Una metodología para la identificación integrada con el diseño de controladores IMC-PID

Abstract

[EN] This paper describes, in tutorial fashion, an integrated identification and control design methodology that begins with dynamic modeling from plant data and concludes with parameter settings for high performance PID controllers. By integrating identification with PID controller design, the method displays functionality that is often demanded by the practicing engineering community. The major steps in this integrated methodology are: experimental design, high-order ARX estimation, and control-relevant model reduction leading to models that comply with the IMC-PID tuning rules. When a persistently exciting input is applied, high-order ARX model estimation is consistent, which makes it an attractive intermediate model for control-relevant model reduction purposes; furthermore, the low computational effort associated with ARX estimation means that simple statistical tools (such as crossvalidation) can be used to efficiently determine a suitable structure for the ARX model without substantial user intervention. The methodology is illustrated for the case of a delayed plant subject to a disturbance displaying significant drift.

[ES] Este artículo describe, en forma de tutorial, una metodología integrada para la identificación y diseño de controladores comenzando con el modelado dinámico basado en datos de planta, y concluyendo con la sintonía de parámetros para controladores de tipo PID de elevadas prestaciones. Al integrar el paso de identificación con el diseño de controladores, el método logra demostrar una funcionalidad que es muy deseada por la comunidad de control industrial. Los pasos principales en esta metodología son: diseño experimental, estimación de modelos tipo ARX de alto orden, y reducción de modelos relevantes al control que están de acuerdo con leyes de sintonía IMC-PID. Cuando se utiliza una entrada de excitación persistente, el estimado del modelo ARX de alto orden es consistente, lo cual hace que el método sea atractivo como modelo intermedio para estimación de modelos de bajo orden relevantes al control. Además, el bajo esfuerzo computacional asociado con la estimación de modelos ARX significa que se pueden usar eficazmente métodos estadísticos sencillos (tales como la validación cruzada) para determinar una estructura adecuada para el modelo ARX sin mucha intervención por parte del usuario. La metodología se ilustra en el caso de una planta con retardo sujeta a una perturbación con elevada deriva.