OpenstarTs >
Ricerca >
Tesi di dottorato >
Ingegneria industriale e dell'informazione >

Please use this identifier to cite or link to this item: http://hdl.handle.net/10077/4519

Title: Stabilizing nonlinear model predictive control in presence of disturbances and off - line approximations of the control law
Authors: Filippo, Marco
Supervisor/Tutor: Parisini, Thomas
Issue Date: 31-Mar-2011
Publisher: Università degli studi di Trieste
Abstract: One of the more recent and promising approaches to control is the Receding Horizon one. Due to its intrinsic characteristics, this methodology, also know as Model Predictive Control, allows to easily face disturbances and model uncertainties: indeed at each sampling instant the control action is recalculated on the basis of the reached state (closed loop). More in detail, the procedure consists in the minimization of an adequate cost function with respect to a control input sequence; then the first element of the optimal sequence is applied. The whole procedure is then continuously reiterated. In this thesis, we will focus in particular on robust control of constrained systems. This is motivated by the fact that, in practice, every real system is subjected to uncertainties, disturbances and constraints, in particular on state and input (for instance, plants can work without being damaged only in a limited set of configurations and, on the other side, control actions must be compatible with actuators' physical limits). With regard to the first aspect, maintaining the closed loop stability even in presence of disturbances or model mismatches can result in an essential strategy: moreover it can be exploited in order to design an approximate stabilizing controller, as it will be shown. The control input values are obtained recurring to a Nearest Neighbour technique or, in more favourable cases, to a Neural Network based approach to the exact RH law, which can be then calculated off line: this implies a strong improvement related to the applicability of MPC policy in particular in terms of on line computational burden. The proposed scheme is capable to guarantee stability even for systems that are not stabilizable by means of a continuous feedback control law. Another interesting framework in which the study of the influence of uncertainties on stability can lead to significant contributions is the networked MPC one. In this case, due to the absence of physical interconnections between the controller and the systems to be controlled, stability can be obtained only taking into account of the presence of disturbances, delays and data losses: indeed this kind of uncertainties are anything but infrequent in a communication network. The analysis carried out in this thesis regards interconnected systems and leads to two distinct procedures, respectively stabilizing the linear systems with TCP protocol and nonlinear systems with non-acknowledged protocol. The core of both the schemes resides in the online solution of an adequate reduced horizon optimal control problem.
Una delle strategie di controllo emerse più recentemente, più promettenti e di conseguenza più studiate negli ultimi anni è quella basata sull'approccio Receding Horizon. Grazie alle caratteristiche che contraddistinguono questa tecnica, cui si fa spesso riferimento anche col nome di Model Predictive Control, risulta piuttosto agevole trattare eventuali disturbi e incertezze di modellazione; tale metodo prevede infatti il calcolo di un nuovo ingresso di controllo per ciascun istante di campionamento, in seguito alla minimizzazione ad ogni passo di un'opportuna funzione di costo rispetto ad una sequenza di possibili futuri ingressi, inizializzata sulla base del valore dello stato del sistema all'istante considerato. Il controllo è dato dal primo elemento di tale sequenza ottima; tutto questo viene continuamente ripetuto, il che comporta un aggiornamento costante del segnale di controllo. Gli inconvenienti di questa tecnica risiedono nelle elevate risorse computazionali e nei tempi di calcolo richiesti, così da ridurne drasticamente l'applicabilità specie nel caso di sistemi con elevata dinamica. In questa tesi ci si concentrerà sulle caratteristiche di robustezza del controllore: l'importanza di quest'analisi risiede nel fatto che ogni sistema reale è soggetto a incertezze e disturbi di varia origine cui bisogna far fronte durante le normali condizioni di funzionamento. Inoltre, la capacità di gestire errori di modellazione, come si vedrà, può essere sfruttata per ottenere un notevole incremento delle prestazioni nella stima del valore da fornire in ingresso all'impianto: si tratta di ripartire l'errore complessivo in modo da garantirsi dei margini che consentano di lavorare con un'approssimazione della legge di controllo, come specificato più avanti. In tutto il lavoro si considereranno sistemi vincolati: l'interesse per questa caratteristica dipende dal fatto che nella pratica vanno sempre tenuti in considerazione eventuali vincoli su stato e ingressi: basti pensare al fatto che ogni impianto è progettato per lavorare solo all'interno un determinato insieme di configurazioni, determinato ad esempio da vincoli fisici su attuatori, sensori e così via: non riporre sufficiente attenzione in tali restrizioni può risultare nel danneggiamento del sistema di controllo o dell'impianto stesso. Le caratteristiche di stabilità di un sistema controllato mediante MPC dipendono in modo determinante dalla scelta dei parametri e degli attributi della funzione di costo da minimizzare; nel seguito, con riferimento al caso dei sistemi non lineari, saranno forniti suggerimenti e strumenti utili in tal senso, al fine di ottenere la stabilità anche in presenza di disturbi (che si assumeranno opportunamente limitati). Successivamente tale robustezza verrà sfruttata per la progettazione di controllori stabilizzanti approssimati: si dimostrerà infatti che, una volta progettato adeguatamente il sistema di controllo “esatto” basato su approccio RH e conseguentemente calcolati off-line i valori ottimi degli ingressi su una griglia opportunamente costruita sul dominio dello stato, il ricorso a una conveniente approssimazione di tali valori non compromette le proprietà di stabilità del sistema complessivo, che continua per di più a mantenere una certa robustezza. Da notare che ciò vale anche per sistemi non stabilizzabili mediante legge di controllo feedback continua: la funzione approssimante può essere ottenuta in questo caso con tecniche di tipo Nearest Neighbour; qualora invece la legge di controllo sia sufficientemente regolare si potrà far ricorso ad approssimatori smooth, quali ad esempio le reti neurali. Tutto ciò comporta un notevole miglioramento delle prestazioni del controllore RH sia dal punto di vista del tempo di calcolo richiesto che (nel secondo caso) della memoria necessaria ad immagazzinare i parametri del controllore, risultando nell'applicabilità dell'approccio basato su MPC anche al caso di sistemi con elevata dinamica. Un altro ambito in cui lo studio dell'influenza delle incertezze e dei disturbi sulla stabilità richiede una notevole attenzione è quello dei sistemi networked; anche in questo caso il ricorso all'MPC può portare a ottimi risultati di stabilità robusta, a patto di individuare un' opportuna struttura per il sistema complessivo ed effettuare scelte adeguate per il problema di ottimizzazione. In particolare, si considererà il caso di trasmissione di dati tra un controllore centralizzato e le varie parti dell'impianto in assenza di collegamento fisico diretto. Lo studio della stabilità dovrà allora tenere in considerazione la presenza di perdite di pacchetti o ritardi di trasmissione, condizioni tutt'altro che infrequenti per le reti. Saranno quindi proposte due distinte procedure, che si dimostreranno essere in grado di garantire robustezza a sistemi rispettivamente lineari comunicanti con protocolli di tipo TCP e non lineari in presenza di protocolli UDP. Questo secondo caso è senz'altro il più complesso ma allo stesso tempo il più concreto tra i due. Il nucleo del controllo è ancora basato su una tecnica MPC, ma stavolta il controllore è chiamato a risolvere il problema di ottimizzazione su un orizzonte “ridotto”, che consente la gestione dei ritardi e di eventuali perdite di pacchetto su determinati canali. La lunghezza dell'orizzonte dipenderà dalla presenza o meno dei segnali di ricezione del pacchetto (acknowledgement).
PhD cycle: XXIII Ciclo
PhD programme: SCUOLA DI DOTTORATO DI RICERCA DI INGEGNERIA DELL'INFORMAZIONE
Description: 2009/2010
Keywords: Nonlinear Model Predictive Control
Robust Model Predictive Control
Networked Model Predictive Control
Explicit Approximated Model Predictive Control
Neural Networks
Networked Control with delays
Robust Control
Off line Model Predictive Control
Main language of document: en
Type: Tesi di dottorato
Doctoral Thesis
Scientific-educational field: ING-INF/04 AUTOMATICA
NBN: urn:nbn:it:units-8992
Appears in Collections:Ingegneria industriale e dell'informazione

Files in This Item:

File Description SizeFormat
Filippo_phd.pdfPhd Thesis7.28 MBAdobe PDFView/Open
View Statistics

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.