Universidad Nacional Experimental Politécnica
“Antonio José de Sucre”
Vicerrectorado Puerto Ordaz
Departamento de Ingeniería Electrónica
Materia: Teoría de Control
Práctica 4. Grupo 2.
CONTROL LQG Y LQR
Profesora: Bachiller:
Marly Fernández Yscarlys Martínez
C.I: 27.957.638
Puerto Ordaz, 20 de abril del 2023
LQG “Control Lineal Cuadrático Gaussiano”
EXPLICACIÓN
El controlador LQG (Control Lineal Cuadrático Gaussiano), es uno de los más
fundamentales de control óptimo. Es la combinación de un filtro de Kalman, es
decir, un estimador lineal cuadrático (LQE) con un regulador lineal cuadrático
(LQR). El principio de separación garantiza que estos pueden ser diseñados y se
calculan de forma independiente. Es predictivo y se aplica en dinámicas
complicadas, así como multivariables o inestables.
Esta es una técnica que permite compensar el rendimiento de la regulación /
rastreador, también el esfuerzo de control, y tener en cuenta las perturbaciones
del proceso, así también el ruido de medición. Algo importante a destacar es que
la solución es única, esta constituye una ley de control de realimentación dinámico
lineal que se calcula y es fácil de implementar.
ARQUITECTURA
Se considera una planta modelada por el espacio de estados:
𝒙̇(𝑡) = 𝑨𝒙(𝑡) + 𝑩𝒖(𝑡) + 𝒘(𝑡)
𝒚(𝑡) = 𝑪𝒙(𝑡) + 𝒗(𝑡)
donde 𝒙 representa el vector de las variables de estado del sistema, 𝒖 el vector de
las entradas de control, 𝒚 el vector de salidas medidas disponibles para la
retroalimentación. Hay que considerar que tanto el ruido blanco gaussiano aditivo
sistema v(t) como el aditivo blanco gaussiano ruido de medición w(t) afectan al
sistema. Las matrices A, B, y C corresponden a las matrices de los sistemas de
dimensiones apropiadas. El propósito de la estrategia de control consiste en
encontrar el vector óptimo de señales de control u(t) tal que se minimice la función
de coste:
donde las matrices de sintonía Q y R son seleccionadas apropiadamente
cumpliendo las condiciones de diseño. Las matrices Q y R son conocidas como
matrices de penalización de estado y entrada, respectivamente. Ellas se encargan
de dar prioridad bien sea al seguimiento de una trayectoria por parte de los
estados o a la penalización de la energía de control requerida por el sistema para
alcanzar los objetivos de control deseados. La solución del problema de control
LQG, consiste en la determinación de una ganancia estabilizante K, la cual se
aplica al sistema mediante una ley de realimentación de estado expresada como:
𝑢(𝑡) = −𝑲𝒙(𝑡). Donde K es la matriz de ganancia del controlador.
UTILIDAD
El control LQG, se aplica tanto a los sistemas lineales invariantes en el tiempo, así
como sistemas de variables en el tiempo lineales. La aplicación a los sistemas
invariantes en el tiempo lineales es bien conocido. La aplicación de sistemas de
variables en el tiempo lineal permite el diseño de controladores de captación lineal
para sistemas inciertos no lineales.
El controlador LQG en sí es un sistema dinámico como el sistema que controla.
Ambos sistemas tienen la misma dimensión estado. Por lo tanto, la aplicación de
este controlador puede ser problemático si la dimensión del estado del sistema es
grande.
Por último, LQG optimiza mas no garantiza automáticamente buenas propiedades
de solidez. La estabilidad robusta del sistema de circuito cerrado debe ser
revisado por separado después de que el controlador LQG ha sido diseñado.
Promover robustez en algunos de los parámetros del sistema puede suponer
estocástico en lugar de determinista. El problema de control más difícil, conduce a
un controlador óptimo similar del cual sólo los parámetros del controlador son
diferentes.
CONSIDERACIONES DE DISEÑO
Para realizar la entonación se pueden seguir los siguientes pasos:
1.Se Construye la ganancia óptima LQ.
2.Construir un filtro de Kalman (estimador de estado).
3.Se Forma el diseño LQG conectando la ganancia óptima LQ y el filtro Kalman.
LQR “Regulador Optimo Cuadrático”
EXPLICACIÓN
El Regulador optimo cuadrático (LQR), consiste en un método de control
realimentado y trabaja en sistemas dinámicos donde se utilizan las variables de
estado.
Este controlador entra en la categoría de “controladores óptimos” ya que este
ofrece una excelente respuesta en lo que es el coste del controlador. Se considera
que es un controlador optimo, porque tiene un equilibrio en cuanto a su precio y a
las especificaciones que se requieren para ser utilizados.
LQR es un método sustentado en la ponderación de las variables de estado y las
entradas de control. Además, esta técnica ofrece un menor consumo de recursos
computacionales en su implementación. Las respuestas producidas son más
rápidas con una acción de control óptima, especialmente en los sistemas de
tanques acoplados. En este sentido, la carga computacional es reducida
notablemente en su implementación.
ARQUITECTURA
En su arquitectura presentamos estos dos modelos de diagramas de
realimentación, nos enfocaremos en el segundo:
Considerando un sistema dinámico como el mostrado:
𝑥̇ = 𝐴𝑥 + 𝐵𝑢
𝑦(𝑡) = 𝐶𝑥
𝑢(𝑡) = −𝐾𝑥(𝑡)
Se realimenta el vector de estado con la matriz igual que en el diseño por
variables de estados, sin embargo, en el método estudiado por ubicación de polos
se calculan polos del sistema que cumplan con las especificaciones de diseño de
estado transitorio, luego se construye una matriz K a partir de los mismos con la
cual se realiza la realimentación.
Para LQR la matriz de realimentación K, no se utiliza la ubicación de polos, se
escogen caracterices a lazo cerrado, que indiquen el comportamiento del sistema
y cuanto esfuerzo le toma hacerlo. Mediante una función llamada función de costo,
en esta es posible designar la relevancia o importancia del parámetro más
relevante para el diseño, esto tiene la ventaja de que permite evaluar varias
posibilidades entre respuesta del sistema y costo para identificar cual resulta más
óptimo de realizar, hay que tomar en cuenta que los parámetros a revisar no es
solo el costo, puede ser la energía, actuadores, etc.
La función de costos para este controlador seria:
La matriz Q es una matriz cuadrada cuyo número de filas es igual al número de
estados existentes en el sistema, y para conseguir un error más pequeño se
puede hacer un factor de la matriz que corresponde a un estado en específico
mayor o menor en relación a R para determinar el comportamiento de ese estado.
La matriz R también es una matriz cuadrada en donde se penalizan, más
comúnmente, los actuadores. Si algún actuador resulta costoso de implementar o
se requiere un menor consumo de energía en alguno de ellos entonces se
penaliza aumentando el valor de R correspondiente a ese actuador.
UTILIDAD
El controlador LQR resulta en un esquema de control asintóticamente estable en
lazo cerrado.
Es un Método utilizado para diseñar sistemas óptimos.
Durante el proceso de diseño se puede escoger entre que variables o parámetros
entre el comportamiento del sistema, su consumo de energía etc. se quiere
priorizar.
Se trabaja con sistemas dinámicos descritos en variables de estados.
Los elementos de Q y R deben utilizarse para escalar adecuadamente los valores
de los estados y entradas al sistema, tal que sean ponderados adecuadamente en
el funcional de costo. Es decir, las variables pueden tener valores grandes y
pequeños que deben ajustarse a una escala comparable. En general, una
selección adecuada de Q y R se dará mediante un procedimiento iterativo en el
cual se observe el desempeño del sistema de control.
Las matrices Q y R son cuadradas, reales, simétricas, positivas, constantes y cuyo
número de filas es igual al número de estados. Al proceso de aumentar valores de
Q o R se le llama penalización.
Si Q es mayor al valor de R, se prioridad a la rapidez, por lo que el sistema es
más rápido. Hay Mayor uso de energía. Si R es mayor que Q, se prioriza el uso de
energía, por lo que el sistema consume menos energía y el sistema sería más
lento.
CONSIDERACIONES DE DISEÑO
Para realizar la entonación se pueden seguir los siguientes pasos:
1.Desarrollar un modelo lineal del sistema en función de
𝑥̇ = 𝐴𝑥 + 𝐵𝑢 ; 𝑦(𝑡) = 𝐶𝑥
2. Ajustar los valores de las matrices Q y R.
3. Resolver la ecuación de Riccati para la matriz P en donde se considera que si la
matriz P es positiva el sistema o la matriz (𝐴 − 𝐵𝐾) es estable.
4. Encontrar la matriz K de
