Academic literature on the topic 'Control predictivo basado en modelos (MPC)'

Unmanned Underwater Vehicles (UUVs) can be utilized to perform difficult tasks in cluttered environments such as harbor and port protection. However, since UUVs have nonlinear and highly coupled dynamics, motion planning and control can be difficult when completing complex tasks. Introducing models into the motion planning process can produce paths the vehicle can feasibly traverse. As a result, Sampling-Based Model Predictive Control (SBMPC) is proposed to simultaneously generate control inputs and system trajectories for an autonomous underwater vehicle (AUV). The algorithm combines the benefits of sampling-based motion planning with model predictive control (MPC) while avoiding some of the major pitfalls facing both traditional sampling-based planning algorithms and traditional MPC. The method is based on sampling (i.e., discretizing) the input space at each sample period and implementing a goal-directed optimization (e.g., A*) in place of standard numerical optimization. This formulation of MPC readily applies to nonlinear systems and avoids the local minima which can cause a vehicle to become immobilized behind obstacles. The SBMPC algorithm is applied to an AUV in a 2D cluttered environment and an AUV in a common local minima problem. The algorithm is then used on a full kinematic model to demonstrate the benefits.

El presente artículo presenta una revisión de la literatura la cual está enfocada en determinar el grado de importancia que tienen los sistemas de control para la gestión energética en micro-redes. Se describen las principales razones por las que se lleva a cabo el proceso de migración de plantas de uso de combustible fósil hacia plantas industriales de energía renovables, enfatizando en algunos tipos de energía renovable existentes. Adicionalmente, se resumen las técnicas de control existentes, entre las que figuran el control óptimo y jerárquico, para las micro-redes. Asimismo, se esbozan las principales tecnologías utilizadas en la actualidad para la implementación de sistemas de control predictivo basado en modelos (MPC, siglas en inglés) y el control económico predictivo basado en modelos (EMPC siglas en inglés). En este último, se realiza un análisis en términos económicos en función del coste.

<p align="left">El control predictivo basado en modelo (<em>Model Based Predictive Control – MBPC o simplemente MPC</em>) es una metodologia de control que hace uso del modelo del proceso para predecir las salidas futuras de la planta y con base en ello optimizar las acciones de control futuras. De hecho, el control predictivo no se puede considerar como una estrategia de control independiente sino, que por el contrario, integra toda una familia de metodos de control tales como, el control optimo, el control de procesos con tiempos muertos, el control de procesos multivariables, etc. Esto ha permitido que el control predictivo haya tenido un desarrollo importante tanto en la comunidad cientifica y academica, como en el sector industrial.</p>

<p>Se propone un estabilizador de potencia predictivo para amortiguar oscilaciones de potencia en un sistema eléctrico de potencia(SEP) formado por una sola máquina conectada a una barra infinita (Single Machine Infinite Bus, SMIB). Este enfoque considera un análisis de estabilidad de pequeña señal, usando un modelo incremental alrededor de un punto de operación. El estabilizador proporciona señales de control óptimas, debido a que además de utilizar el controlador predictivo basado en modelo (Model Predictive Controller, MPC) sus parámetros se optimizan fuera de línea empleando un algoritmo de optimización por enjambre de partículas (Particle Swarm Optimization, PSO). Su comportamiento se compara con un estabilizador del sistema potencia convencional, con parámetros también optimizados con PSO fuera de línea. Para validar la metodología propuesta, se presentan numerosas simulaciones de respuestas dinámicas del SMIB, para diferentes condiciones de operación y perturbaciones.</p>

En el presente trabajo se propone controlar la concentración de oxigeno disuelto (DO) en el bioreactor de la planta piloto de aguas residuales de la Universidad de Ibagué (PTAR), La estrategia de control que se pretende utilizar es el control predictivo basado en modelos (MPC). Para lograrlo primero se realiza la estimación de la función de transferencia de oxigeno (KLa), luego se determina el modelo y la técnica de linealizacion y finalmente se diseña el controlador. Los resultados son simulados en Matlab y ejecutados en el sistema de control y supervisión de la planta (Labview).

<p>La microrred como elemento agregador de fuentes de generación, cargas y sistemas de almacenamiento de energía aparece como tecnología clave para dotar a los sistemas eléctricos de suficiente flexibilidad para una transición energética basada en fuentes renovables. Sin embargo, el problema de control para la gestión de energía se vuelve complejo cuando se incrementa el número de sistemas conectados a una misma microrred. De igual forma, se requiere flexibilidad para integrar a los vehículos eléctricos. La interacción entre las distintas microrredes y los vehículos hacen necesarias herramientas avanzadas de control para resolver el problema de optimización. El objeto del presente trabajo es presentar distintas herramientas de control predictivo basado en el modelo (Model Predictive Control, MPC) para resolver el problema de control asociado a este tipo de sistemas. En concreto, se abordan dos problemas: la conexión de vehículos eléctricos a la microrred y la interconexión de varias microrredes. Para el primer caso se analizan dos escenarios, según que el intercambio de energía sea uni o bidireccional y se presenta la forma de optimizar la operación usando MPC. En el segundo caso se aborda el problema usando técnicas de control distribuido.</p>

<p>Presenta un estudio comparativo entre el Control Predictivo basado en el Modelo [MPC] y el control PID, en una planta piloto de temperatura. Se encontró que el control MPC presenta mejor comportamiento, con un tiempo de asentamiento de 1000 segundos y una sobre-elongación de 5 °C, y que el PID presenta un tiempo de asentamiento de 2000 segundos y una sobre-elongación de 40 °C. Simultáneamente, se presenta una forma alternativa para controlar y monitorear en tiempo real la variable temperatura; para ello se dispone de un computador de escritorio que utiliza el software MATLAB 7.1 y la herramienta Real-Time Windows Target.</p>

En el presente artículo, se presenta el diseño de un controlador predictivo (MPC) aplicado a un convertidor reductor de corriente continua. En un principio se muestra el análisis matemático del convertidor reductor y se obtiene su modelo matemático lineal y no lineal, considerando los modos de conducción continua y discontinua del convertidor. Se presenta la metodología para diseñar el controlador predictivo basado en el método de matriz dinámica de control, y para disminuir la carga computacional, se optimiza analíticamente la función de costo del controlador predictivo. Para contrastar los beneficios del control MPC, se propone el diseño de un controlador convencional proporcional, integral y derivativo (PID). Mediante simulación, se evalúa la respuesta transitoria temporal del sistema no lineal de la planta bajo los controladores MPC y PID. Se concluye que la respuesta de la planta con el controlador MPC presenta una respuesta transitoria aceptable y sin error en estado estacionario. Finalmente, se comparan las bondades de cada uno de los dos controladores diseñados.

<p>En este trabajo se reflejan los resultados obtenidos, vía simulación, del estudio de las restricciones de confort de un controlador predictivo basado en modelo (MPC) no lineal, para la gestión energética del sistema centralizado de climatización de una instalación hotelera. Con el objetivo de lograr eficiencia económica, el controlador empleado utiliza un modelo de predicción del comportamiento del consumo energético de las habitaciones a partir de los registros históricos del hotel. Para satisfacer el confort térmico requerido por los ocupantes, se considera un modelo de zona de confort más completo, que el modelo utilizado por (Acosta <em>et al.</em>, 2016), en una de las restricciones del problema de optimización. Esto permitió un mayor ahorro energético, siendo esta la principal contribución de esta investigación. Las simulaciones de los escenarios presentados fueron realizadas con MATLAB^®.</p>

Contexto: La reducci´on de combustibles f´osiles, la necesidad de disminuir las emisiones de di´oxido de carbono (CO2) en el planeta y el inter´es por garantizar una seguridad energ´etica ha incrementado la investigaci´on en la producci´on de energ´ıa el´ectrica utilizando fuentes de energ´ıas renovables incorporadas a micro redes ´o MGs (Microgrids). Este panorama presenta desaf´ıos t´ecnicos que deben ser cubiertos para garantizar niveles de confiabilidad adecuados. M´etodo: Este estudio compara tres estrategias de control basadas en el control predictivo del modelo ´o MPC (Model Predictive Control), el control ´optimo LQ-Servo (Linear Quadratic Servo) y el control proporcional integral ´o PI, con el objetivo de regular la frecuencia frente a incertidumbres en la carga y perturbaciones ambientales, considerando un modelolineal aislado de microrred que incluye generadores convencionales y renovables, dispositivos de almacenamiento de energ´ıa y cargas. Resultados: Las simulaciones de la micro red en operaci´on aislada, en presencia de perturbaciones de viento, carga y potencia solar, muestran un mejor desempe˜no bajo diferentes escenarios de los controladores MPC y LQ-Servo con respecto a las caracter´ısticas din´amicas que presenta la desviaci´on de frecuencia y la se˜nal de control. Conclusiones: La estrategia de control ´optimo LQ-Servo, poco investigada en micro redes, se presenta como una opci´on viable a considerar en el dise˜no de controladores secundarios de micro redes en operaci´on aislada, debido a las caracter´ısticas de desempe˜no mostradas en la regulaci´on de frecuencia. Consideraci´on de modelos que incluyan restricciones en las variables de control y en los estados de la micro red, as´ı como la implementaci´on de los mismos, quedan como trabajo futuro. Palabras clave: Funci´on costo, generaci´on renovable, optimizaci´on, perturbaci´on, sintonizaci´on. Idioma: Espa˜nol.

Non-centralized control schemes for large-scale systems, including energy networks, are more flexible, scalable, and reliable than the centralized counterpart. These benefrts are obtained by having a set of local control!ers, each of which is responsible for a partition of the system, instead of one central entity that controls the whole system. Furthermore,in sorne cases, employing a non­ centralized control structure might be necessary due to the intractability problem of the centralized method.Thus, this thesis is devoted to the study of non-centralized optimization-based control approaches for large-scale energy systems. Mainly,this thesis focuses on the communication and cooperation processes of local controllers, which are integral parts of such schemes. Throughout this thesis,the model predictíve control framework is applied to solve the economic dispatch problem of large-scale energy systems. In a non-centralized architecture, local controllers must cooperatively solve the economic dispatch problem, which is formulated as a convex optimization problem with edge-based coupling constraints, at each time step.Therefore, first, the augmented Lagrangian approach is deployed to decompose the problem and to design two distributed optimization methods, which are iterative and require the local controllers to exchange information with each other at each iteration. lt is then shown that the sequence produced by these methods converges to an optima!solution when sorne cond tions, which include how the controllers must communicate and cooperate, are satisfied. However, in practice, the communication process might not always be perfect,i.e.,the required communication assumption does not hold. In the case of communication link failures, the distributed methods might not be able to compute a solution.Therefore,an information exchange protocol that is based on consensus is designed to overcome this problem. Furthermore, the proposed distributed methods are also further·extended such that they work over random communication networks and asynchronous updates, i.e.,when not all controllers always perform the updates . Under this setup, the convergence and the convergence rate of the algorithms are shown. Additionally, the implementation of these distributed methods to an MPC-based economic dispatch is also presented. The discussion includes the techniques that can be used to reduce the number of iterat ions and the performance of the methods in a numerical study. Considering that the aforementioned methods are comrnunication-intensive, an alternative non-centralized scheme, which provides a trade-off between comrnunication intensity and suboptirnality,is proposed.The scheme consists of repartitioning the network online with the aim of obtaining self-sufficient subsystems, forming coalitions for subsystems that are not self-sufficient,and decomposing the economic dispatch problem of the system into coalition-based subproblems. In this scheme, each subsystem only communicates to the others that belong to the sarne coalition;thus, reducing communication. Especially when all subsystems are self-sufficient, exchanging information is not needed. Finally,a cooperation problem during the implementation of the decisions is discussed. Specifically, sorne subsystems do not cornply with the computed decisions to gain better performance at the cost of deteriorating the performance of the other subsystems.A resilient scheme that can cope with this problem is formulated.lt consists of a stochastic method to robustify the decisions against such adversaria! behavior and an identification and mitigation method that is based on hypothesis testing using Bayesian inference.The proposed scheme, in general,can mitigate the effect of non-
Los esquemas de control no centralizados aplicados a sistemas a gran escala, entre los que se incluyen las redes energéticas, son más flexibles, escalables y fiables que sus equivalentes centralizados. Dichos beneficios pueden obtenerse empleando un conjunto de controladores locales, donde cada uno de ellos es responsable de una parte del sistema, en lugar de una entidad central que controle la totalidad del sistema.Asimismo,el uso de una estructura de control no centralizada podría ser, en algunos casos, necesario, dado el problema de intratabilidad del método centralizado. Por consiguiente, la presente tesis trata sobre el estudio de enfoques de control no centralizados basados en optimización para redes energéticas a gran escala. Principalmente, esta tesis se centra en los procesos de comunicación y cooperación llevados a cabo por los controladores locales , que constituyen partes esenciales de dichos esquemas . A lo largo de esta tesis, el control predictivo basado en modelos se usa para resolver el problema de expedir energia en redes energéticas a gran escala desde un punto de vista económico. En arquitecturas no centralizadas, los controladores locales deben resolver dicho problema de forma cooperativa, el cual se formula como un problema de optimización convexo con restricciones de acoplamiento en los enlaces entre nodos, que debe ser resuelto en cada instante de tiempo. Para ello, el método de Lagrangiano aumentado se utiliza inicialmente para descomponer el problema y diseñar dos métodos de optimización distribuidos , que son iterativos y requieren que los controladores locales intercambien información entre ellos en cada iteración . A continuación, se muestra que la secuencia generada por estos métodos converge a la solución óptima a condición de que se cumplan ciertas condiciones,incluyendo cómo los controladores deben comunicarse y cooperar. Sin embargo, en la práctica,la comunicación no siempre es perfecta, es decir,el supuesto de comunicación requerido no se cumple. En el caso de fallos en los enlaces de comunicación, los métodos distribuidos podrían no ser capaces de proporcionar una solución. Para paliar este problema, se diseña un protocolo de información basado en consenso.l'v1ás aún, los métodos de optimización distribuidos se extienden a fin de que sean capaces de trabajar en redes con comunicaciones aleatorias y actualizaciones asíncronas, es decir,redes en que no todos los controladores realicen las actualizaciones . En esta configuración se muestran la convergencia y el orden de convergencia de dichos algoritmos. Se muestra, además, la implementación de estos métodos en el control predictivo económico basado en modelos para redes energéticas. La discusión incluye las técnicas que pueden usarse para reducir el número de iteraciones, así como el desempeño de los métodos, a través de un estudio numérico. Teniendo en cuenta que los métodos anteriormente mencionados requieren una comunicación intensa,se propone otro esquema no centralizado que proporciona un compromiso entre intensidad de comunicación y suboptimalidad . Dicha estrategia consiste en volver a particionar en línea el sistema con el objetivo de obtener subsistemas autosuficientes,formando coaliciones de subsistemas que no lo sean por separado,y descomponiendo el problema económico de expedición de energía en subproblemas de tipo coalicional. En este esquema ,cada subsistema se comunica únicamente con aquellos otros subsistemas que pertenezcan a la misma coalición, reduciendo asi el tráfico de comunicación. En particular, cuando todos los subsistemas son autosuficientes, el intercambio de información ya no es necesario. Finalmente,se considera el problema de la cooperación durante la implementación de las decisiones Específicamente, algunos subsistemas no acatan las decisiones tomadas con el fin de lograr un desempeño propio superior a expensas de empeorar el desempeño de otros subsistemas. Es por esto que, con el fin de lidiar con este problema, se propone un esquema resiliente, el cual consiste en un método estocástico para hacer las decisiones más robustas frente a tal comportamiento adverso, y un método de identificación y mitigación basado en evaluación de hipótesis usando inferencia bayesiana. En general, el esquema propuesto logra mitigar el efecto de los subsistemas incumplidores sobre el resto, y en un caso concreto, también permite identificar los subsistemas adversos.
Els esquemes de control no centralitzats aplicats a sistemes a gran escala, entre els quals s’inclouen les xarxes energètiques, són més flexibles, escalables i fiables que els seus equivalents centralitzats. Aquests beneficis es poden obtenir fent servir un conjunt de controladors locals, en què cadascun d’ells és responsable d’una part del sistema, en lloc d’una entitat central que controli la totalitat del sistema. Així mateix, l’ús d’una estructura de control no centralitzada podria ser, en alguns casos, necessari, donat el problema d’intractabilitat del mètode centralitzat. Per tant, la present tesi tracta sobre l’estudi d’enfocaments de control no centralitzats basats en optimització per a xarxes energètiques a gran escala. Principalment, aquesta tesi se centra en els processos de comunicació i cooperació duts a terme pels controladors locals, que constitueixen parts essencials d’aquests esquemes. Al llarg d’aquesta tesi, el control predictiu basat en models s’utilitza per a resoldre el problema d’expedició d’energia en xarxes energètiques a gran escala des d’un punt de vista econòmic. En arquitectures no centralitzades, els controladors locals han de resoldre aquest problema de forma cooperativa, formulat com un problema d’optimització convex amb restriccions d’acoblament en els enllaços entre nodes i que ha de ser resolt a cada instant de temps. A tal efecte, el mètode de Lagrangià augmentat s’utilitza inicialment per a descomposar el problema i dissenyar dos mètodes d’optimització distribuïts, que són iteratius i requereixen que els controladors locals intercanviïn informació entre ells a cada iteració. A continuació, es mostra que la seqüència generada per aquests mètodes convergeix a la solució òptima si es compleixen certes condicions, incloent la manera en què els controladors s’han de comunicar i cooperar. No obstant això, a la pràctica, la comunicació no és sempre perfecta, és a dir, el supòsit de comunicació perfecta no es compleix. En el cas de fallades en els enllaços de comunicació, els mètodes distribuïts podrien no ser capaços de proporcionar una solució. Per a resoldre aquest problema, es dissenya un protocol d’informació basat en consens. A més, els mètodes d’optimització distribuïts s’amplien per tal que siguin capaços de treballar en xarxes amb comunicacions aleatòries i actualitzacions asíncrones, és a dir, xarxes en què no tots els controladors realitzin les actualitzacions. En aquestes configuracions es mostren la convergència i l’ordre de convergència d’aquests algoritmes. A més, es mostra també la implementació d’aquests mètodes en el control predictiu econòmic basat en models per a xarxes energètiques. La discussió inclou les tècniques que es poden emprar per a reduir el nombre d’iteracions, així com el rendiment dels mètodes, fent servir un estudi numèric. Tenint en compte que els mètodes anteriorment esmentats requereixen una comunicació intensa, es proposa un altre esquema no centralitzat que proporciona un compromís entre intensitat de comunicació i suboptimalitat. Aquesta estratègia consisteix en tornar a particionar el sistema en línia amb l’objectiu d’obtenir subsistemes autosuficients, formant coalicions de subsistemes que no ho siguin per separat, i descomposant el problema econòmic d’expedició d’energia en subproblemes de tipus coalicional. En aquest esquema, cada subsistema es comunica únicament amb aquells altre subsistemes que pertanyin a la mateixa coalició, reduint així el trànsit de comunicació. En particular, quan tots els sistemes són autosuficients, l’intercanvi d’informació deixa de ser necessari. Finalment, es considera el problema de la cooperació durant la implementació de les decisions. Específicament, alguns subsistemes no acaten les decisions preses amb la finalitat de millorar el propi rendiment a costa de disminuir el d’altres subsistemes. És per això que, a fi de solucionar aquest problema, es proposa un esquema resilient, el qual consisteix en un mètode estocàstic per fer les decisions més robustes davant d’aquest comportament advers, i un mètode d’identificació i mitigació basat en evaluar hipòtesis utilitzant inferència bayesiana. En general, l’esquema proposat aconsegueix mitigar l’efecte que els subsistemes no obedients exerceixen sobre la resta, i en un cas concert, també permet identificar els subsistemes adversos.
ABSTRAKSI (Indfonesian) Skema kendali yang tidak tersentralisasi untuk sistem berskala besar, seperti sistem aringan energi, lebih fleksibel, skalabel, dan reliabel dibandingkan dengan skema tersentralisasi. Keuntungan ini diperoleh dari terdapatnya satu set pengendali lokal, yang hanya bertanggung jawab terhadap satu partisi dari sistem tersebut, daripada jika hanya terdapat satu entitas yang mengendalikan seluruh sistem. Bahkan dalam beberapa sistem, penerapan struktur kendali yang tidak tersentralisasi menjadi keharusan karena adanya permasalahan intraktabilitas dari metode tersentralisasi. Oleh karena itu, disertasi ini bertujuan untuk melakukan studi pada metode kendali berdasarkan optimisasi dengan struktur yang tidak tersentralisasi untuk sistem energi berskala besar. Khususnya, disertasi ini memfokuskan pada proses komunikasi dan kooperasi pengendali‐pengendali lokal, yang merupakan bagian integral dalam skema yang dimaksud. Pada disertasi ini, sistem kontrol prediktif (model predictive control (MPC)) diterapkan untuk menyelesaikan optimisasi economic dispatch pada sistem energi berskala besar. Dalam arsitektur yang tidak tersentralisasi, pengendali‐pengendali lokal harus menyelesaikan permasalahan economic dispatch secara kooperatif. Permasalahan economic dispatch ini diformulasikan sebagai optimisasi yang konveks dan memiliki konstrain terkopling. Oleh karena itu, pendekatan Lagrange yang teraugmentasi diterapkan untuk mendekomposisi permasalahan optimisasi terkait. Pendekatan ini juga digunakan untuk merancang dua metode optimisasi terdistribusi, yang iteratif dan mengharuskan pengendali‐pengendali lokal bertukar informasi satu sama lain pada setiap iterasi. Sekuensi yang dihasilkan dari kedua metode tersebut akan terkonvergensi pada suatu solusi yang optimal apabila beberapa kondisi, yang meliputi bagaimana pengendali harus berkomunikasi dan berkooperasi, terpenuhi. Namun, pada praktiknya, proses komunikasi yang terjadi mungkin tidak selalu sempurna, dalam hal ini asumsi pada proses komunikasi yang dibutuhkan tidak terpenuhi. Pada kasus kegagalan jaringan komunikasi, metode terdistribusi yang dirancang mungkin tidak dapat menemukan solusinya. Oleh karena itu, suatu protokol untuk pertukaran informasi yang berdasarkan pada konsensus dirancang untuk mengatasi permasalahan ini. Selanjutnya, dua metode terdistribusi yang telah dirancang juga dikembangkan lebih jauh sehingga metode‐metode tersebut dapat bekerja pada jaringan komunikasi stokastik dengan proses yang asinkron, yaitu proses dimana tidak semua pengendali selalu melakukan pembaruan. Dalam hal ini, konvergensi dan laju konvergensi dari metode yang dirancang dipertunjukkan. Selain itu, implementasi dari metode terdistribusi pada sistem economic dispatch berbasis MPC juga dibahas. Diskusi pada bagian ini mencakup beberapa teknik yang dapat digunakan untuk mengurangi jumlah iterasi dan performa dari metode‐metode yang dirancang pada suatu studi numerik. Dengan pertimbangan bahwa metode‐metode yang disebut sebelumnya membutuhkan komunikasi yang intensif, maka sebuah skema alternatif, yang memberikan trade‐off antara intensitas komunikasi dan suboptimalitas, juga dirancang. Skema ini terdiri dari repartisi sistem online yang bertujuan untuk mendapatkan subsistemsubsistem yang swasembada, pembentukan koalisi untuk subsistem‐subsistem yang tidak swasembada, dan dekomposisi permasalahan economic dispatch menjadi subproblem berbasis koalisi. Dalam skema ini, tiap subsistem hanya perlu berkomunikasi dengan subsistem‐subsistem lain yang berada pada koalisi yang sama; sehingga mengurangi aliran komunikasi. Jika semua subsistem yang terbentuk swasembada, maka pertukaran informasi tidak dibutuhkan sama sekali. Pada akhirnya, disertasi ini juga membahas mengenai suatu permasalahan koperasi dalam masa implementasi keputusan (solusi). Pada permasalahan kooperasi ini, terdapat beberapa subsistem yang tidak menuruti keputusan (solusi), misalnya dengan tujuan untuk mendapatkan kinerja yang lebih baik dan di saat yang bersamaan memperburuk kinerja subsistem lainnya. Maka, sebuah skema resilien yang dapat mengatasi permasalahan ini dirumuskan. Skema tersebut terdiri dari sebuah metode stokastik untuk merobustifikasi keputusan terhadap perilaku adversari dan sebuah metode identifikasi dan mitigasi yang berdasarkan pada pengujian hipotesis dengan menggunakan inferensi Bayes. Skema yang diusulkan, secara umum, dapat memitigasi pengaruh subsistem yang tidak patuh pada subsistem reguler, dan pada kasus tertentu, juga dapat mengidentifikasi subsistem yang menjadi adversari.

El Control Predictivo Basado en Modelos (CPBM) optimiza un índice que incorpora un parámetro de penalización para las acciones de control lambda, con el fin de que no sean demasiado bruscas, a la vez que se mejora la robustez del sistema. El principal inconveniente radica en que el sintonizado de lambda se suele regir por criterios empíricos, y poco orientados a la mejora de la robustez. De entre las diferentes técnicas de mejora de la robustez en CPBM se destaca la optimización Min-Max de las especificaciones, donde se resuelve el problema de optimización para el peor modelo en una región acotada. Desde otro punto de vista, el principio de mínimos cuadrados está presente en numerosas teorías de identificación y control. De hecho el CPBM se puede plantear como un problema de mínimos cuadrados. Su principal inconveniente radica en que es sensible a los errores en los datos (mal condicionamiento), lo cual se puede mejorar regularizando el problema mediante el parámetro de regularización lambda ajustado empíricamente (análogo al parámetro lambda de penalización del esfuerzo de control en CPBM). La técnica BDU (Bounded Data Uncertainties) es una técnica de regularización de problemas de mínimos cuadrados, originalmente desarrollada para problemas de estimación, y poco usada en control, salvo el controlador lineal cuadrático (LQR) con horizonte de predicción finito considerando incertidumbre paramétrica. Dicha técnica diseña el parámetro de regularización lambda teniendo en cuenta la cota de la incertidumbre presente en el sistema y plantea el problema como una optimización Min-Max. Por lo tanto se puede establecer la analogía con el problema Min-Max de CPBM robusto, así el objetivo principal de la tesis consiste en usar la técnica BDU para sintonizar lambda de modo guiado y con el fin de mejorar la robustez del sistema. Otro objetivo adicional es asegurar la estabilidad. Por tanto, se pretende plantear un LQR robusto y estable, denominado LQR-BDU, robusto por usar
Ramos Fernández, C. (2007). Control predictivo basado en modelos (CPBM) robusto con BDU [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/1844
Palancia

La Tesis Doctoral se fundamenta, principalmente, en la exploración de nuevos métodos de Control Predictivo Basado en Modelos (MBPC) mediante la incorporación de herramientas de optimización heurística y las mejoras en las prestaciones que se pueden conseguir con ello. La metodología de MBPC constituye un campo cada vez más importante en el control de procesos debido a que se trata de una formulación muy intuitiva, y a la vez muy potente, de un problema de control (por tanto es más fácilmente aceptable en el ámbito industrial). A pesar de ello, presenta limitaciones cuando se quiere aplicar a ciertos procesos complejos. Un elemento fundamental y al mismo tiempo limitante de ésta metodología lo constituye la técnica de optimización que se utilice. Simplificando mucho, el MBPC se convierte en un problema de minimización en cada periodo de muestreo, y la complejidad del problema de control se refleja directamente en la función a minimizar en cada instante. Si se incorporan modelos no lineales, restricciones en las variables, e índices de funcionamiento sofisticados, todo ello asociado a los problemas de tiempo real, se va a requerir algoritmos de optimización adecuados que garanticen el mínimo global en un tiempo acotado. En este sentido, la tesis incluye un análisis de las metodologías de Optimización Heurísticas, Simulated Annealing y Algoritmos Genéticos, como candidatas a la resolución de ese tipo de problemas y apartir de ellas realiza una implementación novedosa (denominada ASA) dentro del grupo de los algoritmos de Simulated Annealing que reduce el coste computacional. En los Algoritmos Genéticos, se obtienen las combinaciones de codificación y operadores genéticos más adecuadas para conseguir buenas relaciones de 'calidad de la solución/coste computacional' en la resolución de problemas de minimización complejos (no convexos, con discontinuidades, restricciones, etc.). Todo este análisis previo, permite la adaptación adecuada de estas técnicas heurísticas......
Blasco Ferragud, FX. (1999). Control predictivo basado en modelos mediante técnicas de optimización heurística. Aplicación a procesos no lineales y multivariables [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/15995
Palancia

O escopo desta dissertação é o desenvolvimento de um método para detectar os modelos da matriz dinâmica que estejam degradando o desempenho de controladores preditivos baseados em modelos. O método proposto se baseia na análise de correlação cruzada entre o erro nominal do controlador em malha fechada e a uma estimativa da contribuição de cada canal para o cálculo da saída, filtrada pela função de sensibilidade do controlador. Esse método pode ser empregado na auditoria de controladores com variáveis controladas em setpoints e/ou com variáveis que operem entre faixas, como é usual de se encontrar na indústria. Esta dissertação apresenta os resultados da aplicação bem sucedida do método no sistema de quatro tanques (JOHANSSON, 2000), para o qual três cenários foram avaliados. No primeiro cenário, o método localizou corretamente discrepâncias de ganho e de dinâmica de modelos de um controlador preditivo baseado em modelos (Model-based Predictive Controller, ou controlador MPC). No segundo, o método foi utilizado para avaliar a influência de uma variável externa para melhorar o desempenho de um controlador afetado por distúrbios não medidos. No terceiro cenário, o método localizou canais com modelos nulos que deveriam ser incluídos na matriz de controle de um controlador MPC de estrutura descentralizada. Os resultados deste estudo de caso foram comparados com aqueles obtidos pelo método proposto por BADWE, GUDI e PATWARDHAN (2009), constatando-se que o método proposto é mais robusto que o método usado na comparação, não demandando ajustes de parâmetros por parte do usuário para fornecer bons resultados. A dissertação inclui também um estudo de caso da aplicação industrial do método na auditoria de desempenho de um controlador preditivo linear de estrutura descentralizada, com doze variáveis controladas, oito manipuladas e quatro distúrbios não medidos, aplicado a um sistema de fracionamento de propeno e propano em uma indústria petroquímica. A auditoria permitiu reduzir o escopo de revisão do controlador a dezenove canais da matriz, sendo que quatorze destes correspondiam a canais com modelos nulos que deveriam ser incluídos na matriz. A eficácia do método foi comprovada repetindo-se a avaliação da qualidade de modelo para todas as variáveis controladas.
The scope of this dissertation is the development of a method to detect the models of the dynamic matrix that are affecting the performance of model-based predictive controllers. The proposed method is based on the cross correlation analysis between the nominal controller error and an estimate of the contribution of each channel to the controller output, filtered by the controller nominal sensitivity function. The method can be used in the performance assessment of controllers employing variables controlled at the setpoint and/or those controlled within ranges. This dissertation presents the results of the successful application of the method to the quadruple-tank process (JOHANSSON, 2000), for which three scenarios were evaluated. In the first scenario, the method correctly located gain and dynamic mismatches on a model-based predictive controller (MPC controller). In the second one, the method was used to evaluate the influence of an external variable to improve the performance of a controller affected by unmeasured disturbances. In the third scenario, the method located null models that should be included in the dynamic matrix of a decentralized MPC controller. The results of the three scenarios were compared with the ones obtained through the method proposed by BADWE, GUDI e PATWARDHAN (2009). The proposed method was considered more robust than the reference one for not requiring parameters estimation performed by the user to provide good results. This dissertation also includes a case study about the application of the method on the performance assessment of an industrial linear predictive controller of decentralized structure. The controller has twelve controlled variables, eight manipulated variables, and four unmeasured disturbances and is applied to a propylene-propane fractionation system of a petrochemical industry. The performance assessment allowed reducing the scope of the controller revision to nineteen channels of the models matrix, fourteen of which were null models that should be included in the controller. The efficacy of the proposed method was confirmed by repeating the model quality evaluation for all the controlled variables.

Orientador: Edson Bim
Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
Made available in DSpace on 2018-08-09T18:47:38Z (GMT). No. of bitstreams: 1 Santana_EudemarioSouzade_D.pdf: 2512813 bytes, checksum: 189069455159efa5f8327460e869f749 (MD5) Previous issue date: 2007
Resumo: Esta tese trata do emprego do controle preditivo baseado no modelo (MBPC-Model Based Predictive Control) no acionamento do motor de indução do trifásico, para controle de fluxo de rotor e velocidade. A estratégia MBPC baseia-se na minimização do erro entre as referências futuras e a predição do modelo, para gerar os sinais de controle. Nesta tese, o motor de indução é descrito por espaço de estados e, diferentemente, do MBPC não linear, que emprega algoritmos de busca para determinar os sinais de controle, a estratégia escolhida faz inearizações sucessivas. Assim sendo, a cada ciclo gera-se a lei de controle, sendo que esta é dada por uma equação algébrica. São necessários ao controlador preditivo o conhecimento das tensões de terminal do estator e das seguintes variáveis de estado: corrente de estator, fluxo de rotor e velocidade de eixo. Para a estimação dos estados é empregado o filtro de Kalman estendido. O torque de carga é tratato como uma perturbação e sua magnitude é obtida por duas abordagens: pela equação eletromecânica e pelo filtro de Kalman estendido. Resultados de simulação computacional e experimentais validam a proposta
Abstract: This thesis presents the results concerning the control of rotor flux and speed of the induction motor using MBPC strategy, which is based on the error minimization between the future set point and model prediction, resulting in control signals. In the case studied in this thesis the motor model is described in space-state. The non linear MBPC emploies search algorithms to find the control signals, whereas the technique used in this thesis made sucessives linearizations on model; therefore in every control cicle a new algebraic control lay is found. The predictive control needs to know the stator voltage and the following state variables: stator current, rotor flux and speed. In the order to estimate the states an extended Kalman filter is employed. The load torque is considered as a disturbance and its amplitude is obtained in two ways: by calculation via eletromechanical equation and by estimation via Kalman filter. The proposal has been validated by imulations and experiments
Doutorado
Energia Eletrica
Doutor em Engenharia Elétrica

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-10-06T12:04:38Z No. of bitstreams: 2 Dissertação - Lázaro Rubens Araújo Pinto - 2017.pdf: 16272237 bytes, checksum: 9f3d1693d0282cbf28a35702c1a9cf17 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-10-06T12:04:51Z (GMT) No. of bitstreams: 2 Dissertação - Lázaro Rubens Araújo Pinto - 2017.pdf: 16272237 bytes, checksum: 9f3d1693d0282cbf28a35702c1a9cf17 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Made available in DSpace on 2017-10-06T12:04:52Z (GMT). No. of bitstreams: 2 Dissertação - Lázaro Rubens Araújo Pinto - 2017.pdf: 16272237 bytes, checksum: 9f3d1693d0282cbf28a35702c1a9cf17 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-08-07
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES
This work proposes an analysis of the closed-loop operation of a distributed generation system connected to a three-phase four-wire AC power system by a three-phase four-leg inverter. The modulation strategy adopted for this inverter is determined by the Model Predictive Control (MPC) method. Reasons for the use of this topology and the control method are discussed. The chosen structure for the MPC predictive control aims to supply of active and reactive power by the inverter in order to maximize the power factor measured by the four-wire AC source (Y-n). Four possible cases of operation are reported for the analysis of the proposal in the three-phase four-leg inverter and other two cases for a three-phase full-bridge inverter (3F) for comparison purposes. Based on the monitoring of the active powers involved and the other variables of interest, it was possible to exemplify the achievement of the proposed objectives and validate the adopted method, at least under modeling and software simulation level.
Este trabalho propõe uma análise da operação em malha fechada de um sistema de geração distribuída para conexão em um sistema trifásico a quatro fios, a partir do controle de um inversor trifásico a quatro braços. A estratégia de modulação adotada para este inversor é determinada pelo método de controle preditivo baseado em modelo (MPC - Model Predictive Control). Justificativas para a utilização dessa topologia e do método de controle são discutidas. A estrutura escolhida para o controle preditivo MPC objetiva o fornecimento de potência ativa e reativa pelo inversor tendo em vista a maximização do fator de potência medido a partir da fonte pela fonte CA a quatro fios (Y-n). Quatro casos são abordados para análise da proposta no inversor trifásico a quatro braços e dois casos para um inversor trifásico em ponte completa (3F) para efeito de comparação. Baseando-se no monitoramento das potências elétricas envolvidas e nas demais grandezas de interesse, foi possível concluir que os resultados de simulações exemplificam o alcance dos objetivos propostos e validam o método adotado, pelo menos em relação à modelagem matemática empregada e à simulação do sistema de geração proposto em ambiente computacional.

The purpose of this thesis is to evaluate Rapid Control Prototyping which is apart of the Model-Based Design concept that makes it possible to convenientlytest prototype control algorithms directly on the real system. The evaluation ishere done by designing two different controllers, a gain-scheduled P controllerand a linear Model Predictive Controller (mpc), for the lowering of the forks of aforklift.The two controllers are first tested in a simulation environment. The thesis con-tains two different simulation models: one physical where only minor parameteradjustments are done and one estimated black-box model. After evaluating thecontrollers in a simulation environment they are tested on a real forklift with areal-time target machine.The designed controllers have different strengths and weaknesses as one is non-linear and single variable, the P controller, and the other linear and multivariable,thempc. The P controller has a smooth movement in all situations without be-ing slow, unlike thempc. The disadvantage of the P controller compared to thempcis that there is no guarantee that the P controller will keep the speed limit,whereas thempcapproach gives such a guarantee.The better performance of the P controller outweighs the speed limit guaranteeand thus a conclusion is drawn that the nonlinearities of the system has a largereffect than the multivariable aspect. Also, another conclusion drawn is that work-ing with Model-Based Design and Rapid Control Prototyping makes it possibleto test many different ideas on a real forklift without spending a lot of time onimplementation.
Syftet med detta examensarbete är att utvärdera Rapid Control Prototyping vil-ket är en del av modellbaserad utveckling som gör det möjligt att enkelt testamodeller av styralgoritmer direkt på det riktiga systemet. Utvärderingen är gjordgenom att testa två olika regulatorer, en P-regulator med parameterstyrning ochen linjär modelbaserad prediktionsregulator (mpc), för sänkningen av gafflarnapå en truck.De två regulatorerna testas först i en simuleringsmiljö. I arbetet används två olikasimuleringsmodeller: en fysikalisk där endast mindre parameterjusteringar görsoch en estimerad black-box modell. Efter att regulatorerna utvärderas i simule-ringsmiljön testas de även på en riktig truck med hjälp av automatisk kodgenere-ring och exekvering på en dedikerad hårdvaruplattform.De konstruerade regulatorerna har olika för- och nackdelar eftersom en är olinjäroch envariabel, P-regulatorn, och en är linjär men flervariabel,mpc:n. P-regulatornhar en mjuk rörelse i alla lägen utan att bli för långsam, till skillnad frånmpc:n.Nackdelen med P-regulatorn, jämfört medmpc:n är att det inte finns någon ga-ranti för att P-regulatorn håller hastighetsbegränsningen sommpc:n gör.P-regulatorns bättre prestanda överväger garantin om att hålla hastighetsbegräns-ningen och därför dras slutsatsen att olinjäriteterna i systemet överväger effekter-na av det faktum att det också är flervariabelt. En annan slutsats är att modell-baserad utveckling och Rapid Control Prototyping gör det möjligt att testa fleraolika idéer på en riktig gaffeltruck utan att spendera för mycket tid på implemen-tationen.

Esta tesis aborda el estudio de la Planificación financiera a corto plazo y la Gerencia de efectivo, a través del movimiento de dinero en las cuentas bancarias que participan en las decisiones financieras importantes de una empresa. La investigación se realiza en el marco de los modelos de planificación financiera corporativa, cuyo desarrollo se ha producido sobre todo en los últimos sesenta años. En particular, el trabajo se enfoca en los Sistemas de concentración de caja y desembolsos (CCDS), utilizados por las empresas para mejorar la planificación y el control de los activos corrientes y la Gerencia de efectivo. El objetivo de un CCDS es concentrar el efectivo disponible en una cuenta bancaria principal para hacer el mejor uso del dinero en grandes cantidades y, así, apoyar las operaciones de inversión y financiamiento. En consecuencia, la motivación principal de la tesis es lograr una representación exacta de un CCDS que permite su simulación numérica, análisis y evaluación, así como la posibilidad de nuevas investigaciones y el desarrollo de algoritmos para el soporte de decisiones financieras, basados en herramientas de la teoría de control. En este sentido, se presenta un modelo de simulación de un CCDS basado en ecuaciones en diferencias y técnicas de ingeniería de sistemas, incluyendo la existencia de retardos. Se supone la existencia de una cuenta principal operada de forma centralizada. La cual recibe transferencias de dinero desde las cuentas de ingreso de cada agencia de la empresa. También desde la cuenta principal, el dinero se transfiere hacia las cuentas de desembolso de las agencias para cubrir los sobregiros. El CCDS incluye también una cuenta de inversión para aprovechar los excedentes de efectivo y una línea de crédito para cubrir los déficits de caja. Adicionalmente, se deriva un modelo equivalente representado por ecuaciones algebraicas usando la transformada Z, posibilitando el uso de técnicas rigurosas de control en el campo financiero. Bajo un enfoque descentralizado sobre el modelo del CCDS, se desarrolla un modelo de control predictivo (MPC) para una cuenta de ingresos, cuya aplicación se extiende a todas las agencias del sistema. Se utiliza Programación dinámica (DP) para el modelo de predicción que, a su vez, incluye un modelo de pronóstico estándar para la incertidumbre. EL MPC se simplifica procurando aliviar algunos de los problemas conocidos cuando DP se aplica bajo incertidumbre. También, se establece un sistema de bandas para la incertidumbre, limitando la entrada del modelo de DP, junto con un regulador de estabilización en forma de cascada que utiliza una ganancia de realimentación lineal. Esta combinación permite determinar un intervalo para la estabilidad del sistema indistintamente del tamaño del horizonte de predicción. La señal de referencia es una función de diente de sierra, que se adapta convenientemente a la política de inventario aplicada. La tesis muestra, en teoría y por medio de simulaciones, que el controlador propuesto cumple su objetivo. Por otra parte, se realiza una adaptación del MPC de la cuenta de ingresos, agregándole tiempo de retardo al modelo, con el propósito de utilizarlo para el control de las cuentas de desembolso. En consecuencia, se ofrecen dos propuestas de MPC para el problema de la cobertura de sobregiro. Por último, se presenta un caso de estudio utilizando datos hipotéticos para probar el modelo de simulación del CCDS. La ejecución del modelo ha permitido realizar un análisis exhaustivo de los resultados mostrando sus potencialidades y la versatilidad para adaptarse a diferentes escenarios realistas. Esta investigación abre un abanico de posibilidades para futuras investigaciones en las que se combinan las técnicas y teorías de la ingeniería de sistemas y de control, aplicados al ámbito financiero corporativo.
This thesis addresses the study of cash management and short-term financial planning through the movement of money in bank accounts involved in the important financial decisions of a firm. The research is carried within the framework of models for corporate financial planning, whose development has mostly occurred in the last sixty years. Particularly, the work focuses on the Cash Concentration and Disbursements Systems (CCDS), which are used by firms for the purpose of improving the planning and control of current assets and cash management. The aim of a CCDS is to concentrate available cash in a main bank account in order to make best use of money in large amounts to support investment and financing operations. Consequently, the main motivation of the thesis is to achieve an accurate representation of a CCDS, allowing its numerical simulation, analysis and evaluation, as well as the subsequent possibility of exploring new researches and the development of algorithms for the financial decisions support, based on tools of control theory. In this regard, a simulation model of a CCDS seen as an inventory management system is presented, based on difference equations and systems engineering techniques including the existence of delays due to banking procedures. The model assumes the existence of a centrally operated main account. This account receives money transfers from the revenue accounts of each agency. Also from the main account, money is transferred to the agencies' disbursements accounts in order to cover overdrafts. There exist an investment account into which any cash surpluses of the main account are deposited and a credit line in order to avoid the cash deficits. The operating rules for the CCDS are defined, and income and financial costs involved are considered. The model represents the flow of money between the identified elements of the system and the flow of money requirements or transfer orders. An equivalent model represented by algebraic equations through the Z-transform is derived, which allows using rigorous control techniques in the field of finance. Based on a decentralized approach on the model of the CCDS, a Model Predictive Control (MPC) for a revenue account is developed, which is applied to all agencies. Dynamic Programming (DP) is used for the prediction model by including a standard forecasting model for uncertainty. Simplifications of the MPC are included seeking alleviate some of the known problems when DP is applied under uncertainty. Moreover, a band for the uncertainty is established to narrow the input of the DP model, together with a stabilizing regulator in cascade fashion using a linear feedback gain (closed-loop). This combination allows determining a range for the system stability regardless of the size of the prediction horizon. The reference signal used is a sawtooth function, which conveniently adapts to the inventory policy applied. Theoretically, and through simulation, it is shown that the proposed controller meets the control objective. The MPC of the revenue account is adapted by adding delay time in order to be used for disbursement accounts. Accordingly, two proposals of a model predictive control are provided on the overdraft coverage problem. Finally, a case study is presented using hypothetical data in order to test the simulation model of the CCDS. Running the model allows performing a comprehensive analysis of results showing its potentialities and the versatility to suit different realistic scenarios. This research opens up a range of possibilities for further research in which techniques and theories of systems engineering and control are combined, applied to corporate financial field.

AbstractWe show how a symmetric and fully distributed flocking controller can be synthesized using Deep Learning from a centralized flocking controller. Our approach is based on Supervised Learning, with the centralized controller providing the training data, in the form of trajectories of state-action pairs. We use Model Predictive Control (MPC) for the centralized controller, an approach that we have successfully demonstrated on flocking problems. MPC-based flocking controllers are high-performing but also computationally expensive. By learning a symmetric and distributed neural flocking controller from a centralized MPC-based one, we achieve the best of both worlds: the neural controllers have high performance (on par with the MPC controllers) and high efficiency. Our experimental results demonstrate the sophisticated nature of the distributed controllers we learn. In particular, the neural controllers are capable of achieving myriad flocking-oriented control objectives, including flocking formation, collision avoidance, obstacle avoidance, predator avoidance, and target seeking. Moreover, they generalize the behavior seen in the training data to achieve these objectives in a significantly broader range of scenarios. In terms of verification of our neural flocking controller, we use a form of statistical model checking to compute confidence intervals for its convergence rate and time to convergence.

Este trabajo define una estrategia de operación basada en Control Predictivo basado en Modelo (Model Predictive Control, MPC) para instalaciones fotovoltaicas con baterías instaladas en el sector terciario/comercial. La propuesta incluye modelos de predicción de la irradiancia a futuro y modelos de consumo de las cargas basados en técnicas de agrupamiento. La operación del sistema se simula durante un año entero con datos de irradiancia y consumo reales para un centro comercial situado al sur de España. Finalmente, se analiza la rentabilidad del sistema, en términos de vida útil de las baterías requeridas para lograr el retorno de la inversión realizada, para diferentes combinaciones de sistema FV, tamaño de las baterías, y precios de la energía.

En este trabajo se presenta la implementación de un controlador predictivo basado en un modelo no lineal (NMPC) y un optimizador de consignas en tiempo real (RTO) a una planta piloto híbrida. La planta consta de un reactor CSTR, dos caudalímetros, una bomba, una válvula y cuatro sensores de temperatura. La reacción química se emula a partir de las medidas del proceso y el calor que esta generaría se aplica mediante resistencias eléctricas. Así, la única sustancia involucrada es agua, se conserva la hidrodinámica del proceso y se evitan los inconvenientes típicos del manejo de sustancias químicas. Se desarrolla y ajusta un modelo basado en medidas reales que luego es usado como base para el MPC y el RTO. Se hacen pruebas de seguimiento de consigna del controlador y optimización económica del RTO. El conjunto planta híbrida + MPC + RTO conforma una plataforma flexible, a la vez que realista, para evaluar técnicas de optimización avanzada donde existen discrepancias entre planta-modelo y entre modelos.

Formation flight for aerial robots is a rather complicated global optimum problem. Three formation flight control problems are introduced in this chapter, respectively, underlying controller parameter optimization, basic formation control and formation reconfiguration control. Two methods, Model Prediction Control (MPC) and Control Parameterization and Time Discretization (CPTD), are applied to solve the above problems. However, the selection of appropriate control parameters is still a barrier. Pigeon-Inspired Optimization (PIO) is a new swarm intelligence optimization algorithm, which is inspired by the behavior of homing pigeons. Owning to its better performance of global exploration than others, the thoughts of PIO are applied to the control field to optimize the control parameters in the three aerial robot formation problems, to minimize the value of the cost function. Furthermore, comparative experimental results with a popular population-based algorithm called Particle Swarm Optimization (PSO) are given to show the feasibility, validity and superiority of PIO.

This paper deals with the development of multi-parametric Model Predictive Control (mp-MPC) strategies for a laboratory SR-30 gas turbine setup. The objective is to control the engine speed and turbine exhaust pressure of the gas turbine. Firstly, an empirical transfer function model is obtained experimentally, between the fuel flow-shaft speed and nozzle diameter-turbine exhaust pressure (TEP) of the gas turbine. Then, Model Predictive Control (MPC) is designed based on the empirical models. The output responses under MPC are found to be satisfactory, however, with large computational time. Next, mp-MPC controllers are designed based on the empirical models. Relevant operating constraints are also added as design specifications. It is found that the multi-parametric MPC delivers superior results in comparison with conventional MPC, in terms of computational time, while delivering the same transient performance.

Road conditions are of critical importance for motion control problems of the autonomous vehicle. In the existing studies of Model Predictive Control (MPC), road condition is generally modeled with the system dynamics, sometimes simplified as common disturbances, or even ignored based on some assumptions. For most of such MPC formulations, the cost function is usually designed as fixed function and has no relations with the time-varying road conditions. In order to comprehensively deal with the uncertain road conditions and improve the overall control performance, a new model predictive control strategy based on a mechanism of adaptive cost function is proposed in this paper. The relation between the cost function and road conditions is established based on a set of priority policies which reflect the different cost requirements under different road grades and friction coefficients. The adaptive MPC strategy is applied to solve the longitudinal control problem of autonomous vehicles. Simulation studies are conducted on the MPC method with both the fixed cost function and the adaptive cost function. The results show that the proposed adaptive MPC approach can achieve a better overall control performance under different road conditions.

The performance of model predictive control (MPC) for energy management in hybrid electric vehicles (HEVS) is strongly dependent on the projected future driving profile. This paper proposes a novel velocity forecasting method based on artificial neural networks (ANN). The objective is to improve the fuel economy of a power-split HEV in a nonlinear MPC framework. In this study, no telemetry or on-board sensor information is required. A comparative study is conducted between the ANN-based method and two other velocity predictors: generalized exponentially varying and Markov-chain models. The sensitivity of the prediction precision and computational cost on tuning parameters in examined for each forecasting strategy. Validation results show that the ANN-based velocity predictor exhibits the best overall performance with respect to minimizing fuel consumption.

Abstract This paper presents a Model Predictive Control (MPC) approach for longitudinal and lateral control of autonomous vehicles with a real-time local path planning algorithm. A heuristic graph search method (A* algorithm) combined with piecewise Bezier curve generation is implemented for obstacle avoidance in autonomous driving applications. Constant time headway control is implemented for a longitudinal motion to track lead vehicles and maintain a constant time gap. MPC is used to control the steering angle and the tractive force of the autonomous vehicle. Furthermore, a new method of developing Advanced Driver Assistance Systems (ADAS) algorithms and vehicle controllers using Model-In-the-Loop (MIL) testing is explored with the use of PreScan®. With PreScan®, various traffic scenarios are modeled and the sensor data are simulated by using physics-based sensor models, which are fed to the controller for data processing and motion planning. Obstacle detection and collision avoidance are demonstrated using the presented MPC controller.

The presented research has the objective of supporting the integrated conceptual design of floating offshore wind turbines (FOWT). The dynamics of the multidisciplinary coupled system with the aerodynamics, hydrodynamics, structural dynamics, the catenary mooring lines and the controller shall be represented in simulation models adapted to the current design stage. Here, a linear model-predictive controller (MPC) as an optimal multiple input-multiple output (MIMO) controller is designed for a novel concept of the floating foundation for a 10MW wind turbine. The performance of this controller is easily adjustable by a cost function with multiple objectives. Therefore, the MPC can be seen as a benchmark controller in the concept phase, based on a simplified coupled simulation model with only approximate model information. The linear model is verified against its nonlinear counterpart and the performance of the MPC compared to a SISO PI-controller, which is also designed in this work. The developed models show to be well suited and the linear MPC shows a reduction of the rotor speed overshoot and tower bending from a deterministic gust.

Because of multiphase flow during the heat transfer, OTSG (Once-Through Steam Generator) is a complex nonlinear MIMO (Multiple Input and Multiple Output) system. This article sets the mathematics model of OTSG with internal screw and double tubes, uses the FOROTSG program to simulate OTSG, and identifies the system models of different power levels. Based on this, Multiple Model Predictive Control (MMPC) strategy is proposed, which designs the Model Predictive Controller of each model identified, and then integrates the multiple models by Membership Function Law, to achieve smoothly switch of the multiple models at last. The simulating result indicates the MMPC has the good control effects, and it is an available strategy to solve the problems of the nonlinear system control.

Target search using autonomous robots is an important application for both civil and military scenarios. In this paper, a model predictive control (MPC)-based probabilistic search method is presented for a ground robot to localize a stationary target in a dynamic environment. The robot is equipped with a binary sensor for target detection, of which the uncertainties of binary observation are modeled as a Gaussian function. Under the model predictive control framework, the probability map of the target is updated via the recursive Bayesian estimation and the collision avoidance with obstacles is enforced using barrier functions. By approximating the updated probability map using a Gaussian Mixture Model, an analytical form of the objective function in the prediction horizon is derived, which is promising to reduce the computation complexity compared to numerical integration methods. The effectiveness of the proposed method is demonstrated by performing simulations in dynamic scenarios with both static and moving obstacles.

Unmanned ground vehicles (UGVs) are gaining importance and finding increased utility in both military and commercial applications. Although earlier UGV platforms were typically exclusively small ground robots, recent efforts started targeting passenger vehicle and larger size platforms. Due to their size and speed, these platforms have significantly different dynamics than small robots, and therefore the existing hazard avoidance algorithms, which were developed for small robots, may not deliver the desired performance. The goal of this paper is to present the first steps towards a model predictive control (MPC) based hazard avoidance algorithm for large UGVs that accounts for the vehicle dynamics through high fidelity models and uses only local information about the environment as provided by the onboard sensors. Specifically, the paper presents the MPC formulation for hazard avoidance using a light detection and ranging (LIDAR) sensor and applies it to a case study to investigate the impact of model fidelity on the performance of the algorithm, where performance is measured mainly by the time to reach the target point. Towards this end, the case study compares a 2 degrees-of-freedom (DoF) vehicle dynamics representation to a 14 DoF representation as the model used in MPC. The results show that the 2 DoF model can perform comparable to the 14 DoF model if the safe steering range is established using the 14 DoF model rather than the 2 DoF model itself. The conclusion is that high fidelity models are needed to push autonomous vehicles to their limits to increase their performance, but simulating the high fidelity models online within the MPC may not be as critical as using them to establish the safe control input limits.

This paper discusses a position and height limitation control for a quadrotor UAV (Unmanned Aerial Vehicle) using Model Predictive Control (MPC) approach. Nonlinear dynamics of the quadrotor is discussed first, and decoupled linearized dynamics is obtained. For the implementation of MPC, extended state vector of vehicle is generated, and augmented linear dynamics is constructed. The MPC in this paper utilizes a set of Laguerre function as basis to approximate the future movement of modeled vehicle. Position/height constraints and vehicle actuator characteristics enter the dynamics as linearized inequalities, which could be solved on-line via a recursive optimization approach. While validations based on experimental tests will be conducted in future, currently simulations have been completed. Based on the simulation results, when state of the vehicle is laid within the permissible bound, it retains the same dynamics of original vehicle. However, if predicted response exceeds the limits, however, MPC will take effect and restrict associate vehicle states. The discussed MPC framework in this paper is considered to be applicable.

The article presents the question of optimization of a ventilation coal mill on the basis of a predictive optimizing controller with a receding horizon, which is an extension of the standard linear MPC (Model Predictive Control) type controllers. The controller has been realized in a digital version operating with a certain sampling period dependent upon the process dynamics. All calculations of the control rules are performed in one cycle which enables the controller to operate in the running mode. On the basis of a right optimization procedure the controller regulates the correction of settings, which are introduced to classic control structures in a fuzzy control system. The non-linear process model, implemented in the controller, is based on the basis of fuzzy neural networks. This structure enables to design, learn and tune NARMAX type models (Nonlinear Auto Regressive Moving Average with auXiliary input) [1]. The process model uses fuzzy rules, where fuzzy rules figure on the side, which helps to avoid sharp switching between them. The consequences of the rules take the form of differential equations of the linear ARX type models. The use of neural networks ensures a fast and efficient implementation and effective learning and tuning. The problem of control is based in on a periodically performed optimization of the performance index, defined on the basis of the assumed project goals. The aim of the controller operation is to eliminate undesired events occurring during mill operation. Such events are: instability of temperature value of air-dust mix after the mill, excessive fluctuation of air temperature before the mill and positioning of primary and secondary air dampers outside the control range. These goals are realized through appropriate control of the primary air damper and revolving speed of the mill. The implementation carried out of the described controller in a digital automatic control system on 8 ventilation mills of a 360 MW brown coal fired boiler. This article presents the results obtained and a carried out analysis.