Palabras clave
control multivariable
automatización industrial
Cómo citar
Resumen
Este artículo presenta una aplicación práctica de una moderna metodología para analizar los efectos de incertidumbres estructuradas y no estructuradas en la estabilidad interna y desempeño de un sistema de control multivariable. El método propuesto está basado en una combinación de dos conceptos matemáticos principales: el primero, Linear Fractional Transformations (LFT), utilizado como función matricial que permite la representación unificada de diferentes tipos de incertidumbre en un modelo; el segundo, la Structured Singular Value function (SSV o m), en términos de la cual es posible establecer una condición necesaria y suficiente para la prueba de robustez con una moderada complejidad computacional. La metodología es aplicada al Sistema de Control Lateral de un Vehículo (VLCS) desarrollado por un grupo de investigación del Departamento de Automatización del Politecnico di Torino en colaboración con el Centro Ricerca FIAT (CRF) y experimentalmente probado en un automóvil Fiat Brava 1600 ELX en una autopista italiana.
BALAS, G., et al. (2001), m Analysis and Synthesis Toolbox, User’s Guide Version 3, Natick, the MathWorks.
BARMISH, B. et al. (1989), Robustness Margin need not be a continuous function of the Problem Data, en: Systems and Control Letters, 15, 91–98.
CERONE, V., A. Chinu, D. Regruto (2002), Experimental Results in Visionbased Lane Keeping for Highway Vehicles, en: Proceedings of IEEE American Control Conference, Anchorage, May, 869–874.
FADALI, S., L. LaForge, A. Sonbol (2001), Linear Time Computation of Robust Stability Margins, en: Proceedings of IEEE American Control Conference, June.
____________, Y. Zhang, J. Louis (1999), Robust Stability Analysis of Discrete-Time Systems Using Genetic Algorithms, en: IEEE Transactions on Systems, Man and Cibernetics, 29(5).
GERDES, J.C., E. J. Rossetter (2001), A unified Approach to Driver Assistance Systems based on Artificial Potential Field, en: ASME Journal of Dynamic Systems, Measurement, and Control, 123, septiembre, 431-438.
HUNT, K. J. (1992), Polynomial LQG and H infinite Controller Synthesis: a genetic Algorithms Solution, en: Proceedings of 31st IEEE Conference on Decision and Control, vol. 4, no. 865, 3.604-3.609.
KOJSECKÁ, J. et al. (1997), Vision based lateral Control of Vehicles, en: Proceedings of Intelligent Transportation Systems Conference, Boston.
KOJSECKÁ, J. (1997), Vision-based lateral Control of Vehicles: look-ahead and Delay Issues, Internal Memo, Department of EECS, University of California Berkeley.
KWOK, D. P., F. Sheng (1994), Genetic Algorithm and simulated Annealing for optimal Robot Arm PID Control, en: Proceedings of the 1st IEEE Conference on Evolutionary computation, 708-713.
LI, Y. et al. (1996), Genetic Algorithm automated Approach to the Design of Sliding mode Control System, en: International Journal of Control, 63(4), 721-739.
MARRISON, C. I., R. F. Stengel (1997), Robust Control System Design using Random Search and genetic Algorithms, en: IEEE Transactions on Automatic Control, 42(6), 835-839.
SHETA, A. F., K. D. Jong (1996), Parameter Estimation of nonlinear System in noisy Environments using genetic Algorithms, en: Proceedings of International Symposium on Intelligent Control, 360-365.
TANG, K. S., K. F. Man, D. W Gu (1996), Structured genetic Algorithm for robust H infinite Control Systems Design, en: IEEE Transactions on Industrial Electronics, 43(5), 575-582,
YAHIAOUI, K., Y. Haman, F. Rocaries (1997), Constrained genetic Algorithm-based computer-aided Control System Design fixed versus variable Size Population, en: Proceedings of International Symposium on Intelligent Control, 425-430.
ZHOU, K., J. Doyle (1998), Essentials of Robust Control, New Jersey, Prentice Hall.
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2020 Luis David Prieto-Martínez