Identification and predictive control

Fil: Bustos, Germán Andrés. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.El control predictivo basado en modelos (MPC) se ha convertido en una técnica de control muy utilizada en la actualidad gracias a su capacidad de manejar sistemas multivariables (MIMO) y restricciones. Esta técnica hace uso de modelos del sistema que se desea controlar, por lo que el desempeño del controlador depende en gran medida de la precisión del mismo. Dentro del área de control de procesos, la parte que se dedica a proponer métodos para la obtención de modelos se denomina, en general, identificación de sistemas. En el marco concreto de MPC, la identificación de sistemas tiene una significación especial: por un lado, como se dijo, es imperioso tener modelos precisos y actualizados porque la técnica de control basa su desempeño en la precisión de éstos; por el otro, los procesos usualmente controlados mediante MPC no pueden ser identificados cada vez que se desea contar con un nuevo modelo. Una técnica de identificación - independiente del sistema de control a utilizar - que ha demostrado ser una alternativa eficiente comparada con métodos de identificación clásicos, como el método de error de predicción (PEM), es el método de identificación por subespacios (SID). Dicha técnica aparece como promisoria en el marco de MPC, dado que permite obtener modelos en espacio de estado, multivariables, de un modo sencillo y directo. Por esta razón, el objetivo de esta Tesis es el estudio y desarrollo de métodos de identificación que den respuestas a los problemas típicos de la implementación de MPC.Model-based predictive control (MPC) has become a technique control widely used today because of its ability to handle multivariable systems (MIMO) and restrictions. This technique makes use of models of the system to be controlled, so that the controller performance depends heavily on the accuracy of it. In the area of process control, the part that is dedicated to proposing methods for obtaining models is called, in general, system identification. In the specific framework of MPC, system identifacation has a special significance: on the one hand, as said, it is imperative to have accurate and updated models because the control technique bases its performance on the precision of these; on the other, the processes usually controlled by MPC can not be identified each time a new model is desired. An identification technique - independent of the control system to be used - that has proven to be an efficient alternative compared to classical identification methods, such as the prediction error method (PEM), is the subspace identification method (SID). This technique appears as promising in the framework of MPC, since it allows obtaining models in state space, multivariables, in a simple and direct way. For this reason, the objective of this Thesis is the study and development of identification methods that give answers to the typical problems of the implementation of MPC.Consejo Nacional de Investigaciones Científicas y Técnica