Curso de Especialização em Automação Industrial Grupo de Controle Automação e Robótica GCAR/UFRGS Controle Preditivo Baseado em Modelo (MPC) - Generalidades Prof. Dr. João Manoel Gomes da Silva Jr. Exemplo • Condução de um carro – trajetória de referência. – predição mental a partir do conhecimento do comportamento do carro. – decisão ótima da atitude a ser tomada. – repetição do procedimento. Características • Modelo Predição do comportamento futuro • Otimização Critério – medição do desvio da trajetória de referência; medição do esforço de controle; restrições • Horizonte Deslizante – otimização seqüência ótima de controle – apenas primeiro elemento da seqüência é aplicado Características Todos tipos de controle preditivo apresentam estas 3 características. A diferença entre se dá no: • Tipo de Modelo: resposta ao impulso (MAC), resposta ao salto (DMC), função de transferência (GPC), espaço de estados • Tipo de Função Custo: quadrática, linear Vantagens • Pode ser aplicado a uma grande gama de processos, incluindo: sistemas com grandes atrasos, fase não-mínima e instáveis • Aplica-se diretamente a sistemas multivariáveis • Compensa intrinsicamente atrasos de transporte • Na ausência de restrições, resume-se a um controlador linear • Permite considerar restrições sobre as variáveis: amplitude, taxa de variação Desvantagens • Necessidade de um modelo • Tempo de cálculo: a cada período de amostragem, um problema de otimização com restrições deve ser resolvido. Produtos Comerciais • DMC Corp. : Dynamic Matrix Control • Adersa: Identification and Command (IDCOM), Hierarchical Costraint Control (HIECON) , Predictive Functional Control (PFC) • Honeywell Profimatics: Robust Model Predictive Control Technology (rmpct) and Predictive Control Technology (PCT) • Setpoint Inc.: Setpoint Multivariable Control Architecture (SMCA) and IDCOM-M (multivariable) • Treiber Controls: Optimum Predictive Control (OPC) • SCAP Europa: Adaptive Predictive Control Systems Estratégia MPC 1. As saídas para um determinado horizonte N, chamado horizonte de predição, são preditas a cada instante t usando o modelo do processo: yˆ (t k | t ) : predição da saída no instante t, k instantes a frente k=0,...,N u(t k | t ) : k-ésimo elemento da seqüência ótima de controle calculada no instante k Estratégia MPC 2. A seqüência de sinais de controle futuros é calculada a partir da otimização de um critério com o intuito de manter a saída do processo o mais próximo possível da trajetória de referência w(t+k). Este critério é em geral quadrático e pondera o esforço de controle. A otimização pode levar em conta restrições sobre as MV e as PV. Estratégia MPC 3.O sinal de controle u(t|t) é enviado ao processo, enquanto o resto da seqüência de controle calculada é descartada. No próximo período de amostragem, repete-se este 3 passos, em uma filosofia de horizonte deslizante. Estratégia MPC Modelos de Processo • Resposta ao Impulso (MAC) y (t ) hi u (t i ) i 1 N y (t ) hi u (t i ) H ( z 1 )u (t ) i 1 H ( z 1 ) h1 z 1 h2 z 2 hN z N – Preditor: N yˆ (t k | t ) hi u (t k i | t ) H ( z 1 )u (t k | t ) i 1 Modelos de Processos • Resposta ao Salto (DMC) hi g i g i 1 g i (1 z 1 ) (1 z 1 ) N y (t ) g i u (t i ) G ( z 1 )(1 z 1 )u (t ) i 1 – Preditor: N yˆ (t k | t ) g i u (t k i | t ) i 1 Modelos de Processos Modelos de Processos • Função de Transferência 1 B ( z ) y (t ) G ( z 1 ) 1 A( z ) u (t ) A( z 1 ) 1 a1 z 1 a2 z 2 ana z na B( z 1 ) 1 b1 z 1 b2 z 2 bnb z nb – Preditor: B( z 1 ) yˆ (t k | t ) u (t k | t ) 1 A( z ) Resposta livre e forçada • Resposta livre (uf): corresponde a resposta a partir do instante t considerando-se que o sinal de controle a partir deste instante será constante e igual u(t-1) • Resposta forçada (uc): corresponde a parcela da resposta que é obtida pela aplicaçào da seqüência ótima de controle a ser aplicada a partir do instante t Resposta livre e forçada Resposta livre e forçada u (t ) u f (t ) uc (t ) u f (t j ) u f (t j ) u f (t j ) u f (t 1) uc (t j ) 0 para para para uc (t j ) u f (t j ) u (t 1) j 1,2 j 0,1,2 j 1,2 para j 0,1,2 Função Objetivo J ( N1 , N 2 , N u ) N2 Nu j N1 j 1 2 2 ( j )[ y ( t j | t ) w ( t j )] ( j )[ u ( t j | t )] ˆ • N1 e N2: horizontes mínimo e máximo de predição • Nu: horizonte de controle • w(t): trajetória de referência • δ(j): pesos sobre o desvio com relação a trajetória • λ(j): pesos sobre o esforço de controle Trajetória de Referência w(t k ) w(t k 1) (1 )r (t k ) k 1,, N • Obs: para α=0 temos uma referência constante todo o tempo. Restrições • Razões construtivas (físicas), de segurança, econômicas, ambientais, etc. : restrições sobre sinais de controle e de saída • Exemplo: umin u (t ) umax dumin u (t ) u (t 1) dumax ymin y (t ) ymax Problema de Otimização min J ( N1 , N 2 , N u ) u u min sob u (t ) u max dumin u (t ) u (t 1) dumax ymin y (t ) ymax