O Controle Preditivo de Modelo Não Linear, ou NMPC, é uma variante do Controle Preditivo de Modelo (MPC) que se caracteriza pelo uso de modelos de sistemas não lineares na previsão. Assim como no MPC linear, o NMPC requer a solução iterativa de problemas de controle como otimização ao longo de um horizonte de previsão finito. Embora esses problemas sejam convexos no MPC linear, no NMPC eles não o são mais. Isto representa desafios tanto para a teoria da estabilidade no NMPC quanto para a solução numérica.[5]​.

A solução numérica de problemas de controle ótimo em NMPC é normalmente baseada em métodos de controle ótimo que usam esquemas de otimização do tipo Newton: métodos de disparo direto isolados, métodos de disparo direto múltiplos ou métodos de posicionamento direto. Da mesma forma, os algoritmos NMPC normalmente tiram vantagem do fato de que problemas de controle ótimo consecutivos são semelhantes entre si.

Isto permite que o procedimento de solução do tipo Newton seja inicializado com uma estimativa adequadamente deslocada que vem da solução ótima previamente calculada, economizando uma quantidade considerável de tempo de computação. A similaridade em problemas subsequentes é explorada ainda mais por meio de algoritmos de rastreamento de caminho (também "iterações em tempo real") que nunca tentam iterar um problema de otimização em direção à convergência, mas apenas realizar uma iteração em direção à solução do problema NMPC mais recente, antes de passar para o próximo, que também será devidamente inicializado.

Embora as aplicações NMPC tenham sido usadas no passado principalmente nas indústrias químicas e de processos que têm taxas de amostragem comparativamente lentas, é cada vez mais comum ver NMPC em aplicações com taxas de amostragem mais rápidas, por exemplo, na indústria automotiva, ou mesmo quando os estados são distribuídos no espaço (sistemas de parâmetros distribuídos).[7] Como uma aplicação em engenharia aeroespacial, o NMPC foi recentemente usado para obter rastreadores de terreno/trajetórias de evasão em tempo real.[6]​.

Variantes robustas do Controle Preditivo de Modelo (MPC) são capazes de considerar perturbações limitadas e fixas, garantindo ao mesmo tempo que as restrições de estado ainda sejam atendidas. Existem três abordagens principais na busca por um MPC robusto:

O controle preditivo do modelo tem sido aplicado para o desenvolvimento ideal de projetos em depósitos de petróleo e gás.[12]​.

Vários pacotes comerciais de software MPC estão disponíveis e normalmente contêm ferramentas que auxiliam na identificação e análise de modelos, projeto e ajuste de controladores e avaliação de desempenho.

[1] Uma lista das tecnologias disponíveis em MPC foi fornecida por S.J. Qin e T.A. Badgwell em “Prática de Engenharia de Controle 11” (2003) 733–764.

O Controle Preditivo de Modelo Não Linear, ou NMPC, é uma variante do Controle Preditivo de Modelo (MPC) que se caracteriza pelo uso de modelos de sistemas não lineares na previsão. Assim como no MPC linear, o NMPC requer a solução iterativa de problemas de controle como otimização ao longo de um horizonte de previsão finito. Embora esses problemas sejam convexos no MPC linear, no NMPC eles não o são mais. Isto representa desafios tanto para a teoria da estabilidade no NMPC quanto para a solução numérica.[5]​.

A solução numérica de problemas de controle ótimo em NMPC é normalmente baseada em métodos de controle ótimo que usam esquemas de otimização do tipo Newton: métodos de disparo direto isolados, métodos de disparo direto múltiplos ou métodos de posicionamento direto. Da mesma forma, os algoritmos NMPC normalmente tiram vantagem do fato de que problemas de controle ótimo consecutivos são semelhantes entre si.

Isto permite que o procedimento de solução do tipo Newton seja inicializado com uma estimativa adequadamente deslocada que vem da solução ótima previamente calculada, economizando uma quantidade considerável de tempo de computação. A similaridade em problemas subsequentes é explorada ainda mais por meio de algoritmos de rastreamento de caminho (também "iterações em tempo real") que nunca tentam iterar um problema de otimização em direção à convergência, mas apenas realizar uma iteração em direção à solução do problema NMPC mais recente, antes de passar para o próximo, que também será devidamente inicializado.

Embora as aplicações NMPC tenham sido usadas no passado principalmente nas indústrias químicas e de processos que têm taxas de amostragem comparativamente lentas, é cada vez mais comum ver NMPC em aplicações com taxas de amostragem mais rápidas, por exemplo, na indústria automotiva, ou mesmo quando os estados são distribuídos no espaço (sistemas de parâmetros distribuídos).[7] Como uma aplicação em engenharia aeroespacial, o NMPC foi recentemente usado para obter rastreadores de terreno/trajetórias de evasão em tempo real.[6]​.

Variantes robustas do Controle Preditivo de Modelo (MPC) são capazes de considerar perturbações limitadas e fixas, garantindo ao mesmo tempo que as restrições de estado ainda sejam atendidas. Existem três abordagens principais na busca por um MPC robusto:

O controle preditivo do modelo tem sido aplicado para o desenvolvimento ideal de projetos em depósitos de petróleo e gás.[12]​.

Vários pacotes comerciais de software MPC estão disponíveis e normalmente contêm ferramentas que auxiliam na identificação e análise de modelos, projeto e ajuste de controladores e avaliação de desempenho.

[1] Uma lista das tecnologias disponíveis em MPC foi fornecida por S.J. Qin e T.A. Badgwell em “Prática de Engenharia de Controle 11” (2003) 733–764.