Solución eficiente del control predictivo no lineal basado en modelo mediante un método de enumeración restringida

  • Jhon Alexander Isaza Hurtado Instituto Tecnológico Metropolitano de Medellín
  • Diego A Muñoz Universidad Pontificia Bolivariana
  • Hernán Álvarez Universidad Nacional de Colombia
Palabras clave: método de enumeración restringida, programación no lineal (PNL), control predictivo no lineal basado en modelo (NMPC), control de pH

Resumen

Este trabajo presenta un método alternativo para resolver los problemas de programación no lineal (NLP) del control predictivo no lineal basado en modelo (NMPC). La NLP es la tarea más exigente en computación en NMPC, lo que limita la implementación industrial de esta estrategia de control. Por lo tanto, es importante tener en cuenta los algoritmos que pueden resolver la programación no lineal, no solo en tiempo real sino también garantizando la viabilidad. En este trabajo, se propone el método de enumeración restringida como alternativa para resolver el problema de la NLP en NMPC, mostrando resultados exitosos para el control del pH en una planta de procesamiento de caña de azúcar. Este método enumera de forma restringida un conjunto de posibles posiciones del elemento final de control alrededor de la posición actual. Luego, prueba todas las posiciones en ese conjunto para encontrar la mejor acción de control, tomada como la solución de optimización.

Descargas

La descarga de datos todavía no está disponible.

Citas

Alkan, M., Erkmen, A. M., & Erkmen, I. (1994). Fuzzy dynamic programming. In Proceedings of MELECON ’94. Mediterranean Electrotechnical Conference (pp. 723–726). IEEE. https://doi.org/10.1109/MELCON.1994.380904
Alvarez, H. (2000). Control predictivo basado en modelo borroso para el control de pH (Temas de Automática, 10). Editorial Fundación UNSJ, San Juan, Argentina.
Aydin, E., Bonvin, D., & Sundmacher, K. (2017). Dynamic optimization of constrained semi-batch processes using Pontryagin’s minimum principle - An effective quasi-Newton approach. Computers & Chemical Engineering, 99, 135–144.
Binder, T., Cruse, A., Villar, C. A. C., & Marquardt, W. (2000). Dynamic optimization using a wavelet based adaptive control vector parameterization strategy. Computers & Chemical Engineering, 24(2), 1201–1207.
Camacho, E. F., & Bordons, C. (Carlos). (2007). Model predictive control. Springer.
Chen, H., & Allgöwer, F. (1998). Nonlinear Model Predictive Control Schemes with Guaranteed Stability. In Nonlinear Model Based Process Control (pp. 465–494). Dordrecht: Springer Netherlands. https://doi.org/10.1007/978-94-011-5094-1_16
Darby, M. L., & Nikolaou, M. (2012). MPC: Current practice and challenges. Control Engineering Practice, 20(4), 328–342.
De Oliveira, S. L. (1996). Model predictive control (MPC) for constrained nonlinear systems. Retrieved from https://thesis.library.caltech.edu/5069/
Holland, J. H. (John H. (1992). Adaptation in natural and artificial systems : an introductory analysis with applications to biology, control, and artificial intelligence. MIT Press.
Isaza, J. A., & Alvarez, H. (2011). Selección de parámetros para un sistema de inferencia borrosa Takagi-Sugeno con conjuntos borroso multidimensionales. In Proceedings of XIV Reunión de Trabajo en Procesamiento de la Información y Control RPIC.
Luus, R. (1996). Numerical Convergence Properties of Iterative Dynamic-Programming When Applied to High-Dimensional Systems. Chemical Engineering Research & Design, 74(1), 55–62.
Mayne, D. Q. (2000). Nonlinear Model Predictive Control. In F. Allgöwer & A. Zheng (Eds.) (pp. 23–44). Birkhäuser.
Mishra, S. K. (Ed.). (2011). Topics in Nonconvex Optimization (Vol. 50). New York, NY: Springer New York. https://doi.org/10.1007/978-1-4419-9640-4
Rao, C. V., & Rawlings, J. B. (2000). Linear programming and model predictive control. Journal of Process Control, 10(2–3), 283–289. https://doi.org/10.1016/S0959-1524(99)00034-7
Richalet, J. (1993). Industrial applications of model based predictive control. Automatica, 29(5), 1251–1274. https://doi.org/10.1016/0005-1098(93)90049-Y
Vatter, V. (2008). Enumeration Schemes for Restricted Permutations. Combinatorics, Probability and Computing, 17(1), 137–159. https://doi.org/10.1017/S0963548307008516
Xi, Y. G., Li, D. W., & Lin, S. (2013). Model Predictive Control - Status and Challenges. Acta Automatica Sinica, 39(3), 222–236.
Zenem, Y. O., Chehade, H., & Yalaoui, A. (2012). New restricted enumeration method for production line design optimization. In IFAC Proceedings Volumes (Vol. 45, pp. 1347–1352).
Publicado
2018-12-21
Cómo citar
Isaza Hurtado, J., Muñoz, D., & Álvarez, H. (2018). Solución eficiente del control predictivo no lineal basado en modelo mediante un método de enumeración restringida. Enfoque UTE, 9(4), pp. 13 - 23. https://doi.org/https://doi.org/10.29019/enfoqueute.v9n4.393
Sección
Automatización y Control, Telecomunicaciones, Mecatrónica, Electromecánica, Automotriz, ...