467b810f5239c
TRANSCRIPT
-
5/21/2018 467b810f5239c
1/186
PROYECTO FIN DE CARRERA
DISEO DEL SISTEMA DE CONTROLDE UN BANCO DE POTENCIA
PARA MOTOCICLETAS
Directores: Juan Luis Zamora Macho y Pablo Arias Arstegui
Autor: Ignacio Prez Pereira
Junio 2007
UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TCNICA SUPERIOR DE INGENIERA-ICAI
Ttulo de Ingeniero en Automtica y Electrnica Industrial
-
5/21/2018 467b810f5239c
2/186
Diseo del sistema de control de un banco de potencia paramotocicletas
ndice
1
NDICE
Captulo 1 Introduccin y objetivos del proyecto ............................................ 4
1. Introduccin y motivacin .......................................................................... 42. Objetivos del proyecto ................................................................................ 53. Metodologa y recursos ............................................................................... 84. Estructura de la memoria .......................................................................... 10
Captulo 2 Identificacin del conjunto freno + moto.................................... 12
2.1Introduccin .............................................................................................. 12
2.2Resultados de la identificacin del modelo mando-presin...................... 13
2.2.1 Modelo identificado para constante proporcional KP=1 ................. 13
2.2.1.1 Modelo de segundo orden con integrador............................ 14
2.2.1.2 Modelo de segundo orden con integrador y con un cero ..... 172.2.1.3 Comparaciones ..................................................................... 19
2.2.2 Modelo identificado para constante proporcional KP=2 ................. 20
2.2.3 Modelo identificado para constante proporcional KP=3 ................. 23
2.2.4 Comparacin y validacin de modelos ............................................ 26
2.2.4.1 Comparacin de las funciones de transferencia................... 27
2.2.4.2 Comparacin de las respuestas a un escaln unitario
en lazo abierto ...................................................................... 27
2.2.4.3 Comparacin de las respuestas en frecuencia enlazo abierto ........................................................................... 28
2.2.4.4 Comparacin de las respuestas a un escaln unitario
en lazo cerrado ..................................................................... 30
2.2.4.5 Comparacin de las respuestas en frecuencia en
lazo cerrado .......................................................................... 31
2.2.4.6 Conclusiones ........................................................................ 33
2.3 Modelo en lazo cerrado entre referencia de presin y presin.................. 34
-
5/21/2018 467b810f5239c
3/186
Diseo del sistema de control de un banco de potencia paramotocicletas
ndice
2
2.4 Proceso de identificacin del modelo presin-velocidad .......................... 402.4.1 Introduccin ..................................................................................... 40
2.4.2 Identificacin paramtrica................................................................ 43
2.4.2.1 Estimacin de la componente determinista.......................... 44
2.4.2.2 Estimacin de la componente estocstica ............................ 49
2.5 Discretizacin de los modelos................................................................... 55
2.5.1 Modelo presin-velocidad................................................................ 56
2.5.2 Modelo referencia de presin-presin en tiempo discreto ............... 572.5.3 Obtencin del modelo entre referencia de presin y velocidad....... 58
Captulo 3 Control predictivo funcional........................................................ 60
3.1 Introduccin al control predictivo............................................................. 60
3.2 Conceptos bsicos ..................................................................................... 61
3.3 Elementos bsicos ..................................................................................... 64
3.3.1 Modelo de prediccin....................................................................... 65
3.3.1.1 Modelo del proceso .............................................................. 65
3.3.1.2 Modelo de las perturbaciones............................................... 67
3.3.1.3 Respuesta libre y forzada ..................................................... 69
3.3.2 Funcin objetivo ........................................................................... 70
3.3.2.1 Trayectoria de referencia...................................................... 72
3.3.2.2 Restricciones ........................................................................ 74
3.3.2.3 Ley de control ...................................................................... 74
3.4 Fundamento terico del PFC..................................................................... 76
3.4.1 Trayectoria de referencia.................................................................. 76
3.4.2 Clculo de la respuesta libre ............................................................ 78
3.4.3 Perturbaciones .................................................................................. 79
3.4.4 Ley del control ................................................................................. 82
-
5/21/2018 467b810f5239c
4/186
Diseo del sistema de control de un banco de potencia paramotocicletas
ndice
3
Captulo 4 Diseo del control PFC................................................................ 87
4.1 Diagrama de bloques del control PFC ...................................................... 88
4.1.1 Obtencin de la velocidad deseada de la moto ................................ 90
4.1.2 Estimacin de estado de la planta .................................................... 91
4.1.3 Obtencin de la respuesta libre de la planta..................................... 92
4.1.4 Clculo de la ganancia K.................................................................. 93
4.1.5 Estimacin de la componente determinista y estocstica ................ 94
4.1.6 Predictor del error ............................................................................ 95
4.2 Parmetros de diseo................................................................................. 96
4.3 Influencia y ajuste de los parmetros del diseo....................................... 98
4.3.1 Seguimiento de una referencia constante ......................................... 98
4.3.2 Seguimiento de una seal cuadrada ............................................... 110
4.4 Comprobacin entre el diseo del control predictivo PFC y
el obtenido en el proyecto sin el lazo interno de control de presin....... 112
4.5 Comparacin con un control PD............................................................. 115
4.5.1 Comparacin del control predictivo PFC con un control PD ........ 116
4.5.2 Comparacin de un control PD con el del proyecto sin
cerrar el lazo interno de control de presin.................................... 117
4.5.3 Comparacin del control predictivo con un control PD y
con los diseos obtenidos en el proyecto sin lazo interno ............. 118
4.6 Generalizacin de ficheros empleados en el PFC................................... 120
Captulo 5 Implantacin del control PFC.................................................. 122
5.1 Implantacin del control PFC ................................................................. 122
5.1.1 Descripcin general........................................................................ 122
5.1.2 Descripcin detallada ..................................................................... 123
5.1.2.1 La planta............................................................................. 123
-
5/21/2018 467b810f5239c
5/186
Diseo del sistema de control de un banco de potencia paramotocicletas
ndice
4
5.1.2.2 La referencia....................................................................... 1245.1.2.3 El regulador ........................................................................ 125
5.1.3 Resultados obtenidos con el fichero de simulacin ....................... 129
5.1.4 Comprobacin de la equivalencia de ficheros ............................... 131
5.2 Interfaz para identificacin y simulacin ................................................ 133
5.2.1 Ensayos ........................................................................................ 134
5.2.2 Simulaciones .................................................................................. 134
Captulo 6 Conclusiones y trabajos futuros ................................................ 136
Captulo 7 Pliego de condiciones................................................................. 138
7.1 Condiciones generales ........................................................................... 138
7.2 Condiciones econmicas........................................................................ 139
7.3 Condiciones tcnicas y particulares ....................................................... 140
Captulo 8 Presupuesto ................................................................................ 142
8.1 Coste de ingeniera................................................................................. 142
8.2 Coste de recursos empleados ................................................................. 143
Captulo 9 Agradecimientos......................................................................... 145
Captulo 10 Bibliografa................................................................................. 146
Anexo 1 Ficheros de Matlab .................................................................... 147
Anexo 2 Ficheros de Simulink ................................................................. 164
Anexo 3 Generalizacin de ficheros ........................................................ 171
-
5/21/2018 467b810f5239c
6/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
4
1.
INTRODUCCIN Y OBJETIVOS DEL PROYECTO
1.1. INTRODUCCIN Y MOTIVACIN
Un banco de potencia es un equipo de ensayo que sirve para obtener la curva
par-velocidad de un motor de combustin. Es til para las competiciones de velocidad,
para talleres y fabricantes de motocicletas, ya que permite estudiar como influyen en el
rendimiento las variaciones que se hacen en el motor, para poder hacer una puesta a
punto ptima. En la figura 1.1 se representan tres curvas de potencia tpicas de
diferentes motocicletas medidas mediante un banco de potencia.
Figura 1.1: Representacin grfica de tres curvas de potencia
En el mercado existen dos tipos de bancos de potencia para medir las
caractersticas del motor de una motocicleta sin tener que desmontarlo. En ambos casos
se hace funcionar la moto sobre una rueda o rodillo que absorbe la potencia de sta y se
miden el par y la velocidad transmitidos. La distincin entre ambos tipos se realiza en
funcin de la forma de absorber la potencia entregada:
-
5/21/2018 467b810f5239c
7/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
5
Bancos de potencia inerciales, en los que la potencia de la moto se
invierte en acelerar un rodillo de gran inercia. Llegan a pesar hasta 300
Kg., lo que implica un alto coste de fabricacin debido al material y al
imprescindible equilibrado.
Bancos de potencia con frenos electromagnticos, que como indica su
nombre, la potencia es absorbida por un freno electromagntico. Tienen
un coste elevado pero tienen la ventaja de ofrecer un par de frenado
creciente con la velocidad, lo que implica que el equilibrio par_motor /
par_resistente sea un equilibrio estable, es decir, si la moto coge ms
velocidad, el freno ofrece ms resistencia, por lo que la moto vuelve a la
velocidad de equilibrio.
1.2.
OBJETIVOS DEL PROYECTO
Este proyecto estudia la posibilidad de fabricar un banco de potencia con un
freno de friccin. Este sistema abaratara considerablemente los costes de fabricacin,
ya que el conjunto rueda-buje-freno (disco y pinza) se encuentra enormemente
extendido gracias al mundo del automvil. No obstante, esto plantea un gran problema
al ser el par resistente del freno independiente de la velocidad. Mantener la moto en un
punto de trabajo dado implica que el freno realice correcciones constantemente
(equilibrio inestable).
El principal objetivo del presente proyecto consiste en el diseo de un
sistema basado en un control predictivo que consiga mantener la velocidad de la moto
en un punto de trabajo. Para ello hay que conseguir rechazar el considerable efecto
negativo de la perturbacin correspondiente al par que ejerce la moto sobre el rodillo.
Este control es un control ptimo, ya que se basa en la optimizacin de una funcin de
coste que pesa negativamente los errores de seguimiento.
-
5/21/2018 467b810f5239c
8/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
6
Para ello es necesaria la identificacin de un modelo ( vase la siguiente
figura ) mediante ensayos procedentes del banco de potencia , al que aplicar el control
predictivo de velocidad.
Figura 1.2: Control de velocidad
En este sistema, la aplicacin de un control predictivo es idnea, al ser
conocida de antemano la referencia de velocidad durante el ensayo.
El esquema general que explica el funcionamiento del control predictivo se
muestra en la figura 1.3.
Modelo
Optimizador
Trayectoria de
referenciaEntradas y
salidas
pasadas
Errores futuros
Entradas
futuras
Funcin de
coste
Restricciones
Salida
predicha
Figura 1.3: Esquema general de un control predictivo
-
5/21/2018 467b810f5239c
9/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
7
El modelo es usado para predecir las salidas futuras de la planta y est
basado en los valores pasados y actuales de las salidas y entradas del sistema, la relacin
entre ellas y la seal obtenida del optimizador. La salida obtenida del modelo se
compara con la trayectoria de referencia y, a partir del error existente entre ambas y las
restricciones que se consideran, el optimizador minimiza la funcin de coste, de tal
modo, que se obtiene el mando ptimo que se ha de aplicar al sistema para seguir la
trayectoria deseada.
En este proyecto se plantean varios objetivos fundamentales:
Objetivos del actual proyecto
Nueva identificacin del sistema (freno + moto) en un punto de trabajo
(14 m/s) mediante 2 reguladores.
Identificacin de un regulador del modelo en lazo abierto entre Mando-
Presin mediante el mtodo AJUSTE de Matlab y cerrar el lazo de
control con una referencia de presin como entrada, obtenida en un
ensayo del banco de potencia y una constante proporcional K=1.
Identificacin de un regulador del modelo Presin-Velocidad mediante elmtodo ident deMatlab.
Diseo de un control predictivo conMatlab
Implantacin de un control predictivo en un punto de trabajo concreto.
Ajuste de los parmetros del control para conseguir el control ptimo,
que estabilice la velocidad en un punto de trabajo, mediante la
simulacin en Simulink.
-
5/21/2018 467b810f5239c
10/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
8
Comparacin del control predictivo obtenido con el modelo en lazo
abierto entre mando y presin del proyecto sin lazo interno de control de
presin.
Diseo de un control PD y comparacin con el control predictivo.
A partir de un sistema de control predictivo ya existente, automatizar los
ficheros de diseo y simulacin para posteriores proyectos con el fin de
unificar criterios, y no depender de los modelos identificados en
proyectos anteriores.
Objetivos de proyectos futuros
Implantacin del control en el sistema real.
Validacin del control con ensayos en el banco de potencia real
Diseo de un control adaptativo a partir de los ficheros generalizados
El hecho de que la moto se comporta de forma diferente en funcin de su
velocidad, y que el banco de potencia debe funcionar con distintos modelos de
motocicleta hace necesario que el sistema de control del freno sea adaptativo, es decir,
debe analizar el comportamiento de la planta (moto + freno) en tiempo real y ajustar los
parmetros del control, optimizando el rechazo de perturbaciones (par motor) y el
seguimiento de la referencia de velocidad segn los criterios de diseo.
1.3. METODOLOGA Y RECURSOS
Existe un prototipo del banco de potencia en el que se han realizado una
serie de ensayos, registrndose las seales de mando, fuerza en la rueda delantera de la
moto y velocidad del rodillo. El autor del presente proyecto realiza la identificacin y
diseo del control con estos datos. Una vez conseguido el regulador adecuado se
-
5/21/2018 467b810f5239c
11/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
9
consigue as calcular la potencia para ese rgimen de velocidad de la moto mediante el
siguiente clculo:
Potencia = Fuerza * Velocidad
Figura 1.4: Prototipo del banco de potencia
La figura 1.4 corresponde al prototipo, que dispone del sensor de fuerza y el
actuador (motor de corriente continua) que aplica el mando en el freno de disco.
Los recursos utilizados para poder llevar a cabo los objetivos impuestos son los
siguientes:
Motor de corriente continua, que aplica el mando sobre el buje del freno
mediante un cable.
Dinamo taquimtrica para medida de la velocidad y que suministra una
tensin proporcional a la velocidad del motor.
Codificador incremental: proporciona un tren de impulsos que, mediante
un conversor de frecuencia-tensin, suministra al ordenador una medida
de la velocidad.
-
5/21/2018 467b810f5239c
12/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
10
Reductor de velocidad.
1.3.1 Recursos software
Entorno de Matlab (versin 7.1), Simulink (R14) y Toolbox de identificacin
(versin 5).
1.3.2 Recursos hardware
PC con procesador Pentium IVpara realizar las simulaciones.
1.4. ESTRUCTURA DE LA MEMORIA
En el captulo 2 se detalla el procedimiento para obtener un modelo del conjunto
freno + moto que describa su comportamiento teniendo en cuenta la componente
determinista y estocstica del sistema y su influencia en la velocidad (salida y
variable a controlar en el sistema). El objetivo es obtener un conjunto de
ecuaciones matemticas que aproximen el comportamiento del conjunto freno +
moto lo ms fielmente posible y siempre considerando al banco como un sistema
con una entrada (mando (referencia de presin) en el freno) y una salida
(velocidad de la moto o tambin del rodillo).
En el captulo 3 se explican las caractersticas generales de las diferentes
variantes de controles predictivos disponibles y especialmente del controlpredictivo funcional, que es el aplicado en este proyecto.
En el captulo 4 se describe la implementacin del control y las simulaciones
realizadas. Se hace una comparacin con un control convencional con accin
proporcional y diferencial (PD). Como conclusin se compara el control ptimo
obtenido con el control predictivo del proyecto sin el lazo de control interno de
presin, con el fin de justificar las mejoras que se propusieron al inicio del
proyecto. Tambin se muestran los ficheros generalizados, tanto para el diseo
-
5/21/2018 467b810f5239c
13/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 1
11
del control como para su implementacin en el banco de potencia, con el fin de
poder realizar futuras pruebas con nuevos modelos identificados, y en
consecuencia, con distinto nmero de parmetros.
En el captulo 5 se describe el fichero de Simulinkutilizado para implantar el
control y la herramienta desarrollada para poder probar cualquier simulacin que
se desee de una forma rpida y sencilla.
En el captulo 6 se sacan las conclusiones.
En el captulo 7 est el pliego de condiciones.
En el captulo 8 se detalla el presupuesto.
En el anexo 1 se muestran los diferentes programas deMatlabutilizados.
En el anexo 2 se muestran los diagramas de simulink empleados.
En el anexo 3 se muestran los ficheros finales generalizados tanto para diseo
del control como su posterior implantacin, con los pasos necesarios para
utilizarlos.
-
5/21/2018 467b810f5239c
14/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
12
2. IDENTIFICACIN DEL CONJUNTO FRENO + MOTO
2.1 INTRODUCCIN
Para la identificacin del banco de potencia se dispone de 2 tipos de ensayo en
torno a un mismo punto de trabajo.
El primer ensayo tiene registradas las seales de referencia de presin, mando y
una medida de presin de la rueda de la moto, y ser el empleado para disear el primer
regulador, basado en un modelo en lazo cerrado entre referencia de presin y presin,
identificado con el mtodo AJUSTE de Matlab. El modelo se identifica en tiempo
continuo con un periodo de muestreo de 0.01 segundos para posteriormente
discretizarse con un tiempo de muestreo de 0.04 segundos.
El segundo ensayo tiene registradas las seales de medida de presin, velocidad
y una referencia de presin distinta de la obtenida en el primer ensayo, y ser el
empleado para disear el segundo regulador, basado en un modelo identificado entre
presin y velocidad con el comando ident de Matlab. El periodo de muestreo es de 0.04
segundos.
Posteriormente se juntan los modelos de los 2 reguladores diseados y ese ser
el modelo definitivo de la planta identificada entre referencia de presin y velocidad,
empleada en el diseo del control predictivo y en el resto de objetivos propuestos en el
proyecto.
A continuacin se describe con mayor profundidad el modelo fsico del banco de
potencia donde el mando ser la referencia de presin y la salida la velocidad.
Al actuador del freno le llega la seal de mando, que mediante una funcin de
transferencia se traduce en el par de frenado. La diferencia de este par y el resistente de
la moto conlleva una aceleracin y por lo tanto variacin de la velocidad. Este proceso
fsico corresponde al diagrama de bloques de la figura 0.
-
5/21/2018 467b810f5239c
15/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
13
Figura 2.0: Diagrama de bloques del conjunto freno + actuador
2.2 Resultados de la identificacin del modelo mando-presin
En esta seccin se muestran los resultados que se han obtenido al identificar el
modelo a partir de las seales registradas durante los distintos ensayos para los distintos
valores de K realizados en el banco de potencia, tomando como entradas para el
modelo el mando o la referencia de presin , en funcin de que el ensayo fuera en lazo
abierto o cerrado, respectivamente.
Para la identificacin del modelo se realizaron ensayos de seguimiento de una
referencia ( mando ) con control proporcional.
Adems se registran los resultados del ajuste por mnimos cuadrados del mando
y la presin (comparando la seal real, la simulada y el error entre ambas).
2.2.1 Modelo identificado para constante proporcional KP=1
En el siguiente apartado se muestran los modelos identificados para los distintos
valores de K, con las grficas y funciones de transferencia del mando y la presin, para
la identificacin de la planta.
Antes de realizar el estudio de los distintos ensayos, conviene aclarar el modelo
empleado en la identificacin entre mando y presin.
-
5/21/2018 467b810f5239c
16/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
14
2.2.1.1 Modelo de segundo orden con integrador
En la identificacin de la planta se emple un modelo distinto a una integracin (
ver Figura 1 ) debido a la necesidad de eliminar los efectos que produca una seal de
offseten el registro del mando:
)1)2(.(
)1(
+sths
th
Figura 2.1: Modelo de segundo orden con integrador
A continuacin se muestra la tabla ( Tabla 1 ) de los parmetros obtenidos para
los distintos ajustes realizados en funcin de escaln de subida y de bajada con el
modelo de la Figura 2.1:
El ajuste del modelo se realiza con tiempo de muestreo ts=1 seg en los ficheros
prep_datos.m y ajuste.m adjuntos en el Anexo de programas, por el contrario los
ensayos y datos de entrada han sido obtenidos con ts=0.01 seg , por lo que los
parmetros sufrirn las siguientes modificaciones:
-
5/21/2018 467b810f5239c
17/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
15
Th(1)_def=01.001.0
)1( Kth=
Th(2)_def=th(2)*0.01=
100
.201.0*)2(
nwth
=
Th(3)_def= th(3)*0.01=T*0.01
Ajuste Escaln Th1 Th2 Error
1 Subida 3.6836 0.064436 5.3030e-001
2 Subida 3.8406 0.063968 4.7902e-001
3 Subida 5.5167 0.062673 4.2653e-001
Media Subida 4.3469 0.06369 4.786e-001
1 Bajada 6.6073 0.058784 5.5469e-001
2 Bajada 5.7418 0.057392 8.3466e-001
3 Subida 6.7316 0.062511 6.4263e-001
Media Bajada 6.3602 0.059562 6.7732e-001
Media Subida y Bajada 5.3535 0.061626 5.7796e-001
Tabla 1: Comparacin de parmetros y error cuadrtico medio
Posteriormente se comparan, tanto para escaln de subida como de bajada, la
seal de presin registrada durante el ensayo y la obtenida mediante simulacin usando
el modelo identificado y el error entre ambas seales.
-
5/21/2018 467b810f5239c
18/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
16
20 40 60 80 100 120 140-5
0
5
10
15
20
25
Tiempo(seg)
Amplitud
Ensayo K=1
seal real
seal simulada
error
entrada
Figura 2.2: Identificacin del modelo entre mando y presin escaln de subida
20 30 40 50 60 70 80 90 100 110 120-25
-20
-15
-10
-5
0
5
Tiempo(seg)
Am
plitud
Ensayo K=1
seal real
seal simulada
error
entrada
Figura 2.3: Identificacin del modelo entre mando y presin escaln de bajada
-
5/21/2018 467b810f5239c
19/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
17
2.2.1.2 Modelo de segundo orden con integrador y con un cero
Para la identificacin de los parmetros entre el mando y la velocidad se emple
una funcin de transferencia ( ver Figura 2.1 ) pero viendo las respuestas del ajuste del
modelo mando-presin y la dinmica del sistema, se decidi aadir al modelo de ajuste
un cero con constante de tiempo pequea ( ver Figura 2.4 ):
)1)2(.(
)1).3()(1(
+
+
sths
sthth
Figura 2.4: Modelo de segundo orden con integrador y con un cero
A continuacin se muestra la tabla ( Tabla 2 ) de los parmetros obtenidos para
los distintos ajustes realizados en funcin de escaln de subida y de bajada con el
modelo de la Figura 2.4:
Ajuste Escaln Th1 Th2 Th3 Error
1 Subida 4.919 0.03217 -0.03394 4.6656e-001
2 Subida 3.85 0.07855 0.01328 4.6652e-001
3 Subida 5.504 0.0569 -0.05206 4.3125e-001
Media Subida 4.757 0.05587 -0.02424 4.5477e-001
1 Bajada 6.113 0.01924 -0.04036 5.1526e-001
-
5/21/2018 467b810f5239c
20/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
18
2 Bajada 6.48 0.02901 -0.02846 5.2201e-001
3 Subida 6.682 0.07557 0.01159 6.3358e-001
Media Bajada 6.424 0.04127 -0.01907 5.5695e-001
Media Subida y
Bajada
5.585 0.04857 -0.02165 5.0586e-001
Tabla 2: Comparacin de parmetros y error cuadrtico medio
A continuacin se comparan, tanto para escaln de subida como de bajada, la seal de
presin registrada durante el ensayo y la obtenida mediante simulacin usando el
modelo identificado y el error entre ambas seales.
10 20 30 40 50 60 70 80 90 100-5
0
5
10
15
20
25
tiempo(seg)
Amplitud
Ensayo K=1
seal real
seal simulada
error
entrada
Figura 2.5: Identificacin del modelo entre mando y presin escaln de subida
-
5/21/2018 467b810f5239c
21/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
19
10 20 30 40 50 60 70 80 90-25
-20
-15
-10
-5
0
5
Tiempo(seg)
Amplitud
Ensayo K=1 con cero
seal real
seal simulada
error
entrada
Figura 2.6: Identificacin del modelo entre mando y presin escaln de bajada
2.2.1.3Comparaciones
El resultado de la comparacin de modelos nos lleva a decidir que el modelo
empleado para el ajuste en el resto de ensayos y para distintos escalones, ser el modelode segundo orden con integracin y con cero.
Analizando los resultados se comprueba que el modelo finalmente elegido tiene
menor error cuadrtico medio, tanto para escaln de subida como de bajada, y el ajuste
de los parmetros es ms satisfactorio, como se ve en las Figuras 2.3, 2.4, 2.5 y 2.6mostradas anteriormente.
Modelo descartado)1)2(.(
)1(
+sths
th
Escaln Th1 Th2 error
Media Subida y Bajada 5.3535 0.061626 5.7796e-001
-
5/21/2018 467b810f5239c
22/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
20
Modelo elegido)1)2(.(
)1).3()(1(
+
+
sths
sthth
Escaln Th1 Th2 Th3 error
Media Subida y
Bajada
5.585 0.04857 -0.02165 5.0586e-001
En la identificacin de la planta se obtuvo la siguiente funcin de transferencia,
en funcin de los parmetros mostrados en la tabla 2.
Por lo tanto, la funcin de transferencia del modelo mando-presin es la que se
muestra a continuacin:
( ) )1.04857.0.().02165.01(585.5
1).2(.
)).3(1)(1(
1..2
.
).1()(
+
+=
+
=
+
+=
ss
s
sths
sthth
w
ss
sTKsF
n
El error cuadrtico medio obtenido en el ajuste entre mando y presin fue 0.5058
2.2.2 Modelo identificado para constante proporcional KP=2
En esta seccin se muestran los modelos identificados, con las grficas y funcin
de transferencia entre el mando y la presin obtenidas durante el proceso de
identificacin de la planta.
-
5/21/2018 467b810f5239c
23/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
21
A continuacin se muestra la tabla ( Tabla 3 ) de los parmetros obtenidos para
los distintos ajustes realizados en funcin de escaln de subida y de bajada con el
modelo de segundo orden con integrador y con un cero de la Figura 4:
Ajuste Escaln Th1 Th2 Th3 Error
1 Subida 5.867 0.1005 -0.03939 5.9890e-001
2 Subida 5.03 0.0674 -0.0731 6.1558e-001
3 Subida 6.556 0.1233 -0.0204 6.0875e-001
Media Subida 5.817 0.09706 -0.04396 6.0774e-001
1 Bajada 4.897 0.04762 -0.06948 8.2995e-001
2 Bajada 5.441 0.06238 -0.05274 7.8537e-001
3 Bajada 4.769 0.04606 -0.06248 6.7600e-001
Media Bajada 5.035 0.05202 -0.06156 7.6377e-001
Media Subida y
Bajada
5.426 0.07454 -0.05277 6.8575e-001
Tabla 3: Comparacin de parmetros y error cuadrtico medio
La figura 2.7 compara la seal de posicin registrada durante el ensayo y la obtenida
mediante simulacin usando el modelo identificado y el error entre ambas seales para
un escaln de subida.
-
5/21/2018 467b810f5239c
24/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
22
20 30 40 50 60 70 80 90 100 110-5
0
5
10
15
20
25
Tiempo(seg)
Amplitud
Ensayo K=2
seal real
seal simulada
error
entrada
Figura 2.7: Identificacin del modelo entre mando y presin escaln de subida
0 10 20 30 40 50 60 70 80 90-25
-20
-15
-10
-5
0
5
Tiempo(seg)
Amplitud
Ensayo K=2
Figura 2.8: Identificacin del modelo entre mando y presin escaln de bajada
-
5/21/2018 467b810f5239c
25/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
23
Parmetros finales del modelo mando-presin para el ensayo con constante
proporcional KP=2.
Escaln Th1 Th2 Th3 error
Media Subida y
Bajada
5.426 0.07454 -0.05277 6.8575e-001
En la identificacin de la planta se obtuvo la siguiente funcin de transferencia,
en funcin de los parmetros mostrados en la tabla 3.
Por lo tanto, la funcin de transferencia del modelo mando-presin es la que se
muestra a continuacin:
( ) )1.07454.0.().05277.01(426.5
1).2(.
)).3(1)(1(
1..2
.
).1()(
+
+=
+
=
+
+=
ss
s
sths
sthth
w
ss
sTKsF
n
El error cuadrtico medio obtenido en el ajuste entre mando y presin fue 0.6857
2.2.3 Modelo identificado para constante proporcional KP=3
En esta seccin se muestran los modelos identificados, con las grficas y funcin
de transferencia entre el mando y la presin obtenidas durante el proceso de
identificacin de la planta.
-
5/21/2018 467b810f5239c
26/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
24
A continuacin se muestra la tabla ( Tabla 4 ) de los parmetros obtenidos para
los distintos ajustes realizados en funcin de escaln de subida y de bajada con el
modelo de la Figura 2.2:
Ajuste Escaln Th1 Th2 Th3 Error
1 Subida 6.591 0.1371 -0.04851 7.1834e-001
2 Subida 6.028 0.12389 -0.03062 6.7367e-001
3 Subida 5.435 0.107 -0.06011 6.9628e-001
Media Subida 6.018 0.12266 -0.04641 6.9609e-001
1 Bajada 4.135 0.0406 -0.08822 1.0581
2 Bajada 5.349 0.05403 -0.04415 1.0021
3 Bajada 5.431 0.06173 -0.03972 7.7260e-001
Media Bajada 4.971 0.05212 -0.05736 0.9443
Media Subida y
Bajada
5.494 0.08739 -0.05188 0.8202
Tabla 4: Comparacin de parmetros y error cuadrtico medio
La figura 2.9 compara la seal de posicin registrada durante el ensayo y la
obtenida mediante simulacin usando el modelo identificado y el error entre ambas
seales para un escaln de subida.
-
5/21/2018 467b810f5239c
27/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
25
10 20 30 40 50 60 70 80 90 100 110-10
-5
0
5
10
15
20
25
Tiempo(seg)
Amplitud
Ensayo K=3
seal real
seal simulada
error
entrada
Figura 2.9: Identificacin del modelo entre mando y presin escaln de subida
20 30 40 50 60 70 80 90 100 110 120-25
-20
-15
-10
-5
0
5
Tiempo(seg)
Am
plitud
Ensayo K=3
Figura 2.10: Identificacin del modelo entre mando y presin escaln de bajada
-
5/21/2018 467b810f5239c
28/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
26
Parmetros finales del modelo mando-presin para el ensayo con constante
proporcional KP=3.
Escaln Th1 Th2 Th3 error
Media Subida y
Bajada
5.494 0.08739 -0.05188 0.8202
En la identificacin de la planta se obtuvo la siguiente funcin de transferencia,
en funcin de los parmetros mostrados en la tabla 4.
Por lo tanto, la funcin de transferencia del modelo mando-presin es la que se
muestra a continuacin:
( ) )1.08739.0.().05188.01(494.5
1).2(.
)).3(1)(1(
1..2
.
).1()(
+
+=
+
=
+
+=
ss
s
sths
sthth
w
ss
sTKsF
n
El error cuadrtico medio obtenido en el ajuste entre mando y presin fue
0.8202.
2.2.4 Comparacin y validacin de modelos
En esta seccin se comparan los modelos identificados para el conjunto mando-
presin con los distintos valores de la constante proporcional KP en los ensayos de lazo
cerrado realizados en el banco de potencia, con el fin de seleccionar el modelo ms
-
5/21/2018 467b810f5239c
29/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
27
apropiado. Para la identificacin del modelo se aplicaron diferentes escalones tanto de
subida como de bajada en la entrada.
2.2.4.1Comparacin de las funciones de transferencia
En la tabla 5 se muestran las funciones de transferencia identificadas para la
planta por medio de las seales comentadas anteriormente. Se puede observar como en
todos los casos existe una constante de tiempo bastante pequea y que los modelos
tienen unos valores de los parmetros muy similares.
KP=1 KP=2 KP=3
Modelo
Mando-presin )1.04857.0.(
).02165.01(585.5
+
+
ss
s
)107454.0.(
).05277.01(426.5
+
+
ss
s
)1.08739.0.(
).05188.01(494.5
+
+
ss
s
Tabla 5:Comparacin de las funciones de transferencia
2.2.4.2Comparacin de las respuestas a un escaln unitario en lazo abierto
En esta seccin se comparan las respuestas a un escaln unitario en lazo abierto
para los diferentes modelos identificados en funcin de la constante proporcional KP
que se le aplique al modelo mando-presin en el ensayo.
-
5/21/2018 467b810f5239c
30/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
28
Step Response
Time (sec)
Amplitude
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.42
2.5
3
3.5
4
4.5
5
5.5
6
KP=1
KP=2
KP=3
Figura 2.11 ; Respuesta al escaln en lazo abierto a partir de ensayos realizados con
distintos valores de KP
En la figura 2.11 se muestra, para los diferentes modelos identificados, la
respuesta a un escaln unitario en lazo abierto ( eliminando la integracin en la planta a
la hora de realizar la respuesta ante para poder representarla adecuadamente ), y se
puede verificar que las respuestas para los diferentes modelos identificados tienen una
dinmica similar, siendo el ensayo realizado con KP=1 el ms rpido de los tres, en
parte por tener una constante de tiempo ms pequea.
2.2.4.3Comparacin de las respuestas en frecuencia en lazo abierto
En esta seccin se comparan los modelos a partir de las respuestas en frecuencia
de lazo abierto: diagramas de Black y Bode.
-
5/21/2018 467b810f5239c
31/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
29
Diagrama de Bode
En la figura 12 se muestra el diagrama de Bode (ganancia y fase) de la respuesta
en frecuencia en lazo abierto para todos los modelos identificados. En esta comparacin
se aprecia que los modelos con Kp=2 y Kp=3 son muy parecidos en fase, mientras que
en ganancia se diferencian principalmente en la magnitud, puesto que la dinmica
demuestra que los modelos son muy parecidos. Por el contrario, el modelo para KP=1
es diferente tanto en fase como en ganancia debido a que su constante de tiempo no se
parece a la de los otros dos modelos.
Tambin se observa que hasta 5 Hz los modelos no se diferencian apenas. Es
importante tener en cuenta el rango de frecuencias donde es ms fiable cada modelo en
funcin del contenido de armnicos de cada seal.
Bode Diagram
Frequency (rad/sec)
100
101
102
103
-25
-20
-15
-10
-5
0
Phase(deg)
6
8
10
12
14
16KP=1
KP=2
KP=3
Figura 2.12: Respuesta en frecuencia en lazo abierto a partir de ensayos realizados con
distintos valores de KP
Diagrama de Black
A continuacin se va a comparar el diagrama de Black de la respuesta en
frecuencia de los modelos identificados en la figura 2.13. Al igual que en la
-
5/21/2018 467b810f5239c
32/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
30
comparacin anterior, las respuestas en frecuencia de los modelos con KP=2 y KP=3
son bastante similares debido a que la constante de tiempo del cero positivo es parecida
en ambos.
Por el contrario la del modelo con Kp=1 est desplazada hacia la izquierda en el
diagrama debido a la constante de tiempo ms pequea en su cero positivo, por lo que
influir ms que el resto de modelos a la hora de disear controles.
Nichols Chart
Open-Loop Phase (deg)
Open-LoopGain(dB)
-115 -110 -105 -100 -95 -90-50
-40
-30
-20
-10
0
10
20
Figura 2.13: Respuesta en frecuencia en lazo abierto a partir de ensayos realizados con
distintos valores de KP
2.2.4.4Comparacin de las respuestas a un escaln unitario en lazo cerrado
En esta seccin se comparan las respuestas a un escaln unitario en lazo cerrado
con constante proporcional K=1, de los diferentes modelos entre mando-presin
identificados en los ensayos de lazo cerrado para distintos valores de Kp en el banco de
potencia. Como se observa en la figura 2.14, las respuestas con KP=1 , Kp=2 y Kp=3
son parecidas tanto en rapidez como en sobrepaso.
-
5/21/2018 467b810f5239c
33/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
31
Step Response
Time (sec)
Amplitude
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.2
0.4
0.6
0.8
1
KP=1
KP=2
KP=3
Figura 2.14:Respuesta en lazo cerrado a un escaln unitario
2.2.4.5 Comparacin de las respuestas en frecuencia en lazo cerrado
En esta seccin se comparan los modelos a partir de las respuestas en frecuencia
de lazo cerrado: diagrama de Bode
Diagrama de Bode
En la figura 2.15 se muestra el diagrama de Bode (ganancia y fase) de la
respuesta en frecuencia en lazo cerrado con control proporcional de ganancia igual a 1
para todos los modelos identificados. Como se observa en la siguiente figura, hasta un
rango de frecuencias de 10 Hz los modelos no se diferencian apenas en ganancia ni en
fase. A partir de 10 Hz el modelo identificado mediante ensayo en lazo cerrado con
Kp=1 es ligeramente distinto al resto, principalmente en fase.
-
5/21/2018 467b810f5239c
34/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
32
Bode Diagram
Frequency (rad/sec)
10-1
100
101
102
103
-135
-90
-45
0
Phase(deg
)
-60
-50
-40
-30
-20
-10
0
Magnitude(dB)
KP=1
KP=2
KP=3
Figura 2.15: Diagrama de Bode de respuesta en frecuencia
Diagrama de Black
Nichols Chart
Open-Loop Phase (deg)
Open-LoopGain
(dB)
-135 -90 -45 0-50
-40
-30
-20
-10
0
10
Figura 2.16: Diagrama de Black de respuesta en frecuencia
-
5/21/2018 467b810f5239c
35/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
33
2.2.4.6Conclusiones
A partir de las comparaciones realizadas en la seccin 2.5 y puesto que los tres
modelos presentan respuestas y dinmicas bastante similares, se realiza una media entre
los tres para obtener el modelo definitivo de la planta, atendiendo a su aplicacin para el
diseo de los controles.
Las funciones de transferencia finales de cada modelo y la media de las tres (
que representa al modelo definitivo empleado en el diseo de los controles) son las
siguientes:
KP=1 KP=2 KP=3
Modelo
Mando-presin )1.04857.0.(
).02165.01(585.5
+
+
ss
s
)107454.0.(
).05277.01(426.5
+
+
ss
s
)1.08739.0.(
).05188.01(494.5
+
+
ss
s
Tabla 6:Comparacin de las funciones de transferencia
Funcin de transferencia del modelo Mando-Presin
F.Tmedia=)251.14.(
)753.23.(301.3)1.07017.0.(
502.5.2316.0)1.70170.0.(
).0421.01(502.5+
+=
+
+=
+
+
ss
s
ss
s
ss
s
-
5/21/2018 467b810f5239c
36/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
34
2.3 Modelo en lazo cerrado entre Vref y presin
Una vez obtenida la funcin de transferencia definitiva del modelo mando
presin, el objetivo es cerrar el lazo de realimentacin para conseguir la funcin del
modelo referencia de presin ( Vref ) y presin.
Para ello se necesita verificar si los parmetros del modelo entre mando-presin
son fiables , debido a que hay que incorporar al modelo en lazo cerrado una saturacin.
Por tanto se disea un modelo de simulink (Modelo Vref-Mando) para estudiarel efecto de la saturacin y obtener el valor del parmetro K ( constante proporcional del
modelo en lazo cerrado ), que se corresponder con el parmetro th(4) del ajuste:
En la siguiente figura se muestra el diagrama de simulink empleado en el ajustedel parmetro K, con las variables Pmedida y Vref como entradas y Mando como
salida:
Modelo Vref-Mando
Figura 2.17: Modelo de simulink Vref-Mando
-
5/21/2018 467b810f5239c
37/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
35
Una vez realizado el ajuste se comprueba en las siguientes figuras tanto paraescaln de subida como de bajada que el valor de K ( th(4) ) es 1y el error en el ajustees insignificante, del orden de 2.3512e-009.
Escaln de subida
0 20 40 60 80 100 120 140 160 180-2
0
2
4
6
8
10
Figura 2.18: Escaln de subida modelo Vref-mando
Escaln de bajada
0 50 100 150-10
-8
-6
-4
-2
0
2
Figura 2.19: Escaln de bajada modelo Vref-mando
-
5/21/2018 467b810f5239c
38/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
36
Una vez obtenidos los parmetros y su correspondiente funcin de transferencia
tanto del modelo Vref-Mando como del modelo Mando-Presin, y teniendo en cuenta
que los parmetros de los modelos obtenidos son perfectamente fiables a pesar de tener
una saturacin, el objetivo es obtener la funcin de transferencia que representa el
comportamiento del modelo en lazo cerrado entre Vref y presin.
En el siguiente diagrama de simulink ( Figura 2.20 ) se muestra el modelo Vref-
presin:
Modelo Vref-presin
Figura 2.20:Modelo de simulink Vref-presin
En la siguiente Figura 2.21 se muestra el resultado del ajuste con los parmetros
obtenidos en apartados anteriores, introducidos en el modelo Vref-presin:
-
5/21/2018 467b810f5239c
39/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
37
20 40 60 80 100 120 140 160-5
0
5
10
15
20
25
Tiempo(seg)
Amplitud
Ajuste del modelo en lazo cerraado entre Vref-presin
seal real
seal simulada
error
entrada
Figura 2.21: Ajuste modelo lazo cerrado Vref-presin
El error cuadrtico medio es 0.535.
Por ltimo, el objetivo es comparar el ajuste y la simulacin del modelo en lazo
cerrado entre Vref y presin, para confirmar que la identificacin del modelo ha sido del
todo correcta.
Figura 2.22: Diagrama de bloques empleado para comparar la salida con el mtodo ajustey con simulacin
-
5/21/2018 467b810f5239c
40/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
38
0 50 100 150 200 250 300-5
0
5
10
15
20
25
Tiempo(seg)
Amplitud
Comparacin entre ajuste y simulacin
simulacin
ajuste
entrada
Figura 2.23: Comparacin entre el ajuste y la simulacin del modelo en lazo cerrado entreVref y presin.
MODELO EN LAZO CERRADO
El modelo obtenido en lazo cerrado entre Vref y presin tiene la siguiente funcin de
transferencia:
F.T=41.78.55.17
78.41.301.3
41.78.55.17
)75.23(301.322
++
+=
++
+
ss
s
ss
s
Figura 2.24: Modelo en lazo cerrado
-
5/21/2018 467b810f5239c
41/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
39
Diagrama de polos y cerosPole-Zero Map
Real Axis
Imagin
aryAxis
-25 -20 -15 -10 -5 0-1.5
-1
-0.5
0
0.5
1
1.5From: PRU/Step (1) To: PRU/Transfer Fcn2 (1)
System: sys
I/O: PRU/Step (1) to PRU/Trans fer Fcn2 (1)
Pole : -8.78 + 1.18i
Damping: 0.991
Overshoot (%): 0
Frequency (rad/sec): 8.85
System: sys
I/O: PRU/Step (1) to PRU/Transfer Fcn2 (1)
Zero : -23.8
Damping: 1
Overshoot (%): 0
Frequency (rad/sec): 23.8
Figura 2.25: Diagrama de polos y ceros
-
5/21/2018 467b810f5239c
42/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
40
2.4 ENSAYOS REALIZADOS. PROCESO DE
IDENTIFICACIN
2.4.1 INTRODUCCIN
Se dispone de un ensayo del banco de potencia en torno a un mismo punto de
trabajo con sus correspondientes seales de presin y velocidad de la rueda de la moto.
El periodo de muestreo es de 0.04 segundos.
Al actuador del freno le llega la seal de mando, que mediante una funcin de
transferencia se traduce en el par de frenado. La diferencia de este par y el resistente de
la moto conlleva una aceleracin y por lo tanto variacin de la velocidad. Este proceso
fsico corresponde al diagrama de bloques de la figura 2.26.
Figura 2.26: Diagrama de bloques del conjunto freno + actuador
La identificacin se realiza en tiempo discreto con la aplicacinIdentdeMatlab.
Las estructuras que se prueban son las de error de ecuacin y error de salida, que
corresponden al diagrama de bloques de la figura 2.27.
-
5/21/2018 467b810f5239c
43/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
41
Figura 2.27: diagrama de bloques del modelo
Para la identificacin del sistema partimos de unos datos correspondientes a las
seales de velocidad y presin, que se corresponden con los datos de la entrada y la
salida, y empleamos el interfaz grficode Matlab ident que se muestra en la siguiente
figura :
Eleccin del modelo
Un sistema admite mltiples modelos de diferente complejidad
Existe un compromiso entre simplicidad y precisin
El objetivo es obtener el modelo ms simple posible con una precisin aceptable
Las seales de presin y de velocidad de las que se dispone son las que se
representan a continuacin en la figura 2.28.
-
5/21/2018 467b810f5239c
44/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
42
Figura 2.28: seales de presin y velocidad
Dichas seales se han conseguido obtener utilizando un control PD, que a pesar
de no ser el adecuado para esta aplicacin, ha conseguido estabilizar el sistema para
poder medir las seales.
Antes de comenzar la identificacin, habr un preproceso de dichas seales. El
objetivo esobtener la media de las 9 medidas de presin obtenidas mediante ensayos,
que se muestran en la figura 2.28 ( series 3-11 ).
Una vez obtenida la presin, sabemos gracias a un proyecto anterior al presente,
que la planta tiene un integracin, por lo que nos interesa utilizar valores incrementales
de las seales y aadir despus la integracin. A los registros disponibles se les realizan
las siguientes operaciones:
-
5/21/2018 467b810f5239c
45/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
43
Aplicacin a la seal de velocidad y a la seal de presin del comando
diff de Matlab: dicho comando hace la diferencia entre posiciones
consecutivas del vector. Gracias a esto conseguimos que las seales sean
incrementales respecto a un punto de operacin.
Una vez realizado el preproceso de las seales, quedan como se representa a
continuacin, en la figura 2.29.
0 50 100 150 200 250 300 350 400 450 500-1
-0.5
0
0.5
tiempo(seg)
Velocidad
Input and output signals
0 50 100 150 200 250 300 350 400 450 500-10
-5
0
5
Time
Presin
Figura 2.29: Seales de velocidad y presin del ensayo
2.4.2 IDENTIFICACIN PARAMTRICA
El siguiente paso ser la obtencin de los posibles modelos a los que pertenece el
sistema.
Para estimar mnimos cuadrados lineales utilizo un modelo de error de ecuacin
ARX estimando las posibles combinaciones de parmetros. Partiendo de la base de
sobreparametrizar el modelo y posteriormente reducir el nmero de parmetros para
intentar encontrar el modelo que ms se ajuste.
-
5/21/2018 467b810f5239c
46/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
44
ARX: MNIMOS CUADRADOS LINEALES
Pasos para estimar los modelos que ms se ajusten a las especificaciones
Con el comando del interfaz grfico estimate, parametric models, y colocando en
orders( 1:10 1:10 1:10) ( Figura 2.30 ) obtengo una estadstica de los mejores modelos
( Figura 2.30 ).
Figura 2.30:Parametric Models
El mtodo de modelos paramtricos estima una grfica donde el eje x indica el n de
parmetros del modelo y el eje y el %error.
Vamos a hacer una identificacin paramtrica, por lo que primero
identificaremos la funcin de transferencia de la componente determinista (G) y a
continuacin la funcin de transferencia de la componente estocstica (H).
2.4.2.1 Estimacin de la funcin de transferencia de la
componente determinista
En primer lugar comenzaremos utilizando una estructura ARX, que slo tiene
polinomios A y B, y la estimacin de los parmetros se puede hacer de forma directa
mediante regresin lineal. Adems, incluso cuando el modelo no corresponda con un
-
5/21/2018 467b810f5239c
47/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
45
ARX, la estimacin ser suficientemente buena, a cambio de sobreparametrizar la
estructura.
Para determinar cual es el juego de parmetros de ARX, introducimos un rango
del nmero de parmetros de 1 a 10, para que la aplicacin identnos indique cul es el
mejor juego de parmetros para esta estructura, segn diferentes criterios, y obtenemos
la grfica que se muestra a continuacin (figura 2.31):
Figura 2.31: Juegos de parmetros para esta estructura
Esta grfica proporciona, para cada modelo con el nmero de parmetros que
indica, la parte de la salida que no es capaz de explicar, siendo deseable que esta parte
sea pequea. El azul segn el modelo AIC y el rojo segn el criterio de Akaike y segn
el modelo que minimiza la parte no explicada de la salida.
-
5/21/2018 467b810f5239c
48/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
46
El siguiente paso es, partiendo de la base del modelo seleccionado ARX ( na=10
nb=1 nk=1 ), comprobar la autocorrelacin de los residuos y la correlacin entre la
entrada y los residuos.
Modelo ARX estimado
Para comprobar que el sistema es el correcto y est bien estimado se comprueba
la autocorrelacin de los residuos y la correlacin entre la entrada y los residuos. Tantoestas correlaciones como el diagrama de ceros y polos se muestran en las siguientes
figuras 2.32 y 2.33.
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Autocorrelation of residuals for output y1
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Samples
Cross corr for input u1 and output y1 resids
Figura 2.32: Autocorrelacin y correlacin cruzada
Viendo los residuos comprobamos que la componente determinista est bien
estimada ya que la correlacin cruzada entre la entrada y la salida entra dentro de un
margen de confianza al 99% en torno a cero para valores de mayores que cero y
distinto de cero para valores de menores que cero, debido a la realimentacin existente
al hacer el ensayo con un control PD.
-
5/21/2018 467b810f5239c
49/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
47
-1 -0.5 0 0.5 1-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1Poles (x) and Zeros (o)
Figura 2.33: Polos y ceros
Como buscamos una estructura que tenga el menor nmero de parmetros,
reducimos ste, buscando cancelar polos y ceros, y eliminar parmetros del numeradoro del denominador que tengan un valor muy pequeo y poco influyente en el modelo.
As, por sucesivas simplificaciones, obtenemos una estructura ARX811.
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Autocorrelation of residuals for output y1
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Samples
Cross corr for input u1 and output y1 resids
Figura 2.34: Autocorrelacin y correlacin cruzada
-
5/21/2018 467b810f5239c
50/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
48
Viendo los residuos comprobamos que la componente determinista est bien
estimada ya que la correlacin cruzada entre la entrada y la salida entra dentro de un
margen de confianza al 99% en torno a cero para valores de mayores que cero y
distinto de cero para valores de menores que cero, debido a la realimentacin existente
al hacer el ensayo con un control PD.
-1 -0.5 0 0.5 1-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1Poles (x) and Zeros (o)
Figura 2.35: Polos y ceros
Al igual que en el caso anterior, la componente determinista est bien estimada.
De nuevo intentamos reducir el nmero de parmetros, pero las estimaciones que
obtenemos no son correctas. No probamos a estimar con variables instrumentales,
porque tenemos un ensayo en lazo cerrado y solo son vlidas para lazo abierto.
Por tanto consideramos que la componente determinista ya est bien estimada y
pasamos a estimar la componente estocstica.
-
5/21/2018 467b810f5239c
51/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
49
2.4.2.2 Estimacin de la funcin de transferencia de lacomponente estocstica
Utilizaremos un modelo de error de ecuacin: ARARMAX, que engloba al
ARARX y al ARMAX.
e
D
CuByA +=
Comenzamos utilizando una estructura ARARMAX813301, esto es, polinomio A
de 8 parmetros, polinomio B de 1 parmetro, polinomio C de 3 parmetros, polinomio
D de 3 parmetros y 1 retardo. Una vez realizada esta estimacin se reduce el nmero
de parmetros, pero los modelos no son vlidos por salirse del margen de confianza al
99%, por lo que se concluye que la estructura definitiva es ARARMAX813301:
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Autocorrelation of residuals for output y1
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Samples
Cross corr for input u1 and output y1 resids
Figura 2.36:Autocorrelacin y correlacin cruzada
Viendo los residuos comprobamos que la componente determinista est bien
estimada ya que la correlacin cruzada entre la entrada y la salida entra dentro de un
-
5/21/2018 467b810f5239c
52/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
50
margen de confianza al 99% de cero para valores de las muestras mayores que cero y
distinto de cero para valores de las muestras menores que cero, esto es correcto, ya que
denota la realimentacin existente al hacer el ensayo con un control PD. Tambin
comprobamos que la componente estocstica est bien estimada porque la
autocorrelacin del error es la correspondiente a un ruido blanco dentro de un margen
de confianza al 99%.
Mapa de ceros y polos
Si se cancela algn polo de la G entonces no sera un modelo de error de
ecuacin sino de error de salida pero ese no es el caso, como se muestra en las
siguientes grficas.
Mapa de ceros y polos de G
-1 -0.5 0 0.5 1-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1Poles (x) and Zeros (o)
Figura 2.37: Mapa de ceros y polos de G
El objeto de la grfica es ver los polos de G para mirar despus en H a ver si se
cancela alguno, ya que es necesario que los polos de G sigan en H para tener error de
ecuacin.
-
5/21/2018 467b810f5239c
53/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
51
-1 -0.5 0 0.5 1-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1Poles (x) and Zeros (o)
Figura 2.38: Mapa de ceros y polos de H
Por tanto el modelo ARARMAX813301 es vlido para representar el sistema,
pero al tener ms parmetros que el ARX811, se descarta debido a que buscamos un
compromiso entre precisin y nmero de parmetros.
Modelo de error de salida Box-Jenkins
Antes de asegurar que el mejor modelo es un ARX811, probaremos un modelo
de error de salida: modelo Box-Jenkins (BJ):
eD
Cu
F
By +=
Comenzamos con una estructura que conserve el nmero de parmetros
estimados para la componente determinista y pondremos 2 parmetros a cada polinomio
de la componente estocstica. Tendremos un BJ12281, y sus residuos son:
-
5/21/2018 467b810f5239c
54/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
52
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Autocorrelation of residuals for output y1
-20 -15 -10 -5 0 5 10 15 20-0.2
-0.1
0
0.1
0.2
Samples
Cross corr for input u1 and output y1 resids
Figura 2.39 : Residuos de BJ12281
Viendo los residuos comprobamos que la componente determinista est bien
estimada ya que la correlacin cruzada entre la entrada y la salida entra dentro de un
margen de confianza al 99% de cero para valores de las muestras mayores que cero y
distinto de cero para valores de las muestras menores que cero, esto es correcto, ya que
denota la realimentacin existente al hacer el ensayo con un control PD. Tambin
comprobamos que la componente estocstica est bien estimada porque la
autocorrelacin del error es la correspondiente a un ruido blanco dentro de un margen
de confianza al 99%.
Al igual que en el caso del ARARMAX813301, la estimacin es correcta, pero
el nmero de parmetros y de retardos es grande, por lo que se intent reducir el modelo
Box-Jenkins hasta obtener un BJ12281, en el que el polinomio B tiene 1 parmetros, el
polinomio C tiene 2 parmetros, el polinomio D tiene 2 parmetros, el polinomio F tiene
8 parmetros y hay 1 retardo. Sus residuos son los que se muestran en la figura anterior,
-
5/21/2018 467b810f5239c
55/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
53
puesto que no se pudo reducir el nmero de parmetros sin salir del margen de
confianza.
La conclusin final para la identificacin del modelo es que, a pesar de que tanto
en modelo ARARMAX813301como el BJ12281 son vlidos a la hora de identificar, el
compromiso buscado entre simplicidad y precisin hace que el modelo elegido sea un
ARX811.
Modelo definitivo ARX811
A(q)y(t) = B(q)u(t) + e(t)
A(q) = 1 0.2152 (+-0.06581) q^-1 0.4681 (+-0.06694) q^-2- 0.4649 (+-0.07325) q^-
3 0.2904 (+-0.0802) q^-4 + 0.172 (+-0.08085) q^-5 + 0.07931 (+-0.07472) q^-6 +
0.1319 (+-0.06592) q^-7 + 0.12 (+-0.0656) q^-8
B(q) = -0.01176 (+-0.003408) q^-1
A1 A2 A3 A4 A5 A6 A7 A8
A(q) -0.215 -0.468 -0.465 -0.2904 0.172 0.0793 0.1319 0.12
B1
B(q) -0.01176
Tabla1 : Parmetros del modelo ARX811
El modelo queda definido por la siguiente funcin de transferencia:
-
5/21/2018 467b810f5239c
56/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
54
12.0132.0079.0172.029.0465.0468.0215.0
01176.0
12.0132.0079.0172.029.0465.0468.0215.01
01176.0
2345678
7
87654321
1
++++
=
++++
=
zzzzzzzz
z
zzzzzzzz
zFT
H(z)=12.0132.0079.0172.029.0465.0468.0215.0 2345678
8
++++ zzzzzzzz
z
Respuesta a escaln
0 5 10 15 20 25 30 35 40-0.25
-0.2
-0.15
-0.1
-0.05
0
Time
Step Response
Figura 2.40 : Respuesta al escaln
Respuesta al pulso
0 5 10 15 20 25 30 35 40-15
-10
-5
0
5x 10
-3
Time
Impulse Response
Figura 2.41 : Respuesta al pulso
-
5/21/2018 467b810f5239c
57/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
55
Respuesta en frecuencia
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.50
0.1
0.2
0.3
0.4
Amplitude
Frequency response
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.50
50
100
150
200
Frequency (Hz)
Phase(deg)
Figura 2.42 : Respuesta en frecuencia
2.5 DISCRETIZACIN DE LOS MODELOS IDENTIFICADOS
La planta consta de dos reguladores, un regulador ( regulador con la variable
interna de mando ) representado por un modelo referencia de presin-presin y un
segundo regulador representado por un modelo presin-velocidad.
El tiempo de muestreo a la hora de discretizar ser de Ts=0.04 seg.
El modelo identificado mediante el interfaz grficode Matlab ident ya estidentificado en tiempo discreto, por lo que slo se discretiza el modelo Vref-presin
obtenido mediante el mtodo de ajuste de parmetros.
-
5/21/2018 467b810f5239c
58/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
56
2.5.1 MODELO PRESIN-VELOCIDAD
El modelo ARX811 identificado en tiempo discreto viene definido por la
siguiente funcin de transferencia:
A(q)y(t) = B(q)u(t) + e(t)
A(q) = 1 0.2152 (+-0.06581) q^-1 0.4681 (+-0.06694) q^-2- 0.4649 (+-0.07325) q^-3 0.2904 (+-0.0802) q^-4 + 0.172 (+-0.08085) q^-5 + 0.07931 (+-0.07472) q^-6 +
0.1319 (+-0.06592) q^-7 + 0.12 (+-0.0656) q^-8
B(q) = -0.01176 (+-0.003408) q^-1
A1 A2 A3 A4 A5 A6 A7 A8
A(q) -0.215 -0.468 -0.465 -0.2904 0.172 0.0793 0.1319 0.12
B1
B(q) -0.01176
Tabla1 : Parmetros del modelo ARX811
El modelo queda definido por la siguiente funcin de transferencia:
12.0132.0079.0172.029.0465.0468.0215.0
01176.0
12.0132.0079.0172.029.0465.0468.0215.01
01176.02
2345678
7
87654321
1
++++
=
++++
=
zzzzzzzz
z
zzzzzzzz
zFT
-
5/21/2018 467b810f5239c
59/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
57
2.5.2 Modelo Referencia de presin-presin en tiempo discreto
A continuacin se detallan las funciones de transferencia correspondientes a los
modelos tanto en tiempo contnuo como tiempo discreto.
Modelo intermedio Mando-presin en tiempo contnuo
El modelo intermedio obtenido entre Mando y presin tiene la siguiente funcinde transferencia:
G(s)=)251.14.(
)753.23.(301.3
+
+
ss
s
Modelo Referencia de presin -presin en tiempo contnuo
El modelo se obtiene de cerrar el lazo de la funcin de transferencia entre mando
y presin con una constante de valor K=1.
El modelo obtenido en lazo cerrado entre referencia de presin y presin tiene la
siguiente funcin de transferencia:
F(s)=41.78.55.17
78.41.301.3
41.78.55.17
)75.23(301.322
++
+=
++
+
ss
s
ss
s
Modelo Referencia de presin -presin en tiempo discreto
El modelo obtenido en tiempo contnuo mediante el mtodo de ajuste de
parmetrosproviene de un ensayo realizado con un periodo de muestreo de 10 ms, pero
la discretizacin del modelo se realizar con un periodo de muestreo de 40 ms para
adecuarlo al muestreo del segundo regulador presin-velocidad.
-
5/21/2018 467b810f5239c
60/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
58
FT1(z)=0.4956z1.406-z
0.3749)-(z0.14272.
0.4956z1.406-z
0.05351-0.1427.z22
+
=
+
2.5.3 Obtencin del modelo final entre Vref (Referencia de presin ) y velocidad
En el siguiente apartado se muestran las funciones de transferencia de los dos
reguladores y la funcin de transferencia del ruido que separamos a la hora de la
identificacin del modelo entre presin y velocidad.
Regulador 1
FT1(z)=0.4956z1.406-z
0.3749)-(z0.14272.
0.4956z1.406-z
0.05351-0.1427.z22
+
=
+
Regulador 2
12.0132.0079.0172.029.0465.0468.0215.0
01176.0
12.0132.0079.0172.029.0465.0468.0215.01
01176.0FT2(z)
2345678
7
87654321
1
++++
=
++++
=
zzzzzzzz
z
zzzzzzzz
z
H(z)=12.0132.0079.0172.029.0465.0468.0215.0 2345678
8
++++ zzzzzzzz
z
-
5/21/2018 467b810f5239c
61/186
Diseo del sistema de control de un banco de potencia para
motocicletas
Captulo 2
59
El modelo final identificado entre Vref ( Referencia de presin) y velocidad es elque se muestra en la siguiente figura 2.43:
FT(z)=FT1(z)*FT2(z)
FT(z)=
345678910
78
1056.03065.035.01314.008677.03301.0.622.1
.0006298.000168.0
zzzzzzzz
zz
+++++
+
0.059471034.0.0262.0 2 ++ zz
Figura 2.43: Diagrama del Modelo identificado
-
5/21/2018 467b810f5239c
62/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
60
3 CONTROL PREDICTIVO FUNCIONAL
3.1 INTRODUCCIN AL CONTROL PREDICTIVO
El Control Predictivo se desarroll en base a dos lneas bsicas. Por un lado, a
finales de los aos setenta surgieron diversos algoritmos que usaban explcitamente un
modelo dinmico del proceso para predecir el efecto de las acciones de control futuras
en la salida, las cuales eran determinadas minimizando el error predicho sujeto a
restricciones de operacin. La optimizacin se repeta en cada instante de muestreo con
informacin actualizada del proceso. stas formulaciones eran de naturaleza heurstica
y algortmica e intentaban aprovechar el creciente potencial de los computadores
digitales por aqulla poca. Independientemente fue surgiendo otra lnea de trabajo en
torno a las ideas del control adaptativo, desarrollando estrategias esencialmente para
procesos monovariables formuladas con modelos entrada / salida.
El xito actual del Control Predictivo en la industria se debe a tres razones
principales:
La incorporacin de un modelo explcito del proceso en los clculos
permite al controlador tratar con todas las caractersticas importantes de
la dinmica del proceso.
La consideracin del comportamiento del proceso a lo largo de un
horizonte futuro permite tener en cuenta el efecto de las perturbaciones
en realimentacin y pre-alimentacin, permitiendo al controlador
conducir la salida a la trayectoria de referencia deseada.
La consideracin de restricciones en la fase del diseo del controlador
evita en lo posible su violacin, resultando en un control ms preciso entorno al punto optimo de operacin. La inclusin de restricciones es
-
5/21/2018 467b810f5239c
63/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
61
quizs la caracterstica que ms distingue al MPC respecto a otras
metodologas.
3.2 CONCEPTOS BSICOS
El Control Predictivo no es una estrategia de control especfica, sino que se trata
ms bien de un campo muy amplio de mtodos de control desarrollados en torno a
ciertas ideas comunes. Estos mtodos de diseo conducen a controladores lineales queposeen prcticamente la misma estructura y presentan suficientes grados de libertad. Las
ideas que aparecen en mayor o menor medida en toda la familia de controladores
predictivos son bsicamente:
Uso explcito de un modelo para predecir la salida del proceso en futuros
instantes de tiempo (horizonte).
Clculo de las seales de control minimizando una cierta funcin
objetivo.
Estrategia deslizante, de forma que en cada instante el horizonte se va
desplazando hacia el futuro, lo que implica aplicar la primera seal de
control en cada instante y desechar el resto, repitiendo el clculo en cada
instante de muestreo.
Los distintos algoritmos de MPC difieren entre s casi exclusivamente en el
modelo usado para representar el proceso y los ruidos y en la funcin de coste a
minimizar. Aunque las diferencias puedan parecer pequeas a priori, pueden provocar
distintos comportamientos en bucle cerrado, siendo crticas para el xito de un
determinado algoritmo en una determinada aplicacin.
-
5/21/2018 467b810f5239c
64/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
62
La metodologa de todos los controladores pertenecientes a la familia del
Control Predictivo se caracteriza por la estrategia siguiente, representada en la figura 1:
En cada instante ty haciendo uso del modelo del proceso se predicen las
futuras salidas para un determinado horizonte N, llamado horizonte de
prediccin. Estas salidas predichas, ( )tkty | + para Nk ...1=
dependen de los valores conocidos hasta el instante t (entradas y salidaspasadas) y de las seales de control futuras ( )tktu | + , 1...0 = Nk
que se pretenden mandar al sistema y que son las que se quieren calcular.
Figura 3.1. Estrategia del control predictivo
El conjunto de seales de control futuras se calcula optimizando un
determinado criterio en el que se pretende mantener el proceso lo ms
prximo posible a la trayectoria de referencia ( )kt+ (que puede ser
directamente el setpoint o una suave aproximacin a ste). Este criterio
suele tomar la forma de una funcin cuadrtica de los errores entre la
salida predicha y la trayectoria de referencia tambin predicha,
incluyendo en muchos casos el esfuerzo de control. Si el criterio es
-
5/21/2018 467b810f5239c
65/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
63
cuadrtico, el modelo lineal y no existen restricciones se puede obtener
una solucin explcita, en otro caso se debe usar un mtodo iterativo deoptimizacin. Adicionalmente se hace alguna suposicin sobre la
estructura de la ley de control futura, como por ejemplo que va a ser
constante a partir de cierto instante.
La seal de control ( )ttu | es enviada al proceso mientras que las
siguientes seales de control calculadas son desechadas, puesto que en el
siguiente instante de muestreo ya se conoce ( )1+ty y se repite el primer
paso con este nuevo valor y todas las secuencias son actualizadas. Se
calcula por tanto ( )1|1 ++ ttu (que en principio ser diferente al
( )ttu |1+ al disponer de nueva informacin), haciendo uso del concepto
de horizonte deslizante.
Para llevar a cabo esta estrategia, se usa una estructura como la mostrada en lafigura 3.2. Se hace uso de un modelo para predecir las salidas futuras del proceso,
basndose en los valores pasados y actuales de las salidas y entradas y en las futuras
seales de control propuestas. La salida obtenida del modelo se compara con la
trayectoria de referencia para calcular el error existente. Las seales de control son
calculadas por el optimizador teniendo en cuenta la funcin de coste (donde aparece el
futuro error de seguimiento) as como las restricciones que se consideren, de sta forma,
se obtiene el mando ptimo que se ha de aplicar al sistema para seguir la trayectoriadeseada.
-
5/21/2018 467b810f5239c
66/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
64
Figura 3.2. estructura general de un control predictivo
En nuestro caso, el principal objetivo que debe conseguir el control es estabilizar
la velocidad en un punto de trabajo fijado por la referencia, rechazando y minimizandolo mximo posible la fuerte perturbacin debida al par que ejerce la motocicleta en el
rodillo.
El control predictivo presenta una gran ventaja con respecto a otros mtodos de
control al ser conocida en todo momento la referencia, que corresponde a la velocidad
para la que se va a calcular la potencia de la moto.
3.3 ELEMENTOS BSICOS
Existe toda una familia de mtodos de control predictivo. Tienen que
determinarse tres elementos para implantar un control predictivo especfico dentro de la
familia de mtodos de control predictivo referenciados en la literatura tcnica:
-
5/21/2018 467b810f5239c
67/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
65
modelo de prediccin
funcin objetivo o de coste
ley de control
3.3.1 Modelo de prediccin
La piedra angular del Control Predictivo es el modelo; un diseo completo debe
incluir los mecanismos necesarios para la obtencin del mejor modelo posible, el cual
debe ser lo suficientemente rico para capturar al mximo la dinmica del proceso y debe
ser capaz de permitir el clculo de las predicciones a la vez que sea intuitivo y permita
un anlisis terico. El uso del modelo del proceso viene determinado por la necesidad
del clculo de la salida predicha en instantes futuros ( )tkty | + . Las diferentes
estrategias de Control Predictivo pueden usar distintos modelos para representar la
relacin de las salidas con las entradas medibles, algunas de las cuales sern variables
manipuladas y otras se pueden considerar como perturbaciones medibles. Adems se
tendr en cuenta un modelo de las perturbaciones, para intentar describir el
comportamiento que no aparece reflejado en el modelo del proceso, englobndose aqu
el efecto de las entradas no medibles, el ruido y los errores de modelado.
3.3.1.1 Modelo del proceso
Se pueden usar prcticamente todas las formas posibles de modelar un proceso,
pero las que comnmente se suelen utilizar son:
Respuesta a un pulso: tambin conocido como modelo de convolucin,
aparece en los controles predictivos del tipo MAC (Model Algorithmic
Control) principalmente.
-
5/21/2018 467b810f5239c
68/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
66
Respuesta a un escaln: usado por los controles predictivos del tipo DMC
(Dynamic Matrix Control) y sus variantes.
Funcin de transferencia: usada en los controles GPC (Generalized
Predictive Control) y UPC (Unified Predictive Control).
Representacin de estado: usada por el control PFC (Predictive
Functional Control) utilizado en este proyecto.
En este proyecto utilizaremos la representacin de estado, porque es la ms
adecuada para modelar un sistema no lineal. En el caso de emplear una linealizacin del
modelo:
)()( )1()1()( txQtytuNtxMtx
=+= (3.1)
siendo x el vector de estados y M, N y Q las matrices de estado, de entrada y de
salida respectivamente. La prediccin para este modelo viene dada por:
++=+=+
=
)|()()|()|(1
1tiktuNMtxMQtktxQtkty
k
i
ik (3.2)
Esta ecuacin se obtiene de desarrollar la representacin de estados para
muestras futuras:
( ) ( ) ( )
( ) ( ) ( ) ( )tuNQtxMQtxQty
tuNtxMtx
+=+=+
+=+
11
1
-
5/21/2018 467b810f5239c
69/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
67
( ) ( ) ( ) ( )[ ] ( ) ( ) ( )[ ]11122 +++=+++=+=+ tuNtuNMtxMMQtuNtxMQtxQty
( ) ( ) ( ) ( )[ ] ( ) ( ) ( )[ ]
( ) ( ) ( ) ( )[ ]212112233
23
2
+++++=
+++++=+++=+=+
tuNtuNMtuNMtxMQ
tuNtuNMtxMQtuNtxMQtxQty
...
De esta forma, se obtiene la salida predicha en funcin de las entradas y las
salidas pasadas y del mando futuro.
La salida predicha va a ser funcin de los mandos futuros que se van a aplicar.
Dichos mandos van a ser las incgnitas a resolver en el proceso de minimizar la funcin
de coste. Por consiguiente, la salida predicha no es una secuencia de nmeros, sino una
expresin en funcin de los mandos futuros que se van a aplicar.
Una ventaja de este modelo es que sirve tambin para sistemas multivariables (el
caso que nos ocupa es monovariable), a la vez que permite analizar la estructura interna
del proceso (aunque a veces los estados obtenidos al discretizar no tienen ningn
significado fsico). La ley de control es simplemente una realimentacin de una
combinacin lineal del vector de estado por lo que, en ocasiones, los clculos pueden
ser complicados debido a la necesidad de incluir un observador si los estados no son
accesibles.
3.3.1.2 Modelo de las perturbaciones
El modelo de prediccin descrito hasta aqu, es un modelo ideal. Para tener en
cuenta las perturbaciones del sistema, se ha de introducir un nuevo trmino de carcter
estocstico. El modelo que consideraremos es el Autorregresivo Integrado de Media
Mvil (Auto-Regressive and Integrated Moving Average, ARIMA):
-
5/21/2018 467b810f5239c
70/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
68
)()(
)(
)( 1
1
tezD
zC
tn =
(3.3)
Donde e(t) es un ruido blanco de media cero, el polinomio C(z-1) normalmente
se considera igual a uno y el polinomio D(z-1) incluye una integracin. Este modelo se
considera apropiado para dos tipos de perturbaciones: cambios aleatorios ocurridos en
instantes aleatorios (por ejemplo cambio en la calidad del material) y movimiento
browniano (en procesos con balance de energa).
El caso mas simple, es que la perturbacin n(t) sea una integracin del ruido
blanco e(t):
11
)()(
=
z
tetn (3.4)
donde la prediccin de la perturbacin ser de la forma )()|( tntktn =+ .
Para el control PFC, el modelo de perturbacin que se suele usar es la doble
integracin del ruido blanco:
( )211)(
)(
=z
tetn (3.5)
La prediccin futura ptima de la perturbacin es:
( )ktntntntktn )1()()()|( +=+
(3.6)
-
5/21/2018 467b810f5239c
71/186
Diseo del sistema de control de un banco de potencia paramotocicletas
Captulo 3
69
Consiste en aproximar la perturbacin en un instante futuro, mediante una
rampa que va desde n(t-1)hasta n(t) mas un valor constante, que es la perturbacin en elinstante actual, por tanto, sera una rampa desde n(t). Tambin se pueden usar modelos
de orden ms elevado.
La perturbacin estimada se aadira al modelo del proceso obtenido
anteriormente.
Como se explica en el captulo 4, los modelos de perturbacin (3.4) y (3.5) no
son eficaces para el correcto funcionamiento del control, por lo que se hizo una
estimacin del ruido mediante un filtro de Kalman.
3.3.1.3 Respuesta libre y forzada
Una caracterstica de la mayora de los controles predictivos es expresar la
secuencia de control como la suma de dos seales: la respuesta libre y la respuesta
forzada:
)()()( tututu cf += (3.7)
La seal ( )tuf (respuesta libre) se corresponde con la secuencia de mando
aplicada en los instantes pasados manteniendo constante en instantes futuros el ltimo
valor del mando aplicado al sistema.
La seal ( )tuc (respuesta forzada