Model predictive control(MPC) has been, since its introduction in the late 70’s, a well accepted control technique, especially for industrial processes, which are typically slow and allow for on-line calculation of the control inputs. Its greatest advantage is its ability to consider constraints, on both inputs and states, directly and naturally. More recently, the improvements in processor speed have allowed its use in a wider range of problems, many involving faster dynamics. Nevertheless, implementation of MPC algorithms on embedded systems with resources, size, power consumption and cost constraints remains a challenge. In this thesis, High-Level Synthesis (HLS) is used to implement implicit MPC algo-rithms for linear (LMPC) and nonlinear (NMPC) plant models, considering constraints on both control inputs and states of the system. The algorithms are implemented in the Zynqr -7000 All Programmable System-on-a-Chip(AP SoC) ZC706 Evaluation Kit, targetingXilinx’sZynqr-7000 AP SoC which contains a general purpose Field Programmable GateArray(FPGA). In order to solve the optimization problema teach sampling instant, an Interior-PointMethod(IPM) isused. The main computation cost of this method is the solution of a system of linear equations. A minimum residual (MINRES) algorithm is used for the solution of this system of equations taking into consideration its special structure in order to make it computationally efficient. A library was created for the linear algebra operations required for the IPM and MINRES algorithms. The implementation is tested on trajectory tracking case studies. Results for the linear cases how good performance and implementation metrics, as well as computation times within the considered sampling periods. For the nonlinear case, although a high computation time was needed, the algorithm performed well on the case study presented. Because of resources constraints, implementation of the nonlinear algorithm on higher order systems was precluded. / Tesis

In recent years, there is a growing interest in the development of systems capable of performing tasks with a high level of autonomy without human supervision. This kind of systems are known as autonomous systems and have been studied in many industrial applications such as automotive, aerospace and industries. Autonomous vehicle have gained a lot of interest in recent years and have been considered as a viable solution to minimize the number of road accidents. Due to the complexity of dynamic calculation and the physical restrictions in autonomous vehicle, for example, deterministic model predictive control is an attractive control technique to solve the problem of path planning and obstacle avoidance. However, an autonomous vehicle should be capable of driving adaptively facing deterministic and stochastic events on the road. Therefore, control design for the safe, reliable and autonomous driving should consider vehicle model uncertainty as well uncertain external influences. The stochastic model predictive control scheme provides the most convenient scheme for the control of autonomous vehicles on moving horizons, where chance constraints are to be used to guarantee the reliable fulfillment of trajectory constraints and safety against static and random obstacles. To solve this kind of problems is known as chance constrained model predictive control. Thus, requires the solution of a chance constrained optimization on moving horizon. According to the literature, the major challenge for solving chance constrained optimization is to calculate the value of probability. As a result, approximation methods have been proposed for solving this task. In the present thesis, the chance constrained optimization for the autonomous vehicle is solved through approximation method, where the probability constraint is approximated by using a smooth parametric function. This methodology presents two approaches that allow the solution of chance constrained optimization problems in inner approximation and outer approximation. The aim of this approximation methods is to reformulate the chance constrained optimizations problems as a sequence of nonlinear programs. Finally, three case studies of autonomous vehicle for tracking and obstacle avoidance are presented in this work, in which three levels probability of reliability are considered for the optimal solution. / Tesis

Doctora en Ingeniería Eléctrica / El objetivo de esta tesis es el diseño de estrategias de control predictivo (MPC) para plantas de ciclo combinado con colectores solares integrados (ISCC), que permita optimizar su funcionamiento en términos operacionales y económicos. Para que este tipo de plantas sea factible, el lugar en que se construyen debe tener altos niveles de radiación solar. Considerando que Chile es el país que tiene la radiación más alta del mundo, es que en esta Tesis se trabaja con plantas ISCC. Para el diseño de las estrategias de control, se desarrolló un simulador en Matlab ® Simulink de una planta ISCC. El sistema se implementa a partir de un simulador existente de una planta de ciclo combinado y de un simulador de una planta de colectores solares distribuidos (DSC). El desarrollo incluye el diseño de un generador de vapor solar y del sobrecalentador de la planta ISCC. Se diseña un MPC difuso para la planta solar, como parte de la planta ISCC. Los resultados se comparan con un MPC lineal, obteniéndose que el MPC difuso tiene mejor comportamiento ante cambios en las condiciones normales de operación. Utilizando un modelo ARIX (autorregresivo integral con entrada exógena) se diseña un MPC supervisor para la presión de vapor de la caldera de la planta ISCC. Los resultados se comparan con un controlador PI de nivel regulatorio. Se evalúan las estrategias de control, utilizando el simulador desarrollado y se concluye que el MPC supervisor disminuye el consumo de combustible de la planta ISCC, en régimen permanente y frente a cambios en la potencia de la turbina de vapor y de la turbina de gas. Con el simulador desarrollado, se pueden diseñar diferentes estrategias de control, para plantas ISCC, además de estudiar el comportamiento de sus variables. Dentro del marco del MPC, se puede realizar la optimización de las plantas ISCC considerando diferentes criterios, modos de operación y restricciones. Las principales contribuciones de estas tesis son: i) El desarrollo de un simulador de una planta ISCC. ii) El diseño de una estrategia de control predictivo difuso para una planta DSC. iii) El diseño de una estrategia de control predictivo supervisor para la planta ISCC.

Model predictive control (MPC) has been, since its introduction in the late 70’s, a well accepted control technique, especially for industrial processes, which are typically slow and allow for on-line calculation of the control inputs. Its greatest advantage is its ability to consider constraints, on both inputs and states, directly and naturally. More recently, the improvements in processor speed have allowed its use in a wider range of problems, many involving faster dynamics. Nevertheless, implementation of MPC algorithms on embedded systems with resources, size, power consumption and cost constraints remains a challenge. In this thesis, High-Level Synthesis (HLS) is used to implement implicit MPC algo- rithms for linear (LMPC) and nonlinear (NMPC) plant models, considering constraints on both control inputs and states of the system. The algorithms are implemented in the Zynq@ -7000 All Programmable System-on-a-Chip (AP SoC) ZC706 Evaluation Kit, targeting Xilinx’s Zynq@-7000 AP SoC which contains a general purpose Field Programmable Gate Array (FPGA). In order to solve the optimization problem at each sampling instant, an Interior-Point Method (IPM) is used. The main computation cost of this method is the solution of a system of linear equations. A minimum residual (MINRES) algorithm is used for the solution of this system of equations taking into consideration its special structure in order to make it computationally efficient. A library was created for the linear algebra operations required for the IPM and MINRES algorithms. The implementation is tested on trajectory tracking case studies. Results for the linear case show good performance and implementation metrics, as well as computation times within the considered sampling periods. For the nonlinear case, although a high computation time was needed, the algorithm performed well on the case study presented. Because of resources constraints, implementation of the nonlinear algorithm on higher order systems was precluded. / Modellprädiktive Regelung (engl: Model Predictive Control (MPC) ist, seit der Einfüh- rung in den späten 70er Jahren, eine gut angenommene Regelungstechnik, insbesondere für industrielle Prozesse, die typischerweise langsam sind und die online Steuergröße Berechnung ermöglichen. Ihr größter Vorteil ist die Fähigkeit, Beschränkungen bezüg- lich der Steuergrößen und der Regelgrößen zu berücksichtigen. In letzter Zeit hat die Verbesserung der Geschwindigkeit der Prozessoren den Einsatz in einer breitere Pro- blemreichweite mit einer schnelleren Dynamik ermöglicht. Allerdings bleibt die MPC Algorithmus-Implementierung in eingebetteten Systeme mit beschränkte Ressourcen, Größe, Energieverbrauch und Kosten eine Herausforderung. In dieser Arbeit wird die High-Level Synthesis (HLS) benutzt, um implizit MPC Algorithmen für lineare (LMPC) und nichtlineare (NMPC) Regelstrecken zu implemen- tieren, wobei Steuergröße- und Regelgrößenbeschränkungen berücksichtigt werden. Die Algorithmen sind im Zynq@-7000 AP SoC ZC706 Auswertungskit implementiert, wobei auf der Xilinxs Zynq@-7000 AP SoC, der ein allgemeiner Zweck FPGA enthält, abgezielt wird. Ein innere-Punkte Verfahren (engl: Interior-Point Method (IPM)) wird für die Lösung des Optimierungsproblems in jedem Sampling benutzt. Die größte Berechnungs- komplexität bei dem IPM ist die Lösung eines linearen Gleichungssystems. Ein minimaler Residuum-Algorithmus (MINRES) wird für die Lösung dieses Gleichungssystem benutzt, wobei die spezielle Struktur berücksichtigt wird, um das Verfahren recheneffizient zu machen. Es wurde eine Bibliothek mit Funktionen für die benötigten linearen Algebra Operationen in den IPM und MINRES Verfahren entwickelt. Die Implementierung wird in Trajektorieverfolgung Fallstudien getestet. Die Ergeb- nisse für den linearen Fall zeigen gute Leistungen und Metriken, sowie Rechenzeiten innerhalb des berücksichtigten Taktzeiten. Für den nichtlinearen Fall wurde eine ho- he Rechenzeit benötigt. Trotzdem hat der Algorithmus für die vorgestellte Fallstudie gut funktioniert. Infolge der Ressourcenbeschränkungen war die Implementierung des nichtlinearen Algorithmus für Systeme höherer Ordnung verhindert. / Tesis

Partiendo de la motivación de buscar medios que permitan el ahorro de energía tanto por el aspecto económico como el ecológico se desarrolló este trabajo el cual pretende diseñar un controlador predictivo basado en modelo (CPBM) para controlar un generador de vapor de tubos de agua de forma más efectiva y eficiente que los sistemas actuales Para este fin se realizó una revisión del estado del arte de los generadores de vapor y de sus sistemas de control donde se identificaron las principales variables a controlar. Debido al bajo desempeño de estos sistemas de control se propuso, luego de un análisis previo, el uso de un controlador predictivo basado en modelo para su aplicación en el generador de vapor. Para lograr este objetivo se estudió un modelo matemático no lineal multivariable de un generador de vapor reportado en la literatura, el cual posteriormente se utilizó para realizar la simulación de la planta real. Luego para el diseño del controlador se utilizó el modelo linealizado con el fin de aligerar cálculos. El diseño del controlador multivariable está basado en un controlador predictivo que es computacionalmente más eficiente que el controlador predictivo convencional. Para la aplicación de este controlador se consideraron restricciones en la señal de control y durante las pruebas simuladas en Matlab/Simulink se le introdujo señales ruidosas y perturbaciones alcanzando buenos resultados en eficiencia energética y de control superando al sistema actual basado en controladores PID. Finalmente se propuso la implementación práctica del controlador haciendo uso de un DSP hibrido. / Tesis

En la presente tesis se presenta una aplicación práctica del control predictivo sobre un invernadero real. Por esta razón se desarrolla un algoritmo de control predictivo MELPC, no lineal, multivariable, basado en la linealización en línea y que no requiere un gran esfuerzo computacional.La investigación se ha centrado en el comportamiento de este controlador tanto en rendimiento como en aspectos computacionales. Se ha incluido, además, el análisis de un amplio rango de problemas relacionados con el control de sistemas con restricciones, tales como: estabilidad, factibilidad, optimización, implementación y cálculo, e influencia de las perturbaciones. Este estudio se ha complementado con una comparación entre los diferentes algoritmos que usan la misma técnica de linealización on-line ELPC, EPSAC y también con los algoritmos de control predictivo lineal y no lineal.También se han expuesto una serie de experimentos en simulaciones para probar el MELPC, controlador elaborado en esta tesis. Los experimentos consisten en aplicar este controlador sobre una amplia gama de sistemas con dinámicas diferentes. Finalmente se ha aplicado este controlador sobre un invernadero real construido en el Institute for Horticultural and Agricultural Engineering ITG de la Universidad de Hannover (Alemania) para el control de las variables clim ticas en tiempo real.Se ha desarrollado un modelo de invernadero real similar a los sistemas de producción en la industria agrícola, considerando las variables de estado: temperatura interna, humedad interna y concentración de CO2.También se ha presentado el modelo de crecimiento del cultivo que es la lechuga porque es un modelo sencillo con pocas variables de estado y que son: el peso seco no-estructural y el peso seco estructural. / This work present a practical application of the predictive control on a real greenhouse. For this reason a predictive control algorithm MELPC is developed, This algorithm has the characteristics that is nonlinear, multivariable, based on the linearization and that does not require a great computational burden.He investigation has been centred in the behaviour of this controller as much in performance as in computational aspects. In addition, an analysis of an ample rank of problems related to the control of systems with restrictions is included, such as: stability, feasibility, optimisation, implementation and calculation, and influence of the disturbances.This study has been complemented with a comparison between the different algorithms that use the same technique of linealization online ELPC, EPSAC and also with the algorithms of linear and nonlinear predictive control.Also a series of experiments in simulations has been exposed to test the MELPC, controller elaborated in this thesis. The experiments consist of applying this controller on an ample range of systems with different dynamics.Finally this controller has been applied on a real greenhouse constructed in the Institute of Horticultural and Agricultural Engineering ITG of the University of Hannover (Germany) for the control of the climatic variables.A model of real greenhouse similar to the production systems in the agricultural industry has been developed, considering the state variables: internal temperature, internal humidity and CO2 concentration. Also a growth model of the culture is presented that is the lettuce.

Magíster en Ciencias de la Ingeniería, Mención Eléctrica / Ingeniero Civil Electricista / Las Centrales Micro-Hidráulicas son pequeñas unidades hidroeléctricas de potencia no superior a 100 \emph{kW} y que, en presencia del recurso hidráulico adecuado, representan una interesante alternativa de generación eléctrica en lugares alejados de la red eléctrica dada su alta confiabilidad, bajos costos de operación e impacto ambiental menor. Sin embargo, existen dificultades técnicas que un proyecto micro-hidráulico debe resolver para operar exitosamente como generador aislado. Una de estas dificultades es la capacidad de entregar una buena calidad de suministro, para lo cual es necesario mantener en sus valores nominales la tensión y frecuencia eléctrica. Este problema ha sido tradicionalmente abordado en la forma de control de tensión y control de frecuencia por separado, bajo el supuesto que ambas variables son aproximadamente independientes, situación que es particularmente cuestionable en pequeños sistemas eléctricos autoabastecidos y sometidos a variaciones bruscas de carga. En este trabajo de tesis se propone una estrategia de control de tensión y frecuencia para una Central Micro-Hidráulica, basado en Control Predictivo No-lineal, y que busca optimizar la respuesta dinámica de la planta ante variaciones de carga. Se desarrolla un modelo fenomenológico completo de una Central Micro-Hidráulica de laboratorio, enfocado en reproducir el comportamiento electromecánico ante perturbaciones en la carga eléctrica. Se obtiene un modelo de orden tres que, desde el punto de vista del control, representa un sistema múltiple entrada múltiple salida (MIMO) no-lineal, en donde las variables controladas están fuertemente acopladas. Se propone una metodología para el cálculo de los parámetros del modelo basada en pruebas experimentales sencillas, y se aplica al modelo de la planta de laboratorio. El modelo se valida experimentalmente mediante pruebas en lazo abierto, comprobándose que reproduce satisfactoriamente la dinámica de la tensión y frecuencia tanto en régimen permanente, así como en condiciones transitorias de desbalance de potencia. Posteriormente, se desarrolla una estrategia de Control Predictivo No-lineal realimentado en el estado para el control de tensión y frecuencia de la Central Micro-Hidráulica de laboratorio, en donde se utiliza como modelo interno el modelo fenomenológico desarrollado, y se define como función de costo una suma ponderada de los errores cuadráticos de tensión y frecuencia. Además, se plantea una estrategia de seguimiento de error para compensar los errores de predicción del modelo, y se propone la aplicación de un Filtro Extendido de Kalman para la estimación del estado del sistema, el cual es parcialmente observado. La estrategia de control propuesta se implementa en la planta de laboratorio, utilizando rutinas provistas por MATLAB para la resolución numérica del problema de optimización. Se realizan pruebas de tomas y rechazos bruscos de carga, en distintos puntos de operación, obteniéndose siempre respuestas en lazo cerrado estables y con error permanente cero. El análisis de las respuestas en lazo cerrado permite comprobar que la capacidad de predicción de la salida de la planta en el cómputo de las entradas óptimas, así como la consideración de la característica no-lineal y multi-variable del sistema, permiten obtener mejores respuestas dinámicas ante perturbaciones. Se mide la pérdida de precisión del modelo conforme se aumenta el horizonte de predicción, y se analiza el efecto de ésto en la calidad del control. Finalmente, se comparan la respuesta en lazo cerrado de la estrategia de control propuesta con la de dos lazos proporcional integral (PI) independientes para la tensión y frecuencia, obteniéndose siempre mejores respuestas dinámicas en términos de la función de costo y, en general, en términos de tiempo de estabilización y sobreoscilación máxima.

No description available.

Ingeniero Civil Industrial / Frontel, es una empresa perteneciente al rubro de la distribución eléctrica. Es miembro del Grupo Saesa, junto a Saesa, Luz Osorno y Edelaysén. Su cobertura comprende el sur de la Región del Biobío y toda la Región de la Araucanía. Dentro de las políticas instauradas tanto en Frontel como en el Grupo Saesa, se encuentra el de combatir el fenómeno de las Pérdidas no Técnicas, atribuibles a la intervención de usuarios en el sistema de distribución (hurtos) y los artefactos de medida (fraudes) con el fin de sustraer energía eléctrica, generándole pérdidas a la empresa. Como política de combate a las Pérdidas no Técnicas, se dispone de un organismo transversal a las cuatro empresas, llamada Área de Control de Pérdidas (ACP). Para ello, el ACP posee un conjunto de brigadas de inspección, que son las encargadas de detectar las intervenciones en el sistema, además de una base de registro de servicios con ilícito, llamada Base de Consumos No Registrados (CNR). En la actualidad, las brigadas de inspección de Frontel funcionan con un sistema de asignación de búsquedas alojado en un proceso generado desde las zonales. Dicho proceso, es tedioso y no está aprovechando la gran cantidad de información disponible. Todo esto se traduce en una baja efectividad en las búsquedas. A su vez, Frontel presenta la particularidad de ser una empresa con gran cantidad de usuarios de áreas rurales, lo que agudiza aún más el problema de las búsquedas infructuosas. Para combatir el problema, inicialmente se estudió la Base CNR con el objetivo de localizar variables que permitiesen predecir el comportamiento de un cliente fraudulento. Del análisis, se extrajeron tres variables a estudiar: Consumo Bajo, Órdenes de corte pendientes y Reincidencia. La solución propuesta es un sistema automático de asignación, que se genera desde el ACP. Para su acción, este sistema trabaja con un modelo matemático predictivo (Regresión Logística) y dinámico, que incorpora las variables anteriormente escogidas y utiliza la información alojada en la Base CNR como método de calibración. Además, puede adaptarse en el tiempo, incorporando nueva información entrante a las Bases de Datos Tras la validación del modelo, se generó una lista de candidatos con alta probabilidad predicha para ser inspeccionados. Se realizaron 250 inspecciones en la zonal Temuco, obteniéndose una efectividad de búsqueda de 17,69%, superando con creces la efectividad actual de Frontel. Posteriormente, se realiza una estimación de impacto económico de la herramienta en Frontel, obteniéndose un aumento de 18,4% en recuperación económica estimada. Finalmente, se concluye que el sistema automático apoyado del modelo matemático, pueden constituirse en una poderosa combinación que permita mejorar el proceso de asignación y la efectividad de las búsquedas, aumentando así el valor de la empresa.

La industria extractiva de minerales, en el Perú, es un actor muy importante de desarrollo económico y tecnológico. Destacando el cobre como principal mineral. Es importante, como país minero, desarrollar investigaciones y tecnologías que ayuden a mejorar el proceso de extracción y concentración de minerales. En la industria minera actual, donde se ha conseguido un gran avance en la automatización, aún existen grandes retos y oportunidades de mejorar los procesos en búsqueda de una mejor eficiencia. Una de las etapas más importantes y críticas es la concentración de minerales mediante el uso de celdas de flotación. El control efectivo de este proceso permite obtener niveles adecuados e importantes de grado y recuperación en el concentrado de mineral. En el caso de las celdas de flotación tipo columna, el comportamiento es multivariable y muy dinámico por ser dependiente de los cambios de las características del mineral que se procesa y de las perturbaciones de la planta. Es ampliamente conocido que el control predictivo basado en modelos constituye una poderosa herramienta de control de plantas multivariable que presentan un comportamiento dinámico complejo como en el caso de la celda de flotación tipo columna. Es por esto, que el objetivo en la tesis es diseñar un controlador predictivo generalizado (GPC) multivariable para el control efectivo de una celda de flotación tipo columna utilizada en el proceso de recuperación de cobre. El modelo matemático obtenido tiene un grado de aceptación FIT superior a 80%. Se realizaron evaluaciones comparativas del sistema de control de la celda de flotación tipo columna, con los controladores GPC multivariable y PI diseñados considerando diferentes escenarios de operación e índices de desempeño. Se determinó que, el mejor desempeño del sistema de control se obtiene cuando se aplica el controlador GPC multivariable diseñado. / Tesis