Search

Consulta en la Biblioteca ETSI Industriales (8669), [ES] El presente proyecto tiene como objetivo la puesta en marcha de un sistema empotrado industrial basado en una estructura hardware PC-104, donde el sistema de control objeto de diseño debía satisfacer el cumplimiento de las restricciones de tiempo real desde el punto de vista computacional. Dichos requerimientos computacionales son garantizados mediante la utilización de un sistema operativo en tiempo real denominado QNX. El proyecto se ha desarrollado en tres fases, la primera ha consistido en el estudio, análisis y evaluación de las características del sistema PC-104. En la segunda fase se han modificado y agregado librerías matemáticas de libre distribución para permitir la programación de algoritmos de control complejos. La fase final del proyecto se ha basado en la programación de algoritmos de control complejos para la gestión en tiempo real de una maqueta de laboratorio que representa, de manera simplificada, la dinámica de un helicóptero.

Consulta en la Biblioteca ETSI Industriales (Riunet)

Proyecto Confidencial

[EN] This paper presents the potential of open source software for designing educational tools in the automatization field. In particular, this paper presents a complete tool that students can use for studying and testing nonlinear control algorithms. The system has three different parts that students can evaluate and modify. Firstly, a virtual model represents the physical model and, in this case, an inverted pendulum is used. Secondly, the controller is implemented by a real-time distributed control system. Finally, the system can be managed with a JAVA application. Therefore, students have all the necessary elements to practice using nonlinear and complex systems. The main tools applied in the design are open source software and the developed platform is Generalized Public License(GPL). © 2009 Wiley Periodicals, Inc.

[EN] In this paper we suggest a methodology for the identification of linear parameter time varying models (LPV), based on a previous local identification at some operating points, which presents a high degree of flexibility in adaptations to non-linear processes. These LPV models are characterised by containing within their dynamic trajectories those ones of the original non-linear system, and they will be defined by a linear fractional dependence with respect to the time varying parameters. When the LPV model has been identified, it is possible to design, in turn, a linear controller with parameters that vary in time in order to control the non-linear system. This identification and control methodology will then be applied to a non-linear turbocharged diesel engine., [ES] En este artículo se propone una metodología para la identificación de modelos lineales de parámetros variables con el tiempo (LPV) basada en la identificación lineal previa en diferentes puntos de funcionamiento que permite la adaptación a modelos no lineales en general. Los modelos LPV se caracterizarán por contener dentro de sus trayectorias dinámicas a las del sistema no lineal de origen y se definirán mediante dependencia lineal fraccional (LFR) de los parámetros variables con el tiempo. Una vez identificado el modelo LPV es posible diseñar, a su vez, un controlador lineal de parámetros variables con el tiempo para controlar al sistema no lineal. Esta metodología de identificación y control se aplicará sobre un motor no lineal turbodiesel.

Los trabajos en el área de control de finales del siglo de XIX y principios del siglo XX, describían el modelado, análisis y diseño de sistemas lineales empleando herramientas matemáticas bien definidas como el álgebra lineal y el cálculo diferencial. Sin embargo, a mediados de los años 40 comienzan a surgir trabajos que introducen el concepto de sistemas no lineales. A partir de este momento, el interés por el desarrollo de herramientas teóricas para el análisis y diseño de controladores no lineales fue en aumento. En la actualidad, existen diversas metodologías que son empleadas en el análisis y diseño de sistemas de control no lineales. Sin embargo, no existe una teoría generalizada análoga al álgebra lineal y el cálculo diferencial de los sistemas lineales. Por ello, las líneas de investigación que abordan el estudio de procesos no lineales se encuentran en continua evolución. En primer lugar, la tesis presentada aborda el estudio del estado del arte de algunas de las técnicas más destacadas para el modelado e identificación de sistemas no lineales. El documento de tesis hace especial hincapié en las técnicas que emplean modelos borrosos con estructura Takagi-Sugeno (TS). Una vez introducidos los modelos borrosos TS, se presenta el estado del arte en el diseño de contralores borrosos denominadas Compensadores Paralelos Distribuidos (PDC) y su aplicación al control predictivo. Asimismo, se describen los fundamentos matemáticos necesarios para la reformulación del problema de diseño de PDC en términos de Desigualdades Matriciales Lineales (LMIs). La revisión del estado del arte que se realiza en el documento de tesis, pone de manifiesto la dificultad existente cuando se aborda el diseño de controladores borrosos predictivos. El principal inconveniente es la resolución del problema de optimización que se plantea al aplicar la filosofía de control predictivo.

[EN] This work presents the BDU technique (Bounded Data Uncertainties) and the tuning of the linear quadratic regulator (LQR) via this technique, improving the system robustness. The BDU method is stated as a Min-Max problem where the best solution is sought in the worst scenario. So a new LQR tuning method is offered by taking into account the bounds on the uncertainty. The application to multidimensional systems is not trivial since a two-point boundary value problem (TPBVP) appears, which is solved iteratively., [ES] En este trabajo se presenta el sintonizado del Regulador Lineal Cuadrático (LQR) mediante la técnica de incertidumbre acotada en los datos o Bounded Data Uncertainties (BDU) con el fin de mejorar la robustez del sistema, planteándose como un Min-Max donde se busca la mejor solución en el peor escenario posible. Así se ofrece un nuevo método guiado de ajuste del LQR, considerando los límites de la incertidumbre. La aplicación a sistemas multidimensionales no es trivial, pues presenta la forma de un Two-Point Boundary Value Problem (TPBVP), el cual se resuelve iterativamente.

[ES] El modelado y control del proceso de renovación de la carga en motores turbodiesel se presenta como un importante reto desde el punto de vista de control. Este sistema presenta un fuerte comportamiento no lineal, por lo que técnicas clásicas de control, resultan insuficientes frente a los requerimientos de diseño que se plantean en los motores diesel actuales. Por tanto, resulta necesario la aplicación de técnicas no lineales que puedan resolver aquellos aspectos que están fuera del alcance de los controladores lineales tradicionales. El presente trabajo aborda dos de los aspectos fundamentales en el diseño de un sistema de control. En primer lugar, se plantea una metodología de identificación de modelos borrosos con estructura Takagi-Sugeno (T-S), a partir de datos experimentales, para sistemas no lineales. En segundo lugar, se propone el diseño de controladores borrosos óptimos basados en la estructura PDC (Compensador Paralelo Distribuido*). Los parámetros del controlador son obtenidos como solución de un problema de minimización sujeto a LMIs (Desigualdades Lineales Matriciales**)., [EN] Modelling and control for air management in diesel engines is a major challenge from the control point of view, because of the high nonlinear behaviour of this system. For this reason, classic control techniques are unable to provide the required performance, and nonlinear controllers are used instead. This article discusses two fundamental steps when designing a control system. Firstly, a methodology to identify a nonlinear system with a fuzzy model in a Takagi-Sugeno (T-S) structure using experimental data is proposed. Secondly, the design of a fuzzy controller in PDC structure (Parallel Distributed Compensation*) is presented. The parameters of this controller are obtained from a minimization problem that is subject to LMIs (Linear Matrix Inequalities**).

En esta tesis doctoral se aborda el control de sistemas no lineales mediante el empleo de controladores predictivos generalizados (GPCs) en espacio de estados. En primer lugar se realiza una revisión de la metodología de diseño del GPC en la versión entrada/salida (E/S). Partiendo de esta revisión se propone un modelo CARIMA en espacio de estados para el GPC que permite diseñar al mismo utilizando una menor cantidad de memoria y un menor tiempo de cómputo, así como de reducir la complejidad asociada la formulación E/S. Para la estimación de los estados del modelo CARIMA se propone el uso de un observador de rango completo que se diseña por asignación de polos, estableciéndose un importante resultado: los polos de este observador coinciden con las raíces de los polinomios de filtrado utilizados en la formulación E/S. Posteriormente se analizan las propiedades de observabilidad y controlabilidad del modelo CARIMA propuesto en espacio de estados, llegándose a la conclusión de que se trata de una realización mínima bajo condiciones no demasiado restrictivas, lo cual supone que la predicción se basa en un modelo con el mínimo orden posible. Tras esto, se presenta una metodología de análisis y diseño estable para el GPC mediante el uso del índice de coste como función de Lyapunov, y para el caso con restricciones de la teoría de conjuntos invariantes aplicada al GPC. Seguidamente, se presenta una metodología de diseño robusto para el GPC mediante el empleo de las desigualdades lineales matriciales (LMIs) y de algoritmos genéticos. En concreto, se analiza el caso de sistemas con incertidumbre invariante y variante con el tiempo de tipo lineal fraccional, una de las más complejas y generales utilizadas en la literatura analizada. Finalmente se presenta el controlador GPC-LPV una extensión del GPC en espacio de estados. Se trata de un controlador variante con el tiempo que presenta dependencia lineal fraccional con respecto de las señales de salida medibles. Su diseño es

[EN] The problem of controlling a liquid-gas separation process is approached by using LPV control techniques. An LPV model is derived from a nonlinear model of the process using differential inclusion techniques. Once an LPV model is available, an LPV controller can be synthesized. The authors present a predictive LPV controller based on the GPC controller [Clarke D, Mohtadi C, Tuffs P. Generalized predictive control - Part I. Automatica 1987;23(2):137-48; Clarke D, Mohtadi C, Tuffs P. Generalized predictive control - Part II. Extensions and interpretations. Automatica 1987;23(2):149-60]. The resulting controller is denoted as GPC-LPV. This one shows the same structure as a general LPV controller [El Gahoui L, Scorletti G. Control of rational systems using linear-fractional representations and linear matrix inequalities. Automatica 1996;32(9):1273-84; Scorletti G, El Ghaoui L. Improved LMI conditions for gain scheduling and related control problems. International Journal of Robust Nonlinear Control 1998;8:845-77; Apkarian P, Tuan HD. Parametrized LMIs in control theory. In: Proceedings of the 37th IEEE conference on decision and control; 1998. p. 152-7; Scherer CW. LPV control and full block multipliers. Automatica 2001;37:361-75], which presents a linear fractional dependence on the process signal measurements. Therefore, this controller has the ability of modifying its dynamics depending on measurements leading to a possibly nonlinear controller. That controller is designed in two steps. First, for a given steady state point is obtained a linear GPC using a linear local model of the nonlinear system around that operating point. And second, using bilinear and linear matrix inequalities (BMIs/LMIs) the remaining matrices of GPC-LPV are selected in order to achieve some closed loop properties: stability in some operation zone, norm bounding of some input/output channels, maximum settling time, maximum overshoot, etc., given some LPV model for the nonlinear system. A