Upload
builiem
View
213
Download
1
Embed Size (px)
Citation preview
1
Manolo Berenguel, 2004
Manolo Berenguel,Grupo de Investigación Automática,
Electrónica y Robótica (TEP197)
Departamento de Lenguajes y ComputaciónÁrea de Ingeniería de Sistemas y Automática
Universidad de Almería
APLICACIONES DE CONTROL DE SISTEMAS NO LINEALES
GRUPO DE LA UNIVERSIDAD DE ALMERÍA
2
Manolo Berenguel, 2004
Índice
- Introducción y presentación del grupo
- Motivación de la investigación
- Estrategias de control
- Modelos utilizados para control
- Algoritmos de control básicos
- Nuevos desarrollos
- Otras aplicaciones
3
Manolo Berenguel, 2004
Introducción y presentación del grupo
Manolo BerenguelNuria Novas
Luis YebraFrancisco Rodríguez
José C. Moreno
Diego Morales
José Luis Guzmán
Armando Ramírez
José Antonio GázquezLoreto Valenzuela
- Formado por Ingenieros Industriales, Electrónicos, de Telecomunicación, Informáticos, y Licenciados en Física (áreas de Ingeniería de Sistemas y Automática y Tecnología Electrónica, CIEMAT). Además colaboran 7 becarios.
- 4 doctores en la actualidad
4
Manolo Berenguel, 2004
Introducción y presentación del grupo
Principales colaboraciones en investigación
- Departamento de Ingeniería de Sistemas y Automática de la Universidad de Sevilla (E.F. Camacho, F.R. Rubio)
- CIEMAT-PSA
- Departamento de Informática y Automática de la UNED (S. Dormido)
- Departamento de Informática y Sistemas de la Universidad de Murcia (A. Baños)
5
Manolo Berenguel, 2004
Motivación de la investigación
Proyectos CICYT, convenios PSA, proyectos CAJAMAR
Muy elevado esfuerzo en puesta en instrumentación, desarrollo desoftware de control y ajuste paramétrico de modelos
6
Manolo Berenguel, 2004
Motivación de la investigación
- Sistemas sometidos a fuertes perturbaciones variables y medibles.
- Restricciones de funcionamiento (entradas, salidas y comportamiento).
- Sistemas no lineales de parámetros distribuidos → modelos simplificados para control con características no-lineales que se pueden linealizar bajo ciertas hipótesis.
- Parámetros descriptivos con incertidumbre o variables en el tiempo.
- Presencia de distintas escalas de tiempo.
7
Manolo Berenguel, 2004
Estrategias de control: planta DISS
PDT
Air Condenser
FinalSteam Separator
FlashTank
Feed Pump
FeedPreheater
Feedwater Tank
EquivalentTurbine
Load
TT
PT
PC
TC
TC
PDC
FC
FT
FC
FT
Solar Collectors Row
LegendTT - Temperature transmitterFT - Flow transmitterPT - Pressure transmitterPDT - Pressure drop transmitterLT - Level transmitter
LT
TC - Temperature control loopFC - Flow control loopPC - Pressure control loopPDC - Pressure drop control loopLC - Level control loop
LC
Injection Line
Vapor Feed
Superheated steamH
.P. steam
L.P.
8
Manolo Berenguel, 2004
Estrategias de control: crecimiento de cultivo
Crop growth and development
Production
Crop model steady-state climate model
Optimal recedinghorizon control
optimization criteria set point management
2nd control level
Production models(steady-state climate and
crop growth models)
Optimal productionplanning and management
3rd control level
ENVIRONMENToutside radiation - outside temperature - rainwind speed and direction - outside humidity
CO2 concentration - leaf area
Greenhouse
Greenhouse climate model
Classica/optimal receding horizon
feedback/feedforward control
1st control level
INPUTS
ventilation
heating
shading
CO2 supply
Humidifying
OUTPUTS
inside temperature
inside humidity
inside radiation
CO2 concentration
OUTPUTS
dry weight
leaf number or
leaf area
Climate set points
objectives
Middle term weather prediction (day)
Long term weather prediction (season)
Short term weather prediction (hour)
Growth & development set points
decision rules & objectives
User knowledge(harvest time, desired production), economic data, expert systems,
decision rules
1st level: climate control
time scale: sec, min.
2nd level: plant growth
time scale: hour, day.
3rd level: production planning
time scale: day, monthMiddle term user
objectives
9
Manolo Berenguel, 2004 Modelos utilizados: no lineales de parámetros distribuidos
( , )mm m m i m f T f amb
T x tc A
tρ η
∂∂
( , ) ( , )( ) ( ) ( ( ) ( , ))f f
f i m fh x t h x t
x Af m t D T t T x tt x
ρ απ∂ ∂
+ = −∂ ∂
En todos los casos anteriores los modelos son no-lineales de parámetros distribuidos.
Ej. ACUREX y DISS (modelos para temperatura de salida)
( ) ( ( , ) ( , )) ( ( , ) ( ))GE t D T x t T x t h T x t T tαπ= − − − −
En invernaderos modelos dinámicos más complejos aún.
10
Manolo Berenguel, 2004 Modelos utilizados: lineales válidos para puntos de operación
1 1
1 (0) 1
( , ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) (0, ) ( ) ( ) ( )amb
f m E
T T amb
T L s G s G s m s G s G s E s
G s G s T s G s G s T s
∆ = ∆ + ∆ +
∆ + ∆& &
Posibilidades: trabajar con modelos lineales en torno a un punto de operación o bien trabajar con modelos simplificados no-lineales (bilineales) temperatura de salida).
Ej. Linealización en DISS
( , ) ( ) ( , )m m mT x t T x T x t= +∆
( , ) ( ) ( , )f f fT x t T x T x t= +∆
( , ) ( ) ( , )f f fh x t h x h x t= +∆
( ) ( )E t E E t= +∆( ) ( )amb amb ambT t T T t= +∆
),()(),( txmxmtxm && ∆+=
Idem. en invernaderos
11
Manolo Berenguel, 2004 Modelos utilizados: no-lineales simplificados
Estructura bilineal
Modelo simplificado de temperatura de aire en el interior de un invernadero: modelo de parámetros concentrados
evapa,ts,tse.ta,tcva,th,the,rra,t
a,ter VV)XX(c)PX)(()XX(cPcdt
dXc λφφ +−+−+−−+=
Ventilación
Rad. Ext.
Calefacción
Perturbaciones Temp. exterior Temp. suelo
Entradas de control
Calor latente
Malla
Modelo simplificado de temperatura de salida en un campo de colectores solares distribuidos: modelo de parámetros concentrados
( ) ( )in tp
t
T T HdTC A I G C A v T Tdt L L
ρ α ρ −⋅ ⋅ ⋅ = ⋅ ⋅ − ⋅ ⋅ ⋅ ⋅ − ⋅ −%
Ejemplos:
p amb
12
Manolo Berenguel, 2004 Modelos utilizados: no-lineales simplificados
Las estructuras bilineales permiten la implementación de técnicas de control no-lineal no muy complejas:
- Control por prealimentación utilizando una versión estática de e incluso dinámica de la estructura bilineal.
- Estructuras de control adaptativo/gain scheduling.
- Linealización por realimentación
- Etc.
En nuestro trabajo pretendemos evaluar estas estrategias y fundamentalmente estudiar las posibilidades de controlar este tipo de sistemas en el ámbito del control predictivo basado en modelo.
13
Manolo Berenguel, 2004
Modelos utilizados: bilineales
Formulación genérica:Bilineal No lineal
)())(()()1(,)(
)(
kukFxBkAxkxxcyuxnbAxx
xG
TT
43421
&
++=+=++=
)]([)()],(),([)1())((,0)0(),())(())(()(
kxhkykukxfkxtxhyftutxgtxftx
==+==+=&
Variaciones en la formulación:
)(,ctes,:,,,,,)()()())(()())(()()1(
,,,,, xfPNMFBAkvkPukvkNxMkukFxBkAxkx
PNMFBAΩ∈+++++=+
14
Manolo Berenguel, 2004
Algoritmos de control básicos en invernaderos
),(,2
,
3/22/3)2
,(,
),(3
,,,
etPtrffgcetP
evPwcevPwcetPdclvc
etPtrffgc
aspccadencv
efech −−+
−
−=
φ
Control por prealimentación combinado con realimentaciónFundamento: inversión de balance estático de modelo bilineal y filtrado
Día: If trff>Pt,e
)( )( )(
,
,,,
et
stsetcerr
PtrfftrffXcPtrffPc
v −−+−−
=φφ1.
V2.
−−−=
vwcefechV
sinsinU,
,)(17.31
100180 ψψπα (% apertura)3.
trffXh
stsetc
ctrffXcPtrff
ht +−−−=
)( )(,
,,φNoche:
15
Manolo Berenguel, 2004
Algoritmos de control básicos en invernaderos
F(s) G(s) FF PLANT
1/FF
y (temp.)
p (disturbances)
ufftrff uffsatsp e
feedback controllerprefilter
feedforward
Simplified model (inverse
feedforward) AW
F(s) G(s) FF PLANT
1/FF
y (temp.)
p (disturbances)
ufftrff uffsatsp e
feedback controllerprefilter
feedforward
Simplified model (inverse
feedforward) AW
gain scheduling, QFT, etc.Relacionado con transformación de entrada real a virtual
Otros: adaptativo,
16
Manolo Berenguel, 2004
Resultados con control QFT+prealimentación+AW
6 5 0 0 6 5 2 0 6 5 4 0 6 5 6 0 6 5 8 0 6 6 0 0 6 6 2 0 6 6 4 0 6 6 6 0 6 6 8 0 6 7 0 03 4
3 4 .5
3 5
3 5 .5
7 0 0 7 2 0 7 4 0 7 6 0 7 8 0 8 0 0 8 2 0 8 4 0 8 6 0 8 8 0 9 0 0
3 2 .5
3 3
3 3 .5
3 4
Seguimiento de consignas
7 0 0 7 2 0 7 4 0 7 6 0 7 8 0 8 0 0 8 2 0 8 4 0 8 6 0 8 8 0 9 0 0
5
1 0
1 5
2 0
2 5
3 0
5 0 5 0 5 1 0 0 5 1 5 0 5 2 0 00
5
1 0
1 5
2 0
2 5
3 0
3 5
5 0 6 0 5 0 8 0 5 1 0 0 5 1 2 0 5 1 4 0 5 1 6 0 5 1 8 0 5 2 0 0 5 2 2 0
3 5
3 5 . 5
3 6
3 6 . 5
3 7
6 5 0 0 6 5 2 0 6 5 4 0 6 5 6 0 6 5 8 0 6 6 0 0 6 6 2 0 6 6 4 0 6 6 6 0 6 6 8 0 6 7 0 08 0 0
8 2 0
8 4 0
8 6 0
8 8 0
9 0 0
9 2 0
9 4 0
9 6 0
6 5 0 0 6 5 2 0 6 5 4 0 6 5 6 0 6 5 8 0 6 6 0 0 6 6 2 0 6 6 4 0 6 6 6 0 6 6 8 0 6 7 0 0
5
1 0
1 5
2 0
2 5
Rechazo de perturbaciones
6 5 0 0 6 5 2 0 6 5 4 0 6 5 6 0 6 5 8 0 6 6 0 0 6 6 2 0 6 6 4 0 6 6 6 0 6 6 8 0 6 7 0 0
2
2 . 5
3
3 . 5
4
4 . 5
5
5 . 5
17
Manolo Berenguel, 2004
Esquemas básicos de control de planta DISS
Tref +
-
+
+
Tout
Tamb
Tinj
eT
+-
min
minj_set
min_dem afv
FeedforwardController
FFFV
PI
PIAnti-Windup Plant
meT
mff
Tin
E
em_in 09 10 11 12 13 14 15 160
1
2
3
4
5
6
7
09 10 11 12 13 14 15 1630
60
90
120
150
180
210
240
270
300
330
09 10 11 12 13 14 15 160
100
200
300
400
500
600
700
800
900
1000
09 10 11 12 13 14 15 160
5
10
15
20
25
30
35
40
45
pressure drop across feed valve set point
Pres
sure
[bar
]
Local Time
0
10
20
30
40
50
60
70
feed pump power (control signal)
Pow
er [%
]
Local Time
outlet steam temperature set pointTe
mpe
ratu
re [º
C]
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
inlet water flow - feed valve (control signal) injection water flow - injector (control signal)
Flow
[kg/
s]
direct solar irradiance
Sola
r Irr
adia
nce
[W/m
2 ]
Local Time
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
outlet steam flow
Flow
[kg/
s]
Local Time
outlet steam pressure set point feed tank pressure
Pres
sure
[bar
]
0
8
16
24
32
40
48
56
64
72
steam valve aperture (control signal)
Aper
ture
[%]
_( ) ( )loop col loop l abs av amb inj set ref injff
ref in
A L E U S T T m h hm
h hη ⋅ ⋅ ⋅ − ⋅ ⋅ − − ⋅ −
=−
18
Manolo Berenguel, 2004
Algoritmos de control básicos en plantas solares
Linealización por realimentación
4444444 34444444 21
&
v
LTxAuCGIT
LH
ACx
LH
ACx
TTxxT
inpamb
t
t
pt
t
p
ref
−−+
+
−=
−==
ραρρ
11
ó:Opciones
Para que el sistema sea linealizable por realimentación las condiciones en la práctica se traducen en que la no linealidad del sistema sea “suave” (smooth) y que la temperatura de salida del sistema debe ser superior a la de entrada (condición práctica que se cumple siempre)
vtAx += )(&
Se diseña v por algún método (realimentación del vector de estados, PID, etc. y se deshace el cambio) En presencia de perturbaciones como es el caso de interés el análisis de la aparición de errores en régimen permanente, incertidumbre de parámetros, estabilidad, etc.
19
Manolo Berenguel, 2004
Algoritmos de control básicos en plantas solares
12 13 14 15120
140
160
180
200
220
240
260
200
400
600
800
1000
vniv[102] tref tin
Tem
prat
ura
Localtime (h)
Ensayo en simulación (Exp0222.txt, s020222.txt)kpid=0.1, Ti=300 s, Td=5 sTesc=15
qc*100 irrcor
Linealización por realimentación
20
Manolo Berenguel, 2004
Nuevos desarrollos
Control predictivo para sistemas bilineales con incertidumbre
Principales referencias:
- Del Re, L., Chapuis, J. Nevistic, V. Predictive control with embedded feedback linearization for bilinear plants with input constraints. Proc. 32nd Conf. On Decision and Control, pp. 2984-2989,1993.
- Nevistic, V., Primbs, J.A., Model predictive control: breaking through constraints. Proc. 35th Conf. on Decision and Control, pp. 3932-3937, 1996.
- Primbs, J.A., V. Nevistic. MPC extensions to feedback linearizable systems. Proc. ACC, 1997, pp. 2073-2077.
- Kurtz, M.J., M.A. Henson. Feedback linearizing control of discrete-time nonlinear systems with input constraints. Int. J. Control, 1998, vol. 70, n. 4, 603-616.
- Kouvaritakis, B., J.A. Rossiter, J. Schuurmans. Efficient robust predictive control. IEEE Trans. On Automatic Control, vol. 45(8), 2000, pp 1545-1549.
- Cannon, M., B. Kouvaritakis, A.C. Brooms, Y.I. Lee. Efficient nonlinear model predictive control. Proc. ACC, 2000, pp. 255-259.
21
Manolo Berenguel, 2004
Nuevos desarrollos
- Bloemen, H.H.J., T.J.J. Van den Boom, H.B. Verbruggen. An optimization algorithm dedicated to a MPC problem for discrete time bilinear models. Proc. ACC, 2001, pp. 2376-2381.
- Bloemen, H.H.J., M. Cannon, B. Kouvaritakis. Interpolation in MPC for discrete time bilinear systems, Proc. ACC, 2001, pp. 3061-3066.
- Bloemen, H.H.J., M. Cannon, B. Kouvaritakis. An interpolation strategy for discrete-time bilinear MPC problems. IEEE Trans. on Automatic Control, vol. 47(5), 2002, pp. 775-778.
- Bacic, M., M. Cannon, B. Kouvaritakis. Feedback linearization MPC for discrete-time bilinear systems. 15th IFAC World Congress, 2002.
- Bacic, M. Cannon, M. Young, L., B. Kouvaritakis. General interpolation in MPC and its advantages. IEEE Trans. on Automatic Control, vol. 48(6), 2003, pp. 1092-1096.
- M. Bacic, M. Cannon, B. Kouvaritakis. Constrained control of SISO bilinear systems. IEEE Trans. on Automatic Control, vol. 48(8), 2003, pp. 1443-1447.
22
Manolo Berenguel, 2004
Nuevos desarrollos
Esquema de Nevistic y colaboradores: múltiples periodos de muestreo.
Ventajas e inconvenientes:
- Técnicas mucho más eficientes para implementación real que las de NLMPC.
- El uso de técnicas de linealización por realimentación permite formular el problemade control predictivo de forma lineal.
- Restricciones → causa de inestabilidad cuando se usa el mecanismo de linealización por realimentación. MPC las tiene en cuenta, pero al usar FL son dependientes del estado en la señal de control virtual. Bajo saturación la planta controlada por MPC deja de ser lineal.
Planta no lineal (bilineal)
Linealización por realimentaciónMPC
umin
umax
Sistema linealizado por realimentación
r v u y
23
Manolo Berenguel, 2004
Nuevos desarrollos
Líneas abiertas:
1. Mecanismos de transformación de las restricciones reales a restricciones en la señal de control virtual y análisis de posible convexidad.
2. Demostraciones de la estabilidad del bucle cerrado.
3. Inclusión de influencia de perturbaciones medibles e incertidumbre.
(1 y 2) se tratan en Kurtz y Henson, 1998.
24
Manolo Berenguel, 2004
Nuevos desarrollos
)](),([)](),([)](),([)](),([
)ncomposicióoperador )]((),([)(
)1()(
)1(
)(
kukxffkukxfkukxfkukxf
kukxfhjky
jj
j
o
oo
−==
=+
El grado relativo se define formalmente como el menor valor de j tal que:
La realimentación de estados no lineal a través de la cual se consigue realimentación entrada-salida se obtiene de resolver la ecuación algebraica no lineal para u(k), donde v(k) es la nueva entrada virtual.
0)](),([)(
)( ≠∂
∂ kukxfhku
jo
Kurtz y Henson:.0)0()0,0()];([)()];(),([)1( ====+ hfkxhkykukxfkx
El grado relativo (r) caracteriza el retardo efectivo entre la entrada u y la salida y. El valor de la salida en j+k, 1≤j ≤r:
)()](),([)( kvkukxfh r =o
25
Manolo Berenguel, 2004
Nuevos desarrollos
Suposiciones:
- Existe un difeomorfismo global [ξT(k),ηT(k)]=φT[x(k)], φ(0)=0; tal que la realimentación no lineal del estado lleva a
- La solución de es única)()](),([)( kvkukxfh r =o ;0)0,0()];(),([)( =ΨΨ= kvkxku
)()()](),(),([)1(
)()()1(
kCkykvkkqk
kBvkAk
ξηξη
ξξ
==+
+=+
TkNkvkkvkkV
j
T
kkVkjkvkkvskjkrvkjkQkjkk
ukuu
)]|1()...|([)|(
22
0)|(
maxmin
))|1()|1(()|()|()|()(min
)(
−+=
∞
=
−+−++++++=Φ
≤≤
∑ ξξ
26
Manolo Berenguel, 2004
Nuevos desarrollos
Cada muestreo:
uuxfhukjkxfhkjkv
ukjkxfhkjkv
Njkjkvkjkvkjkvkxkxkk
rr
u
r
u
Tr
en monótona es],[]),|([max)|(
]),|([min)|(
10),|()|()|()]]([)]...([[)|(
)()(
max
)(min
maxmin
1
oo
o
+=+
+=+
−≤≤+≤+≤+ΦΦ=ξ
Los futuros estados estimados no se conocen hasta que se resuelve el LMPC y éste a su vez no se puede resolver hasta que se especifiquen las restricciones, lo cual requeriría resolver un problema NLP o iterativo, computacionalmente muy costoso.
Solución aproximada: solucionar NLP en primer muestreo y usar en cada muestreo la secuencia de señales de control virtuales calculadas en el muestreo anterior para evaluar las restricciones de forma muy aproximada.
La factibilidad de las solución se obtiene de forma práctica eliminando sucesivamente las restricciones sobre las variables finales del horizonte.
27
Manolo Berenguel, 2004
Nuevos desarrollos
Kouvaritakis y colaboradores:
Usan el concepto de “closed loop paradigm”, consistente en que las señales de control predichas están centradas en torno a una ley de control por realimentación del estado u=-K(x) que es óptima en el caso sin restricciones, y que se modifica durante ciertos periodos como u=-K(x)+c, donde c se usa para garantizar factibilidad y su norma se va minimizando en sucesivos periodos de muestreo para que sea monótonamente decreciente.
Los trabajos se basan en una interpolación entre linealización por realimentación y realimentación del estado, el primero para proporcionar optimalidad y el segundo para garantizar factibilidad y estabilidad a través del uso de politopos invariantes y factibles.
28
Manolo Berenguel, 2004
Otras aplicaciones: fotobioreactor
t+N2
ŷ(t+N2/t)
t t+1 t+2 ... t+Nu
...
ŷ(t+1/t) ŷ(t+2/t) ŷ(t+Nu/t)...
...
...
...
y(t)
...
...
...
...
...
...
...
û(t/t)=1
û(t/t)=0
û(t+1/t)=0
û(t+Nu-1/t)=0û(t+Nu/t)=0
û(t+1/t)=0û(t+1/t)=1
û(t+1/t)=1
û(t+Nu-1/t)=1
û(t+Nu-1/t)=1
û(t+Nu-1/t)=0
û(t+Nu/t)=1
û(t+Nu/t)=0
û(t+Nu/t)=1
û(t+N2-1/t)=0
û(t+N2-1/t)=1
û(t+N2-1/t)=0
û(t+N2-1/t)=1
...
0 10 20 30 40 50 60 70 80 90 1007
7.2
7.4
7.6
7.8
8
8.2
local time (hours )
pH
Se han utilizado modelos linealizados y ahora se está trabajando con no-lineales (fundamental para perturbaciones)
29
Manolo Berenguel, 2004
Otras aplicaciones: fotobioreactor
Balances de líquido y gas en receptor solar:
TF_1_1 TF_1_2
TF_1 TF_2
satr
st
nn
Is
KCOewsws
wKs
KpH⋅+
+⋅++
⋅⋅+
= −
τδτ 121 222
2
Lineales:
rn21 r
[ ][ ] [ ] kCCk
dtCddt
dpH
TTpWpHpH
T
/))2(3.2()4(3.2)1010(3.2/)2(
2βαβαβα
+−+++⋅+−
= −−
No lineales:
[ ] [ ] [ ] [ ] [ ])*()( 22
*2 22 k
CCOklaRCOCOklaR
dtCd T
COFCOFT −⋅+−=−⋅+−=
Etc.
30
Manolo Berenguel, 2004
Otras aplicaciones: planta de 4 tanques
- Sistema multivariable- Ceros de transmisión en semiplano izquierto- Paso de fase mínima a no-mímima con cambio de posición de válvula de tres vías-Sistema sometido a restricciones de operación- Posibilidad de trabajar con modelos lineales y no-lineales
Planta de Johansson y trabajo basado en los de Camacho y Gabín:
31
Manolo Berenguel, 2004
Otras aplicaciones: planta de 4 tanques
14
114
4
44
23
223
3
33
22
224
2
42
2
22
11
113
1
31
1
11
)1(2
)1(2
22
22
vA
kgh
Aa
dtdh
vA
kgh
Aa
dtdh
vA
kgh
Aa
ghAa
dtdh
vAk
ghAa
ghAa
dtdh
γ
γ
γ
γ
−+−=
−+−=
++−=
++−=
Modelo no-lineal con sección fija: Modelo linealizado con sección fija:
( ) ( )
( ) ( )
( )
( ) )()1(2
)()1(2
)(22
)(22
011
4
10440
44
44
022
3
20330
33
33
022
2
20440
42
40220
22
22
011
1
10330
31
30110
11
11
vvA
hhhg
Aa
dtdh
vvA
hhhg
Aa
dtdh
vvA
hhhg
Aahh
hg
Aa
dtdh
vvA
hhhg
Aahh
hg
Aa
dtdh
−−+−−=
−−+−−=
−+−+−−=
−+−+−−=
γ
γ
γ
γ
Modelo no-lineal con sección cónica:
+++−
++−
+=
1)1)(1()1(
)1)(1()1(
1)(
2
22
24
21
13
12
1
11
sTc
sTsTc
sTsTc
sTc
sG γγ
γγ
24
14
23
444
23
23
23
333
22
22
21
42
242
3
222
21
11
21
32
132
3
111
hvh
dtdh
hvh
dtdh
hvhhh
dtdh
hvhhh
dtdh
βα
βα
βαα
βαα
+−=
+−=
++=
++=
−
−
−−
−−
32
Manolo Berenguel, 2004
Otras aplicaciones: planta de 4 tanques
Ejemplo de simulación de control predictivo adaptativo usando modelos linealizados y con cambio de posición de válvula de tres vías durante ensayo (paso de fase no mínima a fase mínima)