Controle preditivo robusto baseado em desigualdades matriciais lineares aplicado a um sistema de tanques acoplados

Este trabalho tem como objetivo desenvolver uma estratégia de controle on-line baseado no Controlador Preditivo Robusto (RMPC, acrônimo do inglês Robust Model Predictive Control) aplicado a um sistema real de tanques acoplados. Este processo consiste em sistema de dois tanques conectados, cujo liquido é enviado aos mesmos por uma bomba. O objetivo do controle (problema regulatório) é deixar os níveis dos tanques no ponto de operação considerado, mesmo na presença de perturbações. A síntese da técnica RMPC consiste em incorporar de forma explicita as incertezas da planta na formulação do problema. O objetivo do projeto, a cada período de amostragem, é encontrar uma realimentação de estados que minimiza o pior caso de uma função objetivo com horizonte infinito, sujeita a restrições no sinal de controle. O problema original, do tipo Min-max, é reduzido em a problema de otimização convexa expresso em desigualdades matriciais lineares (LMI, Linear Matriz Inequalities). Mostram-se, neste trabalho, a descrição da incerteza da planta na forma politópica e as condições de factibilidade do problema de otimização. A implementação do algoritmo RMPC foi feita utilizando o software Scilab e a sua comunicação com o sistema de tanques acoplados foi feita através do protocolo OPC (do inglês OLE for Process Control)This work deals with an on-line control strategy based on Robust Model Predictive Control (RMPC) technique applied in a real coupled tanks system. This process consists of two coupled tanks and a pump to feed the liquid to the system. The control objective (regulator problem) is to keep the tanks levels in the considered operation point even in the presence of disturbance. The RMPC is a technique that allows explicit incorporation of the plant uncertainty in the problem formulation. The goal is to design, at each time step, a state-feedback control law that minimizes a 'worst-case' infinite horizon objective function, subject to constraint in the control. The existence of a feedback control law satisfying the input constraints is reduced to a convex optimization over linear matrix inequalities (LMIs) problem. It is shown in this work that for the plant uncertainty described by the polytope, the feasible receding horizon state feedback control design is robustly stabilizing. The software implementation of the RMPC is made using Scilab, and its communication with Coupled Tanks Systems is done through the OLE for Process Control (OPC) industrial protoco