En esta sección abordaremos la temática de control predictivo basado en modelo, el cual es uno de los controladores más populares a nivel industrial cuando se desea regular procesos muy complejos, tales como columnas de destilación, reactores, entre otros.
El Model Predictive Control (MPC), o control predictivo, es una técnica avanzada de control automático utilizada ampliamente en industrias que gestionan procesos complejos. Este método es crucial en sectores como el químico y petrolero, donde la precisión y la seguridad operativa son prioritarias.
¿Qué Aprenderás en Este Curso?
Este curso está diseñado para brindarte un conocimiento profundo del MPC, abordando desde su fundamentación teórica hasta su aplicación práctica mediante ejemplos en MATLAB y Simulink. Si buscas excelencia en control automático y sistemas MIMO, este curso es esencial para ti.
CONTENIDO DEL CURSO DE CONTROL PREDICTIVO MPC:
A continuación se muestra cada uno de los capítulos sobre control predictivo basado en modelo MPC de este curso. Para aprender sobre este interesante mundo de control predictivo por modelo basta con Dar Click Sobre la Imagen para profundizar sobre cada uno de los algoritmos del MPC:
Control Predictivo Basado en Modelo – DMC
Control Predictivo GPC
Restricciones en el MPC
MPC en Variables de Estado
GPC con Perturbaciones
MIMO MPC
MPC Toolbox Matlab Tutorial
NMPC – Control Predictivo Basado en Modelo No Lineal
NMPC Usando Modelos de Hammerstein
Control NMPC – Matlab – Simulink
MPC advanced control applied to a gas compression system of an offshore platform
Escalado de Sistemas vía Condicionamiento Mínimo
MPC Toolbox usando Matlab y Simulink
Definición de Control Predictivo
Este controlador a tenido una buena acogida en industrias petroleras y químicas dado que es un controlador avanzado, que permite involucrar en su acción de control las restricciones físicas y de seguridad del proceso.
El control predictivo tiene internamente un mecanismo de optimización el cual trata de encontrar la acción de control más optima siempre respetando las restricciones establecidas por el ingeniero de control, dentro de una ventana de predicción. El controlador predictivo tal como su nombre lo indica trata de predecir el comportamiento dinámico de la planta con ayuda de un modelo interno, es por eso que la obtención de este modelo es muy importante para lograr conseguir buenas predicciones de nuestro proceso.
Existen diferentes estrategias de controles predictivos basados en modelos (MPC, por sus siglas en ingles Model Predictive Control) y aqui trataré de abordar las nociones básicas de varias de estas estrategias. Por eso en esta página tienes el curso sobre uno de mis temas de investigación favoritos que es exactamente los Controladores Predictivos.
Estrategias de Control Predictivo
Basicamente la estrategia de control predictivo mpc varia en relación a la función objetivo a utilizar en el algoritmo de optimización y la forma de modelo y como resolver el modelo para conseguir las predicciones del sistema. Algunos algoritmos de MPC son:
Control Predictivo DMC
El control predictivo DMC (Dinamic Matrix Control – Control por Matriz Dinámica) utiliza como predicción los coeficientes de un sistema lineal, cuando es exitado con un escalón unitario. Estos coeficientes de la respuesta al escalón son almacenados en una matriz conocida como matriz dinámica, y cuando se trabaja con sistemas lineales e invariantes en el tiempo, basta con repetir los coeficientes al escalón en cada columna de la matriz solo desplazando una fila hacia abajo cada que se desplaza en la columna. Da click en el siguiente enlace para entender mejor sobre el Control Predictivo DMC.
Control Predictivo GPC
El control predictivo GPC (Generalized Predictive Control – Control Predictivo Generalizado) utiliza como predicción un modelo discreto lineal CARIMA (Controlled Autoregresive and Moving Average – Control Auto-regresivo de Media Móvil) generalmente expresado en función de transferencia. Con ese modelo es posible construir la misma matriz dinámica del control predictivo DMC. Da Click en el siguiente enlace para entender la filosofia del Control Predictivo GPC.
Control Predictivo NMPC
El control predictivo NMPC (NonLinear Model Predictive Control – Control Predictivo Basado en Modelo No Lineal) utiliza como su nombre lo indica un modelo no lineal que describe la dinámica del proceso a controlar. Para conseguir las predicciones de este controlador es necesario definir una estrategia que permita resolver el modelo no lineal. Una de las formas de conseguir esto es tener un integrador dentro de la función de control para resolver el modelo no lineal en cada periodo de muestreo. Otra de las soluciones, puede darse aplicando programación cuadrática secuencial SQP para resolver la función objetivo del control NMPC, colocando el modelo no lineal dentro de las restricciones del algoritmo de optimización y de esa forma se calcula la ley de control y se resuelve el modelo al mismo tiempo.
Control Predictivo Ejemplo en MATLAB
En este curso de control predictivo basado en modelo MPC además de explicar detalladamente como funciona cada uno de los algoritmos, vamos a hacer ejemplos sobre MPC y vamos a implementar estos ejemplos en el software de MATLAB los cuales podrás descargar y reproducir facilmente en cualquier otro lenguaje de programación.
Libros sobre Control Predictivo Basado en Modelo MPC
A continuación te dejo un listado de los libros sobre control predictivo mpc que recomiendo para que entiendas mejor los conceptos que iremos viendo en el curso:
- Model Predictive Control – Eduardo F. Camacho and Carlos Bordons
- MPC System Design and Implementation Using MATLAB -Liuping Wang
- Nonlinear Model Predictive Control Theory and Algorithms – Lars Grüne and Jürgen Pannek.
- Economic Model Predictive Control – Matthew Ellis, Jinfeng Liu and Panagiotis D. Christofides.
- Nonlinear Model Predictive Control – Lalo Magni, Davide Martino Raimondo, Frank Allgöwer (Eds.)