¿Alguna vez te preguntaste cómo funcionan los sistemas de control de automatización en la industria? El Sistema de Control Adaptativo es una herramienta esencial que permite a las máquinas responder de manera eficiente y precisa a los cambios del entorno. En este artículo, exploraremos qué es exactamente este sistema y las diferencias entre sus dos enfoques principales: los sistemas directos e indirectos. ¡Prepárate para descubrir cómo la tecnología impulsa la optimización y mejora de los procesos industriales!
Control adaptativo-Introducción
El control adaptativo significa adaptar un sistema de control para que el comportamiento del control se ajuste al nuevo. Las palabras “sistemas adaptativos” y “control adaptativo” enfoque se utilizaron ya en 1950.
El control adaptativo se compone de un estimador de parámetros que genera estimaciones de parámetros en línea, así como una ley de control para el control identificado, que se basa en un identificador. Porque existen otros tipos de control adaptativo no identificado, donde el control de los sistemas se logra sin el uso de un estimador de parámetros en línea.
Definición de Sistema de Control Adaptativo
Un sistema de control adaptativo, por construcción, no es lineal ya que la expresión del control es una función compleja de señales medidas y ganancias variables en el tiempo.
En este artículo, estudiaremos la clase de control adaptativo identificada.
Clasificación de los Sistemas de Control Adaptativo
La estructura del control adaptativo está compuesta por un controlador y un lazo de retroalimentación con ganancias ajustables. Junto con el sistema de control, el estimador de parámetros adopta uno de los dos enfoques diferentes. Ellos son-
- Control adaptativo indirecto
- Control adaptativo directo
Control Adaptativo Indirecto
El primer método se denomina control adaptativo indirecto, donde los parámetros del sistema a ordenar se estiman en línea y se utilizan para calcular los parámetros del controlador.
En cada instante “t” (periodo de muestreo), se forma el sistema estimado y se trata como si fuera el sistema real a comandar (a partir del cual se calculan los parámetros del controlador). Este procedimiento también se conoce como el enfoque “adaptativo explícito”.
En lugar de medir los parámetros de un sistema en tiempo real, otro enfoque es estimar. Hablamos entonces de la identificación (y no de la medición) de los parámetros en tiempo real. El control adaptativo indirecto es un concepto natural: un controlador se actualiza en tiempo real en función de la estimación de los parámetros del sistema, como se muestra en la figura anterior.
Los parámetros estimados también pueden estar respaldados por una estimación del vector de estado del sistema.
Control adaptativo directo
En el segundo enfoque denominado control adaptativo directo, la identificación del sistema se parametriza de acuerdo con los parámetros del controlador deseado, que se estiman directamente (sin cálculos intermedios que involucren estimaciones de parámetros dinámicos del sistema).
A diferencia del control adaptativo indirecto, el control adaptativo directo no utiliza un estimador de parámetros. En la figura 1.2 se muestra un diagrama del principio del control adaptativo directo.
Las ganancias de un controlador adaptativo directo se actualizan directamente de acuerdo con el valor de la salida medida, simbolizada en la figura anterior. Dado que no existe un estimador, el poder de cálculo necesario para la implementación de un controlador adaptativo directo es menos importante que el de un controlador adaptativo indirecto.
Este enfoque también se denomina comando implícito adaptativo.
El control adaptativo indirecto se puede aplicar a una clase más grande de plantas con diferentes estructuras reguladoras, pero adolece de un problema conocido como problema de estabilización.
En cada instante, los parámetros del controlador se calculan en función de la identificación del sistema. Se pueden realizar cálculos como estos siempre que el sistema estimado sea controlable y observable o al menos estable y detectable. En el caso de los sistemas de fase mínima, se han desarrollado otros esquemas de control adaptativos más complejos.
En el caso de control adaptativo no identificado, el estimador de parámetros en línea se reemplaza por métodos de cálculo para encontrar los parámetros del controlador, o por el cambio entre diferentes controladores fijos, asumiendo que al menos uno estabiliza el sistema cubriendo todas las incertidumbres paramétricas posibles. Describiremos las principales características y límites de los diagramas de control adaptativo no identificado.
Control adaptativo con modelo de referencia (MRAC)
Ya sea que el control adaptativo sea indirecto o directo, el lazo de control puede contener un modelo de referencia predefinido (o MRAC, por Model Reference Adaptive Control) que describe cómo debe comportarse el sistema.
El caso del control adaptativo directo se esquematiza en la siguiente figura.
Sin un modo de referencia, el control se rige únicamente por el valor de la salida medida.
En un esquema de control adaptativo con un modelo de referencia, el control se rige por la diferencia entre la salida medida del modelo y la del modo de referencia. El controlador adaptativo, por lo tanto, tiene como objetivo hacer que este error sea cero.
La estructura interna del modelo de referencia, esquematizado por “MR” en la figura anterior, se compone de dos controladores: un sistema de control por retroalimentación que proporciona estabilidad y un filtro de tipo control de lazo abierto. Dado que las leyes de adaptación de estos dos controladores son generalmente idénticas, simplemente las sintetizamos.
La ley de control por realimentación y deducimos la del filtro precompensador.
La principal ventaja del control MRAC (Model Reference Adaptive Control) es que la adaptación sólo tiene lugar cuando el sistema no sigue el modelo de referencia. Este es particularmente el caso cuando el sistema considerado involucra incertidumbres.
El mayor inconveniente de MRAC es que es necesario asumir que el sistema es capaz de seguir la trayectoria generada por el modo de referencia. Sin embargo, la suposición no es verificable. Encontramos los mismos problemas con la secuenciación de ganancia ya que no tenemos una prueba formal de la estabilidad de un sistema con un modelo de referencia. Sin embargo, esto no impide que en la práctica no se observen resultados satisfactorios.
Error 403 The request cannot be completed because you have exceeded your quota. : quotaExceeded