Thesis: Implementación y caracterización de tiempo de ejecución de técnicas de control predictivo por modelo utilizando plataforma dSPACE
| datacite.subject.fos | Engineering and technology::Electrical engineering, Electronic engineering, Information engineering::Automation and control systems | |
| dc.contributor.department | Departamento de Electrónica | |
| dc.contributor.guia | Carvajal Barrera, Gonzalo Andres | |
| dc.coverage.spatial | Campus Casa Central Valparaíso | |
| dc.creator | Abusleme Peñafiel, Francisco Tomás | |
| dc.date.accessioned | 2026-05-25T15:56:38Z | |
| dc.date.available | 2026-05-25T15:56:38Z | |
| dc.date.issued | 2026-03-13 | |
| dc.description.abstract | El Control Predictivo Basado en Modelos (\textit{Model Predictive Control}, MPC) es una técnica avanzada de control que predice el comportamiento futuro de un sistema para optimizar la acción de control en cada intervalo de muestreo. En general, el cálculo de la acción de control óptima en tiempo de ejecución se realiza mediante métodos iterativos o de búsqueda que imponen una alta demanda en términos de número de operaciones y/o utilización de memoria. Esto resulta especialmente desafiante al considerar implementación en plataformas embebidas con recursos limitados, donde la capacidad de cómputo puede ser insuficiente para resolver los problemas de optimización con garantías de tiempo real. Esta propuesta de tesis aborda la necesidad de evaluar y plantear directrices para reducir la latencia de los lazos MPC. Para abordar este problema, se integrarán aceleradores basados en \textit{Field Programmable Gate Array} (FPGA), aprovechando su capacidad de paralelismo para reducir la latencia del cálculo de la optimización. Además, los aceleradores se integrarán en un lazo de control completo, donde además del cálculo de la actuación óptima, se deben considerar tareas como la adquisición y conversión de señales, la estimación de estados y la comunicación entre dispositivos. Estas tareas adicionales, que tradicionalmente suelen despreciarse al compararlos con los tiempos asociados a resolver el problema de optimización, pueden convertirse en cuellos de botella cuando se requieren lazos de control con alta frecuencia de muestreo. La innovación de este trabajo radica en la validación a nivel de sistema de lazos MPC con aceleración por hardware en entornos realistas, para lo cual se utilizará una plataforma de prototipado rápido dSPACE que permite una rápida implementación y prueba de diferentes configuraciones, facilitando la identificación de cuellos de botella y el balanceo eficiente de recursos considerando el desempeño de control en lazo cerrado en la planta real. Se espera obtener una evaluación detallada de la latencia de los lazos de control, desde la adquisición de datos hasta la generación de la actuación correspondiente, midiendo los tiempos de ejecución de cada etapa del proceso y proponiendo directrices para optimizar el uso de recursos. Esto es particularmente relevante en contextos con objetivos de latencia que pueden estar en el orden de los microsegundos, por ejemplo en aplicaciones de electrónica de potencia o robótica. Esta investigación proporcionará prototipos funcionales y documentación que faciliten la replicación de los resultados y el uso de la plataforma dSPACE en futuros desarrollos, proporcionando un ejemplo de aplicación real que requiera garantías, y una base sólida y validada para facilitar la adopción de estas tecnologías en sectores industriales como control de motores eléctricos de alta precisión, robótica, sistemas de energías renovables, entre otros. | es |
| dc.description.abstract | Model Predictive Control (MPC) is an advanced control technique that predicts the future behavior of a system to optimize control action at each sampling interval. Generally, calculating the optimal control action at runtime is performed using iterative or search methods that place a high demand on the number of operations and/or memory usage. This is especially challenging when considering implementation on resource-constrained embedded platforms, where computing power may be insufficient to solve optimization problems with real-time guarantees. This thesis proposal addresses the need to evaluate and propose guidelines for reducing the latency of MPC loops. To address this problem, Field Programmable Gate Array (FPGA)-based accelerators will be integrated, leveraging their parallelism capabilities to reduce the latency of the optimization calculation. Furthermore, the accelerators will be integrated into a complete control loop, where, in addition to calculating optimal performance, tasks such as signal acquisition and conversion, state estimation, and inter-device communication must be considered. These additional tasks, which are traditionally disregarded when compared to the time associated with solving the optimization problem, can become bottlenecks when high-frequency sampling control loops are required. The innovation of this work lies in the system-level validation of hardware-accelerated MPC loops in realistic environments. For this purpose, a dSPACE rapid prototyping platform will be used, enabling the rapid implementation and testing of different configurations. This facilitates the identification of bottlenecks and the efficient balancing of resources, taking into account closed-loop control performance in the actual plant. A detailed evaluation of the control loop latency is expected, from data acquisition to the generation of the corresponding actuation, measuring the execution times of each process stage and proposing guidelines for optimizing resource utilization. This is particularly relevant in contexts with latency targets that can be on the order of microseconds, for example, in power electronics or robotics applications. This research will provide functional prototypes and documentation that will facilitate the replication of the results and the use of the dSPACE platform in future developments, providing a real-world application example that requires guarantees, and a solid, validated foundation to facilitate the adoption of these technologies in industrial sectors such as high-precision electric motor control, robotics, renewable energy systems, and others. | en_US |
| dc.description.degree | Magíster en Ciencias de la Ingeniería Electrónica | |
| dc.driver | info:eu-repo/semantics/masterThesis | |
| dc.format.extent | 102 páginas | |
| dc.identifier.doi | 10.71959/az4z-ne11 | |
| dc.identifier.uri | https://cris.usm.cl/handle/123456789/4404 | |
| dc.identifier.uri | https://doi.org/10.71959/az4z-ne11 | |
| dc.language.iso | es | |
| dc.publisher | Universidad Técnica Federico Santa María | |
| dc.rights | Attribution-NoDerivatives 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nd/4.0/ | |
| dc.subject | Model predictive control (MPC) | |
| dc.subject | FPGA | |
| dc.subject | Real-time control | |
| dc.subject | High-level synthesis (HLS) | |
| dc.subject | Embedded systems | |
| dc.subject | Hardware-in-the-loop (HIL) | |
| dc.subject | Fixed-point arithmetic | |
| dc.subject | dSPACE MicroLabBox | |
| dc.subject | Redes neuronales artificiales | |
| dc.subject | Neural networks | |
| dc.subject | Low latency | |
| dc.subject.ods | 7 Energía asequible y no contaminante | |
| dc.title | Implementación y caracterización de tiempo de ejecución de técnicas de control predictivo por modelo utilizando plataforma dSPACE | |
| dspace.entity.type | Tesis |
Política de Privacidad 
