che:
∀y ∈ Ω, ∇f (x∗ )(y − x∗ ) ≥ 0
allora x∗ è un minimo globale.
A.5 LMI
Le Linear Matrix Inequalities (LMI) e le tecniche LMI sono un potente strumento
di progettazione nell’ambito dei controlli automatici, fortemente sviluppate essenzial-
mente per tre fattori:
1. La varietà di specifiche e vincoli che possono essere descritti tramite LMI.
2. Una volta espresso in termini di LMI, un problema può essere risolto esattamente
da un algoritmi efficienti di ottimizzazione convessa (detti LMI solvers).
107
3. Un problema con molti vincoli o obiettivi potrebbe non avere una soluzione
analitica espressa in termini di equazioni matriciali. Lo stesso problema, espresso
in termini di LMI, potrebbe ammettere una soluzione trattabile.
Una LMI è un espressione del tipo:
F (x) , F0 + x1 F1 + ... + xm Fm < 0
dove:
1. x = (x1 , ..., xm ) è un vettore di n elementi, reali, chiamati variabili decisionali.
2. F0 , ..., Fm sono matrici simmetriche reali, ovvero del tipo Fi = FiT ∈ Rn×n .
3. La disuguaglianza < 0 significa (matrice) definita negativa.
Definizione A.5.1. Una LMI è una disuguaglianza matriciale
F (x) < 0
dove F è una funzione affine che associa uno spazio vettoriale V di dimensioni finite
all’insieme delle matrici reali simmetriche n × n chiamato Sn :
© ª
F : V → Sn , M |M = M T ∈ Rn×n
Tramite un semplice cambiamento di base (da V a Sm ) è facile notare che le
caratteristiche delle LMI definite F : V → Sn valgono anche per F : Sm → Sn ,
ovvero a seguito di una trasformazione del vettore di variabili decisionali in matrici
(simmetriche) di variabili decisionali.

Ã m ! m m
X X X
F (X) = F xj Ej = F0 + xj F (Ej ) = F0 + xj F j
j=1 j=1 j=1
108
Osservazione A.5.1. Convessità. Una LMI definisce un vincolo convesso su x, cioè
l’insieme Ω , {x|F (x) < 0} delle soluzioni di F (x) < 0 è convesso, quindi ∀x, y ∈
Ω, t ∈ [0, 1] vale sempre:
F (tx + (1 − t) y) = tF (x) + (1 − t) F (y) < 0
con F funzione affine ad x, e dove la disuguaglianza segue dal fatto che t > 0 e
1 − t > 0. ¤
X
I tre problemi generici basati su LMI
Poiché una LMI definisce un insieme convesso Ω nella variabile x, problemi di otti-
mizzazione di una funzione di costo f : Ω → R con Ω , {x|F (x) < 0} appartengono
alla classe dei problemi di ottimizzazione convessa.
Date le funzioni affini F, G, H : V → S esistono tre tipi di problemi generici basati
su LMI:
I Esistenza di una soluzione ammissibile. Si verifica l’esistenza della solu-
zione x ∈ V di F (x) < 0. Si dice che una LMI ammette soluzione (feasible) se
tale soluzione esiste, altrimenti la LMI non ha una soluzione ammissibile (not
feasible o infeasible).
I Problema di minimizzazione di funzione obiettivo lineare. Si considera
una funzione del tipo f : Ω → R del tipo f = cT x, con Ω , {x|F (x) < 0} e si
determina il valore ottimo
Vopt = inf f (x)

x∈S
In particolare il problema di ottimizzazione con un vincolo LMI ha la forma:
min cT x, s.t. F (x) < 0
109
I Problema generalizzato di minimizzazione dell’autovalore Si minimizza
uno scalare λ ∈ R soggetto ai vincoli
λF (x) − G(x) > 0
F (x) > 0
H(x) > 0
Sistemi di LMI
La potenza delle LMI risiede nella loro capacità di esprimere diversi tipi di insiemi
convessi con proprietà più attraenti rispetto a quelle degli insieme convessi generici.
Un sistema di LMI è un insieme finito di LMI:



 F1 (x) < 0

 F2 (x) < 0
.. (A.5.1)

 .

 F (x) < 0
n
Qualsiasi sistema di LMI può essere espresso come una singola LMI, infatti l’e-
quazione (A.5.1 ammette le stesse soluzioni della LMI

 
F1 (x) 0 0 0
 0 F2 (x) 0 0 
 
F (x) =  . .. <0 (A.5.2)
 0 0 0 
0 0 0 Fn (x)
con F (x) simmetrica per ogni x, e dato che l’insieme degli autovalori di F (x) è dato
dall’unione degli autovalori di F1 (x), F2 (x), ..., Fn (x), tutti i valori di x che soddisfano
F (x) < 0 soddisfano anche anche l’equazione (A.5.2) e viceversa.
A.5.1 Schur Complement
Lo Schur Complement (per una trattazione nel dettaglio si vedano [1], [2]) è forse lo
strumento più importante legato alle LMI: esso infatti permette di trasformare una
110
Cap. A Strumenti Matematici §A.6 Vincolo di Lipschitz
certa classe di disuguaglianze nonlineari in disuguaglianze matriciali lineari. Infatti
impostando la seguente LMI:

· ¸
Q(x) S(x)
>0 (A.5.3)
S T (x) R(x)
Dove Q = QT , R = RT ed S sono affini ad x. Allora l’equazione (A.5.3) vale se e solo
se:
½
R(x) > 0
(A.5.4)
Q(x) − S(x)R−1 (x)S T (x) > 0
Il sistema di disequazioni definito dall’equazione (A.5.4) è nonlineare: ripercorrendo lo
stesso procedimento a ritroso è possibile descrivere sistemi di disequazioni nonlineari
in termini di LMI, cioè passare da forme del tipo definito dall’equazione (A.5.4) a
forme del tipo definito dall’equazione (A.5.3).
Informazioni più dettagliate sulle LMI si trovano in particolar modo in [1], [2] e
[11].
A.6 Vincolo di Lipschitz
Il vincolo di Lipschitz è un vincolo aggiuntivo inserito nella formulazione, non riporta-
to esplicitamente negli algoritmi di sintesi3 di Λg , Λα1 e Λα2 (paragrafo 4 e paragrafo 5),
usato per garantire un bound finito sulla costante di Lipschitz (la massima deriva-
ta del membro destro) del sistema anti-windup a ciclo chiuso, ottenuta attenuando
l’effetto del loop algebrico. Esso è definito in [9] come LMI:
He [(1 − ν)U − Dyq U − Dyl X] > 0 (A.6.1)
ν ∈ [0; 1)
3
Il vincolo di Lipschitz va aggiunto rispettivamente per i tre algoritmi di sintesi nell’equa-
zione (4.1.1), nell’equazione (4.2.1) e nell’equazione (4.2.4) per la sintesi a tempo continuo e
nell’equazione (5.1.1), nell’equazione (5.2.1) e nell’equazione (5.2.4) per la sintesi a tempo discreto.
111
Cap. A Strumenti Matematici §A.6 Vincolo di Lipschitz
Se ν = 0 allora l’equazione (A.6.1) diventa superflua.
Se 0 < ν < 1 allora l’equazione (A.6.1) diventa quanto più vincolante tanto più ν→1.
In questo modo forza l’algoritmo di sintesi a produrre compensatori con membro
destro a bassa costante di Lipschitz.
112
Appendice B
Tools per LMI in ambiente Matlab
Le simulazioni di capitolo 6 sono state ottenute tramite un software scritto in am-
biente Matlab/Simulink. Nello specifico la parte simulativa è prettamente delegata
a Simulink mentre la parte di sintesi è delegata a Matlab e fa uso massivo di 2 tool
specifici per problemi di ottimo basati su LMI:
1. Yalmip
2. Se.Du.Mi.
B.1 Yalmip
Yalmip, acronimo di Yet Another LMI Parser, è un tool free specifico per Matlab, in
principio sviluppato come semplice parser di LMI, ora vera e propria interfaccia di
alto livello comprensiva di solver interni, per la definizione e la risoluzione di problemi
di ottimizzazione su LMI.
B.1.1 Generalità
YALMIP è un linguaggio di modellazione per la definizione e la risoluzione di problemi
di ottimizzazione avanzata.
113
Cap. B Tools per LMI in ambiente Matlab §B.1 Yalmip
La principale caratteristica di Yalmip, che ne motiva l’uso, è lo sviluppo rapido di
codice: il linguaggio che usa Yalmip è congruente con la sintassi standard di Mat-
lab che quindi ne caratterizza la semplicità di utilizzo per chiunque abbia familiarità
con Matlab.
Altra caratteristica fondamentale di Yalmip è l’implementazione automatica di
trucchetti nella modellazione, che permettono all’utente di concentrarsi sulla model-
lazione d’alto livello, mentre Yalmip si interessa della modellazione di basso livello,
ottenendo la massima efficienza e un modello numericamente quanto più trattabile
possibile.
Il linguaggio di modellazione supporta un gran numero di classi di ottimizzazione,
come: lineare, quadratica, coni del secondo ordine...
L’idea centrale di Yalmip è il concentrarsi squisitamente sul linguaggio e su algo-
ritmi di alto livello, contando su risolutori (solver) esterni per il calcolo. Cionono-
stante, Yalmip implementa algoritmi nativi per l’ottimizzazione globale, programma-
zione intera, programmazione multiparametrica, somma di quadrati e ottimizzazione
robusta.
B.1.2 Guida all’installazione
Per questo lavoro di tesi è stata utilizzata la versione R20080415 di YALMIP. Si noti
che esso è interamente basato su m-codice, ed è quindi semplicissimo da installare1 .
1. Rimuovere ogni vecchia versione di YALMIP.
2. Estrarre il contenuto del file yalmip.zip in una cartella a scelta2 e aggiungere
le seguenti subdirectory al path di Matlab:

1
Requisiti minimi Windows Xp, MATLAB 7.3 (2006b).
2
Per coerenza si consiglia di estrarre i file nella cartella /toolbox di Matlab.
114
/yalmip
/yalmip/extras
/yalmip/demos
/yalmip/solvers
/yalmip/modules
/yalmip/modules/parametric
/yalmip/modules/moment
/yalmip/modules/global
/yalmip/modules/sos
/yalmip/operators
I solver esterni vanno installati come riportato nel relativo manuale: assicurarsi di
aver aggiunto la directory del solver nel path di Matlab.
Per testare il buon fine dell’installazione, eseguire il comando yalmiptest. Infine,
per una presentazione del tool (e per apprendere velocemente i comandi principali)
tramite esempi, eseguire la dimostrazione yalmipdemo.
Per la soluzione di eventuali problemi si rimanda alla FAQ online e al manuale
online[13].
B.1.3 Comandi principali
Di seguito si presentano i principali comandi Yalmip utilizzati all’interno del codice
del software scritto per risolvere i problemi di ottimizzazione oggetto di questa tesi,
corredati di esempi.
sdpsettings è usato per impostare le opzioni di Yalmip e del solver che si desidera
utilizzare.
115
option=sdpsettings(’shift’,0,’verbose’,2,’solver’,’sedumi’);
Le opzioni principali sono:
I shift: impostabile a 0 o 1, permette di inserire vincoli stretti. In Yalmip i
vincoli di disuguaglianza F (x) > 0 sono definiti come F (x) > shif tI. Si noti
che porre shift a 1, non garantisce l’ammissibilità della soluzione.
I verbose: impostabile a 0, 1 o 2, definisce il livello di profondità di informazioni
stampate a schermo durante l’ottimizzazione. Si consiglia il valore 2, per avere
il massimo controllo durante l’esecuzione.
I solver: in questo campo è possibile inserire uno qualsiasi dei solver installati.
Per lasciare libera la scelta a Yalmip del solver da utilizzare è sufficiente porre
il tag del solver pari a ’’.
sdpvar è usato per definire le variabili decisionali simboliche di Yalmip. Le principali
tipologia di matrici di variabili decisionali sono:
I Matrice quadrata simmetrica:
Q = sdpvar(Dim.ncl,Dim.ncl,’symmetric’);
I Matrice diagonale:
U = diag(sdpvar(Dim.nu,1))
I Matrice rettangolare:
H = sdpvar(Dim.nu,Dim.ncl);
I Variabile scalare:
116
gamma_2 = sdpvar(1,1);
set è usato per definire e mettere insieme i vincoli del problema.
I Definizione matrice PHI del vincolo di Lyapunov:
PHI=(...);
I Creazione del set di vincoli vuoto e inclusione al set del vincolo di Lyapunov:
Constraints = set(He(PHI)<=0);
I Definizione matrice LIP del vincolo di Lipschitz:
LIP=He( (1-nu)*U-SysCL.Dyq*U-SysCL.Dyl*X )
I Inclusione al set dei vincoli esistenti del vincolo di Lipschitz:
Constraints=Constraints+set(LIP>0);
solvesdp minimizza la funzione obiettivo, soggetta ai vincoli definiti via set con
il solver impostato in option. Nell’esempio che segue si minimizza gamma_2 soggetta
ai vincoli Constraints con il solver descritto (con i suoi flag) in option:
solvesdp(Constraints,gamma_2, option);
checkset è usato per verificare l’ammissibilità dei vincoli. Condizione di controllo
di ammissibilità. Se un problema diventa numericamente problematico allora prim
diventa negativo e molto piccolo; se invece perde di ammissibilità allora prim diventa
fortemente negativo
[prim,dual] = checkset(Constraints);
117
Cap. B Tools per LMI in ambiente Matlab §B.2 Se.Du.Mi.
if min(prim)<-1 gamma_2=Inf; end
double è usato per estrarre il valore numerico di una variabile decisionale:
Gamma_2=double(gamma_2)
B.2 Se.Du.Mi.
SeDuMi, acronimo di Self-Dual-Minimization, è un pacchetto software per la risolu-
zione di problemi di ottimizzazione soggetti a vincoli lineari, quadratici e semidefiniti,
rilasciato sotto licenza GNU GPL3 .
B.2.1 Generalità
SeDuMi implementa la tecnica self-dual per l’ottimizzazione su coni omogenei self-
dual, o più in generale su coni simmetrici.
Punti di forza di SeDuMi sono principalmente la portabilità su diversi sistemi
e, non meno importante, l’efficienza dell’algoritmo, in termini di robustezza e
rapidità di convergenza. Quest’ultima ben visibile in presenza matrici sparse.
B.2.2 Guida all’installazione
Per questo lavoro di tesi è stato utilizzato SeDuMi 1.1, la cui installazione in ambiente
Windows è semplice: è sufficiente estrarre il contenuto del file SeDuMi 1 1R3.zip in

3
La GNU General Public License è una licenza per software libero. È comunemente
indicata con l’acronimo GNU GPL o semplicemente GPL.[. . .]Contrapponendosi alle
licenze per software proprietario, la GNU GPL assicura all’utente libertà di utilizzo,
copia, modifica e distribuzione. (http://it.wikipedia.org/wiki/GNU GPL)
Una copia di GNU GPL è consultabile al sito:
http://sedumi.ie.lehigh.edu/component/option,com docman/task,doc download/gid,25/Itemid,76/
118
Cap. B Tools per LMI in ambiente Matlab §B.2 Se.Du.Mi.
una cartella a scelta4 e aggiungerla al path di Matlab.
Per la soluzione di eventuali problemi si rimanda al Forum e al manuale online
[14].
B.2.3 Comandi principali
SeDuMi è utilizzato come solver da Yalmip, al quale si interfaccia autonomamente, e
provvede unicamente calcolare il minimo della funzione obiettivo data.
4
Per coerenza si consiglia di estrarre i file nella cartella /toolbox di Matlab.
119
Elenco delle figure
1.1 Funzione di Saturazione. . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Sistema di controllo a ciclo chiuso non saturato. . . . . . . . . . . . . 13
1.3 Ciclo chiuso saturato. . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Ciclo chiuso anti-windup. . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1 Schema equivalente H di sistema a tempo continuo saturato: modello
con deadzone. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Proprietà di settore globale, sector[0, K]; per nonlinearità tipo satura-
zione e deadzone la proprietà di settore globale vale con K= I. . . . . 25
2.3 Sistema di controllo anti-windup a tempo continuo con compensatore
anti-windup statico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.4 Esempio di minimo guadagno L2 nonlineare per un sistema “massa
molla smorzatore”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1 Schema equivalente H di sistema a tempo discreto saturato: modello
con deadzone. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.2 Sistema di controllo anti-windup a tempo discreto con compensatore
anti-windup statico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
120
ELENCO DELLE FIGURE ELENCO DELLE FIGURE
4.1 Esempio di confronto tra prestazioni per un sistema “aereo F8 ”: come
lecito aspettarsi nell’intervallo di interesse γmin (s) ≤ γα1 (s) ≤ γG (s). . 56
4.2 Esempio di confronto tra prestazioni per un sistema “aereo F8 ”: come
lecito aspettarsi nell’intervallo di interesse γmin (s) ≤ γα2 (s) ≤ γG (s). . 58
6.1 Schema Simulink per il confronto tra risposte dei sistemi di controllo. 67
6.2 Schema Simulink di ciclo chiuso con anti-windup. . . . . . . . . . . . 68
6.3 Sistema massa molla smorzatore. . . . . . . . . . . . . . . . . . . . . 69
6.4 Segnale di riferimento che si vuole far inseguire al sistema massa molla
smorzatore. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6.5 Sistema massa molla smorzatore. Diagramma del minimo guadagno L2
nonlineare (celeste), del guadagno L2 nonlineare relativo a Λg (rosso), a
Λα1 (verde) e a Λα2 (blu): i due compensatori Λα hanno una prestazio-
ne garantita globale non peggiore (non più grande) di Λg nella zona di
interesse. Nello specifico Λα2 (blu) ha guadagno L2 praticamente iden-
tico al Λg (rosso); Λα1 (verde) è leggermente più piccolo nell’intervallo
di interesse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.6 Traiettorie non saturate del sistema massa molla smorzatore a ciclo
chiuso. Livelli di saturazione sull’ingresso (puntinato) non attivi. . . . 74
6.7 Traiettorie saturate (continuo) e non saturate (tratteggiato) del si-
stema massa molla smorzatore a ciclo chiuso. Livelli di saturazione
sull’ingresso (puntinato) attivi. . . . . . . . . . . . . . . . . . . . . . 74
121
6.8 Risposta in uscita per il sistema non saturato (celeste) e per i siste-
mi di controllo anti-windup con compensatore Λg (rosso), Λα1 (verde),
Λα2 (blu) del sistema massa molla smorzatore a ciclo chiuso. Rife-
rimento (puntinato). Λα1 e Λα2 sono sintetizzati su Nα = 20 punti,
Is = [10−3 ; 103 ]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.9 Segnale di controllo per il sistema non saturato (celeste) e per i sistemi
di controllo anti-windup con compensatore Λg (rosso), Λα1 (verde),
Λα2 (blu) del sistema massa molla smorzatore a ciclo chiuso. Livelli di
saturazione (puntinato). Λα1 e Λα2 sono sintetizzati su Nα = 20 punti,
Is = [10−3 ; 103 ]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.10 Traiettorie del sistema di controllo anti-windup globale (continuo) e
non saturato (tratteggiato) del sistema massa molla smorzatore a ciclo
chiuso. Il compensatore anti-windup globale è stato sintetizzato risol-
vendo l’equazione (4.1.1) e garantisce stabilità e prestazione globale.
Livelli di saturazione sull’ingresso (puntinato) attivi. . . . . . . . . . 78
6.11 Traiettorie del sistema di controllo anti-windup Λα1 (continuo) e non sa-
turato (tratteggiato) del sistema massa molla smorzatore a ciclo chiuso.
Il compensatore anti-windup Λα1 è stato sintetizzato risolvendo l’equa-
zione (4.2.1) e garantisce stabilità e prestazione globale. Λα1 è legger-
mente più veloce di Λg . Livelli di saturazione sull’ingresso (puntinato)
attivi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
122
6.12 Traiettorie del sistema di controllo anti-windup Λα2 (continuo) e non
saturato (tratteggiato) del sistema massa molla smorzatore a ciclo chiu-
so. Il compensatore anti-windup Λα2 è stato sintetizzato risolvendo l’e-
quazione (4.2.4) e garantisce stabilità e prestazione globale. Livelli di
saturazione sull’ingresso (puntinato) attivi. . . . . . . . . . . . . . . . 79
6.13 Sistema aereo F8 a tempo continuo. Diagramma del minimo guada-
gno L2 nonlineare (celeste), del guadagno L2 nonlineare relativo a Λg
(rosso), a Λα1 (verde) e a Λα2 (blu): i due compensatori Λα hanno una
prestazione garantita globale migliore (più piccola) di Λg nella zona di
interesse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.14 Traiettorie non saturate del sistema aereo F8 a ciclo chiuso. Livelli di
saturazione sull’ingresso (puntinato) non attivi. . . . . . . . . . . . . 84
6.15 Traiettorie saturate (continuo) e non saturate (tratteggiato) del sistema
aereo F8 a ciclo chiuso. Livelli di saturazione sull’ingresso (puntinato)
attivi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.16 Risposte in uscita per il sistema non saturato (celeste) e per i sistemi
di controllo anti-windup con compensatore Λg (rosso), Λα1 (verde), Λα2
(blu) del sistema aereo F8 a ciclo chiuso. Riferimento (puntinato). Λα1
e Λα2 sono sintetizzati su Nα = 20 punti, Is = [100 ; 104 ]. . . . . . . . . 87
6.17 Segnali di controllo per il sistema non saturato (celeste) e per i sistemi
di controllo anti-windup con compensatore Λg (rosso), Λα1 (verde),
Λα2 (blu) del sistema aereo F8 a ciclo chiuso. Livelli di saturazione
(puntinato). Λα1 e Λα2 sono sintetizzati su Nα = 20 punti, Is = [100 ; 104 ]. 88
123
non saturato (tratteggiato) del sistema aereo F8 a ciclo chiuso. Il
compensatore anti-windup globale è stato sintetizzato risolvendo l’e-
saturato (tratteggiato) del sistema aereo F8 a ciclo chiuso. Il com-
pensatore anti-windup Λα1 è stato sintetizzato risolvendo l’equazione
(4.2.1) e garantisce stabilità e prestazione globale, inoltre fornisce una
dinamica migliore rispetto a Λg . Livelli di saturazione sull’ingresso
(puntinato) attivi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
(4.2.4) e garantisce stabilità e prestazione globale. Λα2 è, inoltre, netta-
mente il miglior compensatore per velocità di convergenza e per errore
di inseguimento dopo 5 sec. rispetto Λα1 e Λg . Livelli di saturazione
6.21 Sistema aereo F8 a tempo discreto. Diagramma del minimo guada-
gno L2 nonlineare (celeste), del guadagno L2 nonlineare relativo a Λg
(rosso), a Λα1 (verde) e a Λα2 (blu): i due compensatori Λα hanno
una prestazione garantita migliore (più piccola) di Λg nell’intervallo di
interesse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.22 Traiettorie non saturate del sistema aereo F8 a ciclo chiuso. Livelli di
saturazione sull’ingresso (puntinato) non attivi. . . . . . . . . . . . . 95
124
6.23 Traiettorie saturate (continuo) e non saturate (tratteggiato) del sistema
aereo F8 a ciclo chiuso. Livelli di saturazione sull’ingresso (puntinato)
attivi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.24 Risposte in uscita per il sistema non saturato (celeste) e per i sistemi
e Λα2 sono sintetizzati su Nα = 10 punti, Is = [101.5 ; 103 ]. . . . . . . . 97
6.25 Segnale di controllo per il sistema non saturato (celeste) e per i sistemi
e Λα2 sono sintetizzati su Nα = 10 punti, Is = [101.5 ; 103 ]. . . . . . . . 98
non saturato (tratteggiato) del sistema aereo F8 a ciclo chiuso. Il
compensatore anti-windup globale è stato sintetizzato risolvendo l’e-
pensatore anti-windup Λα1 è stato sintetizzato risolvendo l’equazio-
ne (5.2.1) e garantisce stabilità e prestazione globale. È il migliore
tra i compensatori anti-windup sintetizzati seppur mantenga un errore
di inseguimento dopo 5 sec. non trascurabile. Livelli di saturazione
125
(5.2.4) e garantisce stabilità e prestazione globale. Livelli di saturazione
A.1 Grafico di una funzione convessa. . . . . . . . . . . . . . . . . . . . . 107
126
Bibliografia
[1] Stephen Boyd, Laurent El Ghaoui, E. Feron, and V. Balakri-
shnan, “Linear Matrix Inequalities in System and Control Theo-
ry”, Society for Industrial and Applied Mathematics (SIAM), 1994,
http://www.stanford.edu/~boyd/lmibook/lmibook.pdf
[2] Carsten Scherer and Siep Weiland, “Linear Matrix Inequalities in Control”,
Master’s Course: LMI’s in Controller Analysis and Synthesis (wb2416), 2005
http://www.dcsc.tudelft.nl/~cscherer/2416/lmi05.pdf
[3] Gene Grimm, Jay Hatfield, Ian Postlethwaite, Adrew R. Teel, Matthew C. Turner
and Luca Zaccarian, “Antiwindup for Stable Linear Systems With Input Satura-
tion: An LMI-Based Syntheis”, IEEE transactions on automatics control vol.48,
no.9 september 2003.
[4] Tingshu Hu, Andrew R. Teel and Luca Zaccarian, “Nonlinear L2 gain and regio-
nal analysis for linear systems with anti-winup compensation”, American Control
Conference, 2005.
[5] Eric F. Mulder, Mayuresh V. Kothare and Manfred Morari, “Multivariable anti-
windup controller synthesis using linear matrix inequalities”, Automatica vol.37
no.9pp.1407-1416, Sept.2001.
127
BIBLIOGRAFIA BIBLIOGRAFIA
[6] Alberto Isidori, “Sistemi di controllo II”, Siderea, 1998.
[7] P. Kapasouris, M. Athans, G. Stein, “Design of feedback control systems for stable
plants with saturating actuators”, In Proceedings of the Conference on Decision
and Control, Austin (TX), USA, December 1988.
[8] Luca Zaccarian and Andrew R. Teel, “A common framework for anti-windup,
bumpless transfer and reliable designs”, Automatica (B), 38(10):1735-1744, 2002.
[9] G. Grimm, A.R. Teel, and L. Zaccarian, “Establishing Lipschitz properties of mul-
tivariable algebraic loops with incremental sector nonlinearities”, In Conference on
Decision and Control, Maui (HI), USA, December 2003.
[10] K.J. Astrom and L. Rundqwist, “Integrator Windup and How to Avoid It”, In
Proceedings of the 1989 American Control Conference.
[11] Pascal Gahinet, Arkadi Nemirovski, Alan J. Laub and Mahmoud Chilali,
“LMI Control Toolbox User’s Guide”, copyright 1995 by The MathWorks, Inc.
http://www.mathworks.com/access/helpdesk_r13/help/pdf_doc/lmi/lmi.pdf
[12] Xiaoxin Liao, Pei Yu, Reinhard Laubenbacher, Angela Stevens, “Absolute
Stability of Nonlinear Control Systems”, Springer, 2008.
[13] J. Löfberg, “YALMIP: A Toolbox for Modeling and Optimization in MA-
TLAB”, In Proceedings of the CACSD Conference, Taipei, Taiwan, 2004
http://control.ee.ethz.ch/~joloef/wiki/pmwiki.php
[14] J.F.Sturm, “Using SeDuMi 1.02, a Matlab toolbox for opti-
mization over symmetric cones”, August 1998 - October 2001
http://sedumi.ie.lehigh.edu/component/option,com_frontpage/Itemid,1/
128

Sintesi Di Antiwindup Statico Con Prestazione Nonlineare Ottimizzata

Caricato da

Informazioni sul documento

Titolo 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

Sintesi Di Antiwindup Statico Con Prestazione Nonlineare Ottimizzata

Caricato da

Copyright:

Formati disponibili

UNIVERSITÀ DEGLI STUDI DI ROMA

CORSO DI LAUREA IN INGEGNERIA

Tesi di Laurea Specialistica

SINTESI DI ANTIWINDUP STATICO

Prof. Luca Zaccarian Roberto de Simone

Prof. Sergio Galeani

1 Definizione del problema 6

1.1 Le funzioni di saturazione e di deadzone . . . . . . . . . . . . . . . . 6

1.2 Stabilizzazione con saturazione . . . . . . . . . . . . . . . . . . . . . 8

1.3 Obiettivi della compensazione anti-windup . . . . . . . . . . . . . . . 11

1.4 Ciclo chiuso con anti-windup . . . . . . . . . . . . . . . . . . . . . . . 12

1.4.1 Ciclo aperto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.4.2 Ciclo chiuso non saturato . . . . . . . . . . . . . . . . . . . . 12

1.4.3 Ciclo chiuso saturato . . . . . . . . . . . . . . . . . . . . . . . 14

1.4.4 Ciclo chiuso anti-windup . . . . . . . . . . . . . . . . . . . . . 14

2 Analisi e sintesi a tempo continuo 19

2.1 Disequazioni di Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . 20

2.2 Funzioni di Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.3 Proprietà di settore . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.3.1 Proprietà di settore generalizzata . . . . . . . . . . . . . . . . 27

2.4 Stabilità e prestazione . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2.5 Sintesi di anti-windup statico . . . . . . . . . . . . . . . . . . . . . . 33

2.6 Minimo guadagno L2 nonlineare . . . . . . . . . . . . . . . . . . . . . 39

3 Analisi e sintesi a tempo discreto 42

3.1 Disequazioni di Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . 43

3.2 Stabilità e prestazione . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.3 Sintesi di anti-windup statico . . . . . . . . . . . . . . . . . . . . . . 46

3.4 Minimo guadagno L2 nonlineare . . . . . . . . . . . . . . . . . . . . . 52

4 Sintesi di anti-windup statico a tempo continuo 53

4.2.1 Sintesi di anti-windup con algoritmo α1 . . . . . . . . . . . . . 55

4.2.2 Sintesi di anti-windup con algoritmo α2 . . . . . . . . . . . . . 56

5 Sintesi di anti-windup statico a tempo discreto 60

5.2.1 Sintesi di anti-windup con algoritmo α1 . . . . . . . . . . . . . 62

5.2.2 Sintesi di anti-windup con algoritmo α2 . . . . . . . . . . . . . 63

6.2 Esempio 1: sistema massa molla smorzatore (TC) . . . . . . . . . . . 69

6.2.1 Guadagno L2 nonlineare e risposta nel tempo . . . . . . . . . 71

6.3 Esempio 2: sistema aereo F8 (TC) . . . . . . . . . . . . . . . . . . . 80

6.3.1 Guadagno L2 nonlineare e risposta nel tempo . . . . . . . . . 81

6.4 Esempio 3: sistema aereo F8 (TD) . . . . . . . . . . . . . . . . . . . 92

6.4.1 Guadagno L2 nonlineare e risposta nel tempo . . . . . . . . . 92

7 Conclusioni e sviluppi futuri 102

A Strumenti Matematici 104

A.1 Nomenclatura generale . . . . . . . . . . . . . . . . . . . . . . . . . . 104

A.2 Norma L2 e Spazio L2 . . . . . . . . . . . . . . . . . . . . . . . . . . 104

A.3 Guadagno L2 ingresso/uscita . . . . . . . . . . . . . . . . . . . . . . . 105

A.4 Ottimizzazione Convessa . . . . . . . . . . . . . . . . . . . . . . . . . 106

A.5 LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

A.5.1 Schur Complement . . . . . . . . . . . . . . . . . . . . . . . . 110

A.6 Vincolo di Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

B Tools per LMI in ambiente Matlab 113

B.1 Yalmip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

B.1.1 Generalità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

B.1.2 Guida all’installazione . . . . . . . . . . . . . . . . . . . . . . 114

B.1.3 Comandi principali . . . . . . . . . . . . . . . . . . . . . . . . 115

B.2 Se.Du.Mi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

B.2.1 Generalità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

B.2.2 Guida all’installazione . . . . . . . . . . . . . . . . . . . . . . 118

B.2.3 Comandi principali . . . . . . . . . . . . . . . . . . . . . . . . 119

Elenco delle figure 120

attuatore è intrinsecamente un saturatore di ampiezze, e quindi i segnali in ingresso al

processo sono sempre soggetti a limitazioni. Il windup è stato affrontato a cominciare

che introducono un’azione di controllo solo quando il sistema entra in saturazione,

prevenendo l’instabilità e attenuando la perdita di prestazione. La compensazione