Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de
un
sistema
de
identificacin de procesos industriales
en lnea, usando la plataforma opensource Arduino y Matlab/Simulink
Departamento de Elctrica y Electrnica
Carrera de Ingeniera en Electrnica,
Automatizacin y Control
Pal Sebastin Aluisa Chal
Mayo 2014
Antecedente
A menudo los procesos industriales no son
accesibles para someterlos a pruebas y hallar su
comportamiento o funcin de transferencia;
adems, el proceso de sintonizacin, sin conocer
la
planta,
puede
perjudicar
el
correcto
Objetivo General
Utilizar la plataforma arduino para desarrollar un
sistema de identificacin de procesos industriales
en lnea en conjunto con Matlab/Simulink.
Objetivos Especficos
Desarrollar
modelos
de
identificacin
en
mnimos
Matlab/Simulink.
cuadrados
usando
Objetivos Especficos
Desarrollar
programacin
en
lenguaje
de
texto
Alcance
ARDUINO
Monitoreo
ETHERNET
Parmetros
PC
Monitoreo
Parmetros
PLC
Discretizacin de Sistemas
Las diferentes aplicaciones de la discretizacin
son:
Discretizacin de Sistemas
()
1 1
=
()
Identificacin de Sistemas
La identificacin de un sistema consiste en la
obtencin
de
un
modelo
matemtico
que
Identificacin Paramtrica
La identificacin paramtrica est basada en los mtodos de
minimizacin del error de prediccin.
Identificacin Paramtrica
= 1 1 ( )
Es llamado regresor y:
= 1 1
Es el vector de parmetros.
1
1
=
2 = 2 1 + 2 2 + + 2 ()
2
=1
(1)
1
(2)
= 1 2 ()
()
1
=
De donde se obtiene que el valor del vector de parmetros que hace mnima la
funcin de costo:
= 1 ( )
Logotipo de Arduino
CompactLogix 1768-L43
Caractersticas
Caracterstica
Memoria Disponible
Tarjeta de Memoria
1768-L43
2MB
1784-CF128 (128MB)
EtherNet/IP
Opciones de Comunicacin
ControlNet
DeviceNet
Comunicacin por puerto serie
1 puerto RS-232
Nmero mximo de mdulos 1768
2
Nmero mximo de mdulos de E/S 1769
16
Nmero mximo de bancos de E/S
2
Batera
Ninguna
Fuente de alimentacin elctrica
1768-PA3, 1768-PB3
Caractersticas de CompactLogix 1768-L43
= 1
Donde:
2 ()
1.
= 2
2.
= () 1
3.
()
= ()
4.
= 2 ()()
5.
+ 1 = ()()
() ()
0.7
-50
0.6
-100
0.5
-150
MSE(dB)
0.4
-200
0.3
-250
0.2
-300
0.1
0
-350
Salida Estimada
Salida Real
0
200
400
600
1400
1600
1800
2000
-400
200
400
600
1400
1600
1800
2000
Convergencia de Parmetros
0.4
0.2
Parmetros
-0.2
-0.4
-0.6
W1
W2
P1
P2
-0.8
200
400
600
1400
1600
1800
2000
= () 1
2.
= 1 + ()()
3.
= +()(1)()
4.
5.
= +()()
6.
(1)()
()
1 ()
Curva de Aprendizaje
0.7
-50
0.6
-100
-150
MSE(dB)
0.4
0.3
-200
-250
0.2
-300
0.1
-350
Salida Estimada
Salida Real
0
50
100
150
200
Iteraciones
250
300
350
400
-400
50
100
150
200
Iteraciones
250
300
350
400
Convergencia de Parmetros
0.1
0
-0.1
-0.2
Parmetros
0.5
-0.3
-0.4
-0.5
-0.6
W1
W2
P1
P2
-0.7
-0.8
-0.9
50
100
150
200
Iteraciones
250
300
350
400
1
+1 = +1
1
+1
=
+1
Dnde:
y
: Coeficientes de reflexin.
+1
=
+1
+1
1
+1
por:
m+1 n = m+1
1
()
n1 +
( 1)
1 y
prediccin.
: errores cuadrticos de
+1
+1
(1)
(1)
2+1 ()
(1)
2+1 ()
()
1.5
Parmetros
0.5
W1
W2
P1
P2
-0.5
-1
0
100
200
300
400
Iteraciones
500
600
700
800
Funcin de
Transferencia
Ecuacin a
Diferencias
LMS/RLS
(Primer Orden)
1 1
=
1 + 2 1
()
= 1 1 2 (
1)
1 1 + 2 2
=
1 + 3 1 + 4 2
= 1 1
+ 2 2 3 (
1) 4 ( 2)
LMS/RLS
(Segundo Orden)
Lattice
(Primer Orden)
Lattice
(Segundo Orden)
=
=
1
1 + 1 1
()
= 1 ( 1)
= 1 ( 1)
2 ( 2)
1 + 1 1 + 2 2
Interfaz de Monitoreo
Interfaz de Monitoreo
Implementacin en Simulink
1.5
0
-0.1
-0.2
0.5
Parametros
0
-0.5
-0.3
-0.4
-0.5
-0.6
-0.7
-1
W1
W2
P1
P2
-0.8
-1.5
-2
Salida Estimada
Salida Real
-0.9
100
200
400
600
Muestras
800
1000
1200
200
300
400
800
2
0.2
1.5
0
0.5
-0.2
Parametros
0
-0.5
-0.6
-1
-1.5
-2
-0.4
-0.8
200
400
600
Muestras
800
1000
1200
100
200
300
400
800
Convergencia de Parmetros
0.6
0.4
0.5
0.2
0.4
0
0.3
-0.2
Valor
Valor
0.2
0.1
-0.4
0
-0.6
-0.1
-0.2
-0.8
W1
P1
-0.3
-0.4
W1
W2
P1
P2
100
200
300
400
500
Muestras
600
700
800
-1
900
50
100
150
200
Muestras
250
300
350
400
Conclusiones
El proyecto desarrollado permite realizar la identificacin de varios
Conclusiones
El proyecto desarrollado muestra otra funcionalidad del PLC, como es el tratamiento y la
generacin de seales, pudiendo reemplazar el uso de DSPs para el tratamiento de seales,
siempre y cuando el PLC sea de gama alta y soporte texto estructurado como lenguaje de
programacin.
Para sistemas de segundo orden, la simulacin del algoritmo LMS resulta ineficiente, en la
ejecucin en Matlab se obtiene convergencia de los de los parmetros pero no a los valores
requeridos, en el entorno de Simulink el algoritmo tiende a ser inestable a lo largo de la
ejecucin, esto se debe a que el bloque de datos almacena solo un valor pasado de la
entrada/salida lo que hace que sea muy pequeo para considerar una estimacin de
parmetros adecuada, el tamao del bloque de datos no se puede cambiar ya que est
adaptado para su ejecucin en lnea y depende directamente del nmero de parmetros a
identificar.
Conclusiones
Con el antecedente de la simulacin, las pruebas del algoritmo LMS dentro del sistema en
tiempo real confirman su funcionamiento en sistemas de primer orden y su ineficiencia
para sistemas de orden superior, se puede notar la tendencia de los parmetros estimados
hacia los parmetros deseados, con ciertos perodos de tiempo en los que no coinciden los
valores debido al ruido al que la tarjeta arduino se vuelve susceptible, en sistemas de
segundo orden el algoritmo resulta totalmente inestable.
En comparacin con el algoritmo LMS, el algoritmo RLS presenta mayores ventajas en la
Conclusiones
En simulacin, el algoritmo RLS implementado es totalmente funcional, en comparacin al
algoritmo LMS donde se tiene la desventaja de depender de un bloque de datos mayor para
una buena estimacin, en el algoritmo RLS se pude variar el valor del factor de olvido, para
hacer que el algoritmo tome en cuanta ms o menos valores pasados del par
entrada/salida.
La desventaja de algoritmo RLS implementado se ve reflejada en la ejecucin del sistema
en tiempo real para sistemas de segundo orden donde el algoritmo se vuelve inestable, esto
se debe al ruido al que es susceptible la tarjeta arduino, dicho ruido debera verse opacado
con la variacin del factor de olvido para no tomar en cuenta algunos valores pasados del
Conclusiones
Los algoritmos LMS y RLS pueden adaptarse a sistemas multi-entrada y multi-salida,
acoplando los vectores o matrices, dependiendo del caso, al nmero de entradas, salidas y
Como una opcin adicional el algoritmo LS-Lattice es otra opcin para la estimacin de
parmetros que, en comparacin con el algoritmo RLS, muestra una mejor estabilidad ya
que no existe la desventaja de necesitar un factor de olvido variable, sino que, en este caso
los coeficientes de reflexin, se van actualizando con cada iteracin y para cada etapa del
estimador.
Recomendaciones
La tarjeta arduino mega 2560 se ha utilizado como una solucin para la
adquisicin de datos por ser open-source y de bajo costo, pero para este tipo
de proyectos donde se necesita que el ruido sea mnimo, se requiere realizar
las conexiones cableadas de la forma ms adecuada ya que la tarjeta est
diseada para varios tipos de prototipos basados en microcontroladores y
no solo en la adquisicin de datos.
Para sistemas o procesos industriales lentos y de primer orden se
recomienda el uso del algoritmo LMS para la estimacin de parmetros ya
que tiene una buena convergencia y no exige muchos recursos
computacionales.
Recomendaciones
El algoritmo RLS es recomendable para sistemas de donde se necesita una
convergencia de parmetros ms rpida, y aunque puede ser preferido su
uso para cualquier tipo de sistema se debe tomar en cuenta que su costo
computacional es mayor en comparacin al algoritmo LMS.
Recomendaciones
Al momento de la emulacin, se recomienda utilizar un mtodo para
sincronizar el perodo de muestreo de la generacin de la seal en el PLC y
el perodo de muestreo que se usa en la adquisicin de datos.
Recomendaciones
Se propone tambin explorar algoritmos derivados del RLS
como
por
ejemplo
algoritmos
que
implementen
una
la
velocidad
identificados.
en
la
convergencia
de
los
parmetros