Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Automatización de Procesos Industriales
Automatización de Procesos Industriales
on de Procesos
Industriales
Ingeniero de Organizaci
on. Curso 1o
Jos
e Mara Gonz
alez de
Durana
Dpto. I.S.A. EUI
UPV/EHU
Vitoria-Gasteiz
Directory
. Indice
. Contenidos
c 2005
Copyright
Ultima Revision: Febrero 2004
Indice
1. OBJETIVOS
2. METODO
3. EVALUACION
4. CONTENIDOS
5. Libros recomendados
.
Tema 1. Introducci
on
1. Perspectiva hist
orica
2. La empresa productiva
2.1. El proceso productivo
2.2. Operaciones b
asicas de fabricaci
on
Procesado de un elemento Montaje Movimiento de material
Almacenamiento Inspeccion y control
2.3. Tipos de procesos
6. Modelado y simulaci
on de sistemas complejos
6.1. Importancia del modelado
Lenguaje Unificado de Modelizacion (UML)
7. Estructura del curso
Parte I. Control de procesos de eventos discretos
.
1. Dispositivos l
ogicos
2. Algebra de Boole
2.1. Funciones booleanas
Formas canonicas
2.2. Simplificaci
on de funciones booleanas
Metodo de Karnaugh Metodo de Quine-McCluskey Algoritmo de
Quine
3. Sistemas combinacionales
3.1. Funciones l
ogicas elementales
4
1. Grafcet
1.1. Elementos b
asicos
Etapas Transiciones Segmentos paralelos
1.2. Estructuras b
asicas
Secuencia simple Divergencia OR Convergencia OR Divergencia
5
1. Ecuaci
on diferencial
1.1. Sistemas lineales - par
ametros constantes
Modelo externo Modelo interno
1.2. Modelo externo
6
Tema 5. Realizaci
on del control
1. Realizaci
on fsica
2. Sensores
2.1. Tipos de sensores
2.2. Clasificaci
on
2.3. Calibraci
on
2.4. Tipos de transductores
8
2.5. El potenci
ometro como sensor de posici
on
3. Actuadores
3.1. Tipos de actuadores
3.2. Otros actuadores
3.3. Accesorios mec
anicos
3.4. El motor de c.c.
3.5. Ecuaciones diferenciales
3.6. Modelo externo
3.7. Funci
on de transferencia del motor
3.8. Reductor de velocidad
3.9. Funci
on de transferencia del reductor
3.10.Reductor con poleas el
asticas
3.11.Aplicaci
on pr
actica: sistema de control de posici
on
4. Especificaciones de funcionamiento
4.1. Especificaciones en tiempo
9
Tema 6. Dise
no de Sistemas de Control continuos
1. Introducci
on
2. Tipos de controladores
Realizacion de los controladores Controlador PID Controladores
de adelanto y de retraso de fase Controlador de adelanto-retraso con
red pasiva Controlador de adelanto-retraso con amp. operacional
3. Dise
no en el lugar de las races
Efecto de a
nadir un cero Efecto de a
nadir un polo
3.1. Dise
no de un controlador de adelanto de fase
3.2. Dise
no de un controlador PID
Parte III. Automatizaci
on local
.
Tema 7. Aut
omatas programables
10
1. Descripci
on de un PLC
2. Programacion de PLCs
2.1. Ladder Diagram (LD)
3. C
elula flexible SMC
3.1. Aut
omata programable Omron CPM2A-30CDR-A
3.2. Ejemplos
.
Tema 8. Sensores
1. Tipos de sensores
1.1. Clasificaci
on
1.2. Caractersticas
2. Calibraci
on
3. Tipos de transductores
.
Tema 9. Actuadores
1. Tipos de actuadores
11
1. Fabricaci
on inteligente
Parte V. APENDICES
.
2. Estudio cualitativo
3. Orden de una ecuaci
on diferencial
4. Interpretaci
on geom
etrica
5. Sistemas de 2o orden
Interpretacion geometrica
6. Soluci
on num
erica
7. Soluci
on num
erica con Matlab
Interpretacion geometrica
7.1. M
etodo de Kelvin
13
1. OBJETIVOS
Formar personas con capacidad para el planeamiento, gestion, dise
no y desarrollo de proyectos de automatizacion.
Utilizar para ello las tecnologas y metodos de actualidad.
Inculcar un marco teorico en el que tengan cabida los complejos procesos
productivos.
Analisis, dise
no y realizacion.
Visualizar los metodos y tecnologas existentes.
2. METODO
Clases teoricas: proyector (a completar), pizarra, ejercicios.
Clases practicas: ordenador, ejercicios, montajes.
Trabajos tutorizados.
Tutoras: cuestiones, ejercicios, trabajos.
horario 2-cuatr: lunes de 10 a 12, miercoles y jueves de 17 a 19
14
3. EVALUACION
Trabajos: ejercicios, problemas, temas teoricos, programas, montajes.
Calificacion: 2. Han de ser concertados con el profesor.
Pr
acticas: ejercicios resueltos por computador, montajes.
Calificacion: la nota ( 4) se pondera por el no de asistencias.
Nota: los trabajos y las practicas se hacen durante el curso, no en verano.
Examen: teora y problemas.
Calificaciones m
aximas:
Trabajos
Practicas
Examen
Total
15
2
4
4
10
4. CONTENIDOS
Tema 1. Introduccion
Parte I. Control de procesos de eventos discretos
Tema 2. Sistemas booleanos
Tema 3. Modelos computacionales
Parte II. Control de procesos continuos
Tema 4. Modelos de sistemas continuos
Tema 5. Realizacion del control
Tema 6. Dise
no de sistemas de control continuos
Parte III. Automatizacion local
Tema 7. Automatas programables
Tema 8. Sensores
Tema 9. Actuadores
Parte IV. Automatizacion global
Tema 10. La piramide de automatizacion
Fases
. Analisis obtencion de modelos computacionales, matematicos.
. Dise
no dise
no y programacion de controladores, simulacion.
. Realizacion matematica, computacional, fsica.
16
Herramientas
. Programacion en lenguajes estandar: C, C++, Java.
. Programas especficos para control: Matlab, Scilab, Octave, Maple.
Prerrequisitos
. Algebra Lineal: espacios vectoriales, matrices.
. Analisis Matematico: analisis real y complejo (basico), ecuaciones diferenciales ordinarias.
. Informatica: manejo del ordenador, windows, nociones de programacion
(C, C++, Java).
. Fsica: nociones de mecanica, electricidad, calor, fluidos.
17
u : R Rq (entrada, dada)
y(t) Rp .
u1 (t)
x(t)
u2 (t)
y(t)
18
x(t) Rn , u(t) Rq
y(t) Rp .
t R, x(t) Rn , u(t) Rq
Ejercicios
Sistemas continuos
. Buscar ejemplos de sistemas de control continuos en t.
. Identificar en ellos las entradas y salidas.
. Si es posible, hallar n, p, q en cada uno de ellos.
Sistemas discretos
. Buscar ejemplos de sistemas de control discretos en t.
Sistemas reactivos
. Buscar ejemplos de sistemas reactivos.
. Identificar los procesos que emiten eventos y los que los reciben.
. Iniciar el estudio de MATLAB, Simulink y Stateflow.
21
5. Libros recomendados
Bibliografa
[1] Paul H. Lewis, Hang Yang
Sistemas de Control en Ingeniera
Prencice Hall Inc., 1999
[2] Benjamin C. Kuo
Sistemas Automaticos de Control
Editorial Prentice-Hall - 1996
[3] Emilio Garca Moreno
Automatizacion de procesos industriales
Editorial U.P.V. (Universidad Politecnica de Valencia). 1999
[4] M.P. Groover. Automation, Production Systems and Computer Aided Manufacturing.
Prentice Hall. 1980.
[5] David Harel
Statecharts: A Visual formalism for Complex Systems
Science of Computer Programming 8, (1987) pp. 231-274.
[6] The International Electrotechnical Comision. The International Standard IEC-61631
http://www.plcopen.org
22
Captulo 1. Introducci
on
Automatizacion: teoras y tecnologas para sustituir el trabajo del hombre por
el de la maquina. Mecanismo de feedback
Relacionada con las Teoras de Control y de Sistemas.
Adopta los mas recientes avances.
Para automatizar procesos: saber como funcionan esos procesos.
. Procesos continuos
. Procesos comandados por eventos
. Procesos de fabricacion
Estudio Visitas a empresas.
Procesos conectados entre si gestion marco jerarquico
Estructura de la empresa redes locales buses de comunicacion
23
1. Perspectiva hist
orica
Fuego:
. Homo sapiens calefaccion alimentos
. Edad Bronce metales ceramica procesos fabricacion
Energa eolica:
. 2000 A.C: embarcaciones a vela
. 1000 A.C.: Fenicios Mediterraneo
. Edad Media: Europa molinos de viento
Energa hidraulica:
Maquina de vapor
. James Watt, 1750 Revolucion Industrial
. Maquina de vapor bombas agua (minas de Gales)
. Automatizacion telares (Manchester)
24
Teoras, tecnologas y
areas
. Teoras
Teoras de Control, Sistemas y Se
nal
Sistemas de eventos discretos
Maquinas de estado, Redes de Petri, Grafcet, Statechart
. Tecnologas
Neumatica, Hidraulica
Electronica
Microprocesadores, Ordenadores, Automatas programables
Robotica
Comunicaciones
Desarrollo del software
. Areas tecnologicas
Automatizacion de las maquinas-herramienta
Control por computador, CAD, CAM, CIM
Control de procesos distribuido
Celulas flexibles
25
2. La empresa productiva
Ente socioeconomico adecuacion parcial de flujos: produccion y consumo
Dos subsistemas: uno para medir las necesidades de los consumidores y de trasferirles los productos que las satisfagan y otro que se encarga de la produccion.
Elemento productivo Elemento consumidor (de materias primas)
Departamentos o secciones:
. Finanzas
. Gestion
. Compras
. Almacen de materias primas
. Produccion
. Almacen de productos terminados
. Ventas
26
Actividad de la empresa
Almacn de
materias primas
Produccin
Almacn de
productos terminados
Gestin
Compras
Finanzas
Ventas
MERCADO
27
Proceso
productivo
28
2.2. Operaciones b
asicas de fabricaci
on
Procesado de un elemento
Materia prima-
Mecanizado
Pieza -
Montaje
Mat. prima 1Mecanizado 1
Pieza 2-
Movimiento de material
Almacenamiento
Inspeccion y control
29
Job Shops
- amplia gama, alta tecnologa, series medianaspeque
nas
- mano de obra y maquinaria especializadas elevados costes
Lneas de produccion
- cadena grandes series - pocos productos automoviles
- cintas trasportadoras estaciones (proceso o montaje) almacenes
Produccion continua
- productos simples grandes cantidades petroqumica
- flujo continuo de producto
30
2.4. Ubicaci
on de los procesos
Importancia: procesos, comodidad del personal, cableados, buses etc.
Programas simulacion (estocastica)
En flujo de producto
M
aquinas a lo largo del flujo
31
3. El proceso en feedback
(t)
xC : consigna de velocidad ref (fija)
C
Si aumenta
aumenta fuerza centrfuga
B
bolas B se separan
A sube
x cierra valvula vapor de la caldera
Actuador
vlvula
baja la presion
disminuye
32
d(t)
yref
- +m(t)- C
6
ym (t)
x(t)-
?v(t)
u(t)- m
- P
+
r y(t) -
M
y
ref
Entrada de referencia
C Controlador
d(t)
Entrada perturbadora
y(t)
Salida
A Actuador
P Planta o Proceso
(t)
Error
M Medidor
33
volante
acelerador
ch
ofer
vehculo
frenos
cambio de marchas
Teora de Control
sistema de control = entidad
terminales de entrada (controles) estmulos
terminales de salida respuesta
Caja negra o bloque planta o proceso
Entrada-
Bloque
34
Salida -
35
4. La automatizaci
on industrial
Aplicar feedback procesos continuos procesos movidos por eventos
Tecnicas analogicas
Controlador: mecanico, neumatico, hidraulico, electrico, electronico, optico
Procesos Continuos controlador PID
Z
dx(t)
1 t
x(t) = C((t)) = Kp 1 + Td
+
x( )d
dt
Ti 0
Tecnicas digitales
Ordenador microprocesadores microcontroladores ordenador personal comunicaciones software ...
? Controladores para procesos continuos PID
? Control de procesos de eventos discretos automata programable
? Estructuras de control Automatizacion Global
36
Proceso 1
Proceso 2
Proceso 3
Proceso 4
37
Inconvenientes:
38
39
5. Modelos matem
aticos de sistemas
Modelo matematico: ecuacion o sistema de ecuaciones que lo representa y cuya evoluci
on en el tiempo se corresponde con la del sistema.
Permite hacer calculos, predicciones, simulaciones y dise
nar.
Clasificacion:
. Sistemas de tiempo continuo
. Sistemas de tiempo discreto
. Sistemas de eventos discretos
Sistemas de eventos discretos =
sistemas reactivos = sistemas comandados por eventos (event-driven systems)
Modelos complejos procesos estocasticos procesos de colas modelos no matem
aticos basados en computador.
Lenguaje Unificado de Modelado (UML).
6. Modelado y simulaci
on de sistemas complejos
Din
amica de fluidos sistemas energeticos gestion de negocios
40
41
MODELO
Entidad
del
Mundo Real
Modelo
bsico
OBJETIVOS
anlisis slo
en contexto
experimental
experimento
dentro de contexto
Datos
observados de
Experimento
Conocimiento
a priori del
modelo bsico
Modelo M
Validacin
Simulacin =
Experimento virtual
Resultados
de
Simulacin
42
Proceso de
Modelado y Simulacin
43
Objetivos actuales:
. Ofrecer a los usuarios un lenguaje de modelado de uso inmediato, expresivo y
visual, para desarrollar e intercambiar modelos significativos.
. Suministrar mecanismos de extension y especializacion que permitan extender
los conceptos del n
ucleo del lenguaje.
. Soportar especificaciones que sean independientes de los lenguajes de programacion particulares y de los procesos de desarrollo.
. Dar una base formal para el aprendizaje del lenguaje.
. Animar el crecimiento del mercado de herramientas para objetos.
. Soportar conceptos de desarrollo de alto nivel: components, collaborations, frameworks, patterns.
. Integrar las mejores practicas de programacion.
Caractersticas de UML
Consistente lenguaje sin propietario y abierto a todos. Permite especificar, visualizar,
construir y documentar los artefactos de software. Vale tambien para el modelado de
negocios y otros sistemas. Esta estructurado en 9 paquetes:
44
. Data Types
. Core
. Extension Mechanisms
. Common Behavior
. State Machines
. Activity Graphs
. Collaborations
. Use Cases
. Model Management
45
Consideraciones
Estudio de sistema complejo secuencia de visiones distintas del modelo
Un modelo: diferentes niveles de fidelidad
Los mejores modelos conectados realidad
Gr
aficos (a modo de vistas) de un modelo
. use case diagram
. class diagram
. behavior diagrams:
statechart diagram
activity diagram
interaction diagrams
sequence diagram
collaboration diagram
implementation diagrams:
component diagram
deployment diagram
UML no soporta diagramas de flujo de datos
46
47
Bibliografa
[1] Paul H. Lewis Sistemas de Control en Ingeniera. Prentice Hall, Madrid, 1999.
[2] Emilio Garca Moreno Automatizaci
on de procesos industriales. Editorial U.P.V.
(Universidad Politecnica de Valencia), 1999.
[3] K.Lockyer La producci
on industrial, su administraci
on. Representaciones y Servicios de Ingeniera S.A., Mexico, 1988.
[4] M.P. Groover Automation, Production Systems and Computer Aided Manufacturing. Prentice Hall. 1980.
[5] David Harel Statecharts: A Visual formalism for Complex Systems, Science
of Computer Programming 8, (1987), pp. 231-274.
[6] Object Modeling Group OMG Unified Modeeling Language Specification. Object
Modeling Group, Inc., Version 1.3, June 1999.
[7] Hans Vangheluwe Modeling and Simulation Concepts. McGill, CA, CS 522 Fall
Term 2001.
48
49
. Sistemas combinacionales
. Sistemas secuenciales
50
2. Algebra de Boole
Conjunto U dos operaciones + , tales que a, b, c U :
51
1. Idempotentes: a + a = a a = a
2. Conmutativas: a + b = b + a, a b = b a
3. Asociativas: a + (b + c) = (a + b) + c,
a (b c) = (a b) c
4. Absorciones: a (a + b) = a + (a b) = a
(U, +, ) es un retculo. Si ademas
5.
Distributivas: a + (b c) = (a + b) (a + c),
a (b + c) = (a b) + (a c)
(U, +, ) retculo distributivo. Si
6.
7.
52
x2
0
0
1
1
0
0
1
1
x3
0
1
0
1
0
1
0
1
x1
0
0
0
0
1
1
1
1
f
0
0
0
0
0
0
1
1
53
x2
0
0
1
1
0
0
1
1
x3
0
1
0
1
0
1
0
1
g
0
0
0
0
0
0
1
1
Formas canonicas
func. booleanas: relacion de equivalencia representantes canonicos:
. suma de min-terms, p. ej., f (a, b, c, d) = abcd + abcd + abcd
. producto de max-terms: f = (a + b + c + d)(a + b + c + d)(a + b + c + d)
n variables 2n terminos canonicos diferentes
minterms
f (x)
x, x
xy, xy, xy, xy
f (x, y)
f (x, y, z) xyz, xyz, xyz, xyz, xyz, xyz, xyz, xyz
min-term = n
umero binario = n
umero decimal
p. ej., xyz = 010 = 2.
Obtenci
on de la f.c.:
. Tabla de verdad f.c. (inmediato)
. Para i = 1, . . . , n mult. por (xi + xi ) los terminos de f sin xi .
54
2.2. Simplificaci
on de funciones booleanas
Aplicar la ley de complementacion: x + x = 1 f (x1 + x1 ) f .
f = suma de implicantes primos (terminos irreducibles).
Metodo de Karnaugh
f (a, b, c, d) = b + bc
cd
@ 00 01 11
ab @
00 00
00 00
00 01 11
01 01
01 01
00 01 11
11 11
00
10 10
00
11
01
10
01
11
11
10
11
ab
@
01 11 10
cd @ 00 #
00 0 1 1 0
10
00
10
01
10
11
10
10
10
01 0
11 1
10 "
1 "
1 !
1 !
0
55
Metodo de Quine-McCluskey
Ejemplo:
f (x1 , x2 , x3 , x4 ) = (0, 7 , 9, 12 , 13, 15)
i
min-terms
1-term
0
7
9
12
13
15
Tabla
0000
0111
1001
1100
1101
1111
de verdad
0
1
2
0000 0000
3
4
9
12
7
13
15
1
1
0
1
1
0
1
1
1
1
0
0
1
0
1
1
0
1
1
1
2-term
1
1
1
1
1
1
1
0
1
-
1
1
1
56
Algoritmo de Quine
Como ya se ha indicado, el metodo de Quine-McCluskey, lo mismo que el de Karnaugh, se basa en utilizar repetidamente la ley a + a = 1. Dada una funcion f en
forma canonica de suma de m min-terms, el algoritmo es el siguiente:
1. Poner todos los min-terms en una lista, ordenados de alguna forma de 1 a m.
2. para i desde 1 hasta m 1 hacer
Elegir el termino i-esimo, Ti , de la lista
para j desde i + 1 hasta m hacer
Tomar el termino j-esimo, Tj , de la lista
Simplificar, si es posible, la expresion Ti + Tj , aplicando la ley a + a = 1
y poner el termino simplificado en una nueva lista.
3. Volver al paso 1 con la nueva lista obtenida y repetir el algoritmo
4. El algoritmo termina cuando no es posible simplificar mas.
Gran coste computacional si el n es elevado.
57
3. Sistemas combinacionales
Sistema de control con p entradas u1 (t), . . . , up (t) Z2
y q salidas y1 (t), . . . , yq (t) Z2 ,
yi (t) = fi (u1 (t), . . . , up (t)),
i = 1 . . . q.
y1 (t)-
u2 (t)-
y2 (t)-
..
.
S.C.
up (t)-
t0 , T R.
..
.
yq (t)-
Los valores de las salidas en el instante t solo dependen de los valores que en ese
mismo instante tengan las entradas.
58
3.1. Funciones l
ogicas elementales
Funcion NOT
x z
0 1
1 0
Funcion AND
x
0
0
1
1
y
0
1
0
1
z
0
0
0
1
x-
z-
&
y
-
59
x
y
Funcion OR
x
0
0
1
1
y
0
1
0
1
z
0
1
1
1
xy
x
y
z-
x
y
&
d z-
Funcion NAND
x
0
0
1
1
y
0
1
0
1
z
1
1
1
0
xy
-
60
Funcion NOR
x
0
0
1
1
y
0
1
0
1
z
1
0
0
0
xy
d z-
x
y
=1
d z-
x
y
Funcion XOR
x
0
0
1
1
y
0
1
0
1
z
1
0
0
1
xy
-
61
4. Sistemas secuenciales
Sistema de control con p entradas u1 (t), . . . , up (t) Z2 , q salidas y1 (t), . . . , yq (t) Z2
y n variables de estado.
u1 (t)u2 (t)..
.
up (t)-
y1 (t)x1 (t)
x2 (t)
..
.
xn (t)
y2 (t)..
.
yq (t)-
Las variables de estado x1 (t), . . . , xn (t) Z2 memorizan el comportamiento del sistema en instantes anteriores a t.
Modelos: modelo de estado (ecuacion en diferencias finitas), maquinas de estados,
redes de Petri modelos computacionales: grafcet, StateCharts.
62
4.1. Aut
omata de Mealy
M1 = {U, Y, X, f, g}
U, Y ,X: conjuntos de entrada, de salida y de estado.
f :U X X
g :U X Y
estado:
salida:
(u, x) 7 x = f (u, x)
(u, x) 7 y = f (u, x)
4.2. Aut
omata de Moore
M2 = {U, Y, X, f, g}
U, Y ,X: conjuntos de entrada, de salida y de estado.
f :U X X
g:X Y
estado:
salida:
(u, x) 7 x = f (u, x)
(x) 7 y = f (x)
Aut
omata de Mealy Automata de Moore.
63
u1
x1,1
x2,1
..
.
u2
x1,2
x2,2
..
.
...
...
...
u 2q
x1,2q
x2,2q
..
.
x1
x2
..
.
u1
y1,1
y2,1
..
.
x2n
x2n
u 2q
x1,2q
x2,2q
..
.
x1
x2
..
.
y1
y2
x2n ,2q
x2n
y 2n
Aut
omata de Moore:
u1
u2 . . .
x1 x1,1 x1,2 . . .
x2 x2,1 x2,2 . . .
..
..
..
.
.
.
x2n x2n ,1 x2n ,2 . . .
Tama
no (maximo): (2n 2q ) casillas.
64
u2
y1,2
y2,2
..
.
...
...
...
u 2q
y1,2q
y2,2q
..
.
00
01
00
01
10
01
u
x@
@
A = 00
B = 01
C = 10
11
0
0
0
0
0
1
1/0
@GA
FAB
ECD
Z44
44
44 0/0
1/0
44
44
4
1/1
s
@GA
FB
ECD
@G3 A
FCB
ECD
4 B
0/0
Tabla de transici
on
Tabla de salida
0
Moore:
u
x@
@
A = 00
B = 01
C = 10
D = 11
00
10
00
10
01
01
11
01
Tabla de transicion
x y
A = 00
B = 01
C = 10
D = 11
0
0
0
1
1
Tabla de salida
@GA/
FB
A
E0CD
X2
222
22
1
202
22
2
0
@GB/
FB
A
E0CD
@G/ C/
FB
A
E0CDr
f
4
1
65
0
1
G@2 D/1
FB
A
ECD
66
Biestable R-S
Biestable asncrono basico.
_
Q
R
Tabla de transicion:
SR
Q@
@
00 01 11 10
0 0 0 1
1 1 1 0
Clk
67
rdenes
P.C.
P.O.
eventos
68
1.1. Elementos b
asicos
Etapas
Rect
angulo numerado.
Estado o modo de funcionamiento estable del sistema.
La Parte de Comando asociada se mantiene invariable.
Etapas activas: crculo negro.
Etapa inicial: rectangulo doble.
Transiciones
Segmento horizontal que corta la lnea de enlace entre dos etapas.
Condicion de paso: receptividad.
Segmentos paralelos
Procesos que evolucionan de forma concurrente.
69
1.2. Estructuras b
asicas
Secuencia simple
Divergencia OR
Convergencia OR
Divergencia AND
Convergencia AND
Saltos
Posibilidades avanzadas
. Paralelismo
. Sincronizacion
. Jerarqua
. Comunicacion
70
2. Cartas de estado
Statecharts David Harel, 1987. Generalizacion maquinas de estados.
. Capacidad de agrupar varios estados en un superestado.
. Posibilidad de ortogonalidad o independencia (paralelismo) entre ciertos estados.
. Necesidad de transiciones mas generales que la flecha etiquetada con un simple
evento.
. Posibilidad de refinamiento de los estados.
Formalismo visual para describir estados y transiciones de forma modular que permite el agrupamiento de estados (jerarqua), la ortogonalidad (paralelismo) y el refinamiento de estados. Admite la visualizacion tipo zoomentre los diferentes niveles
de abstraccion.
Implementaciones: Statemate, Stateflow etc.
71
2.1. Stateflow
Toolbox de Matlab para modelar sistemas de eventos discretos.
Tiene un u
nico elemento: Chart = carta de estados (D.Harel)
Creaci
on de un modelo:
Matlab Simulink new-model Chart
. Crear la carta Stateflow
. Utilizar el Explorer de Stateflow
. Definir un interface para los bloques de
Stateflow
. Ejecutar la simulaci
on
Carta de estados de Stateflow
. Generar el codigo
Generadores de codigo:
. sf2vdh: traductor de Stateflow a VHLD
72
. Datos
Entrada de Simulink
Salida de Simulink
Local
Constante
Temporal
Workspace
. Transiciones: saltos
Nombre / acciones
Nombre: e (evento), [c] (condicion)
Acciones: {a} (acci
on)
default-transition
73
. Eventos
Entrada de Simulink
Salida de Simulink
Local
I/O Simulink: disparo por , o l
Estados
S1
Sintaxis:
nombre /
entry: acci
on
exit: acci
on
S2
during: acci
on
on event e: acci
on
Acci
on: cambiar salida llamada a funcion.
74
Transiciones
. Forma de flecha saltos entre estados eventos
. Acciones asociadas
. Transicion por defecto se
nala el estado inicial
Sintaxis:
e nombre de un evento
[c] expresion booleana condicion
{a} accion
No texto disparo con evento cualquiera en el sistema.
75
Uniones
. Forma de peque
no crculo
. Uniones conectivas puntos de bifurcacion decision condicionada
. Uniones de historia descomposicion OR activo = u
ltimo
e1
e2
H
C1
e3
76
C2
Datos
. Entrada de Simulink
. Salida a Simulink
. Local
. Constante
. Temporal
. Workspace
Eventos
. Entrada de Simulink
. Salida a Simulink
. Local
Activacion: flanco subida - flanco de bajada - flanco indiferente
77
3. Creaci
on de un modelo con StateflowSimulink
Matlab Simulink new-model
Stateflow Chart Chart estados, transiciones, etc.
Pasos a seguir:
. Crear carta Stateflow
. Establecer interface Simulink Stateflow
. Con Explorer de Stateflow declarar datos y eventos
. Ejecutar la simulacion
. Generar el codigo (ANSI C, sf2vhld, sf2plc)
Observaciones
Simulacion larga: t = inf
Chart File Chart Properties Execute (enter) Chart At Initialization
78
79
Esquema:
d
d
d d TREN
S1
Componentes:
2 sensores S1 y S2
sistema digital, reles y elementos auxiliares.
Sensores:
S1 en x1 < 0
evento en se
nal s1 llega tren
S2 en x2 > 0
evento en se
nal s2 tren ha pasado
80
S2
Fuera
Barrera
Abrir
0
S1
s1/e1
Dentro
0
S2
Chart
81
s2/e2
e1
Cerrar
e2
82
Leyes fsicas
Ecuacion diferencial
k
f( t )
m1
m2
b
x1( t )
x2( t )
Ecuaci
on diferencial:
dx
(t)
dx
(t)
d2 x1 (t)
1
2
=
m
dt
dt
dt
= m2
dt
dt
dt
83
Modelo externo
L
Ecuacion diferencial G(s) funci
on de transferencia
. Modelo entrada salida
. Diagrama de bloques
Modelo interno
cambios
Ecuacion diferencial
x(t)
= Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
. Algebra lineal
. C
alculo por computador
. Sistemas multivariable
84
modelo de estado
a2
b1 s + b0
U (s).
+ a1 s + a0
s2
Funci
on de transferencia G(s):
X(s) = G(s)U (s)
G(s): funcion racional; denom. de G(s) := polinomio caracterstico.
85
u1 := u; u2 := u
x 1 (t) = x2 (t)
Modelo de estado
x 2 (t) = aa20 x1 (t) aa12 x2 (t) + ab02 u1 (t) + ab12 x2 (t)
Ecuaci
on de estado:
0
x 1 (t)
=
aa20
x 2 (t)
1
aa12
0
x1 (t)
+ b0
x2 (t)
a2
u1 (t)
b1
u2 (t)
a2
0
Ecuaci
on de salida (si salidas estados):
y1 (t)
1 0
x1 (t)
0 0
u1 (t)
=
+
y2 (t)
0 1
x2 (t)
0 0
u2 (t)
Modelo de estado:
x(t)
= Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
86
1.4. C
alculo de la respuesta temporal
1. Resolucion de la ecuacion diferencial
2. Modelo externo G(s):
. Integracion compleja: Z
+j
1
y(t) = L1 [Y (s)] =
Y (s)est ds
2j j
. Transformada de Laplace expansion frac. simmples:
L
g(t ) u( ) d
0
3. Modelo interno:
. Resolucion de la ecuaci
Z t on de estado:
x(t) = eAt x(0) +
eA(t ) Bu( ) d
0
87
L1
Y (s) y(t)
. Modelo interno
impulse, step, lsim respuesta temporal (numerica)
. Conversion modelos interno y externo
ss2tf, tf2ss
88
2. Simulink
Simulink: librera (toolbox ) de Matlab para modelado y simulacion.
Modelo externo Modelo interno Sist. no lineales Sist. reactivos
...
89
Simulink
Countinous
Discrete
Math Operations
Signal Routing
Sinks
Sources
..
.
Stateflow
..
.
90
G(s) =
s+1
,
s2 + 4
H(s) =
(+) ()
| flechas
91
2s + 1
s+1
0.7
0.6
s+1
5
Gain
0.5
s2+4
Scope
Transfer Fcn
0.4
y(t)
Step
Sum
0.3
0.2
2s+1
0.1
s+1
Transfer Fcn
Simulaci
on: Simulation Simulation parameters
t inicial, t final, algoritmo, paso, etc.
92
0.1
0.2
0.3
0.4
0.5
t
0.6
0.7
0.8
0.9
Metodo de mallas:
+
i1
v
-
Z4
v = (z1 + z2 + z4 )i1 z2 i2 z4 i3
Z2
i3
i2
Z5
Z6
0 = z4 i1 z5 i2 + (z4 + z5 + z6 )i3
0 = z2 i1 + (z2 + z5 + z3 )i2 z5 i3
Z3
93
94
3. Sistemas no lineales p
endulo
Ecuacion diferencial:
f (t) mg sin((t)) ma = 0
=0
f (t) mg sin((t)) ml(t)
ml + mg sin() f (t) = 0
f (t)
mg
Cambio x1 := ,
x2 := :
x 1 = x2
f (t) mg sin x1
x 2 =
lm
95
y(t)
1.2
k
0.8
f (t)
0.6
0.4
x(t)
0.2
Ecuaci
on diferencial:
m
x(t) + bx(t)
+ kx(t) = f (t)
L
ms2 X(s)+bsX(s)+kX(s) = F (s)
f (t) = 1(t) F (s) = 1/s
Expansi
on en fraciones simples:
1
; X(s) = G(s) 1s
G(s) = ms2 +bs+k
r1
r2
r3
X(s) = sp
+ sp
+ sp
1
1
3
L1 es inmediata:
y(t) = r1 ep1 t + r2 ep2 t + r3 ep3 t
10
15
Mas sencillo a
un: con impulse, step o lsim
96
Resolucion simbolica
Symbolic Toolbox de Matlab Maple core
. Transformada de Laplace L(f (t)) = F (s):
>> F = laplace(f,t,s)
. Transformada inversa de Laplace L1 (F (s)) = f (t):
>> f = ilaplace(F,s,t)
El mismo ejercicio anterior:
>>
>>
>>
>>
>>
>>
>>
syms s t
m=1; b=1; k=1;
G = 1/(ms^2+b*s+k);
U = 1/s;
Y = G * U ;
y = ilaplace(Y,s,t);
ezplot(y, [0,15], axis([0, 15, 0, 1.25])
gr
afica igual que la de antes.
97
m1
m2
b
x1( t )
x2( t )
k
b
b
k
x
1 = m1 x1 + m1 x2 m1 x 1 + m1 x 2 + m11 u
x
2 = + mk2 x1 mk2 x2 + mb2 x 1 mb2 x 2
Modelo de estado (sup. salidasestados):
0 0 1 0
0
x1
x 1
x 2 0 0 0 1 x2 0
= k k b b + 1 u
x 3 m m m m x3
m1
1
1
1
1
k k b b
x 4
x4
0
m2 m2 m2 m2
y1
1 0 0 0
x1
0
y2 0 1 0 0 x2 0
=
y3 0 0 1 0 x3 + 0 u
y4
0 0 0 1
x4
0
98
U (s)-
A
s+a
0.9
Y (s)-
0.8
0.7
0.6
Entrada:
0.5
0.4
. Impulso de Dirac
L
u(t) = (t) U (s) = 1
A
G(s)U (s) = s+a
= Y (s)
1
L (Y (s)) = y(t) = Aeat
0.3
0.2
0.1
0
0
0.5
1.5
2.5
t
3.5
4.5
3.5
4.5
Respuesta al escalon
1
0.9
. Escalon unitario
L
u(t) = 1(t) U (s) = 1/s
A
G(s)U (s) = s(s+a)
= Y (s)
L1 (Y (s)) = y(t) =
A
a
0.8
0.7
0.6
0.5
A at
ae
0.4
0.3
0.2
0.1
0
0
99
0.5
1.5
2.5
t
U (s)-
s2
n2
+ 2n s + n2
2.5
Y (s)-
2
1.5
1
Entrada:
Impulso de Dirac
L
u(t) = (t) U (s) = 1
2
n
G(s)U (s) = s2 +2
2 = Y (s)
n s+n
y(t) = n en t sin (n 12 ) t
0.5
0
-0.5
-1
-1.5
0
0.5
1.5
Escal
on unitario
L
u(t) = 1(t) U (s) = 1/s
4.5
1
n
= Y (s)
en t sin (n 12 t + )
n : pulsacion nat.
1 2
3.5
2
n
2
2)
s(s +2n s+n
y(t) = 1 1
im
1 2
G(s)U (s) =
2.5
t
: coef. amort.
100
re
6. Linealizaci
on
a) Caso monovariable.
x R, u R
Soluci
on {x0 (.), u0 (.)} (equilibrio). Perturbamos:
x(t) = x0 (t) + x(t),
Jx0 =
f
x
J u0 =
f
u
x0 ,u0
Suponemos que
(x)i = o(x, u), (u)i = o(x, u), i > 1
x0 ,uo
f1
. . . x
n
B
C
= @ ... ... ... A
fn
fn
.
.
.
x
x
f1
x1
f1
u1
n 1x0 ,u0
f1
. . . u
n
B
C
= @ ... ... ... A
fn
fn
. . . u
u
1
x0 ,u0
Derivando respecto a t,
De donde
x(t)
= x 0 (t) + x(t)
= fx x + fu u
x
tenemos que
(4.1)
o bien
x(t)
= x(t)
x 0 (t)
(t) = A(t)
x
x(t) + B(t)
u(t)
(t) = x(t), u
(t) = u(t),
en donde x
en donde
f
,
A = fx (t) =
x x0 ,u0
f
B = fu (t) =
u x0 ,u0
101
Ejemplo. Deposito
h( t )
peque
nos
p
1
a(t) 2gh(t),
A1
Area A1
a( t )
Elemento masa m:
1
Ep = mgh(t) = mv(t)2 = Ec ,
2 p
velocidad de salida v(t) = 2gh(t).
Caudal de salida:
q(t) = a(t)v(t) = a(t)
1 2ga
f
ga0
=
:= A,
=
h ho ,a0
A1 2 2gh ho ,a0
A1 2gh0
y, derivando f respecto de a,
f
1 p
=
2gh0 := B.
a ho ,a0
A1
2gh(t)
Modelo linealizado en h0 , a0 :
x(t)
= Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
102
7. Respuesta de frecuencia
U (s)-
Y (s)-
G(s)
G(s) =
b(s)
a(s)
estable
Entrada sinusoidal:
L
u(t) = sin t U (s) =
s2 + 2
G(s) = Y (s)
s2 + 2
k0
k0
k1
k2
kn
+
+
+
+ ... +
s i s + i s s1 s s2
s sn
yss (t)
= arg G(i)
103
G:R C
7 G(i)
0.0
0.5
1.0
1.5
2.0
3.0
5.0
10.0
1
s+1
M = |G(i)|
G(s) =
= arg G(i)
. Con Matlab:
M
1.000
0.894
0.707
0.555
0.447
0.316
0.196
0.100
[M,phi] = nyquist(num,den,w)
104
0.0
-26.6
-45.0
-56.3
-63.4
-71.6
-78.7
-84.3
H(s)
es estable o no, conociendo el diagrama de Nyquist de G(s)H(s) y el n
umero de polos
en C+ de G(s)H(s).
1
arg f (z)
2 s
105
6Plano f (z)
6 Plano z
6 Plano s
Criterio de Nyquist
106
nG
dG ,
T (s) =
G(s)
1+G(s)H(s)
H(s) =
=
nH
dH ,
G(s)H(s) =
nG
dG
nG nH
1+ d d
G H
F (s) = 1 + G(s)H(s) = 1 +
nG nH
dG dH
nG dH
dG dH +nG nH
nG nH
dG dH
dG dH +nG nH
dG dH
arg F (s) = ZF PF
= PT PGH
Criterio de Nyquist:
PT = PGH +
1
arg F (s)
2 s
107
Ejemplo 1
Plano s
Plano G(s)H(s)
1
2
0.5
1
0
0.5
2
1
2
1
G(s) =
,
(s + 1)(s + 2)
0.5
H(s) = 2
1
arg F (s) = 0 + 0 = 0
2s
G(s)
1 + G(s)H(s)
108
es estable.
0.5
Ejemplo 2
Plano s
Plano G(s)H(s)
1
2
0.5
1
0
0.5
2
1
2
5
G(s) = 3
,
s + 5s2 + 9s + 5
0.5
H(s) = 1
Polos de G(s)H(s) = {2 + i, 2 i, 1}
PT = PGH +
T (s) =
1
arg F (s) = 0 + 0 = 0
2s
G(s)
1 + G(s)H(s)
109
es estable.
0.5
Ejemplo 3
Plano s
Plano G(s)H(s)
1
2
0.5
1
0
0.5
2
1
2
5
G(s) = 4
,
s + 4s3 + 4s2 4s 5
1.5
H(s) = 2
Polos de G(s)H(s) = {2 + i, 2 i, 1, 1}
PT = PGH +
T (s) =
1
arg F (s) = 1 + 1 = 2.
2s
G(s)
1 + G(s)H(s)
110
es inestable.
0.5
Ejemplo 4
Plano s
Plano G(s)H(s)
1
2
0.5
1
0
0.5
2
1
2
1.5
5
G(s) = 4
, H(s) = 1.4(s + 0.95)
s + 4s3 + 4s2 4s 5
Polos de G(s)H(s) = {2 + i, 2 i, 1, 1}
PT = PGH +
T (s) =
1
arg F (s) = 1 1 = 0.
2s
G(s)
1 + G(s)H(s)
111
es estable.
0.5
bode(num,den,w)
-4
n=10
dB
/d
e
=1/8
112
- G(s)
s Y (s)
-
H(s)
nH
nG
, H(s) =
, kR
dG
dH
nG nH
Z(s)
(s z1 )(s z2 ) . . . (s zm )
G(S)H(s) =
=
=K
dG dH
P (s)
(s p1 )(s p2 ) . . . (s pn )
k ndGG
kG(s)
k nG d H
T (s) =
=
nG nH =
1 + kG(s)H(s)
1 + k dG dH
d G d H + k nG n H
G(s) =
nT
k nG d H
=
P (s) + k Z(s)
dT
113
|s p1 | . . . |s pn |
|s z1 | . . . |s zm |
114
k = 0, 1, 2, . . .
s+1
s(s + 2)(s2 + 6s + 13)
6
>> num=[1 1]
>> den=conv([1 2 0],[1 6 13])
>> rlocus(num,den)
Eje Imag
-2
-4
-6
-6
115
-4
-2
0
Eje Real
Captulo 5. Realizaci
on del control
Realizaciones
. Realizacion matematica lineal de orden n.
Dada G(s) R(s)pq , hallar A, B, C, D, tales que el sistema
x(t)
= A x(t) + B u(t)
y(t) = C x(t) + D u(t),
con A Rnn , B Rnq , C Rpn , D Rpq , tenga por matriz de transferencia G(s). Se llama realizaci
on minimal si el n
umero entero n es el menor que
puede encontrarse. Las mas simples son las llamadas realizaciones can
onicas:
controlador, observador, controlabilidad y observabilidad.
. Realizacion analogica. modelo circuito electronico
. Realizacion digital. programa (Matlab, Simulink, C++, Java, etc.)
. Realizacion fsica. prototipo fabricacion
116
1. Realizaci
on fsica
Entrada- m +
6
r Salida-
117
2. Sensores
Partes de un sensor
Captador: dispositivo con un parametro p sensible a una magnitud fsica h emite
energa w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte.
Transductor: recibe la energa w del captador, la transforma en energa electrica
e(t) y la retransmite.
Acondicionador: recibe la se
nal e(t) del transductor y la ajusta a los niveles de
voltaje e intensidad, precisos para su posterior tratamiento, dando v(t).
h(t)
Captador
w (p ) ( h ) ( t )
p ( h)
Transductor
e(t )
Acondicionador
v(t )
118
119
2.2. Clasificaci
on
Aspecto tipos
. Se
nal de salida analogicos, digitales
. Energa pasivos, activos
. Funcionamiento deflexion, comparacion
Caractersticas
Aspecto caractersticas
. Dise
no electrico, dise
no mecanico, actuacion
. Escalas rango, resolucion
. Estatica precision, linealidad, histeresis, repetitividad, derivas
. Dinamica orden cero, orden uno, orden dos
. Fiabilidad
120
2.3. Calibraci
on
Ensayo: entrada h = magnitud de valor conocido salida medida v
Tabla de calibracion: varios puntos h1 v1 , . . . , hn vn , dentro del rango
Curva de Calibracion: representacion grafica (h, v)
Necesario: aparato de medida de mayor precision que el sensor
Linealizacion: curva de calibracion lnea recta
. Por punto final: v = m h, en donde m = vn /hn
. Por lnea independiente: v = m h + b
. Por mnimos cuadrados: v = m h + b, en donde
n
m=
n
X
hi vi
i=1
n
X
i=1
h2i
n
X
hi
n
X
i=1
i=1
!2
n
X
hi
i=1
121
n
X
vi
,
b=
i=1
vi
n
X
m i=1
n
hi
122
2.5. El potenci
ometro como sensor de posici
on
V+
i(t)
?
Rx =
x(t)
A
i(t) =
V+
R
vx (t)
R
Rx
x(t)
vx (t) = Rx i(t) =
V+
x(t)
= Kpot x(t)
A
R
123
3. Actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia.
Transforma energa: electrica electrica electrica mecanica etc.
124
125
i (t)
(t)
?a
va (t)
S
126
ia (t)
if (t)
(t)
Rf
+
La
va (t)
vf (t)
Lf
ea (t)
dif
dt
dia
inducido: va (t) ea (t) = Ra ia (t) + La
dt
flujo magnetico: (t) = kf if (t)
inductor:
vf (t) = Rf if (t) + Lf
par motor:
Pm (t) Pl (s) = Jm
127
(t) =
d
dt
d
+ Bm (t)
dt
vf (t) = Rf if (t) + Lf
va (t) ea (t) = Ra ia (t) +
d
dt
(t) =
d
dt
= (s) = s(s)
(s) = s(s)
Pm (t) Pl (t) = Jm d
dt + Bm (t) = Pm Pl = s Jm + Bm (s)
Motor de c.c. controlado por inducido: = cte.
Kt = kt ,
Ke = ke
Pl (s)
Va (s)- m 1
Ia (s)Kt
+
sLa + Ra
6
Ea (s)
?
Pm (s)
- +m -
Ke
128
1
sJm + Bm
r (s)
-
3.7. Funci
on de transferencia del motor
Y (s) = G(s) U (s)
G(s) R(s)12
Va (s)
U (s) =
G(s) = G11 G12
Y (s) = (s)
Pm (s)
G11 =
G12
Kt
Kt Ke
(sLa + Ra )(sJm + Bm ) 1 +
(sLa + Ra )(sJm + Bm )
Kt
= 2
s La Jm + s(La Bm + Ra Jm ) + Ra Bm + Kt Ke
1
=
Kt Ke
(sJm + Bm ) 1 +
(sLa + Ra )(sJm + Bm )
sLa + Ra
s2 La Jm + s(La Bm + Ra Jm ) + Ra Bm + Kt Ke
Va (s)
(s) = G11 G12
= G11 Va (s) + G12 Pm (s)
Pm (s)
129
1
1 : Pm (t) P21 (t) = J1 ddt21 + B1 d
dt = Pm (s) P21 (s) = s (J1 s + B1 ) 1 (s)
2
2 : P12 (t) P32 (t) = J2 ddt22 + B2 d
dt = P12 (s) P32 (s) = s (J2 s + B2 ) 2 (s)
3
3 : P23 (t) P43 (t) = J3 ddt23 + B3 d
dt =
2
J4 ddt24
4
B4 d
dt
Pl
P
Pm (s)
- + 21
6
D2
d1
P
- + 32
6
P12
P
- + 43
6
P23
D2
d1
6
s
2
D4
d3
?
-+ - 1
sJ4 +B4
P34
s-
J3 s+B3
J2 s+B2
J1 s+B1
D3
d2
D3
d2
6
s
3
130
D4
d3
1
s
4 (s)
-
3.9. Funci
on de transferencia del reductor
El diagrama de bloques puede reducirse a
Pl (s)
?
1
Kr
?
Pm (s)- m
+
1 (s)1
Kr
sJr + Br
4 (s)- 1
s
4 (s)-
en donde
d1 2 d2 2
D3 2 D2 2
Jr =
d1 2 d2 2 d3 2
D2 2 D4 2 D3 2
J4 +
Br =
d1 2 d2 2 d3 2
D2 2 D4 2 D3 2
B4 +
Kr =
d1 d2 d3
D2 D3 D4 .
J3 +
d1 2 d2 2
D3 2 D2 2
d1 2
D2 2
B3 +
J2 + J1
d1 2
D2 2
B2 + B1
131
P21 (s) 6
1
s
6
K12
x1 (s)
?
+
x2 (s) 6
?
R2
R2
P12 (s)
?
2 (s)
1
+ - J2 s+B
2
P32 (s) 6
6
1
s
?
r1
r1
f12 (s) s
1 (s)
-
(s)
s 2 -
Pl (s)-
+
132
3.11. Aplicaci
on pr
actica: sistema de control de posici
on
Vxr
Motor de c.c.
+
Poleas
x(t)
Entrada = Vx
Carrito
Salida = x(t)
C Controlador = PID analogico
A Actuador = Amplificador de potencia
P Planta = Motor c.c. + Poleas + Carrito
S Sensor = Potenciometro
133
4. Especificaciones de funcionamiento
Son condiciones que se exigen a un sistema de control para que su funcionamiento
sea aceptable.
1. Estabilidad
2. Rapidez
3. Precisi
on
Las especificaciones de funcionamiento suelen expresarse por n
umeros que se definen
a partir de
. la respuesta en el tiempo
. la respuesta en frecuencia
Problema de dise
no: dado una planta o proceso a controlar y fijadas unas especificaciones de funcionamiento, obtener el modelo matematico de un controlador tal que el
sistema de control resultante cumpla tales especificaciones.
134
Mp :
tp :
estabilidad
rapidez
error :
135
precision
1
1
y 0 (t) = en t
sin(n
1 2 t ), = arctan p
1 2
!
p
p
+ n 1 2 sin(n 1 2 t) = 0
en t sin(n
2 n
p
1 2
p
1 2 t) = 0
k
p
,
n 1 2
t=
k = 0, 1, 2, . . .
p
;
n 1 2
y(tP ) = 1 + p
y(tp ) = 1 + MP
1 2
p
en tp ( 1 2 cos + sin )
Mp = e/
1 2
Otros valores
p
arctan( 1 2 /)
p
tr =
,
n 1 2
ts '
4
,
n
136
1
= constante de tiempo
n
M = |G(j)|,
= arg G(j)
Frecuencias de corte: A , B ; -3 dB
Anchura de banda BW = B A
rapidez
Ganancia en BW: constante
precision
M
argenes de ganancia y fase
estabilidad
137
A
B
C D
y(t)
sistema inestable.
S observable rank R = n
state feedback
138
S estable
Captulo 6. Dise
no de Sistemas de Control continuos
1. Introducci
on
Aplicacion en numerosos campos en tecnologa y ciencia.
. pilotos automaticos en barcos o aviones
. control teledirigido de naves espaciales
. controles de posicion y velocidad maquinas herramientas
. control de procesos industriales robots
. controles en automoviles suspension activa
. controles en electrodomesticos
Desarrollo: Bajo coste y miniaturizacion de electronica.
Objeto del dise
no: controlador.
Control: sistemas SISO y MIMO.
Realizacion: componentes electronicos analogicos computador digital.
139
2. Tipos de controladores
Dise
no: determinar Gc (s) para conseguir un adecuado funcionamiento.
D(s)
R(s)
Gc
Gp
Controlador Gc (s):
P
I
Proporcional : Gc (s) = Kp
Integrador : Gc (s) =
D
PID
1
sTi
1
sTi
+ sTd )
140
Y(s)
Vi
Vo
V0
R1 + R2
R1 + R2
=
= Kp =
Vi
R1
R1
R2
R1
C1
Vi
R1
Vo
V0
1
=
;
Vi
sR1 C1
Ti = sR1 C1
Vo
V0
= sR1 C1 ;
Vi
Td = sR1 C1
R1
Vi
C1
D
R
141
Controlador PID
1
Vi
1
sT i
Vo
Kp
= Kp 1 +
Gc =
V0
Vi
Kp =
R5
R4 ,
1
sTi
Ti = R2 C2 ,
+ sTd
Td = R3 C3
sT d
R1
R1
R4
C2
R5
Vi
R1
R4
Vo
R3
C3
R4
142
s zc
V0
= Kc
Gc =
Vi
s pc
a) | zc |<| pc |
a) | zc |>| pc |
adelanto de fase
retraso de fase
C
R1
R1
C
R2
Vi
Vi
Vo
Vo
R2
a)
b)
szc
Gc = Kc sp
=
c
R1 +R2
R2 ,
szc
Gc = Kc sp
=
c
1+T s
(1+T s)
T =
CR1 R2
R1 +R2
143
R1 +R2
R2 ,
1+T s
1+T s
T = R2 C
R1
R2
Vi
Vo
C2
Gc =
V0
(1 + T1 s)(1 + T2 s)
=
Vi
(1 + T1 s)(1 + T2 s)
144
R1
Vo
Gc =
V0
s zc
C1 (s + 1/R1 C1 )
= Kc
=
Vi
s pc
C2 (s + 1/R2 C2 )
. Eliminando R2
controlador PI
. Eliminando C2
controlador PD
145
3. Dise
no en el lugar de las races
G(s) =
1
s2
146
G(s) =
s + 2.5
s2
147
G(s) =
1
+ 2)
s2 (s
148
3.1. Dise
no de un controlador de adelanto de fase
El controlador es
Gc (s) = Kc
s zc
,
s pc
(6.2)
Dise
no: hallar zc y pc para que el L.R. pase por un punto dado, definido a partir de
las especificaciones de funcionamiento.
Ejemplo. Dado un sistema con
G(s) =
1
,
s2
H(s) = 1,
(6.3)
dise
nar un controlador de adelanto de fase para conseguir las siguientes especificaciones de funcionamiento:
Mp < 0.2,
Ts < 4 s para = 2%
149
Resoluci
on.
Para el sistema de 2o orden sabemos que
Mp = e/
1 2
ln(Mp )
= 0.456.
ln(Mp )2 + 2
=p
Para t = 4 tenemos que et/ = e4 = 0.0183 < 0.02. Por tanto, si ts = 4 tenemos
que para t > ts se cumple que y(t) < 0.02.
ts = 4 =
4
n
Sustituyendo,
4=
4
0.456 n
n = 2.22.
150
1
p
-5
-4
-3
116.56
90
-2
re
-1
p = 38o ,
151
El controlador dise
nado es
Gc (s) = 8.1
152
s+1
.
s + 3.6
3.2. Dise
no de un controlador PID
Ejemplo. Se trata dise
nar un controlador PID para un sistema con Gp (s) = 1/s2 y
H(s) = 1. Las especificaciones son las mismas en el ejemplo anterior.
Mp < 0.2,
Ts < 4 s para = 2%
s2 +
1
Td s
1
Td Ti
con Kc = Td Kp .
153
= Kc
(s z1 )(s z2 )
,
s
im
3
Raz deseada
2
1
z2
-5
-4
-3
-2
90
116.56
-1
Metodo simple:
(a) suponemos que los ceros z1 y z2 son reales,
(b) ponemos el cero z1 bajo la raz s0 deseada,
(c) aplicando la condicion de angulo, determinamos el otro cero,
(d) aplicando la condicion de modulo, hallamos Kp .
154
re
z2 = 1.3636.
Con z1 y z2 ya podemos hallar Td , Ti y Kp :
Kc
s2 +
1
Td s
1
Td Ti
= Kc
(s z1 )(s z2 )
s2 + 2.3636s + 1.3636
Kc
,
s
s
1
= 0.4231 s,
2.3636
Ti =
2.3636
= 1.7333 s
1.3636
(d) Por u
ltimo, aplicando la condicion de modulo, hallamos Kp .
( 12 + 22 )3
Kc
p
= 2.750 = Kc Kp =
= 6.5
2
2
Td
2 (1.3636 1) + 2
155
156
157
P
d2
Modelo matem
atico. 2a ley de Newton :
P =J 2
dt
Z l
Z l
3
1
1
l
J :=
x2 dm =
x2 Adx = A = Al l2 = m l2
3
3
3
0
0
2
l
l
d
f (t) cos (t) + mg sin (t) = J 2
2
2
dt
Linealizacion: cos ' 1, sin '
f (t)
(t)
1 2 d2
l
l
ml
mg (t) = f (t)
2
3
dt
2
2
d2
dt2
mg
(s2
O
Datos:
3g
2l (t)
3g
2l )(s)
Modelo externo:
g = 9.8, m = 1, l = 1
3
2ml
f (t)
3
2ml F (s)
(s) =
3
2ml
s2
3g
2l
F (s)
158
Imaginary Axis
5
8
Real Axis
159
Dise
no de un controlador.
Especificaciones:
1
tp = ,
4
Mp =
1
3
1 2
p
n 1 2
ln(Mp )
= 0.403712
ln(Mp )2 + 2
=p
n =
tp
1 2
= 10.301589
1 2 = 4.158883 9.424777i
160
C
alculo de los par
ametros de Gc (s).
s0
pc
pc
Condicion de angulo:
zc p1 p2 pc = (2k + 1)
p2 zc
zc p 2
p1
p1
pc = 4 8.440951 = 12.440951
Condicion de modulo:
|s0 p1 ||s0 p2 ||s0 pc |
K=
= 156.425395
|s0 zc |
161
162
Captulo 7. Aut
omatas programables
1. Descripci
on de un PLC
Externamente un PLC se compone de una o varias cajas de plastico acopladas
mec
anica y electricamente entre s. Una de ellas contiene la CPU (Central Process
Unit) y las otras son modulos complementarios para entradas, salidas, comunicaciones, alimentacion y otras funciones especiales.
. Datan de la decada de los 80
sustituir reles y temporizadores.
CPU
Tanto la CPU como los modulos adicionales tienen bornas para los cables de conexion
del aut
omata con sensores y actuadores as como con otros automatas y ordenadores.
163
Arquitectura de un PLC
EPROM
RAM
CPU
ROM
EEPROM
rels salidas
opto entradas
164
Drivers
Drivers
Proceso 1
Proceso 2
165
Proceso 3
3
CPU
Proceso 1
Proceso 2
166
2. Programacion de PLCs
Lenta evolucion de los lenguajes de control industrial.
Motivo: los programas se pueden usar en areas en las que los fallos pueden originar
riesgos para la seguridad humana o producir enormes perdidas economicas.
Antes de que una nueva tecnica ser aceptada, debe ser probada para verificar que
cumple unas severas condiciones de seguridad y fiabilidad.
Los programas deben ser comprendidos por otras personas ajenas al programador:
tecnicos (electricistas, mecanicos, etc.), encargados de planta e ingenieros de proceso
lenguajes con caractersticas especiales.
Es posible resolver el mismo problema con diferentes lenguajes. El grado de dificultad
puede variar.
Hay sistemas que convierten automaticamente de un lenguaje a otro.
Programacion con raton mediante interfaces graficas bajo windows.
167
168
169
Si se activa la entrada M y
no se activa el bit a o se activa el bit b y se activa el bit c
entonces se activa la salida B.
170
e1
e0
r1
e0
r1
keep(11)
e2
e1
r2
e1
r2
keep(11)
e3
... r3
rn
...
en1
e2
...
rn
keep(11)
en+1
rn+1
171
en
3. C
elula flexible SMC
Transfer (cinta trasportadora) + 8 Estaciones.
172
Estaci
on 1
Elementos
. Actuadores: 6 cilindros neumaticos
controlados por electrovalvulas
. Sensores: detectores magneticos
. Pulsadores de marcha, paro y rearme.
. Selector ciclo, seccionador, seta emergencia
. Piloto indicador error
. PLC con 13 entradas y 10 salidas
Operaciones
. Sacar la base del almacen (cilindro A)
. Verificar posicion correcta (cilindro V)
. Trasladar base al manipulador (cilindro T)
. Rechazar base incorrecta (cilindro R)
. Insertar base en palet (cilindros MH y MV)
173
Grafcet estaci
on 1
174
Simulaci
on estaci
on 1 en Matlab
175
L
R
x
v
vA
base
vP
vT
0
pos
L
R
x
vE
vacio
vMV
vMH
FM
ci
PD
vacio
L
R
x
Chart
L
R
x
0
c.i.
E
0
v
Defecto
L
R
x
MV
0
v
Falta material
L
R
x
MH
1
0
rearme
Scope
176
estacion1s/Chart
S0/
[ci==1]
[ci==0]
S1/entry:
vA=1; % avance AP
S30/entry:
PD = 1;
a1
rearme
S2/entry: vA=0;
vP=1; % bajar VP
S31/
% poner c.i.
p1
S2w/entry: vP=0;
t0=t;
[ci==1]
S32/entry:
PD = 0;
[t>t0+5]
S3/entry:
vP=1; % subir VP
p0
S3w/entry:vP=0;
t0=t; % temporizador
[t>t0+5]
S4/entry:
vA=1; % retro. A
a0
S5/entry: vA=0;
vT=1; % trasladar
tr1
S6/entry: vT=1;
% traslado atras
tr0
S6a/entry: vT=0;
% traslado atras
[base==0]
[base==1]
S7/entry: vE=1;
% expulsar
S9/entry: vMV=1;
% bajar MV
e1
mv1
S8/entry: vE=1;
% expulsor atras
exit: vE=0;
e0
S10/entry:
vMV=0;
[vacio==0]
[vacio==1]
S11/entry:
vMV=1; % subir MV
mv0
S12/entry: vMV=0;
vMH=1; % avance MH
mh1
S20/entry:
FM = 1;
rearme
S21/entry: FM=0;
vMV=1; % subir MV
exit: vMV=0;
S13/entry: vMH=0;
vMV=1; % bajar MV
mv1
S14/entry: vMV=0;
% cesar vacio ven
S15/entry:
vMV=1; % subir MV
mv0
S16/entry: vMV=0;
vMH=1; % retro MH
exit: vMH=0;
mh0
177
mv0
3.1. Aut
omata programable Omron CPM2A-30CDR-A
Lenguaje: LD + instrucciones 16 bits
??????????????????
18 entradas
Programa
Perif.
Memoria
12 salidas
RS-232
????????????
178
3.2. Ejemplos
Programa 1: al pulsar M se encendera la luz FM.
M
FM
0.00
11.01
179
keep(11)
0.01
e
FM
11.01
hr00
180
Dise
no con StateCharts
chart_1cil_doble_4e/Chart
va
va
A/
va=1; %avance
vr=0;
si
sd
vr
vr
sd
cilindro A
Chart
1
I/
va=0;
vr=0;
0
M
D/
va=0;
vr=0;
Scope
si
1
va
1
s
x(t)
0
1
0
1
si
Printed 09May2005 12:07:20
1
2
sd
R/
va=0; %retro.
vr=1;
1
2
vr
181
Implementaci
on con LD
ON
0.00
R
si
keep(11)
20.03 0.04
A
20.01
I
M
keep(11)
20.00 0.01
D
20.02
A
sd
keep(11)
20.01 0.05
R
20.03
D
M
keep(11)
20.02 0.01
I
20.00
A
va
20.01
R
10.01
vr
20.03
10.02
182
Captulo 8. Sensores
Partes de un sensor
Captador: dispositivo con un parametro p sensible a una magnitud fsica h emite
energa w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte.
Transductor: recibe la energa w del captador, la transforma en energa electrica
e(t) y la retransmite.
Acondicionador: recibe la se
nal e(t) del transductor y la ajusta a los niveles de
voltaje e intensidad, precisos para su posterior tratamiento, dando v(t).
h(t)
Captador
w (p ) ( h ) ( t )
p ( h)
Transductor
e(t )
Acondicionador
v(t )
183
1. Tipos de sensores
Anal
ogicos: parametro sensible magnitud fsica
. Resistencia R desplazamiento, temperatura, fuerza (galgas)
. Capacidad C desplazamiento, presencia
. Autoinduccion, reluctancia L desplazamiento (n
ucleo movil)
. Efecto Seebeck temperatura (termopar)
. Piezoelectricidad fuerza, presion
. Dispositivos electronicos temperatura, presion
. Avanzados: ionizacion, ultrasonidos, laser, camaras CCD, etc.
Digitales: binarios o n bits
. Fin de carrera presencia (interruptor)
. Dilatacion temperatura (termostato)
. Resistencia, capacidad, autoinduccion presencia
. Efecto fotoelectrico presencia (1 bit), posicion (n bits), velocidad
184
1.1. Clasificaci
on
Aspecto tipos
. Se
nal de salida analogicos, digitales
. Energa pasivos, activos
. Funcionamiento deflexion, comparacion
1.2. Caractersticas
Aspecto caractersticas
. Dise
no electrico, dise
no mecanico, actuacion
. Escalas rango, resolucion
. Estatica precision, linealidad, histeresis, repetitividad, derivas
. Dinamica orden cero, orden uno, orden dos
. Fiabilidad
185
2. Calibraci
on
Ensayo: entrada h = magnitud de valor conocido salida medida v
Tabla de calibracion: varios puntos h1 v1 , . . . , hn vn , dentro del rango
Curva de Calibracion: representacion grafica (h, v)
Necesario: aparato de medida de mayor precision que el sensor
Linealizacion: curva de calibracion lnea recta
. Por punto final: v = m h, en donde m = vn /hn
. Por lnea independiente: v = m h + b
. Por mnimos cuadrados: v = m h + b, en donde
n
m=
n
X
hi vi
i=1
n
X
i=1
h2i
n
X
hi
n
X
i=1
i=1
!2
n
X
hi
i=1
186
n
X
vi
,
b=
i=1
vi
n
X
m i=1
n
hi
3. Tipos de transductores
Temperatura
. Termistor parametro sensible: R (ptc, ntc)
(( T1 )( T1 ))
RT = R0 e
= cte.,
187
Captulo 9. Actuadores
1. Tipos de actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia.
Transforma energa: electrica mecanica estabilidad, rapidez, precision.
Actuadores hidr
aulicos potencia alta
. Principio de Pascal aceite especial 200 bar 0.25 l/s
. Cargas mayores de 6 o 7 Kg
. Control: servovalvulas (con motor) controlan el flujo de fluido
Actuadores neum
aticos potencia baja control neumatico
. Cilindros - motores - movimientos rapidos - poca precision
. fluido: aire aire comprimido 5 a 10 bar
Actuadores el
ectricos
. Motores electricos: C.C., C.A, lineales, paso a paso
188
189
2. Neum
atica
Tecnologa basica de la automatizacion fabricacion y montaje Utilizacion de la
energa potencial del aire comprimido. DIN 24300
Sencillez de dise
no rapidez de montaje flexibilidad fiabilidad
Componentes: Cilindros (actuadores) y valvulas (control flujos)
Cilindro: energa aire comprimido energa mecanica
Tubo de acero embolo vastago una o dos tomas de aire
de simple efecto
P
Cilindro de doble efecto
190
Cilindro
2.1. V
alvulas
Sirven para controlar el paso de fluido notacion: no vas / no de posiciones
Distribuidoras: pieza fija + pieza movil. Muchas formas y dimensiones
Accionamiento:
. Manual, con pulsador, seta, palanca o pedal.
. Mecanico, con leva, rodillo o varilla.
. Neumatico, con orificios especiales para se
nales neumaticas.
. Electrico, con electroiman.
. Electroneumatico.
A
R
191
V
alvulas de dos vas
Valvula 2/2: dos orificios o vas de aire (entrada y salida), y dos posiciones de trabajo.
Dos tipos: NC y NA. Reposo: cuadrado dcha.
A
Con accionamientos:
A
192
V
alvulas de tres vas
Tres vas y dos o tres posiciones de trabajo. V
alvulas 3/2: 3 vas y 2 posiciones y
pueden ser de tipo NC o NA.
A
193
V
alvulas de cuatro y cinco vas
4 vas y 2 o 3 posiciones trabajo; 5 vas y 2, 3 o 4 posiciones de trabajo
A
A
Y
RS P
RP S
A
RP S
194
V
alvula selectora
Conductos internos con forma de T; la bolita tapona la entrada X o Y
Si pX > pY entonces la bolita tapa la entrada Y y pA = pX .
En cambio, si pY > pX ocurre lo contrario y pA = pY Si pX = pY = baja entonces
V
alvulas de simultaneidad
Lleva una corredera en el conducto que comunica las entradas X e Y . La corredera
tiene dos tapones ubicados en sendas cavidades, uno para la entrada X y otro para
195
Aplicaci
on sencilla
Control de un cilindro de doble efecto desde dos posiciones X e Y mediante una
valvula selectora de tipo OR.
196
197
3. Automatismos el
ectricos
3.1. El rel
e
. Interruptor accionado por electroiman
. Dispositivo fundamental en automatismos electricos
. Contactores
. Diagrama de contactos
1
NC
NA
A1
12
14
A1
A2
A2
198
11
Esquema seg
un norma CEI
3.2. Funciones l
ogicas con rel
es
+
Identidad
Negacion
+
Funcion AND
Funcion AND
199
Funcion NAND
200
Produccin
Almacn de
productos terminados
. Redes de comunicacion
Compras
Finanzas
. Controladores
Ventas
. Actuadores
. Sensores
MERCADO
. Procesos
Fases de automatizacion:
Producci
on Dise
no Gestion Automatizacion total
201
Automatizaci
on producci
on Software
. CAD Computer Aided Design maquinas herramientas
. CAPP Computer Aided Process Planning planificacion sistemas
. PPS Planning Production System optimizacion produccion
. MRP Material Requirement Planning almacen materias primas
. CAM Computer Aided Manufacturing equipos productivos
. CNC Computer numeric control
. NC Numeric control
. SFC Shop Floor Control almacen planta pedidos
. QC Quality Circle mejora calidad reduccion costes
. CAPC Computer Aided Production control control produccion
. CAPM Computer Aided Production management gestion produccion
. TMS Transportation Management System gestion i/o productos
202
Pir
amide de Automatizaci
on
A
A
on
G A MF, WS, PC, Gesti
A
A
A
Factora A MF, WS, PC, CAD/CAM, CAPP, etc.
A
A
A
A
on Planta A WS, PCC, PC
Producci
A
A
A
A PLC, CNC, NC
Proceso Campo
A
A
A
A
Celula Planta Baja
A Sensor, Actuador, PID
A
A
203
SCADA
Supervisory Control and Data Acquisition (de Control Supervisor y Adquisicion de
Datos). Software de captura de informacion de un proceso o planta. analisis o
estudios retroalimentacion y control del proceso.
. Generacion, transmision y distribucion energa electrica
. Sistemas del control del medio ambiente
. Procesos de fabricacion
. Gestion de se
nales de trafico
. Gestion de abastecimiento de aguas
. Sistemas de transito masivo
. Supervision y control de estaciones remotas
Caractersticas de SCADA:
. Mostrar de forma inteligible las lecturas de medidas y de estado de la planta
en las computadoras principales.
. Permitir a los operadores controlar la planta de maneras predefinidas.
204
. Para restringir el acceso a las computadoras principales se suelen emplear consolas especiales conectadas con ellas en red.
. El interfaz hombre-maquina de SCADA permite generalmente que los operadores puedan ver el estado de cualquier parte del equipo de la planta.
. La interaccion del operador con el sistema se realiza mayormente a traves de un
sistema de alarmas. Las alarmas son condiciones anormales automaticamente
detectadas en el equipo de la planta que requieren la atencion del operador, y
posiblemente su intervencion actuando adecuadamente sobre el proceso quizas
guardando informacion importante y volviendo a ponerlo a funcionar suavemente.
. Las computadoras principales de SCADA funcionan tpicamente bajo un sistema operativo estandar. Casi todos los programas SCADA funcionan en alguna
variante de UNIX, pero muchos vendedores estan comenzando a suministrar
Microsoft Windows como sistema operativo.
. Los sistemas de SCADA disponen generalmente de una base de datos distribuida que contiene datos llamados puntos. Un punto representa un solo valor de
la entrada o de la salida supervisado o controlado por el sistema. Los puntos
pueden ser duros o suaves. Un punto duro representa una entrada real o
salida conectada con el sistema, de mientras que uno suave es el resultado de
205
206
207
. Algunos sistemas SCADA utilizan la comunicacion por radio o por telefono. Esto abre nuevas posibilidades, impensables hace pocos a
nos, a la automatizacion
industrial.
. Indicadores sin retroalimentacion inherente:
Estado actual del proceso: valores instantaneos
Desviacion o deriva del proceso: Evolucion historica y acumulada
. Indicadores con retroalimentacion inherente (afectan al proceso, despues al operador):
Generacion de alarmas;
MHI (Interfaces hombre-maquina);
Toma de decisiones: + Mediante operatoria humana; + Automatica (mediante la utilizacion de sistemas basados en el conocimiento o sistemas
expertos).
etc.
Aplicaci
on diferentes
areas industriales:
. Gestion de la produccion (facilita la programacion de la fabricacion);
. Mantenimiento (proporciona magnitudes de interes tales para evaluar y determinar modos de fallo, MTBF, ndices de Fiabilidad, entre otros);
208
209
Molido de la malta
210
Elaboraci
on de la cerveza
Una vez molido el grano y obtenido el mosto, se bombea en grandes tinas y comienza
el proceso. Aqu vemos tres grandes tinas con sus tubos.
211
Embotellado
212
Empaquetado
213
1. Fabricaci
on inteligente
Intellution iHistorian:
La importancia de transformar datos de fabricacion en inteligencia de planta.
214
215
Crear una planta inteligente, sin embargo, requiere algo mas que elaborar datos
representativos e implementar aplicaciones para interpretarlos. La pieza de este rompecabezas que ha faltado a muchos fabricantes hasta la fecha es un simple deposito
central para los masivos vol
umenes de datos historicos que emanan de los sistemas
de operaciones a traves de la planta: un historiador de planta extensa.
Estos historiadores de planta extensa pueden surtir estos datos a una amplia variedad
de usos en los niveles operativo y de negocio de la empresa.
Algunos historiadores de datos de planta extensa han estado ya en el mercado hace
a
nos, pero se han considerado demasiado costosos y complejos para casi todas las
instalaciones de fabricacion corrientes, excepto para las mas grandes, tales como ciertas operaciones de proceso continuo como las industrias qumicas y las refineras de
petr
oleo.
216
Parte V. APENDICES
217
dx
= ax(t), a = constante
dt
es una de las mas simples. Dice: t la ecuacion x0 (t) = ax(t) es cierta.
(A.4)
Soluciones: son las funciones u(t) que verifican la ecuacion diferencial (A.4). En este
caso es f
acil hallarlas:
. f (t) = k eat es una solucion de (A.4) ya que f 0 (t) = a k eat = a f (t)
. No hay mas soluciones: sea u(t) una solucion cualquiera. Entonces
d
u(t) eat = u0 (t) eat + u(t) (a eat ) = a u(t)eat u(t) a eat = 0
dt
u(t) eat = cte. u(t) = cte. eat
Hemos probado la existencia y unicidad de la solucion de (A.4).
218
x0 (t) = a x(t)
x(t0 ) = x0
219
(A.5)
2. Estudio cualitativo
El problema de condiciones iniciales es el que mas interesa en las aplicaciones de
ingeniera. Pero solo estudia una solucion. Hay alguna forma de estudiar todas las
soluciones a la vez?
0
x (t) = a x(t)
PCI:
x(t0 ) = x0
Soluci
on:
x(t) = x0 eat
a = 0 x(t) = cte.
a < 0 lim x0 eat = 0
t
220
x
6
x0
x
6
x0
x0
a>0
a=0
a<0
. a 6= 0 :
. a=0:
cambio radical
a = 0 es un punto de bifurcaci
on en la familia de ecuaciones diferenciales
{x0 = a x,
221
a R}
orden 1 : x0 = f (t, x) | t, x R, f : R R R
0
x1 = f1 (t, x1 , x2 ) t, x1 , x2 R
orden 2 :
x02 = f2 (t, x1 , x2 ) f1 , f2 : R R2 R
(a) sistema
.
..
orden n : x0 = f (t, x) | t R, x Rn , f : R Rn Rn
=
=
n
umero n de ecuaciones en (a)
orden de la derivada de orden maximo en (b).
222
4. Interpretaci
on geom
etrica
dx
dt
1.5
x(0)
0.5
0.5
1.5
2
2
1.5
0.5
223
0.5
1.5
2.5
5. Sistemas de 2o orden
La ecuacion diferencial
dx
= f (t, x),
dt
t R, x R2 , f : R R2 R2
dx
1
= f1 (t, x1 , x2 ) t, x1 , x2 R
dt
2
2
dx
2 = f2 (t, x1 , x2 ) f1 , f2 : R R R
dt
de dos ecuaciones de primer orden; se llama sistema de segundo orden.
Interpretacion geometrica
A cada punto (t, x1 , x2 ) R3 le asociamos el vector (f1 , f2 ). Si el sistema es autonomo
(no depende de t), entonces es en R2 .
224
6. Soluci
on num
erica
Obtener soluciones u(t) expresadas por funciones elementales de
x0 (t) = f (t, x),
t R, x Rn ,
u1 u2 . . .
3 1.1 . . .
..
..
.
.
un
0.2
..
.
10
225
7. Soluci
on num
erica con Matlab
Metodos:
. ode23
. ode45
. Simulink
ode23 y ode45 implementan metodos numericos de Euler, Runge-Kutta, etc. Para
hallar la solucion del PCI
0
x (t) = f (t, x)
n
t R, x R
x(0) = x0
hemos de hacer dos cosas:
. archivo .m de Matlab para describir la funcion
. llamada a ode23
226
227
k
f (t)
m
b
Solucion numerica:
Archivo f mkb.m
function xp = f mkb(t,x)
xp=zeros(2,1);f=1;m=1;k=2;b=1;
xp(1)= x(2);
xp(2)=-k/m*x(1)-b/m*x(2)+1/m*f;
Llamada a ode23
x0=[0;1]; t0=0; tf=10;
[t,x]=ode23(f mkb,[t0,tf],x0)
plot(t,x),title(Resp. temp.)
plot(x(:,1),x(:,2)),
title(Mapa fase)
Respuesta temporal
1
0.8
0.6
0.4
0.2
0
0.2
0.4
10
0.8
0.9
Mapa de fase
x(0)
0.8
0.6
0.4
0.2
0
0.2
0.4
228
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Interpretacion geometrica
(
Sistema mecanico (m, k, b):
Campo vectorial
1.5
0.5
0.5
1.5
1.5
x(0)
0.5
0.5
1.5
229
7.1. M
etodo de Kelvin
Teorema. z(t) es una solucion del P.C.I.
x0 (t) = f (t, x)
(1)
x(0) = x
0
si y s
olo si
Z
z(t) = x0 +
f (s, z(s))ds.
(2)
t0
Demostraci
on. z(t) solucion de (1) z 0 (t) = f (t, z(t))
Z t
Z t
z(t) z(0) =
f (s, z(s) z(t) = x0 +
f (s, z(s).
t0
t0
dz
= f (t, z(t)).
dt
Z t
z(0) = x0 +
f (s, z(s))ds = x0 .
t0
230
t0
z 0 (s)ds =
f (s, z(s))
t0
x0 (t)x0
231
r x(t) -