Advances in adaptive control for nonlinear plants on the basis of the normal forms of bifurcations and adaptive control for switched plants

Abstract

Muchos sistemas considerados en ingeniería son altamente no lineales, experimentan comportamiento con variación temporal, y perturbaciones externas. Como resultado, los modelos para diseño del controlador involucran parametros con comportamiento variable desconocido y algún error de modelado. Esto puede dar lugar a un desempeño de lazo cerrado inadecuado en aplicaciones prácticas, si se usa un controlador que no tenga en cuenta estos factores. Varias técnicas de control pueden servir para manejar la viariación de parámetros: identificación en línea, ajuste de par´ametros, control robusto y control adaptativo. El modelo usado para formular l controlador debe describir el comportamiento din´amico de la planta con adecuada exactitud y tener una estructura simple. Un tipo básico de modelo es el modelo físico, el cual puede servir para probar el desempeño en lazo cerrado mediante simulación. Sin embargo, su estructura compleja hace difícil el manejo de la variación de parámetros, de manera que se deben usar modelos de regresion de caja negra / Abstract: Many engineering plants are highly nonlinear, experience time varying behavior and unknown exogenous disturbances. As result, the models for controller design involve parameters with unknown varying behavior and some modelling error. This may lead to poor closed loop performance in practical applications, if a naive controller is used. Several control techniques may serve to handle the parameter variation: on line identification, parameter adjustment, robust control and adaptive control. The model used to formulate the controller must describe the dynamical behavior of the plant with adequate accuracy and have a simple structure. A basic type of model is the physical model, which may serve for testing the closed loop performance by simulation. Nevertheless, its complex structure renders difficult the rejection of parameter variation, such that the black box regression models are more suitable.