Strategies with guarantee of stability for the integration of model predictive control and real time optimization

O propósito desta Tese é desenvolver controladores preditivos (MPC) com garantia de estabilidade e que são parte de uma estrutura onde a otimização em tempo real (RTO) produz targets otimizantes para o controlador preditivo. As aproximações de duas e três camadas foram consideradas. Três diferentes estratégias são apresentadas: A primeira estratégia é desenvolvida para sistemas com pólos integradores; esta consiste em um algoritmo MPC de horizonte infinito em duas versões estendidas. Este controlador é formulado para implementação em uma estrutura de duas camadas. Os resultados de simulação em um sistema linear com modos estáveis e integradores mostram a capacidade do controlador MPC para seguir targets nas entradas vindos da camada RTO mesmo quando há targets para sistemas integradores. Como segunda estratégia, foi desenvolvido um algoritmo que garante estabilidade nominal do controlador MPC quando este interage com a camada intermediária da estrutura em três camadas. Além da versão nominal, é desenvolvida uma extensão deste controlador para sistemas com incerteza, o controlador resultante tem estabilidade robusta. Esta aproximação é testada com um sistema linear e um sistema não linear. Para o sistema não-linear, que é um processo industrial, é simulada a estrutura completa incluindo a RTO com o algoritmo robusto. Os resultados mostram que a estrutura é capaz de seguir mudanças nos targets quando os distúrbios afetam o processo. Finalmente, a última estratégia proposta nesta Tese consiste na inclusão de uma função convexa no controlador MPC para seguir os targets. O gradiente desta função convexa é considerada num termo quadrático na função objetivo do controlador MPC. Este controlador é simulado com um sistema linear e um sistema não linear. Com o objetivo de desenvolver uma versão robusta, o MPC com gradiente foi estendido ao caso de sistemas com incertezas. Para todas as estratégias apresentadas em esta Tese, foram formulados teoremas que garantem a viabilidade recursiva e a convergência do sistema em malha fechada.The aim of this Thesis is the development of predictive controllers (MPC) with guarantee of stability and that are part of a control structure where Real Time Optimization (RTO) is present and produces optimizing targets for the predictive controller. The approaches of two and three-layer are considered. Three different strategies are presented: the first strategy is developed for integrating systems; it consists on an infinite horizon MPC algorithm in two extended versions. This controller is designed to be implemented in the two-layer structure. Simulation results in a linear system with integrating and stable modes show the ability of the MPC controller to follow input targets from the RTO layer even when there are targets for integrating systems. As a second strategy, it is developed an algorithm that guarantees nominal stability of the MPC controller when it interacts with the intermediary layer of the three-layer structure. In order to produce a robust structure, an extension to uncertain systems is also developed. This approach is tested with both a linear and a nonlinear system. For the nonlinear system, which is an industrial process, the full structure that includes the RTO with the robust algorithm is simulated. Results show that the structure is capable to follow target changes when disturbances affect the process. Finally, the last strategy proposed in this Thesis consists on the inclusion of a convex function in the MPC controller to follow the RTO targets. The gradient of this convex function is considered in a quadratic term in the objective function of the MPC controller. This controller is also simulated with both a linear system and a nonlinear system. For the MPC with gradient, an extension to the case of uncertain systems is developed in order to provide a more robust controller. For the strategies developed in this Thesis, theorems that guarantee the recursive feasibility and the convergence of the closed-loop system are provided