| Title |
DESENVOLVIMENTO E IMPLEMENTAÇÃO DE UM CONTROLADOR PREDITIVO GENERALIZADO (GPC) PARA RASTREAMENTO DE REFERÊNCIA RAMPA |
| Author |
Thyago Vasconcelos Estrabis |
| Advisor |
Raymundo Cordero García |
| Abstract |
Atualmente, o Controle por Modelo Preditivo (Model Predictive Control – MPC em Inglês) é uma das mais avançadas técnicas de controle aplicada em diferentes processos industriais. Entre todas as técnicas baseadas em MPC, o Controle Preditivo Generalizado (Generalized Predictive Control – GPC) é uma das mais estudadas e aplicadas. Em GPC, a saída do sistema é predita através de um modelo aumentado da planta, aplicando entradas presentes e futuras a ela, enquanto uma função custo é calculada sobre um horizonte de predição (um conjunto de resposta preditas). O objetivo do GPC é obter um conjunto de leis de controle futuras que reduz o erro entre as saídas preditas e a referência. Porém, o GPC convencional não pode ser aplicado para o rastreamento de referência rampa, a qual é usada em importantes aplicações práticas. Este trabalho tem por objetivo o desenvolvimento e a implementação experimental de um algoritmo GPC capaz de rastrear referências constantes e rampas. O operador de diferença de segunda ordem é utilizado para criar um novo modelo aumentado da planta onde a saída é o erro de rastreamento do sistema, no lugar da saída da planta. O modelo proposto possui dois integradores embutidos, o que permite o rastreamento de referências tipo rampa. A função custo e as técnicas de otimização usadas no algoritmo GPC convencional podem ser aplicadas no modelo aumentado proposto para obter a lei de controle. Resultados de simulação e experiementais comprovam que a técnica proposta pode rastrear adequadamente referências tipo constante e rampa. |
| Nowadays, Model Predictive Control (MPC) control is one of the most advanced control techniques applied in different industrial processes. Among all techniques based on MPC, Generalized Predictive Control (GPC) is one of the most studied and applied. In GPC, the system’s output is predicted through an augmented model of the plant, applying present and future inputs to it, while a cost function is calculated over a prediction horizon (a set of predicted responses). The GPC aims to obtain a set of future control laws that reduces the error between the predicted outputs and the reference. However, conventional GPC cannot be applied for ramp reference tracking, which is used in critical practical applications. This Thesis proposes the design and experimental implementation of a GPC algorithm capable of tracking constant references and ramps. The second-order difference operator is used to create a new augmented plant model where the output is the system tracking error, instead of the plant output. The proposed model has two embedded integrators, allowing the tracking of ramp references. The cost function and optimization techniques used in the conventional GPC algorithm can be applied to the augmented model proposed to obtain the control law. Simulation and experimental results prove that the proposed technique can adequately track constant and ramp references. |
| Description |
Dissertação (mestrado) – Universidade Federal de Mato Grosso do Sul, FAENG, Programa de Pós-Graduação em Engenharia Elétrica, Campo Grande, 2020. |
| URI |
https://ppgee.ufms.br/dissertacoes-2020/desenvolvimento-e-implementacao-de-um-controlador-preditivo-generalizado-gpc-para-rastreamento-de-referencia-rampa/ |
| Date |
2020 |
