Automatizaci

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

 Job Shops Produccion por lotes Lneas de produccion Produccion continua

2.4. Ubicaci
on de los procesos
Producto en posicion fija Por clases de procesos En flujo de
producto Por tecnologa de grupo
3. El proceso en feedback
3.1. Esquema de regulaci
on en feedback
3.2. El significado del control
3.3. El control en la empresa
4. La automatizaci
on industrial
Tecnicas analogicas Tecnicas digitales
4.1. Estructuras de automatizaci
on
4.2. Ventajas e inconvenientes de la automatizaci
on
4.3. Elementos de la automatizaci
on
5. Modelos matem
aticos de sistemas
3

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
.

Tema 2. Sistemas booleanos

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

 Funcion NOT Funcion AND Funcion OR Funcion NAND

Funcion NOR Funcion XOR
4. Sistemas secuenciales
4.1. Aut
omata de Mealy
4.2. Aut
omata de Moore
4.3. Tablas de estado
4.4. Diagrama de estado
4.5. Dispositivos biestables
Biestable R-S
.

Tema 3. Modelos computacionales

1. Grafcet
1.1. Elementos b
asicos
Etapas Transiciones Segmentos paralelos
1.2. Estructuras b
asicas
Secuencia simple Divergencia OR Convergencia OR Divergencia
5

AND Convergencia AND Saltos Posibilidades avanzadas

2. Cartas de estado
2.1. Stateflow
2.2. Elementos de una carta de estado
Estados Transiciones Uniones
2.3. Elementos de texto especiales
Datos Eventos
3. Creaci
on de un modelo con StateflowSimulink
Observaciones Ejemplo. Control de barrera de ferrocarril
Parte II. Control de procesos continuos
.

Tema 4. Modelos de sistemas continuos

1. Ecuaci
on diferencial
1.1. Sistemas lineales - par
ametros constantes
Modelo externo Modelo interno
1.2. Modelo externo
6

1.3. Modelo interno

1.4. C
alculo de la respuesta temporal
Calculo de la respuesta con Matlab
2. Simulink
Ejemplo. Modelo simple Ejemplo, Circuito electrico Calculo con
Matlab para c. alterna
3. Sistemas no lineales p
endulo
3.1. Respuesta modelo externo
Resolucion simbolica
3.2. Respuesta modelo interno
4. Sistema de primer orden
5. Sistema de segundo orden
6. Linealizaci
on
Ejemplo. Deposito
7. Respuesta de frecuencia

7.1. Diagrama de Nyquist

7.2. Criterio de Nyquist
Principio del argumento Criterio de estabilidad de Nyquist Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4
7.3. Diagramas de Bode
8. El lugar de las races
8.1. Reglas para el trazado
8.2. Trazado por computador
.

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

 Valores para el sistema de 2o orden Otros valores

4.2. Especificaciones en frecuencia
5. Estabilidad, controlabilidad y observabilidad, sistemas lineales
.

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

1.1. Otros actuadores

1.2. Accesorios mec
anicos
2. Neum
atica
2.1. V
alvulas
3. Automatismos el
ectricos
3.1. El rel
e
3.2. Funciones l
ogicas con rel
es
Parte IV. Automatizaci
on global
.

Tema 10. Niveles de Automatizaci

on

1. Fabricaci
on inteligente
Parte V. APENDICES
.

Tema A. Ecuaciones diferenciales

1. Ecuaciones diferenciales de primer orden

1.1. Problema de condiciones iniciales (PCI)
12

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

Sistemas continuos en el tiempo

Son sistemas de control cuyo modelo es una ecuacion diferencial (ordinaria)
dx
(t) = f (t, x, u), t R, x(t) Rn , u(t) Rq
dt
f : R Rn Rq Rn continua,

u : R Rq (entrada, dada)

Las soluciones x(t) representan el movimiento del sistema.

Ecuacion de salida y(t) = g(x, u),

y(t) Rp .

u1 (t)
x(t)

u2 (t)
y(t)
18

Sistemas discretos en el tiempo

El modelo es una ecuacion en diferencias finitas. t = k T T Z
x((k + 1)T ) = f (kT, x(kT ), u((k + 1)T )),

x(t) Rn , u(t) Rq

f : R Rn Rq Rn ; u(t) : R Rq (entrada, dada).

T R : periodo de discretizacion o de muestreo.
Ecuacion de salida y(kT ) = g(x(kT ), u(kT )),

y(t) Rp .

Acelerador de iones Tandetron. IBeAM, Arizona State University

19

Sistemas de eventos discretos sistemas hbridos

a) Producen eventos: sistemas continuos o discretos.
b) Reaccionan ante eventos que reciben (sistemas reactivos).
a  b) Sistemas hbridos.
Modelos matematicos: ecuacion diferencial (ordinaria)
dx
(t) = f (t, x, u),
dt

t R, x(t) Rn , u(t) Rq

f : R Rn Rq Rn discontinua; u : R Rq (entrada, dada)

Modelos computacionales: Matlab + Simulink + Stateflow
u(t)
s3
x(t)
s2
s1
y(t)
20

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:

50 A.C: Romanos noria

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

Gestion: controla a todos los demas

. parte superior: generacion del producto (gestion de produccion)
. parte inferior: ventas comparas = beneficio (mercadotecnia)
Objetivo: maximizar el beneficio.

27

2.1. El proceso productivo

Sistema din
amico de control:
Materia primas (Flujo de producto)

Proceso
productivo

Producto terminado (Flujo de producto)

Internamente: diferentes subprocesos conectados entre s.

. bloque o funcion: complejo sistema movido por eventos
. interconexion + naturaleza estocastica = complejidad
. conocer modelos matematicos de los procesos mas simples
proceso producto
.
proceso 6 producto

28

2.2. Operaciones b
asicas de fabricaci
on

Procesado de un elemento
Materia prima-

Mecanizado

Pieza -

Montaje
Mat. prima 1Mecanizado 1

Pieza 1Montaje Producto

Mat. prima 2Mecanizado 2

Pieza 2-

Movimiento de material
Almacenamiento
Inspeccion y control

29

2.3. Tipos de procesos

Job Shops
- amplia gama, alta tecnologa, series medianaspeque
nas
- mano de obra y maquinaria especializadas elevados costes

Produccion por lotes

- muy extendida lotes tama
no medio, cada lote de una tirada
- maquinaria y el personal preparados cambio lote

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)

Producto en posicion fija

El producto no debe moverse obras naval y aeronautica

Por clases de procesos

M
aquinas en locales por clases de procesos mecanizado flexible

En flujo de producto
M
aquinas a lo largo del flujo

Por tecnologa de grupo

Por clases + en flujo de producto

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

Feedback: artificio basico del control.

Governor de Watt

32

3.1. Esquema de regulaci

on en feedback
Basico en muchos procesos de la Naturaleza, incluso en los seres vivos.

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

3.2. El significado del control

Controlar: conducir, dirigir, gobernar, comardar, ...
trayectoria prefijada controles

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 -

3.3. El control en la empresa

El esquema de feedback es aplicable los procesos de la empresa.
. Control de produccion
. Control de calidad
. Control de presupuestos
. Control de procesos
Elementos esenciales:
. medida de variables del proceso a controlar
. realimentaci
on de las variables medidas
. comparaci
on con una consigna
. actuaci
on sobre el proceso

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

4.1. Estructuras de automatizaci

on

Proceso 1

Proceso 2

Proceso 3

Proceso 4

. Automatizacion fija produccion muy alta automoviles

. Automatizacion programable produccion baja diversidad de productos
. Automatizacion flexible produccion media pocos productos
. Automatizacion total

37

4.2. Ventajas e inconvenientes de la automatizaci

on
Ventajas:
?
?
?
?
?
?

Permite aumentar la produccion y adaptarla a la demanda

Disminuye el coste del producto
Consigue mejorar la calidad del producto y mantenerla constante
Mejora la gestion de la empresa
Disminuye de la mano de obra necesaria
Hace mas flexible el uso de la herramienta

Inconvenientes:

Incremento del paro en la sociedad

Incremento de la energa consumida por producto
Repercusion de la inversion en el coste del producto
Exigencia de mayor nivel de conocimientos de los operarios

38

4.3. Elementos de la automatizaci

on
. Mecanica: herramientas, mecanismos, maquinas, elementos de transporte
. Electrica: automatismos electricos, motores electricos de c.c. y c.a., cableados
fuerza mando, aparillajes electricos
. Tecnologa Electronica: controladores analogicos, sensores, pre-accionadores,
drivers accionamientos, communicaciones, telemando-telemetra, comunicaci
on inalambrica
. Neumatica electro-neumatica: cilindros neumaticos, valvulas neumaticas y
electro-neumaticas, automatismos neumaticos
. Hidraulica y electro-hidraulica: cilindros hidraulicos, valvulas hidraulocas y
electro-hidraulicas, automatismos hidraulicos
. Control e Informatica Industrial: controladores de procesos, control por computador, embedded control, automatas programables, vision artificial, robotica,
mecatronica, celulas fabricacion flexible mecanizado montaje, control
numerico, CAD-CAM, CIM, redes y buses comunicaciones

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

Teora de Sistemas Teora de Control Analisis Numerico

Ciencias de la Computacion Inteligencia Artificial Investigacion Operativa
Mayor importancia cuanto mayor es la complejidad del sistema.
Paradigma de computacion del futuro: metodo para representar los problemas, analizarlos y obtener soluciones
Lenguaje de modelizacion universal:
comunicacion equipos empresa miembros de la comunidad cientfica
Un buen lenguaje de modelizacion ha de tener
. Elementos del modelo conceptos fundamentales y semantica
. Notacion representacion visual de los elementos del modelo
. Directivas lenguajes a utilizar para el modelado

41

6.1. Importancia del modelado

REALIDAD

MODELO

Entidad
del
Mundo Real

Modelo
bsico

OBJETIVOS

anlisis slo
en contexto
experimental

dentro del contexto

Sistema S

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

 Lenguaje Unificado de Modelizacion (UML)

Booch, Rumbaugh y Jacobson
Objtivos:
1. Otorgar al modelado de sistemas (y no solo al software) la capacidad de utilizar
conceptos orientados a objetos.
2. Establecer un acoplamiento explcito con los artefactos tanto conceptual como
ejecutable.
3. Tratar los temas inherentes a la escala en los sistemas complejos y de mision
crtica.
4. Crear un lenguaje de modelado entendible tanto por las maquinas como por
los seres humanos.
Versiones 0.9 y 0.91 de UML en Junio y en Octubre de 1996.
Versi
on UML 1.3 en Junio de 1999.

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

7. Estructura del curso

Control de procesos continuos
? Dise
no controladores procesos t continuo PID
Control de procesos de eventos discretos
? Diagramas de estado
? Redes de Petri
? Grafcet
? Statecharts
Automatizacion local
? Captadores
? Pre-actuadores y actuadores
? Automatismos electricos, neumaticos e hidr
aulicos
? Automatas programables Controladores industriales
Automatizacion global
? Simulacion de procesos productivos
? Redes locales Buses industriales
? GEMMA SCADA Control jerarquico

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

Parte I. Control de procesos de eventos discretos

49

Captulo 2. Sistemas booleanos

1. Dispositivos l
ogicos
Dispositivos fsicos con solo dos estados: mecanicos, interruptor, valvula, transistor
automatismos.

. Sistemas combinacionales
. Sistemas secuenciales

50

Dispositivos biestables: basicos para las memorias RAM

 

 

 

 

 

 

















 

 

 

 

 

 




























 

 

 

 

 

 
































 

 

 

 

 

 





















 



















 

 

 

 

 

 



















 



























 

 

 

 

 

 
































 

 

 

 

 

 

























 

 

 

 

 

 
















 
 
 
 
 
 



































































































































































































































































 













 


























 





















 




sistemas con memoria.

Figura 2.1: Pulsador

sistemas sin memoria

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.

Cotas universales: 0, 1 U tales que

0 a = 0, 0 + a = a, 1 a = a, 1 + a = 1
Complemento: a U a U | a + a = 1, a a = 0
(U, +, , , 0, 1) es un algebra de Boole.
Z2 := ({0, 1} , OR , AND) es un algebra de Boole.

52

2.1. Funciones booleanas

f : Zn2 Z2
(x1 , . . . , xn ) 7 f (x1 , . . . , xn )
Tabla de verdad
f (x1 , . . . , xn ), g(x1 , . . . , xn ) equivalentes tablas de verdad coinciden
P. ej., f (x1 , x2 , x3 ) = x1 x2 , g(x1 , x2 , x3 ) = x1 x2 (x3 + x3 ) equivalentes:
x1
0
0
0
0
1
1
1
1

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

cada casilla representa un min-term

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

(a) Ordenar tabla por n

umero de unos de cada termino grupos.
(b) Los elementos de cada grupo se combinan con los del siguiente.
(c) Repetir el proceso hasta que no se puedan combinar mas.
f = x1 x2 x3 x4 + x1 x3 x4 + x1 x2 x4 .
Un termino indiferente puede aprovecharse si cubre mas de un min-term.

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.

Tiempo continuo: I R; tiempo es discreto:

I = {t0 , t0 + T, . . . , t0 + kT, t0 + 2kT, . . .},
u1 (t)-

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

4.3. Tablas de estado

f (x, u): tabla de transicion, g(x, u): tabla de salida.
Aut
omata de Mealy:
x1
x2
..
.

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 ,1 x2n ,2 . . . x2n ,2q

x2n

y2n ,1 y2n ,2 . . . y2n ,2q

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
..
.

4.4. Diagrama de estado

0/0

Grafo orientado con N vertices y q aristas.

Mealy:
u
x@
@
A = 00
B = 01
C = 10
11

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

4.5. Dispositivos biestables

Son los sistemas secuenciales mas simples.
. Una o dos entradas u1 , u2
. Una variable de estado Q
. Una salida y1 = Q (salida adicional y2 = Q).
Asncronos o sncronos.
Qt+1 = f (Qt , u1 , u2 ),
Sncronos: Clk se
nal de reloj
Clk
1
0

El valor del estado Q se actualiza en los flancos de bajada.

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

Combinacion de entradas 11 no permitida (contradiccion: Q = Q = 0)

67

Captulo 3. Modelos computacionales

1. Grafcet
Graphe de Comands Etape/Transition. Norma IEC-848: fabricantes PLC.
Aplicable al esquema:

rdenes

P.C.

P.O.
eventos

Sistema automatizado de produccion

. Parte operativa: dispositivos que interact

uan sobre el producto: preactuadores,
actuadores y captadores
. Parte de Comando (control): computadores, procesadores o automatas

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

. sf2plc: genera codigo para programar algunos PLC.

72

2.2. Elementos de una carta de estado

Elementos graficos: cartas, estados, transiciones y uniones
Elementos de texto: lenguaje, datos y eventos.
. Carta: maquina de estados generalizada bloque de Simulink

. Uniones puntos de bifurcacion.

Conectivas de historia

. Estados: modos de funcionamiento

Nombre / acciones
Acciones: entry: a, exit: b, during: c, on event e : d
Descomposicion OR (trazo continuo) y
AND (trazo discontinuo).

. 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.

Estado (padre) = { subestados (hijos) }

Descomposicion AND: todos activos hijos en lnea discontinua
Descomposicion OR: solo uno activo hijos en lnea continua.

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

2.3. Elementos de texto especiales

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

 Ejemplo. Control de barrera de ferrocarril

Objetivo cerrar la barrera si llega tren abrirla si ha pasado.

Sistema de eventos discretos: tren llega tren ha pasado.

79

Esquema:
d
d
d d TREN

S1
Componentes:

barrera con motor-reductor

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

Presencia del tren en [x1 , x2 ] sensores S1 y S2 .

Operaci
on sistema:
si S1 se activa la barrera debe cerrarse,
si S2 se activa la barrera puede abrirse.

80

S2

Sistema de control de eventos discretos

division en paralelo (paralelismo) trasmision de eventos.
Sensores: S1 y S2 Manual Switch de Simulink
flanco de subida en s1 : llega el tren
flanco de bajada en s2 : el tren se ha ido.
Carta de estados: dos estados Tren y Barrera, en paralelo.
Barrera dos hijos Abrir y Cerrar,

Tren dos hijos Fuera y Dentro.

Tren

Fuera

Barrera
Abrir

0
S1
s1/e1

Dentro

0
S2

Chart

81

s2/e2

e1
Cerrar

e2

Parte II. Control de procesos continuos

82

Captulo 4. Modelos de sistemas continuos

1. Ecuaci
on diferencial
Sistema fsico
P
fi = ma

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

f (t) k (x1 (t) x2 (t)) b

=
m

dt
dt
dt



dx1 (t) dx2 (t)

d2 x2 (t)

k (x1 (t) x2 (t)) + b

= m2
dt
dt
dt

83

1.1. Sistemas lineales - par

ametros constantes

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

1.2. Modelo externo

Ecuaci
on diferencial:
a2 x
(t) + a1 x(t)
+ a0 x(t) = b1 u(t)
+ b0 u(t)
Aplicando la transformacion de Laplace tenemos
a2 [s2 X(s) sx0 x 0 ] + a1 [sX(s) x0 ] + a0 X(s) = U (s)[b1 s + b0 ]
y si suponemos condiciones iniciales nulas queda
X(s) =

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

1.3. Modelo interno

(t) + a1 x(t)
+ a0 x(t) = b1 u(t)
+ b0 u(t)
Ecuaci
on diferencial: a2 x
cambios: x1 := x; x2 := x;

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

u(t) U (s); G(s) U (s) = Y (s);

. Integral de convoluci
Zon:
t

y(t) = u(t) g(t) =

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)

 Calculo de la respuesta con Matlab

. Circuitos
Calculos con matrices metodos de mallas y nudos
. Sistemas lineales y no lineales
Resolucion ecuacion diferencial
ode23 y ode45
. Modelo externo

residue expansion de Y (s) en frac. simples

series, parallel, feedback: simplificacion diagr. bloques.
impulse, step, lsim respuesta temporal (numerica)
Symbolic Toolbox transformadas de Laplace L y L1

. 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
...

Ventana grafica de Simulink

Ventana de comandos de Matlab

Ventana con la respuesta temporal

89

Inicio: escribir simulink en Matlab command window clic en el icono Simulink

Simulink

Simulink

Countinous
Discrete
Math Operations
Signal Routing
Sinks
Sources
..
.

Dials & Gauges Blockset

Stateflow
..
.

90

 Ejemplo. Modelo simple

Sistema de control en feedback con
K = 5,

G(s) =

s+1
,
s2 + 4

H(s) =

Ventana para dibujo: File New Model

G(s) y H(s): Continuous Transfer Fcn
G(s): numerador = [1, 1] denominador = [1, 0, 4]
H(s): numerador = [2, 1] denominador = [1, 1]
K: Math Operations Gain
K=5
Suma: Math Operations Sum

(+) ()

| flechas

91

2s + 1
s+1

Entrada escalon: Sources Step

Step time = 0, Initial value = 0, Final value = 1.

Visualizacion: Sinks Scope

Uni
on con flechas
Respuesta temporal

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

 Ejemplo, Circuito electrico

Z1

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

En forma matricial: V = Z I, es decir

i1
v
z 1 + z 2 + z4
z2
z4
0 =
z4
z5
z4 + z5 + z6 i2
z2
z 2 + z5 + z3
z5
i3
0
Soluci
on:
I = Z 1 V

93

 Calculo con Matlab para c. alterna

Escribimos en el archivo circuito.m los datos y las ordenes oportunas.
Vef=220; f=50; w=2*pi*f;
R1=1;
L1=0.1;
C1=100e-6; z1=R1+j*L1*w+1/(i*C1*w)
R2=1;
L2=0.03;
C2=220e-6; z1=R2+j*L2*w+1/(i*C2*w)
R3=0.25; L3=0.2;
C3=100e-6; z1=R3+j*L3*w+1/(i*C3*w)
R4=5;
L4=0.1;
C4=100e-6; z1=R4+j*L4*w+1/(i*C4*w)
R5=20;
L5=0.01;
C5=100e-6; z1=R5+j*L5*w+1/(i*C5*w)
R6=25;
L6=0.33;
C6=100e-6; z1=R6+j*L6*w+1/(i*C6*w)
V = [Vef 0 0]
Z = [ z_1+z_2+z_4
- z_2
- z_4
-z_4
- z_5
z_4+z_5+z_6
-z_2
z_2+z_5+z_3
- z_5
];
I = inv(Z)*V

Para hacer el calculo, en la pantalla de comandos de Matlab escribimos

>> circuito
y, pulsando Enter , obtendremos el vector intensidades:
I = [17.9962 + 10.1363i, 2.1462 3.5405i, 0.4702 1.3816i]0

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

En el archivo pendulo.m escribimos:

Soluci
on numerica del P.C.I.:
function x_prima=p
endulo(t,x)
>> t0=0; tf=5; % Interv. integraci
on
l=1; m=1; g=9.8; % Par
ametros
>> x0=[0 0];
% Cond. iniciales
if t<1
% Fuerza exterior
>> [t,x]=ode23(p
endulo,t0,tf,x0);
f=1;
>> plot(t,x)
else f=0;
end
% Ecuac. estado:
x_prima=[x(2) (f-m*g*sin(x(1)))/(m*l)];

95

3.1. Respuesta modelo externo

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

Calculo de x(t) con Matlab:

>> m=1; b=1; k=1; B=1;
>> A=[m b k 0];
>> [r,p,c]=residue(B,A)
>> t=[0:0.05:15];
>> x=r(1)*exp(p(1)*t)
+r(2)*exp(p(2)*t)
+r(3)*exp(p(3)*t);
>> plot(t,x)

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

3.2. Respuesta modelo interno

k
f( t )

m1

m2
b

x1( t )

x2( t )

f (t)k(x1 (t)x2 (t))b(x 1 (t)x2 (t)) = m1 x

1 (t)
k(x1 (t)x2 (t))+b(x 1 (t)x2 (t)) = m2 x
2 (t)
Cambios: x3 = x 1 , x4 = x 2 , u := f

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

Resolucion con Matlab:

>> m_1=1; m_2=2;
>> k=0.1; b=0.25;
>> A=[0
0
1
0
0
0
0
1
-k/m_1 k/m_1 -b/m_1 b/m_1
k/m_2 -k/m_2 b/m_2 -b/m_2]
>> B=[0
0
1/m1
0]
>> C=eye(4,4); D=zeros(4,1);
>> S=ss(A,B,C,D); % crea sistema
>> t=[0:0.1:12];
>> % Respuesta a escal
on unitario:
>> y=step(S,t)
>> % Gr
afica de la respuesta:
>> plot(t,y)

4. Sistema de primer orden

Respuesta impulsional
1

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

:= 1/a constante de tiempo

0.1
0
0

99

0.5

1.5

2.5
t

5. Sistema de segundo orden

Respuesta impulsional
3

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.

b) Caso multivariable f (.), x(.), u(.): vectores.

fx (.) y fu (.): jacobianos de f (.) resp. de x y u

x R, u R

x = f (x(t), u(t), t),

Soluci
on {x0 (.), u0 (.)} (equilibrio). Perturbamos:
x(t) = x0 (t) + x(t),

u(t) = u0 (t) + u(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)

f (.) lisa Desarrollo Taylor:

f (x, u, t) = f (x0 , u0 , t) + fx x + fu u + o(x, u)
x x 0 = fx x + fu u + o(x, u)
= Ax + Bu + o(x, u)
x

(t) = x(t), u
(t) = u(t),
en donde x

en donde

Las matrices A(t) y B(t) (jacobianos) son funciones de tiempo si la soluci

on de la ecuaci
on diferencial no es constante.

f 
,
A = fx (t) =
x x0 ,u0

A(t) = fx (t), B(t) = fu (t)

f 
B = fu (t) =
u x0 ,u0

101

 Ejemplo. Deposito

Punto de funcionamiento (o estado de equilibrio)

a0 , h0 : valores de equilibrio de (a(t), h(t)).
x(t) := h(t)h0 y u(t) := a(t)a0 :
incrementos.
f (h, a) =

h( t )

peque
nos

p
1
a(t) 2gh(t),
A1

Derivando f respecto de h, tenemos

q( t )

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 :


Pero caudal = variaci

on de volumen,
d
dh
q(t) =
A1 h(t) = A1
dt
dt
Igualando,
p
1
dh
=
a(t) 2gh(t)
dt
A1

x(t)

= Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)

Hemos supuesto (implcitamente) que no hay

p
erdidas de energa por rozamiento.

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

s1 , . . . , sn : races (sup. simples) de a(s); k0 , k0 , k1 , . . . , kn : resduos de Y (s).

Y (s) =

y(t) = k0 eit + k0 eit + K1 es1 t + K2 es2 t + . . . + Kn esn t

|
{z
}
|
{z
}
0

yss (t)

yss (t) = M sin(t + )

M = |G(i)| ,

= arg G(i)

103

7.1. Diagrama de Nyquist

Es un grafico en C de la funcion
Metodos:

G:R C
7 G(i)

. Manual tabla de valores

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

7.2. Criterio de Nyquist

Sirve para averiguar si un sistema con realimentacion, de la forma
U (s)
Y (s)
- j - G(s)
r 6

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).

Principio del argumento

Sea f : C C analtica en todos los puntos excepto en un n
umero finito de polos
de un dominio D y en todos los puntos de su contorno , y sean Zf y Pf los n
umeros
de polos y de ceros, respectivamente, de f (z) en D. Entonces
Zf Pf =

1
arg f (z)
2 s

105

6Plano f (z)

6 Plano z

Principio del argumento

6Plano G(s)H(s)

6 Plano s

Criterio de Nyquist

106

 Criterio de estabilidad de Nyquist

G(s) =

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

polos de T (s) ceros de F (s)

polos de G(s)H(s) polos de F (s)
Aplicamos el principio del argumento a F (s):
1
2 s

arg F (s) = ZF PF
= PT PGH

Criterio de Nyquist:
PT = PGH +

1
arg F (s)
2 s

No polos de T (s) en C+ = No de polos de G(s)H(s) en C+ + No de vueltas de

G(s)H(s) alrededor de (-1 + 0j)

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

Polos de G(s)H(s) = {1, 2}

PT = PGH +
T (s) =

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

7.3. Diagramas de Bode

Se compone de dos graficos en R, asociados a la funcion
G:R C
7 G(i),
que representan M () y ().
Metodos:
. Manual lapiz y regla
. Con Matlab:

bode(num,den,w)
-4
n=10

dB

/d
e

=1/8

112

8. El lugar de las races

U (s)- j k
+

- 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

L.R. es el lugar geometrico, en C, de las races de dT (s) al variar k en R+

113

8.1. Reglas para el trazado

|s z1 ||s z2 | . . . |s zm | ji
Z(S)
|s z1 |ejz1 . . . |s zm |ejzm
=
=
e
j
j
p
p
P (s)
|s p1 | . . . |s pn |
|s p1 |e 1 . . . |s pn |e n
Ecuaci
on caracterstica: P (s) + kZ(S) = 0
m
Z(S)
|s z1 | . . . |s zm | ji
k
= 1 k
e
= ej(2k+1) ,
P (s)
|s p1 | . . . |s pn |
1. Condicion angulo trazado
arg[kG(s)H(s)] = i = (2k + 1)
2. Condicion de magnitud calculo de k en cada punto
k=

|s p1 | . . . |s pn |
|s z1 | . . . |s zm |

Reglas para el trazado

114

k = 0, 1, 2, . . .

8.2. Trazado por computador

Ejemplo de trazado del lugar de las races mediante MATLAB:
G(s)H(s) =

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-

P Planta o proceso a controlar. fijo dado

A Actuador. potencia suficiente para moverla planta
S Sensor. adecuado a la se
nal de salida
C Controlador. PID adelanto/retraso analogico/digital
. En el caso lineal los bloques son funciones de transferencia
. Diferentes tecnologas: neumatica, electrica, electronica
. Los bloques A y S son (practicamente) constantes
. Problema de dise
no: Dada la planta P , hallar C para que el sistema funcione
de forma adecuada (especificaciones).

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 )

Sensor = Captador + Transductor + Acondicionador

. Analogicos: todas las se
nales son analogicas
. Digitales: v(t) digital.
Sistemas de control: medicion de variables que intervienen en el proceso.
El sensor ha de ser de gran calidad. Estatica Dinamica.

118

2.1. 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

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

2.4. Tipos de transductores

Temperatura
. Termistor parametro sensible: R (ptc, ntc)
. Termopar T v rapido (ms) se
nal debil T alta
. Circuitos integrados LM335 (10 mV/0 K), AD592 (1 A/0 K).
Posici
on
. Resistivos potenciometro (R) lineal y angular
. Inductivos LVDT
. Encoder digital lineal y angular
. Ultrasonidos
. L
aser
Velocidad
. Dnamo tacometrica
. Encoder
Aceleraci
on, fuerza, presi
on, luz, color, etc.

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

. Ventajas: precio economico

. Inconvenientes: rozamiento ruido en la medida
. Tipos: lineal circular de una vuelta de varias vueltas
. Si ponemos V en vez de 0 mide x negativos

123

3. Actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia.
Transforma energa: electrica electrica electrica mecanica etc.

3.1. Tipos de actuadores

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, brushless, etc.

124

3.2. Otros actuadores

. Reles automatismos electricos
. Contactores
. Arrancadores y Drivers para motores
. Amplificadores electronicos de potencia

3.3. Accesorios mec

anicos
. M
aquinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodillos, poleas, agitadores, vibradores, etc.
. Poleas, cremalleras, pi
nones: translacion rotacion
. Reductores de velocidad
. M
aquinas complejas

125

3.4. El motor de c.c.

i (t)

(t)

?a

va (t)

S
126

3.5. Ecuaciones diferenciales

Ra

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) = kt (t) ia (t)

d
variables de rotacion: (t) =
dt
f.c.e.m.: ea (t) = ke (t) (t)
carga mecanica:

Pm (t) Pl (s) = Jm

127

(t) =

d
dt

d
+ Bm (t)
dt

3.6. Modelo externo

Transformada de Laplace con condiciones iniciales nulas:
dif
dt
La didta

vf (t) = Rf if (t) + Lf
va (t) ea (t) = Ra ia (t) +

= Vf (s) = (Rf + s Lf )If (s)

L

= Va (s) Ea (s) = (Ra + s La )Ia (s)

L

(t) = kf if (t) = (s) = kf If (s)

L

Pm (t) = kt (t) ia (t) = Pm (s) = kt (s) Ia (s)

(t) =

d
dt

(t) =

d
dt

= (s) = s(s)

(s) = s(s)

ea (t) = ke (t) (t) = Ea (s) = ke (s) (s)

L

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

3.8. Reductor de velocidad

Pl
Pm

P23 P21 (s) = s (J3 s + B3 ) 3 (s)

P34 Pl (s) = s (J4 s + B4 ) 4 (s)

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 =

4 : P34 (t) Pl (t) =

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

Es un sistema de primer orden (para ) o de segundo (para ).

131

3.10. Reductor con poleas el

asticas

1 (s)
Pm (s)
-+ - 1
J1 s+B1


P21 (s) 6

1
s

6
K12

Pm (s) P21 (s) = s (J1 s + B1 )

x1 (s)
?

+

x2 (s) 6

2 : f23 (s) = K23 (r2 2 (s) R3 3 (s))

P32 (s) = r2 f23 (s) P23 (s) = R3 f23 (s)
P12 (s) P32 (s) = s (J2 s + B2 )

?
R2

R2

P12 (s)

?

2 (s)
1
+ - J2 s+B
2


P32 (s) 6

3 : f34 (s) = K34 (r1 3 (s) R2 4 (s))

6
1
s

1 : f12 (s) = K12 (r1 1 (s) R2 2 (s))

P21 (s) = r1 f12 (s) P12 (s) = R1 f12 (s)

?
r1

r1

f12 (s) s

1 (s)
-

(s)
s 2 -

P43 (s) = r3 f34 (s) P34 (s) = R4 f34 (s)

P23 (s) P32 (s) = s (J3 s + B3 )

4 : P34 (s) Pl (s) = s (J4 s + B4 )

Pl (s)-
+


Es un sistema de orden 2 no de poleas. Modelo externo: formula de Mason.

132

3.11. Aplicaci
on pr
actica: sistema de control de posici
on
Vxr

Motor de c.c.
+

Poleas
x(t)

Entrada = Vx

Carrito

control referencia consigna

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

4.1. Especificaciones en tiempo

. Respuesta temporal: grafica de la se
nal de salida.
. Entradas de prueba: impulso de Dirac, escalon unitario, funcion rampa, funcion
parabola, etc.
. Respuesta para entrada escalon revela especificaciones.

Mp :
tp :

estabilidad
rapidez

error :

135

precision

 Valores para el sistema de 2o orden

y(t) = 1 + p

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, . . .

Para k = 1 (primer maximo),

tP =

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

4.2. Especificaciones en frecuencia

Respuesta de G(s) con u(t) = A sin(t):
yss (t) = M sin(t + ),

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

No hay una relacion explcita entre las especificaciones en tiempo y en frecuencia.

137

5. Estabilidad, controlabilidad y observabilidad, sistemas lineales

Sistema lineal S: modelo de estado

A

B
C D

R(n+q)(n+p) G(s) R(s)pq

. Estabilidad G(s) polos simples s1 , s2 , . . . , sn

y(t) = k1 es1 t + k2 es2 t + . . . + kn esn t
Si alg
un si C+

y(t)

sistema inestable.

. Controlabilidad: Q = [B AB A2 B . . . An1 B] Rnnq

. Observabilidad: R = [C CA CA2 . . . CAn1 ]T Rnpn
S controlable rank Q = n

S observable rank R = n

Si S es controlable y observable se puede realizar un feedback de estado para reubicar

los polos de S, i.e., se puede
S inestable

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

Derivativo : Gc (s) = sTd

Gc (s) = Kp (1 +

1
sTi

+ sTd )

140

Y(s)

 Realizacion de los controladores

R

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

 Controladores de adelanto y de retraso de fase



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

 Controlador de adelanto-retraso con red pasiva

C1

R1

R2
Vi

Vo
C2

Gc =

V0
(1 + T1 s)(1 + T2 s)
=
Vi
(1 + T1 s)(1 + T2 s)

donde > 1, = 1/, T1 = R1 C1 , T2 = R2 C2 y T1 T2 = R1 R2 C1 C2 .

144

 Controlador de adelanto-retraso con amp. operacional

C2
C1
R2
Vi

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

Sistema marginalmente estable para cualquier K.

146

 Efecto de anadir un cero

Cero en z1 = (2.5, 0);

G(s) =

s + 2.5
s2

Es como si z1 tirase del L.R. hacia s, estabilizando el sistema.

147

 Efecto de anadir un polo

Polo en p1 = (2, 0);

G(s) =

1
+ 2)

s2 (s

Es como si p1 empujara al L.R., desestabilizando el sistema.

148

3.1. Dise
no de un controlador de adelanto de fase
El controlador es
Gc (s) = Kc

s zc
,
s pc

|zc | < |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%

siendo  la banda de tolerancia de error.

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.

Por tanto, el punto s0 C correspondiente a las especificaciones dadas es:

p
s0 = n in 1 2 = 1 2i.
Ahora el problema es calcular Gc (s) para que el L.R. pase por s0 .

150

Ponemos el cero del controlador en el punto zc = 1, bajo el punto s0 = (1 2i)

por donde ha de pasar el L.R.
im
3
Raz deseada
2

1
p

-5

-4

-3

116.56

90

-2

re

-1

Por la condicion de angulo,

90o 2(116.56o ) p = 180o

p = 38o ,

se deduce que el polo ha de ser pc = 3.6. Aplicando ahora la condicion de modulo

en el punto s = 1 + 2i resulta Kc = 8.1.

151

El lugar de las races del sistema con controlador es

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%

siendo  la banda de tolerancia de error.

Resoluci
on.
Como en el ejemplo anterior, el lugar de las races ha de pasar por el punto s0 =
(1 2j). La funcion de transferencia del PID es


Td Ti s2 + Ti s + 1
1
+ sTd = Kp
Gc = Kp 1 +
sTi
Ti s
= Td Kp

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

(a) z1 y z2 en el eje real.

(b) z1 = 1
(c) Condicion de angulo:
90o + z2 3(116.56o ) = 180o ,

z2 = 3(116.56) 180o 90o = 79.6952o

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

siendo Kc = Td Kp , de donde resulta

Td =

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

Control del balanceo de una barra

Dise
no de un sistema de control para mantener una barra en posicion vertical.
y

Barra de longitud l y masa m

Movimiento en el plano xy
Fuerza f (t) horizontal
Desplazamiento x(t) de la base

Giro (t) de la barra

Es posible el control sin feedback de la

barra?
f

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)

polos : p1 = 3.834058, p2 = 3.834058.

158

Lugar de las races.

Root Locus
5

Imaginary Axis

5
8

Real Axis

Sistema inestable o marginalmente estable con controlador P

159

Dise
no de un controlador.
Especificaciones:
1
tp = ,
4

Mp =

1
3

Sistema de segundo orden:

Mp = e/
tp =

1 2

p
n 1 2

ln(Mp )
= 0.403712
ln(Mp )2 + 2

=p

n =

tp

1 2

= 10.301589

Polo del sistema:

s0 = n i n

1 2 = 4.158883 9.424777i

Problema: hallar Gc (s) para que el L.R. pase por s0 .

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 = 0.840410 rad =48.151970o

pc = 4 8.440951 = 12.440951
Condicion de modulo:
|s0 p1 ||s0 p2 ||s0 pc |
K=
= 156.425395
|s0 zc |

161

Parte III. Automatizaci

on local

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

. Potentes PLC: operaciones potentes

tipo maestro.
. PLCs de gama baja: actuadores sensores pocas I/O
tipo esclavo.

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

Buses: direcciones datos control

rels salidas

opto entradas

. Sistema basado en microprocesador.

. Entradas opto-acopladas y filtradas, salidas por rele.
. Alta inmunidad al ruido gran fiabilidad.

164

Cableado directo I/O (obsoleto)

CPU

Drivers

Drivers

Proceso 1

Proceso 2

. Sensores y actuadores clasicos.

. Las entradas salidas se cablean hasta el proceso.
. Posiblilidad de errores de transmision.
. Gran cantidad de cables.

165

Proceso 3

Cableado por bus de campo

0
CPU

3
CPU

Proceso 1

Proceso 2

. Sensores y actuadores inteligentes.

. Automata esclavo en proceso.
. Reducido numero de cables.
. Posibilidad de usar elementos de radiofrecuencia.

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

La norma IEC 1131

Intento de normalizacion del empleo de PLCs en automatizacion.
Antes de la IEC 1131-3: lenguajes especficos de cada PLC
confusion, mala coordinacion y perdidas de tiempo y dinero.
Objetivo de la IEC 1131-3: hacer que los programas se entiendan mejor.
Familias de la IEC 1131:
. IEC 1131-1 Informacion general: definicion de terminos, normas para la eleccion
de PLCs y perifericos.
. IEC 1131-2 Hardware: requisitos mnimos de construccion y servicio.
. IEC 1131-3 Lenguajes de programacion: elementos comunes, sintaxis, semantica.
. IEC 1131-4 Gua de usuario: para todo proyecto de automatizacion.
. IEC 1131-5 Comunicaciones: PLC perifericos, PLC PLC, PLC PC.

168

La IEC 1131-3. Lenguajes de programacion

Norma para el dise
no de software para sistemas de control industrial, en particular
para PLCs (Programmable Logic Controller).
Fue publicada por primera vez en 1993. Hasta entonces no haba ning
un estandar
para la programacion de sistemas PLC.
Lenguajes incluidos en la norma IEC 61131-3:
. Structured Text (ST)
. Function Block Diagram (FBD)
. Ladder Diagram (LD)
. Instruction List (IL)
. Sequential Function Chart (SFC)
Metodologa flexible de programacion.
Permite combinar bloques realizados en diferentes lenguajes.

169

2.1. Ladder Diagram (LD)

. Lenguaje de contactos
. Dise
nado para tecnicos electricistas
. Cada contacto representa un bit: entrada, salida, memoria
. Dise
no con Statecharts, SFC.
. Automatas gama alta: programables en C o SFC
. Automatas gama baja: conversion (manual) SFC LD
M




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

Conversion manual SFC LD

ON
keep(11)

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.

Producto: montaje simple

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

Printed 03May2005 18:20:38

mv0

3.1. Aut
omata programable Omron CPM2A-30CDR-A
Lenguaje: LD + instrucciones 16 bits

??????????????????
18 entradas

Programa

Perif.

Memoria

12 salidas

RS-232

Entradas: IR 00000-IR 00915 (o bits)

Ch: 00.00 a 00.11 y 01.00 a 01.05
Salidas: IR 01000-IR 01915 (o bits)
Ch: 10.00 a 10.07 y 11.00 a 00.03
Bits: IR 02000-IR 04915 y IR 20000-IR 22715
Especial: SR 22800-SR 25515
Temporal: TR 0-TR 7
Holding: HR 0000-HR 1915
Auxiliar: AR 0000-AR 2315
Link: LR 0000-LR 1515
Timers: TIM/CNT 000 to TIM/CNT 255
Memoria datos: DM 0000-DM 6655 (RW)
Interrupciones externas: 4
Salida de pulsos: 2 puntos 10 KHz
Entradas respuesta rapida: 4 (50 s)
Controles analogicos: 2 (0-200)
2 Puertos comunicaciones: perif., RS232

????????????

178

3.2. Ejemplos
Programa 1: al pulsar M se encendera la luz FM.
M

FM




0.00

11.01

179

Programa 2: al pulsar M se encendera la luz FM y se mantendra encendida; al pulsar

P se apagara.
M
0.00

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 )

Sensor = Captador + Transductor + Acondicionador

. Analogicos: todas las se
nales son analogicas
. Digitales: v(t) digital.
Sistemas de control: medicion de variables que intervienen en el proceso.
El sensor ha de ser de gran calidad. Estatica Dinamica.

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.,

T0 = 250 C formas variadas

. Termopar T v rapido (ms) se

nal debil T alta
. Circuitos integrados LM335 (10 mV/0 K), AD592 (1 A/0 K).
Posici
on
. Resistivos potenciometro (R) lineal y angular
. Inductivos LVDT
. Encoder digital lineal y angular
. Ultrasonidos
. L
aser
Velocidad
. Dnamo tacometrica
. Encoder

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

1.1. Otros actuadores

. Reles automatismos electricos
. Contactores
. Arrancadores y Drivers para motores
. Amplificadores electronicos de potencia

1.2. Accesorios mec

anicos
. M
aquinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodillos, poleas, agitadores, vibradores, etc.
. Poleas, cremalleras, pi
nones: translacion rotacion
. Reductores de velocidad
. M
aquinas complejas

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

Tipos: con amortiguador, en tandem, multiposicionales, rotativos y mesas,

de impacto, sin vastago.

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



 

 

  A 

 

 

 



 
  
 
 
 


  

 

 

 

  

 

 
 
 
 
  
 

Valvula 3/2 de corredera y con accionamiento mecanico

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

Valvulas 3/3: 3 vas de aire y 3 posiciones.

A

abrir (centro: las tres vas cerradas) cerrar

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

Valvulas 4/2 y 4/3

A

A
Y

RS P

RP S
A

RP S

Valvulas 5/2, 5/3 y 5/4

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

Figura 9.2: valvula de lanzadera

pA = baja; Si pX = pY = alta entonces pA = alta.
Realiza neumaticamente la funcion logica OR.

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

la entrada Y y unidos por una varilla. Si pX > pY entonces la cavidad de la entrada

X resulta taponada y pA = pY .

Por el contrario, si pY > pX se tapona la cavidad de Y y la presion en pA = pX .

Si pX = pY , la corredera queda en el centro y entonces pX = pA = pY .
Realiza neumaticamente la funcion logica AND.

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

Negacion con rele

Funcion AND

199

Funcion NAND

Parte IV. Automatizaci

on global

200

Captulo 10. Niveles de Automatizaci

on
Esquema simple de una empresa
Almacn de
materias primas

Produccin

Almacn de
productos terminados

Nivel productivo de automatizacion

Gestin

. 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

operaciones logicas y matematicas aplicadas a otros puntos duros y suaves.

. El interfaz hombre-maquina de un sistema SCADA suministra un programa
de dibujo para poder representar estos puntos. Las representaciones pueden
ser tan simples como un semaforo en pantalla que represente el estado de un
semaforo real en el campo, o tan complejas como una imagen de realidad virtual
que representa la evolucion real de la planta.
. En la pasada decada la demanda de aplicaciones civiles de sistemas de SCADA
ha ido creciendo, requiriendo realizar cada vez mas operaciones automaticamente.
. Por otro lado, soluciones SCADA han adoptado una estructura distribuida, con
posibilidad de adaptarse a los componentes de un sistema de control distribuido
(DCS) con m
ultiples RTUs o PLCs inteligentes, capaces de ejecutar procesos
simples en modo autonomo sin la participacion de la computadora principal.
. Los RTUs y PLCs actuales pueden programarse en los lenguajes de definidos
en la norma IEC 61131-3, como el BFD (Function Block Diagram), lo que
a los programadores de SCADA para realizar el dise
no y puesta a punto de
programas. Ello permite que algunos programas comunes (intercambio de datos, calidad, gestion de alarmas, seguridad, etc.) puedan ser realizados por los
programadores de estacion principal y luego cargados desde ella en todos los
automatas. De este modo los requisitos de seguridad ahora se aplican al siste-

206

ma en su totalidad, e incluso el software de la estacion principal debe resolver

los estandares de seguridad rigurosos para algunos mercados.
. Ademas, el software de la estacion principal realiza analisis de datos, analisis
historicos y analisis asociados a requisitos particulares de la industria para
presentarlos a los operadores de la gestion de la empresa.
. En algunas instalaciones los costes que resultaran de fallar del sistema de
control son extremadamente altos, pudiendo incluso perderse vidas humanas
en algunos casos.
. La fiabilidad de los sistemas de SCADA ha de estar garantizada para soportar variaciones de temperatura, vibraciones, fluctuaciones de voltaje y otras
condiciones extremas empleando a veces para ello hardware y canales de comunicacion redundantes.
. Si un fallo se identifica rapidamente, el control puede ser automaticamente
asumido por el hardware de reserva y as la parte averiada puede sustituirse sin
parar el proceso.
. La fiabilidad de tales sistemas se puede calcular estadsticamente. El tiempo
calculado de fallo de algunos sistemas de alta calidad puede ser incluso de siglos.

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

. Control de Calidad (proporciona de manera automatizada los datos necesarios

para calcular ndices de estabilidad de la produccion CP y CPk, tolerancias,
ndice de piezas NOK/OK, etc;
. Administracion (actualmente pueden enlazarse estos datos del SCADA con un
servidor SAP e integrarse como un modulo mas);
. Tratamiento historico de informacion (mediante su incorporacion en bases de
datos).
Etapas de un sistema SCADA:
Las etapas de un sistema de adquisicion de datos comprenden una serie de pasos que
van desde la captura de la magnitud a su postprocesado.

209

Molido de la malta

Uno de los primeros procesos en la elaboracion de la cerveza. La malta y el grano se

pesan y se muelen seg
un la receta elegida.

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

La cerveza elaborada se embotella. Vemos el proceso de embotellado mostrando las

identificaciones de lote y producto, la hora de inicio e informacion de alarmas.

212

Empaquetado

Finalmente, la cerveza en botella se empaqueta en cajas. Aqu, se ponen seis paquetes

en cada caja. Las cajas se sellan y se cargan sobre las plataformas.

213

1. Fabricaci
on inteligente

Intellution iHistorian:
La importancia de transformar datos de fabricacion en inteligencia de planta.

214

El Desafo: Convertir datos en conocimiento

Hist
oricamente la fabricacion se ha identificado con la maquinaria ruidosa instalada
en la planta baja, valvulas del vapor silbando y chimeneas humeando.
Hoy, la fabricacion se ha convertido en uno de los sectores de informacion mas intensivos del mundo. Junto con los productos que salen lneas de empaquetado o se
vierten a traves de tuberas, el producto de las instalaciones fabriles, es una corriente
cada vez mayor de datos se originan en el nivel de planta.
Estos datos se utilizan para optimizar el inventario y la produccion, mejorar calidad y
consistencia del producto, para el correcto mantenimiento del equipo, y para asegurar
que las plantas cumplen con las leyes ambientales, de seguridad y de salud.
Para convertir el torrencial flujo de datos de las instalaciones de fabricacion actuales
en conocimiento, las compa
nas deben poder capturarlo de un amplio n
umero de
fuentes, juntarlo en un formato com
un, y ponerlo a disposicion del software que
puede interpretarlo, dandole el significado y el valor.
Por ejemplo, en una lnea de empaquetado con tres lneas de llenado de botellas que
genera datos sobre el estado de cada lnea, cuando esos datos se analizan al cabo de
cierto tiempo se puede determinar el grado de paradas no programadas ocurridas en
una determinada maquina. Esto lleva a unas mejores decisiones informadas sobre
mantenimiento preventivo y a gastos de capital en equipo nuevo de la planta.

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

Captulo A. Ecuaciones diferenciales

1. Ecuaciones diferenciales de primer orden
La ecuacion diferencial

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

1.1. Problema de condiciones iniciales (PCI)

x(t) = k eat

solucion de (A.4), a dada

k queda determinada si nos dan el valor x0 de x(t) en t0 :

x(t0 ) = k eat0 = x0 k = eat0 x0 ;
si t0 = 0 entonces k = x0 . Por tanto, la ecuacion diferencial
x0 (t) = a x(t)
tiene una u
nica solucion que cumple la condicion inicial
x(t0 ) = x0
Problema de condiciones iniciales:

Dadas

x0 (t) = a x(t)
x(t0 ) = x0

hallar la solucion u(t) que pasa por 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 lim x0 eat =

t

a = 0 x(t) = cte.
a < 0 lim x0 eat = 0
t

El signo de a es crucial para el comportamiento de la solucion.

220

Que ocurre si se perturba el parametro a?

x
6

x
6

x0

x
6

x0

x0

a>0

a=0

a<0

. a 6= 0 :

el comportamiento no cambia al perturbar a

. a=0:

cambio radical

a = 0 es un punto de bifurcaci
on en la familia de ecuaciones diferenciales
{x0 = a x,

221

a R}

3. Orden de una ecuaci

on diferencial

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

(b) ecuacion x(n) = F (t, x, x0 , x00 , . . . , x(n1) )

orden

=
=

n
umero n de ecuaciones en (a)
orden de la derivada de orden maximo en (b).

Con x = x1 , x0 = x2 , x00 = x3 , . . . , x(n1) = xn se pasa de (b) a (a).

Si la ecuacion diferencial (a) es de la forma
x0 = f (x)
i.e. no depende explcitamente de t, entonces se llama sistema aut
onomo.

222

4. Interpretaci
on geom
etrica
dx
dt

= f (t, x) asigna a cada punto (t, x), un n

umero: la pendiente.
f : R2 R
dx
(t, x) 7
= pendiente
dt
x(t)

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

es de segundo orden. Tambien puede escribirse como un sistema



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 ,

es a veces difcil o imposible, incluso si n = 1. En esos casos procede hacer un estudio

cualitativo, la interpretacion geometrica o hallar la solucion numerica
Soluci
on numerica: tabla de valores de la solucion u(t) del PCI.
t
10
..
.
0
..
.

u1 u2 . . .
3 1.1 . . .
..
..
.
.

un
0.2
..
.

Tabla representacion grafica

Obtencion:
algoritmo: Euler, Runge-Kutta, etc.
del grafico de pendientes (i. geom.)
graficamente: quebradas de Euler

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

Para un PCI de 2o orden, en el archivo f_prueba.m, pondremos

function xp = f_prueba(t,x)
xp = zeros(2,1)
% indica el orden n = 2
xp(1) = f1(x(1),x(2),t)
xp(2) = f2(x(1),x(2),t)
en donde f1 y f2 vendran dadas.
Para hacer la llamada a ode23 o a ode45 escribiremos:
x0 = [a; b]; % condiciones iniciales (dadas)
t0 = 0;
% es lo normal
tf = tiempo final;
[t,x] = ode23(@fprueba, [t0,tf], x0)
plot(t,x)
% respuesta temporal
plot(x(:,1),x(:,2))
% phase portrait
en la ventana de comandos de Matlab o en un archivo .m.

227

Ejemplo. Sistema mec

anico
f (t) k x(t) b x0 (t) = m x00 (t)
Cambios: x1 = x, x2 = x0

x01 = x2
b
1
k
x1 m
x2 + m
f
x02 = m

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):

x01 (t) = x2 (t)

k
b
1
x02 (t) = x1 (t) x02 (t) + f (t)
m
m
m

Campo vectorial

1.5

Con Matlab es posible superponer el campo de vectores (interpretacion geometrica)

y la solucion numerica:

m=1; k=2; b=1; f=1;

[X1,X2]=meshgrid(-1.2:0.2:1.2);
U1 = X2;
U2 = -k/m*X1-b/m*X2+1/m*f;
M = sqrt(U1.^2 + U2.^2);
V1 = ones(size(M))./M .* U1;
V2 = ones(size(M))./M .* U2;
quiver(X1,X2,V1,V2),axis square

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

z(t) verifica (2)

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

Idea de Kelvin: construir un integrador fsico (mecanico) y realizar fsicamente (mecanicam

el esquema
t

f


x0 (t)x0

Muchas veces en los sistemas de control

231

r x(t) -