Mejora de la estabilidad, robustez y tiempo de cómputo en CRHPC con BDU

ResumenEn este artículo, se ofrecen diferentes leyes de control de Control Predictivo Basado en Modelos con el fin de mejorar la estabilidad y robustez. El Constrained Receding-Horizon Predictive Control (CRHPC) proporciona estabilidad (en ausencia de incertidumbre), y la técnica Bounded Data Uncertainties (BDU) proporciona una regularización guiada que mejora el mal condicionamiento y la robustez, resultando en el original CRHPC-BDU. El objetivo de este artículo consiste, por una parte, en ofrecer leyes de control alternativas para el CRHPC, usando diferentes herramientas matemáticas y compararlas. Éstos constituyen la base para extender dichas estrategias al CRHPC-BDU. Así, una de las principales contribuciones consiste en obtener una versión de CRHPC-BDU más robusta y con menor coste computacional.

In this work, different control laws of Model Predictive Control (MPC) are offered in order to improve the stability and robustness aspects. The CRHPC (Constrained Receding-Horizon Predictive Control) provides de stability (in the absence of uncertainty), and the BDU (Bounded Data Uncertainties) technique provides a guided regularization improving the robustness and ill-conditioning, presenting the original CRHPC-BDU. The objective of this work consists, on the one hand, of offering alternative control laws of the CRHPC, using different mathematical tools and comparing them. These ones constitute the basis for the different statements for extending these strategies to the CRHPC-BDU. So, one of the main contribution consists of obtaining a more robust and with less computationalcost version of CRHPC-BDU.