Scientia et Technica Ao XIII, No 34, Mayo de 2007. Universidad Tecnolgica de Pereira.

ISSN 0122-1701

225

MODELIZACIN Y CONTROL DE UN SISTEMA NEUMTICO USANDO CONTROL

INTELIGENTE
RESUMEN
FLAMINIO VERA MNDEZ
En este documento se presenta el proceso de modelizacin y control de u Ingeniero Industrial, M.Sc.
n
Prof. del Depto de Ing. Industrial
sistema neumtico usando control inteligente. Diferentes modelos se
Universidad de Ibagu (Colombia)
construyeron: ANFIS (Adaptive Neuro-Fuzzy training of Sugeno-type FIS), Flaminio.vera@unibague.edu.co
redes neuronales y un modelo basado en principios fsicos fundamentales. El
mejor modelo es escogido tomando en cuenta el RMSE (Roots Mean Square
ANA ISABEL GUTIERREZ
Error), como parmetro de comparacin. Cuando el mejor modelo es escogido,
se proponen dos estrategias de control: PID y control Fuzzy tipo Mamdani. Ingeniero Industrial, M.Sc.
Finalmente, los controladores se analizan para verificar su robustez y se discuten Prof. del Depto de Automatizacin
Universidad de Ibagu (Colombia)
sus resultados.
Ana.gutierrez@unibague.edu.co
PALABRAS CLAVES: Sistema neumtico, ANFIS, RMSE, PID, control
Fuzzy tipo Mamdani.
ALDEMAR MUOZ
Ingeniero Mecnico, Ph.D.
ABSTRACT
Prof. del Depto de Automatizacin
In this document the process of modeling and control of a pneumatic system Universidad de Ibagu (Colombia)
using intelligent control is described. Different models are built such as: ANFIS Aldemar.munoz@unibague.edu.co
(Adaptive Neuro-Fuzzy training of Sugeno-type FIS), neural networks and
physical first principles. Then, the best one is chosen taking the RMSE (Roots
Mean Square Error), as parameter of comparison. When the best model i
s
chosen, two control strategies are proposed: PID and Fuzzy type contro
l
Mamdani. Finally the controllers are analyzed to check robustness and their
results are discussed.
KEYWORDS: Pneumatic system, ANFIS, PID, RMSE, Fuzzy type control
Mamdani.

1. INTRODUCCIN
Con la configuracin del sistema neumtico existente en
el laboratorio de Automatizacin de la Universidad de
Ibagu, Coruniversitaria, se obtuvo el modelo del
sistema a travs de: un modelo ANFIS (Adaptive NeuroFuzzy training of Sugeno-type FIS), otro con redes
neuronales y un modelo basado en principios fsicos
fundamentales, luego de seleccionado el mejor modelo,
se halla el control de posicin del cilindro recurriendo al
control inteligente y a la tcnica de control PID.
2. PROCESO DE MODELIZACION
El sistema est conformado por dos cilindros neumticos
colocados verticalmente uno sobre el otro, estos
cilindros son de doble efecto y estn unidos mediante un
eje o vstago que permite al cilindro superior un
desplazamiento sobre el mismo vstago que indicar la
posicin del cilindro en un momento dado y es la variable
que se desea controlar. El cilindro superior funciona con
una vlvula proporcional MYPE 5/3 vas con posicin
central cerrada, convierte una seal de entrada analgica
en las aperturas de seccin de paso adecuadas. A la mitad
de su tensin nominal, o sea a 5 voltios, la vlvula asume

Fecha de Recepcin: 09 Febrero de 2007

Fecha de Aceptacin: 01 Marzo de 2007

su posicin media neumtica en la que todos los bordes

cilindro desciende y entre 5.1 y 10 voltios sube
de control se hallan cerrados, de forma que, aparte de las
verticalmente. El cilindro inferior esta empotrado o esta
fugas, el aire no atraviesa la vlvula. A cero voltios y a
fijado de tal forma que solo
permite el movimiento
10 voltios respectivamente, la vlvula asume una de sus
vertical del eje o vstago y servir de perturbacin en el
posiciones extremas, con la mxima seccin de paso de
sistema, en la figura 1 se sealan las partes del sistema
aire. Esta vlvula es adecuada para ser utilizada como
neumtico:1 Cilindro Superior, 2 Cilindro Inferior, 3
elemento final de control en combinacin
con un
Vlvulas, 4 Tarjeta Contador Bidireccional, 5 Sistema
regulador
de
posicin
de
alto
nivel,
para
el de Fijacin de Tira, 6 Encoder, 7 Switch, 8 Unin de los
posicionamiento de un cilindro neumtico. En 5 voltios
cilindros.
esta en posicin de bloqueo. Entre 0 y 4.9 voltios el
Scientia et Technica Ao XIII, No 34, Mayo de 2007. Universidad Tecnolgica de Pereira
226
2.1 Identificacin mediante modelo no lineal ANFIS
Para la seleccin de las entradas se hizo con bsqueda
exhaustiva (exhaustive search) [1], sobre todas las
posibles combinaciones de las entradas candidatas. La
funcin en Matlab es exhsrch, en la cual se seleccionan 3
entradas de 10 candidatas. Sin embargo, exhsrch tiene
una gran cantidad de clculo computacional si todas las
combinaciones son tratadas. Para este caso el nmero de
modelos ANFIS es C(10,3) = 120. Para la identificacin
de sistemas dinmicos se toman los dos siguientes
conjuntos de entradas candidatos:
Y = {y(k-1), y(k-2), y(k-3), y(k-4)}
U = {u(k-1), u(k-2), u(k-3), u(k-4), u(k-5), u(k-6)}
Se escogen dos entradas de Y y una de U para formar
las 3 entradas al ANFIS; el nmero total de modelos
ANFIS es entonces C (4,2)*6=36, ver figura3, el cual es
mucho menor que 120.

Figura 1. Sistema Neumtico

Figura 3. Seleccin de entradas con exhaustive search

Se encontr
que las entradas seleccionadas con la
funcin exhaustive search con la informacin de la raz
del error cuadrtico medio RMSE (Roots Mean Square
Error) fue para entrenamiento RMSE de 1.6094 y para
validacin
RMSE de 1.4777, ver figuras 3 y 4. L
o
anterior corrobor que (y (k-1), y (k-2), y u (k-1)) eran
las mejores entradas seleccionadas para el ANFIS.
Datos de Entrenamiento (Linea solida) y ANFIS exhaustive search Prediccion (Puntos) con RMSE = 1.6094
150

u(k)

y(k)

El proceso de adquisicin de datos se desarroll

utilizando un computador con una tarjeta de adquisicin
de datos PCL-711B manufacturado por Advantech. Dos
canales de entrada digital (16 bits) fueron usados para
tomar los datos de posicin del cilindro y una salida
anloga (12 bits) fue usada para enviar la seal aleatoria
de entrada en voltios de la vlvula proporcional. El
tiempo de muestreo usado por el proceso de adquisicin
de datos fue de 100 ms. El tiempo fue seleccionado,
dividiendo la constante de tiempo mas rpida del sistema
neumtico entre 20.
De acuerdo a los datos almacenados se presenta la
figura 2 con sus seales de entrada (voltaje) y salida
(posicin del cilindro neumtico).
Salida

150

Posicion del cilindro en mm

100

50

100

50

100

100

200

300

400

200

300
Muestras

-50
500

600
Muestras
10

400

500

600

Datos de Verficacion (Linea solida) y ANFIS exhaustive search Prediccion (Puntos) con RMSE

= 1.4777

150
ntrada en voltios

100

200

300

400

500

100

600

50
Muestras

0
600

Figura 2. Entrada y salida del sistema Neumtico

700

800

900

1000

1100

1200

Muestras

Figura 4. Modelo ANFIS, a travs de (exhaustive search)

Scientia et Technica Ao XIII, No 34, Mayo de 2007. Universidad Tecnolgica de Pereira

mediante

modelo

de

redes

Tres conjuntos de datos fueron utilizados: Entrenamiento

(70%), validacin (30%) y un conjunto test de otra
muestra de datos para utilizar parada rpida (early
stopping).
La arquitectura escogida fue una red recurrente; por
medio de un proceso iterativo, las neuronas de la capa
oculta fueron incrementadas hasta 7. Debido a la
naturaleza del sistema no lineal se tom como funcin
bipolar sigmoide, tansig, mientras que en la capa de
salida, se escogi una neurona con una funcin lineal,
purelin, ver figura 5 b). La sintaxis de la red es la
mostrada a continuacin [2]:
mnet3 = newff
'purelin'},'trainlm');

(minmax

(Un2),

[7

1],

{'tansig'

La funcin de entrenamiento lm (Levenberg-Marquardt)

fue escogida porque es el algoritmo ms rpido, con el
compromiso entre los mtodos quasi- Newton y gradiente
conjugado. De acuerdo con la gua de usuario de Matlab,
lm es la mejor funcin para problemas de aproximacin.
Primero que todo, los conjuntos de datos fueron
escalados entre -1 y 1 para mejorar la operacin del
algoritmo. La topologa de la red neuronal se muestra en
la figura 5 a) [2].

El desempeo de la red neuronal fue de convergencia

rpida, usando early Stopping dando una mejo
r
generalizacin.
y(k)

2.2 Identificacin
neuronales

227

Al hacer la validacin de la salida (posicin del cilindro

en mm) entre el sistema real y el sistema simulado se
encontr que tienen buen ajuste, como se puede observar
en la figura 6.
linea=y(k)real

90

puntos=y(k)Simulada en mm

80

70

60

50

40

30

20

10

0
0

200

400

600

800

1000

1200

1400
Muestras

Figura 6. Validacin de la seal de salida real y simulada con

red neuronal

La raz del error cuadrtico medio RMSE (Roots Mean

Square Error) fue para entrenamiento RMSE de 1.7640 y
para validacin RMSE de 1.6322.
2.3 Identificacin del modelo basado en principios
fsicos fundamentales
El diagrama realizado en Simulink para implementar el
modelo basado en principios fsicos esta divido en tres
partes: la vlvula proporcional, el cilindro neumtico y
por ltimo el anlisis de ecuaciones para posicin del
cilindro, ver figura 7 [3].

a) Topologa de la red neuronal

b) Arquitectura de la red neuronal

Figura 7. Diagrama del modelo basado en principios fsicos del

sistema Neumtico.

Figura 5. Topologa y arquitectura de la red recurrente

implementada

Se tienen las siguientes ecuaciones para la vlvula:

La ecuacin (2.1) describe la dinmica del flujo msico,
[3] .

P1
.
.
R.T.(k 1) k 1

Scientia et Technica Ao XIII, No 34, Mayo de 2007. Universidad Tecnolgica de Pereira

Y(k)enmm

228

m ()Aeff.P1

2k 2 k1

(2.1)

P2

120

Donde:
indica el cargue y descargue.
u Us C
P1 : Presin1absoluta


Us
Uo para
:
rea
orificio
cada
orificio de la vlvula.
Aeff

100

80

Am .

Aeff

SALIDA -POSICION DEL CLINDRO NEUMATICO

140

60

La ecuacin (2.2) describe las reas efectivas de cada

restriccin [3]

40

20

(2.2)

El factor de 1carga
c esta descrito por la ecuacin (2.3)
y D (factor de descarga) por la ecuacin (2.4), la cual

muestra dependencia del sentido del flujo msico. Pn es

Patm
la presin
de la cmara que se llena (ecuacin 2.3) o la
que se vaca (ecuacin 2.4) [3].

n N

An .
P Pn

n0

(2.3)

(2.4)

Suponiendo un proceso isotrmico (T1 = T2 = T), se

obtiene el siguiente resultado al excitar el sistema con
una seal de voltaje manual aleatoria:
P1 (A*y + V1D) = m1RT
P2(A (L y) + V2D) = m2RT

(2.5)
(2.6)

Donde A es el rea del cilindro, T es la temperatura

absoluta en la cmara del cilindro, L es la longitud del
cilindro, adems (y) es la posicin del cilindro, ver figura
8, R la constante particular para el aire, P1, P2 las
presiones en las cmaras de la vlvula, V1D, V2D los
volmenes fijos en las cmaras.
Diferenciando las ecuaciones (2.5) y (2.6) se tiene:

RT
Ay V

10

Muestras

2 .Ps 2 1.Ps 0

0
9

m
1D

AP 1
Ay V

y
1D

(2.7)

Figura 8. Posicin del cilindro obtenida a partir del modelo

basado en principios fsicos.

Para el modelo basado en principios fsicos se hall la

raz del error cuadrtico medio RMSE=2.3523 para
entrenamiento y RMSE=2.0153 para verificacin,
indicando una buena precisin.
El modelo del sistema encontrado por bsqued
a
exhaustiva (Exhaustive Search), se seleccion como el
mejor, dado que present el menor resultado de la raiz
del error cuadrtico medio RMSE. Con este modelo
seleccionado se implementaron los controladores Fuzzy
y PID.
3. CONTROL
ANFIS

FUZZY BASADO EN UN MODELO

Para la construccin del controlador fuzzy se utiliz el

de tipo Mamdani. Los modelos borrosos de Mamdani se
basan en las reglas "si... entonces"
y su estructur
a
entregada por el Matlab, es la siguiente [4] [5] [6] [7]:
La construccin de este controlador borroso o Fuzzy se
hizo para el control de posicin en el sistema neumtico,
las variables de inters para el sistema son: el error de
posicin, el cual estar definido por la diferencia entre el
setpoint y el valor real de posicin, y el cambio del error
o velocidad del sistema. Se usa como actuador la vlvula
que regula el suministro de aire, ver figura 9.

P2

RT
AP
m2
y
A(L y) V2D
A(L y) V2D

(2.8)

Figura 9.
controlador

Caractersticas

de

las

entradas

salida

del

Scientia et Technica Ao XIII, No 34, Mayo de 2007. Universidad Tecnolgica de Pereira

229

Con la estruct
ra del model
70
ANFIS y el
ontrolador
60
Fuzzy, se hicier
4. CONTROL
PID
DISCRETO BASADO
EN
o
n las pruebas fin
MODELO ANFIS
50
a
les de validaci
n
.
Para la consideracin de la no linealidad, se debe tener en
40
por lo

De la salida d cuenta la saturacin de la vlvula proporcional,

que se tuvo en cuenta el efecto Windup, cuando la seal
e0
l sistema para e de 10 voltios sature el actuador, el incremento de la seal
de control, debido al crecimiento del trmino integral, a
la salida del controlador PID, no har que la respuesta sea
l control de posicin del
ms rpida sino que est limitada.
cilindro Neumtico sin perturbacin, ver figura 10, se
obtuvo la siguiente informacin: valor de referencia o
Las ecuaciones (2.9) y (2.10) describen el controlador
setpoint de 60 mm, tiempo de establecimieto o settling
PID (proporcional, integral y derivativo) clsico en
time de 1.6 segundos, un sobreimpulso de 2.5%.
tiempo continuo. El controlador tiene la siguiente
configuracin [8] [9] [10]:
u
o
c

SIN PERTURBACION

Posicionenmm

CONTROLADOR FUZZY -

u (t ) K

1
eT
i

e
(

Posicionenmm

d (2.9)
e
(t
)

d
t

Donde
u(t) u

(t) ui(t) u

(2.10)

(t)

Las ecuaciones (2.11) y (2.12) determinan las ganancias

de control P(proporcional) I(Integral) y D(derivativa).
Tiempo en seg

K
T

(2.1

1)

Figura 10. Salida del sistema sin perturbacin utilizando

controlador Fuzzy.

Resumiendo:

Para un valor de referencia o setpoint de 60 mm,

aplicando a los 3 segundos una perturbacin se logr un
tiempo de establecimieto o settling time de 2 segundos,
un sobreimpulso de 5%.
Por ltimo, se puede apreciar en la figura 11, que al
cambiar la referencia de 60 mm a la referencia de 55 mm
se obtuvo un tiempo de establecimieto o settling time de
2 segundos y un sobreimpulso de 6.6%.

Para la discretizacin (controlador discreto), se hallaron

las ecuaciones en diferencias, (2.13) y (2.14), de tal
forma que aproxime su comportamiento a una ecuacin
diferencial. El periodo de muestreo fue de 100 ms y se
hallan de nuevo las acciones de control proporcional,
integral y derivativo en este mismo orden:

de (t ) (2.12)
dt

30

(k) P e(k) ,

u i ( k ) u i ( k 1) I T s e ( k ) ,

20

u
10

0.5

3.5

1.5

4.5

2.5

(k)

D
e ( k ) e ( k 1)
Ts

TK p es:
La accin de control en tiempo discreto
d

u(k) u

Tiempo en seg

Figura 11. Salida del sistema aplicando tracking, utilizando

CONTROLADOR FUZZY TRACKING
70
controlador
Fuzzy.
60

50

40

30

20

10

0.5
3

1
3.5

1.5
4

2
4.5

2.5
5

(2.13)

(k) ui(k) u

( k ) (2.14)

La estrategia
que se realiz est basada en un control
u (t ) P e (t ) I e ( ) d
clsico Proporcional, Integral y Derivativo. Se utilizaron
D
las reglas de sintonizacin de Ziegler Nichols, si bien este
mtodo se presenta para sistemas estables, los valores
obtenidos se utilizan como valores iniciales para luego
hacer el ajuste final, el cual se realiza buscando las
ganancias
ptimas
para
el
desempeo
deseado
,
obtenindose los siguientes resultados finales para
Kp=0.20 Ki=0.228 y Kd=0 [8] [9] [10]. Se tuvo en
cuenta un perodo de muestreo de 100ms y se simul el
sistema tanto para tracking como para rechazo
a

230
Scientia et Technica Ao XIII, No 34, Mayo de 2007. Universidad Tecnolgica de Pereira

perturbaciones. Se tom una referencia de 60 mm y

luego un tracking de referencia de 60 mm a 55 mm.
El control de posicin del cilindro Neumtico sin
perturbacin, ver figura 12, para el valor de referencia o
setpoint de 60 mm fue de un tiempo de establecimiento o
settling time de 3 segundos y un sobreimpulso de 5%.
CONTROLADOR PID -

70

SIN PERTURBACION

El modelo del sistema neumtico no lineal que ms se

ajust a la dinmica fue el ANFIS de bsqued
a
exhaustiva (Exhaustive Search), porque mostr mayor
precisin (menores valores de RMSE), mayor cobertura y
potencialidad en su mtodo.
Aunque el controlador PID no fue el mejor, present un
buen desempeo. Su funcionamiento fue aceptable ante
cambios de referencias o setpoints y perturbaciones.

60

50
Posicionenmm

5. CONCLUSIONES

Estrategias de control Fuzzy presentaron el mejor

desempeo para la regulacin de este sistema no lineal.
Su comportamiento dinmico fue mejor en comparacin
con el PID.

40

30
0
20

6. BIBLIOGRAFA
10

[1]. LENNART Ljung's. System Identification,

Theory for the User, Prentice-Hall, 1987.
3
3.5
4
4.5
5
[2]. VANDEWALLE J. Notas de clase "Intelligent
Control System", Master program in industrial
control engineering, Universidad de Ibagu
Tiempo en seg
Coruniversitaria, Universiteit Gent, Katholieke
Figura 12. Salida d
Universiteit Leuven, 2003.
[3]. RAMIREZ I., Modelling and control of
e
l sistema sin perturb
pneumatic servo positioning system, Master
Thesis. Katholieke Universiteit Leuven, 2003.
a
cin, utilizando
[4]. TAKAGI T., SUGENO M. Fuzzy Identification
controlador PID .
of Systems and Its Applications to modeling an
0
control, IEEE Trans.Syst, Man, Cybern., vol. 15,
Los resultados co
pp. 116-132, 1985.
[5].
ESPINOSA J. Fuzzy Modeling and Control,
n el 70 PID, cuando
se PID - aplica
CONTROLADOR
TRACKING una
Ph.D. Thesis(Draft version), ESAT-SISTA.
perturbacin a los 3 segundos son: tiempo de
Katholieke Universiteit Leuven, 2000.
establecimiento
de 3 segundos y un overshoot de 20%.
60
0

0.5

1.5

2.5

Posicionenmm

En la50 figura 13 se puede visualizar, que al cambiar la

referencia de 60 mm a la referencia de 55 mm se obtuvo
40
un tiempo
de establecimieto o settling time de 6 segundos
y un sobreimpulso de 18.33%.
30
[6]. JYH SHING, JANG R. ANFIS:
Adaptive
[8].
20
network based fuzzy inference systems,
IEEE
10
Trans. on System, Man and Cybernetics
, Vol.
[9].
0
0.5
1 23, No. 1.5
2
2.5
3,
pp.
665-685,
May/June,
1993
3
3.5
4
4.5
5
[7]. ESPINOSA J., Control Avanzado de Pro
cesosUna visin Integral, Sexto congreso n
acional
Asociacin Colombiana de Automtica, Ib
agu,

2004.
FRANKLIN, G.F., J.D. Powell, and M.L.
Workman,
"Digital
Control
of
Dynamic
Systems", Second Edition, Addison-Wesley,
1990.
DE KEYSER R. Notas de clase Adaptive and
Predictive Control, Master program in industrial

controlador PID
Tiempo en seg

Figura 13. Salida del sistema aplicando tracking, utilizando

Los resultados del controlador PID discreto dan menor

desempeo que los del controlador Fuzzy.

control engineering, Universidad de Ibagu,

Coruniversitaria, Universiteit Gent, Katholieke
Universiteit Leuven, 2002.
[10].
DORF R., BISHOP R., Modern control
systems. Addison Wesley Longman, 1998