control modelo de referencia y linealizacion po realimentacion
TRANSCRIPT
![Page 1: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/1.jpg)
Control por modelo de referencia
vs Control basado en linealización
por realimentación
![Page 2: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/2.jpg)
Control por modelo de referencia
Contro-lador Planta
Modelo deplanta Error del
modelo
Error del controlador
Salida de laplanta
Modelo de referencia
Con-trol
Entrada
)(
)(
)(
)1(
)1()( t
tu
tu
ty
ty
J
t
J
cc θθ ∂∂
∂+∂
+∂∂=
∂∂
[ ]2)1()1(2
1 +−+= tytyJ r
)(
)1(
)1()( t
ty
ty
J
t
J
pp θθ ∂+∂
+∂∂=
∂∂
![Page 3: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/3.jpg)
• Se necesitan dos núcleos estimadores (Redes Neuronales, Sistemas borrosos, etc.)
• Primero: Se obtiene modelo de la planta Número de salidas de la planta retrasadas Número de salidas del controlador retrasadas
• Segundo: Se adapta el controlador Número de salidas de la planta retrasadas Número de salidas del controlador retrasadas (si procede) Número de referencias retrasadas
+−+−=+ pθ),1(),...,();1(),...,()1( nBtutunAtytyfty
Características
−−+−+−= cθ);(),...,1();1(),...,();1(),...,()( nBtutunRtrytrynAtytyftu
( ))1(),...,();1(),...,()1( +−+−=+ nBtutunAtytyfty
![Page 4: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/4.jpg)
Arquitectura del CMR
Controlador Modelo de
la planta
Planta Referencia
![Page 5: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/5.jpg)
Control de un eslabón
Edit-Look under mask
Demo: mrefrobotarm.mdl
![Page 6: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/6.jpg)
Planta
Controlador Modelo de la planta
Planta
+−+−=+ pθ),1(),...,();1(),...,()1( nBtutunAtytyfty
![Page 7: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/7.jpg)
Controlador
Controlador Modelo de la planta
Retrasos
Planta
−−+−+−= cθ);(),...,1();1(),...,();1(),...,()( nBtutunRtrytrynAtytyftu
( ))1(),...,();1(),...,()1( +−+−=+ nBtutunAtytyfty
![Page 8: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/8.jpg)
• Definir la matriz de datos de entrada-salida
• Condiciones iniciales de los parámetros a adaptar
• Desde época=1 hasta error_deseadoAplicar estimador no linealAdaptar parámetros
• Fin
Algoritmo general de adaptación paramétrica
![Page 9: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/9.jpg)
Algoritmo aplicado a la planta (I)
• Definir matriz de datos de entrada-salida
+−+−=+ pθ),1(),...,();1(),...,()1( nBtutunAtytyfty
( )
++−+−
++−+−
KtynBtutunAtyty
tynBtutunAtyty
)1(;)1(),...,();1(),...,(...
)1(;)1(),...,();1(),...,( Planta
Modelo
![Page 10: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/10.jpg)
Algoritmo aplicado a la planta (II)
Aplicar núcleo estimador
∑... Cuerp
o Celula
rParámetros(sinapsis)
x0
x1
xn
wi0
wi1
win
f(•)
Entradas(dendritas)
∏ 1Fiµ ∏ 2
Fiµ ∏ MFiµ
11Fµ
12Fµ 1
3Fµ
1Fnµ 2
1Fµ
22Fµ
23Fµ
2Fnµ M
F1µ
MF 2µ
MF3µ M
Fnµ
1x 2x 3x nx
Regla 1Regla 2
Regla M1y 2y
My
∑∏∑ ∏
l
llyCapa de Salida
Capa deEntrada
Capa Oculta
Sistemas Borrosos
Red Neuronal
![Page 11: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/11.jpg)
Algoritmo aplicado a la planta (III)
[ ]2)1()1(2
1 +−+= tytyJ
Adaptar los parámetros (Sistemas Borrosos)
)(
)1(
)1()( t
ty
ty
J
t
J
pp θθ ∂+∂
+∂∂=
∂∂
)(
)()()1(
k
kJkk
ppp θθθ
∂∂
−=+ η
∑ ∏
∑ ∏
==
==
−
−
=+M
l
n
ili
lii
M
l
n
ili
liil
xe
xey
ty
11
11
]-xp[
]-xp[
)1(
βγ
βγ
![Page 12: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/12.jpg)
Algoritmo aplicado al controlador (I)
• Definir la matriz de datos de entrada-salida
• Sustitución por valores estimados (aplicar gradiente)
−−+−+−= cθ);(),...,1();1(),...,();1(),...,()( nBtutunRtrytrynAtytyftu
( ))1(),...,();1(),...,()1( +−+−=+ nBtutunAtytyfty
++−+−
++−+−
KtrynBtutunAtyty
trynBtutunAtyty
)1(;)1(),...,();1(),...,(
.
.
.)1(;)1(),...,();1(),...,(
![Page 13: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/13.jpg)
Algoritmo aplicado al controlador (II)
Adaptar los parámetros (Sistemas Borrosos) [ ]2)1()1(
2
1 +−+= tytyJ r
)(
)()()1(
k
kJkk
ccc θθθ
∂∂−=+ η
∑ ∏
∑ ∏
==
==
−
−
=+M
l
n
ili
lii
M
l
n
ili
liil
xe
xey
ty
11
11
]-xp[
]-xp[
)1(
βγ
βγ
)(
)(
)(
)1(
)1()( t
tu
tu
ty
ty
J
t
J
cc θθ ∂∂
∂+∂
+∂∂=
∂∂
![Page 14: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/14.jpg)
Resumen de diferencias entre modelo de la planta y controlador (I)
• Datos de entrada-salida (planta) Salidas de la planta retrasadas Salidas del controlador retrasadas Salida de la planta
• Datos de entrada-salida (controlador) Salidas de la planta retrasadas Salidas del controlador retrasadas Salidas de referencia retrasadas Salida de la referencia
( )
++−+−
++−+−
KtynBtutunAtyty
tynBtutunAtyty
)1(;)1(),...,();1(),...,(...
)1(;)1(),...,();1(),...,(
++−+−
++−+−
KtrynBtutunAtyty
trynBtutunAtyty
)1(;)1(),...,();1(),...,(
.
.
.)1(;)1(),...,();1(),...,(
![Page 15: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/15.jpg)
Resumen de diferencias entre modelo de la planta y controlador (II)
• Estimador no lineal (planta)
• Estimador no lineal (controlador)
+−+−=+ pθ),1(),...,();1(),...,()1( nBtutunAtytyfty
)(
)()()1(
k
kJkk
ppp θθθ
∂∂−=+ η
)(
)(
)(
)1(
)1()( t
tu
tu
ty
ty
J
t
J
cc θθ ∂∂
∂+∂
+∂∂=
∂∂
−−+−+−= cθ);(),...,1();1(),...,();1(),...,()( nBtutunRtrytrynAtytyftu
( ))1(),...,();1(),...,()1( +−+−=+ nBtutunAtytyfty
![Page 16: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/16.jpg)
• Red resultante (planta)
• Red resultante (controlador)
Resumen de diferencias entre modelo de la planta y controlador (III)
+−+−=+ pθ),1(),...,();1(),...,()1( nBtutunAtytyfty
−−+−+−= cθ);(),...,1();1(),...,();1(),...,()( nBtutunRtrytrynAtytyftu
![Page 17: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/17.jpg)
CMR utilizando MATLAB
![Page 18: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/18.jpg)
CMR utilizando MATLAB (I)
Tipo de red y datos de entrada-salida
al controlador
Generación de matriz para modelo de la planta
Parámetros para obtención del modelo
de la planta
![Page 19: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/19.jpg)
CMR utilizando MATLAB(II)
Entradas Capa_1 Capa_2 Capa_3
Entradas referencia
Entradas controlador
Entradas planta
Red5-13-1
![Page 20: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/20.jpg)
CMR utilizando MATLAB(III)Generador aleatorio de referencia:
Entrada aleatoria con intervalos de muestreo aleatorio al modelo de referencia:
Amplitud máximaAmplitud mínimaPeríodo de muestreo mínimoPeríodo de muestreo máximoNúmero de muestras
Modelo de referencia (Simulink)
Robotref.mdl
![Page 21: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/21.jpg)
CMR utilizando MATLAB(IV) Número de épocas para
cada segmento
Número de segmentos
Si se selecciona, se agregan nuevos segmentos
Abre cuadro de diálogo de identif icación de la planta
++−+−
++−+−
KtrynBtutunAtyty
trynBtutunAtyty
)1(;)1(),...,();1(),...,(
.
.
.)1(;)1(),...,();1(),...,(
![Page 22: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/22.jpg)
Cuadro de diálogo para identificación de la planta
Robotarm.mdl
![Page 23: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/23.jpg)
Pasos para diseñar el CMR(I)
Definir el número de neuronas de la capa oculta (controlador)Definir los datos de entrada salida al controladorDefinir el generador aleatorio referido al modelo de referenciaGenerar datos basado en el modelo de referenciaDefinir los parámetros de adaptación del controlador
![Page 24: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/24.jpg)
• Obtener el modelo de la planta
• O importar un modelo ya creado
Pasos para diseñar el CMR(II)
![Page 25: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/25.jpg)
Pasos para diseñar el CMR(III)
Evaluar el resultado del modelo de la planta
![Page 26: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/26.jpg)
• Obtener datos de entrada-salida para red neuronal (control)
Pasos para diseñar el CMR(IV)
![Page 27: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/27.jpg)
• Entrenar el controlador
Pasos para diseñar el CMR(V)
•Evaluar el resultado
![Page 28: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/28.jpg)
CMR multivariable
[ ]τ [ ]θ
nτ
ττ
.2
1
nθ
θθ
.2
1
![Page 29: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/29.jpg)
Elementos a alterar
• Número de variables de salida y control retrasadas (modelo de control)
• Modelo simulink de la planta
• Número de variables de salida y control retrasadas (modelo de la planta)
• Entrenar planta y controlador (desacoplado en cada articulación)
CMR multivariable (II)
![Page 30: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/30.jpg)
Controlador PID Multivariable
![Page 31: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/31.jpg)
Control basado en la linealización por realimentación
u(t)
y(t+1)
e(t+1)
+
-
Planta
∆ ∆
G(X)
F(X)
)()()()1( tuXGXFty +=+[ ])()....1( ),1(. . . . )( nBdtudtunAtytyX −−−−+−=
![Page 32: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/32.jpg)
Datos de entrada-salida
)()()()1(
)()....1(),1()(
)()....1(),1()(
tuGFty
nBdtudtunAtyty
nBdtudtunAtyty
−−−−+−−−−−+− +=+
. . . .
. . . .
[ ])()....1(),1()( nBdtudtunAtytyX −−−−+−= . . . .
Siendo: d: Retardo de la señal de controlnA: Cantidad de valores retrasados de la salida de la plantanB: Cantidad de valores retrasados de la salida del controlador
Argumento de funciones F y G:
El modelo de la planta responde a:
1
3
2
2
1
)()(
.
.
.
. xy
uXbXf
x
x
x
x
x
dt
d
n
=
+
=
;
![Page 33: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/33.jpg)
Las dos redes de identificación
)()()()1( tuXGXFty +=+
Si se pueden estimar los valores de F y G, entonces:
u(t)
y(t+1)
e(t+1)
+
-
Planta
∆ ∆
)1( +ty
)(XF
)(XG
)()()()1( tuXGXFty +=+
Se necesitan dos redes de identif icación
![Page 34: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/34.jpg)
Ley de control
Si se define la ley de control
( )vXFXG
tu +−= )()(
1)(
Siendo v el modelo de referencia que se pretende seguir, entonces sustituyendo en:
)()()()1( tuXGXFty +=+
Resulta:
( )
+−+=+ vXF
XGXGXFty )(
)(
1)()()1(
Con lo que se cancelan las no linealidades de F y G:
)()( XGXG
≡
)()( XFXF
≡
vty =+ )1( Se sigue el modelo de referencia
![Page 35: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/35.jpg)
Diagrama equivalente
y(t+1)u(t)F(X)+G(X)u(t)
∆
∆
v(t+1)
)(
1^XG
)1()(^
++− tvXF
( )
+−+=+ vXF
XGXGXFty )(
)(
1)()()1(
Cancelación de no linealidades
![Page 36: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/36.jpg)
• Para estimar las funciones F y G
• Se debe conocer los parámetros de cada una de los dos núcleos estimadores
• Se define la función de coste:
Parámetros a adaptar
)()()()1( tuXGXFty +=+
)(),(),()1( tuXGXFty gθfθ +=+
( ) 2)1()1(2
1 +−+= tytyJ
![Page 37: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/37.jpg)
Aplicación del gradiente
• Se aplica el gradiente, los parámetros se adaptan según:
• Dado que
• Resulta
)(
)1())1()1(()()1(
k
tytytykk
fff θ
θθ∂
+∂+−+−=+
η
)(
)1())1()1(()()1(
k
tytytykk
gg θ
θθg∂
+∂+−+−=+
η
),( fθXF
),( gθXG
)(),(),()1( tuXGXFty gθfθ +=+
)()(
)1( ),(tu
k
ty XG
gθgθ
gθ ∂
∂=
∂+∂
fθfθ
fθ ∂
∂=
∂+∂ ),(
)(
)1( XF
k
ty
![Page 38: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/38.jpg)
• Condiciones iniciales de los parámetros• Desde época=1 hasta error_deseado
Evaluar modelo
Calcular el errorAdaptar parámetros
• Fin
Algoritmo de obtención de F y G
)()()()1( tuXGXFty +=+
)(
)1())1()1(()()1(
k
tytytykk
fff θ
θθ∂
+∂+−+−=+
η
)(
)1())1()1(()()1(
k
tytytykk
gg θ
θθg∂
+∂+−+−=+
η
![Page 39: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/39.jpg)
• Se utilizan redes neuronales (perceptrón multicapa)
• Se ejecuta: mrefrobotarm
Utilización de MATLAB (I)
Se sustituye el controlador por modelo de referencia
![Page 40: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/40.jpg)
Utilización de MATLAB (II)
• Se ejecuta en el espacio de trabajo:
• Simulink - Neural Network Workset
• Se copia bloque Narma-L2 Controller
![Page 41: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/41.jpg)
• Se integra el controlador
Utilización de MATLAB (III)
![Page 42: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/42.jpg)
Se definen parámetros de identificación de la planta (F y G)
Robobarm.mdl
![Page 43: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/43.jpg)
Entrada-salida, en respuesta a generador aleatorio
Se generan los datos para el entrenamiento
![Page 44: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/44.jpg)
Se procede a obtener el modelo
![Page 45: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/45.jpg)
Se procede a la simulación
![Page 46: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/46.jpg)
El control multivariable (I)
El caso simple:
El objetivo es:
siendo v(t+1) el modelo de referencia que se pretende seguir
El modelo responde entonces:
de lo que resulta la ley de control:
)()()()1( tuXGXFty +=+
)1()1( +=+ tvty
)()()()1( tuXGXFtv +=+
( ))1()()(
1
)(
)()1()( ++−=−+= tvXF
XGXG
XFtvtu
![Page 47: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/47.jpg)
• Caso general:
• Siendo: n = Número de variables articularesy(t+1) =Variables articulares (ángulo de las articulaciones)u(t) =Par aplicado a cada articulación
• Serán necesarias: n+n*n redes de identificación
)()(...)(2)()(1)()()1(..
)()(2...)(2)(2)(1)(2)(2)1(2
)()(1...)(2)(1)(1)(1)(1)1(1
tnuXnZtuXnHtuXnGXnFtny
tnuXZtuXHtuXGXFty
tnuXZtuXHtuXGXFty
++++=+
++++=+++++=+
El control multivariable (II)
![Page 48: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/48.jpg)
• En caso de dos articulaciones
• Se sustituye la salida por el modelo de referencia
El control multivariable (III)
)(2)(2)(1)(2)(2)1(2
)(2)(1)(1)(1)(1)1(1tuXHtuXGXFty
tuXHtuXGXFty
++=+++=+
)(1
)(1
ttu θ=
)(2
)(2
ttu θ=
)1()1(1
+=+ txty
)1()1(2
+=+ tyty
)(2)(2)(1)(2)(2)1(2
)(2)(1)(1)(1)(1)1(1tuXHtuXGXFtv
tuXHtuXGXFtv
++=+++=+
![Page 49: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/49.jpg)
• Como son dos ecuaciones con dos incógnitas, tiene solución:
• Al sustituirlo en:
• Resulta:
El control multivariable (IV)
( ) ( ))()()()(
)()1()()()1()()(
1212
2211121
xxxx
xxxx
HGGH
FtvHFtvHtu
−−+−−+=
( ) ( ))()()()(
)()1()()()1()()(
1212
1122212
xxxx
xxxx
HGGH
FtvGFtvGtu
−−+−−+
=
)(2)(2)(1)(2)(2)1(2
)(2)(1)(1)(1)(1)1(1tuXHtuXGXFty
tuXHtuXGXFty
++=+++=+
)1(2)1(2
)1(1)1(1+=+
+=+tvty
tvty
![Page 50: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/50.jpg)
• El algoritmo se reelabora:Evaluar modelo
Adaptar los parámetros
El control multivariable (V)
)(2)(2)(1)(2)(2)1(2
)(2)(1)(1)(1)(1)1(1
tuXHtuXGXFty
tuXHtuXGXFty
++=+
++=+
)(
)1())1()1(()()1(
k
tytytykk
fff θθθ
∂+∂+−+−=+
η
)(
)1())1()1(()()1(
k
tytytykk
gg θθθg
∂+∂+−+−=+
η
)(
)1())1()1(()()1(
k
tytytykk
ghh θθθ
∂+∂
+−+−=+
η
Seis redes de estimación
![Page 51: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/51.jpg)
El control multivariable (VI)
![Page 52: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/52.jpg)
El control multivariable (VII)
![Page 53: Control Modelo de Referencia y Linealizacion po Realimentacion](https://reader034.vdocuments.pub/reader034/viewer/2022042607/55aec0391a28ab584d8b465c/html5/thumbnails/53.jpg)
El control multivariable (VIII)
0 20 40 60 80 100-1
-0.5
0
0.5
1
X Axis
Y A
xis
Ángulo1
0 20 40 60 80 100-2
-1.5
-1
-0.5
0
0.5
1
X Axis
Y A
xis
Ángulo2