MPC di sistemi non lineari output feedback and tracking

Transcript

1 MPC di sistemi non lineari output feedback and tracking Dipartimento di Informatica e Sistemistica Via Ferrata 1, Pavia Riccardo.Scattolini@unipv.it 1

2 Stato dell arte Sono stati proposti molti algoritmi MPC stabilizzanti con retroazione sullo stato Il problema della retroazione sull uscita è stato risolto con il principio di separazione Una sfida ancora aperta è quella di sviluppare metodi MPC con capacità di inseguimento di segnali di riferimento con dinamica definita 2

3 Schema della presentazione Schemi di controllo per l inseguimento asintotico nel controllo lineare MPC non lineare: il problema della regolazione MPC non lineare: il problema dell inseguimento con modelli di stato MPC non lineare: il problema dell inseguimento con modelli ingresso - uscita 3

4 Schemi di controllo per l inseguimento asintotico Sistemi lineari e segnali esogeni costanti d w e u R0 R2 R1 R2 R System y R0 = insiemi di integratori 1/(z-1) R1, R2 =regolatori lineari stabilizzanticon azione feedback - feedforward 4

5 Schema 1 w e u R2 R0 v z1 d Sistema y Non molto usato in MPC n. ingressi = n. uscite Utile nel controllo non lineare per estendere il principio del modello interno 5

6 Schema 2 R21 R22 d w e u u R1 R0 Sistema y schema MPC classico, come nel GPC numero di integratori = numero di variabili di ingresso R21, R22 possono essere termini non causali 6

7 Schema 3 w e u R0 R2 Sistema d y Non usato nel MPC Numero di integratori = numero di variabili di uscita 7

8 Il sistema non lineare Sistema non lineare a tempo discreto x(k +1)=f(x(k),u(k)), x(t) =x t f(0,0)=0, h(0)=0 y(k) =h(x(k)) f e h sono funzioni sufficientemente smooth 8

9 Il problema di regolazione retroazione sullo stato è trovare una legge di controllo u=(x) tale che l origine sia un punto di equilibrio stabile e x (k) X u(k) U X e U sono insiemi compatti che contengono l origine 9

10 L output admissible set Data la legge di controllo u=(x) un output admissible set Y k è un insieme di stati iniziali da cui si può raggiungere l origine nel rispetto dei vincoli 10

11 L approccio MPC - I Ad ogni t, minimizza rispetto a [u(t), u(t+1),,u(t+m-1)] il funzionale di costo J = t+nà1 i=t Con i vincoli x(i) 2 + u(i) 2 + V Q R f (x(t + N)) x X, u U e x(t + N) X f u(k) =Kx(k), k > t + M 11

12 L approccio MPC - II Quindi applica soltanto u(t) e ripeti la procedura di ottimizzazione all istante t+1 Ciò definisce la legge di controllo MPC u=rh(x) 12

13 Parametri di progetto N = orizzonte di predizione M = orizzonte di controllo Q, R = matrici dei pesi Vf(x(t+N)) = peso finale Xf = insieme finale u = Kx legge di controllo lineare localmente stabilizzante Yrh = output admissible set di u=rh(x) YK = output admissible set di u=kx 13

14 Stabilità di MPC Xf =0, Vf = 0 Xf =YK, Vf = 0 commuta a u=kx all interno di YK Xf =YK, Vf = x Pf x Xf =YK, V f (x(t)) = x(i) 2 i=t Q+K 0 RK Tutte stabilizzano esponenzialmente l origine 14

15 Retroazione sull uscita Osservatore esponenzialmente stabile (ad esempio EKF) xê(k +1)=g(xê(k),h(x(k)),u(k)) controllo MPC u Sistema y xê Osservatore dello stato Controllo MPC esponenzialmente stabilizzante + osservatore esp. stabile L origine è un equilibrio esponenzialmente stabile 15

16 Il problema del tracking w Orizzonte di predizione Orizzonte del riferimento y w Orizzonte di controllo Legge di controllo lineare Ipotesi: esiste un equilibrio tale che xö(wö) = f(xö(wö),uö(wö)) wö =h(xö(wö)) t W Ipotesi: Il sistema linearizzato è stabilizzabile, detettabile, senza zeri di trasm. z=1 16

17 Sistema + R0 x 1 (k +1)=f 1 (x 1 (k),v(k),w(k)) e(k) =h 1 (x 1 (k),w(k)) Legge lineare localmente stabilizzante v(k) =K 1 (wö)(x 1 (k) à xö 1 (wö)) Metodo 1 - I w e u y R2 R0 v z1 Sistema Minimizza rispetto av(k),,v(k+m-1) t+nà1 J 1 = P ð í í íe(i) 2 + í í ñ Q v(i) 2 + V R f1 (x 1 (t + N),wö) i=t V f1 = P ð í í íe(i) 2 + í K1 (x Q 1 (i) à xö 1 (wö)) í ñ 2 R i=t+n x 1 (t + N) Y K 1 + altri vincoli 17

18 R2 si ottiene combinando la legge MPC con un osservatore Con l ipotesi di osservabilità opportuna, xö 1 (wö) è punto di equilibrio esponenzialmente stabile Pro: facile generalizzare a altri segnali esogeni Metodo 1 - II w e u y R2 R0 v z1 Sistema Contro: è difficile includere vincoli su u, u; stesso numero di ingressi e uscite; bisogna calcolare xö 1 (wö) 18

19 Supponi di conoscere un reg. dinamico localmente stabilizzante x r (k +1)=A r x r (k)+b r e(k) v(k) =C r x r (k)+d r e(k) Metodo 1 - III come evitare il calcolo di xö 1 (wö) Minimizza rispetto av(k),,v(k+m-1), xr(k+m) x r (k J ã +1)=A r x r (k)+b r e(k) 1 = t+ M à 1 è ke(i) k 2 Q + kv(i) é + k x r (t + M ) k 2 Rr + V ã f1 = P i= t t+nà1 + P P i=t+n i=t+m k2 R n v(k) =C o r x r (k)+d r e(k) ke(i) k 2 Qö + kx r (i) + V ã f1 ke(i) k 2 Qö + kx r (i) k 2 Qö R k 2 Qö r, ì x 1 (t + N) x r (t + N) ì Yã f1 (wö) 19

20 Vf ei xr w e u u y R1 R0 Sistema Metodo 2 - I Sistema + R0 x 2 (k +1)=f 2 (x 2 (k),îu(k),w(k)) e(k) =h 2 (x 2 (k),w(k)) Legge lineare localmente stabilizzante îu(k) =K 2 (wö)(x 2 (k) à xö 2 (wö)) J 2 = Minimizza rispetto au(k),,u(k+m-1) t+nà1 P ð i=t ñ ke(i) k 2 Q + kîu(i) + k2 Vf2 (x 2 (t + N),wö) R V f2 = P i=t+n ke(i) k 2 Q + k K 2(x 2 (i) à xö 2 (wö)) x 2 (t + N) Y K2 + altri vincoli k 2 R 20

21 w e u u y R1 R0 Sistema Metodo 2 - II R1 è ottenuto combinando la legge MPC con un osservatore Contro: n. di integratori = n. di ingressi; per modelli incerti, è necessario un osservatore anche se x è noto; non si generalizza ad altri riferimenti. Con l ipotesi di osservabilità opportuna, xö 2 (wö) è un punto di equilibrio esponenzialmente stabile Pro: facile includere vincoli su u e u; schema MPC classico 21

22 w e u y R0 R2 Sistema Metodo 3 - I Sistema + R0 x 3 (k +1)= f 3 (x 3 (k),u(k),w(k)) e(k) =h 3 (x 3 (k),w(k)) dove x 3 (k) contiene lo stato del sistema, degli integratori e u(k-1), cosicché u(k)=u(k)-u(k-1)=u(k)-x 3 (k) 22

23 w e u y R0 R2 Sistema Metodo 3 - II Legge localmente stabilizzante u(k) =uö(wö) + K 3 (wö)(x 3 (k) à xö 3 (wö)) Minimizza rispetto au(k),,u(k+m-1), t+nà1 ð ñ J 3 = ke(i) k 2 Q + kîu(i) + V f3 (x 3 (t + N),wö) V f3 = P i=t P i=t+n k2 R ke(i) k 2 Q + kuö(wö) + K 3 (x 3 (i) à xö 3 (wö)) x 3 (t + N) Y K3 + altri vincoli k 2 R 23

24 w e u y R0 R2 Sistema Metodo 3 - III R2 è ottenuto combinando la legge MPC con un osservatore Contro: schema non standard ; non si generalizza ad altri riferimenti; Con l ipotesi di osservabilità opportuna, xö 3 (wö) è un punto di equilibrio esponenzialmente stabile Pro: facile includere vincoli su u e u; minimo numero di integratori 24

25 Modelli Ingresso-Uscita - I Con riferimento allo schema 2, con tecniche di identificazione si può ottenere il modello ingresso- uscita e(k +1)=í(e(k),..., e(k à n),îu(k),..., îu(k à n)) con (0,0)=0 25

26 Posto Modelli ingresso-uscita - II x(k) = [ e(k),..., e(k à n),îu(k),..., îu(k à n) ] 0 il modello può essere scritto come x(k +1)=f(x(k),îu(k)) e(k) =Cx(k) e il problema di tracking è trasformato in un problema di regolazione 26

27 Un esempio illustrativo Continuous Stirred Tank Reactor Cç A = q V (C Af à C A ) à k 0 exp(à E RT )C A Tç = q V (T f à T) à 4H úcp k 0 exp(à E RT )C A + UA VúCp (T c à T) y = T, u = T c Equilibrio instabile Cö A =0.5mol/L Tö = 350K T ö c = 300K Vincoli 220K 6 T c 6 550K 220K 6 T 6 550K 0 6 C A 6 C Af =1mol/L 27

28 Risposta allo scalino 0.8 T c =300K æ 5K (a) 440 (a) C A (mol/l) C A (mol/l) Time (minute) (b) T (K) T (K) Time (minute ) (b) Time (minute) Time (minute ) (a) +5K, (b) -5K 28

29 Retroazione sull uscita - metodo 2 Regolatore dinamico localmente stabilizzante N = 4 Q = 10, R = 1 Extended Kalman Filter 29

30 Esperimento 1 Scalino pre-programmato C A (mol/l) T (K) T c (K) Time (min) Regolatore lineare: linea blu; MPC: linea rossa 30

31 Esperimento 2 Rampa pre-programmata C A (mol/l) T (K) T c (K) Time (min) Regolatore:linea blu; MPC: linea rossa 31

32 Esperimento 3 variazioni del parametro E/R E/R(K) Time (min) C A (mol/l) Time (min) T(mol/L) T c (mol/l) Time (min) Variazione di E/R Time (min) 32

33 Conclusioni Oggi ci sono algoritmi MPC con retroazione sull uscita e tracking per sistemi non lineari L aspetto computazionale è fondamentale per l impiego pratico di queste tecniche attività di ricerca futura può riguardare: (a) osservatori non lineari (b) identificazione ingresso-uscita affidabile 33

34 Riferimenti Magni L., G. De Nicolao and R. Scattolini : "Output feedback and tracking of nonlinear systems with model predictive control", Automatica, to appear, Magni L., G. De Nicolao, L. Magnani, and R. Scattolini : "A stabilizing modelbased predictive control for nonlinear systems", Automatica, to appear, De Nicolao G., L. Magni and R. Scattolini : "Tracking of nonlinear systems via model based predictive control", ADCHEM 2000, International Symposium on Advanced Control of Chemical Processes, Pisa, Italy - June 14-16, De Nicolao G., L. Magni and R. Scattolini : "Stabilizing Receding-Horizon control of nonlinear time varyng systems", IEEE Trans. on Automatic Control, AC-43, , De Nicolao G., L. Magni and R. Scattolini : "Stabilizing predictive control of Nonlinear ARX models", Automatica, 33, , De Nicolao G., L. Magni and R. Scattolini : "On the robustness of receding-horizon control with terminal constraints", IEEE Trans. on Automatic Control, AC-41, ,