Tambien son herramientas para mejorar el rendimiento

Info iconThis preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: del cual hay que encontrar una variable para el funcionamiento normal del proceso. Esta categor a de restricciones puede ser violada. { Restricciones reales o de trabajo: se tienen en cuenta en el calculo de los controles futuros. { Restricciones de optimizacion: se usan en los procedimientos especiales de gestion de la no factibilidad y por garant as de estabilidad. Consideraciones de gestion: { Restricciones blandas: solo penalizan las violaciones, la funcion de coste aumenta con los terminos de penalizacion, de forma que el problema se reduce en un caso de optimizacion sin restricciones. 94 Control predictivo no lineal { Restricciones duras: fuerzan que la accion de control sea de tal manera que la restriccion se satisfaga a cualquier coste. Determinan un conjunto (podr a ser vac o), denominado region factible, en el cual hay que encontrar la solucion a un problema de optimizacion con restricciones. Consideraciones matematicas { Restricciones de igualdad { Restricciones de desigualdad 4.3.3.b Incorporacion de las restricciones en el controlador MELPC En el controlador MELPC, las restricciones se han introducido de forma expl cita. En este caso las restricciones de nen la region donde se optimiza una funcion de coste cuadratica sujeta al conjunto de restricciones que se imponen en las variables manipuladas y controladas. Este problema se plantea como un problema de programacion cuadratica (Quadratic Programming,QP), para lo cual existen los algoritmos adecuados. La utilizacion de este metodo puede llevarnos al caso de una posible aparicion de situaciones no factibles en los cuales el controlador no puede operar. La funcion de coste cuadratica La funcion de coste (ecuacion 4.61) pesa la diferencia entre la salida y la referencia, y tambien los esfuerzos de control. J (ts) = (W ; H u ; f )T Q (W ; H u ; f ) + V TR V (4.61) Donde Q y R son las matrices de peso control de salida respectivamente, W es el vector de referencias y la matriz H (ecuacion 4.13) es la matriz ganancia que contiene los valores de la respuesta escalon del sistema. Sec. 4.3. Control predictivo no lineal mediante linealizacion on-line El ndice J se puede expresar de forma cuadratica estandar 1 J = 2 uT A u + bT u + c donde: A = 2(HT QH + R) b = 2HT Q(w ; f ) c = (w ; f )T Q(w ; f ): 95 (4.62) (4.63) (4.64) (4.65) La solucion del problema se hace mediante programacion cuadratica. Existen varias librer as de uso publico como las librer as NAG y otras que se pueden encontrar por Internet, que sirven para encontrar la solucion a este problema. La herramienta usada en este trabajo es, la toolbox de MATLAB que proporciona una herramienta para resolver problemas QP, en concreto es la funcion qp. La llamada a esta funcion se hace de la manera siguiente: X = qp(M f C b) (4.66) En el caso de controladores predictivos hay que resolver el problema de tipo: (4.67) u = arg min 1 u>A u + b> u + c V2 sujeta a un conjunto de restricciones: Pu r (4.68) El problema se resuelve mediante la funcion qp y las equivalencias X = u x = u H = A f = b C = P y b = r: En el caso concreto del MELPC se ha usado tres tipos de restricciones: Res...
View Full Document

This note was uploaded on 05/25/2011 for the course ECON 103 taught by Professor Poul during the Spring '11 term at American University of Central Asia.

Ask a homework question - tutors are online