Control predictivo no lineal robusto basado en técnicas intervalares

Resumo

Esta tesis tiene como objetivo desarrollar nuevos algoritmos de control predictivo basado en modelos no lineales, centrándose en los aspectos de estabilidad y robustez. Para ello se han propuesto una serie de metodologías que permiten el diseño integral de controladores predictivos que tienen en cuenta explícitamente la incertidumbre. En la concepción de estas nuevas técnicas se ha utilizado como base la aritmética intervalar. Dicha aritmética es una extensión de la aritmética real donde los números reales se sustituyen por intervalos cerrados de números reales. Esta potente herramienta ha permitido desarrollar nuevas estrategias para incorporar explícitamente la incertidumbre en los procesos de identificación del modelo de perdición, estimación de estado actual y formulación del controlador predictivo. El primer capítulo presenta el control predictivo, enumera los distintos objetivos de la presente tesis y proporciona una pequeña introducción a la aritmética intervalar. El capítulo dos propone un nuevo método de identificación paramétrica de modelos. Teniendo en cuenta que se asume que los parámetros del modelo pueden variar con el tiempo, el objetivo es proporcionar un conjunto de parámetros consistente con los datos de entrada-salida y la cota de error considerada. Este nuevo método de identificación está enmarcado dentro del paradigma de la identificación garantista, por lo que se trabaja con la hipótesis previa de que las medidas contienen un error acotado y la cota de variación de los parámetros también está acotada. El capítulo tres presenta un nuevo algoritmo que permite calcular conjuntos invariantes positivos o de control. La determinación de estos conjuntos es importante para el análisis de sistemas sujetos a restricciones y para el diseño de controladores predictivos estabilizantes. Se proponen conjuntos definidos mediante listas de cajas, que permiten representar conjuntos complejos, o bien me