The aim of this master thesis is to design a control system based on model predictive control (MPC) with sensor data fusion for obstacle avoidance. Since the amount of obtained data is larger due to multiple sensors, the required sampling time has to be larger enough in comparison with the calculation time of the optimal problem. Then it is proposed a simplification of the mobile robot model in order to reduce this optimization time. The sensor data fusion technique uses the range information of a laser scanner and the data of a mono-camera acquired from image processing techniques. In image processing different detection algorithms are proposed such as shape and color detection. Therefore an estimation of the obstacles dimension and distance is explained obtaining accurate results. Finally a data fusion for obstacle determination is developed in order to use this information in the optimization control problem as a path constraint. The obtained results show the mobile robot behavior in trajectories tracking and obstacle avoidance problems by comparing two different sampling times. It is concluded that the mobile robot reaches the final desired position while avoiding the detected obstacles along the trajectory. / Ziel dieser Masterarbeit ist, einen Steuerungsentwurf auf Basis der modellprädiktiven Regelung (MPC) mit Sensordatenfusion und zur Hindernisvermeidung. Da die Menge der erhaltenen Daten aufgrund mehrerer Sensoren größer ist, muss die erforderliche Abtastzeit im Vergleich zur Rechenzeit des optimalen Problems größer sein. In der Arbeit wird eine Vereinfachung des mobilen Robotermodells vorgeschlagen, um diese Optimierungszeit zu reduzieren. Die Sensordaten-Fusionstechnik verwendet die Bereichsinformation eines Laserscanners und die Daten einer Monokamera, die durch Bildverarbeitungstechniken gewonnen werden. Bei der Bildverarbeitung werden verschiedene Erfassungsalgorithmen vorgeschlagen, wie z. B. Muster- und Farbdetektion. Eine Schätzung der Hindernisdimension und -distanz wird erklärt, um genaue Ergebnisse zu erzielen. Schließlich wird eine Datenfusion zur Hindernisbestimmung entwickelt, um diese Information im Optimalsteuerungsproblem als Pfadbeschränkung zu nutzen. Die erzielten Ergebnisse zeigen das Verhalten des mobilen Roboters bei Trajektorienverfolgungsund Hindernisvermeidungsproblemen, indem zwei verschiedene Abtastzeiten verglichen werden. Es wird gefolgert, dass der mobile Roboter die endgültige gewünschte Position erreicht, während die erkannten Hindernisse entlang der Trajektorie vermieden werden. / Tesis

En esta tesis doctoral se aborda el problema del control predictivo sujeto a restricciones definidas como la unión no convexa de varios poliedros. Los controladores propuestos son de utilidad, por un lado, para procesos que presentan de manera natural restricciones de dicha forma y, por otra parte, como una alternativa al control predictivo no lineal cuando períodos de muestreo bajos no permiten la aplicación de programación no lineal. En los primeros capítulos del trabajo se demuestra la existencia de una solución explícita a los problemas de optimización que aparecen al plantear este tipo de controladores predictivos. Dicha solución es afín a tramos definidos mediante desigualdades lineales y cuadráticas. Se introducen dos metodologías diferentes para la obtención de esta solución explícita: la metodología de intersección, división y unión y la de la envolvente convexa. La primera de estas metodologías se basa en formular subproblemas con las restricciones convexas cuya unión forma las restricciones originales y obtener la solución explícita del problema original a partir de las soluciones de dichos subproblemas. La segunda metodología planteada se basa en el cálculo de la envolvente convexa de los conjuntos de restricciones y la obtención de la solución explícita del problema convexo definido por estas nuevas restricciones. Se demuestra como parte de las regiones de la solución explícita del problema original coinciden con las del nuevo problema, y se propone un procedimiento para identificarlas y obtener el resto de regiones, completando la solución explícita buscada. Se estudian también algoritmos eficientes para la implementación en línea de leyes de control explícitas como las obtenidas. En particular, se propone un algoritmo basado en un árbol binario de una partición lineal y una comparación de índices de costes en las regiones en las que sea necesario. / Pérez Soler, E. (2011). CONTROL PREDICTIVO SUJETO A RESTRICCIONES POLIÉDRICAS NO CONVEXAS: SOLUCIÓN EXPLÍCITA Y ESTABILIDAD [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/9315 / Palancia

La Tesis Doctoral se fundamenta, principalmente, en la exploración de nuevos métodos de Control Predictivo Basado en Modelos (MBPC) mediante la incorporación de herramientas de optimización heurística y las mejoras en las prestaciones que se pueden conseguir con ello. La metodología de MBPC constituye un campo cada vez más importante en el control de procesos debido a que se trata de una formulación muy intuitiva, y a la vez muy potente, de un problema de control (por tanto es más fácilmente aceptable en el ámbito industrial). A pesar de ello, presenta limitaciones cuando se quiere aplicar a ciertos procesos complejos. Un elemento fundamental y al mismo tiempo limitante de ésta metodología lo constituye la técnica de optimización que se utilice. Simplificando mucho, el MBPC se convierte en un problema de minimización en cada periodo de muestreo, y la complejidad del problema de control se refleja directamente en la función a minimizar en cada instante. Si se incorporan modelos no lineales, restricciones en las variables, e índices de funcionamiento sofisticados, todo ello asociado a los problemas de tiempo real, se va a requerir algoritmos de optimización adecuados que garanticen el mínimo global en un tiempo acotado. En este sentido, la tesis incluye un análisis de las metodologías de Optimización Heurísticas, Simulated Annealing y Algoritmos Genéticos, como candidatas a la resolución de ese tipo de problemas y apartir de ellas realiza una implementación novedosa (denominada ASA) dentro del grupo de los algoritmos de Simulated Annealing que reduce el coste computacional. En los Algoritmos Genéticos, se obtienen las combinaciones de codificación y operadores genéticos más adecuadas para conseguir buenas relaciones de 'calidad de la solución/coste computacional' en la resolución de problemas de minimización complejos (no convexos, con discontinuidades, restricciones, etc.). Todo este análisis previo, permite la adaptación adecuada de estas técnicas heurísticas...... / Blasco Ferragud, FX. (1999). Control predictivo basado en modelos mediante técnicas de optimización heurística. Aplicación a procesos no lineales y multivariables [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/15995 / Palancia

El Control Predictivo Basado en Modelos (CPBM) optimiza un índice que incorpora un parámetro de penalización para las acciones de control lambda, con el fin de que no sean demasiado bruscas, a la vez que se mejora la robustez del sistema. El principal inconveniente radica en que el sintonizado de lambda se suele regir por criterios empíricos, y poco orientados a la mejora de la robustez. De entre las diferentes técnicas de mejora de la robustez en CPBM se destaca la optimización Min-Max de las especificaciones, donde se resuelve el problema de optimización para el peor modelo en una región acotada. Desde otro punto de vista, el principio de mínimos cuadrados está presente en numerosas teorías de identificación y control. De hecho el CPBM se puede plantear como un problema de mínimos cuadrados. Su principal inconveniente radica en que es sensible a los errores en los datos (mal condicionamiento), lo cual se puede mejorar regularizando el problema mediante el parámetro de regularización lambda ajustado empíricamente (análogo al parámetro lambda de penalización del esfuerzo de control en CPBM). La técnica BDU (Bounded Data Uncertainties) es una técnica de regularización de problemas de mínimos cuadrados, originalmente desarrollada para problemas de estimación, y poco usada en control, salvo el controlador lineal cuadrático (LQR) con horizonte de predicción finito considerando incertidumbre paramétrica. Dicha técnica diseña el parámetro de regularización lambda teniendo en cuenta la cota de la incertidumbre presente en el sistema y plantea el problema como una optimización Min-Max. Por lo tanto se puede establecer la analogía con el problema Min-Max de CPBM robusto, así el objetivo principal de la tesis consiste en usar la técnica BDU para sintonizar lambda de modo guiado y con el fin de mejorar la robustez del sistema. Otro objetivo adicional es asegurar la estabilidad. Por tanto, se pretende plantear un LQR robusto y estable, denominado LQR-BDU, robusto por usar / Ramos Fernández, C. (2007). Control predictivo basado en modelos (CPBM) robusto con BDU [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/1844 / Palancia

Todas las etapas de una planta de procesamiento de minerales tienen un gran impacto en el uso energético como en la naturaleza. Teniendo claro cada etapa del proceso, permitirán tomar las medidas de control y el uso de las nuevas tecnologías a fin de optimizar el uso de recursos reduciendo los tiempos de producción, costos en el uso de explosivos, reactivos, traslado de mineral y finalmente reducir el impacto sobre el medio ambiente. El proceso de flotación es el método de concentración de minerales metálicos que permite extraer y separar los minerales valiosos de la ganga a través de la diferencia de propiedades superficiales, es en esta etapa del proceso donde realmente se da la recuperación del mineral valioso después de la extracción, chancado y trituración a cierto tamaño de partícula. Es a través de la utilización de las celdas de flotación donde se recupera el mineral valioso. Lograr controlar eficientemente el nivel de pulpa de las celdas de flotación permitirá optimizar el proceso de flotación y reducir el arrastre de partículas no valiosas mediante el rechazo a las perturbaciones de proceso debido a la mineralogía, cambios de flujo de alimentación, interacciones entre celda y celda entre otros, por lo tanto, se tiene por objetivo fundamental desarrollar un sistema de control predictivo generalizado multivariable que cumpla con esta tarea. Partiremos con la toma de datos en un banco de celdas rougher-scavenger de una planta de concentración de minerales con el propósito de obtener un modelo matemático (un modelo por cada celda) mediante la metodología de identificación de sistemas que permita describir el modelo de proceso de cada una de ellas. Con los modelos de proceso se diseñará el controlador predictivo generalizado multivariable basado en un modelo que permitirá controlar los niveles de un banco de celdas. Para controlar los niveles de forma eficiente se realizará la sintonía del controlador multivariable y se comparará con la estrategia de control actual que manejan las celdas que es el controlador PID. De las pruebas realizadas, bajo los mismos parámetros de diseño de los controladores PID, se evidenció que el controlador predictivo presenta una ligera ventaja, pero a medida que se presentaron cambios en las perturbaciones y el modelo de proceso (situación común en el ambiente industrial) la eficiencia sobre el controlador PID es muy marcada. Finalmente, como parte de una solución en el campo industrial se presenta la propuesta de implementación que consiste en la instalación de dos servidores, uno que permite la conectividad con el sistema de control distribuido y otro donde se desarrollará la lógica de control del controlador predictivo generalizado multivariable. / Tesis

[EN] In this thesis, invariant-set theory is used to study the stability and feasibility of constrained scenario-based predictive controllers for Markov-jump linear systems. In the underlying optimisation problem of the predictive controllers technique, considers all possible future realisations of certain variables (uncertainty, disturbances, operating mode) or just a subset of those. Two different scenarios denoted as not risky and risky are studied. In the former, the trajectories of the system with initial states belonging to certain invariant sets, converge (in mean square sense) to the origin or an invariant neighbourhood of it with 100% probability. In such cases, the conditions that scenario trees must meet in order to guarantee stability and feasibility of the optimisation problem are analysed. Afterwards, the scenario-based predictive controller for Markov-jump linear systems under hard constraints and no disturbances is formulated. A study is presented for risky scenarios to determine sequence-dependent controllable sets, for which there exists a control law such that the system can be driven to the origin only for a particular realisation of uncertainty, disturbances, etc. A control law (optimal for disturbances-free systems and suboptimal for disturbed systems) able to steer the system to the origin with a probability less than 100% (denoted as reliability bound), is proposed for states belonging to those regions. Note that closed-loop unstable systems have zero reliability bound. Hence, an algorithm to determine the mean-time to failure is developed. In this context, failure means a violation in the constraints of the process' states and/or inputs in a future time. / [ES] La presente tesis emplea la teoría de conjuntos invariantes para el estudio de estabilidad y factibilidad de controladores predictivos basados en escenarios para sistemas lineales con saltos markovianos sujetos a restricciones. En el problema de optimización subyacente a la técnica de controladores predictivos, se consideran bien sea todas las posibles realizaciones futuras de una variable (incertidumbres, perturbaciones, modo de funcionamiento) o solo un subconjunto de estas. Se estudian dos escenarios diferentes, denotados como: a) escenarios no arriesgados y b) escenarios arriesgados, entendiéndose como no arriesgados, aquellos en donde las trayectorias del sistema con estados iniciales pertenecientes a ciertos conjuntos invariantes, convergen --en media-- al origen o a una vecindad invariante de este con un 100% de probabilidad. Para estos casos, se presenta un análisis de las condiciones que deben cumplir los árboles de escenarios para garantizar estabilidad --en media-- y factibilidad del problema de optimización. Luego se formula el control predictivo basado en escenarios para sistema lineales con saltos markovianos sujeto a restricciones y en ausencia de perturbaciones. En presencia de escenarios arriesgados, se propone el cálculo de conjuntos controlables dependientes de secuencias para los cuales existen una ley de control tal que el sistema puede ser conducido al origen, solo para una realización en particular de la incertidumbre, perturbaciones, etc. Para estados pertenecientes a estos conjuntos, se propone una ley de control (óptima para el caso de sistemas libres de perturbaciones y, subóptima para sistemas perturbados) capaz de dirigir el sistema al origen con una probabilidad menor al 100%, dicha probabilidad es denotada como cota de confiabilidad. Sistemas inestables en lazo cerrado tienen cota de confiabilidad igual a cero, por consiguiente se diseña un algoritmo que determina el tiempo medio para fallar. En este contexto, un fallo se entiende como la violación de las restricciones en los estados y/o entradas del proceso en algún instante de tiempo futuro. / [CAT] La present tesi empra la teoria de conjunts invariants per a l'estudi d'estabili-tat i factibilidad de controladors predictius basats en escenaris per a sistemes lineals amb salts markovians subjectes a restriccions. En el problema d'optimit-zació subjacent a la tècnica de controladors predictius, es consideren bé siga totes les possibles realitzacions futures d'una variable (incerteses, pertorbacions, modes de funcionament) o només un subconjunt d'aquestes. S'estudien dos escenaris diferents, denotats com a escenaris no arriscats i arriscats, entenent-se com no arriscats, aquells on les trajectòries del sistema amb estats inicials pertanyents a certs conjunts invariants, convergeixen --en mitjana-- a l'origen o a un veïnatge invariant d'est amb un 100% de probabilitat. Per a aquests casos, es presenta una anàlisi de les condicions que han de complir els arbres d'escenaris per a garantir estabilitat --en mitjana-- i factibilidad del problema d'optimització. Després es formula el control predictiu basat en escenaris per a sistema lineals amb salts markovians subjecte a restriccions i en absència de pertorbacions. En presència d'escenaris arriscats, es proposa el càlcul de conjunts controlables dependents de seqüències per als quals existeix una llei de control tal que el sistema pot ser conduït a l'origen, solament per a una realització en particular de l'incertesa, pertorbacions, etc. Per a estats pertanyents a aquests conjunts, es proposa una llei de control (òptima per al cas de sistemes lliures de pertorbacions i, subóptima per a sistemes pertorbats) capaç de dirigir el sistema cap a l'origen amb una probabilitat menor del 100%, aquesta probabilitat és denotada com a cota de confiabilitat. Sistemes inestables en llaç tancat tenen cota de confiabilitat igual a zero, per tant es dissenya un algoritme que determina el temps mitjà per a fallar. En aquest context, una fallada s'entén com la violació de les restriccions en els estats i/o entrades del procés en algun instant de temps futur. / Hernández Mejías, MA. (2016). CONTROL PREDICTIVO BASADO EN ESCENARIOS PARA SISTEMAS LINEALES CON SALTOS MARKOVIANOS [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/68512 / TESIS

En esta tesis doctoral se aborda el control de sistemas no lineales mediante el empleo de controladores predictivos generalizados (GPCs) en espacio de estados. En primer lugar se realiza una revisión de la metodología de diseño del GPC en la versión entrada/salida (E/S). Partiendo de esta revisión se propone un modelo CARIMA en espacio de estados para el GPC que permite diseñar al mismo utilizando una menor cantidad de memoria y un menor tiempo de cómputo, así como de reducir la complejidad asociada la formulación E/S. Para la estimación de los estados del modelo CARIMA se propone el uso de un observador de rango completo que se diseña por asignación de polos, estableciéndose un importante resultado: los polos de este observador coinciden con las raíces de los polinomios de filtrado utilizados en la formulación E/S. Posteriormente se analizan las propiedades de observabilidad y controlabilidad del modelo CARIMA propuesto en espacio de estados, llegándose a la conclusión de que se trata de una realización mínima bajo condiciones no demasiado restrictivas, lo cual supone que la predicción se basa en un modelo con el mínimo orden posible. Tras esto, se presenta una metodología de análisis y diseño estable para el GPC mediante el uso del índice de coste como función de Lyapunov, y para el caso con restricciones de la teoría de conjuntos invariantes aplicada al GPC. Seguidamente, se presenta una metodología de diseño robusto para el GPC mediante el empleo de las desigualdades lineales matriciales (LMIs) y de algoritmos genéticos. En concreto, se analiza el caso de sistemas con incertidumbre invariante y variante con el tiempo de tipo lineal fraccional, una de las más complejas y generales utilizadas en la literatura analizada. Finalmente se presenta el controlador GPC-LPV una extensión del GPC en espacio de estados. Se trata de un controlador variante con el tiempo que presenta dependencia lineal fraccional con respecto de las señales de salida medibles. Su diseño es / Salcedo Romero De Ávila, JV. (2005). GPCs en espacio de estados para el control de sistemas no lineales [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/1882 / Palancia

[ES] Los altos costes energéticos, las constantes medidas regulatorias aplicadas por las administraciones para mantener bajos los costes sanitarios, así como los cambios en la normativa sanitaria que se han introducido en los últimos años, han tenido un impacto significativo en la industria farmacéutica y sanitaria. El paradigma Industria 4.0 engloba cambios en el modelo productivo tradicional de la industria farmacéutica con la inclusión de tecnologías que van más allá de la automatización tradicional. El objetivo principal es lograr medicamentos más rentables mediante la incorporación óptima de tecnologías como la analítica avanzada. El proceso de fabricación de las industrias farmacéuticas tiene diferentes etapas (mezclado, secado, compactado, recubrimiento, envasado, etc.) donde una de las etapas más costosas energéticamente es el proceso de secado. El objetivo durante este proceso es extraer el contenido de líquidos como el agua mediante la inyección de aire caliente y seco en el sistema. Este tiempo de secado normalmente está predeterminado y depende del volumen y el tipo de unidades de producto farmacéutico que se deben deshidratar. Por otro lado, la fase de precalentamiento puede variar dependiendo de varios parámetros como la experiencia del operador. Por lo tanto, es posible asumir que una optimización de este proceso a través de analítica avanzada es posible y puede tener un efecto significativo en la reducción de costes en todo el proceso de fabricación. Debido al alto coste de la maquinaria involucrada en el proceso de producción de medicamentos, es una práctica común en la industria farmacéutica tratar de maximizar la vida útil de estas máquinas que no están equipados con los últimos sensores. Así pues, es posible implementar un modelo de aprendizaje automático que utilice plataformas de analítica avanzada, como la computación en la nube, para analizar los posibles ahorros en el consumo de energía. Esta tesis está enfocada en mejorar el consumo de energía en el proceso de precalentamiento de un secador de lecho fluido, mediante la definición e implementación de una plataforma de computación en la nube IIOT (Industrial Internet of Things)-Cloud, para alojar y ejecutar un algoritmo de aprendizaje automático basado en el modelo Catboost, para predecir cuándo es el momento óptimo para detener el proceso y reducir su duración y, en consecuencia, su consumo energético. Los resultados experimentales muestran que es posible reducir el proceso de precalentamiento en un 45% de su duración en tiempo y, en consecuencia, reducir el consumo de energía hasta 2.8 MWh por año. / [CAT] Els elevats costos energètics, les constants mesures reguladores aplicades per les administracions per mantenir uns costos assistencials baixos, així com els canvis en la normativa sanitària que s'han introduït en els darrers anys, han tingut un impacte important en el sector farmacèutic i sanitari. El paradigma de la indústria 4.0 engloba els canvis en el model de producció tradicional de la indústria farmacèutica amb la inclusió de tecnologies que van més enllà de l'automatització tradicional. L'objectiu principal és aconseguir fàrmacs més rendibles mitjançant la incorporació òptima de tecnologies com l'analítica avançada. El procés de fabricació de les indústries farmacèutiques té diferents etapes (mescla, assecat, compactació, recobriment, envasat, etc.) on una de les etapes més costoses energèticament és el procés d'assecat. L'objectiu d'aquest procés és extreure el contingut de líquids com l'aigua injectant aire calent i sec al sistema. Aquest temps de procediment d'assecat normalment està predeterminat i depèn del volum i del tipus d'unitats de producte farmacèutic que cal deshidratar. D'altra banda, la fase de preescalfament pot variar en funció de diversos paràmetres com l'experiència de l'operador. Per tant, podem assumir que una optimització d'aquest procés mitjançant analítiques avançades és possible i pot tenir un efecte significatiu de reducció de costos en tot el procés de fabricació. A causa de l'elevat cost de la maquinària implicada en el procés de producció de fàrmacs, és una pràctica habitual a la indústria farmacèutica intentar maximitzar la vida útil d'aquestes màquines que no estan equipats amb els darrers sensors. Així, es pot implementar un model d'aprenentatge automàtic que utilitza plataformes de analítiques avançades com la computació en núvol, per analitzar l'estalvi potencial del consum d'energia. Aquesta tesis està enfocada a millorar el consum d'energia en el procés de preescalfament d'un assecador de llit fluid, mitjançant la definició i implementació d'una plataforma IIOT (Industrial Internet of Things)-Cloud computing, per allotjar i executar un algorisme d'aprenentatge automàtic basat en el modelatge Catboost, per predir quan és el moment òptim per aturar el procés i reduir-ne la durada, i en conseqüència el seu consum energètic. Els resultats de l'experiment mostren que és possible reduir el procés de preescalfament en un 45% de la seva durada en temps i, en conseqüència, reduir el consum d'energia fins a 2.8 MWh anuals. / [EN] High energy costs, the constant regulatory measures applied by administrations to maintain low healthcare costs, and the changes in healthcare regulations introduced in recent years have all significantly impacted the pharmaceutical and healthcare industry. The industry 4.0 paradigm encompasses changes in the traditional production model of the pharmaceutical industry with the inclusion of technologies beyond traditional automation. The primary goal is to achieve more cost-efficient drugs through the optimal incorporation of technologies such as advanced analytics. The manufacturing process of the pharmaceutical industry has different stages (mixing, drying, compacting, coating, packaging, etc..), and one of the most energy-expensive stages is the drying process. This process aims to extract the liquid content, such as water, by injecting warm and dry air into the system. This drying procedure time usually is predetermined and depends on the volume and the kind of units of a pharmaceutical product that must be dehydrated. On the other hand, the preheating phase can vary depending on various parameters, such as the operator's experience. It is, therefore, safe to assume that optimization of this process through advanced analytics is possible and can have a significant cost-reducing effect on the whole manufacturing process. Due to the high cost of the machinery involved in the drug production process, it is common practice in the pharmaceutical industry to try to maximize the useful life of these machines, which are not equipped with the latest sensors. Thus, a machine learning model using advanced analytics platforms, such as cloud computing, can be implemented to analyze potential energy consumption savings. This thesis is focused on improving the energy consumption in the preheating process of a fluid bed dryer by defining and implementing an IIOT (Industrial Internet of Things) Cloud computing platform. This architecture will host and run a machine learning algorithm based on Catboost modeling to predict when the optimum time is reached to stop the process, reduce its duration, and consequently its energy consumption. Experimental results show that it is possible to reduce the preheating process by 45% of its time duration, consequently reducing energy consumption by up to 2.8 MWh per year. / Barriga Rodríguez, R. (2023). Optimization of Fluid Bed Dryer Energy Consumption for Pharmaceutical Drug Processes through Machine Learning and Cloud Computing Technologies [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/195847

[ES] En los últimos años la popularidad de los quadrotors se ha visto notablemente incrementada debido a la gran variedad de aplicaciones civiles que se encuentran en auge actualmente. Entre los principales nichos de mercado, cabe destacar el elevado potencial en cartografía, agricultura, prevención de incendios, y en general, todas aquellas actividades donde el uso de estos dispositivos pueda suponer una mejora del rendimiento, seguridad del proceso y reducción de costes. En este aspecto, se espera que el uso de los quadrotors se vea incrementado considerablemente en los próximos años. Dicho incremento de popularidad ha hecho que parte de la comunidad científica ponga el foco de atención en ellos para resolver los problemas que presentan actualmente. No obstante, aunque se ha avanzado mucho en los últimos años, existen en la actualidad líneas de investigación y desarrollo encaminadas a la mejora de aspectos importantes tales como la autonomía, la robustez y fiabilidad que permita tanto aumentar la eficiencia energética como incrementar la seguridad ante cualquier posible escenario. El objetivo de la presente tesis es contribuir al desarrollo de estrategias de control robustas para hacer frente a incertidumbres en el modelo, no linealidades, perturbaciones externas y retardos que puedan afectar al sistema a controlar. Este trabajo se fundamenta en la obtención de una estrategia de control basada en estimaciones de perturbaciones, con un ajuste sencillo y desacoplado del seguimiento de la referencia y rechazo de perturbaciones. A partir las estrategias de control desarrolladas, se presentan además diferentes extensiones que permiten mejorar la robustez del vehículo. La construcción de un observador de la pérdida de eficiencia de los motores, que permita detectar cuando se produce un fallo crítico y aterrizar el vehículo de forma segura. Conjuntamente, se desarrolla un algoritmo óptimo que permite estabilizar los diferentes lazos de control en el caso que saturen las acciones de control de los motores que no corresponden explícitamente a las salidas de los lazos de control internos. Debido al extendido uso del controlador PID, se obtiene un equivalente entre la estrategia propuesta y los parámetros de un PID de dos grados de libertad, generalizándose para plantas de primer y segundo orden con retardos. Además, para el caso de retardos variables aleatorios en los canales de sensor-controlador y controlador-actuador además de la presencia de perturbaciones, se desarrolla un predictor junto con un observador de perturbaciones para poder controlar dichos sistemas. Todas las estrategias propuestas se han validado de forma satisfactoria en las plataformas experimentales disponibles. Entre otros aspectos, cabe destacar la eficiencia computacional de las leyes de control propuestas, tanto en fase de diseño y ajuste como en la fase de ejecución. / [CA] En els darrers anys la popularitat dels quadrotors s'ha vist notablement incrementada a causa de la gran varietat d'aplicacions civils que es troben actualment en auge. Entre els principals nínxols de mercat, cal destacar l'elevat potencial en cartografia, agricultura, prevenció d'incendis i, en general, totes aquelles activitats on l'ús d'aquests dispositius supose una millora del rendiment, la seguretat del procés i la reducció de costos. En aquest aspecte, s'espera que l'ús d'aquestes aeronaus s'incremente considerablement en els pròxims anys. Aquest increment de popularitat ha fet que part de la comunitat científica pose el focus d'atenció per resoldre els problemes que presenten actualment. No obstant això, encara que ha evolucionat molt en els darrers anys, actualment existeixen línies de recerca i desenvolupament encaminades a la millora d'aspectes importants com l'autonomia, la robustesa i fiabilitat que permitisca tant augmentar l'eficiència energètica com incrementar la seguretat davant qualsevol possible escenari. L'objectiu d'aquesta tesi és contribuir al desenvolupament d'estratègies de control robustes per fer front a incerteses en el model, no linealitats, pertorbacions externes i retards que puguen afectar el sistema a controlar. Aquest treball es fonamenta en obtindre una estratègia de control basada en estimacions de pertorbacions, amb un ajust senzill i desacoblat del seguiment de la referència i rebuig de pertorbacions. A partir d'aquesta estratègia desenvolupada, es presenten diferents extensions que permeten millorar la robustesa del vehicle. La construcció d'un observador de la pèrdua d'eficiència dels motors, que permeta detectar quan es produeix una fallada crítica i aterrar el vehicle de manera segura. Conjuntament, es desenvolupa un algorisme òptim que permeta estabilitzar els diferents bucles de control en cas que saturen les accions de control dels motors que no corresponen explícitament a les eixides dels bucles de control interns. A causa del ampli ús del controlador PID, s'obté un equivalent entre l'estratègia proposada i els paràmetres d'un PID de dos graus de llibertat, generalitzant-se per a plantes de primer i segon ordre amb retards. A més, per al cas de retards variables aleatoris als canals de sensor-controlador i controlador-actuador a més de la presència de pertorbacions, es desenvolupa un predictor juntament amb un observador de pertorbacions per poder controlar aquests sistemes. Totes les estratègies proposades s'han validat de forma satisfactòria amb les plataformes experimentals disponibles. Entre altres aspectes, cal destacar l'eficiència computacional de les lleis de control proposades, tant en fase de disseny i ajustament com en fase d'execució. / [EN] In recent years the popularity of quadrotors has increased significantly due to the wide variety of civil applications that are currently booming. Among the main market niches, it is worth the high potential in cartography, agriculture, fire prevention and in general, all those activities where the use of these devices can improve performance, process safety and cost reduction. In this regard, the use of these aircraft is expected to increase considerably in the coming years. This increase in popularity has led part of the scientific community to focus on them to solve the problems they have. However, although much progress has been made in recent years, there are currently lines of research and development aimed at improving important aspects such as autonomy, robustness and reliability to increase energy efficiency and safety against any possible scenario. The objective of this thesis is to contribute to the development of robust control strategies to deal with model uncertainties, nonlinearities, external disturbances and delays which may affect the controlled system. This work is based on obtaining a control strategy based on disturbance observers, with a simple and decoupled tuning of reference tracking and disturbance rejection. From this developed strategy, different extensions are developed to improve the robustness of the vehicle: the construction of an observer of the loss of efficiency of the motors, which allows to detect when a critical failure occurs and land the vehicle safely; and the development of an optimal algorithm to stabilize the inner control loops in the case that saturate the control actions of the motors, which do not correspond explicitly to the outputs of the inner control loops. Due to the widespread use of the PID controller, an equivalent tuning is obtained between the proposed strategy and the parameters of a PID of two degrees of freedom, generalizing for first and second order plants with delays. Moreover, for the case of random variable delays in the sensor-controller and controller-actuator channels and the presence of disturbances, a predictor together with a disturbance observer is developed in order to control such systems. All the proposed strategies have been successfully validated on the experimental platforms. Among other aspects, it is worth mentioning the computational efficiency of the proposed control laws, both in the design and adjustment phase and in the execution phase. / Quiero dar gracias a la Universitat Politècnica de València por las ayudas FPI-UPV PAID-01-17 y las ayudas para la movilidad 2019 FPI-UPV sin las cuales no hubiese podido terminar esta tesis. / Balaguer Garín, V. (2024). Diseño de estrategias de control robusto aplicadas a vehículos aéreos no tripulados tipo quadrotor [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/204746

[ES] La gran mayoría de procesos del mundo real tienen incertidumbres inherentes, las cuales, al ser consideradas en el proceso de modelado, se puede obtener una representación que describa con la mayor precisión posible el comportamiento del proceso real. En la mayoría de casos prácticos, se considera que éstas tienen un comportamiento estocástico y sus descripciones como distribuciones de probabilidades son conocidas. Las estrategias de MPC estocástico están desarrolladas para el control de procesos con incertidumbres de naturaleza estocástica, donde el conocimiento de las propiedades estadísticas de las incertidumbres es aprovechado al incluirlo en el planteamiento de un problema de control óptimo (OCP). En éste, y contrario a otros esquemas de MPC, las restricciones duras son relajadas al reformularlas como restricciones de tipo probabilísticas con el fin de reducir el conservadurismo. Esto es, se permiten las violaciones de las restricciones duras originales, pero tales violaciones no deben exceder un nivel de riesgo permitido. La no-convexidad de tales restricciones probabilísticas hacen que el problema de optimización sea prohibitivo, por lo que la mayoría de las estrategias de MPC estocástico en la literatura se diferencian en la forma en que abordan tales restricciones y las incertidumbres, para volver el problema computacionalmente manejable. Por un lado, están las estrategias deterministas que, fuera de línea, convierten las restricciones probabilísticas en unas nuevas de tipo deterministas, usando la propagación de las incertidumbres a lo largo del horizonte de predicción para ajustar las restricciones duras originales. Por otra parte, las estrategias basadas en escenarios usan la información de las incertidumbres para, en cada instante de muestreo, generar de forma aleatoria un conjunto de posibles evoluciones de éstas a lo largo del horizonte de predicción. De esta manera, convierten las restricciones probabilísticas en un conjunto de restricciones deterministas que deben cumplirse para todos los escenarios generados. Estas estrategias se destacan por su capacidad de incluir en tiempo real información actualizada de las incertidumbres. No obstante, esta ventaja genera inconvenientes como su gasto computacional, el cual aumenta conforme lo hace el número de escenarios y; por otra parte, el efecto no deseado en el problema de optimización, causado por los escenarios con baja probabilidad de ocurrencia, cuando se usa un conjunto de escenarios pequeño. Los retos mencionados anteriormente orientaron esta tesis hacia los enfoques de MPC estocástico basado en escenarios, produciendo tres contribuciones principales. La primera consiste en un estudio comparativo de un algoritmo del grupo determinista con otro del grupo basado en escenarios; se hace un especial énfasis en cómo cada uno de estos aborda las incertidumbres, transforma las restricciones probabilísticas y en la estructura de su OCP, además de señalar sus aspectos más destacados y desafíos. La segunda contribución es una nueva propuesta de algoritmo MPC, el cual se basa en escenarios condicionales, diseñado para sistemas lineales con incertidumbres correlacionadas. Este esquema aprovecha la existencia de tal correlación para convertir un conjunto de escenarios inicial de gran tamaño en un conjunto de escenarios más pequeño con sus probabilidades de ocurrencia, el cual conserva las características del conjunto inicial. El conjunto reducido es usado en un OCP en el que las predicciones de los estados y entradas del sistema son penalizadas de acuerdo con las probabilidades de los escenarios que las componen, dando menor importancia a los escenarios con menores probabilidades de ocurrencia. La tercera contribución consiste en un procedimiento para la implementación del nuevo algoritmo MPC como gestor de la energía en una microrred en la que las previsiones de las energías renovables y las cargas están correlacionadas. / [CA] La gran majoria de processos del món real tenen incerteses inherents, les quals, en ser considerades en el procés de modelatge, es pot obtenir una representació que descriga amb la major precisió possible el comportament del procés real. En la majoria de casos pràctics, es considera que aquestes tenen un comportament estocàstic i les seues descripcions com a distribucions de probabilitats són conegudes. Les estratègies de MPC estocàstic estan desenvolupades per al control de processos amb incerteses de naturalesa estocàstica, on el coneixement de les propietats estadístiques de les incerteses és aprofitat en incloure'l en el plantejament d'un problema de control òptim (OCP). En aquest, i contrari a altres esquemes de MPC, les restriccions dures són relaxades en reformulades com a restriccions de tipus probabilístiques amb la finalitat de reduir el conservadorisme. Això és, es permeten les violacions de les restriccions dures originals, però tals violacions no han d'excedir un nivell de risc permès. La no-convexitat de tals restriccions probabilístiques fan que el problema d'optimització siga computacionalment immanejable, per la qual cosa la majoria de les estratègies de MPC estocàstic en la literatura es diferencien en la forma en què aborden tals restriccions i les incerteses, per a tornar el problema computacionalment manejable. D'una banda, estan les estratègies deterministes que, fora de línia, converteixen les restriccions probabilístiques en unes noves de tipus deterministes, usant la propagació de les incerteses al llarg de l'horitzó de predicció per a ajustar les restriccions dures originals. D'altra banda, les estratègies basades en escenaris usen la informació de les incerteses per a, en cada instant de mostreig, generar de manera aleatòria un conjunt de possibles evolucions d'aquestes al llarg de l'horitzó de predicció. D'aquesta manera, converteixen les restriccions probabilístiques en un conjunt de restriccions deterministes que s'han de complir per a tots els escenaris generats. Aquestes estratègies es destaquen per la seua capacitat d'incloure en temps real informació actualitzada de les incerteses. No obstant això, aquest avantatge genera inconvenients com la seua despesa computacional, el qual augmenta conforme ho fa el nombre d'escenaris i; d'altra banda, l'efecte no desitjat en el problema d'optimització, causat pels escenaris amb baixa probabilitat d'ocurrència, quan s'usa un conjunt d'escenaris xicotet. Els reptes esmentats anteriorment van orientar aquesta tesi cap als enfocaments de MPC estocàstic basat en escenaris, produint tres contribucions principals. La primera consisteix en un estudi comparatiu d'un algorisme del grup determinista amb un altre del grup basat en escenaris; on es fa un especial èmfasi en com cadascun d'aquests aborda les incerteses, transforma les restriccions probabilístiques i en l'estructura del seu problema d'optimització, a més d'assenyalar els seus aspectes més destacats i desafiaments. La segona contribució és una nova proposta d'algorisme MPC, el qual es basa en escenaris condicionals, dissenyat per a sistemes lineals amb incerteses correlacionades. Aquest esquema aprofita l'existència de tal correlació per a convertir un conjunt d'escenaris inicial de gran grandària en un conjunt d'escenaris més xicotet amb les seues probabilitats d'ocurrència, el qual conserva les característiques del conjunt inicial. El conjunt reduït és usat en un OCP en el qual les prediccions dels estats i entrades del sistema són penalitzades d'acord amb les probabilitats dels escenaris que les componen, donant menor importància als escenaris amb menors probabilitats d'ocurrència. La tercera contribució consisteix en un procediment per a la implementació del nou algorisme MPC com a gestor de l'energia en una microxarxa en la qual les previsions de les energies renovables i les càrregues estan correlacionades. / [EN] The vast majority of real-world processes have inherent uncertainties, which, when considered in the modelling process, can provide a representation that most accurately describes the behaviour of the real process. In most practical cases, these are considered to have stochastic behaviour and their descriptions as probability distributions are known. Stochastic model predictive control algorithms are developed to control processes with uncertainties of a stochastic nature, where the knowledge of the statistical properties of the uncertainties is exploited by including it in the optimal control problem (OCP) statement. Contrary to other model predictive control (MPC) schemes, hard constraints are relaxed by reformulating them as probabilistic constraints to reduce conservatism. That is, violations of the original hard constraints are allowed, but such violations must not exceed a permitted level of risk. The non-convexity of such probabilistic constraints renders the optimisation problem computationally unmanageable, thus most stochastic MPC strategies in the literature differ in how they deal with such constraints and uncertainties to turn the problem computationally tractable. On the one hand, there are deterministic strategies that, offline, convert probabilistic constraints into new deterministic ones, using the propagation of uncertainties along the prediction horizon to tighten the original hard constraints. Scenario-based approaches, on the other hand, use the uncertainty information to randomly generate, at each sampling instant, a set of possible evolutions of uncertainties over the prediction horizon. In this fashion, they convert the probabilistic constraints into a set of deterministic constraints that must be fulfilled for all the scenarios generated. These strategies stand out for their ability to include real-time updated uncertainty information. However, this advantage comes with inconveniences such as computational effort, which grows as the number of scenarios does, and the undesired effect on the optimisation problem caused by scenarios with a low probability of occurrence when a small set of scenarios is used. The aforementioned challenges steered this thesis toward stochastic scenario-based MPC approaches, and yielded three main contributions. The first one consists of a comparative study of an algorithm from the deterministic group with another one from the scenario-based group, where a special emphasis is made on how each of them deals with uncertainties, transforms the probabilistic constraints and on the structure of the optimisation problem, as well as pointing out their most outstanding aspects and challenges. The second contribution is a new proposal for a MPC algorithm, which is based on conditional scenarios, developed for linear systems with correlated uncertainties. This scheme exploits the existence of such correlation to convert a large initial set of scenarios into a smaller one with their probabilities of occurrence, which preserves the characteristics of the initial set. The reduced set is used in an OCP in which the predictions of the system states and inputs are penalised according to the probabilities of the scenarios that compose them, giving less importance to the scenarios with lower probabilities of occurrence. The third contribution consists of a procedure for the implementation of the new MPC algorithm as an energy manager in a microgrid in which the forecasts of renewables and loads are correlated. / González Querubín, EA. (2024). Scenario-Based Model Predictive Control for Systems with Correlated Uncertainties [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203887