Prestazione di Diverse Tipologie di Controllori Predittivi per
Processi Lineari Multivariabili Vincolati
Francesco Fiorenzani
Universit`a di Pisa
Corso di Laurea Specialistica in Ingegneria dell’Automazione
Relatori: Ch.mo Prof. Ing. M. Innocenti, Ch.mo Prof. Ing. G. Pannocchia
Obiettivi del Lavoro di Tesi
Obiettivi della tesi
1 Introduzione e approfondimento sulModel Predictive Control
2 Formulazione di diverse tipologie dicontrollori predittivi
3 Realizzazione di un modello di simulazione in anello chiuso con MPC in
Simulink
4 Analisi delleprestazioni tramite simulazioni
5 Calcolo della FdT dei controllori predittivi nel casounconstrained e analisi
Sommario della Presentazione
Indice
Model Predictive Control Elementi Essenziali del MPC Formulazioni di MPC Simulatore
MPC unconstrained Simulazioni Conclusioni
Model Predictive Control
MODEL: `e richiesto un modello del processo da controllare per prevedere il comportamento futuro del processo stesso
PREDICTIVE: l’ottimizzazione `e basata sull’evoluzione futura del processo (predetta tramite il modello)
Filosofia del Receding Horizon
Al tempok si risolve un problema
dicontrollo ottimosu un orizzonte
futuro diNpassi
minimizza f (|y − r |,u) soggetto ai vincoli
sul modello sulle MV
sulle variazioni delle MV sulle CV
Si applica solamente la prima azione di controllo ottimauk
Ottenute nuove misure, si ripete l’ottimizzazione al tempok+1
Vantaggio dell’ottimizzazione in linea: feedback per compensare errori nel
Vantaggi del Controllo Predittivo
Vantaggi del Controllo Predittivo
risolve problemi di controllo per i quali la sintesi (off-line) risulta difficile se non addirittura impossibile
risolve problemi di controlloMIMOnon quadrati, vincolati con ritardi finiti
e/o a fase non minimaCV
Svantaggi del Controllo Predittivo
Svantaggi del Controllo Predittivo
necessit`a di dover calcolare le azioni di controlloin lineatramite la
risuluzione di un problema di ottimo vincolato
richiede tempo per diventarefamiliareal personale tecnico
Struttura Controllore Predittivo
PREDIZIONE x k+1|k = Axk|k + Buk + Bddk|k d k+1|k = dk|k FILTRAGGIO x k|k = xk|k−1 + Lx [ yk − ( Cxk|k−1 + Dddk|k−1 ) ] d k|k = xk|k−1 + Ld [ yk − ( Cxk|k−1 + Dddk|k−1) ] z 1 z 1 DYNAMIC OPTIMIZATION Yc TARGET CALCULATION PREDIZIONE PLANT FILTRAGGIO xk|k xk|k xk|k dk|k dk|k dk|k yk yk yk dk+1|k dk|k−1 xk+1|k xk|k−1 yc w0 us uk ukI Vincoli
Hard Constraintnon possono essere violati
umax, umin, ∆umax, ∆umin
Soft Constraintle violazioni sull’orizzonte di predizione sono penalizzate all’interno della funzione obiettivo
CV non controllate al set-point
CV non controllate al set-point:
l’utente ha la possibilit`a dinonassegnare un valore diset-point ad una o
pi`u uscite lasciandoleliberedi assumere un qualsiasi valore.
Ci`o pu`o essere utile in quei contesti in cui non `e necessario che una CV
raggiunga uno specifico set-point, ma piuttosto assuma valori all’interno di unrangedefinibile tramite i vincoli come ad esempio nelcontrollo in temperatura.
Analisi di Stabilit`
a Senza Vincoli
Nel casouncostrained`e possibile esprimere l’ingresso di controllo come vk= K1wk+ K2vk−1 Dove wk= xk− xs, vk= uk− usponendo ξk= wk vk−1
la cui evoluzione `e data da
ξk+1= A 0 0 0 ξk+ B I vk Sostituendo si ottiene ξk+1= A 0 0 0 + B I K1 K2 ξk= A+ BK1 BK2 K1 K2 ξk= Aξk
Il sistema in anello chiuso `e stabilese e solose gli autovalori di A sono interni al cerchio unitario. Tale condizione dipende dalle matrici dei pesi e dalla lunghezzaNedLdegli orizzonti di predizione e controllo.
Feed Forward e MV bloccate
Feed Forward Control: inclusione degli effetti del disturbo misurato nelle predizioni
xk+1= A 0 0 Adm | {z } A xk+ B 0 | {z } B uk+ Bd 0 | {z } Bd dk|k+ 0 Bdm | {z } Bdm dkm yk= C Cdm | {z } C xk+ Dddk|k+ Ddmdkm
nell’ipotesi che il disturbo venga misuratoprimache entri nel sistema
MV bloccate:
`e possibile in qualsiasi istantenon considerareai fini del controllouna o pi`u MV.
Ci`olimita i gradi di libert`a del controllorema pu`o consentire il proseguio del lavoro anche nei casi in cui uno o pi`u attuatori dell’impianto non siano in funzione
Formulazioni MPC
Le tipologie di controllo predittivo analizzate sono
MPC con i moduli diTarget Calculatione diDynamic Optimization
MPC senza il modulo diTarget Calculation
MPC con TC e DO: Target Calculation
Lafunzione obiettivo relativa alTarget Calculation
min us,ǫs 1 2 h (us− us,old)TRs(us− us,old) + ǫTsQsǫs i soggetta a xs= Axs+ Bus+ Bddk+ Bdmdkm−→stazionariet`a ¯
yc= Hy[Cxs+ Dddk] −→errore nullo al set-point
umin≤ us≤ umax −→valori delle MV
−∆umin≤ us− us,old≤ ∆umax −→variazioni delle MV
ymin− ǫs≤ Cxs+ Dddk≤ ymax+ ǫs−→valori delle CV
MPC con TC e DO: TC infeasibility
Lafunzione obiettivo viene cos`ı riformulata min us,ǫs,zs 1 2 h (us− us,old)TRs(us− us,old) + ǫTsQsǫs+ zsTPszs i soggetta a xs= Axs+ Bus+ Bddk+ Bdmdkm ¯ yc = Hy[Cxs+ Dddk] + zs umin≤ us≤ umax Huus,old= Huus
−∆umin≤ us− us,old
MPC con TC e DO: Funzione Obiettivo Dynamic Optimization
Lafunzione obiettivo del modulo diDynamic Optimizationmin {vj,ǫj}N−1j=0 (N−1 X j=0 wjTQxwj+ vjTRuvj+ ∆vjTS∆vj+ ǫTjW ǫj ) + wNTPwN soggetta a wj+1= Awj+ Bvj umin− us≤ vj≤ umin− us
−∆umin≤ ∆vj≤ ∆umax
ymin− ys− ǫ ≤ Cwj≤ ymax− ys+ ǫ
dove
MPC senza TC: Funzione Obiettivo
Lafunzione obiettivo del controllo predittivosenza Target Calculation risulta
min {uj,ǫj} k+N−1 j=k (k+N−1 X j=k h yj− yTc Qy yj− yTc + ∆ujTS∆uj+ ǫTj W ǫj i) soggetta a xj+1= Axj+ Buj+ Bddk umin≤ uj≤ umax
−∆umin≤ ∆uj≤ ∆umax
MPC con TC e DO incorporati: Funzione Obiettivo
I target di stazionario nel controllo predittivo conTarget Calculation e Dynamic Optimization incorporati soddisfano A − In B 0 HyC 0 −I | {z } M xs us ys | {z } Zs = −Bddk− Bdmdkm −HyDddk | {z } G −→ Zs= M†G | {z } Ψ + M⊥ |{z} Φ θ
Si pu`o quindi scrivere xs= Ψx+ Φxθ, us= Ψu+ Φuθ, ys= Ψy+ Φyθ. Lafunzione obiettivorisulta
min n uj ,ǫo k+N−1j=k ,θ (N+k−1 X j=k h (xj− xs)TQx(xj− xs) + (uj− us)TRu(uj− us) + ǫTj W ǫj i + (zc− zs)TPs(zc− zs) + (xN− xs)TP(xN− xs) )
soggetta ai vincoli seguenti
xj+1= Axj+ Buj+ Bddk
Schema di Controllo
yk uk dknm dkm PANNELLO DI CONTROLLO Tuning Riferimento MPC dkm Tuning Riferimento yk ukMODEL PREDICTIVE CONTROL
IMPIANTO dkm dknm uk yk GESTIONE OUTPUT yk FromUtente ABILITAZIONE MPC Abilita Tuning Riferimento <Tuning> <Riferimento> uk uk dkm dkm dkm FromUtente FromUtente dknm yk yk yk Abilitazione
Inizializza.m
Tspasso di campionamento in minuti
Nlunghezza dell’orizzonte di predizione in campioni
lper definire l’orizzonte di controllo.
MPCtypeper indicare il tipo di algoritmo MPC da utilizzare modello lineare discretizzato dell’impianto: A,B,C,D Bd,Ddmodello del disturbo non misurato
modello lineare discretizzato del disturbo misurato:Adm,Bdm,Cdm,Ddm LxeLdguadagno dell’osservatore
Specifica dei vincoliumax,umin,∆umax,∆umin,ymax,ymin Pesirelativi alle funzioni obiettivo
Analisi del Controllo Predittivo in Assenza di Vincoli
Nel casouncostrained`e possibile ricavare la FdT dei controllori predittivi in forma di stato: K= ss(A,B,C,D)
L’obiettivo `e duplice
Effettuare untuning veloceper capire il posizionamento dei poli del sistema in ciclo chiuso al variare dei pesi
Effettuare un’analisi di robustezzache pu`o essere articolata in due modi diversi Se si ha incertezza strutturata, attraverso la verifica del posizionamento dei poli in ciclo chiuso del sistema, nei casi in cui i parametri non conosciuti assumano modulo massimo.
Attraverso criteri conservativi come ilSmall Gain Theorem
∆ W Yc K PLANT uk uk yc yk
Tuning S : MPC
type=1
minuti ∆ u1 minuti ∆ u2 minuti ∆ u3 0 40 80 120 0 40 80 120 0 40 80 120 -1 -0.5 0 0.5 1 1.5 -4 -3 -2 -1 0 1 2 -3 -2 -1 0 1 2 3 4Tuning Q
y: MPC
type=1
minuti y1 minuti y2 minuti y3 0 40 80 120 0 40 80 120 0 40 80 120 -0.1 0.1 0.3 0.5 -1.2 -0.6 -0.2 0 0.4 0.8 1.2 Figura: —Qy = 0.5,—Qy = 1,—Qy = 5Tuning W : MPC
type=1
minuti y1 minuti y2 minuti y3 0 20 40 60 80 100 0 20 40 60 80 100 0 20 40 60 80 100 -0.2 0 0.2 0.4 -1.2 -1 -0.8 -0.6 0.8 0.9 1 1.1 1.2 1.3Vincoli sul valore delle MV
minuti u1 minuti u2 minuti u3 0 50 100 150 0 50 100 150 0 50 100 150 -0.5 0 0.5 0.5 0 -0.5 -0.5 0 0.5Vincoli sulle variazioni delle MV
minuti ∆ u1 minuti ∆ u2 minuti ∆ u3 0 50 100 150 0 50 100 150 0 50 100 150 -0.4 -0.2 0 0.2 -0.5 0 0.5 -0.2 0 0.2 0.4CV senza set-point
minuti y1 minuti y2 minuti y3 0 20 40 60 80 100 0 20 40 60 80 100 0 20 40 60 80 100 -1 -0.5 0 0.5 1 -0.5 -0.3 -0.1 0.1 0 0.2 0.4 0.6Conclusioni
I principali risultati dellavoro di tesi sono stati
la formulazione di diverse tipologie dicontrollori predittivi
la realizzazione di unoschema simulink per l’analisi in simulazione di
diversi algoritmi MPC
la realizzazione di Matlab function per il calcolo delleFdT dei controllori