Economic model predictive control and optimal estimation for nonlinear systems

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Lima, Bruno Martins
Orientador(a): Normey-Rico, J. E.
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/198355
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2018.
id UFSC_f8f2b6a305a8424d620ce89ae6e9498e
oai_identifier_str oai:repositorio.ufsc.br:123456789/198355
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaLima, Bruno MartinsNormey-Rico, J. E.González, Alejandro Hugo2019-07-25T11:41:14Z2019-07-25T11:41:14Z2018357716https://repositorio.ufsc.br/handle/123456789/198355Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2018.Processos não lineares frequentemente aparecem na indústria e representam um desafio para estimação e controle. Para lidar com eles, usualmente é necessário usar técnicas não lineares que levam a teorias mais avançadas, implementação complexa e alto custo computacional. Para estimação, as versões lineares e não lineares do filtro de Kalman e Moving Horizon Estimation (MHE) foram implementadas em um processo benchmark e comparadas em diferentes cenários. As técnicas lineares se mostraram inadequadas para o processo não linear. O MHE não linear tem a melhor performance já que usa um horizonte de estimação e restrições mas necessita mais poder computacional. Também foi mostrado como projetar um observador com atraso com um foco em robustez. Uma comparação foi feita entre uma estrutura observador-preditor e um preditor de Smith filtrado. O primeiro mostrou bons resultados e é esperado que facilite o projeto de preditores para sistemas multi-variáveis. Para controle, estratégias ótimas com um foco em objetivos econômicos foram explorados. Quatro tipos de controle preditivo baseado em modelo (MPC) foram implementados: MPC não linear de seguimento, MPC econômico puro (EMPC), EMPC regularizado (reg-EMPC) e EMPC com restrição estabilizante (EMPC-sc). As condições que levam a estabilidade foram apresentadas. O EMPC puro tem a melhor performance econômica mas tem um comportamento periódico. O reg-EMPC garante estabilidade mas é conservativo. O EMPC-sc tem uma boa performance econômica, é estável e tem um projeto relativamente simples.Abstract : Nonlinear processes frequently appear in the industry and represent a challenge for estimation and control. To deal with them, it is often necessary to use nonlinear techniques which leads to more advanced theory, complex implementation and high computational cost. For estimation, the linear and nonlinear versions of Kalman filter and Moving Horizon Estimation (MHE) were implemented in a benchmark process and compared in different scenarios. The linear techniques are shown to be inadequate for the nonlinear process. The nonlinear MHE has the best performance since it uses an estimation horizon and constraints but it requires more computation power. It was also shown how to design an observer for systems with delay with a focus in robustness. A comparison was made between an observer-predictor structure and a filtered Smith Predictor. The former showed good results and is expected to facilitate the design of predictors for multivariable systems. For control, optimal strategies with a focus in economic objectives are explored. Four types of Model Predictive Control (MPC) are implemented: pure tracking nonlinear MPC, pure Economic MPC (EMPC), regularized EMPC (reg-EMPC) and EMPC with stabilizing constraint (EMPC-sc). The conditions that leads to stability are presented. The pure EMPC has the best economic performance but has a periodic behavior. The reg-EMPC guarantees stability but is conservative. The EMPC-sc has a good economic performance, is stable and is fairly easy to design.127 p.| il., gráfs.engEngenharia de sistemasAutomaçãoControle preditivoSistemas não-linearesKalman, Filtragem deEconomic model predictive control and optimal estimation for nonlinear systemsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEAS0288-D.pdfPEAS0288-D.pdfapplication/pdf2797732https://repositorio.ufsc.br/bitstream/123456789/198355/-1/PEAS0288-D.pdfb4b638cd095e512a6232a99c9e104ae8MD5-1123456789/1983552019-07-25 08:41:14.768oai:repositorio.ufsc.br:123456789/198355Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732019-07-25T11:41:14Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Economic model predictive control and optimal estimation for nonlinear systems
title Economic model predictive control and optimal estimation for nonlinear systems
spellingShingle Economic model predictive control and optimal estimation for nonlinear systems
Lima, Bruno Martins
Engenharia de sistemas
Automação
Controle preditivo
Sistemas não-lineares
Kalman, Filtragem de
title_short Economic model predictive control and optimal estimation for nonlinear systems
title_full Economic model predictive control and optimal estimation for nonlinear systems
title_fullStr Economic model predictive control and optimal estimation for nonlinear systems
title_full_unstemmed Economic model predictive control and optimal estimation for nonlinear systems
title_sort Economic model predictive control and optimal estimation for nonlinear systems
author Lima, Bruno Martins
author_facet Lima, Bruno Martins
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Lima, Bruno Martins
dc.contributor.advisor1.fl_str_mv Normey-Rico, J. E.
dc.contributor.advisor-co1.fl_str_mv González, Alejandro Hugo
contributor_str_mv Normey-Rico, J. E.
González, Alejandro Hugo
dc.subject.classification.none.fl_str_mv Engenharia de sistemas
Automação
Controle preditivo
Sistemas não-lineares
Kalman, Filtragem de
topic Engenharia de sistemas
Automação
Controle preditivo
Sistemas não-lineares
Kalman, Filtragem de
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2018.
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2019-07-25T11:41:14Z
dc.date.available.fl_str_mv 2019-07-25T11:41:14Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/198355
dc.identifier.other.none.fl_str_mv 357716
identifier_str_mv 357716
url https://repositorio.ufsc.br/handle/123456789/198355
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 127 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/198355/-1/PEAS0288-D.pdf
bitstream.checksum.fl_str_mv b4b638cd095e512a6232a99c9e104ae8
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758899751813120

Registros relacionados