Virtual reference predictor based controller design for unstable systems

The conventional control design methods, model based control system design, require a model of the plant in question to be estimated using experimental data gathered from the plant. This requires a mathematical model to be constructed, from first principles, followed by an estimation of the model parameters using output error methods. The performance of the controller thus found depends on the accuracy of the plant model thus estimated, which may not be a accurate in many cases. Data-driven methods obviate such issue by directly using the experimental data to design a controller. These methods are able to provide suitable solutions for plants where mathematical models found prove to be highly heuristic. Virtual Reference Feedback Tuning (VRFT) is one such method. It is a non iterative one-shot method with creates a controller to match the closed-loop performance with a chosen reference model. However, the model structure is rigid. Hence, in order to give the algorithm more flexibility with building a controller, it has been combined with Predictor Based Subspace Identification (PBSID) algorithm to create the Virtual Reference Predictor Based (VRPB) algorithm. One issue often faced with this method and its use for unstable systems is the unreliability. The purpose of this thesis is to explore a modification of the VRPB algorithm to make it more reliable when dealing with data from unstable systems. It recommends modifications to the algorithms and demonstrates the performance of these modifications with stable as well as unstable systems.

I metodi convenzionali di progettazione del controllo, basati sulla modellizzazione del sistema, richiedono che un modello dell'impianto in questione venga stimato utilizzando dati sperimentali raccolti dall'impianto stesso. Questo processo comporta la costruzione di un modello matematico a partire dai principi fondamentali, seguita da una stima dei parametri del modello mediante metodi di errore in uscita. Le prestazioni del controllore così ottenuto dipendono dall'accuratezza del modello dell'impianto stimato, il quale potrebbe non essere preciso in molti casi. I metodi basati sui dati superano questo problema utilizzando direttamente i dati sperimentali per progettare un controllore. Questi metodi sono in grado di fornire soluzioni adeguate per impianti in cui i modelli matematici risultano altamente euristici. Il Virtual Reference Feedback Tuning (VRFT) è uno di questi metodi. Si tratta di un metodo non iterativo e a singola esecuzione, che crea un controllore per far corrispondere le prestazioni del sistema in anello chiuso a un modello di riferimento scelto. Tuttavia, la struttura del modello è rigida. Per conferire maggiore flessibilità all’algoritmo nella costruzione del controllore, è stato combinato con l’algoritmo di Predictor Based Subspace Identification (PBSID) per creare l’algoritmo Virtual Reference Predictor Based (VRPB). Un problema spesso riscontrato con questo metodo, in particolare nell'uso con sistemi instabili, è la sua inaffidabilità. Lo scopo di questa tesi è esplorare una modifica dell'algoritmo VRPB per renderlo più affidabile nell'elaborazione di dati provenienti da sistemi instabili. Vengono proposte modifiche all'algoritmo e dimostrate le prestazioni di queste modifiche su sistemi sia stabili che instabili.