Esta tese tem por objetivo a obtenção de modelos que apresentem melhor desempenho quando utilizados em controladores preditivos baseados em modelo (Model-based Predictive Control, MPC). Ao longo dos últimos 25 anos diversos trabalhos propuseram métodos baseados na minimização de uma função de predição múltiplos passos à frente, que se caracteriza por ser uma função não linear. Estes métodos foram denominados MPC Relevent Identification (MRI). A maioria destes artigos propõe técnicas para a obtenção de modelos lineares. Ao longo dos últimos 5 anos, alguns métodos, também baseados na minimização da função de predição múltiplos passos à frente, foram propostos para a identificação de modelos não lineares. Estes trabalhos são baseados na minimização direta da função de custo não linear, para obter com estrutura NARMAX (Nonlinear Autoregressive Moving Average with exogenous inputs). Entretanto, estruturas simplificadas de controladores MPC não lineares podem ser obtidas utilizando modelos com estruturas de Wiener e de Hammerstein. Esta tese apresenta novos resultados teóricos que permitem a obtenção de algoritmos de identificação MRI para modelos com estrutura de Wiener e Hammerstein, sem a necessidade de minimizar a função de custo não linear. Além da demonstração dos resultados teóricos, novos algoritmos são propostos tendo a sua capacidade de predição, propriedades estatísticas e aplicação em controladores MPC não lineares avaliadas. / This thesis focuses on obtaining models that may produce a better performance of Model-based Predictive Controllers (MPC). Several papers published in the last 25 years have proposed methods based on the minimization of multi-step ahead prediction functions, which are inherently nonlinear. These methods have been called MPC Relevant Identification (MRI). Most of the papers focused on obtaining linear models. In the last 5 years, some methods have been proposed to obtain nonlinear models based on the minimization of the same cost function. These papers were based on the direct minimization of the nonlinear cost function to produce models with NARMAX (nonlinear Autoregressive Moving Average with exogenous inputs) structure. However, simplified MPC schemes may be obtained using models with Wiener and Hammerstein structures. This thesis presents new theoretical results which allow the development of MRI identification algorithms for models with Wiener and Hammerstein structures, without the need to perform the minimization of the nonlinear cost function. Besides the proof of theoretical results, new algorithms are developed and have their prediction capability statistical properties and performance in nonlinear MPC controllers evaluated.

This work presents an embedded model predictive control application to a 2-DOF Helicopter Process. The mathematical modeling of the plant is first presented along with an analysis of the linear model. Then, the incremental state-space representations used in the MPC formulation are derived. The MPC technique is then defined, along with how to rewrite the physical constraints into the problem formulation. After that, a discussion on the utilized Quadratic Programming solver is presented along with possible alternatives to it, showing some considerations on which matrices to calculate beforehand for an embedded application. Finally, system identification is performed and the experimental results are presented. / Este trabalho apresenta uma aplicação de controle preditivo embarcado em um helicóptero de bancada com dois graus de liberdade. A modelagem matemática é apresentada, junto com uma análise do modelo linear obtido. São obtidas duas representações de modelos de espaço de estados considerando a entrada incremental, que serão usadas posteriormente para a formulação do controlador. Então, é definida a técnica de controle utilizada, juntamente com a inclusão das restrições físicas da planta na formulação do problema. Após isto, é feita uma discussão sobre qual solver para a programação quadrática utilizar, junto com algumas alternativas ao solver escolhido, bem como algumas considerações sobre a aplicação embarcada. Finalmente, são apresentados os resultados da identificação de sistemas aplicadas ao protótipo, bem como os resultados experimentais obtidos.

Esta tese tem por objetivo a obtenção de modelos que apresentem melhor desempenho quando utilizados em controladores preditivos baseados em modelo (Model-based Predictive Control, MPC). Ao longo dos últimos 25 anos diversos trabalhos propuseram métodos baseados na minimização de uma função de predição múltiplos passos à frente, que se caracteriza por ser uma função não linear. Estes métodos foram denominados MPC Relevent Identification (MRI). A maioria destes artigos propõe técnicas para a obtenção de modelos lineares. Ao longo dos últimos 5 anos, alguns métodos, também baseados na minimização da função de predição múltiplos passos à frente, foram propostos para a identificação de modelos não lineares. Estes trabalhos são baseados na minimização direta da função de custo não linear, para obter com estrutura NARMAX (Nonlinear Autoregressive Moving Average with exogenous inputs). Entretanto, estruturas simplificadas de controladores MPC não lineares podem ser obtidas utilizando modelos com estruturas de Wiener e de Hammerstein. Esta tese apresenta novos resultados teóricos que permitem a obtenção de algoritmos de identificação MRI para modelos com estrutura de Wiener e Hammerstein, sem a necessidade de minimizar a função de custo não linear. Além da demonstração dos resultados teóricos, novos algoritmos são propostos tendo a sua capacidade de predição, propriedades estatísticas e aplicação em controladores MPC não lineares avaliadas. / This thesis focuses on obtaining models that may produce a better performance of Model-based Predictive Controllers (MPC). Several papers published in the last 25 years have proposed methods based on the minimization of multi-step ahead prediction functions, which are inherently nonlinear. These methods have been called MPC Relevant Identification (MRI). Most of the papers focused on obtaining linear models. In the last 5 years, some methods have been proposed to obtain nonlinear models based on the minimization of the same cost function. These papers were based on the direct minimization of the nonlinear cost function to produce models with NARMAX (nonlinear Autoregressive Moving Average with exogenous inputs) structure. However, simplified MPC schemes may be obtained using models with Wiener and Hammerstein structures. This thesis presents new theoretical results which allow the development of MRI identification algorithms for models with Wiener and Hammerstein structures, without the need to perform the minimization of the nonlinear cost function. Besides the proof of theoretical results, new algorithms are developed and have their prediction capability statistical properties and performance in nonlinear MPC controllers evaluated.

A utilização de controladores preditivos multivariáveis na indústria de processos cresceu significativamente nos últimos anos principalmente devido à versatilidade e a confiabilidade que essa ferramenta proporciona em termos de controle avançado. No entanto, aspectos relacionados à aplicação prática do que vem sendo desenvolvido no meio acadêmico possui pouca difusão na indústria devido às configurações clássicas adotadas, como sistemas quadrados (com o mesmo número de variáveis controladas e manipuladas), modelos lineares, utilização de setpoint e etc. diferindo daquilo que está disponível e é amplamente utilizado industrialmente: sistemas não-quadrados (geralmente com mais variáveis controladas do que manipuladas), modelos não-lineares e utilização de soft-constraints. Esse trabalho propõe uma metodologia para ajuste dos parâmetros presentes em um controlador preditivo, atento à variedade de algoritmos presentes na indústria de processos. Essa metodologia se baseia na obtenção do melhor desempenho alcançável para cada cenário de um modelo global do processo, atendendo as restrições de Número de Desempenho Robusto relativo (rRPN), Máxima Sensibilidade e restrições nas ações de controle. Baseado em um desempenho que é alcançável, o modelo linear global é escalonado (assim como a planta não-linear) e os pesos que levam o sistema para a melhor condição operacional são estimados. Essa técnica abrange controladores operando em faixas e/ou setpoint e configurações não-quadradas, i.e., com mais variáveis controladas do que manipuladas. A abordagem proposta foi testada em uma planta de quatro tanques esféricos com aquecimento apresentando resultados coerentes, corroborando seu potencial de aplicação industrial. / Due to their versatility and reliability, Model Predictive Controllers (MPCs) are the standard solution for advanced process control in the process industry. However, there is a gap between the academic developments and the actual industrial applications, since the most academic studies focus on systems working with set-points and same number of manipulated and controlled variables, whereas the industrial application cope with non-squared configuration usually with several controlled variables in ranging and a reduced number of manipulated variables. This work proposes a tuning methodology for the countable parameters presents in a typical industrial predictive controller, considering the variety of the algorithms presents commercially in the process industry. This methodology is based on the estimation of the best attainable performance for each scenario of the global model of the process, constrained by the relative Robust Performance Number (rRPN), Maximal Sensitivity and restrictions in the control actions. Based on a performance that is attainable, the linear global model is scaled (and the non-linear) and the weights that lead the system to the best operational condition are estimated. This technique covers controllers operating in zones of control and/or set-point tracking and non-square configurations, i.e., with more controlled variables than manipulated. The proposed approach was tested in a Quadruple-Spherical tanks heating system presenting coherent results indicating its potential for industrial applications.

La commande prédictive de type Model Predictive Control (MPC) s’est imposée au fil du temps dans de nombreux domaines industriels. Elle permet en effet d’optimiser avec succès les performances du système contrôlé tout en respectant de nombreuses contraintes propres à l’application visée. Cependant, l’utilisation de la commande MPC dans les domaines de la commande de moteurs et de générateurs demeure problématique. En effet, ces applications à forte dynamique imposent de choisir de faibles périodes d’échantillonnage, or, ce type d’algorithme demande de résoudre pour chaque période d’échantillonnage un problème d’optimisation complexe. Cette difficulté est renforcée car le champ applicatif visé portant sur les applications embarquées aéronautiques où la vitesse de base des machines électriques est très élevée, de même que leur fréquence d’alimentation. De plus, du fait que les systèmes étudiés sont embarqués, il est également très important de minimiser les pertes énergétiques de l’ensemble convertisseur-machine. Dans ce contexte la commande prédictive par approche MPC peut être d’un grand intérêt. De plus, ce type d’application intègre des contraintes supplémentaires liées à l’environnement sévère dans lequel évoluent ces systèmes, contraintes additionnelles de fiabilité qu’il faut bien sûr ajouter dans l’algorithme de commande prédictif. La conséquence immédiate sera de renforcer la complexité des algorithmes et donc rendre plus difficile l’implantation en temps réel. Cependant, les gains attendus en termes de performance et de fiabilité sont importants. Le sujet proposé demande ainsi dans une première partie, de synthétiser une loi de commande prédictive d’un actionneur synchrone aéronautique. Une mission type sera choisie et l’optimisation portera à la fois sur le niveau des performances du contrôle que la minimisation de la dépense énergétique. Par ailleurs, une étude de robustesse sera menée qui prendra en compte l’impact de l’environnement de l’actionneur. L’aspect robustesse sera ainsi intégré à l’étude de la commande. La seconde partie du travail portera sur le portage de l’algorithme sur cible FPGA. Une attention toute particulière sera apportée à la minimisation du temps de calcul sans détérioration des performances, le tout sous contrainte de place. Il faudra privilégier une architecture de type Système-sur-Puce qui allie la flexibilité d’un ou plusieurs cœurs processeurs et de modules matériels dédiés à l’accélération de certaines parties critiques du traitement. / Nowadays, Model Predictive Control (MPC) has emerged in many industrial fields. It allows the optimization of the controlled drive performances while respecting a number of constraints specific to the application. However, the use of MPC in the fields of motors and generators control remains problematic. Indeed, these highly dynamic applications require small sampling periods. However, these types of algorithms necessitate the resolution of complex optimization problems at each sampling period. These difficulties are reinforced in our case as the chosen field is the aeronautical embedded applications where the drive speed, as well as the frequency, is important. In addition, as the systems are embedded ones, it is important to minimize the overall energy losses of the inverter-drive system. In this context, the Model Predictive Control can be of great interest. Moreover, this type of applications integrates additional constraints related to the harsh environment in which the systems evolve, such as the reliability, which must be added in the predictive control algorithm. The immediate consequence of these constraints results in an increase of the complexity of the algorithms and therefore it becomes more difficult to implement in real time. However, the expected gains in performance and reliability are important. The proposed subject requires in the first part, to synthesize a predictive control law of an aeronautical synchronous drive. A typical mission will be selected and the optimization will be performed on both the performance level of the control and the minimization of the energy cost. Furthermore, a robustness study is to be conducted that takes into account the environmental impact of the motor drive. The second part will be on the implementation of the algorithm on FPGA target. Particular attention will be paid to minimizing the computational time without any degradation in the performances. Focus will be upon architectures of the type System-on-chip (SoC) that combines the flexibility of one or more processor cores and dedicated hardware modules for accelerating critical parts of the treatment.

Radical changes to present day power systems will lead to power systems with a significant penetration of renewable energy sources and smartness, expressed in an extensive utilization of novel sensors and cyber secure Information and Communication Technology. Although these renewable energy sources prove to contribute to the reduction of CO2 emissions into the environment, its high penetration affects power system dynamic performance as a result of reduced power system inertia as well as less flexibility with regards to dispatching generation to balance future demand. These pose a threat both to the security and stability of future power systems. It is therefore very important to develop new methods through which power system security and stability can be maintained. This research investigated the development of methods through which the contributions of on-load tap changing transformers/transformer clusters could be assessed with the intent of developing real time adaptive voltage controlled demand response schemes for power systems. The development of such a scheme enables more active system components to be involved in the provision of frequency control as an ancillary service and deploys a new frequency control service with low infrastructural investment, bearing in mind that OLTC transformers are already very prevalent in power systems. In this thesis, a novel online adaptive supervisory controller for ensuring optimal dispatch of voltage-controlled demand response resources is developed. This novel controller is designed using the assessment results of OLTC transformer impacts on steady-state frequency and was tested for a variety of scenarios. To achieve the effective performance of the adaptive supervisory controller, the extensive use of statistical techniques for assessing OLTC transformer contributions to voltage controlled demand response is presented. This thesis also includes the use of unsupervised machine learning techniques for power system partitioning and the further use of statistical methods for assessing the contributions of OLTC transformer aggregates.

This report presents an approach on how to utilize information on future states of traffic lights to reduce the energy consumption and trip time for a Heavy Duty Vehicle. Model Predictive Control is proposed as a solution to handle the optimisation on-line and the concept is tested for various prediction horizons in which information can be received. Further on, it is investigated if the implemented controller is robust enough to execute the same task in a scenario where only the current state is known and future states are predicted. Comparison with a reference vehicle demonstrates improved fuel economy as well as reduced trip time when the information is given. It is shown that the results are improved as the prediction horizon is extended, but converges after 400-500 meters. As the phases of the traffic lights are predicted, fuel economy can be improved, but it comes at a price from being non-robust with drastic braking and increased trip time as predictions might be inaccurate.

Nesta tese, com a ambição de desenvolver um pacote de controle que poderia ser implementado a baixo custo nas indústrias brasileiras, é estudado o controle preditivo (MPC) de sistemas estáveis e instáveis com modelos incertos, baseado em um modelo de realinhamento e o uso de técnicas de desigualdades matriciais lineares (LMI), para resolução de problemas de controle robusto. Na primeira parte da tese, a aplicabilidade de um controlador baseado em um modelo de realinhamento é considerada. Como o controlador preditivo baseado em um modelo de realinhamento não requer o uso de um observador de estados, espera-se que seja mais eficiente e mais robusto a distúrbios não medidos que um controlador que precise de um observador de estados. Essa hipótese é testada comparando-se o desempenho e a robustez a distúrbios não medidos deste controlador com um controlador que requer o uso de um observador de estados, através da simulação do controle de um separador polipropileno/propano (PP) industrial. Por outro lado, a desvantagem de um controlador baseado em um modelo de realinhamento é a sensibilidade da construção do modelo e das matrizes do controlador a erros numéricos que aumentam com o tamanho do sistema. As etapas do algoritmo de controle mais sensíveis a erros numéricos são então destacadas com o objetivo de discutir a aplicabilidade de um controlador baseado em um modelo de realinhamento a sistemas de grande porte. Além disso, sempre que possível, os métodos utilizados para reduzir a sensibilidade das etapas problemáticas a erros numéricos são apresentados. A segunda parte da tese trata da solução do problema de controle robusto preditivo baseado em um modelo de sistema incerto. Este problema é usualmente abordado através da inclusão de restrições não lineares sobre os custos associados aos modelos da planta no problema de controle, de tal modo que a ação de controle é obtida a cada instante de tempo através da resolução de um problema de otimização não linear, cujo custo computacional pode ser proibitivo para sistemas de grande porte. Nesta parte da tese, o problema de MPC robusto é então reformulado como um problema baseado em LMIs, que pode ser resolvido com uma fração do esforço computacional. A abordagem proposta é comparada com o MPC robusto convencional e testada através da simulação do controle de um reator e de um separador C3/C4 industriais. Finalmente, na terceira parte da tese, o MPC de sistemas estáveis e instáveis com incertezas no modelo que permite a saturação das entradas manipuladas é abordado. Um subconjunto das entradas manipuladas é alocado ao controle das saídas instáveis através de uma lei de realimentação de estados, enquanto as outras entradas são deixadas livres para controlar as saídas estáveis restantes. Assume-se que as saídas são controladas dentro de faixas e que os setpoints das saídas são tratados como entradas manipuladas adicionais. Os controladores desenvolvidos nesta parte da tese permitem a saturação das entradas associadas às saídas instáveis através da manipulação das entradas livres e dos setpoints das saídas instáveis. A viabilidade recursiva dos controladores desenvolvidos é garantida, permitindo-se que os setpoints das saídas instáveis deixem temporariamente suas faixas. O desempenho dos controladores desenvolvidos é testado através da simulação do controle de dois processos integradores da indústria química. / In this thesis, with the ambition of developing a homemade control package that could be implemented at a low cost in Brazilian industries, the model predictive control (MPC) of uncertain stable and unstable systems based on a realigned state space representation and on the use of the Linear Matrix Inequality (LMI) techniques is addressed. In the first part of this thesis, the practical implementability of a controller based on a realigned model is considered. Since a Model Predictive Controller based on a realigned model does not require the use of a state observer, it is expected to be more efficient and more robust to unmeasured disturbances than a controller requiring the use of a state observer. This assumption is tested by comparing the performance and the robustness to unmeasured disturbances of a controller based on a realigned model with a controller requiring the use of a state observer through the simulation of the control of a nonlinear industrial propylene/propane (PP) splitter. On the other hand, a disadvantage of a controller based on a realigned model is that the construction of the model and controller matrices is very sensitive to numerical errors. The steps of the control algorithm that are more sensitive to numerical errors are then highlighted in order to discuss the practical applicability of an MPC based on the realigned model to large-scale systems. Also, wherever possible, some ways of decreasing the sensitiveness of the problematic steps to numerical errors are presented. The second part of this thesis addresses the solution to the problem of robust MPC of systems with model uncertainty. The usual approach of dealing with this kind of problem is through the inclusion of nonlinear cost constraints in the control problem so that the control action is obtained at each sampling time as the solution to a nonlinear programming (NLP) problem that, for high order systems, can be computationally expensive. In this part of the thesis, the robust MPC problem is then recast as an LMI problem that can be solved in real time with a fraction of the computer effort. The proposed approach is compared with the conventional robust MPC and tested through the simulation of the control of a reactor system and a C3/C4 splitter of the process industry. Finally, in the third part of the thesis, the model predictive control of uncertain process systems with stable and unstable outputs that allows input saturation is addressed. A subset of the manipulated inputs is allocated to the control of the unstable outputs through a state feedback control law while the other inputs are left free to control the remaining stable outputs. It is assumed that the outputs are controlled inside zones and that the output setpoints are treated as additional free manipulated inputs. The proposed controllers allow the saturation of the inputs related to the unstable outputs by manipulating the free inputs and the setpoints of the unstable outputs. The recursive feasibility of the controllers is guaranteed by allowing the setpoints of the unstable outputs to temporarily leave their bounds. The performance of the proposed approach is tested through the simulation of the control of two integrating chemical process systems.

Sistemas de aeração são amplamente utilizados em estações de tratamento de esgotos sanitários e efluentes industriais, sendo a configuração mais utilizada os sistemas de lodos ativados. Neste trabalho, buscou-se a implementação e o teste de uma estratégia de controle avançado em um sistema de aeração. Foi utilizado um canal de aeração com recirculação de água como simulação de um tanque de aeração. Para consumir o oxigênio dissolvido na água, foi realizada a dosagem de hipossulfito de sódio na entrada de água do canal. Um algoritmo de controle preditivo tipo QDMC (\"Quadratic Dynamic Matrix Control\") foi implementado. Para estabelecer o \"set-point\" de OD (oxigênio dissolvido) pela manipulação da rotação do soprador de ar, foi utilizado um microcomputador com programação desenvolvida em linguagem C. Foi instalado na saída do canal uma sonda com sensores de OD e temperatura e um inversor de freqüência foi ligado ao soprador, ambos conectados ao microcomputador para armazenamento das informações geradas e envio dos comandos gerados pelo algoritmo de controle. Foram avaliadas a performance e estabilidade da estratégia de controle adotada, mostrando que o controlador desenvolvido é robusto e estável para utilização em sistemas de aeração. Isto indica que é interessante desenvolver o estudo para reatores biológicos operando em estações de tratamento de efluentes. / Aeration systems are widely used in wastewater treatment plants, and the configuration more common is activated sludge plant. In this study, we sought to implement and test an advanced control strategy in an aeration system. We used a channel aeration with recirculation of water as a simulation of an aeration tank. To consume the dissolved oxygen in water was performed dosage of sodium thiosulphate in water entering the channel. A predictive control algorithm type QDMC (\"Quadratic Dynamic Matrix Control\") was implemented. To establish the set-point of DO (dissolved oxygen) by manipulating the rotation of the air blower was used with a microcomputer program developed in C language. It was installed onto the end of channel a sensor of DO and temperature and a frequency converter was connected to the blower, both connected to the computer for storing information generated and transmission of information generated by the control algorithm. We evaluated the performance and stability of the control strategy adopted, showing that the developed controller is robust and stable for use in aeration systems. This indicates that it is interesting to further explore the biological reactors operating in sewage treatment effluents.

Este trabalho tem como objetivo o estudo de um controlador preditivo para um sistema de aplicação de herbicidas a taxas variáveis, em que o herbicida e a água encontram-se em recipientes diferentes e enviados a um misturador para formar a calda a taxas variáveis de concentração. Propõe-se uma estratégia de geração da referência para o controlador a fim de caracterizar o sistema de injeção de herbicidas como um sistema híbrido com dois modos de operação. Esta geração da referência para o controlador possui a finalidade de reduzir os efeitos do tempo de atraso inerente do sistema causado pelo tamanho da tubulação entre o misturador e os bicos de dispersão da calda. As áreas que requerem aplicação de herbicida, assim como sua taxa de aplicação, são informadas ao controlador por meio de mapas de infestação georeferenciados pré adquiridos. O principal objetivo é controlar a aplicação de herbicidas de forma que a quantidade necessária de herbicidas seja aplicada evitando desperdícios. O controlador preditivo reduz o custo com insumos agrícolas, protege o operário responsável pela aplicação e preserva o meio ambiente de impactos ambientais causados pelo excesso de herbicidas. Resultados de simulação usando modelos matemáticos para as taxas de água e herbicida são apresentados para ilustrar a eficácia do controlador preditivo implementado. / The objective of this project is to study a predictive controller for a herbicides injection system with variable rates where the herbicide and water are placed in different recipients and sent to a mixer. A strategy to generate the reference for the predictive controller characterizes the system as hybrid because there are two modes of operation for the herbicide injection system. The generated reference has the finality of decreasing the effects of the delay time of the system caused by the lenght of the tubes between the mixer and the dispersion nozzles. The application areas and the correct concentration for them, will be obtained by previous designed statistic maps. These maps describle de spacial variability of the weeds as the concentration required to eliminate them. The main goal is the optimum control of the process, spreading only the necessary quantity of herbicides. The predictive controller is efficient to lower the costs and to protect the operator and preserve the environment against the impacts of excess of herbicides in the soil. Results of simulations using mathematical models to obtain herbicide rates are presented to show the efficiency of the implemented predictive controller.