Adquiriendo señal…
Adquiriendo señal…
Lección 6 de 9· Control y estimación
0 de 9 lecciones · 0 %
El LQR de las lecciones 3–5 lleva el estado a cero. En una misión real la meta se mueve (un puerto de atraque que avanza con la estación, un apuntamiento que sigue a un satélite), el propulsor tiene tope y el ordenador mira la nave solo cada cierto tiempo. Esta lección añade las tres cosas sin abandonar la idea central: seguir minimizando un costo cuadrático.
Con s, y , la ganancia discreta es . El objetivo avanza con (1 m/s) y la nave aplica el regulador sobre el error de posición: con .
Deducción del error en régimen. En régimen la nave acompaña al objetivo: m/s constante, así que (no hace falta aceleración). Entonces , es decir
El regulador se acomoda donde su empuje se cancela, y eso exige un error. Prealimentación: si se le da la referencia completa y se aplica , con la aceleración que la referencia exige por sí misma (cero en una rampa), el error se va a cero. Acción integral: si no se conoce , se añade un estado y se resuelve el LQR del sistema aumentado de tres estados, con . En régimen deja de cambiar solo si : la integral «aprende» lo que faltaba (se acomoda en ). Con un empuje de arrastre constante m/s² el regulador solo queda en m; con integral, en cero.
Con s, , y (lección 4), desde 4 m el primer empuje pedido es m/s²: 3.26 veces un tope de 2. Desde 12 m pide 19.5. Lo más simple es recortar, . A 4 m casi no se nota (asienta en 5 s contra 4.5). A 12 m la nave acelera a tope demasiado tiempo, llega con mucha velocidad y se pasa 2.97 m; asienta en 10 s y cuesta 657.1.
El control predictivo (MPC). En cada paso se resuelve, con el tope dentro,
se aplica solo y, un paso después, se vuelve a resolver con la ventana desplazada. Deducción: por qué es un QP. Escribiendo cada estado futuro en función del actual, , el costo queda con : una cuadrática convexa en el vector de empujes con cotas de caja. Tiene un único mínimo y se resuelve rápido (aquí, por gradiente proyectado acelerado). Sin cotas activas, su primer empuje es exactamente : el costo terminal resume todo lo que viene después.
Ejemplo resuelto. Desde 12 m, tope 2, horizonte de 10 pasos (5 s): el predictivo asienta en 7.5 s, se pasa solo 0.50 m y cuesta 623.9, contra 657.1 del recortado. Con horizonte 3 cuesta 624.4: casi igual, porque hace el resto. Cuando hay límites, conviene que el optimizador los conozca.
El ordenador lee el estado cada y mantiene el empuje constante hasta la siguiente lectura (retenedor de orden cero). Entre lecturas la ecuación continua es exacta: , , para la nave y .
Dos preguntas distintas. La Riccati continua da ; la discreta a 0.5 s, . Si se usa la ganancia continua leída cada , el lazo es estable con 0.1 s y 0.5 s, pero con 1 s su polo mayor vale 2.34 y diverge: el periodo crítico es 0.74 s. La ganancia discreta, en cambio, estabiliza con cualquier periodo, porque se calcula sabiendo que habrá muestreo:
| (s) | 2 | 1 | 0.5 | 0.1 | 0.001 |
|---|---|---|---|---|---|
| discreta | 0.350 | 0.895 | 1.628 | 2.762 | 3.158 |
Cuando , (con la convención , , que no cambia ). La regla práctica: el lazo continuo sube en 1.31 s; se suelen pedir de 10 a 20 muestras por tiempo de subida, unos 0.1 s.
El MPC con horizonte N = 10 y costo terminal P cuesta 623.9 desde 12 m; con N = 3 cuesta 624.4. ¿Por qué el horizonte corto casi no empeora?
Hasta aquí la nave ve su estado exacto. En la lección 7 solo mide la posición, con ruido, y hay que estimar la velocidad.
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Control óptimo y LQR: llegar con el mínimo esfuerzo».