Identificação do controlador ótimo para rejeição a perturbação

Abstract

No projeto de sistemas de controle, uma característica usualmente buscada no sistema em malha fechada diz respeito à capacidade de seguimento de referência com erro nulo em regime permanente. No contexto de controle baseado em dados, por sua vez, não é diferente, sendo a literatura voltada ao problema do seguimento de referência muito mais explorada do que o problema da rejeição a distúrbios na entrada do sistema. Levando em consideração que em inúmeras aplicações industriais o problema da rejeição a perturba- ção é tão ou mais relevante que o problema de seguimento de referência, este trabalho apresenta um novo método direto de controle baseado em dados dedicado ao problema da rejeição a perturbação. Inspirado pela solução trazida pelo método Optimal Controller Identification (OCI), que permite a identificação dos parâmetros do controlador para o caso do seguimento de referência, o método aqui estruturado também utiliza uma abordagem por erro de predição, que visa proporcionar propriedades estatísticas mais vantajosas se comparadas a outros métodos encontrados na literatura quando os dados utilizados são afetados por ruído. Devido à complexidade da função objetivo estruturada pelo problema, um algoritmo de otimização dedicado também é desenvolvido permitindo a identificação do modelo de referência simultaneamente à identificação dos parâmetros do controlador. Através de exemplos de aplicação, os resultados do método aqui denominado Optimal Controller Identification for Disturbance rejection (OCI-D) mostram que as propriedades estatísticas obtidas de fato são melhores que as presentes em métodos que utilizam mínimos quadrados e variável instrumental para a solução do problema de otimização.

Regarding control systems design, a behavior usually desired in the closed-loop system is related to reference tracking without steady-state error. This also stands in the subject of data-driven control, being the literature on the field of reference tracking way richer than the load disturbance rejection problem, for instance. Considering that in several industrial applications the disturbance rejection is even more relevant than reference tracking, this work presents a new direct data-driven control method for the load disturbance problem. Inspired on the solution given by the method Optimal Controller Identification (OCI), which allows the identification of the controller parameters for the reference tracking problem, the method developed in this work consists of embedding the controller’s design under a prediction error approach, aiming to enhance the statistical properties of the obtained estimates if compared to other methods available in the literature when the system is affected by noise. Due to the complexity of the proposed approach, a dedicated iterative optimization algorithm is developed to properly solve the problem, allowing the identification of the reference model along with the controller parameters. The results of the method named Optimal Controller Identification for Disturbance rejection (OCI-D) are then explored through simulation examples, where the enhancement obtained in the statistical properties through the proposed methodology is compared to least-squares and instrumental variables solutions.