Controle preditivo baseado em modelo de cômputo rápido: contribuições em algoritmos embarcados com otimização online para formulações entrada-saída

Abstract

As principais contribuições inéditas desta tese são os algoritmos de controle preditivo baseado em modelo (MPC) de cômputo rápido com otimização online e a proposição de arquiteturas de implementação em computação paralela. Foram abordados o controle preditivo generalizado (GPC) e o controle por matriz dinâmica (DMC), que são as formulações entrada-saída de MPC mais utilizadas na indústria. Dos seis algoritmos propostos, cinco deles utilizam a formulação GPC e o outro a formulação DMC. Em cada algoritmo é utilizado um método de otimização com características distintas. São também propostas generalizações para o caso de múltiplas entradas e múltiplas saídas. Os algoritmos GPCGPAD e GPCFAMA foram os que apresentaram o melhor desempenho no quesito do tempo de cômputo. Para esses dois métodos são também fornecidos meios de se calcular o limite superior do número de iterações do método de otimização, de modo a descobrir o pior caso de tempo de execução. Os algoritmos propostos foram testados e comparados em simulação. Os estudos de caso considerados nas simulações foram um inversor de frequência trifásico com filtro LCL e conectado à rede e uma coluna de destilação de laboratório. Quanto às arquiteturas, foram desenvolvidos métodos de implementação dos algoritmos em um FPGA, explorando as vantagens de paralelismo da descrição direta em hardware. Foi proposta uma solução paralela para a multiplicação matricial em aritmética de ponto fixo, por ser a operação computacional mais custosa. Outra contribuição inédita é a proposição de um precondicionamento do problema de otimização resultante do GPC que obteve uma diminuição de até 11% no tempo de cômputo na arquitetura de implementação proposta. Os testes em FPGA apresentaram resultados rápidos com o tempo de cômputo do sinal de controle da ordem de microssegundos. A tese está formatada como uma coleção de artigos. São apresentados cinco artigos, diretamente ligados à pesquisa, organizados em cada capítulo.

Abstract: The main novel contributions of this thesis are the proposition of fast model predictive control (MPC) algorithms with online optimization and the proposition of implementation architectures with parallel computing. Generalized predictive control (GPC) and dynamic matrix control (DMC) were addressed, which are the most popular input-output formulations of the MPC in industry. Six algorithms were proposed, with five of them using a GPC formulation, and the other one a DMC formulation. In each algorithm, an optimization method with different characteristics is used. Generalizations are also proposed for multiple-inputs and multiple-outputs systems. The GPCGPAD and GPCFAMA algorithms have the best performance in terms of computation time. For these two algorithms, methods to calculate the upper bound on the number of iterations are provided to discover the worst case execution time. The proposed algorithms were tested in simulation. The case studies stand out in a three-phase grid-connected LCL-filtered inverter, and a laboratory distillation column. The implementation architectures are proposed with the methods to implement the algorithms in an FPGA, exploring the advantages of parallelism of the direct description in hardware. A parallel solution for matrix multiplication in fixed-point arithmetic has been proposed as it is the most costly operation. Another novel contribution is the proposal of a preconditioning operation of the optimization problem resulting from the GPC, which obtained a decrease of up to 11\% in the computation time in the proposed implementation architecture. The tests in FPGA showed fast results, with the computation time of the control signal in microseconds. The thesis is organized as a collection of papers. Five papers directly linked to the research are presented in each chapter.