Facultad Regional San Francisco

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/109

Browse

Author: search.filters.author.Morato, Marcelo M.Subject: search.filters.subject.CSTR

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    A qLPV Nonlinear Model Predictive Control with Moving Horizon Estimation
    (2021-10-15) Morato, Marcelo M.; Bernardi, Emanuel; Stojanović, Vladimir
    This paper presents a Model Predictive Control (MPC) algorithm for Nonlinear systems represented through quasiLinear Parameter Varying (qLPV) embeddings. Input-to-state stability is ensured through parameter-dependent terminal ingredients, computed offline via Linear Matrix Inequalities. The online operation comprises three consecutive Quadratic Programs (QPs) and, thus, is computationally efficient and able to run in real-time for a variety of applications. These QPs stand for the control optimization (MPC) and a Moving-Horizon Estimation (MHE) scheme that predicts the behaviour of the scheduling parameters along the future horizon. The method is practical and simple to implement. Its effectiveness is assessed through a benchmark example (a CSTR system).
  • Thumbnail Image
    Item
    Formulación de un LPV-MPC Adaptativo para Procesos Industriales No Lineales.
    (2020-10-28) Pipino, Hugo; Bernardi, Emanuel; Morato, Marcelo M.; Cappelletti, Carlos Alberto; Adam, Eduardo J.; Normey-Rico, Julio E.
    En general los procesos de la industria química son no lineales, lo que hace que los algoritmos convencionales de control predictivo lineal resulten no factibles. Por lo tanto, este artículo investiga una formulación de Control Predictivo basado en Modelos (MPC) para procesos no lineales representados a través de modelos Lineales de Parámetros Variables (LPV). El método propuesto se formula como un MPC adaptativo basado en la solución de dos problemas consecutivos de Programación Cuadrática (QP), resueltos en cada instante de muestreo. El primer QP tiene un horizonte hacia atrás y estima una variable de ajuste asociada al proceso, que se utiliza para determinar el mejor modelo lineal de predicción. El segundo QP utiliza este modelo para optimizar el desempeño a lo largo del horizonte futuro. El método propuesto se aplica a un sistema Reactor Continuo de Tanque Agitado (CSTR). Las discusiones se constituyen en torno al procedimiento de diseño a-priori, el esfuerzo computacional en línea y las dificultades de su aplicación.