covid
Buscar en
Revista Iberoamericana de Automática e Informática Industrial RIAI
Toda la web
Inicio Revista Iberoamericana de Automática e Informática Industrial RIAI Mejora de la estabilidad, robustez y tiempo de cómputo en CRHPC con BDU
Información de la revista
Vol. 10. Núm. 3.
Páginas 291-301 (julio - septiembre 2013)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
2985
Vol. 10. Núm. 3.
Páginas 291-301 (julio - septiembre 2013)
Open Access
Mejora de la estabilidad, robustez y tiempo de cómputo en CRHPC con BDU
Improvement of stability, robustness and computational cost in CRHPC with BDU
Visitas
2985
C. Ramosa,b,
Autor para correspondencia
cramos@isa.upv.es

Autor para correspondencia.
, M. Martíneza,b, J. Sanchisa,b
a Instituto de Automática e Informática Industrial. Universidad Politécnica de Valencia
b Edificio 8G- Acceso D - Planta 3. Camino de Vera, s/n, 46022 Valencia, España
Este artículo ha recibido

Under a Creative Commons license
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Resumen

En este artículo, se ofrecen diferentes leyes de control de Control Predictivo Basado en Modelos con el fin de mejorar la estabilidad y robustez. El Constrained Receding-Horizon Predictive Control (CRHPC) proporciona estabilidad (en ausencia de incertidumbre), y la técnica Bounded Data Uncertainties (BDU) proporciona una regularización guiada que mejora el mal condicionamiento y la robustez, resultando en el original CRHPC-BDU. El objetivo de este artículo consiste, por una parte, en ofrecer leyes de control alternativas para el CRHPC, usando diferentes herramientas matemáticas y compararlas. Éstos constituyen la base para extender dichas estrategias al CRHPC-BDU. Así, una de las principales contribuciones consiste en obtener una versión de CRHPC-BDU más robusta y con menor coste computacional.

Palabras clave:
Regularización
Técnicas Minimax
Robustez
Estabilidad
Incertidumbre.
Abstract

In this work, different control laws of Model Predictive Control (MPC) are offered in order to improve the stability and robustness aspects. The CRHPC (Constrained Receding-Horizon Predictive Control) provides de stability (in the absence of uncertainty), and the BDU (Bounded Data Uncertainties) technique provides a guided regularization improving the robustness and ill-conditioning, presenting the original CRHPC-BDU. The objective of this work consists, on the one hand, of offering alternative control laws of the CRHPC, using different mathematical tools and comparing them. These ones constitute the basis for the different statements for extending these strategies to the CRHPC-BDU. So, one of the main contribution consists of obtaining a more robust and with less computationalcost version of CRHPC-BDU.

Keywords:
Regularization
Minimax techniques
Robustness
Stability
Uncertainty.
Referencias
[Camacho and Bordóns, 2004]
Camacho, E.F., Bordóns, C., October 2004. Control predictivo: Pasado, presente y futuro. RIAI, Revista Iberoamericana de Automática e Informática Industrial, CEA-IFAC 1.(3).
[Chandrasekaran et al., 1998]
S. Chandrasekaran, G.H. Golub, M. Gu, A.H. Sayed.
Parameter estimation in the presence of bounded data uncertainties.
SIMAX, 19 (1998), pp. 235-252
[Clarke et al., 1987a]
D.W. Clarke, C. Mohtadi, P.S. Tuffs.
Generalized Predictive Control-Part I.
Automatica, 23 (1987), pp. 137-148
[Clarke et al., 1987b]
D.W. Clarke, C. Mohtadi, P.S. Tuffs.
Generalized Predictive Control- Part II. Extensions and Interpretations.
Automatica, 23 (1987), pp. 149-160
[Clarke and Scattolini, 1991]
D.W. Clarke, R. Scattolini.
Constrained receding-horizon predictive control.
IEEE Proceedings-D, 138 (1991 July), pp. 347-354
[Ghaoui and Lebret, 1997]
L.E. Ghaoui, H. Lebret.
Robust solutions to least-squares problems with uncertain data.
SIMAX, 18 (1997), pp. 1035-1064
[Golub and van Loan, 1996]
G.H. Golub, C.F. van Loan.
Matrix Computations.
3rd Edition, Johns Hopkins University Press, (1996),
[Lee, 2011]
J.H. Lee.
Model predictive control: Review of the three decades of development.
International Journal of Control, Automation, and Systems, 9 (2011 June), pp. 415-424
[Luyben, 1996]
W.L. Luyben.
Process Modelling Simulation and Control for Chemical Engineers. Chemical Eng. Series.
Mc Graw-Hill, (1996),
[Qin and Badgwell, 1997]
Qin, S.J., Badgwell, T.A., 1997. An overview of industrial model predictive control technology. In: Kantor, J.C., Garcia, C.E., Carnahan, B. (Eds.), 5th Int. Conf. on Chemical Process Control. Vol. 93. AIChE Symposium Series 316, 232-256.
[Qin and Badgwell, 2003]
S.J. Qin, T.A. Badgwell.
A survey of industrial model predictive control technology.
Control Engineering Practice, 11 (2003), pp. 733-764
[Ramos et al., 2008]
Ramos, C., Martínez, M., Sanchis, J., Herrero, J.M., June 2008. Robust and stable predictive control with bounded uncertainties. Journal of Mathematical Analysis and Applications (ISSN: 0022-247X) 342/2, 1003-1014.
[Ramos et al., 2007]
C. Ramos, M. Martínez, J. Sanchis, J.V. Salcedo.
LQR robusto mediante incertidumbre acotada en los datos.
RIAI, Revista Iberoamericana de Automática e Informática Industrial (1697-7912), 4 (2007), pp. 61-72
[Ramos et al., 2009]
C. Ramos, M. Martínez, J. Sanchis, J.V. Salcedo.
Robust constrained receding-horizon predictive control via bounded data uncertainties.
Mathematics and Computers in Simulation (ISSN: 0378-4754), 79 (2009), pp. 1452-1471
[Ramos et al., 2005]
C. Ramos, J. Sanchis, M. Martínez, J.M. Herrero.
LQR and predictive control tuned via BDU.
Systems Science (0137-1223), 31 (2005), pp. 15-25
[Rossiter and Kouvaritakis, 1994]
J.A. Rossiter, B. Kouvaritakis.
Numerical robustness and effciency of generalised predictive control algorithms with guaranteed stability.
IEE Proc. - Control Theory Applications, 141 (1994 May), pp. 154-162
[Sayed et al., 1998]
Sayed, A.H., Nascimento, V.H., Chandrasekaran, S., June 1998. Estimation and control with bounded data uncertainties. In: Linear Algebra and its Applications. Vol. 284. Elsevier, pp. 259-306.
[Sayed et al., 2002]
Sayed, A.H., Nascimento, V.H., Cipparrone, F.A. M., 2002. A regularized robust design criterion for uncertain data. In: SIAM J. Matrix Anal. Appl. Vol. 23. pp. 1120-1142.
[Subramanian and Sayed, 2004]
A. Subramanian, A.H. Sayed.
Regularized robust filters for time varying uncertain discrete-time systems.
IEEE Transactions on Automatic Control, 49 (2004 June), pp. 970-976
[Watson, 2001]
G.A. Watson.
Data fitting problems with bounded uncertainties in the data.
In: SIAM J. Matrix Anal. Appl., 22 (2001), pp. 1274-1293
[Yoon and Clarke, 1995]
T.W. Yoon, D.W. Clarke.
A reformulation of receding-horizon predic-tive control.
Int J System Science, 26 (1995), pp. 1383-1400
Copyright © 2012. EA
Descargar PDF
Opciones de artículo