Le cause di cattive prestazioni dei controllori predittivi sono sostanzialmente
due: errata stima dei disturbi non misurabili e una inadeguatezza del modello interno
a descrivere correttamente il processo reale. Nel primo caso, per correggere tale
malfunzionamento occorre calcolare un nuovo “stimatore”. Nel secondo caso, l’unico
modo per migliorare le prestazioni del sistema è la definizione di un nuovo modello.
Obiettivo di questo lavoro di tesi è lo sviluppo di una strategia di diagnostica di
malfunzionamento di controllori predittivi, basata sull’analisi dell’ “errore di predizione”,
cioè lo scarto tra il valore reale degli output del processo e quello predetto
dal modello interno al controllore. Questa tecnica tiene conto delle proprietà statistiche
di tale errore di predizione per stabilire se lo schema di ottimizzazione lavora
in condizioni subottimali: in caso affermativo, si procede con l’analisi dell’ordine
del processo che genera la sequenza dell’errore di predizione a partire dagli ingressi
deterministici, al fine di stabilirne la causa. Viene proposto poi un nuovo metodo
per la definizione di un nuovo stimatore, nel caso in cui sia emerso che la causa del
malfunzionamento sia una inadeguata modellazione dello stesso. L’efficacia di questa
strategia di diagnostica è stata testata in simulazione su processi di tipo random
e poi provata in applicazione ad un caso pratico.