El control adaptativo es el método de control utilizado por un controlador que debe adaptarse a un sistema controlado con parámetros que varían o son inicialmente inciertos. [1] [2] Por ejemplo, a medida que un avión vuela, su masa disminuirá lentamente como resultado del consumo de combustible; se necesita una ley de control que se adapte a tales condiciones cambiantes. El control adaptativo se diferencia del control robusto en que no necesita información a priori sobre los límites de estos parámetros inciertos o variables en el tiempo; el control robusto garantiza que si los cambios están dentro de los límites dados, no es necesario cambiar la ley de control, mientras que el control adaptativo se ocupa de que la ley de control cambie por sí misma.
Estimación de parámetros
La base del control adaptativo es la estimación de parámetros , que es una rama de la identificación de sistemas . Los métodos comunes de estimación incluyen los mínimos cuadrados recursivos y el descenso de gradiente . Ambos métodos proporcionan leyes de actualización que se utilizan para modificar las estimaciones en tiempo real (es decir, mientras el sistema opera). La estabilidad de Lyapunov se utiliza para derivar estas leyes de actualización y mostrar criterios de convergencia (típicamente excitación persistente; la relajación de esta condición se estudia en el control adaptativo de aprendizaje concurrente). La proyección y la normalización se utilizan comúnmente para mejorar la robustez de los algoritmos de estimación.
Clasificación de las técnicas de control adaptativo
En general, se debe distinguir entre:
Control adaptativo de avance
Control adaptativo de retroalimentación
así como entre
Métodos directos
Métodos indirectos
Métodos híbridos
Los métodos directos son aquellos en los que los parámetros estimados son los que se utilizan directamente en el controlador adaptativo. Por el contrario, los métodos indirectos son aquellos en los que los parámetros estimados se utilizan para calcular los parámetros requeridos del controlador. [3] Los métodos híbridos se basan tanto en la estimación de parámetros como en la modificación directa de la ley de control.
MRACMIAC
Existen varias categorías amplias de control adaptativo por retroalimentación (la clasificación puede variar):
Controladores adaptativos de referencia de modelo (MRAC): incorporan un modelo de referencia que define el rendimiento de circuito cerrado deseado
Optimización de gradiente de MRAC: utilice una regla local para ajustar los parámetros cuando el rendimiento difiere de la referencia. Por ejemplo: "regla MIT".
MRAC de estabilidad optimizada
Controladores adaptativos de identificación de modelos (MIAC): realizan la identificación del sistema mientras el sistema está en funcionamiento
Controladores adaptativos cautelosos: utilizan la SI actual para modificar la ley de control, lo que permite la incertidumbre de la SI
Controladores adaptativos de certeza equivalente: toman el SI actual como el sistema verdadero y no asumen ninguna incertidumbre
Controladores adaptativos no paramétricos
Controladores adaptativos paramétricos
Controladores adaptativos de parámetros explícitos
Controladores adaptativos de parámetros implícitos
Modelos múltiples : se utiliza una gran cantidad de modelos, que se distribuyen en la región de incertidumbre y se basan en las respuestas de la planta y los modelos. Se elige un modelo en cada instante, que sea el más cercano a la planta según alguna métrica. [4]
Control adaptativo con múltiples modelos
También se pueden introducir algunos temas especiales en control adaptativo:
Control adaptativo basado en identificación de procesos en tiempo discreto
Control adaptativo basado en la técnica de control de referencia del modelo [5]
Control adaptativo basado en modelos de procesos de tiempo continuo
Control adaptativo de procesos multivariables [6]
Control adaptativo de procesos no lineales
Control adaptativo de aprendizaje concurrente, que relaja la condición de excitación persistente para la convergencia de parámetros para una clase de sistemas [7] [8]
En los últimos tiempos, el control adaptativo se ha fusionado con técnicas inteligentes como las redes difusas y neuronales para dar lugar a nuevos conceptos como el control adaptativo difuso.
Aplicaciones
Al diseñar sistemas de control adaptativo, es necesario tener en cuenta especialmente los problemas de convergencia y robustez . La estabilidad de Lyapunov se utiliza normalmente para derivar leyes de adaptación del control y demostrar .
Autoajuste de controladores lineales fijados posteriormente durante la fase de implementación para un punto de operación;
Autoajuste de controladores robustos fijados posteriormente durante la fase de implementación para toda la gama de puntos operativos;
Autoajuste de controladores fijos bajo pedido si el comportamiento del proceso cambia debido al envejecimiento, la deriva, el desgaste, etc.;
Control adaptativo de controladores lineales para procesos no lineales o variables en el tiempo;
Control adaptativo o control autoajustable de controladores no lineales para procesos no lineales;
Control adaptativo o control autoajustable de controladores multivariables para procesos multivariables (sistemas MIMO);
Generalmente, estos métodos adaptan los controladores tanto a la estática como a la dinámica del proceso. En casos especiales, la adaptación puede limitarse únicamente al comportamiento estático, lo que lleva a un control adaptativo basado en curvas características para los estados estacionarios o al control de valores extremos, optimizando el estado estacionario. Por lo tanto, existen varias formas de aplicar algoritmos de control adaptativo.
Una aplicación particularmente exitosa del control adaptativo ha sido el control de vuelo adaptativo. [9] [10] Este trabajo se ha centrado en garantizar la estabilidad de un esquema de control adaptativo de referencia modelo utilizando argumentos de Lyapunov. Se han llevado a cabo varias demostraciones de pruebas de vuelo exitosas, incluido el control adaptativo tolerante a fallas. [11]
^ Annaswamy, Anuradha M. (3 de mayo de 2023). "Control adaptativo e intersecciones con aprendizaje por refuerzo". Revisión anual de control, robótica y sistemas autónomos . 6 (1): 65–93. doi : 10.1146/annurev-control-062922-090153 . ISSN 2573-5144 . Consultado el 4 de mayo de 2023 .
^ Chengyu Cao, Lili Ma, Yunjun Xu (2012). ""Teoría y aplicaciones del control adaptativo", Revista de ciencia e ingeniería de control" . 2012 (1): 1, 2. doi : 10.1155/2012/827353 .{{cite journal}}: Requiere citar revista |journal=( ayuda )Mantenimiento de CS1: varios nombres: lista de autores ( enlace )
^ Astrom, Karl (2008). Control adaptativo . Dover. Págs. 25-26.
^ Narendra, Kumpati S.; Han, Zhuo (agosto de 2011). "Control adaptativo utilizando información colectiva obtenida de múltiples modelos". IFAC Proceedings Volumes . 18 (1): 362–367. doi : 10.3182/20110828-6-IT-1002.02237 .
^ Lavretsky, Eugene; Wise, Kevin (2013). Control adaptativo robusto . Springer Londres. pp. 317–353. ISBN.9781447143963.
^ Tao, Gang (2014). "Control adaptativo multivariable: una encuesta". Automatica . 50 (11): 2737–2764. doi :10.1016/j.automatica.2014.10.015.
^ Chowdhary, Girish; Johnson, Eric (2011). "Teoría y validación de pruebas de vuelo de un controlador adaptativo de aprendizaje concurrente". Revista de orientación, control y dinámica . 34 (2): 592–607. Bibcode :2011JGCD...34..592C. doi :10.2514/1.46866.
^ Chowdhary, Girish; Muehlegg, Maximillian; Johnson, Eric (2014). "Garantías de convergencia de error de seguimiento y parámetro exponencial para controladores adaptativos sin persistencia de excitación". Revista Internacional de Control . 87 (8): 1583–1603. Código Bibliográfico :2011JGCD...34..592C. doi :10.2514/1.46866.
^ Lavretsky, Eugene (2015). "Métodos de control robustos y adaptativos para vehículos aéreos". Manual de vehículos aéreos no tripulados . págs. 675–710. doi :10.1007/978-90-481-9707-1_50. ISBN978-90-481-9706-4.
^ Kannan, Suresh K.; Chowdhary, Girish Vinayak; Johnson, Eric N. (2015). "Control adaptativo de vehículos aéreos no tripulados: teoría y pruebas de vuelo". Manual de vehículos aéreos no tripulados . págs. 613–673. doi :10.1007/978-90-481-9707-1_61. ISBN978-90-481-9706-4.
^ Chowdhary, Girish; Johnson, Eric N; Chandramohan, Rajeev; Kimbrell, Scott M; Calise, Anthony (2013). "Guiado y control de aviones en caso de fallos de actuadores y daños estructurales graves". Revista de Guiado, Control y Dinámica . 36 (4): 1093–1104. Bibcode :2013JGCD...36.1093C. doi :10.2514/1.58028.
Lectura adicional
B. Egardt, Estabilidad de controladores adaptativos. Nueva York: Springer-Verlag, 1979.
ID Landau, Control adaptativo: el enfoque del modelo de referencia. Nueva York: Marcel Dekker, 1979.
PA Ioannou y J. Sun, Control adaptativo robusto. Upper Saddle River, Nueva Jersey: Prentice-Hall, 1996.
KS Narendra y AM Annaswamy, Sistemas adaptativos estables. Englewood Cliffs, Nueva Jersey: Prentice Hall, 1989; Dover Publications, 2004.
S. Sastry y M. Bodson, Control adaptativo: estabilidad, convergencia y robustez. Prentice Hall, 1989.
KJ Astrom y B. Wittenmark, Control adaptativo. Reading, MA: Addison-Wesley, 1995.
ID Landau, R. Lozano y M. M'Saad, Control adaptativo. Nueva York, NY: Springer-Verlag, 1998.
G. Tao, Diseño y análisis de control adaptativo. Hoboken, NJ: Wiley-Interscience, 2003.
PA Ioannou y B. Fidan, Tutorial de control adaptativo. SIAM, 2006.
GC Goodwin y KS Sin, Predicción y control del filtrado adaptativo. Englewood Cliffs, Nueva Jersey: Prentice-Hall, 1984.
M. Krstic, I. Kanellakopoulos y PV Kokotovic, Diseño de control adaptativo y no lineal. Wiley Interscience, 1995.
PA Ioannou y PV Kokotovic, Sistemas adaptativos con modelos reducidos. Springer Verlag, 1983.
Annaswamy, Anuradha M.; Fradkov, Alexander L. (2021). "Una perspectiva histórica del control y el aprendizaje adaptativos". Reseñas anuales en control . 52 : 18–41. arXiv : 2108.11336 . doi :10.1016/j.arcontrol.2021.10.014. S2CID 237290042.
Enlaces externos
Shankar Sastry y Marc Bodson, Control adaptativo: estabilidad, convergencia y robustez, Prentice-Hall, 1989-1994 (libro)
K. Sevcik: Tutorial sobre control adaptativo de referencia de modelos (Universidad de Drexel)
Tutorial sobre el modelo de aprendizaje concurrente Referencia de control adaptativo G. Chowdhary (diapositivas, artículos relevantes y código de Matlab)
