Laboratorio de Control Industrial: Control Predictivo

Luis Orlando Silva Vsquez

12-11-2014

UNIVERSIDAD DE PIURA
FACULTAD DE INGENIERA

Laboratorio de Control Industrial: Control Predictivo

SIMULACION DE SISTEMAS CON GPC Y PID

A) Tanques acoplados :

a. Del proceso obtenemos los valores para sintonizar el PID:

Kp=70;
Ki=0.5;
Kd=1.25
Simulamos en Matlab:

Ilustracin 1: Diagrama de bloques de PID.

La salida al PID sintonizado:

Ilustracin 2: Salida del PID.

b. Ahora procedemos a realizar la discretizacion:

Definimos el tiempo de muestreo:
Primera forma:
>> roots([1 0.623 0.00388])
ans =
-0.6167
-0.0063

Segunda forma:

Para apreciar mejor ampliamos la zona a evaluar:

De la grfica se puede definir la fc=0.0061; segn lo visto en el curso:

Tomamos como tiempo de muestreo 150.

>> fz=c2d(f,150,'zoh')

fz =
0.3253 z + 0.00215
-----------------z^2 - 0.3892 z
Sample time: 150 seconds
Discrete-time transfer function.

Se divide entre el mximo exponente:

Ahora procedemos a simular:

Para parmetros:

Simulacin:

Simulacin:


Simulacin:

c. Comparacin entre el PID y GPC:

Se puede ver que el tanque al ser un elemento de dinmica lenta aun con un = 5 el
tiempo de establecimiento es parecido entre el GPC y el PID esto demuestra la ventaja
de GPC respecto al PID. Como se puede apreciar en las grficas dependiendo del
escogido el GPC se comportara mejor que el PID, ya que para menores a 1 se reduce
el tiempo de establecimiento se tiene una mayor calidad pero a un alto costo
energtico. Por otro lado para que superen a 1 la calidad disminuye pero a un menor
costo energtico. Como es un elemento de dinmica lenta de un margen de actuacin
es decir que se puede escoger un cercano a 1 para reducir el costo energtico sin que
la reduccin de calidad afecte en general al proceso.
B) Motor de corriente continua

a. Del proceso obtenemos los valores para sintonizar el PID:

Kp=8
Ki=0.44
Kd=0.562
Simulamos en Matlab:

Ilustracin 3 Diagrama de Bloques del PID

Ilustracin 4: Salida del PID.

Ilustracin 5: Diagrama de bloques GPC y PID.

b. Ahora procedemos a realizar la discretizacion:

Definimos el tiempo de muestreo:

Para apreciar mejor ampliamos la zona a evaluar:

De la grfica se puede definir la fc=0.142; segn lo visto en el curso:

Tomamos como tiempo de muestreo 8.

>> fz=c2d(f,8,'zoh')
fz =
0.7393 z^2 + 0.05988 z + 2.761e-10
---------------------------------z^3 - z^2 + 1.103e-07 z
Sample time: 8 seconds
Discrete-time transfer function.
Tomamos los datos menores a e-5 como 0:

Se divide entre el mximo exponente:

Ahora procedemos a simular:

Para parmetros:

Simulacin:


Simulacin:

Simulacin:

c. Comparacin entre el PID y GPC:

Se puede ver que el motor a ser un elemento de dinmica rpida en PID demorara
mucho ms que el GPC aun cuando el sea mayor a 1. Esto es una gran ventaja ya que
en elementos de dinmica rpida seria optimo usar un GPC respecto a PID aunque el
costo energtico sea alto, tambin se debe tener en cuenta la carga matemtica para
que no afecte la velocidad del proceso.
C) Pndulo Invertido

Ilustracin 6: Salida a lazo abierto de proceso.

Ahora procedemos a realizar la discretizacion:

Definimos el tiempo de muestreo 1:

fz=c2d(f,1,'zoh')
fz =
18.49 z^2 - 1.763 z - 16.73

-------------------------------z^3 - 262 z^2 + 227.4 z - 0.8338

Sample time: 1 seconds
Discrete-time transfer function.

Se divide entre el mximo exponente:

Simulacin:

Simulacin:

Como se puede apreciar en la ilustracin 6 el proceso es inestable ya que diverge pero

al realizar el GPC se pude obtener una ley de control estable.
D) TEORIA
a) Suponga que tiene un sistema con retardo. Tendra sentido seleccionar un
horizonte de prediccin mnimo menor al retardo del sistema?
Bueno teniendo en cuenta que cuando se tiene un retardo se toma una salida
y(k+d+1); por lo que no tendra sentido seleccionar un horizonte igual al retardo ya que
no habra una repuesta en tiempo menores a k+d+1
b) Suponga que tiene un proceso de fase no mnima. Seria apropiado seleccionar un
horizonte de prediccin mnimo grande?
No, al escoger un horizonte de prediccin grande la matemtica que requiere
implementar la ley de control seria elevada lo que puede provocar errores en la seal,
esto depende en su mayora la capacidad con la que se cuenta por ejemplo si se lee
cada 0.2 segundos e implementar la ley de control se toma 0.4 segundos existira un
corte en la seal. Por otro lado horizontes pequeos no optimizaran.
c) Cules son los parmetros de sintonizacin en el control GPC? Cmo afecta la
variacin del factor lambda?

Donde
es el horizonte de prediccin,
es el horizonte de control, y son
constantes relacionadas con la energa y calidad. Como se pudo apreciar en los
ejercicios anteriores a un valor menor a 1 de se da prioridad a la calidad y a la rapidez
de establecerse, por otro lado para valores mayores a 1 el tiempo de establecimiento
aumenta y se prioriza la energa.

CONCLUSIONES

El desplazamiento del genera un cambio entre la calidad de la prediccin y la

energa requerida, la mejora de una influye en la otra, por lo que se debe
alcanzar un compromiso entre ambas.
El GPC es calcular predicciones, es decir posibles acciones en el sistema, esto
reduce el costo energtico del sistema.
Para un valor menor a 1 de se da prioridad a la calidad y a la rapidez de establecerse,
por otro lado para valores mayores a 1 el tiempo de establecimiento aumenta y se
prioriza la energa.
El GPC al ser un predictivo presenta varias ventajas respecto a los controladores
tradicionales como el PID, ya que puede trabajar tanto en sistemas SISO como MIMO,
as como poder trabajar con valores de retardo altos.

El GPC puede llevar una gran carga matemtica adems de que e necesita saber
el proceso el cual se puede hallar de forma emprica.