Está en la página 1de 231

Automatización de Procesos

Industriales
Ingeniero de Organización. Curso 1o

José Marı́a González de


Durana
Dpto. I.S.A. EUI
–UPV/EHU–
Vitoria-Gasteiz
Directory
. Indice
. Contenidos

Copyright
c 2005
Ultima Revisión: Febrero 2004
Indice
1. OBJETIVOS
2. MÉTODO
3. EVALUACION
4. CONTENIDOS
5. Libros recomendados
. Tema 1. Introducción
1. Perspectiva histórica
2. La empresa productiva
2.1. El proceso productivo
2.2. Operaciones básicas de fabricación
• Procesado de un elemento • Montaje • Movimiento de material
• Almacenamiento • Inspección y control
2.3. Tipos de procesos
• Job Shops • Producción por lotes • Lı́neas de producción • Produc-
ción continua
2.4. Ubicación de los procesos
• Producto en posición fija • Por clases de procesos • En flujo de
producto • Por tecnologı́a de grupo
3. El proceso en feedback
3.1. Esquema de regulación en feedback
3.2. El significado del control
3.3. El control en la empresa
4. La automatización industrial
• Técnicas analógicas • Técnicas digitales
4.1. Estructuras de automatización
4.2. Ventajas e inconvenientes de la automatización
4.3. Elementos de la automatización
5. Modelos matemáticos de sistemas
3
6. Modelado y simulación de sistemas complejos
6.1. Importancia del modelado
• Lenguaje Unificado de Modelización (UML)
7. Estructura del curso
Parte I. Control de procesos de eventos discretos
. Tema 2. Sistemas booleanos
1. Dispositivos lógicos
2. Algebra de Boole
2.1. Funciones booleanas
• Formas canónicas
2.2. Simplificación de funciones booleanas
• Método de Karnaugh • Método de Quine-McCluskey • Algoritmo de
Quine
3. Sistemas combinacionales
3.1. Funciones lógicas elementales
4
• Función NOT • Función AND • Función OR • Función NAND
• Función NOR • Función XOR
4. Sistemas secuenciales
4.1. Autómata de Mealy
4.2. Autómata 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 básicos
• Etapas • Transiciones • Segmentos paralelos
1.2. Estructuras básicas
• 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. Creación de un modelo con Stateflow–Simulink
• Observaciones • Ejemplo. Control de barrera de ferrocarril
Parte II. Control de procesos continuos
. Tema 4. Modelos de sistemas continuos
1. Ecuación diferencial
1.1. Sistemas lineales - parámetros constantes
• Modelo externo • Modelo interno
1.2. Modelo externo
6
1.3. Modelo interno
1.4. Cálculo de la respuesta temporal
• Cálculo de la respuesta con Matlab
2. Simulink
• Ejemplo. Modelo simple • Ejemplo, Circuito eléctrico • Cálculo con
Matlab para c. alterna
3. Sistemas no lineales – péndulo
3.1. Respuesta – modelo externo
• Resolución simbólica
3.2. Respuesta – modelo interno
4. Sistema de primer orden
5. Sistema de segundo orden
6. Linealización
• Ejemplo. Depósito
7. Respuesta de frecuencia
7
7.1. Diagrama de Nyquist
7.2. Criterio de Nyquist
• Principio del argumento • Criterio de estabilidad de Nyquist • Ejem-
plo 1 • Ejemplo 2 • Ejemplo 3 • Ejemplo 4
7.3. Diagramas de Bode
8. El lugar de las raı́ces
8.1. Reglas para el trazado
8.2. Trazado por computador
. Tema 5. Realización del control
1. Realización fı́sica
2. Sensores
2.1. Tipos de sensores
2.2. Clasificación
2.3. Calibración
2.4. Tipos de transductores
8
2.5. El potenciómetro como sensor de posición
3. Actuadores
3.1. Tipos de actuadores
3.2. Otros actuadores
3.3. Accesorios mecánicos
3.4. El motor de c.c.
3.5. Ecuaciones diferenciales
3.6. Modelo externo
3.7. Función de transferencia del motor
3.8. Reductor de velocidad
3.9. Función de transferencia del reductor
3.10.Reductor con poleas elásticas
3.11.Aplicación práctica: sistema de control de posición
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. Diseño de Sistemas de Control continuos
1. Introducción
2. Tipos de controladores
• Realización 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. Diseño en el lugar de las raı́ces
• Efecto de añadir un cero • Efecto de añadir un polo
3.1. Diseño de un controlador de adelanto de fase
3.2. Diseño de un controlador PID
Parte III. Automatización local
. Tema 7. Autómatas programables
10
1. Descripción de un PLC
2. Programacion de PLC’s
2.1. Ladder Diagram (LD)
3. Célula flexible SMC
3.1. Autómata programable Omron CPM2A-30CDR-A
3.2. Ejemplos
. Tema 8. Sensores
1. Tipos de sensores
1.1. Clasificación
1.2. Caracterı́sticas
2. Calibración
3. Tipos de transductores
. Tema 9. Actuadores
1. Tipos de actuadores
11
1.1. Otros actuadores
1.2. Accesorios mecánicos
2. Neumática
2.1. Válvulas
3. Automatismos eléctricos
3.1. El relé
3.2. Funciones lógicas con relés
Parte IV. Automatización global
. Tema 10. Niveles de Automatización
1. Fabricación 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 ecuación diferencial
4. Interpretación geométrica
5. Sistemas de 2o orden
• Interpretación geométrica
6. Solución numérica
7. Solución numérica con Matlab
• Interpretación geométrica
7.1. Método de Kelvin

13
1. OBJETIVOS

• Formar personas con capacidad para el planeamiento, gestión, diseño y desa-


rrollo de proyectos de automatización.
• Utilizar para ello las tecnologı́as y métodos de actualidad.
• Inculcar un marco teórico en el que tengan cabida los complejos procesos
productivos.
• Análisis, diseño y realización.
• Visualizar los métodos y tecnologı́as existentes.

2. MÉTODO

• Clases teóricas: proyector (a completar), pizarra, ejercicios.


• Clases prácticas: ordenador, ejercicios, montajes.
• Trabajos tutorizados.
• Tutorı́as: cuestiones, ejercicios, trabajos.
horario 2-cuatr: lunes de 10 a 12, miércoles y jueves de 17 a 19

14
3. EVALUACION

Trabajos: ejercicios, problemas, temas teóricos, programas, montajes.


Calificación: ≤ 2. Han de ser concertados con el profesor.

Prácticas: ejercicios resueltos por computador, montajes.


Calificación: la nota (≤ 4) se pondera por el no de asistencias.

Nota: los trabajos y las prácticas se hacen durante el curso, no en verano.

Examen: teorı́a y problemas.

Calificaciones máximas:

Trabajos 2
Prácticas 4
Examen 4
Total 10

15
4. CONTENIDOS
Tema 1. Introducción
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. Realización del control
Tema 6. Diseño de sistemas de control continuos
Parte III. Automatizacion local
Tema 7. Autómatas programables
Tema 8. Sensores
Tema 9. Actuadores
Parte IV. Automatizacion global
Tema 10. La pirámide de automatizacion
Fases
. Análisis –obtención de modelos computacionales, matemáticos.
. Diseño –diseño y programación de controladores, simulación.
. Realización –matemática, computacional, fı́sica.
16
Herramientas
. Programación en lenguajes estándar: C, C++, Java.
. Programas especı́ficos para control: Matlab, Scilab, Octave, Maple.

Prerrequisitos
. Algebra Lineal: espacios vectoriales, matrices.
. Análisis Matemático: análisis real y complejo (básico), ecuaciones dife-
renciales ordinarias.
. Informática: manejo del ordenador, windows, nociones de programación
(C, C++, Java).
. Fı́sica: nociones de mecánica, electricidad, calor, fluidos.

17
Sistemas continuos en el tiempo

Son sistemas de control cuyo modelo es una ecuación 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.
Ecuación 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 ecuación 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 discretización o de muestreo.
Ecuación 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 hı́bridos

a) Producen eventos: sistemas continuos o discretos.


b) Reaccionan ante eventos que reciben (sistemas reactivos).
a  b) Sistemas hı́bridos.
Modelos matemáticos: ecuación diferencial (ordinaria)
dx
(t) = f (t, x, u), t ∈ R, x(t) ∈ Rn , u(t) ∈ Rq
dt
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

Bibliografı́a
[1] Paul H. Lewis, Hang Yang
Sistemas de Control en Ingenierı́a
Prencice Hall Inc., 1999
[2] Benjamin C. Kuo
Sistemas Automáticos de Control
Editorial Prentice-Hall - 1996
[3] Emilio Garcı́a Moreno
Automatización de procesos industriales
Editorial U.P.V. (Universidad Politécnica 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
Capı́tulo 1. Introducción

Automatización: teorı́as y tecnologı́as para sustituir el trabajo del hombre por


el de la máquina. Mecanismo de feedback
Relacionada con las Teorı́as de Control y de Sistemas.
Adopta los más recientes avances.
Para automatizar procesos: saber cómo funcionan esos procesos.
. Procesos continuos
. Procesos comandados por eventos
. Procesos de fabricación
Estudio – Visitas a empresas.
Procesos conectados entre si – gestión – marco jerárquico –
Estructura de la empresa – redes locales – buses de comunicación

23
1. Perspectiva histórica

Fuego:
. Homo sapiens→ calefacción → alimentos
. Edad Bronce → metales → cerámica → “procesos fabricación”
Energı́a eólica:
. 2000 A.C: embarcaciones a vela
. 1000 A.C.: Fenicios → Mediterráneo
. Edad Media: Europa → molinos de viento
Energı́a hidráulica: 50 A.C: Romanos → noria
Máquina de vapor
. James Watt, 1750 → Revolución Industrial
. Maquina de vapor → bombas agua (minas de Gales)
. Automatización telares (Manchester)

24
Teorı́as, tecnologı́as y áreas
. Teorı́as
– Teorı́as de Control, Sistemas y Señal
– Sistemas de eventos discretos
– Máquinas de estado, Redes de Petri, Grafcet, Statechart
. Tecnologı́as
– Neumática, Hidráulica
– Electrónica
– Microprocesadores, Ordenadores, Autómatas programables
– Robótica
– Comunicaciones
– Desarrollo del software
. Areas tecnológicas
– Automatización de las máquinas-herramienta
– Control por computador, CAD, CAM, CIM
– Control de procesos distribuido
– Células flexibles

25
2. La empresa productiva

Ente socioeconómico – adecuación parcial de flujos: producción y consumo


Dos subsistemas: uno para medir las necesidades de los consumidores y de tras-
ferirles los productos que las satisfagan y otro que se encarga de la producción.
Elemento productivo – Elemento consumidor (de materias primas)
Departamentos o secciones:
. Finanzas
. Gestión
. Compras
. Almacén de materias primas
. Producción
. Almacén de productos terminados
. Ventas

26
Actividad de la empresa

Almacén de Producción Almacén de


materias primas productos terminados

Gestión

Compras Finanzas Ventas

MERCADO

Gestión: controla a todos los demás


. parte superior: generación del producto (gestión de producción)
. parte inferior: ventas − comparas = beneficio (mercadotecnia)
Objetivo: maximizar el beneficio.

27
2.1. El proceso productivo

Sistema dinámico de control:

Materia primas - Proceso Producto terminado -


(Flujo de producto) productivo (Flujo de producto)

Internamente: diferentes subprocesos conectados entre sı́.

. bloque o “función”: complejo sistema movido por eventos


. interconexión + naturaleza estocástica = complejidad
. conocer modelos matemáticos de los procesos más simples
proceso → producto
.
proceso 6← producto

28
2.2. Operaciones básicas de fabricación

• Procesado de un elemento
Materia prima- Pieza -
Mecanizado

• Montaje
Mat. prima 1- Pieza 1-
Mecanizado 1

Montaje Producto
-

Mat. prima 2- Pieza 2-


Mecanizado 2

• Movimiento de material
• Almacenamiento
• Inspección y control

29
2.3. Tipos de procesos

• Job Shops
- amplia gama, alta tecnologı́a, series medianas–pequeñas

- mano de obra y maquinaria especializadas – elevados costes

• Producción por lotes


- muy extendida – lotes tamaño medio, cada lote de una tirada

- maquinaria y el personal preparados – cambio lote

• Lı́neas de producción
- cadena – grandes series - pocos productos – automóviles

- cintas trasportadoras – estaciones (proceso o montaje) – almacenes

• Producción continua
- productos simples – grandes cantidades – petroquı́mica

- flujo continuo de producto

30
2.4. Ubicación de los procesos
Importancia: procesos, comodidad del personal, cableados, buses etc.
Programas simulación (estocástica)

• Producto en posición fija


El producto no debe moverse – obras – naval y aeronáutica

• Por clases de procesos


Máquinas en locales por clases de procesos – mecanizado – flexible

• En flujo de producto
Máquinas a lo largo del flujo

• Por tecnologı́a de grupo


Por clases + en flujo de producto

31
3. El proceso en feedback
ω(t)
xC : consigna de velocidad ωref (fija)
C
Si ω aumenta
⇒ aumenta fuerza centrı́fuga
B ⇒ bolas B se separan
⇒ A sube
⇒ x cierra válvula vapor de la caldera
⇒ baja la presión
Actuador A
válvula ⇒ ω disminuye
x

Feedback: artificio básico del control.

Governor de Watt

32
3.1. Esquema de regulación en feedback
Básico en muchos procesos de la Naturaleza, incluso en los seres vivos.

d(t)

yref
- +m(t)- C x(t)- u(t)- m
?v(t)
A + - P r y(t) -
ym (t)
− 6

M 

yref
−→ Entrada de referencia C Controlador
d(t)
−→ Entrada perturbadora A Actuador
y(t)
−→ Salida 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

chófer → → vehı́culo
frenos 

cambio de marchas

Teorı́a de Control
sistema de control = entidad
– terminales de entrada (controles) → estı́mulos
– terminales de salida → respuesta

Caja negra o bloque – planta o proceso

Entrada- Salida -
Bloque

34
3.3. El control en la empresa
El esquema de feedback es aplicable los procesos de la empresa.

. Control de producción

. Control de calidad

. Control de presupuestos

. Control de procesos

Elementos esenciales:

. medida de variables del proceso a controlar

. realimentación de las variables medidas

. comparación con una consigna

. actuación sobre el proceso

35
4. La automatización industrial
Aplicar feedback – procesos continuos – procesos movidos por eventos

• Técnicas analógicas
Controlador: mecánico, neumático, hidráulico, eléctrico, electrónico, óptico
Procesos Continuos – controlador PID
1 t
 Z 
dx(t)
x(t) = C((t)) = Kp 1 + Td + x(τ )dτ
dt Ti 0

• Técnicas digitales
Ordenador – microprocesadores – microcontroladores – ordenador personal comuni-
caciones – software ...

? Controladores para procesos continuos – PID

? Control de procesos de eventos discretos – autómata programable

? Estructuras de control – Automatización Global

36
4.1. Estructuras de automatización

Proceso 1 Proceso 2 Proceso 3 Proceso 4

. Automatización fija – producción muy alta – automóviles

. Automatización programable – producción baja – diversidad de productos

. Automatización flexible – producción media – pocos productos

. Automatización total

37
4.2. Ventajas e inconvenientes de la automatización
Ventajas:
? Permite aumentar la producción y adaptarla a la demanda
? Disminuye el coste del producto
? Consigue mejorar la calidad del producto y mantenerla constante
? Mejora la gestión de la empresa
? Disminuye de la mano de obra necesaria
? Hace más flexible el uso de la herramienta

Inconvenientes:
• Incremento del paro en la sociedad
• Incremento de la energı́a consumida por producto
• Repercusión de la inversión en el coste del producto
• Exigencia de mayor nivel de conocimientos de los operarios

38
4.3. Elementos de la automatización
. Mecánica: herramientas, mecanismos, máquinas, elementos de transporte

. Eléctrica: automatismos eléctricos, motores eléctricos de c.c. y c.a., cableados


– fuerza – mando, aparillajes eléctricos

. Tecnologı́a Electrónica: controladores analógicos, sensores, pre-accionadores,


drivers – accionamientos, communicaciones, telemando-telemetrı́a, comunica-
ción inalámbrica

. Neumática – electro-neumática: cilindros neumáticos, válvulas neumáticas y


electro-neumáticas, automatismos neumáticos

. Hidráulica y electro-hidráulica: cilindros hidráulicos, válvulas hidraulocas y


electro-hidráulicas, automatismos hidráulicos

. Control e Informática Industrial: controladores de procesos, control por compu-


tador, embedded control, autómatas programables, visión artificial, robótica,
mecatrónica, células – fabricación flexible – mecanizado – montaje, control
numérico, CAD-CAM, CIM, redes y buses – comunicaciones

39
5. Modelos matemáticos de sistemas
Modelo matemático: ecuación o sistema de ecuaciones que lo representa y cuya evo-
lución en el tiempo se corresponde con la del sistema.
Permite hacer cálculos, predicciones, simulaciones y diseñar.
Clasificación:

. 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 estocásticos – procesos de colas – modelos no ma-
temáticos basados en computador.
Lenguaje Unificado de Modelado (UML).

6. Modelado y simulación de sistemas complejos


Dinámica de fluidos – sistemas energéticos – gestión de negocios
40
Teorı́a de Sistemas – Teorı́a de Control – Análisis Numérico –
Ciencias de la Computación – Inteligencia Artificial – Investigación Operativa
Mayor importancia cuanto mayor es la complejidad del sistema.
Paradigma de computación del futuro: método para representar los problemas, ana-
lizarlos y obtener soluciones
Lenguaje de modelización universal:
comunicación → equipos empresa → miembros de la comunidad cientı́fica
Un buen lenguaje de modelización ha de tener

. Elementos del modelo – conceptos fundamentales y semántica

. Notación – representación visual de los elementos del modelo

. Directivas – lenguajes a utilizar para el modelado

41
6.1. Importancia del modelado
REALIDAD MODELO

Entidad Modelo
del
básico
OBJETIVOS
Mundo Real

análisis sólo
en contexto
experimental

dentro del contexto Conocimiento


Sistema S Modelo M a priori del
modelo básico

experimento Simulación =
dentro de contexto Experimento virtual

Datos Validación Resultados


observados de de
Experimento Simulación Proceso de
Modelado y Simulación

42
• Lenguaje Unificado de Modelización (UML)
Booch, Rumbaugh y Jacobson
Objtivos:

1. Otorgar al modelado de sistemas (y no sólo al software) la capacidad de utilizar


conceptos orientados a objetos.

2. Establecer un acoplamiento explı́cito con los artefactos tanto conceptual como


ejecutable.

3. Tratar los temas inherentes a la escala en los sistemas complejos y de misión


crı́tica.

4. Crear un lenguaje de modelado entendible tanto por las máquinas como por
los seres humanos.

Versiones 0.9 y 0.91 de UML en Junio y en Octubre de 1996.


Versión 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 extensión y especialización que permitan extender
los conceptos del núcleo del lenguaje.
. Soportar especificaciones que sean independientes de los lenguajes de progra-
mación 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, fra-
meworks, patterns.
. Integrar las mejores prácticas de programación.

Caracterı́sticas de UML
Consistente lenguaje sin propietario y abierto a todos. Permite especificar, visualizar,
construir y documentar los artefactos de software. Vale también para el modelado de
negocios y otros sistemas. Está 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
Gráficos (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
? Diseño controladores – procesos t continuo – PID –
• Control de procesos de eventos discretos
? Diagramas de estado
? Redes de Petri
? Grafcet
? Statecharts
• Automatización local
? Captadores
? Pre-actuadores y actuadores
? Automatismos eléctricos, neumáticos e hidráulicos
? Autómatas programables – Controladores industriales
• Automatización global
? Simulación de procesos productivos
? Redes locales – Buses industriales
? GEMMA – SCADA – Control jerárquico

47
Bibliografı́a

[1] Paul H. Lewis Sistemas de Control en Ingenierı́a. Prentice Hall, Madrid, 1999.

[2] Emilio Garcı́a Moreno Automatización de procesos industriales. Editorial U.P.V.


(Universidad Politécnica de Valencia), 1999.

[3] K.Lockyer La producción industrial, su administración. Representaciones y Ser-


vicios de Ingenierı́a S.A., Mexico, 1988.

[4] M.P. Groover Automation, Production Systems and Computer Aided Manufac-
turing. 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
Capı́tulo 2. Sistemas booleanos

1. Dispositivos lógicos
Dispositivos fı́sicos con sólo dos estados: mecánicos, interruptor, válvula, transistor
→ automatismos.

0 1

. Sistemas combinacionales

. Sistemas secuenciales

50
Dispositivos biestables: básicos para las memorias RAM

                    
 
 

        
  
  
  
  
  
  
 



 
 
  
  
  
  
  
  


        
  

  

  

  

   
 
 


                   
 1 

 
  1
         
    
    
    
    
   
   


 
2 2
sistemas con memoria. 
  


 

 

  

 

  
1



 
    2

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 retı́culo. Si además
5. Distributivas: a + (b · c) = (a + b) · (a + c),
a · (b + c) = (a · b) + (a · c)
⇒ (U, +, ·) retı́culo distributivo. Si
6. Cotas universales: ∃ 0, 1 ∈ U tales que
0 · a = 0, 0 + a = a, 1 · a = a, 1 + a = 1
7. Complemento: ∀a ∈ U ∃a ∈ U | a + a = 1, a · a = 0
⇒ (U, +, ·, , 0, 1) es un álgebra de Boole.
Z2 := ({0, 1} , OR , AND) es un álgebra 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 x2 x3 f x1 x2 x3 g
0 0 0 0 0 0 0 0
0 0 1 0 0 0 1 0
0 1 0 0 0 1 0 0
0 1 1 0 0 1 1 0
1 0 0 0 1 0 0 0
1 0 1 0 1 0 1 0
1 1 0 1 1 1 0 1
1 1 1 1 1 1 1 1

53
• Formas canónicas
≡ func. booleanas: relación de equivalencia → representantes canónicos:

. 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 términos canónicos diferentes


minterms
f (x) x, x
f (x, y) xy, xy, xy, xy
f (x, y, z) xyz, xyz, xyz, xyz, xyz, xyz, xyz, xyz

min-term = número binario = número decimal


p. ej., xyz = 010 = 2.
Obtención de la f.c.:

. Tabla de verdad ⇒ f.c. (inmediato)

. Para i = 1, . . . , n mult. por (xi + xi ) los términos de f sin xi .

54
2.2. Simplificación de funciones booleanas
Aplicar la ley de complementación: x + x = 1 ⇒ f · (x1 + x1 ) ≡ f .
f = suma de implicantes primos (términos irreducibles).

• Método de Karnaugh
f (a, b, c, d) = b + bc

cd
@ 00 01 11
ab
10
cd @ 00 #
01 11 10
@
ab @
00 00 00 00
00 01 11
00
10 00 0 1 1 0
01 01 01 01 01
01 0 1 1 0
00 01 11 10 #
11 11
00
11
01
11
11
11
10 11 1 1 1 0
10 10
00
10
01
10
11
10
10 10 "
1 "
1 !
1 !
0

– cada casilla representa un min-term –

55
• Método de Quine-McCluskey
Ejemplo:
f (x1 , x2 , x3 , x4 ) = Σ(0, 7∗ , 9, 12∗ , 13, 15)
i min-terms u i 1-term 2-term
0 0000 0 0 0000 0000
7∗ 0111 1
9 1001 2 9 1 0 0 1 1 - 1 1
12∗ 1100 12∗ 1 1 0 0 1 1 0 -
13 1101 3 7∗ 0 1 1 1 - 1 1 1
15 1111 13 1 1 0 1 1 1 - 1
Tabla de verdad 4 15 1 1 1 1
(a) Ordenar tabla por número de unos de cada término → grupos.
(b) Los elementos de cada grupo se combinan con los del siguiente.
(c) Repetir el proceso hasta que no se puedan combinar más.

f = x1 x2 x3 x4 + x1 x3 x4 + x1 x2 x4 .

Un término indiferente puede aprovecharse si cubre más de un min-term.

56
• Algoritmo de Quine
Como ya se ha indicado, el método de Quine-McCluskey, lo mismo que el de Kar-
naugh, se basa en utilizar repetidamente la ley a + a = 1. Dada una función f en
forma canónica 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 término i-ésimo, Ti , de la lista
para j desde i + 1 hasta m hacer
Tomar el término j-ésimo, Tj , de la lista
Simplificar, si es posible, la expresión Ti + Tj , aplicando la ley a + a = 1
y poner el término 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 más.

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, . . .}, t0 , T ∈ R.

u1 (t)- y1 (t)-

u2 (t)- y2 (t)-

.. S.C. ..
. .

up (t)- yq (t)-

Los valores de las salidas en el instante t sólo dependen de los valores que en ese
mismo instante tengan las entradas.

58
3.1. Funciones lógicas elementales

• Función NOT
x z
0 1 x d z x z
1 0

• Función AND
x y z
x- x
0 0 0 z
z- y
0 1 0 &
y
1 0 0 -
1 1 1

59
• Función OR
x y z
x- x
0 0 0 z
z- y
0 1 1 ≥1
y
1 0 1 -
1 1 1

• Función NAND
x y z
x- x
0 0 1 z
0 1 1 & d z- y
y
1 0 1 -
1 1 0

60
• Función NOR
x y z
x- x
0 0 1 z
0 1 0 ≥1 d z- y
y
1 0 0 -
1 1 0

• Función XOR
x y z
x-
0 0 1 x z
0 1 0 =1 d z-
y y
1 0 0 -
1 1 1

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)- y1 (t)-

u2 (t)- x1 (t) y2 (t)-


x2 (t)
.. ..
. .. .
.
xn (t)
up (t)- yq (t)-

Las variables de estado x1 (t), . . . , xn (t) ∈ Z2 memorizan el comportamiento del sis-


tema en instantes anteriores a t.
Modelos: modelo de estado (ecuación en diferencias finitas), máquinas de estados,
redes de Petri ⇒ modelos computacionales: grafcet, StateCharts.

62
4.1. Autómata 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. Autómata 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)

Autómata de Mealy ↔ Autómata de Moore.

63
4.3. Tablas de estado
f (x, u): tabla de transición, g(x, u): tabla de salida.
Autómata de Mealy:
u1 u2 ... u 2q u1 u2 ... u 2q
x1 x1,1 x1,2 ... x1,2q x1 y1,1 y1,2 ... y1,2q
x2 x2,1 x2,2 ... x2,2q x2 y2,1 y2,2 ... y2,2q
.. .. .. .. .. .. .. ..
. . . . . . . .
x2n x2n ,1 x2n ,2 . . . x2n ,2q x2n y2n ,1 y2n ,2 . . . y2n ,2q
Autómata de Moore:
u1 u2 . . . u 2q
x1 x1,1 x1,2 . . . x1,2q x1 y1
x2 x2,1 x2,2 . . . x2,2q x2 y2
.. .. .. .. ..
. . . . .
x2n x2n ,1 x2n ,2 . . . x2n ,2q x2n y 2n

Tamaño (máximo): (2n × 2q ) casillas.

64
4.4. Diagrama de estado
0/0

@GA
FAB ECD
Grafo orientado con N vértices y q aristas.

Mealy:
u u
Z44
x@ 0 1 x@ 0 1

44
@ @
1/0

44 0/0
A = 00 00 01 A = 00 0 0

44
B = 01 01 10 B = 01 0 0

44

@GA
FBECD @G3 A
FCB
ECD


1/1 4
C = 10 00 01 C = 10 0 1 s
1/0
11 − − 11 − − 4 B
0/0
Tabla de transición Tabla de salida
0
Moore:
@GA/
FB
A E0CD
u 
x@ 0 1 x y
X2
@
A = 00 00 01 A = 00 0
222
B = 01 10 01 B = 01 0 22
1 202
C = 10 00 11 C = 10 0 22

@GB/
FB
A E0CD @G/ C/
FB
A E0CDr G@2 D/1
FB
A ECD
D = 11 10 01 D = 11 1  2
0
0
Tabla de transición Tabla de salida
1
4 f
1

65
4.5. Dispositivos biestables
Son los sistemas secuenciales más simples.

. Una o dos entradas u1 , u2

. Una variable de estado Q

. Una salida y1 = Q (salida adicional y2 = Q).

Ası́ncronos o sı́ncronos.
Qt+1 = f (Qt , u1 , u2 ),
Sı́ncronos: Clk señal de reloj
Clk
1

0
t

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

66
• Biestable R-S
Biestable ası́ncrono básico.
S
Q

_
Q
R

Tabla de transición:
SR
Q@
@ 00 01 11 10 S Q S Q
Clk
0 0 0 − 1
1 1 1 − 0 R Q R Q

Combinación de entradas “11” no permitida (contradicción: Q = Q = 0)

67
Capı́tulo 3. Modelos computacionales

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

órdenes

P.C. P.O.
eventos

Sistema automatizado de producción

. Parte operativa: dispositivos que interactúan sobre el producto: preactuadores,


actuadores y captadores

. Parte de Comando (control): computadores, procesadores o autómatas

68
1.1. Elementos básicos

• Etapas
Rectángulo numerado.
Estado o modo de funcionamiento estable del sistema.
La Parte de Comando asociada se mantiene invariable.
Etapas activas: cı́rculo negro.
Etapa inicial: rectángulo doble.

• Transiciones
Segmento horizontal que corta la lı́nea de enlace entre dos etapas.
Condición de paso: receptividad.

• Segmentos paralelos
Procesos que evolucionan de forma concurrente.

69
1.2. Estructuras básicas

• Secuencia simple
• Divergencia OR
• Convergencia OR
• Divergencia AND
• Convergencia AND
• Saltos
• Posibilidades avanzadas
. Paralelismo

. Sincronización

. Jerarquı́a

. Comunicación

70
2. Cartas de estado
Statecharts – David Harel, 1987. Generalización máquinas de estados.

. Capacidad de agrupar varios estados en un superestado.

. Posibilidad de ortogonalidad o independencia (paralelismo) entre ciertos esta-


dos.

. Necesidad de transiciones más 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 per-
mite el agrupamiento de estados (jerarquı́a), la ortogonalidad (paralelismo) y el refi-
namiento de estados. Admite la visualización tipo ”zoom”entre los diferentes niveles
de abstracción.
Implementaciones: Statemate, Stateflow etc.

71
2.1. Stateflow
Toolbox de Matlab para modelar sistemas de eventos discretos.
Tiene un único elemento: Chart = carta de estados (D.Harel)
Creación 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 simulación
Carta de estados de Stateflow
. Generar el código
Generadores de código:

. sf2vdh: traductor de Stateflow a VHLD


. sf2plc: genera código para programar algunos PLC.

72
2.2. Elementos de una carta de estado
– Elementos gráficos: cartas, estados, transiciones y uniones
– Elementos de texto: lenguaje, datos y eventos.
. Carta: máquina de estados generaliza- . Uniones puntos de bifurcación.
da – bloque de Simulink – Conectivas – de historia
. Estados: modos de funcionamiento . Datos
– Nombre / acciones – Entrada de Simulink
– Acciones: entry: a, exit: b, du- – Salida de Simulink
ring: c, on event e : d – Local
Descomposición OR (trazo continuo) y – Constante
AND (trazo discontinuo). – Temporal
– Workspace
. Transiciones: saltos
– Nombre / acciones . Eventos
– Nombre: e (evento), [c] (condi- – Entrada de Simulink
ción) – Salida de Simulink
– Acciones: {a} (acción) – Local
– default-transition I/O Simulink: disparo por ↑, ↓ o l

73
• Estados
Sintaxis: S1

nombre /
entry: acción e

exit: acción
S2
during: acción
on event e: acción

Acción: cambiar salida – llamada a función.

Estado (padre) = { subestados (hijos) }

Descomposición AND: todos activos – hijos en lı́nea discontinua

Descomposición OR: sólo uno activo – hijos en lı́nea continua.

74
• Transiciones
. Forma de flecha – saltos entre estados – eventos

. Acciones asociadas

. Transición por defecto – señala el estado inicial

Sintaxis:

e – nombre de un evento

[c] – expresión booleana – condición

{a} – acción

No texto – disparo con evento cualquiera en el sistema.

75
• Uniones
. Forma de pequeño cı́rculo

. Uniones conectivas – puntos de bifurcación – decisión condicionada

. Uniones de historia – descomposición OR – activo = último

e1

e2 P
H

e3 C1 C2

76
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

Activación: flanco subida - flanco de bajada - flanco indiferente

77
3. Creación de un modelo con Stateflow–Simulink
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 simulación

. Generar el código (ANSI C, sf2vhld, sf2plc)

• Observaciones
Simulación 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 TREN
d d -
S1 • 0 • S2 x
Componentes: barrera con motor-reductor
2 sensores S1 y S2
sistema digital, relés y elementos auxiliares.
Sensores:
S1 en x1 < 0 – evento en señal s1 – llega tren
S2 en x2 > 0 – evento en señal s2 – tren ha pasado
Presencia del tren en [x1 , x2 ] – sensores S1 y S2 .
Operación sistema:
si S1 se activa la barrera debe cerrarse,
si S2 se activa la barrera puede abrirse.

80
Sistema de control de eventos discretos
– división en paralelo (paralelismo) – trasmisión 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 1 Barrera 2

1
Fuera Abrir
0
S1
s1/e1 s2/e2 e1 e2
1
Dentro Cerrar
0
S2 Chart

81
Parte II. Control de procesos continuos

82
Capı́tulo 4. Modelos de sistemas continuos

1. Ecuación diferencial
Leyes fı́sicas
Sistema fı́sico −→ Ecuación diferencial

k
P
fi = ma
i f( t )
m1 m2

0 x1( t ) b
x2( t )

Ecuación diferencial:
d2 x1 (t)
  
 f (t) − k (x1 (t) − x2 (t)) − b dx 1 (t) dx2 (t)
 − = m1
dt dt dt

d2 x2 (t)
 
 dx1 (t) dx2 (t)
k (x1 (t) − x2 (t)) + b −


 = m2
dt dt dt

83
1.1. Sistemas lineales - parámetros constantes

• Modelo externo
L
Ecuación diferencial −→ G(s) función de transferencia

. Modelo entrada – salida

. Diagrama de bloques

• Modelo interno

cambios ẋ(t) = Ax(t) + Bu(t)
Ecuación diferencial −→ modelo de estado
y(t) = Cx(t) + Du(t)

. Algebra lineal

. Cálculo por computador

. Sistemas multivariable

84
1.2. Modelo externo
Ecuación diferencial:

a2 ẍ(t) + a1 ẋ(t) + a0 x(t) = b1 u̇(t) + b0 u(t)

Aplicando la transformación de Laplace tenemos

a2 [s2 X(s) − sx0 − ẋ0 ] + a1 [sX(s) − x0 ] + a0 X(s) = U (s)[b1 s + b0 ]

y si suponemos condiciones iniciales nulas queda


b1 s + b0
X(s) = U (s).
a2 s2+ a1 s + a0
Función de transferencia G(s):

X(s) = G(s)U (s)

G(s): función racional; denom. de G(s) := polinomio caracterı́stico.

85
1.3. Modelo interno
Ecuación diferencial: a2 ẍ(t) + a1 ẋ(t) + a0 x(t) = b1 u̇(t) + b0 u(t)
cambios: x1 := x; x2 := ẋ; u1 := u; u2 := u̇


ẋ1 (t) = x2 (t)
Modelo de estado
ẋ2 (t) = − aa20 x1 (t) − aa12 x2 (t) + ab02 u1 (t) + ab12 x2 (t)

Ecuación de estado:
       
ẋ1 (t) 0 1 x1 (t) 0 0 u1 (t)
= + b0
ẋ2 (t) − aa20 − aa12 x2 (t) a2
b1
a2 u2 (t)

Ecuación 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: 
ẋ(t) = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)

86
1.4. Cálculo de la respuesta temporal
1. Resolución de la ecuación diferencial

2. Modelo externo G(s):


. Integración compleja: Z
σ+j∞
1
y(t) = L−1 [Y (s)] = Y (s)est ds
2πj σ−j∞
. Transformada de Laplace – expansión frac. simmples:
L L−1
u(t) −→ U (s); G(s) U (s) = Y (s); Y (s) −→ y(t)
. Integral de convolución:
Z t
y(t) = u(t) ⊗ g(t) = g(t − τ ) u(τ ) dτ
0

3. Modelo interno:
. Resolución de la ecuación
Z t de estado:
x(t) = eAt x(0) + eA(t−τ ) Bu(τ ) dτ
0

87
• Cálculo de la respuesta con Matlab
. Circuitos
– Cálculos con matrices – metodos de mallas y nudos

. Sistemas lineales y no lineales


– Resolución ecuación diferencial
– ode23 y ode45

. Modelo externo
– residue – expansión de Y (s) en frac. simples
– series, parallel, feedback: simplificación diagr. bloques.
– impulse, step, lsim – respuesta temporal (numérica)
– Symbolic Toolbox – transformadas de Laplace L y L−1

. Modelo interno
– impulse, step, lsim – respuesta temporal (numérica)

. Conversión modelos interno y externo


– ss2tf, tf2ss

88
2. Simulink
Simulink: librerı́a (toolbox ) de Matlab para modelado y simulación.
Modelo externo – Modelo interno – Sist. no lineales – Sist. reactivos

...

Ventana gráfica 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
s+1 2s + 1
K = 5, G(s) = , H(s) =
s2 + 4 s+1

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
Entrada escalón: Sources → Step
→ Step time = 0, Initial value = 0, Final value = 1.
Visualización: Sinks → Scope
Unión con flechas
Respuesta temporal
0.7

0.6

s+1
5
0.5

s2+4
Sum 0.4
Step Gain Transfer Fcn Scope

y(t)
0.3

0.2

2s+1
0.1
s+1
Transfer Fcn 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t

Simulación: Simulation → Simulation parameters


→ t inicial, t final, algoritmo, paso, etc.

92
• Ejemplo, Circuito eléctrico
Z1

+ Metodo de mallas:
i1
v Z4
- Z2
v = (z1 + z2 + z4 )i1 − z2 i2 − z4 i3
i3 Z6 0 = −z4 i1 − z5 i2 + (z4 + z5 + z6 )i3
i2 0 = −z2 i1 + (z2 + z5 + z3 )i2 − z5 i3
Z5
Z3

En forma matricial: V = Z I, es decir


    
v z 1 + z 2 + z4 −z2 −z4 i1
0 =  −z4 −z5 z4 + z5 + z6  i2 
0 −z2 z 2 + z5 + z3 −z5 i3

Solución:

I = Z −1 V

93
• Cálculo con Matlab para c. alterna
Escribimos en el archivo circuito.m los datos y las órdenes 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 cálculo, 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 – péndulo
Ecuación diferencial:
f (t) − mg sin(β(t)) − ma = 0
β f (t) − mg sin(β(t)) − mlβ̈(t) = 0
mlβ̈ + mg sin(β) − f (t) = 0
f (t) Cambio x1 := β,
x2 := β̇:
 ẋ1 = x2
mg f (t) − mg sin x1
 ẋ2 =
lm
En el archivo pendulo.m escribimos: Solución numérica del P.C.I.:
function x_prima=péndulo(t,x) >> t0=0; tf=5; % Interv. integración
l=1; m=1; g=9.8; % Parámetros >> x0=[0 0]’; % Cond. iniciales
if t<1 % Fuerza exterior >> [t,x]=ode23(’péndulo’,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 1.2
y(t)

k
0.8

f (t) 0.6
m
0.4

0 x(t) b 0.2

Ecuación diferencial: 0
0 5
t
10 15

mẍ(t) + bẋ(t) + kx(t) = f (t) Cálculo de x(t) con Matlab:


↓L >> m=1; b=1; k=1; B=1;
ms2 X(s)+bsX(s)+kX(s) = F (s) >> A=[m b k 0];
f (t) = 1(t) ⇒ F (s) = 1/s >> [r,p,c]=residue(B,A)
Expansión en fraciones simples: >> t=[0:0.05:15];
1
G(s) = ms2 +bs+k ; X(s) = G(s) 1s >> x=r(1)*exp(p(1)*t)
r1 r2 r3
X(s) = s−p 1
+ s−p 1
+ s−p 3
+r(2)*exp(p(2)*t)
L−1 es inmediata: +r(3)*exp(p(3)*t);
y(t) = r1 ep1 t + r2 ep2 t + r3 ep3 t >> plot(t,x)
Más sencillo aún: con impulse, step o lsim .

96
• Resolución simbólica
Symbolic Toolbox de Matlab – Maple core –

. Transformada de Laplace L(f (t)) = F (s):

>> F = laplace(f,t,s)

. Transformada inversa de Laplace L−1 (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])
−→ gráfica igual que la de antes.
97
3.2. Respuesta – modelo interno
k
f( t )
m1 m2

0 x1( t ) b
x2( t )

f (t)−k(x1 (t)−x2 (t))−b(ẋ1 (t)−ẋ2 (t)) = m1 ẍ1 (t) Resolución con Matlab:
k(x1 (t)−x2 (t))+b(ẋ1 (t)−ẋ2 (t)) = m2 ẍ2 (t)
>> m_1=1; m_2=2;
Cambios: x3 = ẋ1 , x4 = ẋ2 , u := f ⇓ >> k=0.1; b=0.25;
ẍ1 = − m1 x1 + m1 x2 − m1 ẋ1 + m1 ẋ2 + m11 u
k k b b
>> A=[0 0 1 0
ẍ2 = + mk2 x1 − mk2 x2 + mb2 ẋ1 − mb2 ẋ2 0 0 0 1
-k/m_1 k/m_1 -b/m_1 b/m_1
Modelo de estado (sup. salidas≡estados):
       k/m_2 -k/m_2 b/m_2 -b/m_2]
ẋ1 0 0 1 0 x1 0 >> B=[0 0 1/m1 0]’
ẋ2   0 0 0 1 x2   0 
 = −k k −b b  + 1 u >> C=eye(4,4); D=zeros(4,1);
ẋ3   m m m m x3   
1 1 1
k −k b −b
1 m1 >> S=ss(A,B,C,D); % crea sistema
ẋ4 m2 m2 m2 m2
x4 0 >> t=[0:0.1:12];
      
y1 1 0 0 0 x1 0 >> % Respuesta a escalón unitario:
y2  0 1 0 0 x2  0 >> y=step(S,t)
 = 
y3  0 0 1 0 x3 + 0 u
   
>> % Gráfica de la respuesta:
y4 0 0 0 1 x4 0 >> plot(t,y)

98
4. Sistema de primer orden
Respuesta impulsional
1

0.9

U (s)- A Y (s)- 0.8

s+a 0.7

0.6

Entrada: 0.5

0.4

. Impulso de Dirac 0.3

L 0.2

u(t) = δ(t) −→ U (s) = 1 0.1

A
G(s)U (s) = s+a = Y (s) 0
0 0.5 1 1.5 2 2.5
t
3 3.5 4 4.5 5

L (Y (s)) = y(t) = Ae−at


−1
1
Respuesta al escalon

0.9

. Escalón unitario 0.8


L
u(t) = 1(t) −→ U (s) = 1/s 0.7

A 0.6

G(s)U (s) = s(s+a) = Y (s) 0.5

L−1 (Y (s)) = y(t) = A


a − A −at
ae
0.4

0.3

0.2

τ := 1/a constante de tiempo 0.1

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t

99
5. Sistema de segundo orden
Respuesta impulsional
3

2.5

U (s)- ωn2 Y (s)- 2

s2 + 2ξωn s + ωn2 1.5

Entrada: 0.5

• Impulso de Dirac 0

L
u(t) = δ(t) −→ U (s) = 1 -0.5

2
ωn
-1

G(s)U (s) = s2 +2ξω 2 = Y (s)


n s+ωn
-1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

√ t

y(t) = √ n e−ξωn t sin (ωn 1−ξ2 ) t


ω
im
1−ξ 2
• Escalón unitario s
1
L
u(t) = 1(t) −→ U (s) = 1/s

ω
n
2 ϕ
ωn
G(s)U (s) = 2 2)
s(s +2ξωn s+ωn
= Y (s) α

√ ξω n
re
y(t) = 1 − √ 1 e−ξωn t sin (ωn 1−ξ2 t + α)
1−ξ 2
s
ωn : pulsación nat. ξ: coef. amort. 2

100
6. Linealización
a) Caso monovariable. b) Caso multivariable f (.), x(.), u(.): vectores.

ẋ = f (x(t), u(t), t), x ∈ R, u ∈ R ⇒ fx (.) y fu (.): jacobianos de f (.) resp. de x y u


0 1
Solución {x0 (.), u0 (.)} (equilibrio). Perturbamos: ∂f1 ∂f1
. . . ∂x
∂x1 n
∂f B C
Jx0 = ∂x
= @ ... ... ... A
x(t) = x0 (t) + δx(t), u(t) = u0 (t) + δu(t) x0 ,u0 ∂fn ∂fn
∂x
. . . ∂x
0 1 n 1x0 ,u0
∂f1 ∂f1
Suponemos que . . . ∂u
∂u1 n
∂f B C
J u0 = ∂u
= @ ... ... ... A
x0 ,uo
(δx)i = o(δx, δu), (δu)i = o(δx, δu), i > 1 ∂fn
∂u
∂fn
. . . ∂u
1 n x0 ,u0
Derivando respecto a t,
˙ De donde
ẋ(t) = ẋ0 (t) + δx(t) ˙ = fx δx + fu δu
δx (4.1)
tenemos que
o bien
˙
δx(t) = ẋ(t) − ẋ0 (t) ˙
x̄(t) = A(t)x̄(t) + B(t)ū(t)

f (.) lisa ⇒ Desarrollo Taylor: en donde x̄(t) = δx(t), ū(t) = δu(t),


f (x, u, t) = f (x0 , u0 , t) + fx δx + fu δu + o(δx, δu)
ẋ − ẋ0 = fx δx + fu δu + o(δx, δu) A(t) = fx (t), B(t) = fu (t)
˙ = Aδx + Bδu + o(δx, δu)
δx
en donde Las matrices A(t) y B(t) (jacobianos) son funcio-

∂f ∂f nes de tiempo si la solución de la ecuación diferen-
A = fx (t) = , B = fu (t) = cial no es constante.
∂x x0 ,u0 ∂u x0 ,u0

101
• Ejemplo. Depósito 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 : “pequeños”


incrementos.

1 p
f (h, a) = a(t) 2gh(t),
h( t )
A1

Derivando f respecto de h, tenemos


q( t )

∂f 1 2ga ga0
= √ = √ := A,
a( t ) ∂h ho ,a0 A1 2 2gh ho ,a0 A1 2gh0
Area A1

Elemento – masa m: y, derivando f respecto de a,


1
Ep = mgh(t) = mv(t)2 = Ec ,
2 p ∂f 1 p
⇒ velocidad de salida v(t) = 2gh(t). = 2gh0 := B.
∂a ho ,a0 A1
Caudal de salida:
p
q(t) = a(t)v(t) = a(t) 2gh(t)
Modelo linealizado en h0 , a0 :

Pero caudal = variación de volumen, ẋ(t) = Ax(t) + Bu(t)
d dh y(t) = Cx(t) + Du(t)
q(t) = A1 h(t) = A1
dt dt
Igualando, Hemos supuesto (implı́citamente) que no hay
dh 1 p
= a(t) 2gh(t) pérdidas de energı́a por rozamiento.
dt A1

102
7. Respuesta de frecuencia

U (s)- Y (s)- b(s)


G(s) G(s) = estable
a(s)
Entrada sinusoidal:
L ω ω
u(t) = sin ωt −→ U (s) = ⇒ G(s) = Y (s)
s2 + ω 2 s2 + ω 2

k0 k̄0 k1 k2 kn
Y (s) = + + + + ... +
s − iω s + iω s − s1 s − s2 s − sn
s1 , . . . , sn : raı́ces (sup. simples) de a(s); k0 , k̄0 , k1 , . . . , kn : resı́duos de Y (s).

y(t) = k0 eiωt + k̄0 e−iωt + K1 es1 t + K2 es2 t + . . . + Kn esn t


| {z } | {z }
yss (t) →0

yss (t) = M sin(ωt + φ)

M = |G(iω)| , φ = arg G(iω)

103
7.1. Diagrama de Nyquist
Es un gráfico en C de la función
G:R → C
ω 7→ G(iω)
Métodos:

. Manual – tabla de valores


ω M φ
1 0.0 1.000 0.0
G(s) =
s+1 0.5 0.894 -26.6
M = |G(iω)| 1.0 0.707 -45.0
1.5 0.555 -56.3
φ = arg G(iω)
2.0 0.447 -63.4
3.0 0.316 -71.6
5.0 0.196 -78.7
10.0 0.100 -84.3

. Con Matlab: [M,phi] = nyquist(num,den,w)

104
7.2. Criterio de Nyquist
Sirve para averiguar si un sistema con realimentación, 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 número de polos


en C+ de G(s)H(s).

• Principio del argumento


Sea f : C → C analı́tica en todos los puntos –excepto en un número finito de polos–
de un dominio D y en todos los puntos de su contorno δ, y sean Zf y Pf los números
de polos y de ceros, respectivamente, de f (z) en D. Entonces
1 ∆
Zf − Pf = arg f (z)
2π s∈γ

105
6 Plano z 6Plano f (z)

- -

Principio del argumento

6 Plano s 6Plano G(s)H(s)

- -
−1

Criterio de Nyquist
106
• Criterio de estabilidad de Nyquist
nG nH nG nH
G(s) = dG , H(s) = dH , G(s)H(s) = dG dH
nG
G(s) dG nG dH
T (s) = 1+G(s)H(s) = nG nH
1+ d d
= dG dH +nG nH
G H

nG nH dG dH +nG nH
F (s) = 1 + G(s)H(s) = 1 + dG dH = 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 ∆
2π s∈γ arg F (s) = ZF − PF
= PT − PGH

Criterio de Nyquist:
1 ∆
PT = PGH + arg F (s)
2π s∈γ
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

−1
−0.5

−2
−1
−2 −1 0 1 2 −1 −0.5 0 0.5 1
1
G(s) = , H(s) = 2
(s + 1)(s + 2)
Polos de G(s)H(s) = {−1, −2}
1 ∆
PT = PGH + arg F (s) = 0 + 0 = 0
2πs∈γ
G(s)
T (s) = es estable.
1 + G(s)H(s)
108
• Ejemplo 2
Plano s Plano G(s)H(s)

1
2

0.5
1

0 0

−1
−0.5

−2
−1
−2 −1 0 1 2 −1 −0.5 0 0.5 1
5
G(s) = 3 , H(s) = 1
s + 5s2 + 9s + 5
Polos de G(s)H(s) = {−2 + i, −2 − i, −1}
1 ∆
PT = PGH + arg F (s) = 0 + 0 = 0
2πs∈γ
G(s)
T (s) = es estable.
1 + G(s)H(s)
109
• Ejemplo 3
Plano s Plano G(s)H(s)

1
2

0.5
1

0 0

−1
−0.5

−2
−1
−2 −1 0 1 2 −2 −1.5 −1 −0.5 0
5
G(s) = 4 , H(s) = 2
s + 4s3 + 4s2 − 4s − 5
Polos de G(s)H(s) = {−2 + i, −2 − i, −1, 1}
1 ∆
PT = PGH + arg F (s) = 1 + 1 = 2.
2πs∈γ
G(s)
T (s) = es inestable.
1 + G(s)H(s)
110
• Ejemplo 4
Plano s Plano G(s)H(s)

1
2

0.5
1

0 0

−1
−0.5

−2
−1
−2 −1 0 1 2 −2 −1.5 −1 −0.5 0
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}
1 ∆
PT = PGH + arg F (s) = 1 − 1 = 0.
2πs∈γ
G(s)
T (s) = es estable.
1 + G(s)H(s)

111
7.3. Diagramas de Bode
Se compone de dos gráficos en R, asociados a la función
G:R → C
ω 7→ G(iω),
que representan M (ω) y φ(ω).
Métodos:

. Manual – lápiz y regla

. Con Matlab: bode(num,den,w)

-4
0
dB
ωn=10 /d
ec
ζ=1/8

112
8. El lugar de las raı́ces
U (s)- j - s Y (s)
+ k - G(s) -
−6

H(s) 

nG nH
G(s) = , H(s) = , k∈R
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 )
kG(s) k ndGG 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
k nG d H nT
= =
P (s) + k Z(s) dT

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

113
8.1. Reglas para el trazado
Z(S) |s − z1 |ejφz1 . . . |s − zm |ejφzm |s − z1 ||s − z2 | . . . |s − zm | jΣφi
= jφ
= e
P (s) |s − p1 |e 1 . . . |s − pn |e n
p jφp |s − p1 | . . . |s − pn |
Ecuación caracterı́stica: P (s) + kZ(S) = 0
m
Z(S) |s − z1 | . . . |s − zm | jΣφi
k = −1 ⇐⇒ k e = e±j(2k+1)π , k = 0, 1, 2, . . .
P (s) |s − p1 | . . . |s − pn |

1. Condición ángulo – trazado

arg[kG(s)H(s)] = Σφi = ±(2k + 1)π

2. Condición de magnitud – cálculo de k en cada punto

|s − p1 | . . . |s − pn |
k=
|s − z1 | . . . |s − zm |

Reglas para el trazado

114
8.2. Trazado por computador
Ejemplo de trazado del lugar de las raı́ces mediante MATLAB:

s+1
G(s)H(s) =
s(s + 2)(s2 + 6s + 13)

>> num=[1 1] 4

>> den=conv([1 2 0],[1 6 13])


2
>> rlocus(num,den)

Eje Imag
0

-2

-4

-6
-6 -4 -2 0 2 4 6
Eje Real

115
Capı́tulo 5. Realización del control

Realizaciones
. Realización matemática lineal de orden n.
Dada G(s) ∈ R(s)p×q , hallar A, B, C, D, tales que el sistema

ẋ(t) = A x(t) + B u(t)
y(t) = C x(t) + D u(t),

con A ∈ Rn×n , B ∈ Rn×q , C ∈ Rp×n , D ∈ Rp×q , tenga por matriz de transfe-


rencia G(s). Se llama realización minimal si el número entero n es el menor que
puede encontrarse. Las más simples son las llamadas realizaciones canónicas:
controlador, observador, controlabilidad y observabilidad.

. Realización analógica. – modelo – circuito electrónico

. Realización digital. – programa (Matlab, Simulink, C++, Java, etc.)

. Realización fı́sica. – prototipo – fabricación

116
1. Realización fı́sica
Entrada- m -
+ C - A - P r Salida-
− 6

S 

P Planta o proceso a controlar. –fijo –dado

A Actuador. –potencia suficiente para ”mover”la planta

S Sensor. –adecuado a la señal de salida

C Controlador. –PID –adelanto/retraso –analógico/digital

. En el caso lineal los bloques son funciones de transferencia


. Diferentes tecnologı́as: neumática, eléctrica, electrónica
. Los bloques A y S son (prácticamente) constantes
. Problema de diseño: 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 parámetro p sensible a una magnitud fı́sica h – emite
energı́a w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte.
Transductor: recibe la energı́a w del captador, la transforma en energı́a eléctrica
e(t) y la retransmite.
Acondicionador: recibe la señal 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 ) e(t ) v(t )


Transductor Acondicionador
p ( h)

Sensor = Captador + Transductor + Acondicionador

. Analógicos: todas las señales son analógicas

. Digitales: v(t) digital.

Sistemas de control: medición de variables que intervienen en el proceso.


El sensor ha de ser de gran calidad. Estática – Dinámica.
118
2.1. Tipos de sensores
Analógicos: parámetro sensible – magnitud fı́sica

. Resistencia R – desplazamiento, temperatura, fuerza (galgas)


. Capacidad C – desplazamiento, presencia
. Autoinducción, reluctancia L – desplazamiento (núcleo móvil)
. Efecto Seebeck – temperatura (termopar)
. Piezoelectricidad – fuerza, presión
. Dispositivos electrónicos – temperatura, presión
. Avanzados: ionización, ultrasonidos, láser, cámaras CCD, etc.

Digitales: binarios o n bits

. Fin de carrera – presencia (interruptor)


. Dilatación – temperatura (termostato)
. Resistencia, capacidad, autoinducción – presencia
. Efecto fotoeléctrico – presencia (1 bit), posición (n bits), velocidad
119
2.2. Clasificación
Aspecto – tipos

. Señal de salida – analógicos, digitales

. Energı́a – pasivos, activos

. Funcionamiento – deflexión, comparación

Caracterı́sticas
Aspecto – caracterı́sticas

. Diseño – eléctrico, diseño mecánico, actuación

. Escalas – rango, resolución

. Estática – precisión, linealidad, histéresis, repetitividad, derivas

. Dinámica – orden cero, orden uno, orden dos

. Fiabilidad

120
2.3. Calibración
Ensayo: entrada h = magnitud de valor conocido – salida medida v
Tabla de calibración: varios puntos h1 → v1 , . . . , hn → vn , dentro del rango
Curva de Calibración: representación gráfica (h, v)
Necesario: aparato de medida de mayor precisión que el sensor
Linealización: curva de calibración → lı́nea recta

. Por punto final: v = m h, en donde m = vn /hn

. Por lı́nea independiente: v = m h + b

. Por mı́nimos cuadrados: v = m h + b, en donde


n
X n
X n
X n
X n
X
n hi vi − hi vi vi hi
i=1 i=1 i=1 i=1
m= !2 , b= − m i=1
Xn Xn n n
n h2i − hi
i=1 i=1

121
2.4. Tipos de transductores
Temperatura
. Termistor – parámetro sensible: R (ptc, ntc)
. Termopar – ∆T → ∆v – rápido (ms) – señal débil – T alta
. Circuitos integrados – LM335 (10 mV/0 K), AD592 (1µ A/0 K).

Posición
. Resistivos – potenciómetro (R) – lineal y angular
. Inductivos – LVDT
. Encoder – digital – lineal y angular
. Ultrasonidos
. Láser

Velocidad
. Dı́namo tacométrica
. Encoder

Aceleración, fuerza, presión, luz, color, etc.


122
2.5. El potenciómetro como sensor de posición

V+
i(t)
? ρ
Rx = x(t)
A
vx (t)
V+
R i(t) =
Rx R
x(t) ρ V+
vx (t) = Rx i(t) = x(t) = Kpot x(t)
A R
0

. Ventajas: precio económico

. 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 energı́a: eléctrica → eléctrica – eléctrica → mecánica – etc.

3.1. Tipos de actuadores


Actuadores hidráulicos – potencia alta

. Principio de Pascal – aceite especial – 200 bar – 0.25 l/s


. Cargas mayores de 6 o 7 Kg
. Control: servoválvulas (con motor) – controlan el flujo de fluido

Actuadores neumáticos – potencia baja – control neumático

. Cilindros - motores - movimientos rápidos - poca precisión


. fluido: aire – aire comprimido – 5 a 10 bar

Actuadores eléctricos

. Motores eléctricos: C.C., C.A, lineales, paso a paso, brushless, etc.


124
3.2. Otros actuadores
. Relés – automatismos eléctricos

. Contactores

. Arrancadores y Drivers para motores

. Amplificadores electrónicos de potencia

3.3. Accesorios mecánicos


. Máquinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodi-
llos, poleas, agitadores, vibradores, etc.

. Poleas, cremalleras, piñones: translación → rotación

. Reductores de velocidad

. Máquinas complejas

125
3.4. El motor de c.c.
N
φ
?

θ(t) i (t)
?a

+
va (t)

φ
?
S

126
3.5. Ecuaciones diferenciales
Ra ia (t) if (t) Rf
- 
φ(t) +

+
La Lf vf (t)
va (t)

− ea (t)

dif
inductor: vf (t) = Rf if (t) + Lf
dt dia
inducido: va (t) − ea (t) = Ra ia (t) + La
dt
flujo magnético: φ(t) = kf if (t)
par motor: Pm (t) = kt φ(t) ia (t)
dθ dω
variables de rotación: ω(t) = α(t) =
dt dt
f.c.e.m.: ea (t) = ke φ(t) ω(t)

carga mecánica: Pm (t) − Pl (s) = Jm + Bm ω(t)
dt

127
3.6. Modelo externo
Transformada de Laplace con condiciones iniciales nulas:
dif L
vf (t) = Rf if (t) + Lf dt =⇒ Vf (s) = (Rf + s Lf )If (s)
L
va (t) − ea (t) = Ra ia (t) + La didta =⇒ Va (s) − Ea (s) = (Ra + s La )Ia (s)
L
φ(t) = kf if (t) =⇒ φ(s) = kf If (s)
L
Pm (t) = kt φ(t) ia (t) =⇒ Pm (s) = kt φ(s) Ia (s)
dθ dω L
ω(t) = dt α(t) = dt =⇒ ω(s) = sθ(s) α(s) = sω(s)
L
ea (t) = ke φ(t) ω(t) =⇒ Ea (s) = ke φ(s) ω(s)
L
Pm (t) − Pl (t) = Jm dω
dt + Bm ω(t) =⇒ Pm − Pl = s Jm + Bm ω(s)

Motor de c.c. controlado por inducido: φ = cte. Kt = kt φ , Ke = ke φ


Pl (s)
Va (s)- m - 1 Ia (s)- Pm (s)
- +m -
? 1 r ω(s)
+ Kt -
sLa + Ra sJm + Bm
− 6
Ea (s)

Ke 

128
3.7. Función de transferencia del motor
Y (s) = G(s) U (s) G(s) ∈ R(s)1×2
 
Va (s)  
U (s) = G(s) = G11 G12 Y (s) = ω(s)
Pm (s)
Kt
G11 =  
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
G12 =  
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)
ω(s) = G11 G12 = G11 Va (s) + G12 Pm (s)
Pm (s)

129
3.8. Reductor de velocidad
Pl
Pm

1 2 3 4
2 L
1 : Pm (t) − P21 (t) = J1 ddtθ21 + B1 dθ
dt =⇒ Pm (s) − P21 (s) = s (J1 s + B1 ) θ1 (s)
1

2 L
2 : P12 (t) − P32 (t) = J2 ddtθ22 + B2 dθ
dt =⇒ P12 (s) − P32 (s) = s (J2 s + B2 ) θ2 (s)
2

2 L
3 : P23 (t) − P43 (t) = J3 ddtθ23 + B3 dθ
dt =⇒
3
P23 − P21 (s) = s (J3 s + B3 ) θ3 (s)
2 L
4 : P34 (t) − Pl (t) = J4 ddtθ24 + B4 dθ4
dt =⇒ P34 − Pl (s) = s (J4 s + B4 ) θ4 (s)
Pl

Pm (s)  P 
P12 P 
P23 P 
P34? θ4 (s)
- + 21- D2 - + 32- D3 - + 43- D4 -+ - 1 s- 1 -
 d1  d2  d3  sJ4 +B4 s

6 6− 6−
J1 s+B1 J2 s+B2 J3 s+B3

s s
6 6 6
D2  D3  D4 
d1 d2 d3
ω1 ω2 ω3 ω4

130
3.9. Función de transferencia del reductor
El diagrama de bloques puede reducirse a

Pl (s)
?
1
Kr

Pm (s)- m
? 1 ω1 (s)- ω4 (s)- 1 θ4 (s)-
+ - Kr
sJr + Br s

en donde

d1 2 d2 2 d3 2 d1 2 d2 2 d1 2
Jr = D2 2 D4 2 D3 2
J4 + D3 2 D2 2
J3 + D2 2
J2 + J1
d1 2 d2 2 d3 2 d1 2 d2 2 d1 2
Br = D2 2 D4 2 D3 2
B4 + D3 2 D2 2
B3 + D2 2
B2 + B1
d1 d2 d3
Kr = D2 D3 D4 .

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

131
3.10. Reductor con poleas elásticas
Pm (s)  ω1 (s) θ1 (s)
-+ - 1 1 s
1 : f12 (s) = K12 (r1 θ1 (s) − R2 θ2 (s))
- -
 J1 s+B1 s

P21 (s) 6 ? P21 (s) = r1 f12 (s) P12 (s) = R1 f12 (s)
r1 r1
Pm (s) − P21 (s) = s (J1 s + B1 )
x1 (s)

6
2 : f23 (s) = K23 (r2 θ2 (s) − R3 θ3 (s))
f12 (s) s
?
K12  +
 P32 (s) = r2 f23 (s) P23 (s) = R3 f23 (s)
x2 (s) 6

?
P12 (s) − P32 (s) = s (J2 s + B2 )
R2 R2

P12 (s) 3 : f34 (s) = K34 (r1 θ3 (s) − R2 θ4 (s))



6
?
1 ω2 (s) 1 θ (s)
s 2 - P43 (s) = r3 f34 (s) P34 (s) = R4 f34 (s)
+ - J2 s+B -
 2 s

P32 (s) 6 ? 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. Aplicación práctica: sistema de control de posición

Vxr Motor de c.c.


+
− C A
S

Poleas
Carrito
x(t)

Entrada = Vx –control –referencia –consigna


Salida = x(t)

C Controlador = PID analógico

A Actuador = Amplificador de potencia

P Planta = Motor c.c. + Poleas + Carrito

S Sensor = Potenciómetro
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. Precisión

Las especificaciones de funcionamiento suelen expresarse por números que se definen


a partir de

. la respuesta en el tiempo

. la respuesta en frecuencia

Problema de diseño: dado una planta o proceso a controlar y fijadas unas especifica-
ciones de funcionamiento, obtener el modelo matemático de un controlador tal que el
sistema de control resultante cumpla tales especificaciones.

134
4.1. Especificaciones en tiempo
. Respuesta temporal: gráfica de la señal de salida.

. Entradas de prueba: impulso de Dirac, escalón unitario, función rampa, función


parábola, etc.

. Respuesta para entrada escalón ⇒ revela especificaciones.

Mp : estabilidad

tp : rapidez

error : precisión

135
• Valores para el sistema de 2o orden
1 p −ξ
y(t) = 1 + p e−ξωn t sin(ωn 1 − ξ 2 t − φ), φ = arctan p
1− ξ2 1 − ξ2
!
−ξ 2 ωn p p
y 0 (t) = e−ξωn t p + ωn 1 − ξ 2 sin(ωn 1 − ξ 2 t) = 0
1 − ξ2
p kπ
⇒ sin(ωn 1 − ξ 2 t) = 0 ⇒ t= p , k = 0, 1, 2, . . .
ωn 1 − ξ 2
Para k = 1 (primer máximo),
π 1 p
tP = p ; y(tP ) = 1 + p e−ξωn tp (− 1 − ξ 2 cos π + ξ sin π)
ωn 1 − ξ 2 1 − ξ2

1−ξ 2
y(tp ) = 1 + MP ⇒ Mp = e−ξπ/
• Otros valores
p
arctan(− 1 − ξ 2 /ξ) 4 1
tr = p , ts ' , = constante de tiempo
ωn 1 − ξ 2 ξωn ξωn

136
4.2. Especificaciones en frecuencia
Respuesta de G(s) con u(t) = A sin(ωt):

yss (t) = M sin(ωt + φ), M = |G(jω)|, φ = arg G(jω)

• Frecuencias de corte: ωA , ωB ; -3 dB

• Anchura de banda BW = ωB − ωA
⇒ rapidez

• Ganancia en BW: constante


⇒ precisión

• Márgenes de ganancia y fase


⇒ estabilidad

No hay una relación explı́cita entre las especificaciones en tiempo y en frecuencia.

137
5. Estabilidad, controlabilidad y observabilidad, sistemas lineales
∈ R(n+q)×(n+p) ⇒ G(s) ∈ R(s)p×q
A B

Sistema lineal S: modelo de estado C D

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

y(t) = k1 es1 t + k2 es2 t + . . . + kn esn t

Si algún si ∈ C+ ⇒ y(t) → ∞ – sistema inestable.

. Controlabilidad: Q = [B AB A2 B . . . An−1 B] ∈ Rn×nq

. Observabilidad: R = [C CA CA2 . . . CAn−1 ]T ∈ Rnp×n

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
state feedback
S inestable −−−− −→ S estable

138
Capı́tulo 6. Diseño de Sistemas de Control continuos

1. Introducción
Aplicación en numerosos campos en tecnologı́a y ciencia.

. pilotos automáticos en barcos o aviones

. control teledirigido de naves espaciales

. controles de posición y velocidad – máquinas herramientas

. control de procesos industriales – robots

. controles en automóviles – suspensión activa

. controles en electrodomésticos

Desarrollo: Bajo coste y miniaturización de electrónica.


Objeto del diseño: controlador.
Control: sistemas SISO y MIMO.
Realización: componentes electrónicos analógicos – computador digital.
139
2. Tipos de controladores
Diseño: determinar Gc (s) para conseguir un adecuado funcionamiento.

D(s)

R(s) ε Y(s)
Gc Gp

Controlador Gc (s):

P Proporcional : Gc (s) = Kp
1
I Integrador : Gc (s) = sTi

D Derivativo : Gc (s) = sTd


1
PID Gc (s) = Kp (1 + sTi + sTd )

140
• Realización de los controladores
Vi R
Vo

V0 R1 + R2 R1 + R2
P R2 = = Kp =
Vi R1 R1
R1

C1

R1
Vi
Vo V0 1
I =− ; Ti = sR1 C1
Vi sR1 C1
R

R1

C1
Vi
Vo
V0
D = −sR1 C1 ; Td = sR1 C1
Vi
R

141
• Controlador PID

1
 
V0 1
Gc = Vi = Kp 1 + sTi + sTd
Vi 1 Vo R5
sT i
Kp Kp = R4 , Ti = R2 C2 , Td = R3 C3

sT d

R1

R1
R4

C2
R5
R1
Vi
R4
Vo

R3

C3
R4

142
• Controladores de adelanto y de retraso de fase

V0 s − zc a) | zc |<| pc | adelanto de fase
Gc = = Kc
Vi s − pc a) | zc |>| pc | retraso de fase
C

R1
R1

Vi Vo
Vi R2 Vo
R2

a) b)

s−zc 1+αT s s−zc 1+T s


Gc = Kc s−pc
= α(1+T s) Gc = Kc s−pc
= 1+αT s
R1 +R2 CR1 R2 R1 +R2
α= R2 , T = R1 +R2 α= R2 , T = R2 C

143
• Controlador de adelanto-retraso con red pasiva

C1

R1

R2
Vi Vo

C2

V0 (1 + αT1 s)(1 + βT2 s)


Gc = =
Vi (1 + T1 s)(1 + T2 s)
donde α > 1, β = 1/α, αT1 = 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

V0 s − zc C1 (s + 1/R1 C1 )
Gc = = Kc =−
Vi s − pc C2 (s + 1/R2 C2 )

. Eliminando R2 ⇒ controlador PI

. Eliminando C2 ⇒ controlador PD

145
3. Diseño en el lugar de las raı́ces
1
G(s) =
s2

Sistema marginalmente estable para cualquier K.

146
• Efecto de añadir un cero
s + 2.5
Cero en z1 = (−2.5, 0); G(s) =
s2

Es como si z1 “tirase” del L.R. hacia sı́, estabilizando el sistema.

147
• Efecto de añadir un polo
1
Polo en p1 = (−2, 0); G(s) =
s2 (s+ 2)

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

148
3.1. Diseño de un controlador de adelanto de fase
El controlador es
s − zc
Gc (s) = Kc , |zc | < |pc | (6.2)
s − pc

Diseño: 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


1
G(s) = , H(s) = 1, (6.3)
s2
diseñar un controlador de adelanto de fase para conseguir las siguientes especificacio-
nes de funcionamiento:

Mp < 0.2, Ts < 4 s para  = 2%

siendo ± la banda de tolerancia de error.

149
Resolución.
Para el sistema de 2o orden sabemos que
√ − ln(Mp )
1−ξ 2
Mp = e−ξπ/ ⇒ ξ=p = 0.456.
ln(Mp )2 + π 2

Para t = 4τ tenemos que e−t/τ = e−4 = 0.0183 < 0.02. Por tanto, si ts = 4τ tenemos
que para t > ts se cumple que y(t) < 0.02.
4
ts = 4τ =
ξωn
Sustituyendo,
4
4= ⇒ ωn = 2.22.
0.456 ωn
Por tanto, el punto s0 ∈ C correspondiente a las especificaciones dadas es:
p
s0 = −ξωn ± iωn 1 − ξ 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

Raíz deseada
2

116.56º
θp 90º

re
-5 -4 -3 -2 -1

Por la condición de ángulo,


90o − 2(116.56o ) − θp = −180o ⇒ θp = 38o ,

se deduce que el polo ha de ser pc = −3.6. Aplicando ahora la condición de módulo


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

151
El lugar de las raı́ces del sistema con controlador es

s+1
El controlador diseñado es Gc (s) = 8.1 .
s + 3.6

152
3.2. Diseño de un controlador PID
Ejemplo. Se trata diseñar 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.


Resolución.
Como en el ejemplo anterior, el lugar de las raı́ces ha de pasar por el punto s0 =
(−1 ± 2j). La función de transferencia del PID es

Td Ti s2 + Ti s + 1
 
1
Gc = Kp 1 + + sTd = Kp
sTi Ti s
1 1
s2 + Td s + Td Ti (s − z1 )(s − z2 )
= Td Kp = Kc ,
s s
con Kc = Td Kp .

153
im

Raíz deseada
2

θz2 116.56º
90º

re
-5 -4 -3 -2 -1

Método simple:
(a) suponemos que los ceros z1 y z2 son reales,
(b) ponemos el cero z1 bajo la raı́z s0 deseada,
(c) aplicando la condición de ángulo, determinamos el otro cero,
(d) aplicando la condición de módulo, hallamos Kp .

154
(a) z1 y z2 en el eje real.
(b) z1 = −1
(c) Condición de ángulo:

90o + θz2 − 3(116.56o ) = −180o , θz2 = 3(116.56) − 180o − 90o = 79.6952o

⇒ z2 = −1.3636.
Con z1 y z2 ya podemos hallar Td , Ti y Kp :
1 1
s2 + Td s + Td Ti (s − z1 )(s − z2 ) s2 + 2.3636s + 1.3636
Kc = Kc ≡ Kc ,
s s s
siendo Kc = Td Kp , de donde resulta

1 2.3636
Td = = 0.4231 s, Ti = = 1.7333 s
2.3636 1.3636
(d) Por último, aplicando la condición de módulo, hallamos Kp .

( 12 + 22 )3 Kc
p = 2.750 = Kc ⇒ Kp = = 6.5
2
2 (1.3636 − 1) + 2 2 Td

155
156
Control del balanceo de una barra
Diseño de un sistema de control para mantener una barra en posición vertical.

y
• Barra de longitud l y masa m

• Movimiento en el plano xy

• Fuerza f (t) horizontal

• Desplazamiento x(t) de la base


θ
• Giro θ(t) de la barra

¿Es posible el control —sin feedback— de la


barra?
x
f

157
d2 θ
Modelo matemático. 2a ley de Newton :
P
P =J 2
dt
Z l Z l 3
l 1 1
J := x2 dm = x2 ρAdx = ρA = ρAl l2 = m l2
0 0 3 3 3
l l 2
d θ
f (t) cos θ(t) + mg sin θ(t) = J 2
2 2 dt
Linealización: cos θ ' 1, sin θ ' θ ⇓
f (t) 1 2 d2 θ l l
θ(t) ml 2
− mg θ(t) = f (t) ⇓L
3 dt 2 2
d2 θ 3g 3
dt2
− 2l θ(t) = 2ml f (t)
mg
3g 3
(s2 − 2l )θ(s) = 2ml F (s)
3
2ml
O Modelo externo: θ(s) = 3g F (s)
s2 − 2l
Datos: g = 9.8, m = 1, l = 1 ⇒ polos : p1 = 3.834058, p2 = −3.834058.

158
Lugar de las raı́ces.
Root Locus
5

1
Imaginary Axis

−1

−2

−3

−4

−5
−8 −6 −4 −2 0 2 4 6 8
Real Axis

Sistema inestable o marginalmente estable con controlador P

159
Diseño de un controlador.
Especificaciones:
1 1
tp = , Mp =
4 3
Sistema de segundo orden:
√ − ln(Mp )
1−ξ 2
Mp = e−ξπ/ ⇒ ξ=p = 0.403712
ln(Mp )2 + π 2
π π
tp = p ⇒ ωn = p = 10.301589
ωn 1 − ξ 2 tp 1 − ξ2
Polo del sistema:
p
s0 = −ξωn ± i ωn 1 − ξ 2 = −4.158883 ± 9.424777i

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

160
Cálculo de los parámetros de Gc (s).
s0

φp1
φpc φp2 φzc
pc zc p 2 p1
Condición de ángulo:
φzc − φp1 − φp2 − φpc = (2k + 1)π ⇒ φpc = 0.840410 rad =48.151970o

Condición de módulo: ⇒ pc = −4 − 8.440951 = −12.440951


|s0 − p1 ||s0 − p2 ||s0 − pc |
K= = 156.425395
|s0 − zc |

161
Parte III. Automatización local

162
Capı́tulo 7. Autómatas programables

1. Descripción de un PLC
Externamente un PLC se compone de una o varias cajas de plástico acopladas
mecánica y eléctricamente entre sı́. Una de ellas contiene la CPU (Central Process
Unit) y las otras son módulos complementarios para entradas, salidas, comunicacio-
nes, alimentación y otras funciones especiales.
. Datan de la década de los 80
– sustituir relés y temporizadores.

. Potentes PLC: operaciones potentes


CPU – tipo maestro.

. PLC’s de gama baja: actuadores – senso-


res – pocas I/O
– tipo esclavo.
Tanto la CPU como los módulos adicionales tienen bornas para los cables de conexión
del autómata con sensores y actuadores ası́ como con otros autómatas y ordenadores.

163
Arquitectura de un PLC

EPROM RAM CPU ROM EEPROM

Buses: direcciones − datos − control

relés − salidas opto − entradas

. Sistema basado en microprocesador.

. Entradas opto-acopladas y filtradas, salidas por relé.

. Alta inmunidad al ruido – gran fiabilidad.

164
Cableado directo I/O (obsoleto)
CPU

Drivers Drivers

Proceso 1 Proceso 2 Proceso 3

. Sensores y actuadores clásicos.

. Las entradas – salidas se cablean hasta el proceso.

. Posiblilidad de errores de transmisión.

. Gran cantidad de cables.

165
Cableado por bus de campo
0

CPU

1 2 3

CPU

Proceso 1 Proceso 2

. Sensores y actuadores “inteligentes”.

. Autómata esclavo en proceso.

. Reducido numero de cables.

. Posibilidad de usar elementos de radiofrecuencia.

166
2. Programacion de PLC’s
Lenta evolución de los lenguajes de control industrial.
Motivo: los programas se pueden usar en áreas en las que los fallos pueden originar
riesgos para la seguridad humana o producir enormes pérdidas económicas.
Antes de que una nueva técnica 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:
técnicos (electricistas, mecánicos, etc.), encargados de planta e ingenieros de proceso
→ lenguajes con caracterı́sticas especiales.
Es posible resolver el mismo problema con diferentes lenguajes. El grado de dificultad
puede variar.
Hay sistemas que convierten automáticamente de un lenguaje a otro.
Programación con ratón mediante interfaces gráficas bajo windows.

167
La norma IEC 1131
Intento de normalización del empleo de PLC’s en automatización.
Antes de la IEC 1131-3: lenguajes especı́ficos de cada PLC
→ confusión, mala coordinación y pérdidas 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 Información general: definición de términos, normas para la elección


de PLC’s y periféricos.

. IEC 1131-2 Hardware: requisitos mı́nimos de construcción y servicio.

. IEC 1131-3 Lenguajes de programación: elementos comunes, sintaxis, semántica.

. IEC 1131-4 Guı́a de usuario: para todo proyecto de automatización.

. IEC 1131-5 Comunicaciones: PLC – periféricos, PLC – PLC, PLC – PC.

168
La IEC 1131-3. Lenguajes de programacion
Norma para el diseño de software para sistemas de control industrial, en particular
para PLC’s (Programmable Logic Controller).
Fue publicada por primera vez en 1993. Hasta entonces no habı́a ningún estándar
para la programación 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)

Metodologı́a flexible de programación.


Permite combinar bloques realizados en diferentes lenguajes.

169
2.1. Ladder Diagram (LD)
. Lenguaje de contactos
. Diseñado para técnicos electricistas
. Cada contacto representa un bit: entrada, salida, memoria
. Diseño con Statecharts, SFC.
. Autómatas gama alta: programables en C o SFC
. Autómatas gama baja: conversión (manual) SFC → LD

M a B



b c

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)
0 e1
e0

r1
e0 r1
keep(11)
1 e2
e1

r2
e1 r2
keep(11)
2 e3
e2

... r3 ... ...


rn
en−1 rn
keep(11)
n en+1
en

rn+1
171
3. Célula flexible SMC
Transfer (cinta trasportadora) + 8 Estaciones.

Producto: montaje simple

172
Estación 1 Elementos

. Actuadores: 6 cilindros neumáticos


controlados por electroválvulas

. Sensores: detectores magnéticos

. 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 almacén (cilindro A)

. Verificar posición correcta (cilindro V)

. Trasladar base al manipulador (cilindro T)

. Rechazar base incorrecta (cilindro R)

. Insertar base en palet (cilindros MH y MV)


173
Grafcet estación 1

174
Simulación estación 1 en Matlab

175
L
v R
vA x
base vP A
1 vT L
v R
0 vE
x
vacio
pos vMV P
vMH
1 L
FM v R
ci
0 x
PD
vacio T
Chart
L
1 v R
x
0
E
c.i. 0 L
v R
Defecto x
MV
0
L
Falta material v R
x
1 MH

0
rearme

Scope

176
estacion1s/Chart
S0/

[ci==1] [ci==0]

S1/entry: S30/entry:
vA=1; % avance AP PD = 1;

a1 rearme
S2/entry: vA=0;
vP=1; % bajar VP S31/
% poner c.i.
p1
S2w/entry: vP=0; [ci==1]
t0=t;
S32/entry:
[t>t0+5] PD = 0;
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; S9/entry: vMV=1;


% expulsar % bajar MV
e1
mv1
e0 S8/entry: vE=−1;
% expulsor atras S10/entry:
exit: vE=0; vMV=0;

[vacio==0]
[vacio==1]

S11/entry: S20/entry:
vMV=−1; % subir MV FM = 1;

mv0
rearme
S12/entry: vMV=0;
vMH=1; % avance MH
S21/entry: FM=0; mv0
vMV=−1; % subir MV
mh1 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 03−May−2005 18:20:38
3.1. Autómata programable Omron CPM2A-30CDR-A
Lenguaje: LD + instrucciones –16 bits–
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
18 entradas Link: LR 0000-LR 1515
Timers: TIM/CNT 000 to TIM/CNT 255
Memoria datos: DM 0000-DM 6655 (RW)
Programa
Interrupciones externas: 4
Memoria
Salida de pulsos: 2 puntos 10 KHz
Entradas respuesta rápida: 4 (50µ s)
Controles analógicos: 2 (0-200)
Perif. 12 salidas RS-232 2 Puertos comunicaciones: perif., RS232

????????????
178
3.2. Ejemplos
Programa 1: al pulsar M se encenderá la luz FM.
M FM


0.00 11.01

179
Programa 2: al pulsar M se encenderá la luz FM y se mantendrá encendida; al pulsar
P se apagará.
M

0.00 keep(11)
P e

0.01
e FM


hr00 11.01

180
Diseño con StateCharts

chart_1cil_doble_4e/Chart

va va
si A/
sd va=1; %avance
vr=0;
vr vr x
M sd
Chart cilindro A

1
I/ D/
0 va=0; va=0;
vr=0; vr=0;
M

Scope

si M
R/
va=0; %retro.
vr=1;
x(t) 0
1 1 1
s 1
va si
0 Printed 09−May−2005 12:07:20

1
2
0 sd
1

2 3
vr x

181
Implementación con LD
ON

0.00
R si

20.03 0.04 keep(11)


A I

20.01
I M

20.00 0.01 keep(11)


D A

20.02
A sd

20.01 0.05 keep(11)


R D

20.03
D M

20.02 0.01 keep(11)


I R

20.00
A va
g
20.01 10.01
R vr
g
20.03 10.02

182
Capı́tulo 8. Sensores

Partes de un sensor
Captador: dispositivo con un parámetro p sensible a una magnitud fı́sica h – emite
energı́a w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte.
Transductor: recibe la energı́a w del captador, la transforma en energı́a eléctrica
e(t) y la retransmite.
Acondicionador: recibe la señal 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 ) e(t ) v(t )


Transductor Acondicionador
p ( h)

Sensor = Captador + Transductor + Acondicionador

. Analógicos: todas las señales son analógicas


. Digitales: v(t) digital.

Sistemas de control: medición de variables que intervienen en el proceso.


El sensor ha de ser de gran calidad. Estática – Dinámica.
183
1. Tipos de sensores
Analógicos: parámetro sensible – magnitud fı́sica

. Resistencia R – desplazamiento, temperatura, fuerza (galgas)


. Capacidad C – desplazamiento, presencia
. Autoinducción, reluctancia L – desplazamiento (núcleo móvil)
. Efecto Seebeck – temperatura (termopar)
. Piezoelectricidad – fuerza, presión
. Dispositivos electrónicos – temperatura, presión
. Avanzados: ionización, ultrasonidos, láser, cámaras CCD, etc.

Digitales: binarios o n bits

. Fin de carrera – presencia (interruptor)


. Dilatación – temperatura (termostato)
. Resistencia, capacidad, autoinducción – presencia
. Efecto fotoeléctrico – presencia (1 bit), posición (n bits), velocidad
184
1.1. Clasificación
Aspecto – tipos

. Señal de salida – analógicos, digitales

. Energı́a – pasivos, activos

. Funcionamiento – deflexión, comparación

1.2. Caracterı́sticas
Aspecto – caracterı́sticas

. Diseño – eléctrico, diseño mecánico, actuación

. Escalas – rango, resolución

. Estática – precisión, linealidad, histéresis, repetitividad, derivas

. Dinámica – orden cero, orden uno, orden dos

. Fiabilidad

185
2. Calibración
Ensayo: entrada h = magnitud de valor conocido – salida medida v
Tabla de calibración: varios puntos h1 → v1 , . . . , hn → vn , dentro del rango
Curva de Calibración: representación gráfica (h, v)
Necesario: aparato de medida de mayor precisión que el sensor
Linealización: curva de calibración → lı́nea recta

. Por punto final: v = m h, en donde m = vn /hn

. Por lı́nea independiente: v = m h + b

. Por mı́nimos cuadrados: v = m h + b, en donde


n
X n
X n
X n
X n
X
n hi vi − hi vi vi hi
i=1 i=1 i=1 i=1
m= !2 , b= − m i=1
Xn Xn n n
n h2i − hi
i=1 i=1

186
3. Tipos de transductores
Temperatura
. Termistor – parámetro sensible: R (ptc, ntc)
β(( T1 )−( T1 ))
RT = R0 e 0 , β = cte., T0 = 250 C – formas variadas
. Termopar – ∆T → ∆v – rápido (ms) – señal débil – T alta
. Circuitos integrados – LM335 (10 mV/0 K), AD592 (1µ A/0 K).
Posición
. Resistivos – potenciómetro (R) – lineal y angular
. Inductivos – LVDT
. Encoder – digital – lineal y angular
. Ultrasonidos
. Láser
Velocidad
. Dı́namo tacométrica
. Encoder
187
Capı́tulo 9. Actuadores

1. Tipos de actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia.
Transforma energı́a: eléctrica → mecánica – estabilidad, rapidez, precisión.
Actuadores hidráulicos – potencia alta

. Principio de Pascal – aceite especial – 200 bar – 0.25 l/s


. Cargas mayores de 6 o 7 Kg
. Control: servoválvulas (con motor) – controlan el flujo de fluido

Actuadores neumáticos – potencia baja – control neumático

. Cilindros - motores - movimientos rápidos - poca precisión


. fluido: aire – aire comprimido – 5 a 10 bar

Actuadores eléctricos

. Motores eléctricos: C.C., C.A, lineales, paso a paso


188
1.1. Otros actuadores
. Relés – automatismos eléctricos

. Contactores

. Arrancadores y Drivers para motores

. Amplificadores electrónicos de potencia

1.2. Accesorios mecánicos


. Máquinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodi-
llos, poleas, agitadores, vibradores, etc.

. Poleas, cremalleras, piñones: translación → rotación

. Reductores de velocidad

. Máquinas complejas

189
2. Neumática
Tecnologı́a básica de la automatización – fabricación y montaje Utilización de la
energı́a potencial del aire comprimido. DIN 24300
Sencillez de diseño – rapidez de montaje – flexibilidad – fiabilidad
Componentes: Cilindros (actuadores) y válvulas (control flujos)
Cilindro: energı́a aire comprimido → energı́a mecánica
Tubo de acero – émbolo – vástago – una o dos tomas de aire

P P P Cilindro
de simple efecto Cilindro de doble efecto
Tipos: con amortiguador, en tándem, multiposicionales, rotativos y mesas,
de impacto, sin vástago.

190
2.1. Válvulas
Sirven para controlar el paso de fluido – notación: no vı́as / no de posiciones
Distribuidoras: pieza fija + pieza móvil. Muchas formas y dimensiones
Accionamiento:

. Manual, con pulsador, seta, palanca o pedal.

. Mecánico, con leva, rodillo o varilla.

. Neumático, con orificios especiales para señales neumáticas.

. Eléctrico, con electroimán.

. Electroneumático.
      A             A    
             










          





         
R P R P
Válvula 3/2 de corredera y con accionamiento mecánico
191
Válvulas de dos vı́as
Válvula 2/2: dos orificios o vı́as de aire (entrada y salida), y dos posiciones de trabajo.
Dos tipos: NC y NA. Reposo: cuadrado dcha.
A A

P P

Con accionamientos:
A A

P P

192
Válvulas de tres vı́as
Tres vı́as y dos o tres posiciones de trabajo. Válvulas 3/2: 3 vı́as y 2 posiciones y
pueden ser de tipo NC o NA.
A A

P R P R

Válvulas 3/3: 3 vı́as de aire y 3 posiciones.


A

P R
abrir ← (centro: las tres vı́as cerradas) → cerrar

193
Válvulas de cuatro y cinco vı́as
4 vı́as y 2 o 3 posiciones trabajo; 5 vı́as y 2, 3 o 4 posiciones de trabajo
A B A B

X X Y

P R P R
Válvulas 4/2 y 4/3
A B A B

X Y X Y

RS P RP S
A B

X Y

RP S
Válvulas 5/2, 5/3 y 5/4

194
Válvula 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

X Y

Figura 9.2: válvula de lanzadera

pA = baja; Si pX = pY = alta entonces pA = alta.


Realiza neumáticamente la función lógica OR.

Válvulas 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 .
A

X Y

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


Si pX = pY , la corredera queda en el centro y entonces pX = pA = pY .
Realiza neumáticamente la función lógica AND.

Aplicación sencilla
Control de un cilindro de doble efecto desde dos posiciones X e Y mediante una
válvula selectora de tipo OR.

196
X Y

197
3. Automatismos eléctricos

3.1. El relé
. Interruptor accionado por electroimán

. Dispositivo fundamental en automatismos eléctricos

. Contactores

. Diagrama de contactos

1
NC

NA A1 12 14
A1

A2 11
A2
Esquema según norma CEI

198
3.2. Funciones lógicas con relés
+ −
a K

+ − + − −
a s a s
K

Identidad Negación Negación con relé

+ − + −
a b K a b K

+ −
a b s K s K s

Función AND Función AND Función NAND

199
Parte IV. Automatización global

200
Capı́tulo 10. Niveles de Automatización

Esquema simple de una empresa

Almacén de Producción Almacén de


materias primas productos terminados
Nivel productivo de automatiza-
ción
Gestión
. Redes de comunicación

. Controladores
Compras Finanzas Ventas

. Actuadores

. Sensores
MERCADO
. Procesos
Fases de automatización:
Producción → Diseño → Gestión → Automatización total

201
Automatización producción – Software
. CAD Computer Aided Design – máquinas herramientas

. CAPP Computer Aided Process Planning – planificación sistemas

. PPS Planning Production System – optimización producción

. MRP Material Requirement Planning – almacén materias primas

. CAM Computer Aided Manufacturing – equipos productivos

. CNC Computer numeric control

. NC Numeric control

. SFC Shop Floor Control – almacén → planta → pedidos

. QC Quality Circle – mejora calidad – reducción costes

. CAPC Computer Aided Production control – control producción

. CAPM Computer Aided Production management – gestión producción

. TMS Transportation Management System – gestión i/o productos

202
Pirámide de Automatización
A
 A
 G A MF, WS, PC, Gestión
 A
 A
 A
 Factorı́a A MF, WS, PC, CAD/CAM, CAPP, etc.
 A
 A
 A
 A
 Producción – Planta A WS, PCC, PC
 A
 A
 A
 Proceso – Campo A PLC, CNC, NC
 A
 A
 A
 A
 Célula – Planta Baja A Sensor, Actuador, PID
 A
 A

203
SCADA
Supervisory Control and Data Acquisition (de Control Supervisor y Adquisición de
Datos). Software de captura de información de un proceso o planta. –análisis o
estudios –retroalimentación y control del proceso.

. Generación, transmisión y distribución energı́a eléctrica


. Sistemas del control del medio ambiente
. Procesos de fabricación
. Gestión de señales de tráfico
. Gestión de abastecimiento de aguas
. Sistemas de tránsito masivo
. Supervisión y control de estaciones remotas

Caracterı́sticas 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 con-
solas especiales conectadas con ellas en red.

. El interfaz hombre-maquina de SCADA permite generalmente que los opera-


dores puedan ver el estado de cualquier parte del equipo de la planta.

. La interacción del operador con el sistema se realiza mayormente a través de un


sistema de alarmas. Las alarmas son condiciones anormales automáticamente
detectadas en el equipo de la planta que requieren la atención del operador, y
posiblemente su intervención actuando adecuadamente sobre el proceso quizás
guardando información importante y volviendo a ponerlo a funcionar suave-
mente.

. Las computadoras principales de SCADA funcionan tı́picamente bajo un siste-


ma operativo estándar. Casi todos los programas SCADA funcionan en alguna
variante de UNIX, pero muchos vendedores están comenzando a suministrar
Microsoft Windows como sistema operativo.

. Los sistemas de SCADA disponen generalmente de una base de datos distribui-


da 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 lógicas y matemáticas aplicadas a otros puntos duros y suaves.

. El interfaz hombre-máquina de un sistema SCADA suministra un programa


de dibujo para poder representar estos puntos. Las representaciones pueden
ser tan simples como un semáforo en pantalla que represente el estado de un
semáforo real en el campo, o tan complejas como una imagen de realidad virtual
que representa la evolución real de la planta.

. En la pasada década la demanda de aplicaciones civiles de sistemas de SCADA


ha ido creciendo, requiriendo realizar cada vez más operaciones automáticamente.

. 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 múltiples RTUs o PLCs inteligentes, capaces de ejecutar procesos
simples en modo autónomo sin la participación 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 diseño y puesta a punto de
programas. Ello permite que algunos programas comunes (intercambio de da-
tos, calidad, gestión de alarmas, seguridad, etc.) puedan ser realizados por los
programadores de estación principal y luego cargados desde ella en todos los
autómatas. De este modo los requisitos de seguridad ahora se aplican al siste-
206
ma en su totalidad, e incluso el software de la estación principal debe resolver
los estándares de seguridad rigurosos para algunos mercados.

. Además, el software de la estación principal realiza análisis de datos, análisis


históricos y análisis asociados a requisitos particulares de la industria para
presentarlos a los operadores de la gestión de la empresa.

. En algunas instalaciones los costes que resultarı́an 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 sopor-


tar variaciones de temperatura, vibraciones, fluctuaciones de voltaje y otras
condiciones extremas empleando a veces para ello hardware y canales de comu-
nicación redundantes.

. Si un fallo se identifica rápidamente, el control puede ser automáticamente


asumido por el hardware de reserva y ası́ la parte averiada puede sustituirse sin
parar el proceso.

. La fiabilidad de tales sistemas se puede calcular estadı́sticamente. El tiempo


calculado de fallo de algunos sistemas de alta calidad puede ser incluso de siglos.

207
. Algunos sistemas SCADA utilizan la comunicación por radio o por teléfono. Es-
to abre nuevas posibilidades, impensables hace pocos años, a la automatización
industrial.

. Indicadores sin retroalimentación inherente:


– Estado actual del proceso: valores instantáneos
– Desviación o deriva del proceso: Evolución histórica y acumulada
. Indicadores con retroalimentación inherente (afectan al proceso, después al ope-
rador):
– Generación de alarmas;
– MHI (Interfaces hombre-máquina);
– Toma de decisiones: + Mediante operatoria humana; + Automática (me-
diante la utilización de sistemas basados en el conocimiento o sistemas
expertos).
– etc.

Aplicación diferentes áreas industriales:

. Gestión de la producción (facilita la programación de la fabricación);


. Mantenimiento (proporciona magnitudes de interés tales para evaluar y deter-
minar modos de fallo, MTBF, ı́ndices de Fiabilidad, entre otros);
208
. Control de Calidad (proporciona de manera automatizada los datos necesarios
para calcular ı́ndices de estabilidad de la producción CP y CPk, tolerancias,
ı́ndice de piezas NOK/OK, etc;

. Administración (actualmente pueden enlazarse estos datos del SCADA con un


servidor SAP e integrarse como un módulo más);

. Tratamiento histórico de información (mediante su incorporación en bases de


datos).

Etapas de un sistema SCADA:


Las etapas de un sistema de adquisición 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 elaboración de la cerveza. La malta y el grano se


pesan y se muelen según la receta elegida.
210
Elaboración de la cerveza

Una vez molido el grano y obtenido el mosto, se bombea en grandes tinas y comienza
el proceso. Aquı́ 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 información de alarmas.
212
Empaquetado

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


en cada caja. Las cajas se sellan y se cargan sobre las plataformas.
213
1. Fabricación inteligente

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

214
El Desafı́o: Convertir datos en conocimiento
Históricamente la fabricación se ha identificado con la maquinaria ruidosa instalada
en la planta baja, válvulas del vapor silbando y chimeneas humeando.
Hoy, la fabricación se ha convertido en uno de los sectores de información más in-
tensivos del mundo. Junto con los productos que salen lı́neas de empaquetado o se
vierten a través de tuberı́as, 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 producción, 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 fabricación actuales
en conocimiento, las compañı́as deben poder capturarlo de un amplio número de
fuentes, juntarlo en un formato común, y ponerlo a disposición del software que
puede interpretarlo, dándole el significado y el valor.
Por ejemplo, en una lı́nea de empaquetado con tres lı́neas de llenado de botellas que
genera datos sobre el estado de cada lı́nea, cuando esos datos se analizan al cabo de
cierto tiempo se puede determinar el grado de paradas no programadas ocurridas en
una determinada máquina. 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 más que elaborar datos
representativos e implementar aplicaciones para interpretarlos. La pieza de este rom-
pecabezas que ha faltado a muchos fabricantes hasta la fecha es un simple depósito
central para los masivos volúmenes de datos históricos que emanan de los sistemas
de operaciones a través 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
años, pero se han considerado demasiado costosos y complejos para casi todas las
instalaciones de fabricación corrientes, excepto para las más grandes, tales como cier-
tas operaciones de proceso continuo como las industrias quı́micas y las refinerı́as de
petróleo.

216
Parte V. APENDICES

217
Capı́tulo A. Ecuaciones diferenciales

1. Ecuaciones diferenciales de primer orden


La ecuación diferencial
dx
= ax(t), a = constante (A.4)
dt
es una de las más simples. Dice: ∀t la ecuación x0 (t) = ax(t) es cierta.
Soluciones: son las funciones u(t) que verifican la ecuación diferencial (A.4). En este
caso es fácil hallarlas:

. f (t) = k eat es una solución de (A.4) ya que f 0 (t) = a k eat = a f (t)

. No hay más soluciones: sea u(t) una solución cualquiera. Entonces

d
u(t) e−at = u0 (t) e−at + u(t) (−a e−at ) = a u(t)e−at − u(t) a e−at = 0

dt
⇒ u(t) e−at = cte. ⇒ u(t) = cte. eat

Hemos probado la existencia y unicidad de la solución de (A.4).

218
1.1. Problema de condiciones iniciales (PCI)
x(t) = k eat solución 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 = e−at0 x0 ;

si t0 = 0 entonces k = x0 . Por tanto, la ecuación diferencial

x0 (t) = a x(t)

tiene una única solución que cumple la condición inicial

x(t0 ) = x0

Problema de condiciones iniciales:

x0 (t) = a x(t)

Dadas (A.5)
x(t0 ) = x0

hallar la solución u(t) que pasa por x0 .

219
2. Estudio cualitativo
El problema de condiciones iniciales es el que más interesa en las aplicaciones de
ingenierı́a. Pero sólo estudia una solución. ¿Hay alguna forma de estudiar todas las
soluciones a la vez?  0
x (t) = a x(t)
PCI:
x(t0 ) = x0
Solución: 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 solución.

220
¿Qué ocurre si se perturba el parámetro a?

x x x
6 6 6

x0 x0 x0
- - -
t t t

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 bifurcación en la familia de ecuaciones diferenciales

{x0 = a x, a ∈ R}

221
3. Orden de una ecuación 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 :

(a) sistema x02 = f2 (t, x1 , x2 ) f1 , f2 : R × R2 → R

 .
..


 orden n : x0 = f (t, x) | t ∈ R, x ∈ Rn , f : R × Rn → Rn



(b) ecuación x(n) = F (t, x, x0 , x00 , . . . , x(n−1) )
orden = número n de ecuaciones en (a)
= orden de la derivada de orden máximo en (b).
Con x = x1 , x0 = x2 , x00 = x3 , . . . , x(n−1) = xn se pasa de (b) a (a).
Si la ecuación diferencial (a) es de la forma

x0 = f (x)

i.e. no depende explı́citamente de t, entonces se llama sistema autónomo.

222
4. Interpretación geométrica
dx
dt = f (t, x) asigna a cada punto (t, x), un número: la pendiente.

f : R2 → R
dx
(t, x) 7→ = pendiente
dt
x(t)
2

1.5

1 x(0)

0.5

−0.5

−1

−1.5

−2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
t

223
5. Sistemas de 2o orden
La ecuación diferencial
dx
= f (t, x), t ∈ R, x ∈ R2 , f : R × R2 → R2
dt
es de segundo orden. También puede escribirse como un sistema

dx 1
= f1 (t, x1 , x2 ) t, x1 , x2 ∈ R


dt
dx 2 2
 2 = f2 (t, x1 , x2 ) f1 , f2 : R × R → R


dt
de dos ecuaciones de primer orden; se llama sistema de segundo orden.

• Interpretación geométrica
A cada punto (t, x1 , x2 ) ∈ R3 le asociamos el vector (f1 , f2 ). Si el sistema es autónomo
(no depende de t), entonces es en R2 .

224
6. Solución numérica
Obtener soluciones u(t) expresadas por funciones elementales de

x0 (t) = f (t, x), t ∈ R, x ∈ Rn ,

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


cualitativo, la interpretación geométrica o hallar la solución numérica
Solución numérica: tabla de valores de la solución u(t) del PCI.

t u1 u2 . . . un Tabla → representación gráfica


−10 −3 −1.1 . . . 0.2
.. .. .. .. Obtención:
. . . .
• algoritmo: Euler, Runge-Kutta, etc.
0
.. • del gráfico de pendientes (i. geom.)
. • gráficamente: quebradas de Euler
10

225
7. Solución numérica con Matlab
Métodos:

. ode23

. ode45

. Simulink

ode23 y ode45 implementan métodos numéricos de Euler, Runge-Kutta, etc. Para


hallar la solución del PCI
 0
x (t) = f (t, x) n
x(0) = x0 t ∈ R, x ∈ R

hemos de hacer dos cosas:

. archivo .m de Matlab para describir la función

. 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 vendrán 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 mecánico
k f (t) − k x(t) − b x0 (t) = m x00 (t)
f (t) Cambios: x1 = x, x2 = x0 ⇒
m x01 = x2


x02 = − mk
x1 − mb
x2 + m1
f
b
Solución numérica: Respuesta temporal
1
• Archivo f mkb.m 0.8

0.6
function xp = f mkb(t,x) 0.4

xp=zeros(2,1);f=1;m=1;k=2;b=1; 0.2

0
xp(1)= x(2); −0.2

−0.4
xp(2)=-k/m*x(1)-b/m*x(2)+1/m*f; 0 1 2 3 4 5 6 7 8 9 10

• Llamada a ode23 1
Mapa de fase

x(0)
x0=[0;1]; t0=0; tf=10; 0.8

0.6

[t,x]=ode23(’f mkb’,[t0,tf],x0) 0.4

0.2
plot(t,x),title(’Resp. temp.’) 0

plot(x(:,1),x(:,2)), −0.2

−0.4
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
title(’Mapa fase’)

228
• Interpretación geométrica
x01 (t) = x2 (t)
(
Sistema mecánico (m, k, b): k b 1
x02 (t) = − x1 (t) − x02 (t) + f (t)
m m m
Campo vectorial
1.5
Con Matlab es posible superponer el cam-
po de vectores (interpretación geométrica)
1
y la solución numérica:
0.5
m=1; k=2; b=1; f=1;
[X1,X2]=meshgrid(-1.2:0.2:1.2);
0
U1 = X2;
U2 = -k/m*X1-b/m*X2+1/m*f;
−0.5
M = sqrt(U1.^2 + U2.^2);
V1 = ones(size(M))./M .* U1;
−1
V2 = ones(size(M))./M .* U2;
x(0)
quiver(X1,X2,V1,V2),axis square
−1.5
−1.5 −1 −0.5 0 0.5 1 1.5

229
7.1. Método de Kelvin
Teorema. z(t) es una solución del P.C.I.

 x0 (t) = f (t, x)
(1)
 x(0) = x
0

si y sólo si Z t
z(t) = x0 + f (s, z(s))ds. (2)
t0
Z t Z t
Demostración. z(t) solución de (1) ⇒ z 0 (t) = f (t, z(t)) ⇒ z 0 (s)ds = f (s, z(s))
Z t Z t t0 t0

⇒ z(t) − z(0) = f (s, z(s) ⇒ z(t) = x0 + f (s, z(s).


t0 t0

dz
z(t) verifica (2) ⇒ = f (t, z(t)).
dt Z t 0
⇒ z(0) = x0 + f (s, z(s))ds = x0 .
t0

230
Idea de Kelvin: construir un integrador fı́sico (mecánico) y realizar fı́sicamente (mecánicam
el esquema

t
f 

x0 (t)- Z
r x(t) -
x0 -

Muchas veces en los sistemas de control

231