Respuesta Dinamica de Sistemas Lineales de Primer Orden

Antonio Flores T.

August 29, 2006
1 Introduccion
En esta seccion nos interesa determinar la respuesta en el tiempo (es decir, la respuesta
dinamica) de un cierto sistema cuando ocurre un cambio de alg un tipo. En particu-
lar, nuestro interes reside en modicar alguna variable asociada con una corrriente de
entrada al proceso. Por ejemplo, en el caso de un reactor qumico operado de manera
continua podramos modicar el ujo volumetrico de la corriente de alimentacion y
observar la manera como la concentraci on de reactivos y productos se modica por
este hecho. La respuesta dinamica de un sistema se puede representar en terminos
de la gura 1, donde u(t) es una funcion variable de entrada, y(t) es la respuesta del
sistema.
y(t) u(t)
System
Figura 1: Respuesta de un sistema en presencia de una perturbacion en la entrada.
2 Sistemas lineales de primer orden
La respuesta dinamica de muchos sistemas se puede representar mediante la siguiente
ecuacion diferencial lineal de primer orden,
a
1
dy
dt
+ a
o
y = bu(t) (2.1)
o de manera equivalente,

dy
dt
+ y = Ku(t) (2.2)

E-mail: antonio.ores@uia.mx, http://200.13.98.241/antonio

1
donde,
=
a
1
a
o
(2.3)
K =
b
a
o
(2.4)
K es la ganancia a lazo abierto del sistema y la constante de tiempo a lazo abierto.
Tomando la transformada de Laplace de ambos lados de la ecuacion 2.2 tenemos:
L
_

dy
dt
+ y
_
= L{Ku(t)} (2.5)
L
_
dy
dt
_
+ L{y} = KL{u(t)} (2.6)
sy(s) + y(s) = Ku(s) (2.7)
(s + 1)y(s) = Ku(s) (2.8)
de donde
y(s)
u(s)
=
K
s + 1
(2.9)
al cociente y(s)/u(s) se le denomina la funcion de transferencia G(s) :
y(s)
u(s)
= G(s) (2.10)
donde para un sistema de primer orden:
G(s) =
K
s + 1
(2.11)
la solucion de esta ecuacion, en el dominio del tiempo, dada por:
y(t) = uK(1 e

) (2.12)
Ejemplo 1 Considere el modelo de un reactor continuo tanque agitado discutido en el
ejemplo 1 del captulo Linealizacion de Funciones No-Lineales. Obtener la funcion
de transferencia entre la entrada (Q) y la respuesta del sistema (C
A
).
El modelo linealizado esta dado por:
d

C
A
dt
=
_
Q
s
V
+ 2kC
s
A
_

C
A
+
_
C
Ao
C
s
A
V
_

Q
o bien en terminos de la ecuacion 2.2,
1
_
Q
V
+ 2kC
A
_
d

C
A
dt
+

C
A
=
_
C
Ao
C
A
V
_
_
Q
V
+ 2kC
A
_

Q
2
tomando la transformada de Laplace a ambos lados de la ecuacion anterior:
L
_
_
_
1
_
Q
V
+ 2kC
A
_
d

C
A
dt
_
_
_
+ L
_

C
A
_
= L
_
_
_
_
C
Ao
C
A
V
_
_
Q
V
+ 2kC
A
_

Q
_
_
_
tenemos,
1
_
Q
V
+ 2kC
A
_
s

C
A
(s) +

C
A
(s) =
_
C
Ao
C
A
V
_
_
Q
V
+ 2kC
A
_

Q(s)
entonces

C
A
(s)

Q(s)
=
_
C
Ao
C
A
V
_
(
Q
V
+2kC
A)
1
(
Q
V
+2kC
A)
s + 1
o bien,
y(s)
u(s)
= G(s) =
K
s + 1
donde,
y =

C
A
u =

Q
=
1
_
Q
V
+ 2kC
A
_
K =
_
C
Ao
C
A
V
_
_
Q
V
+ 2kC
A
_
Ejemplo 2 Considere el modelo de un reactor continuo tanque agitado discutido en el
ejemplo 2 del captulo Linealizacion de Funciones No-Lineales. Obtener las funciones
de transferencia entre todas las variables de entrada y de salida, usando como variables
de entrada el ujo volumetrico Q, la concentracion del reactivo A en la corriente de
alimentacion C
Ao
, y la concentracion de B en la misma corriente C
Bo
. Las variables
de salida, o respuesta del sistema, son C
A
y C
B
.
El modelo matematico linealizado del proceso esta dado por el siguiente sistema de
ecuaciones:
d

C
A
dt
=
_
Q
s
V
+ 2k
1
C
s
A
_

C
A
+
_
C
Ao
C
s
A
V
_

Q +
_
Q
s
V
_

C
Ao
d

C
B
dt
= (2k
1
C
s
A
)

C
A

_
Q
s
V
+ k
2
_

C
B
+
_
C
Bo
C
s
B
V
_

Q +
_
Q
s
V
_

C
Bo
3
por facilidad notacional denamos las siguientes variables:
a
1
=
Q
s
V
+ 2k
1
C
s
A
a
2
=
C
Ao
C
s
A
V
a
3
=
Q
s
V
a
4
= 2k
1
C
s
A
a
5
=
Q
s
V
+ k
2
a
6
=
C
Bo
C
s
B
V
entonces el modelo linealizado se puede reescribir de la siguiente manera:
d

C
A
dt
= a
1

C
A
+ a
2

Q + a
3

C
Ao
(2.13)
d

C
B
dt
= a
4

C
A
a
5

C
B
+ a
6

Q + a
3

C
Bo
(2.14)

C
A
(s)

Q(s)
Aplicando la transformada de Laplace a la ecuacion 2.13:
s

C
A
(s) = a
1

C
A
(s) + a
2

Q(s)
rearreglando terminos:

C
A
(s)

Q(s)
=
a
2
s + a
1
(2.15)

C
A
(s)

C
Ao
(s)
Aplicando nuevamente la transformada de Laplace a la ecuacion 2.13:
s

C
A
(s) = a
1

C
A
(s) + a
3

C
Ao
(s)
rearreglando terminos:

C
A
(s)

C
Ao
(s)
=
a
3
s + a
1
(2.16)

C
B
(s)

Q(s)
Aplicando la transformada de Laplace a la ecuacion 2.14:
s

C
B
(s) = a
4

C
A
(s) a
5

C
B
(s) + a
6

Q(s) (2.17)
4
como la concentraccion del reactivo B depende de la concentraci on del reactivo
A necesitamos sustituir en la ecuacion anterior la relacion entre

C
A
(s) y

Q(s) de
tal forma que en la ecuacion resultante el unico estado sea

C
B
. De la ecuacion
2.15:

C
A
(s) =
a
2
s + a
1

Q(s)
sustituyendo esta ecuacion en la ecuacion 2.17:
s

C
B
(s) = a
4
_
a
2
s + a
1
_

Q(s) a
5

C
B
(s) + a
6

Q(s)
despues de un poco de algebra tenemos:

C
B
(s)

Q(s)
=
a
6
s + a
1
a
6
+ a
2
a
4
s
2
+ (a
1
+ a
5
)s + a
1
a
5

C
B
(s)

C
Ao
(s)
De la ecuacion 2.14:
s

C
B
(s) = a
4

C
A
(s) a
5

C
B
(s)
en esta ecuacion debemos sustituir

C
A
por una funcion en terminos de la entrada
(

C
Ao
). Esta relacion la obtenemos de la ecuacion 2.16:

C
A
(s) =
a
3
s + a
1

C
Ao
(s)
sustituyendo y rearreglando terminos:

C
B
(s)

C
Ao
(s)
=
a
3
a
4
s
2
+ (a
1
+ a
5
)s + a
1
a
5

C
B
(s)

C
Bo
(s)
Aplicando la transformada de Laplace a la ecuacion 2.14:
s

C
B
(s) = a
4

C
A
(s) a
5

C
B
(s) + a
3

C
Bo
(s)
debido a que no existe ninguna relacion entre

C
A
(s) y

C
Bo
(s) se debe cancelar
el termino referente a

C
A
(s) en la ecuacion anterior. Por lo tanto despues de
rearreglar dicha ecuacion obtenemos:

C
B
(s)

C
Bo
(s)
=
a
3
s + a
5
5
Ejemplo 3 Considere nuevamente el modelo de un reactor continuo tanque agitado
cuya informacion de dise no fue proporcionada en el ejemplo 4 del captulo Lineal-
izacion de Funciones No-Lineales. Obtener las funciones de transferencia entre todas
las entradas (Q, C
Ao
, C
Bo
) y todas las salidas (C
A
, C
B
) del sistema. Simular la respuesta
dinamica de las respectivas funciones de transferencia y comparar contra los resultados
obtenidos en el ejemplo 4 del captulo Linealizacion de Funciones No-Lineales donde
la respuesta dinamica fue obtenida simulando el sistema correspondiente en el dominio
del tiempo.
En las Figuras 2, 3 y 4 se muestran los resultados de las respuestas dinamicas
obtenidas de las funciones de transferencia entre las salidas y las entradas. Tal como
se muestra, las respuestas dinamicas obtenidas obtenidas simulando el sistema en el
dominio del tiempo (espacio de estado) o en el dominio de Laplace (funcion de trans-
ferencia) son identicas. Los resultados fueron obtenidos con el siguiente programa
Matlab.
0 1 2 3 4 5 6 7 8 9 10
0.05
0
0.05
0.1
0.15
0.2
C
A
C
B
Step Response
Time (sec)
A
m
p
litu
d
e
Figura 2: Respuesta a un cambio tipo escalon en Q
0 1 2 3 4 5 6 7 8 9 10
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
C
A
C
B
Step Response
Time (sec)
A
m
p
litu
d
e
Figura 3: Respuesta a un cambio tipo escalon en C
Ao
6
0 1 2 3 4 5 6 7 8 9 10
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
C
B
Step Response
Time (sec)
A
m
p
litu
d
e
Figura 4: Respuesta a un cambio tipo escalon en C
Bo
clear all; clc;
%
% Design data...
%
qs = 100 ;
cao = 200 ;
cbo = 0 ;
v = 1000 ;
k1 = 0.01 ;
k2 = 0.5 ;
cas = 40 ;
cbs = 26.7 ;
%
% Poynomial coefficients...
%
a1 = qs/v+2*k1*cas ;
a2 = (cao-cas)/v ;
a3 = qs/v ;
a4 = 2*k1*cas ;
a5 = qs/v+k2 ;
a6 = (cbo-cbs)/v ;
%
% Transfer functions...
%
ca_q = tf([a2],[1 a1]);
ca_cao = tf([a3],[1 a1]);
cb_q = tf([a6 (a1*a6+a2*a4)],[1 (a1+a5) a1*a5]);
7
cb_cao = tf([a3*a4],[1 (a1+a5) a1*a5]);
cb_cbo = tf([a3],[1 a5]);
%
% Dynamic reponses
%
figure (1), step(ca_q), hold, step(cb_q) text(1.3,0.15,C_A),
text(3,0.1,C_B)
figure (2), step(ca_cao), hold, step(cb_cao) text(6,0.12,C_A),
text(3.5,0.13,C_B)
figure (3), step(cb_cbo) text(2,0.14,C_B)
2.1 Efecto de la ganancia sobre la respuesta del sistema.
Dado el siguiente sistema lineal de primer orden,
G(s) =
K
s + 1
examinaremos el efecto, sobre la respuesta del sistema, de modicar la ganancia de la
planta. En la gura 5 se muestra la respuesta del sistema como funcion de la ganancia
del sistema a lazo abierto K. como puede notarse para un sistema lineal de primer
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
0.5
1
1.5
2
2.5
3
Time (secs)
A
m
p
l
i
t
u
d
e
K=1
K=2
K=3
Figura 5: Efecto de la ganacia a lazo abierto sobre la respuesta del sistema usando
= 1.
orden la respuesta del sistema cambia por un factor K. Si la respuesta del sistema es
1 entonces doblando K la repuesta del sistema sera 2.
8
2.2 Efecto de la constante de tiempo sobre la respuesta del
sistema
Si la constante de tiempo a lazo abierto se modica se obtendra una respuesta del
sistema semejante a la mostrada en la gura 6. Como puede notarse si se aumenta
0 2 4 6 8 10 12 14 16
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Time (secs)
A
m
p
l
i
t
u
d
e
tau=1
tau=2
tau=3
Figura 6: Efecto de la constante de tiempo a lazo abierto sobre la respuesta del sistema
usando K =1.
la constante de tiempo a lazo abierto, manteniendo constante la ganancia del sistema,
se obtendran las nuevas condiciones de operacion en estado estacionario en mayor
tiempo. Duplicando el valor de la constante de tiempo tambien se duplica el tiempo
para alcanzar el estado estacionario
1
.
3 Polos y ceros de una funcion de transferencia
Recordemos que una funcion de transferencia G(s) se expresa como el cociente de dos
polinomios:
G(s) =
b
m
s
m
+ b
m1
s
m1
+ ... + b
o
a
n
s
n
+ a
n1
s
n1
+ ... + a
o
(3.18)
a las raices z
1
, ..., z
m
del polinomio del numerador,
b
m
s
m
+ b
m1
s
m1
+ ... + b
o
= 0
se les llama los ceros del sistema,mientras que las raices p
1
..., p
n
del polinomio del
denominador,
a
n
s
n
+ a
n1
s
n1
+ ... + a
o
= 0
se llaman los polos del sistema.
En particular para una funcion de transferencia de primer orden G(s) estara dada por
la ecuacion:
G(s) =
b
1
s + b
o
a
1
s + a
o
(3.19)
1
posteriormente se dara una denicion mas formal de la constante de tiempo.
9
las raices de los polinomios de G(s) pueden evaluarse facilmente usando la funcion
roots de Matlab como se muestra en el siguiente ejemplo.
Ejemplo 4 Calcular los polos y los ceros de la siguiente funcion de transferencia:
G(s) =
s + 5
s
3
4s
2
+ 2s 1
En Matlab la forma de denir el polinomio del numerador es usando la intruccion:
num=[1 5]
de manera semejante se dene el polinomio del denominador:
den=[1 -4 2 -1]
o sea, se denen solo los coecientes del polinomio en cuestion empezando con los
coecientes que afectan a los exponentes de mayor hasta el de menor grado. Para
calcular las raices del polinomio del denominador se usa la instruccion:
roots(num)
lo cual produce -5 como resultado. De manera analoga las raices o polos del polinomio
del denominador se evaluan usando la instruccion:
roots(den)
con lo cual se obtiene como resultado 3.5115, 0.2442+.4745i y 0.2442-.4745i.
en ocasiones los polos y los ceros de un sistema pueden tener tanto parte real como
parte imaginaria como muestra el ejemplo anterior donde dos de los 3 polos del sistema
tienen parte real y parte imaginaria (.2442
+
.4745i).
3.1 Polos
Los polos de un sistema denen si dicho sistema es estable o no lo es. Por estabilidad
entenderemos aqui, como una denicion preliminar, el hecho de que un sistema, despues
de experimentar alguna perturbacion, tienda hacia un nuevo estado estacionario. Si
el sistema no tiende hacia ningun estado estacionario (esto es, el valor de los estados
tiende hacia ) diremos que dicho sistema es inestable.
La condicion necesaria y suciente para que un sistema lineal sea estable fue establecida
por Lyapunov a nales de 1800. A continuaci on mencionaremos dicha condicion en
forma de teorema sin probarlo.
10
Teorema 1 Un sistema lineal cuya funcion de transferencia esta dada por la ecuacion,
G(s) =
b
m
s
m
+ b
m1
s
m1
+ ... + b
o
a
n
s
n
+ a
n1
s
n1
+ ... + a
o
es estable si y solo si la parte real de todos los polos del sistema es estrictamente menor
que cero:
Re(p
i
) < 0, i = 1, .., n
notese que en el teorema anterior hemos especicado claramente que unicamente la
parte real del polo debe ser estrictamente negativa. Esto se ha hecho porque, en
general, siendo los polos las raices de un polinomio pueden tener tanto parte real como
parte imaginaria. Notese tambien que de acuerdo al teorema anterior un sistema que
tenga un polo exactamente igual a cero no es estable. Esta situacion se muestra en la
gura 7 donde la region a la izquirda del eje imaginario (zona punteada) denota que el
sistema en cuestiopn sera estable solo si todos los polos de dicho sistema estan ubicados
en el interior de tal region.
Re
Im
Region de
Region de
estabilidad
estabilidad
Figura 7: Region de estabilidad.
Como ejemplo de un sistema estable considere el reactor de polimerizacion discutido
en el ejemplo 6. La graca 14 muestra la concentracion de monomero del reactor
cuando se modica el ujo de monomero a dicho reactor. Como podemos observar
el reactor tiende, despues de un cierto tiempo, hacia otro estado estacionario. Esto
signica entonces que el reactor mencionado es estable. Debemos mencionar que el
mismo reactor operado en otro punto pudiera ser inestable. O sea que el hecho de que
el reactor sea o no estable depende en buena medida de las condiciones de operacion.
Para checar que el reactor de polimerizacion es estable a lazo abierto simplemente
chequemos el signo de las raices del polinomio del denominador. Del ejercicio 6 la
funcion de transferencia entre el ujo y la concentraci on de monomero esta dada por:
G(s) =
1.39
0.3346s + 1
11
de donde es facil ver que el unico polo del sistema esta en s = 2.98, por lo que
concluimos que el sistema (en el punto de operacion donde se linealizo al reactor) es
estable.
Ademas de servir para determinar la estabilidad de un sistema, la magnitud de los
polos tambien nos indica la velocidad de respuesta de un sistema que sea estable. Esto
se muestra en el siguiente ejemplo.
Ejemplo 5 Determinar la velocidad de respuesta de un sistema modelado por la sigu-
iente funcion de transferencia:
G(s) =
1
s + 1
siendo = 1, 2, 5.
En la gura 8 se muestra la respuesta dinamica en el dominio del tiempo del anterior
sistema dinamico. Como puede apreciarse a medida que el polo se coloca mas alejado
0 1 2 3 4 5 6
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t
x
p=1
p=3
p=5
Figura 8: Efecto de la colocacion del polo sobre la respuesta dinamica de un sistema
de primer orden.
del eje imaginario la respuesta dinamica del sistema es mas rapida. Por el contrario a
media que el polo se coloca mas cerca del eje imaginario la respuesta dinamica es mas
lenta. Esta tendencia se muestra en la graca 9
3.2 Ceros
Los ceros del sistema, al igual que en el caso de los polos, pueden tener tanto parte
real como parte imaginaria y la parte real puede ser tanto positiva como negativa. Los
ceros de un sistema no tienen ning un efecto sobre la estabilidad de un sistema.
Si la parte real de los ceros de un sistema es estrictamente negativa entonces el sistema
se llama de fase mnima. Si sucede que alg un cero tiene parte real positiva entonces el
sistema se llama de fase no mnima. Esta situacion se muestra en la gura 10.
12
Im
Re
x x x
mas rapida
Respuesta
Respuesta
mas lenta
Figura 9: Colocacion de polos y su efecto sobre velocidad de respuesta de un sistema
de primer orden.
o o o o
Im
Re
Sistema de
fase minima fase no minima
Sistema de
Figura 10: La ubicacion de los ceros de un sistema determinan si el sistema es de fase
mnima o de fase no mnima.
Una de las caractersticas de la respuesta de un sistema de fase mnima es que la
pendiente de dicha respuesta jamaz cambia de signo. O sea si la parte real de todos
los ceros de un sistema es negativa entonces la respuesta del sistema siempre llevar a
el mismo sentido (ver gura 11). Por el contrario si al menos uno de los ceros del
sistema tiene parte real positiva entonces la respuesta del sistema cambia, en alg un
momento, de signo. Por esta razon a este tipo de sistemas tambien se les conoce como
de respuesta inversa (es decir el sentido inicial de la respuesta es el inverso del de la
respuesta nal). Esta situacion se ilustra en la gura 11.
4 Constante de tiempo a lazo abierto
La constante de tiempo a lazo abierto es una medida de la rapidez con la que un
sistema determinado responde en presencia de alguna perturbacion. La constante de
13
x
t
Sistema de fase minima
(ceros negativos)
(algun cero positivo)
Sistema de fase no minima
Figura 11: Respuesta de un sistema con ceros negativos y respuesta con al menos un
cero positivo.
tiempo se puede evaluar facilmente de la ecuacion 2.12:
y = y

(1 e
t/
)
entonces cuando t = (o sea, el tiempo para alcanzar la constante de tiempo):
y = y

(1 e
1
)
= .6321y

esta ecuacion signica que el tiempo a el cual la respuesta del sistema es el 63.21 % de
la respuesta nal es denido como la constante de tiempo . Esta situacion se muestra
en la gura 12(a).
63.21 %
t
y
y

t
y
y

(b) (a)
inf inf
Figura 12: Interpretaci on de la constante de tiempo a lazo abierto.
5 Calculando K y
Las dos constantes caractersticas de un sistema lineal de primer orden (K y ) se
pueden evaluar a partir de informacion a lazo abierto de planta o de informacion de
14
la simulaci on dinamica de un modelo dado. En cualquier caso, para este proposito, se
puede emplear un procedimiento analtico o numerico (basado en regresion lineal).
5.1 Metodo analtico
Si evaluamos la ecuacion 2.12 haciendo que t entonces e

0 dicha ecuacion
se reduce a:
y(t) = uK = y

(5.20)
de la ecuacion anterior la ganancia a lazo abierto K se puede evaluar facilmente
2
,
K =
y

u
=
y

y
o
u

u
o
(5.21)
la constante de tiempo se puede evaluar como sigue. La ecuacion 2.12 se puede escribir
como:
y(t) = y

(1 e

) (5.22)
esta ecuacion puede ser facilmente linealizada,
ln
_
y

y(t)
y

_
=
t

(5.23)
si gracamos ln
_
y

y(t)
y

_
contra t obtenemos una lnea recta cuya pendiente es
1

(ver gura 13).

en vez de gracar la informacion de planta podramos evaluar tomando un punto y
resolviendo la ecuacion anterior.
Ejemplo 6 El siguiente conjunto de datos corresponde a la simulacion dinamica a lazo
abierto de un reactor tanque agitado donde se lleva a cabo la polimerizacion del MMA.
La variable de entrada es el ujo de monomero mientras que la variable de salida es
la concentraci on de monomero. La variable de entrada fue sujeta a un cambio de tipo
escalon de 10 % .
2
Recuerdese que las variables tanto de entrada como de salida estan en forma de variables de
desviacion a un si dicha notacion no se muestra.
15
t
oo
y
-
y
inf
y
inf
ln
slope = -1/
Figura 13: Determinacion analtica de la constante de tiempo para un sistema de
primer orden.
Tiempo Flujo de Monomero Concentracion de Monomero
(h) (m
3
/h) (kmol/m
3
)
0 1.0 5.965
0.1 1.1 6.004
0.2 1.1 6.031
0.3 1.1 6.049
0.4 1.1 6.063
0.5 1.1 6.074
0.6 1.1 6.081
0.7 1.1 6.087
0.8 1.1 6.092
0.9 1.1 6.095
1.0 1.1 6.097
1.1 1.1 6.099
1.2 1.1 6.100
1.3 1.1 6.101
1.4 1.1 6.102
1.5 1.1 6.102
1.6 1.1 6.103
1.7 1.1 6.103
1.8 1.1 6.103
1.9 1.1 6.103
2.0 1.1 6.103
2.1 1.1 6.103
2.2 1.1 6.103
2.3 1.1 6.104
2.4 1.1 6.104
2.5 1.1 6.104
2.6 1.1 6.104
2.7 1.1 6.104
2.8 1.1 6.104
2.9 1.1 6.104
3.0 1.1 6.104
16
A partir de la respuesta dinamica mostrada en la gura 14 puede notarse que la
respuesta del sistema puede aproximarse por una funcion de transferencia de primer
orden sin retardo.
0 0.5 1 1.5 2 2.5 3
5.96
5.98
6
6.02
6.04
6.06
6.08
6.1
6.12
Time (h)
M
o
n
o
n
e
r

c
o
n
c
e
n
t
r
a
t
io
n

(
k
m
o
l/
m
3
)
Figura 14: Concentraci on de monomero para un cambio tipo escalon del 10 % en el
ujo alimentado de monomero.
Solucion analtica. La ganancia a lazo abierto esta dada por:
K =
y

y
o
u

u
o
de los datos de la simulaci on dinamica,
y
o
= 5.965, y

= 6.104, y

= 0.139
u
o
= 1, u

= 1.1, u = 0.1
por lo cual,
K =
0.139
0.1
= 1.39
kmol h
m
6
de la ecuacion 5.23,
=
t
ln
_
y

y(t)
y

_
del conjunto de datos podemos seleccionar arbitrariamente el punto t = 1 h. A
este tiempo:
y(t) = 6.097 5.965 = 0.132
17
por lo tanto:
=
1
ln
_
0.1390.132
0.139
_
= 0.3346 h
En la gura 15 se muestra la comparacion entre la respuesta dinamica del sis-
tema experimental y la del modelo lineal identicado. Como podemos observar
la respuesta del modelo lineal identicado es satisfactoria. El programa Matlab
empleado para obtener los resultados y la graca respectiva se muestran a con-
tinuacion.
time=datos(:,1);
fm = datos(:,2);
cm = datos(:,3);
deltau =fm(2)-fm(1);
k = 1.39;
tau = .3346;
planta = tf([k],[tau 1]);
[y,t,x] = step(planta*deltau);
plot(time,cm); hold
plot(t,y+cm(1),red);
legend(Experimental,Modelo lineal,0)
xlabel(Tiempo (h)),
ylabel(Concentracion de Monomero(kmol/m3);
0 0.5 1 1.5 2 2.5 3
5.96
5.98
6
6.02
6.04
6.06
6.08
6.1
6.12
6.14
Tiempo(h)
C
o
n
c
e
n
t
r
a
c
i
o
n

d
e

M
o
n
o
m
e
r
o

(
k
m
o
l
/
m
3
)
Experimental
modelo lineal
Figura 15: Comparacion entre las respuestas dinamicas del sistema experimental y del
modelo identicado.
18
6 Sistemas de primer orden con retardos
En situaciones reales cuando se modica el valor de alguna variable no se observa
de inmediato el efecto de dicho cambio sobre la respuesta dinamica del sistema. Es
decir, puede transcurrir un cierto tiempo hasta que el sistema empieza a responder o a
sentir el efecto del cambio realizado. Supongamos que modicamos la concentraci on
de alimentaci on a un reactor. Nuestra experiencia, o sentido com un, nos dice que tran-
scurrira un cierto tiempo hasta que las variables que caraterizan la conducta dinamica
del reactor (concentracion por ejemplo) empiezen a modicar su valor en relacion al
que tenan antes del cambio. Esta situacion se muestra en la gura 16. A el tiempo
() que el sistema tarda en responder se le conoce como retardo.

x
t
Figura 16: Respuesta dinamica de una funcion de transferencia de primer orden con
retardo.
una funcion de transferencia de primer orden con retardo se representa por la siguiente
funcion de transferencia:
g(s) =
K
s + 1
e
s
(6.24)
donde e
s
es el termino usado para representar el retardo, y representa el tiempo de
retardo. Los retardos en un proceso dado tambien pueden surgir de otras formas como
se discute a continuacion.
Retardos por mediciones. En casi todos los procesos qumicos las mediciones
no estan disponibles de inmediato (es decir, sin retardo). Esto signica que
el tiempo que transcurre entre el instante en que se toma una muestra para
su analisis, y el tiempo en que se reporta el resultado de dicho analisis por lo
general es largo. Esto es sobre todo cierto en mediciones diciles tales como en
la medicion de concentraciones, viscosidades, tama nos de partculas, etc. Por lo
com un, las mediciones de presion, temperatura, ujo y nivel no implican retardos
19
apreciables, y para nes practicos la mayora de las veces se acostumbra suponer
que el retardo en estas mediciones es nulo.
Retardos por transporte. En algunas plantas qumicas la materia prima que
se procesa en un sitio debera, despues de experimentar algun tipo de cambio,
ser enviada a otra parte de la planta. Si los sitios estan demasiado alejados
sicamente se incurrira en un retardo debido al transporte de materia.
Debido a que el termino usado para representar un retardo, e
s
, es no lineal, para
usarlo en sistemas lineales se debera aproximarlo mediante alguna funcion lineal. Este
es el proposito de la asi llamada aproximacion de Pade que se discute a continuacion.
Notese que existen diferentes formas de aproximar el termino e
s
dependiendo del
grado de aproximacion deseado.
Primer orden.
e
s

1

2
s
1 +

2
s
(6.25)
Segundo orden.
e
s

1

2
s +

2
12
s
2
1 +

2
s +

2
12
s
2
(6.26)
Tercer orden.
e
s

1

2
s +

2
10
s
2

3
120
s
3
1 +

2
s +

2
10
s
2
+

3
120
s
3
(6.27)
7 Convirtiendo la representacion de sistemas en es-
pacio de estado a funcion de transferencia
Dado el siguiente sistema lineal :
x = Ax + Bu (7.28)
y = Cx + Du (7.29)
la funcion de transferencia y(s)/u(s) del anterior sistema se obtiene de la siguiente
forma. Tomando transformada de Laplace de las ecuaciones 7.28.
L( x) = AL(x) + BL(u) (7.30)
L(y) = CL(x) + DL(u) (7.31)
20
entonces,
sx(s) = Ax(s) + Bu(s) (7.32)
y(s) = Cx(s) + Du(s) (7.33)
de la ecuacion (7.32)
x(s)(sI A) = Bu(s) (7.34)
o bien,
x(s) = (sI A)
1
Bu(s) (7.35)
sustituyendo en la ecuacion (7.33),
y(s) = C(sI A)
1
Bu(s) + Du(s) (7.36)
nalmente,
y(s)
u(s)
= C(sI A)
1
B + D (7.37)
Ejemplo. Obtener la funcion de transferencia entre y
1
/u del siguente sistema lineal
representado en espacio de estado:
_
x
1
x
2
_
=
_
1
2
5
3
_
x +
_
4
1
_
u
y
1
= x
1
, C = [1 0]
entonces,
(sI A) =
_
s
0
0
s
_

_
1
2
5
3
_
=
_
s 1
2
5
s + 3
_
para calcular (sI A)
1
(sI A)
1
=
adjunta
determinante
en el cual determinante = (s 1)(s + 3) (2)(5) = s
2
+ 2s+ 7
(sI A)
1
=
_
s + 3
2
5
s 1
_
1
s
2
+ s5 + 7
entonces,
C(sI A)
1
= [1 0]
_
s + 3
2
5
s 1
_
1
s
2
+ s5 + 7
21
u1
u2
u3
y1
y2
PLANTA
Figura 17:
C(sI A)
1
= [s + 3 5]
1
s
2
+ 2s + 7
C(sI A)
1
B =
__
s + 3
s
2
+ 2s + 7
_

_
5
s
2
+ 2s + 7
__
_
4
1
_
C(sI A)
1
B =
_
4s + 12
s
2
+ 2s + 7

5
s
2
+ 2s + 7
_
por lo tanto:
y(s)
u(s)
=
4s 7
s
2
+ 2s + 7
La conversi on de espacio de estado a funcion de transferencia se puede realizar facil-
mente usando la funcion ss2tf de Matlab. Declarando el sistema lineal en espacio de
estado:
> a = [1 -5; 2 -3];
> b = [4 ; 1];
> c = [1 0];
> d = 0
> [num,den] = ss2tf(a,b,c,d);
obtenemos,
y(s)
u(s)
=
4s 7
s
2
+ 2s + 7
En caso de tener mas de una entrada y varias salidas, existira una funcion de transfer-
encia para cada salida y por cada entrada. Para ejemplicar este punto considerece el
siguiente sistema (ver gura 17).
Cada salida y entrada dene una funcion de transferencia. Para el sistema anterior
existiran g
ij
funciones de transferencia dadas por:
y
1
u
1
= g
11
,
y
1
u
2
= g
12
,
y
1
u
3
= g
13
22
y
2
u
1
= g
21
,
y
2
u
2
= g
22
,
y
2
u
3
= g
23
las cuales pueden representarse matricialmente como:
_
y
1
y
2
_
=
_
g
11
g
21
g
12
g
22
g
13
g
23
_ _
u
1
u
2
_
Notese claramente que cada una de las funciones de transferenca individuales g
ij
posee
su propia ganancia y su propia constante de tiempo. La situacion mas com un es que
dicha ganancia y constante de tiempo varien de una funcion de transferencia a otra. El
siguiente ejemplo muestra como usar Matlab para obtener un sistema lineal en espacio
de estado de m ultiples entradas-m ultiples salidas.
Ejemplo. Obtener la matrix de funciones de transferencia para el siguiente sistema
lineal en espacio de estado:
_
x
1
x
2
_
=
_
1
2
5
3
_
x +
_
4
1
0
2
3
5
_
_

_
u
1
u
2
u
3
_

_
_
y
1
y
2
_
=
_
1
0
0
1
_ _
x
1
x
2
_
en Matlab introducimos las matrices:
> a = [1 -5; 2 -3];
> b = [4 0 3; 1 2 5];
> c = eye(2);
> d = zeros(2,3);
Funciones de transferencia para la primera entrada (u
1
) en Matlab.
> [num,den] = ss2tf(a,b,c,d,1);
donde el 1 al nal de los argumentos de ss2tf denota que se desean evaluar las
funciones de transferencia desde la primera entrada a todas las salidas:
y
1
u
1
,
y
2
u
2
obtenemos:
y
1
u
1
=
4s + 7
s
2
+ 2s + 7
,
y
2
u
1
=
s + 7
s
2
+ 2s + 7
23
Funciones de transferencia para la segunda entrada (u
2
) en Matlab:
> [num,den] = ss2tf(a,b,c,d,2);
produce:
y
1
u
2
=
10
s
2
+ 2s + 7
,
y
2
u
2
=
2s 2
s
2
+ 2s + 7
Funciones de transferencia para la tercera entrada (u
3
) en Matlab:
> [num,den] = ss2tf(a,b,c,d,3);
produce:
y
1
u
3
=
3s 16
s
2
+ 2s + 7
,
y
2
u
3
=
5s 1
s
2
+ 2s + 7
a continuaci on se resume la matrix de transferenca del sistema:
_
y
1
y
2
_
=
1
s
2
+ 2s + 7
_

_
4s + 7
10
3s 16
s + 7
2s s
5s 1
_

_
_

_
u
1
u
2
u
3
_

_
Notese que todas las funciones de transferencia tienen exactamente el mismo denom-
inador. Esto signica que poseen la misma ecuacion caracterstica. Por lo tanto los
polos del sistema son los mismos independientemente de cual, o cuales, variable(s) se
seleccionen como entradas y salidas del sistema. Sin embargo, los ceros del sistema si
dependen de que variable se selecciona como entrada y cual variable se selecciona como
salida.
8 Sistemas con integradores
Considere el proceso mostrado en la gura 18 el cual corresponde al llenado de un
tanque. Supongamos que tanto el ujo de entrada (F
o
) como el ujo de salida (F) se
pueden variar independientemente. A continuacion derivaremos el modelo dinamico de
este proceso. Del balance de masa:
dM
dt
= F
o
F (8.38)
donde M es la masa (o holdup) en el interior del tanque. Dicha masa se puede escribir
en terminos del volumen del reactor utilizando la siguiente ecuacion:
M = V (8.39)
24
h
F
F
o
Figura 18: Ejemplo de sistema con integradores: tanque de almacenamiento.
donde es la densidad del contenido del tanque. Suponiendo que sea constante la
ecuacion 8.38 se puede reescribir como:
dV
dt
= Q
o
Q (8.40)
donde Q se reere al ujo volumetrico denido como:
Q =
F

(8.41)
o en terminos de la altura (h) del lquido contenido en el tanque:
h =
V
A
(8.42)
donde A es el area transversal del tanque la cual se supone constante. Sustituyendo h
en la ecuacion 8.40:
dh
dt
=
1
A
(Q
o
Q) (8.43)
esta ultima ecuacion la podemos escribir en estado estacionario como:
1
A
(Q
s
o
Q
s
) = 0 (8.44)
donde el superndice s denota condiciones de estado estacionario. Restando las ecua-
ciones 8.43 y 8.44:
d(h h
s
)
dt
=
1
A
(Q
o
Q
s
o
)
1
A
(QQ
s
) (8.45)
si suponemos que el ujo de salida es siempre constante esto implica que:
Q = Q
s
(8.46)
25
entonces la ecuacion 8.45 la podemos escribir como:
d

h
dt
=

Q
o
A
(8.47)
o bien:
d

h
dt
= K

Q
o
(8.48)
donde:
K =
1
A
(8.49)
por lo tanto la funcion de transferencia de este sistema esta dada por la siguiente
ecuacion:
G(s) =

h(s)

Q
o
(s)
=
K
s
(8.50)
esta funcion de transferencia tiene un polo el origen (s = 0). A tales sistemas con polos
en el origen se les conoce como sistemas con integradores. Para obtener la respuesta
dinamica de sistemas de primer orden con integradores debemos integrar la ecuacion
8.48. La ecuacion integrada esta dada por:
h = h
o
+ Kt(Q
o
Q
s
o
) (8.51)
Ejemplo 7 Obtener la respuesta dinamica del llenado de un tanque que posee una area
transversal de 12.5 m
2
y que contiene un lquido el cual ocupa un volumen de 25000
lt. El ujo alimentado al tanque es de 500 lt/m. El ujo del lquido que abandona el
tanque se mantiene constante en 500 lt/m. El volumen total del tanque es de 50000 lt.
Bajo estas condiciones la altura del lquido es de 2 mt.
En la gura 19 se muestra la forma como el nivel del tanque cambia cuando el ujo
volumetrico alimentado se incrementa de 500 a 520 lt/m. Como podemos observar el
nivel del tanque aumenta indenidamente hasta que eventualmente alcanza la altura
maxima (4 m) despues de la cual ocurre derramamiento del liquido. Esta es una
caracterstica del modo de respuesta de sistemas con integradores. En presencia de
alg un tipo de perturbacion dicho tipo de sistemas no tienden hacia otro estacionario.
Para evitar situaciones como esta los sistemas con integradores deben estar siempre
bajo control. El sistema de control se encargara de mantener el nivel de lquido en un
valor deseado y evitara situaciones en las cuales el lquido se derrame o bien el lquido
se agote.
26
0 200 400 600 800 1000 1200 1400 1600 1800 2000
2
2.5
3
3.5
4
4.5
5
Tiempo (min)
A
l
t
u
r
a

(
m
)
Figura 19: Respuesta dinamica de un sistema con integradores.
9 Funci on de transferencia del tipo Lead/Lag
Existe un tipo especial de funcion de transferencia de primer orden conocida como la
funcion de transferencia de tipo adelanto/retardo (lead/lag):
g(s) = K
s + 1
s + 1
(9.52)
a diferencia de una funcion de transferencia de primer orden:
g(s) = K
1
s + 1
(9.53)
la funcion de transferencia lead/lag posee un polinomio de primer orden en el nu-
merador. Observese que dicha funcion de transferencia posee un polo en s = 1/
y un cero en s = 1/. Para obtener la respuesta en el tiempo de esta funcion de
transferencia reescribamos la ecuacion 9.52 como:
g(s)
K
=
s +
1

s +
1

(9.54)
donde se ha denido como el cociente de la ubicacion del cero entre la ubicacion del
polo:
=

(9.55)
27
en la gura 20 se muestra la respuesta en el tiempo de la funcion de transferencia
lead/lag para el caso particular del polo ubicado en -1.
0 1 2 3 4 5 6
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Tiempo
g
(
s
)
/
K
rho=2
1.6
1.3
1
.7
.4
0
Figura 20: Respuesta en el dominio del tiempo de la funcion de transferencia de tipo
lead/lag si = 1.
De la gura 20 podemos distinguir los siguientes casos (ver gura 21).
x x x
(a) (b) (c)
Figura 21: Ubicacion del polo (o) y cero (x) en una funcion de transferencia lead/lag.
< 1
Cuando el cero de la funcion de transferencia esta ubicado a la izquierda del polo
la respuesta dinamica del sistema se hace mas lenta en relacion a cuando ocurre
lo contrario (o sea el cero ubicado a la derecha del polo). Notese de la ecuacion
9.54 que en lmite cuando 0, la funcion de transferencia lead/lag tiende a
tomar la forma de una funcion de transferencia de primer orden.
28
= 1
En este caso el polo y cero de la funcion de transferencia se cancelan mutuamente
ya que estan ubicados en el mismo lugar. Esto da lugar a que la funcion de
transferencia resultante sea:
g(s) = k (9.56)
la cual corresponde a un sistema dinamico de ganancia pura. Este tipo de sistemas
poseen conducta dinamica muy rapida. Es decir, la transiccon de un estado a
otro ocurre de manera inmediata.
> 1
10 Ejemplo: Sistema de 2 CSTRs en series
1 2
T
Q
c
f
C
T
1
1
C
T
2
2
Figura 22: System of two series connected CSTRs.
The Simultaneous MIDO approach is applied to a system of two series-connected
CSTRs systems as shown in Figure 22. Design parameters values and notation are
shown in Table 1 for the following DAE model.
First reactor.
dC
1
dt
=
(C
f
C
1
)

+ r
A1
(10.57)
dT
1
dt
=
(T
f
T
1
)

+ r
A1
(T
1
T
c1
) (10.58)
dT
c1
dt
=
Q
c
(T
cf
T
c1
)
V
c
+
c
(T
1
T
c1
) (10.59)
29
Parameter Value Units
Q 2.5 Volumetric feedowrate l/s
T
f
29 Feedstream temperature
o
C
C
f
0.6 Feedstream concentration mol/l
V 900 Volume l
Q
c
2 Cooling water owrate l/s
T
cf
25 Cooling water feedstream temp.
o
C
V
c
100 Cooling water volume l
E 10.1 Activation energy Kcal/mol
K
0
2x10
3
Pre-exponential factor 1/s
R 1.98x10
3
Ideal gas constant Kcal/mol-
o
K
850 Products density g/l
C
p
1.35x10
4
products heat capacity Kcal/g-
o
C
H
r
-35 Heat of reaction Kcal/mol

c
1000 Cooling water density g/l
C
pc
1x10
3
Cooling water heat capacity Kcal/g-
o
C
A 900 Heat transfer area cm
2
U 4x10
5
Heat transfer coecient Kcal/s-cm
2
-
o
C
Table 1: Parameters for Case Study Model
Second reactor.
dC
2
dt
=
(C
1
C
2
)

+ r
A2
(10.60)
dT
2
dt
=
(T
1
T
2
)

+ r
A2
(T
2
T
c2
) (10.61)
dT
c2
dt
=
Q
c
(T
c1
T
c2
)
V
c
+
c
(T
2
T
c2
) (10.62)
Here we also dene: =
V
Q
, =
H
r
C
p
, =
UA
V C
p
,
c
=
UA

c
V
c
C
pc
, r
A1
= K
0
e

E
RT
1
C
1
,
r
A2
= K
0
e

E
RT
2
C
2
.
Under these operating conditions, the system of two series-connected reaction sys-
tem exhibits up to 5 steady-state solutions at the outlet of the second reactor. Figure
23 depicts the continuation diagrams for both co-current and counter-current cooling
systems using the feed stream temperature as the main continuation parameter.
Determine:
Steady-state operating conditions around the high temperature region (see Figure
23).
In Table 2 the Matlab program used to compute the high-temperature steady-
state operating conditions is shown. Running the steady-state values are as
follows.
C
1
= 0.0683
30
T
1
= 172.9
T
c1
= 27.6
C
2
= 0.0077
T
2
= 173.5
T
c2
= 30.2
Assuming that the system inputs are the main feed stream temperature (T
f
) and
the cooling water ow rate (Q
c
), and the system outputs are the concentration
and temperature at each reactor the transfer functions (C
1
, T
1
, C
2
, T
2
), the state-
space representation of the system.
In Table 3 the Matlab program used to linearize the systems of 2 CSTRs series
connected is shown.
The transfer function among all the outputs and inputs.
The dynamic system response when increasing each input by 1% and 10% of its
respective steady-state values.
Repeat the past point by using now the nonlinear model.
Compare the dynamic system responses when the nonlinear reaction model is
approximated by a linear one.
31
clear all; clc;
x0 = [0.1 170 30 0.01 180 35];
options = optimset(display,iter);
x = fsolve (cstrs2ss,x0,options)
function fx = cstrs2ss (x)
c1 = x(1); t1 = x(2); tc1 = x(3); c2 = x(4); t2 = x(5); tc2 = x(6);
%
% Parameters...
%
q = 2.5; tf = 29; cf = 0.6; v = 900; qc = 2; tcf = 25; vc = 100;
e = 10.1; ko = 2e3; r = 1.98e-03; rho = 850; cp = 1.35e-04;
dhr = -35; rhoc = 1000; cpc = 1e-03; a = 900; u = 4e-05;
%
% Math model
%
theta = v/q;
beta = dhr/(rho*cp);
alpha = u*a/(rho*v*cp);
alphac = u*a/(rhoc*vc*cpc);
ra1 = -ko*exp(-e/(r*(t1+273.16)))*c1;
ra2 = -ko*exp(-e/(r*(t2+273.16)))*c2;
dc1 = (cf-c1)/theta+ra1;
dt1 = (tf-t1)/theta+beta*ra1-alpha*(t1-tc1);
dtc1 = qc*(tcf-tc1)/vc+alphac*(t1-tc1);
dc2 = (c1-c2)/theta+ra2;
dt2 = (t1-t2)/theta+beta*ra2-alpha*(t2-tc2);
dtc2 = qc*(tc1-tc2)/vc+alphac*(t2-tc2);
fx = [dc1 dt1 dtc1 dc2 dt2 dtc2];
%-- End of the cstr2ss.m file
Table 2: Matlab program to compute the steady-state operating conditions.
32
clear all ; clc;
xss = [6.8289e-002; 1.7294e+002; 2.7616e+001; 7.6832e-003;
1.7345e+002; 3.0194e+001];
tf = 29; qc = 2; uss = [tf qc];
[A,B,C,D] = linmod(cstrs2sl,xss,uss)
function [sys,x0] = cstrs2dynsl (time,x,u,flag)
if flag == 0
sys = [6 0 4 2 0 0];
x0 = [6.8289e-002; 1.7294e+002; 2.7616e+001; 7.6832e-003;
1.7345e+002; 3.0194e+001];
end
if flag == 1
c1 = x(1); t1 = x(2); tc1 = x(3); c2 = x(4); t2 = x(5); tc2 = x(6);
tf = u(1); qc = u(2);
%
% Parameters...
%
q = 2.5; cf = 0.6; v = 900; tcf = 25; vc = 100; e = 10.1 ; ko = 2e3;
r = 1.98e-03; rho = 850; cp = 1.35e-04; dhr = -35 ; rhoc = 1000; cpc = 1e-03;
a = 900; u = 4e-05; %
%
% Math model
%
theta = v/q;
beta = dhr/(rho*cp);
alpha = u*a/(rho*v*cp);
alphac = u*a/(rhoc*vc*cpc);
ra1 = -ko*exp(-e/(r*(t1+273.16)))*c1;
ra2 = -ko*exp(-e/(r*(t2+273.16)))*c2;
dc1 = (cf-c1)/theta+ra1;
dt1 = (tf-t1)/theta+beta*ra1-alpha*(t1-tc1);
dtc1 = qc*(tcf-tc1)/vc+alphac*(t1-tc1);
dc2 = (c1-c2)/theta+ra2;
dt2 = (t1-t2)/theta+beta*ra2-alpha*(t2-tc2);
dtc2 = qc*(tc1-tc2)/vc+alphac*(t2-tc2);
sys = [dc1 dt1 dtc1 dc2 dt2 dtc2];
end
if flag == 3
sys = [x(1) x(2) x(4) x(5)];
end
if flag == 9
sys = [];
end
%-- End of the cstr2dynsl.m file
Table 3: Matlab program to linearize the nonlinear 2 CSTRs series model.
33
global tf qc
%
% Lineal response
%
np = 100; tend = 2000; delta = 1;
time = linspace(0,tend,np);
tf initial = 29;
qc initial = 2;
tf final = tf initial+tf initial*delta/100;
qc final = qc initial+qc initial*delta/100;
u tf = (tf final-tf initial)*ones(np,1);
u tf(1) = 0; u qc = (qc final-qc initial)*ones(np,1);
u qc(1) = 0;
u = [u tf u qc]; [dylineal,x]= lsim(A,B,C,D,u,time);
%
% Nonlinear response
%
xss = [6.8289e-002; 1.7294e+002; 2.7616e+001; 7.6832e-003;
1.7345e+002; 3.0194e+001];
tf = 29*(1+delta/100);
qc = 2; [time1,ynl tf] = ode15s(cstrs2dyn,time,xss);
tf = 29;
qc = 2*(1+delta/100); [time1,ynl qc] = ode15s(cstrs2dyn,time,xss);
%
% Compare lineal vs nonlinear responses
%
figure(1)
subplot(221), plot(time,ynl tf(:,1),r-,time,dylineal(:,1)+6.8289e-002,b--)
ylabel(C 1), xlabel(Time), legend(Nonlinear,Lineal,0)
subplot(222), plot(time,ynl tf(:,2),r-,time,dylineal(:,2)+1.7294e+002,b--)
ylabel(T 1), xlabel(Time)
subplot(223), plot(time,ynl tf(:,4),r-,time,dylineal(:,3)+7.6832e-003,b--)
ylabel(C 2), xlabel(Time)
subplot(224), plot(time,ynl tf(:,5),r-,time,dylineal(:,4)+1.7345e+002,b--)
ylabel(T 2), xlabel(Time)
figure(2)
subplot(221), plot(time,ynl qc(:,1),r-,time,dylineal(:,1)+6.8289e-002,b--)
ylabel(C 1), xlabel(Time), legend(Nonlinear,Lineal,0)
subplot(222), plot(time,ynl qc(:,2),r-,time,dylineal(:,2)+1.7294e+002,b--)
ylabel(T 1), xlabel(Time)
subplot(223), plot(time,ynl qc(:,4),r-,time,dylineal(:,3)+7.6832e-003,b--)
ylabel(C 2), xlabel(Time)
subplot(224), plot(time,ynl qc(:,5),r-,time,dylineal(:,4)+1.7345e+002,b--)
ylabel(T 2), xlabel(Time)
Table 4: Matlab program to compare the nonlinear vs the linear dynamic responses.
34
0 5 10 15 20 25 30 35 40 45 50
0
20
40
60
80
100
120
140
160
180
200
1: Cf = 0.00065
2: Cf = 0.00060
3: Cf = 0.00055
Tf (
o
C )
T
1

(

o
C

)
1 2 3
(a)
0 5 10 15 20 25 30 35 40 45 50
0
20
40
60
80
100
120
140
160
180
200
220
Tf (
o
C )
T
2

(

o
C

)
1 2 3
1: Cf = 0.00065
2: Cf = 0.00060
3: Cf = 0.00055
(b)
Figura 23: Continuation diagrams at the outlet of the rst and second reactor using
the feed stream temperature as the main continuation parameter.
35