, Duración: 09:00
Materiales: [ Cód.: optimconode.mlx ] [ PDF ]
Este vídeo es el tercero y último de la serie que incluye a los vídeos [
La solución de este problema en el caso lineal es el celebrado regulador óptimo LQR (Linear Quadratic Regulator), cuyos detalles teóricos no entran en los objetivos de este ejemplo Matlab. Dicha solución se obtiene utilizando el comando lqr de la Control Systems Toolbox. La primera parte del vídeo compara los parámetros óptimos de fmincon y los de lqr viendo que son similares (coincidirían para condiciones iniciales muy cercanas al origen y horizonte de simulación suficientemente largo). La solución LQR es, en general, más eficiente computacionalmente que la de fmincon pero sólo aplica a procesos lineales y coste cuadrático, mientras que fmincon es genérico para cualquier modelo o costes no lineales (con ciertas suposiciones mínimas de suavidad).
En la segunda parte del vídeo, se presenta el efecto de modificar el índice de coste para traducir el significado “formal” de optimalidad a un significado “práctico” de rapidez vs. limitaciones en velocidades y fuerzas máximas durante el transitorio. Disminuyendo la ponderación en el índice de velocidades y fuerzas se consiguen bucles más rápidos, como se esperaría intuitivamente.
Colección completa [VER]:
Anterior Optimización de parámetros de reguladores con ode45+fminunc (2): Simulación y optimización
Siguiente Control óptimo (LQR) de procesos lineales con desigualdades matriciales lineales (LMI): teoría y ejemplo Matlab