Control H-infinito
- Propuesto por
- George Zames
- Año
- 1981
- Tipo
- algorithm
- Familia
- Robust Control
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El control H-infinito (H∞) es un método de control robusto que minimiza la ganancia en el peor de los casos, desde las perturbaciones hasta las salidas controladas, formulado como un problema de optimización minimax.
Pionero de Zames a principios de la década de 1980, el control H∞ proporciona una forma sistemática de diseñar controladores de retroalimentación que toleran la incertidumbre del modelo, la dinámica no modelada y las perturbaciones, al tiempo que mantienen la estabilidad y el rendimiento, lo que lo hace esencial para aplicaciones que requieren robustez garantizada.
La intuición detrás del método
A diferencia del LQR, que asume un sistema perfectamente conocido y ruido gaussiano, el control H∞ adopta una perspectiva del peor de los casos: busca un controlador que minimice la máxima amplificación posible de las perturbaciones en todas las frecuencias. La idea clave es definir objetivos de rendimiento ponderados (por ejemplo, sensibilidad a las perturbaciones, sensibilidad complementaria al ruido de medición) y resolver para un controlador que mantenga todas estas respuestas ponderadas acotadas a un nivel prescrito gamma. Si la solución existe con gamma < 1, el controlador estabiliza robustamente el sistema y cumple todas las especificaciones de rendimiento simultáneamente. Esta garantía del peor de los casos hace que el control H∞ sea potente para sistemas inciertos, no lineales o muy propensos a perturbaciones.
Historia
Zames formuló el problema de minimización de la sensibilidad e introdujo la norma H∞ a principios de la década de 1980, proporcionando una perspectiva del dominio de la frecuencia sobre la robustez. Francis extendió la teoría con la formulación en espacio de estados (planta generalizada), y Doyle et al. proporcionaron la solución de la ecuación de Riccati y la caracterización LMI. El libro de texto de Zhou (1996) se convirtió en la referencia estándar. El control H∞ ganó una amplia adopción industrial en la década de 1990, con aplicaciones en sistemas aeroespaciales, de control de procesos y automotrices. Las variantes modernas incluyen H∞ de sensibilidad mixta, H∞ con incertidumbre estructurada y control H∞ distribuido.
Cuándo usarlo
Utilice el control H∞ cuando deba garantizar la robustez de la estabilidad y el rendimiento a pesar de la incertidumbre del modelo, la dinámica no modelada o las variaciones paramétricas. Es ideal para sistemas que operan en entornos inciertos (aeroespacial, automotriz, industrial), cuando las estadísticas de perturbaciones y ruido son desconocidas o no gaussianas, y cuando necesita garantías de rendimiento en el peor de los casos. Evite H∞ si tiene un conocimiento preciso de la planta (LQR puede ser más simple) o si el diseño requiere un manejo explícito de restricciones (use MPC en su lugar).
Limitaciones y consideraciones
- Diseño de controlador conservador; la búsqueda de la garantía del peor de los casos puede dar lugar a un control excesivamente cauto y lento.
- Requiere una cuidadosa sintonización de las funciones de ponderación; una mala selección de pesos conduce a un rendimiento subóptimo.
- Asume conocimiento completo del modelo de planta generalizado; la incertidumbre no estructurada y la dinámica descuidada pueden degradar la robustez.
- No maneja restricciones estrictas explícitamente; las restricciones deben incorporarse a través de funciones de penalización o MPC.
- El control H∞ no lineal (juegos diferenciales) es computacionalmente más difícil y carece de convergencia garantizada.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Proporciona robustez garantizada a la incertidumbre del modelo y a las variaciones paramétricas sin asumir modelos probabilísticos.
- La formulación minimax ofrece garantías de rendimiento en el peor de los casos para todas las perturbaciones y frecuencias.
- Permite el diseño multivariable con manejo explícito de las restricciones de sensores y actuadores a través de ponderaciones.
- Puede resolverse de forma convexa utilizando métodos LMI o de Riccati; las soluciones numéricas son fiables y están bien probadas.
- Interpretación natural en el dominio de la frecuencia; fácil de incorporar objetivos de control clásicos (margen de ganancia, margen de fase) como ponderaciones.
Aplicaciones
- Aeroespacial: Control de cabeceo de aeronaves con dinámica no modelada, diseño de piloto automático robusto que tolera variaciones paramétricas.
- Automotriz: Control de suspensión robusto insensible a cambios de carga y perturbaciones de la carretera, gestión del motor bajo incertidumbre.
- Sistemas de potencia: Control de generador robusto a variaciones de carga y desviaciones de frecuencia, regulación de voltaje de microrred.
- Control de procesos: Control de reactor químico que tolera desajustes del modelo y variaciones de materia prima, optimización de columna de destilación.
- Robótica: Control de manipulador con fricción de junta incierta, navegación de robot móvil robusta al ruido del sensor y a obstáculos.
Cómo funciona
Cómo funciona
Definir el modelo de planta generalizado que incluye el sistema, los canales de perturbación y ruido de medición, y los objetivos de rendimiento ponderados (canales de error).
Seleccionar funciones de ponderación dependientes de la frecuencia que den forma al controlador para priorizar el rendimiento en diferentes rangos de frecuencia (por ejemplo, rechazo de perturbaciones de baja frecuencia, atenuación de ruido de alta frecuencia).
Resolver el problema de optimización H∞ utilizando optimización convexa (desigualdades matriciales lineales, LMI) o las ecuaciones de Riccati para encontrar el controlador que minimiza la ganancia en el peor de los casos (norma H∞).
Verificar que el gamma alcanzado sea menor que 1 y comprobar los márgenes de robustez (margen de ganancia, margen de fase, estabilidad ante perturbaciones paramétricas).
Errores comunes
- Elegir funciones de ponderación arbitrariamente en lugar de derivarlas de restricciones físicas y especificaciones de rendimiento.
- Establecer las formas de los pesos incorrectamente (por ejemplo, demasiado agresivas en altas frecuencias) conduce a un comportamiento oscilante o a un esfuerzo de control excesivo.
- Ignorar la incertidumbre estructurada y asumir que toda la incertidumbre es no estructurada, lo que lleva a un conservadurismo excesivo.
- Olvidar verificar que el sistema en bucle cerrado es estable y que gamma < 1 es alcanzable; los diseños infactibles desperdician computación.
Preguntas frecuentes
¿Cuál es la norma H∞ y por qué es importante para la robustez?
La norma H∞ de un sistema es la ganancia pico (el valor singular más grande) en todas las frecuencias. Minimizar la norma H∞ significa limitar la amplificación máxima de las perturbaciones, asegurando que las perturbaciones acotadas produzcan salidas acotadas. Esto proporciona una garantía estricta: si la norma H∞ es gamma < 1, cualquier perturbación con amplitud < 1 produce una salida con amplitud < gamma, independientemente de la frecuencia.
¿Cómo elijo las funciones de ponderación?
Comience expresando sus objetivos de rendimiento en términos de rangos de frecuencia: por ejemplo, las perturbaciones de baja frecuencia (1-10 rad/s) deben atenuarse, mientras que el ruido de medición de alta frecuencia (>1000 rad/s) puede tolerarse. Diseñe W1 para dar forma a la sensibilidad (respuesta de error a perturbaciones) y W2 para dar forma a la sensibilidad complementaria (esfuerzo de control y respuesta al ruido). Utilice redes de retardo o adelanto de primer orden, luego itere basándose en los diagramas de Bode del bucle cerrado.
¿Qué representa el modelo de planta generalizado?
La planta generalizada es una representación matricial que incluye el sistema (G), las entradas de perturbación/ruido (w), las salidas controladas (z), las entradas de control (u) y las mediciones (y). Captura todo el problema de control: w incluye perturbaciones y ruido, z incluye objetivos de rendimiento (error, esfuerzo de control, etc.), y el controlador debe minimizar la ganancia de w a z mientras estabiliza el sistema.
¿Puede el control H∞ manejar sistemas no lineales?
El control H∞ no lineal utiliza la teoría de juegos diferenciales y es significativamente más complejo. Puede linealizar un sistema no lineal y diseñar H∞ para el modelo linealizado (robusto a pequeñas no linealidades), o utilizar programación de ganancia (H∞ dependiente de parámetros) para sistemas con parámetros que varían lentamente. El H∞ no lineal completo requiere la resolución de PDEs no lineales (desigualdad Hamilton-Jacobi), lo cual es generalmente intratable.
Métodos relacionados
Fuentes
Zames, G. (1981). Feedback and optimal sensitivity: Model reference transformations, multiplicative seminorms, and approximate inverses. IEEE Transactions on Automatic Control, 26(2), 301-320.
Abrir referencia DOICopiado.Francis, B. A. (1987). A Course in H∞ Control Theory. Lecture Notes in Control and Information Sciences, Springer-Verlag.
Abrir referencia DOICopiado.Zhou, K., Doyle, J. C., & Glover, K. (1996). Robust and Optimal Control. Prentice Hall.
Abrir referencia de la publicaciónCopiado.