1 / 40

Controle ótimo quadrático

Controle ótimo quadrático. Josemar de Oliveira Quevedo Lucas Vizzotto Bellinaso Prof. Dr. Vinícius Montagner. Santa Maria, junho de 2012. Tópicos. Introdução Controle ótimo quadrático: equacionamento Escolha de Q e R Exemplo de projeto Projeto mal feito Projeto bem feito

Download Presentation

Controle ótimo quadrático

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Controle ótimo quadrático Josemar de Oliveira Quevedo Lucas VizzottoBellinaso Prof. Dr. ViníciusMontagner Santa Maria, junho de 2012

  2. Tópicos • Introdução • Controle ótimo quadrático: equacionamento • Escolha de Q e R • Exemplo de projeto • Projeto mal feito • Projeto bem feito • Simulação de um conversor Buck • Conclusões

  3. Introdução • Realimentação de estados: • Obtençãodarespostadesejadapara o sistemaatravés do cálculo do ganhoK, ondeu = R – K x. • Funciona se o sistema for controlável. • Controleótimoquadrático: • Técnicaempregadaparacálculo do ganhoK. u

  4. ControleótimoquadráticoDesenvolvimentomatemático • Consistenaminimização de um índice de desempenhoquadráticoJ. • As matrizes Q e R devem ser Hermitianas e definidaspositivamente: • Q = Q’ e R = R’ • v’Qv≥ 0 e v’Rv≥ 0 , ondev é um vetorcomoxeu. • Se o sistema for controlável, a minimização de Jsempretorna o sistemaestável.

  5. ControleótimoquadráticoDesenvolvimentomatemático Sendou = - Kx, pode-se obter: Se houverumamatrizPHermitianaque: Do sistemarealimentado substitui-se: O queleva a:

  6. ControleótimoquadráticoDesenvolvimentomatemático SendoQ + K’RKsemprepositivo, pelasegunda Lei de Liapunov, se o sistema for estável, entãoexistePquesatisfaça: Se e separandoostermosemKdaequaçãoacima: Pode-se obterque a minimização de Jemrelação a Krequer:

  7. ControleótimoquadráticoDesenvolvimentomatemático • O cálculo de K é resumidonasseguintesetapas: • Encontrar P definidapositivamentequesatisfaça a equaçãoreduzida de Ricatti: • CalcularK com a seguinteequação:

  8. Escolha de Q e R • MatrizQ: • Relativa à importância do erro de cadaestado do sistema. • Normalmentedefinidana forma diagonal, paraque a importância de cadaestadosejadefinida de forma independente. • Exemplo: q1refere-se à importância do erro de x1. Quandomaiorq1, maisrápidoseráreduzido o erro de x1.

  9. Escolha de Q e R • MatrizR: • Relativa à energianecessáriaparacadaentrada. • Normalmentedefinidana forma diagonal, paraquecadaentradasejatratadaindependentemente. • Exemplo: r1refere-se à energiaabsorvidadaentradau1. • Quantomaior é r1, menor é a energiaabsorvida de u1, e mais lento é o controledependentedessaentrada. • Quantomenorr1maioresosganhosrelativos à entradau1.

  10. Escolha de Q e RComando do Matlab • Para obter o ganho K no software Matlab, utiliza-se o seguintecomando: K = lqr(A,B,Q,R) ou K = lqr(sys,Q,R) • Exemplo: A = [1 2 ; 3 4]; B = [1 ; 0]; Q = [10 0; 0 1]; R = 1; K = lqr(A,B,Q,R) Valor de K obtido no Matlab: K = [13.0812 22.4926]

  11. Exemplo de projeto: modelagem do sistema Figura 1 - Sistema RLC proposto • R=50Ω; • C=220uF; • L=886μH; • Vc (referência)=50V

  12. Exemplo de projeto: sistema ampliado • Sistema aumentado: Figura 2 – Diagrama de blocos do sistema a ser controlado .

  13. Exemplo de projeto: controlabilidade • Controlabilidade: • Valores numéricos da matriz aumentada

  14. Exemplo de projeto: definição de Q e R • Projeto adequado: • Objetivo: buscar a resposta que alie os menores ganhos, menor energia de controle e resposta mais rápida do controlador sobre a planta. • Ganhos: K = [-0,0223 11,1723 -79,0569]; • Pólos = [-505 -12195].

  15. Exemplo de projeto: definição de Q e R • t = 0:0.0001:0.12; • [y,x,t] = step(AA,BB,CC,DD,1,t); • [y2,X,t] = step(A,B,C,D,1,t); • x1 = [1 0 0]*x'; • x2 = [0 1 0]*x'; • x3 = [0 0 1]*x'; • subplot(2,2,1); plot(t,x1,'LineWidth',2); grid • holdon • plot(t,y2,'r'); • subplot(2,2,2); plot(t,x2,'LineWidth',2); grid • subplot(2,2,3); plot(t,x3,'LineWidth',2); grid • erro=1-x1; • subplot(2,2,4); plot(t,erro);grid Aaum = [A zeros(2,1);-C 0]; Baum = [B;0]; Q = [1 0 0;0 100000 0; 0 0 5000000]; R = [800]; Kah = lqr(Aaum,Baum,Q,R) K = Kah(1:2) Kl = -Kah(3); AA = [A-B*K B*Kl;-C 0]; BB = [0;0;1]; CC = [C 0]; DD = [0]; % tensão de saída % corrente % erro integrado

  16. Exemplo de projeto: definição de Q e R Tempo de acomodação: 40 ms Figura 3 - Resposta do sistema – projeto adequado

  17. Exemplo de projeto: definição de Q e R Figura 4 – Resposta em frequência do sistema – projeto adequado

  18. Exemplo de projeto: definição de Q e R • Projeto inadequado: • Atribuir valores à matriz Q que priorizem os estados menos relevantes para a resposta do sistema. • Valores elevados reduzem o erro em relação à referência, mas aumentam o esforço de controle. • Valores reduzidos aumentam o erro e diminuem o esforço de controle; • Reduzir ou elevar demasiadamente os valores da matriz R; • A redução resulta em ganhos que tenham magnitude que podem não ser implementáveis na prática; • O aumento eleva o erro.

  19. Exemplo de projeto: definição de Q e R • Exemplo: priorização dos estados menos relevantes para a resposta do sistema na matriz Q. • Ganhos: K = [30,3201 15,9441 -3,1623]; • Pólos = [-9043,3 + j*8974,3; -9043,3 – j*8974,3].

  20. Exemplo de projeto: definição de Q e R Figura 5 – Resposta em frequência - priorização dos estados menos relevantes para a resposta do sistema na matriz Q

  21. Exemplo de projeto: definição de Q e R • Exemplo: Valores muito reduzidos para a matriz R. • Ganhos: K = [38,4 1000,2 -7071,1]; • Pólos = [-300; -1,1287*10^6].

  22. Figura 6 – Resposta em frequência – redução excessiva dos valores da matriz R

  23. Exemplo de projeto: definição de Q e R • Exemplo: Valores muito elevados para a matriz R. • Ganhos: K = [-0.0118 0.6362 -5 ]; • Pólos = [-404,5+j*2229,6; -404,5-j*2229,6].

  24. Exemplo de projeto: definição de Q e R Figura 7 – Resposta em frequência – aumento excessivo dos valores da matriz R

  25. Exemplo de projeto: definição de Q e R • Comparação dos projetos: Tabela 1 – Comparação das características dos projetos

  26. Simulação: conversor Buck Figura 8 – Conversor buck simulado sob condições nominais

  27. Simulação: conversor Buck • Condições nominais: Figura 9 – Resposta do conversor operando em malha aberta (vermelho), e com o LQR (azul)

  28. Simulação: conversor Buck Figura 10 – Resposta do erro e erro integrado

  29. Simulação: conversor Buck Figura 11 – Conversor buck simulado com redução de 50% da carga

  30. Simulação: conversor Buck • Redução de 50% da carga: Figura 12 – Resposta do conversor operando em malha aberta (vermelho), e com o LQR (azul)

  31. Simulação: conversor Buck Figura 13 – Conversor buck simulado com aumento de 100% da carga

  32. Simulação: conversor Buck • Aumento de 100% da carga: Figura 14 – Resposta do conversor operando em malha aberta (vermelho), e com o LQR (azul)

  33. Simulação: conversor Buck Figura 15 – Conversor buck simulado com variação da referência

  34. Simulação: conversor Buck • Variação da tensão de referência de 50 V para 70 V: Figura 16 – Resposta do conversor para a variação da referência

  35. Simulação: conversor Buck Figura 17 – Conversor buck alimentado por retificador monofásico

  36. Simulação: conversor Buck • Conversor buck alimentado por retificador monofásico: Figura 18 – Tensão de saída em azul, tensão de entrada em vermelho. (a) malha fechada (b) malha aberta

  37. Conclusões • O controle LQR oferece uma forma metódica de cálculo dos ganhos de realimentação de estados a partir da minimização de um fator de desempenho quadrático J; • A resposta do sistema depende dos valores projetados para as matrizes Q e R, as quais determinam a importância relativa do erro e da quantidade de energia necessária no processo de controle, respectivamente;

  38. Conclusões • As matrizes Q e R são definidas empiricamente, portanto, estão sujeitas a diferentes respostas, que serão tão boas quanto maior a faixa de valores testados, permitindo assim definir a configuração que melhor se encaixa para um dado projeto; • O projeto do controlador aplicado ao conversor Buck visou obter uma resposta que levasse o nível de tensão de saída para o valor desejado com reduzida demanda de energia e rápida resposta dos estados do sistema;

  39. Conclusões • Vantagens do conversor LQR: • Permite a minimização da energia demandada pelo sistema, resultando em melhor rendimento do sistema de controle; • Desvantagens do conversor LQR: • Limitação da técnica relacionada à maneira aleatória de definição dos ganhos do controlador, sendo difícil definir a condição ótima de ganhos.

  40. Considerações finais • Josemar de Oliveira Quevedo: • josemar.oliveira.quevedo@gmail.com • Lucas VizzottoBellinaso: • lbellinaso@gmail.com

More Related