Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ControlDeProcesosV3
ControlDeProcesosV3
PRACTICO
Y AVANZADO
ARTURO ROJAS MORENO, Ph.D.
F
F
F
F
F
F
F
F
Modelado de Procesos
Sistemas de Instrumentaci
on
Elementos Finales de Control
Control PID SISO
Estrategias de Control PID
Control PID MIMO
Control Inteligente
Programas fuente en MATLAB
TECSUP
II
Indice general
III
Prefacio
IX
1. Introducci
on
1.1. Sistema de Control a Lazo Cerrado . . . . . . . . . . . . . . . . . . . .
1.2. Sistema de Control a Lazo Abierto . . . . . . . . . . . . . . . . . . . .
1.3. Dinamica Lineal de los Elementos Ideales . . . . . . . . . . . . . . . .
2. El Proceso a Controlar
2.1. Procesos con Comportamiento Proporcional . . . .
2.2. Procesos de Primer Orden . . . . . . . . . . . . . .
2.3. Procesos de Segundo Orden . . . . . . . . . . . . .
2.4. Procesos Integrales . . . . . . . . . . . . . . . . . .
2.5. Procesos con Tiempo Muerto . . . . . . . . . . . .
2.6. Procesos de Orden Superior . . . . . . . . . . . . .
2.7. El Motor DC . . . . . . . . . . . . . . . . . . . . .
2.8. Modelo MIMO del Proceso Tanque Cerrado . . . .
2.8.1. Descripcion del Proceso . . . . . . . . . . .
2.8.2. Modelo Dinamico No Lineal del Proceso . .
2.8.3. Modelo Dinamico de Lagrange del Proceso
2.8.4. Modelo Dinamico Lineal del Proceso . . . .
2.9. Respuesta Transitoria de los Procesos . . . . . . .
2.9.1. Respuesta al Escalon . . . . . . . . . . . . .
2.9.2. Metodo del 28.3 % y 63.2 % . . . . . . . . .
2.9.3. Otras Respuestas al Escalon y al Impulso .
2.10. Problemas . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
6
7
11
11
13
18
20
21
22
26
28
28
29
33
33
34
34
37
37
39
3. El Sistema de Instrumentaci
on
45
3.1. Sensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.1. Caractersticas Estaticas y Dinamicas . . . . . . . . . . . . . . 46
3.1.2. Principios de los sensores . . . . . . . . . . . . . . . . . . . . . 47
4. Elementos Finales de Control
51
4.1. Caractersticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
INDICE GENERAL
VI
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
57
57
59
65
65
65
68
70
71
85
91
93
95
100
106
108
110
115
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
119
123
125
130
132
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
135
135
136
137
137
145
148
148
149
150
A. Matem
atica para Sistemas Continuos
A.1. La Transformada Unilateral de Laplace . .
A.1.1. Definicion y Ejemplos . . . . . . . .
A.1.2. La Transformada Inversa de Laplace
A.1.3. La Funcion de Transferencia . . . . .
A.1.4. Fracciones Parciales . . . . . . . . .
A.2. Matrices y Determinantes . . . . . . . . . .
A.2.1. Operaciones con Matrices . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
153
153
153
156
157
158
163
164
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE GENERAL
A.3.
A.4.
A.5.
A.6.
A.7.
VII
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
166
167
172
177
178
178
180
181
184
187
194
199
201
203
203
204
207
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
217
217
217
218
220
221
228
229
231
234
234
238
B
. ibliografa
241
Indice
.
alfab
etico
244
Prefacio
Esta publicacion esta dirigida a todos los profesionales, cientficos, especialistas y
estudiantes interesados en familiarizarse con el modelado, la simulacion y el control
de procesos industriales. Tanto modelos lineales como no lineales se emplean en esta
publicacion para representar la dinamica de los procesos tratados.
El libro se denomina Control de Procesos Practico y Avanzado porque su contenido abarca tanto temas relacionados con el dise
no practico de sistemas de control
de una entrada y una salida empleando controladores PID (Proporcional Integral
Derivativo), as como tambien temas avanzados del control de procesos tales como: Control PID multivariable, control de procesos empleando estrategias (cascada,
razon, rango partido, anticipativo, selectivo) y control con inteligencia artificial (control fuzzy y control neuronal).
En todos los Captulo que lo conforman, este libro usa intensivamente el software
MATLABr para el calculo, dise
no y simulacion de sistemas de control de procesos. Tambien se emplea el software Simulinkr , el cual trabaja dentro del entorno
MATLAB. Simulink usa diagramas de bloques en su programacion. El Apendice B:
Fundamentos de MATLAB y Simulink, es lectura primordial para los lectores poco
familiarizados con estos programas.
Todos los programas empleados en este libro se pueden ejecutar sin problemas
en versiones recientes de MATLAB. Estos programas fuente se pueden descargar del
enlace Descargas de: www.ctlima.com.
Para asimilar sin dificultad el contenido de este libro, el lector requiere haber llevado los cursos de matematica, fsica y fundamentos de control automatico dictados
en una Universidad o Instituto. Sin embargo, se recomienda que el lector se remita
al Apendice A: Matematicas para el Control de Procesos, donde, empleando intensivamente la herramienta MATLAB, se hace un repaso de los topicos de matematicas
requeridos en el desarrollo de los Captulos de este libro.
El procedimiento de dise
no de sistemas de control empleado en este libro comprende basicamente: la formulacion del problema a resolver, el modelado del proceso,
el dise
no del algoritmo de control, y verificacion del sistema de control dise
nado va
simulacion.
Esta publicacion puede ser usada como:
Libro texto para cursos relacionados con el Control de Procesos.
Libro texto para cursos relacionados con el Control Avanzado de Procesos.
Libro de consulta en diferentes cursos de instrumentacion y control.
Prefacio
XI
VIENEN AGRADECIMIENTOS.
Captulo 1
Introducci
on
En este Captulo se hace un breve introduccion sobre los sistemas de control a lazo
cerrado y a lazo abierto, describiendo brevemente sus componentes e incluyendo ejemplos
industriales para reforzar la comprension de los conceptos. Tales componentes son: el
proceso cuya variable de salida se desea controlar, el sistema de instrumentacion que
sensa y transmite la variable a controlar, el controlador que procesa la desviacion entre
el valor de la variable a controlar con respecto a una se
nal deseada con el proposito de
generar una se
nal de control, y el elemento de control final que recibe la se
nal generada
por el controlador para efectuar cambios en el proceso con la finalidad de que la desviacion
anteriormente descrita se reduzca a cero.
1.1.
La Fig. 1.1 muestra el diagrama de bloques (la interrelacion entre sus componentes) de un sistema de control a lazo cerrado. A continuacion vamos a describir
sucintamente sus componentes.
SP
r
Controlador de
realimentacin
e
Algoritmo
de Control
MV
u Elemento final
de control
Disturbios
Proceso
PV
y
Sensor ms
Transmisor
Sistema de
Instrumentacin
El Proceso
El bloque proceso representa un cambio fsico o qumico de la materia. As tenemos
los procesos de calefaccion, enfriamiento, mezcla, fundicion, separacion, destilacion,
Introducci
on
llenado y vaciado, evaporacion, coccion, entre otros. Los instrumentos son dispositivos
que se emplean en los procesos para monitorearlos y controlarlos, lo cual se logra
mediante la medicion de algunas de sus caractersticas, tambien denominadas los
par
ametros del proceso.
Algunos ejemplos de caractersticas del proceso son: capacitancia, inductancia,
resistencia, voltaje, corriente, peso, presion, aceleracion, sonido, color, nivel, temperatura, humedad, densidad, contenido de humedad, viscocidad, dimension, concentracion de pH, flujo, velocidad, espesor, gravedad especfica, entre otros. La variable
y mostrada en Fig. 1.4, conocida tambien como PV (Process Variable), es la variable
controlada o salida del proceso.
El Sistema de Instrumentaci
on
Es com
un que un proceso posea varios parametros que necesitan ser monitoreadas simultaneamente. Esto se logra por lo general, empleando un sistema de instrumentacion para cada parametro (ver Fig. 1.1). Cada sistema de instrumentacion
consta de un sensor que proporciona la (variable medida), y de un transmisor que
cambia dicha variable en una se
nal estandarizada que pueda ser transmitida. La
variable medida representa entonces la condicion actual de la variable controlada y.
En algunos casos, la variable medida y la variable controlada es la misma variable.
Por ejemplo, la medicion y control de la variable velocidad de un motor DC (Direct
Current). Sin embargo, en otros casos, la variable medida y la variable controlada
pueden ser diferentes. Este es el caso del control de nivel de un lquido en un tanque,
que puede ser realizado midiendo la presion en el fondo del tanque. Es decir, en este
caso medimos presion para controlar nivel.
Se
nales estandarizadas que se emplean en el control de procesos son: 4 a 20 mA
(miliamperio), 3 a 15 psi (libra por pulgada cuadrada) y 0.2 a 1 bar. Otros rangos de
se
nales tambien son empleados: 0 a 10 V (volt), 10 a + 10 V, etc. El transmisor
tambien es conocido como convertidor, transductor, y en general como un acondicionador de se
nales. Si fuera necesario, un acondicionador de se
nal se puede dise
nar
empleando opamps (amplificadores operacionales) en su implementacion.
En muchos casos, el sensor y el transmisor son parte de un solo instrumento. Los
sistemas de instrumentacion actuales tambien incluyen hardware para almacenar algoritmos y rutinas de calculo, y para el procesamiento de se
nales digitales empleando
protocolos industriales de comunicacion. Los sistemas de instrumentacion inteligente
reciben dicha denominacion, por que poseen la capacidad de procesar se
nales digitales.
En general, los sistema de instrumentacion se aplican a los procesos para: indicar
el valor de una variable, registrar y almacenar los valores de una variable, controlar
una variable, fijar alarmas en los casos que una variable alcanza un determinado
valor, y como enclavamiento, es decir, haciendo que una variable cause una accion
cuando alcance un valor previamente establecido.
El Controlador
Para lograr control en la Fig. 1.1, se requiere que el valor de la variable medida
tienda a ser el valor de la se
nal de referencia r o SP (Set Point), que es la se
nal
deseada de la variable controlada. En otras palabras, en los sistemas de control a lazo
cerrado, las se
nales r e y son comparadas. La diferencia entre ellas es la se
nal de error
e, llamada tambien se
nal de desviacion. Cuando existe una desviacion, es necesario
actuar para eliminarla. Esta accion incluye el ajuste y la accion de una se
nal o fuerza
de control u, denominada tambien la variable manipulada MV (Manipulated Variable), para minimizar el error; es decir, para hacer que la se
nal y siga a r, cumpliendo
ciertas especificaciones de dise
no (seccion 5.2).
Por ejemplo, la velocidad de un carro se controla comparando el valor indicado
por el velocmetro (la variable medida) con el valor lmite de la velocidad (la variable
deseada o SP). Si existe una desviacion, se tiene que ajustar mediante el pedal del
acelerador una cierta cantidad de gas (la variable manipulada MV) para cambiar la
velocidad (la variable controlada o PV).
El bloque denominado controlador (ver la Fig. 1.1), es el que procesa la se
nal de
error e empleando un algoritmo de control, para generar la ley de control u que va
hacia el elemento de control final. El agregado de la palabra realimentacion, que en
general no es necesario, solo es para indicar en este caso que tal controlador forma
parte de un sistema de control realimentado.
La funcion del controlador mostrado en la la Fig. 1.1 se logra llevando a cabo
tres pasos. El primero consiste en recopilar informacion acerca de la variable del
proceso que se desea controlar. Luego, usar convenientemente dicha informacion para
tomar una decision con relacion a la condicion del proceso. Finalmente, tomar una
accion basada en tal decision, empleando para ello el elemento de control final. Es
importante anotar que para mantener el control, la recopilacion de informacion debe
de ser continua y permanentemente evaluada. Estas acciones aseguran que la variable
controlada se mantenga en el valor deseado previamente establecido.
Considere el sistema de control de temperatura que posee la terma electrica de una
vivienda, en donde la accion de control se realiza conectando o desconectando a la red
la resistencia de calefaccion para aumentar o disminuir la temperatura del agua en la
terma, correspondientemente. En un primer paso, un sensor de temperatura detecta
la temperatura actual y la compara con una temperatura de referencia previamente
establecida. Como resultado de la comparacion, se decide que es necesario cambiar la
condicion del proceso: aumentar o disminuir la temperatura. Finalmente, se toma la
accion correspondiente: conectar la resistencia a la red para aumentar la temperatura
del agua, o desconectarla para disminuirla.
El control se puede realizar en forma manual o en forma automatica. En el control
manual, la decision la realiza la persona, mientras que en el control automatico la
realiza un dispositivo. La terma es un caso de control automatico de la temperatura,
mientras que la conduccion de un carro para mantenerlo a una velocidad constante,
es un caso de control manual.
Introducci
on
Ejemplos de EFC electricos son los motores AC y DC, motores paso a paso, valvulas de control motoricas, solenoides, reles, entre otros. Entre los EFC hidraulicos y
neumaticos tenemos: valvulas neumaticas, pistones hidraulicos y neumaticos, motores hidraulicos y neumaticos, etc. Dependiendo del tipo de EFC, en muchos casos
sera necesario incluir un convertidor (o transmisor) de se
nal entre el controlador y el
EFC, tal como se muestra en el ejemplo 1.1.
Los Disturbios
Ademas de la variable manipulada, otros factores pueden afectar la variable controlada. Por ejemplo, la velocidad del carro puede ser afectada por la resistencia del
viento y por la calidad de la pista. Por otro lado, La temperatura del agua en la terma
puede ser afectada por un mal aislamiento del tanque o por la cambiante temperatura
del entorno. En control de procesos, estos factores se denominan disturbios.
Para compensar la accion de los disturbios, se requiere de una continua circulacion
de la informacion sobre el proceso. En el sistema de control a lazo cerrado de la Fig.
1.1, la informacion fluye constantemente hacia los instrumentos. Tal informacion es
denotada como realimentacion. Todos los instrumentos y dispositivos que intervienen
en el control de un proceso son referidos como el lazo de control realimentado.
Ejemplo 1.1
En el sistema de control de flujo mostrado en la Fig. 1.2(a), indicar sus componentes
y las se
nales normalizadas. Este sistema emplea como sensor de flujo una placa de
orificio para producir la cada de presion P = P1 P2, con la finalidad de tener
una medicion indirecta del flujo F, pues sabemos que tal flujo es proporcional a la
raz cuadrada de P.
Soluci
on: Ver Fig. 1.3(b).Observar que se requiere un primer transmisor para realizar la operacion F = C P , donde C es una constante de proporcionalidad, y
luego convertir esta operacion en una se
nal de corriente estandarizada (4 a 20 mA).
El signo raz cuadrada a un costado del transmisor indica esta operacion. Notar tambien que ha sido necesario incluir un segundo transmisor para convertir 4 a 20 mA al
rango de 3 a 15 psi, dado que el actuador de la valvula trabaja con se
nal neumatica
estandarizada.
Ejemplo 1.2
En el sistema de control de temperatura mostrado en la Fig. 1.3, indicar cual es la
se
nal disturbio y porque. Este sistema emplea como sensor una termoresistencia, cuya
salida es un valor de resistencia electrica, la cual es proporcional a la temperatura en
el interior del tanque. Los valores de resistencia se convierten a se
nales estandarizadas
de 4 a 20 mA mediante el transmisor. Observar que la valvula de control posee un
actuador electrico porque trabaja con una se
nal de 4 a 20 mA. Esta se
nal alimenta a
un motor DC (el actuador). El movimiento de rotacion del eje del motor se convierte
en un movimiento de traslacion para hacer desplazar el eje de la valvula.
CONTROLADOR
TRANSMISOR
TRANSMISOR
ACTUADOR
F
P1
P2
PLACA DE ORIFICIO
VLVULA
NEUMTICA
(a)
SP
4 20 mA
4 20 mA
CONTROLADOR
4 20 mA PV
MV
TRANSMISOR
TRANSMISOR
ACTUADOR
P
3 15 psi
PROCESO
P1
P2
SENSOR: PLACA
DE ORIFICIO
EFC: VLVULA
DE CONTROL
NEUMTICA
(b)
Fig. 1.2: (a) Sistema de control de flujo. (b) Solucion al ejercicio 1.1.
Sensor
(ohm)
Producto
Transmisor
MV
420 mA
Controlador
PV
420 mA
SP
420 mA
Agua caliente
Soluci
on: El flujo del producto que ingresa al tanque constituye la se
nal de disturbio.
Mientras mas brusca sea la variacion del flujo de producto, mayor sera la dificultad
para que la se
nal PV siga a la se
nal SP.
Introducci
on
1.2.
SP
r
MV
Controlador u Elemento final
anticipativo
de control
Disturbios
Proceso
PV
y Sensor ms
Transmisor
Sistema de
Instrumentacin
1.3 Din
amica Lineal de los Elementos Ideales
0
1
2
3
4
5
(REPOSO): V2 OFF
(LLENAR PRODUCTO): V1 ON
DESFOGUE
V1
V2
V5
SOPLADO
ADICIONAL
ENTRADA DE
PRODUCTO
LT
PT
SOPLADO
INFERIOR
V3
1.3.
Din
amica Lineal de los Elementos Ideales
La Tabla 1.1 describe los modelos dinamicos lineales de los elementos ideales,
mientras que la Fig. 1.6 muestra los smbolos de los mismos. Tal informacion es de
gran utilidad porque explica el comportamiento fsico de los diversos elementos que
son parte de los procesos. Las unidades de medida empleadas corresponden al Sistema
Internacional, la cual usaremos a lo largo de los captulos, salvo indicaciones expresas.
De todas formas, siempre estan disponibles las tablas de conversion de unidades. En
la Tabla 1.1, la energa se expresa en J (joule), la potencia en W (watt) y el tiempo
t en s (segundos).
La Fig. 1.6(a) muestra la inductancia electrica L en H (henrio), en donde se
cumple que la diferencia de potencial v21 = v2 v1 en V (volt) es proporcional a la
variacion de la corriente i en A (ampere) con respecto al tiempo.
Introducci
on
Elemento
fsico
Ecuacion
descriptiva
Energa E o
potencia P
Almacenador
inductivo
Inductancia
electrica L
di
v21 = L dt
E = 12 Li2
Almacenador
inductivo
Resorte
traslacional
v21 =
1 df
K dt
E=
1 F2
2 K
Almacenador
inductivo
Resorte
rotacional
21 =
1 dT
K dt
E=
1 F2
2 K
Almacenador
inductivo
Inercia
fludica
p21 = I dq
dt
E = 12 Iq 2
Almacenador
capacitivo
Capacitancia
electrica
i = C dvdt21
2
E = 12 Cv21
Almacenador
capacitivo
Masa
f = M dv
dt
E = 12 M v 2
Almacenador
capacitivo
Momento
de Inercia
T = J d
dt
E = 12 J 2
Almacenador
capacitivo
Capacitancia
fludica
q21 = Cf dpdt21
E = 12 Cf p22
Almacenador
capacitivo
Capacitancia
termica
q = Ct dT
dt
E = Ct T
Disipador
de energa
Resistencia
electrica
i=
Disipador
de energa
Amortiguador
traslacional
f = Bv21
2
P = Bv21
Disipador
de energa
Amortiguador
rotacional
T = B21
2
P = B21
Disipador
de energa
Resistencia
fludica
q=
1
Rf p21
P=
1 2
Rf p21
Disipador
de energa
Resistencia
termica
q=
1
Rt T21
P=
1
Rt T21
1
R v21
P=
1 2
R v21
1.3 Din
amica Lineal de los Elementos Ideales
v2
(a)
v1
v2
v1
v2
(i)
p1 q
(m)
B
v1
(j)
Rf
Cf
(g)
f
T1
p1
p2
p1
p2
q2
(h)
f
1 T
B T 2
v2
(k)
p2
(d)
q1
(f)
Ct
(c)
(e)
q
v2
(b)
1 T
v1
Rt
q
(l)
T2
(n)
10
Introducci
on
Captulo 2
El Proceso a Controlar
La dinamica de una gran variedad de procesos a ser controlados se puede describir
mediante un conjunto de ecuaciones diferenciales. Tal descripcion matematica se obtiene aplicando las leyes de la fsicas y de la qumica en dicho proceso, tales como la
conservacion de la energa y las leyes de Newton.
Para construir un modelo adecuado para propositos de control, se requiere conocer
bien la dinamica del proceso. No siempre es mejor que un modelo sea lo mas exacto
posible a su comportamiento dinamico. Tener en cuenta que mientras mas complejo sea
el modelo, mas dificultoso sera el analisis y dise
no del sistema de control. Lo recomendable
es que el modelo del proceso mantenga las caractersticas dinamicas de interes para el
rango de operacion del sistema de control a dise
nar.
En este captulo se determinan los modelos dinamicos de varios procesos con tres
propositos fundamentales. El primero, para que sirvan como una fuente de datos de
salida para poder construir curvas de reaccion; el segundo, para que su dinamica sea
usada en el dise
no de controladores avanzados; por u
ltimo, para verificar la funcionalidad
del controlador actuando sobre el proceso.
2.1.
12
El Proceso a Controlar
y
y2 y 1
=
u
u2 u 1
(2.2)
FI
y
Vlvula
de control
u1
(a)
y
y
2
y
t1
t2
t
y
1
t1
t2
t
(b)
Fig. 2.1: (a) Proceso flujo. (b) Respuesta al escalon (curva de reaccion a lazo abierto)
del proceso flujo.
Ejemplo 2.1
Determinar la ganancia proporcional del proceso flujo mostrado en la Fig. 2.1(a),
sabiendo que el recorrido total de la valvula es de 10 mm y que el maximo flujo que
puede pasar por la tubera es de 10 L/min (L: litro). Asumir que el cambio de flujo
y a traves de la valvula es proporcional al cambio de abertura de valvula u.
Soluci
on.- La proporcionalidad se refiere a que y = Kp u. Empleando la ecuacion
(2.2), la ganancia Kp se calcula como:
Kp =
y2 y 1
10 0
L
y
=
=
=1
u
u2 u 1
10 0
min mm
13
Observar que un motor es el que hace girar los ejes de entrada y de salida de dicha
caja.
La respuesta al escalon mostrado en la Fig. 2.1(b) tambien se aplica al proceso
flujo de granos. Considerese que para un tiempo t1 , el flujo que pasa por la banda
es y1 , correspondiente a la velocidad u1 fijada en la caja reductora. Para un tiempo
t2 , incrementamos la velocidad de salida de la caja reductora, fijandola de u 1 a u2 .
Consecuentemente, el flujo aumenta de y1 a y2 , sin experimentar retardo. Entonces,
la ganancia proporcional del proceso flujo de granos es la misma obtenida en (2.2) y
la correspondiente FT esta dada por (2.3).
Silo de
material
Banda transportadora
u
Caja de
reduccin
Motor
2.2.
Un procesos SISO de primer orden se caracterizan por poseer una FT que posee
1
(ver Tabla 2.8); es
una parte proporcional Kp mas un retardo de primer orden T s+1
decir, su salida y(s) esta relacionada con su entrada u(s) como sigue:
y(s) =
Kp
u(s)
Ts + 1
(2.4)
dh
= S h = qC qD
dt
(2.5)
14
El Proceso a Controlar
q
Rebose
Fig. 2.3: Proceso tanque cerrado con orificio de salida en la base y tubera de rebose.
Descripcion
Diametro del tanque
Valor
0.2
Unid.
m
0.0314
m2
m
qC
qC
Estado estacionario de qC
qD
qD
Estado estacionario de qD
Rh
qD es laminar, entonces:
qD =
0.4
1.66104
m3 /s
m3 /s
2.16104
h
Rh
m
m3 /s
m3 /s
s/m2
(2.6)
h
qD
(2.7)
(2.8)
15
h(s) =
Rh
qC (s)
SRh s + 1
(2.9)
Asumiendo que el flujo de entrada es un escalon de amplitud A, entonces, su transformada de Laplace es: qC (s) = A/s. Por consiguiente, de (2.9) se obtiene:
h(s) =
Rh A
s(SRh s + 1)
(2.10)
Aplicando los teoremas del valor inicial y del valor final en h(s), los valores inicial y
final de h(t) resultan:
lm h(t) = lm sh(s) = 0
t0
lm h(t) = lm sh(s) = Rh A
so
La curva de reaccion a lazo abierto del nivel h se determina resolviendo (2.8) o (2.10).
Vamos a intentar tres soluciones. Para una primera solucion, descomponemos (2.10)
en fracciones parciales:
"
#
Rh A
1
1
h(s) =
= Rh A
1
s(SRh s + 1)
s (s + SR
)
h
Tomando transformada inversa de Laplace a cada termino de h(s) se obtiene:
h
i
1 t
h(t) = Rh A 1 e SRh
(2.11)
Los valores inicial y final de h(t) resultan:
lm h(t) = 0
t0
lm h(t) = Rh A
tinf
Notar que estos valores coinciden con los hallados empleando (2.10).
La segunda forma de hallar h(t) es empleando matematica simbolica, tal como se
ilustra en el siguiente programa denominado nivel1simb.m:
% nivel1simb.m DETRMINACI
ON DE h(t) USANDO TRANSFORMADA INVERSA DE LAPLACE
clear all; close all; clc; syms s Rh A S;
h=ilaplace(Rh*A*(1/s - 1/(s + 1/(S*Rh)))); pretty(simplify(h))
La tercera forma de hallar h(t) es mediante un programa en MATLAB, el cual tambien grafica la curva de reaccion. Este programa requiere la ecuacion de diferencia
del proceso nivel. Para ello se debe de discretizar la ecuacion de estado dada en (2.8)
como sigue:
1
1
h(k + 1) h(k)
=
h(k) + qC (k)
T
Rh S
S
1
1
h(k + 1) = h(k) + T
h(k) + qC (k)
Rh S
S
1
1
h=h+T
h + qC
Rh S
S
16
El Proceso a Controlar
qC [L/h]
10.5
10
9.5
9
8.5
50
100
150
200
250
TIEMPO
300
[s]
350
400
450
500
50
100
150
200
250
TIEMPO
300
[s]
350
400
450
500
0.4
NIVEL [m]
0.3
0.2
0.1
0
dTo
dt
(2.12)
17
q
Ti
q
T
Tabla 2.2: Parametros y variables del proceso temperatura en un tanque con agitador.
Smbolo
q
Descripcion
Flujo de entrada y de salida
Unidades
m3 /s
kg/m3
Cp
Cv
J
kg K
J
kg K
m3
Ti
oC
To
oC
V Cv
qCp
(2.13)
La curva de reaccion del proceso con Ti (s) = A/s, la cual es semejante al grafico
inferior de la Fig. 2.4, posee la forma:
t
To (t) = A (1 e )
la cual se halla ejecutando el programa en matematica simbolica temp1simb.m, donde
tau = :
% temp1simb.m DETRMINACI
ON DE To(t) USANDO TRANSFORMADA INVERSA DE LAPLACE
clear all; close all; clc; syms s tau A;
To = ilaplace(A/(s*(tau*s+1))); pretty(simplify(To))
18
El Proceso a Controlar
2.3.
Vx (s)
= sC1 1
Vi (s)
R1 + sC
Vo (s)
= sC2 1
Vx (s)
R2 + sC
C2
R2
C1
Vi
Vi
Seguidor de voltaje
Opamp
inversor
C2
Vx
Vo
Opamp
inversor
Tanques en Cascada
La Fig. 2.7 muestra dos tanques unidos por una tubera. Los parametros y variables de este proceso se describen en la Tabla 2.3. Las ecuaciones dinamicas que
gobiernan este sistema son:
q1 =
h1 h 2
R1
C1
dh1
= q q1
dt
h2
dh2
C2
= q1 q2
R2
dt
Pasando al dominio de Laplace con condiciones iniciales nulas, se obtiene:
q2 =
q1 (s =
h1 (s) h2 (s)
R1
h2 (s)
C2 sh2 (s) = q1 (s) q2 (s)
R2
Si la entrada es q(s) y la salida es q2 (s), entonces:
q2 (s) =
q2 (s)
1
=
2
q(s)
R1 C1 R2 C2 s + (R1 C1 + R2 C2 + R2 C1 )s + 1
19
Tabla 2.3: Parametros y variables del proceso temperatura en un tanque con agitador.
Smbolo
Descripcion
Unidades
q, q1 , q2
R1 , R2
Resistencias hidraulicas
C1 , C2
Capacitancias hidraulicas
m3
s
s
m2
m2
h1 , h2
m2
h1
h2
R1
R2
q2
q1
Indicador con N
ucleo de Fierro M
ovil
La Fig. 2.8 muestra un indicador con n
ucleo de fierro movil, donde K es la constante del resorte, B es la constante de viscocidad del amortiguador, M es la masa
del n
ucleo de fierro encerrado por la bobina, y u es la corriente que circula por la
bobina. La fuerza electromagnetica Km u producida por u produce un movimiento
y en el n
ucleo, cuya direccion y magnitud depende de la direccion y magnitud de
la corriente u. El movimiento y, que es tambien el desplazamiento del indicador, es
proporcional a la corriente u. La ecuacion que gobierna el movimiento del n
ucleo es:
Km u = Ky + B
dy
d2 y
+M 2
dt
dt
Km
M
B
Ms
K
M
s2
B
=
2 KM
Kp
+ 2n s + n2
n =
K
M
20
El Proceso a Controlar
2.4.
Procesos Integrales
Llenado de un Tanque
La Fig. 2.9 muestra un tanque de seccion A que esta siendo llenado por un flujo
u de entrada. Solo cuando el tanque alcanza un nivel maximo, entonces se prende la
bomba de vaciado. El volumen acumulado en el tanque es:
A
dy
=u
dt
Kp =
1
A
21
Sat
elite
El satelite mostrado en la Fig. 2.10 se puede modelar como:
J = u
donde J es el momento de inercia del satelite, es el angulo de inclinacion y u es
el torque generado por los impulsores para corregir el angulo de inclinacion. En el
dominio de Laplace, el modelo del satelite toma la forma: Js2 (s) = u(s). Luego, la
FT del satelite es un doble integrador:
Kp
(s)
= 2
u(s)
s
Kp =
1
J
entonces
Por otro lado, si seleccionamos como variables de estado x1 = y x2 = ,
las ecuaciones de estado del proceso resultan: x 1 = x2 y x 2 = u/J, mientras que la
salida es: y = x1 . En forma matricial:
x 1
0 1
x1
0
=
+ 1 u
x 2
0 0
x2
J
y = [1 0]
x1
x2
2.5.
L
v
22
El Proceso a Controlar
Kp =
y
u
2.6.
Kp =
y1
u1
23
ingresa al tanque a una temperatura Ti . Este flujo abandona el tanque por desborde
a una temperatura T . La pared metalica del tanque se encuentra a una temperatura
Tm . El modelo de este proceso fue extrado de [28]. La Tabla 2.4 muestra las variables
y parametros del proceso.
El balance de energa en el flujo que se procesa se expresa como:
qCp Ti hi Ai T + hi Ai Tm qCp T = V Cv
dT
dt
(2.14)
dT
dt
(2.15)
dt
dt
(2.16)
qCp
qCp + hi Ai
K1
K2
ti (s) +
tm (s)
1 s + 1
1 s + 1
K2 =
hi A i
qCp + hi Ai
1 =
(2.17)
V Cp
qCp + hi Ai
24
El Proceso a Controlar
Rebose
Agua fra
qC
TC
C
q
T
TC
Camisa de
enfriamiento
Tanque metlico
Tm
Producto
q
Ti
(a)
ti
K6
tc
i
1
3 s+1
K5
tc
K1
1
2 s+1 t
m
K4
K7
q
1
1 s+1
K2
K3
(b)
dTm
dt
(2.18)
dtm
dt
K4
K3
t(s) +
tc (s)
2 s + 1
2 s + 1
(2.19)
hi Ai
ho Ao
V m m C vm
K4 =
2 =
hi Ai + h o Ao
hi Ai + h o Ao
hi Ai + h o Ao
El balance de energa en la camisa de enfriamiento se formula como:
K3 =
Qc c Cp Tci + ho Ao (Tm Tc ) Qc c Cp Tc = Vc c Cv
dTc
dt
(2.20)
= Q c T c i + T c i qc + Q c tc i
Q c Tc = Q c T c + T c q c + Q c t c
(2.21)
25
Descripcion
Flujo de agua actual, estable y residual
Valor
Unid.
m3 /s
m3 /s
Densidad de q
kg/m3
Densidad de Qc
kg/m3
kg/m3
Cp
Capacidad calorfica de q
Cv
C vm
J
kgK
J
kgK
J
kgK
m3
Vm
T, T , t
Tci , T ci , tci
Ti , T i , t i
Tm , T m , t m
m3
hi
ho
Ai
Area
interna de transferencia de calor
J
m2 sK
J
m2 sK
m2
Ao
Area
externa de transferencia de calor
m2
c Cp Qc T ci + ho Ao (T m T c ) c Cp Qc T c = Vc c Cv
dT c
dt
(2.23)
K5 =
K6
K7
K5
tc i +
tm +
qc
3 s + 1
3 s + 1
3 s + 1
Q c c C p
h o A o + Q c c C p
ho Ao
K6 =
ho Ao
h o A o + Q c c C p
(2.24)
26
El Proceso a Controlar
c Cp (T c T ci )
h o A o + Q c c C p
K7 =
3 =
Vc c C p
h o A o + Q c c C p
La Fig. 2.13(b) muestra el diagrama de bloques del proceso construido con las ecuaciones (2.17), (2.20) y (2.24). Observar que dicho diagrama de bloques es similar al
del ejemplo ??, en donde se determinaron la funciones de transferencia t(s)/q c (s)
(tipo PT3 ), t(s)/tci (s) (tipo PT3 ) y t(s)/ti (s) (tipo PD2 T3 ).
2.7.
El Motor DC
Rf
La
Vb
Lf
Vf
If
Campo
If
1
Rf
Lf s
Km
T
d
Tm
TL
(b)
Armadura
Va
Km
Vb
Im
Ra
Td
Tm
TL
L as
J
B
Ia
(a)
Vf
Va
Ra
Motor ms
carga
1
Js
1
s
Motor ms
carga
1
Js
1
s
Kb
(c)
Fig. 2.14: (a) Circuito equivalente del motor DC. (b) Motor DC controlado por campo.
(c) Motor DC controlado por armadura.
2.7 El Motor DC
27
(s) = s(s)
Km
(s)
=
Vf (s)
s(Js + B)(Lf s + Rf )
(2.25)
(s)
Vf (s)
(s)
Vf (s)
K
s( s + 1)
K
=
s + 1
J
B
K=
Km
Rf B
(2.26)
Vb (s) = Kb (s)
(2.27)
Km
(s)
=
Va (s)
s[(Ra + La s)(Js + B) + Kb Km ]
(2.28)
(s)
K
=
Va (s)
s( s + 1)
(s) K
Km
; K=
;
=
Ve (s)
s + 1
Ra B + Kb Km
Ra J
(2.29)
Ra B + Kb Km
Notar que tanto para el motor controlado por campo como por armadura, las FTs
para y para dadas en (2.26) y (2.29) poseen la misma estructura cuando se
desprecia ya sea Lf o La .
28
El Proceso a Controlar
x 2 =
B
Km
x2 +
x3
J
J
x 3 =
Kb
1
x3 +
Va
La
La
0
KJm
a
R
La
y = Cx
0
+ 0 u
y=
1
La
(2.30)
1 0 0
x1
x2
x3
x 1
x 2
0 1
0 1
y = Cx
0
K
y=
1 0
(2.31)
x1
x2
2.8.
2.8.1.
B=
C=1
El proceso tanque cerrado con agua estudiado aqu se muestra en la Fig. 2.15. La
Fig. 2.16 ilustra el esquema para estudio de este proceso, donde se observa que los
flujos de agua fra qC y de agua caliente qC se mezclan en el interior del tanque con el
proposito de producir el flujo de salida qC a una temperatura . Por consiguiente, el
proceso tanque con agua es multivariable cuadrado debido a que posee dos entradas:
los flujos qC y qH , y dos salidas: el nivel h del agua dentro del tanque y la temperatura
que se asume uniforme en el interior del tanque.
29
2.8.2.
Modelo Din
amico No Lineal del Proceso
Balance de Masas
Aplicando balance de masas en el tanque, el cambio de volumen de agua acumulado en su interior se modela como:
dh
A
= Ah = qC + qH qD
(2.33)
dt
donde A es la seccion del tanque, h es la altura del agua, Ah es el cambio de volumen
de agua en el tiempo t, qC (agua fra) y qH (agua caliente) son los flujos de entrada
al tanque y qD (agua calentada) es el flujo de salida, el cual se calcula de [14]:
p
a = CE d2 D 2g
(2.34)
qD = CE d2 2D p = a h;
4
4
30
El Proceso a Controlar
Tabla 2.5: Parametros, variables y smbolos del sistema tanque con agua.
Smbolo
dA
Descripcion
Diametro del tanque
qC
qC
Estado estacionario de qC
qH
qH
Estado estacionario de qH
qD
qD
Estado estacionario de qD
Rh
Aceleracion de la gravedad
Valor
0.2
Unid.
m
0.0314
m2
m
0.4
m
m3 /s
1.66104
m3 /s
m3 /s
0.5104
m3 /s
m3 /s
2.16104
m3 /s
s/m2
9.81
m/s2
20 +270
50 +270
Estado estacionario de
K
35+270
998
kg/m3
988
kg/m3
996
kg/m3
6.5
mm
15.9
mm
Cp
4186.8
J
kg K
LT
Transmisor de nivel
TT
Transmisor de temperatura
FT
Transmisor de flujo
PT
Transmisor de presion
31
PT
LT= Transmisor de Nivel
TT = Transmisor de Temperatura
TT
Reboce
LT
Drenaje
Agua Caliente
Agua Fra
FT
FT
(2.36)
32
El Proceso a Controlar
es el calor que trae consigo el flujo de entrada de agua fra qC . Cabe anotar que se
esta despreciando el calor que se libera al exterior del tanque debido a que tal tanque
es cerrado y suficientemente aislado. Las relaciones que gobiernan los flujos calorficos
descritos anteriormente son:
d
= AhD Cp
dt
= C p C C qC
= C p H H qH
= AhD Cp
D = C p D q D = C p D a h
(2.37)
Los parametros que aparecen en (2.37) se describen en la tabla 2.5. Observar que se
asume un valor constante para el calor especfico del agua Cp . La ecuacion de estado
(2.38)
x =
x 1
x 2
x = f (x, u)
x1
x=
x2
(2.39)
u=
u1
u2
qC
qD
f=
"
f1
f2
Aa x1 +
x2
x1
Aa
33
1
A u1
1
A u2
C C u 1
D A x 1
H H u 2
D A x 1
Dado que las variables de estado son las variables medidas del proceso, entonces la
ecuacion de salida posee la siguiente expresion:
y=
2.8.3.
y1
y2
y = Cx
x1
x2
(2.40)
C=
1 0
0 1
Modelo Din
amico de Lagrange del Proceso
El modelo dinamico de Lagrange del proceso tanque cerrado con agua se obtiene
reordenado las ecuaciones de (2.39) en la forma siguiente:
u1 + u2 = Ax 1 + a x1
C C u1 + H H u2 = D Ax1 x 2 + D a x1 x2
Por consiguiente:
a x1
x 1
A
0
u1
1
1
+
=
x 2
0 D Ax1
u2
D a x 1 x 2
c C H H
Operando en la u
ltima ecuacion, es facil demostrar que el modelo dinamico de Lagrange del proceso toma la forma:
u = P x + d
1
H H A D Ax1
P=
(H H C C ) C C A D Ax1
1
H H a x 1 D a x 1 x 2
d=
(H H C C ) C C a x1 + D a x1 x2
2.8.4.
(2.41)
Modelo Din
amico Lineal del Proceso
2h
Rh
(2.42)
h
qD
(2.43)
(2.44)
34
El Proceso a Controlar
2
1
1
x 1 + u1 + u2
Rh A
A
A
(2.45)
Asumiendo que la variacion del nivel h es mnima, entonces podemos hacer las
siguientes sustituciones en la ecuacion de estado (2.38) correspondiente a la temperatura en el tanque:
p
qD = a h = a h = q D
h=h
(2.46)
C C
H H
qD
x2 +
u1 +
u2
AhD
AhD
AhD
(2.47)
La ecuacion de estado lineal del proceso se obtiene juntando las ecuaciones (2.45) y
(2.47):
x = A x + B u
(2.48)
x1
h
u1
qC
x=
=
u=
=
x2
u2
qH
1
1
0
Rh2 A
A
A
B=
A=
qD
H H
C C
0
Ah
Ah
Ah
D
2.9.
2.9.1.
Kp
y(s)
=
e s
u(s)
(T s + 1)
Kp =
y1 y 0
u1 u 0
(2.49)
35
y
u
u1
u0
t
t1
Proceso
autoregulado
KP
e s
Ts + 1
y
1
P.T.
y0
t1
graficamente trazando una tangente que toque el punto de tangencia (P.T.) sobre la
curva de reaccion.
La curva de reaccion mostrada en la Fig. 2.18 tambien se puede aproximar mediante una FT de orden n de la forma:
G(s) =
Kp
y(s)
=
u(s)
(Tn s + 1)n
Kp =
y1 y 0
u1 u 0
(2.50)
10
/T
0.104
0.218
0.320
0.410
0.493
0.591
0.641
0.709
0.775
Tn /T
0.368
0.270
0.224
0.195
0.175
0.151
0.148
0.140
0.132
Ejemplo 2.2
Determinar dos modelos dinamicos que describan el comportamiento velocidad frenada de un motor DC a partir de su curva de reaccion, semejante a la mostrada en la
Fig. 2.18. Esta curva se obtuvo manipulando la entrada u del sistema, un generador
de voltaje continuo. Los datos ledos fueron: u0 = 10 V, u1 = 20 V, y0 = 400 rpm,
y1 = 600 rad/s, el tiempo muerto = 2 s y T = 9.2 s. Determinar la ganancia normalizada del sistema sabiendo que la entrada maxima de voltaje es 40 V y el rango
del instrumento de medicion de rpm a la salida es de 0 a 1000 rpm.
Soluci
on: El primer modelo dinamico se halla con la ecuacion (2.49) donde = 2 s
y T = 9.2 s:
G(s) =
Kp
y(s)
=
e s
u(s)
(T s + 1)
Kp =
y1 y 0
600 400
rpm
=
= 20
u1 u 0
20 10
V
El segundo modelo dinamico se refiere a la ecuacion (2.50). Con los datos proporcionados en el ejemplo se obtiene: /T = 0.217. Empleando la Tabla 2.6 se puede
36
El Proceso a Controlar
Kp
y(s)
20
=
=
n
u(s)
(Tn s + 1)
(0.54s + 1)3
600400
10000
2010
400
0.2
= 0.4
0.5
Caso Especial
Para el caso especial:
0 < /T < 0.104
la dinamica del sistema autoregulado se puede aproximar mediante la siguiente FT
de segundo orden:
G(s) =
Y (s)
KP
=
U (s)
(T1 s + 1)(T2 s + 1)
KP =
y1 y 0
u1 u 0
(2.51)
k>1
/T
0.094
0.090
0.085
0.080
0.075
0.069
0.064
0.058
0.053
T1 /T
0.238
0.175
0.140
0.120
0.107
0.097
0.088
0.081
0.074
Ejemplo 2.3
Determinar el modelo que describa la dinamica de un sistema mecatronico de velocidad a partir de su curva de reaccion, semejante a la mostrada en la Fig. 2.18. En este
caso, los datos ledos fueron: u0 = 5 V, u1 = 15 V, y0 = 200 rpm, y1 = 300 rpm,
= 2 s, T = 22 s.
Soluci
on: El modelo dinamico se refiere a la ecuacion (2.51). Dado que /T = 0.09,
empleando la Tabla 2.51 se determina que k = 2 y T1 /T = 0.175, lo que implica que
T1 = 3.85 s y T2 = kT1 = 7.7 s. Como KP = (300200)/(155) = 10 rpm/V, la FT
pedida es:
G(s) =
KP
10
Y (s)
=
=
U (s)
(T1 s + 1)(T2 s + 1)
(3.85s + 1)(7.7s + 1)
2.9.2.
37
M
etodo del 28.3 % y 63.2 %
La Fig. 2.19 muestra la curva de reaccion para el metodo 28.3 % y 63.2 %. En este
metodo se determinan los tiempos t28.3 % y t63.2 % correspondientes a las magnitudes
0.283y y 0.632y, respectivamente. En base a estos valores, los parametros de la
FT dada en la ecuacion (2.49) se determinan de:
T = 1.5(t63.2 % t28.3 % )
= t63.2 % T
t 63.2%
u1
u
u0
t
t1
Proceso
autoregulado
KP
e s
Ts + 1
(2.52)
t 23.3%
y
1
y
0.632 y
y0
0.283 y
t
t1
2.9.3.
38
El Proceso a Controlar
An2 n t
e
sen d t
d
(2.57)
La Fig. 2.20 (grafico superior derecha) muestra y(t) para A = 1 y varios valores de
. Notar tambien que para 1 la respuesta se vuelve sobreamortiguada.
Una forma alternativa de (2.53) incluye un tiempo muerto . Esto es:
G(s) =
y(s)
2
= 2
es
u(s)
s + 2s + 2
(2.58)
Para una entrada tipo escalon (u(s) = A/s) en (2.58) y aplicando la propiedad (5)
de la Tabla A.2 en (2.55), se obtiene la respuesta y(t) al escalon correspondiente a
(2.58):
n n (t )
y(t) = A 1
e
sen[d (t ) + ]
(2.59)
d
La Fig. 2.20 (grafico inferior izquierda) muestra y(t) para A = 1 y varios valores de
. De nuevo, notar que para 1 la respuesta se vuelve sobreamortiguada.
Si la entrada es un impulso (u(s) = A) en (2.58) y aplicando la propiedad (5)
de la Tabla A.2 en (2.57), se obtiene la respuesta al impulso y(t) correspondiente a
(2.58):
An2 n (t )
e
sen d (t )
(2.60)
y(t) =
d
La Fig. 2.20 (grafico superior derecha) muestra y(t) para A = 1 y varios valores de .
Notar que para 1 la respuesta se vuelve sobreamortiguada. Para obtener la Fig.
2.20, ejecutar el programa r1.m listado abajo.
N Y AL IMPULSO DE PROCESOS AUTOREGULADOS
% r1.m RESPUESTAS AL ESCALO
clear all; close all; clc; wn=3; tau=2; s=tf(s);
subplot(221), for z=[0.2:0.4:1.8]; G1=wn^2/(s^2+2*z*wn*s+wn^2);
step(G1), hold on, end
subplot(222), for z=[0.2:0.4:1.8]; G2=wn^2/(s^2+2*z*wn*s+wn^2);
impulse(G2), hold on, end
subplot(223), for z=[0.2:0.4:1.8]; G3=wn^2*exp(-tau*s)/(s^2+2*z*wn*s+wn^2);
step(G3), hold on, end
subplot(224), for z=[0.2:0.4:1.8]; G4=wn^2*exp(-tau*s)/(s^2+2*z*wn*s+wn^2);
impulse(G4), hold on, end, print -deps -f r1
Respuesta al Escal
on en Procesos No Autoregulados
Procesos no autoregulados, como es el caso de la posicion angular del eje de un
motor de CC, o el aumento del nivel de un lquido dentro de un tanque sin tubera de
2.10 Problemas
39
Step Response
Impulse Response
4
1.5
Amplitude
Amplitude
0.2
1
0.5
0
1
0
1.8
0.2
1.8
5
Time (sec)
10
5
Time (sec)
Step Response
Impulse Response
4
1.5
Amplitude
Amplitude
0.2
1
0.5
0
10
1
0
1.8
0.2
1.8
5
Time (sec)
10
5
Time (sec)
10
salida, poseen una respuesta al escalon no finita, tal como se ilustra en la Fig. 2.21.
La dinamica de tales procesos se puede modelar como:
Gp (s) =
KI s
e
s
R = KI
(2.61)
2.10.
Problemas
Problema 2.1
La Fig. 2.22 muestra un amplificador un seguidor de voltaje y dos opamps inversores.
Demostrar que este proceso es proporcional con ganancia K p = Rf /Ri , donde Rf ,
Ri y R son resistencias.
40
El Proceso a Controlar
Proceso
no autoregulado
u
A
KI
e s
s
y
y
R = KI
FT
Proceso
Proporcional (P)
Kp
Primer orden
Integral (I)
Kp
s
Segundo orden
(primera forma)
Doblemente
integral
Kp
s2
Segundo orden
(segunda forma)
Proporcional
integral (PI)
Proporcional
derivativo (PD)
P+I+D
Kp 1 +
1
Ti s
Segundo orden
1
Ti s
+ Td s
De orden n
(primera forma)
De orden n
Kp e s
Integral con
tiempo muerto
Kp
s
Kp
T s+1
e s
Kp
(T s+1)2
2
n
2
s2 +2s+n
Kp
(T1 s+1)(Tn s+1)
Kp
(T s+1)n
(segunda forma)
Tiempo muerto
e s
Kp
T s+1
Kp
(T1 s+1)(T2 s+1)
(tercera forma)
Kp (1 + Td s)
Kp 1 +
FT
Kp
(T1 s+1)(T2 s+1)
e s
2
n
2
s2 +2s+n
e s
2s
n
2
s2 +2s+n
e s
Problema 2.2
La Fig. 2.23 muestra una turbina de agua unido a un generador electrico. De-
2.10 Problemas
41
Rf
Ri
Opamp
inversor
Seguidor
de voltaje
Vin
R
Vo
Opamp
inversor
mostrar que:
Kp
M (s)
=
(s)
Ts + 1
donde M (s) es el momento rotacional generado por la turbina gracias a la eccion
del flujo de agua, (s) es la velocidad angular del generador y T su correspondiente
constante de tiempo. Asumir conocido cualquier otro parametro necesario.
Generador
elctrico
Turbina
Entrada
de agua
M
Desague
Problema 2.3
En la subseccion 2.8.1 se determinaron el modelo de Lagrange y la ecuacion de estado
del proceso tanque cerrado
con agua. Ahora consideremos que se desea controlar el
T = RC
42
El Proceso a Controlar
donde Po es la presion del gas dentro del recipiente, Pi es la presion del gas de entrada,
R = (Pi Po )/Q es el la resistencia neumatica, Q es el caudal del gas, C = dm/dp
(variacion de la masa con respecto a la variacion de la presion) es la capacitancia
neumatica, m = V es la masa del gas, V es el volumen del tanque, es la densidad
del gas y T = RC es la constante de tiempo. Se sabe ademas que la capacitancia C
multiplicada por la variacion de la presion de salida dPo , es igual al gas Q a
nadido
al recipiente en un diferencial de tiempo dt.
Pi
R
Q
Po
C
Problema 2.5
La Fig. 2.25 muestra una proceso mecanico traslacional, donde M es la masa de
un cuerpo que esta accionado por una fuerza u. A esta accion se le oponen la fuerza
fK = Kx en el resorte y la fuerza de perdidas fB = Bv en el amortiguador, donde K
es la constante del resorte, B es la constante de perdidas, v = dx/dt es la velocidad
de la masa M y x su posicion.. La ecuacion dinamica de este proceso es:
M
dv
= f f K fB
dt
K
B
fK
fB
2.10 Problemas
43
r1
R1
+
e1
u1
K1
R2
u2
B1
y
P2
y1
Y1
r2
P1
e2
Y2
K2
B2
Captulo 3
El Sistema de Instrumentaci
on
Este Captulo
3.1.
Sensores
Recordemos que la Fig. 1.1 ilustra un sistema de control a lazo cerrado (o realimentado) simple, denominado as poseer un solo lazo de realimentacion. El bloque
sistema de instrumentacion para el control de procesos SISO (Single Input Single
Output), consta de un sensor y de un transmisor. El sensor proporciona la variable
medida, la cual representa la condicion actual de la variable controlada y, mientras
que el transmisor cambia tal medicion en una se
nal estandarizada, la cual generalmente es una se
nal que pueda ser procesada y transmitida. En muchos casos la
variable medida y la variable controlada pueden ser la misma.
Los temas sensores y transmisores se tratan en forma extensa y especilizada en
los textos de instrumentacion industrial. En esta publicacion, tales temas van a ser
tratados con el suficiente nivel que exige un texto de control de procesos.
La medicion del valor actual de la se
nal a controlar se realiza mediante un sensor,
denominado tambien elemento primario de medicion, o un instrumento de medicion
que emplea los sensores adecuados para tal o cual medicion. Un sensor puede estar
caracterizado por una curva de reacci
on la cual relaciona la variable medida con la
se
nal generada. Esta curva se obtiene aplicando una serie de entradas conocidas al
sensor y almacenando las correspondientes respuestas. Un ejemplo tpico esta constituido por las curvas caractersticas de Temperatura ( F) vs mV de las termocuplas.
Seg
un el tipo de se
nal de salida que proporciona, un sensor se puede clasificar en
analogicos (la se
nal de salida es continua dentro del rango de medicion), digital (la
se
nal de salida es digital), y ONOFF (la se
nal de salida vara entre los umbrales
ON y OFF). Seg
un la magnitud a medir, el sensor puede ser de nivel, presion, temperatura, proximidad, flujo, etc. Por ejemplo, una termoresistencia proporciona una
se
nal continua en ohms, la cual es proporcional a la temperatura medida, mientras
que un radar proporciona se
nales discretas que son proporcionales a la magnitud de
la variable medida. Por otro lado, las se
nales que abren y cierran completamente una
valvula son del tipo ONOFF.
46
3.1.1.
El Sistema de Instrumentaci
on
Caractersticas Est
aticas y Din
amicas
Un sensor posee tanto caractersticas estaticas: rango, alcance, resolucion, sensibilidad, curva caracterstica, linealidad, saturacion, zona muerta, repetibilidad, histeresis, precision y exactitud, como dinamicas: velocidad de respuesta, respuesta en frecuencia, y estabilidad.
El rango es el campo de medida de la magnitud de entrada del sensor y vara entre
el valor maximo y el valor mnimo detectables, con una tolerancia de error aceptable.
El alcance o span es la diferencia entre el valor maximo y el valor mnimo de interes,
mientras que la resoluci
on es la mnima diferencia entre dos valores proximos que el
sensor es capaz de distinguir. Supongamos que un voltmetro es capaz de medir en
el rango de 0 a 500 V, pero nosotros solo estamos interesados en medir en la escala
de 200 a 300 V, lo cual significa un span de 100 V. El voltmetro usado posee una
resolucion de 0.5 V, es decir, podemos ver sin dificultad lecturas de, por ejemplo,
200.5 V 0 289.5 V.
Por otro lado, la sensibilidad es la variacion de la salida producida por una
variacion de la entrada. El grafico de los puntos de sensibilidad define la curva caracterstica o de de calibracion. Este grafico representa respuesta no lineal. Mientras
mayor sea la pendiente de dicha curva, mejor la sensibilidad. En un sensor con curva de respuesta lineal, la variacion de la salida producida por una variacion de la
entrada es constante; es decir, su sensibilidad es siempre la misma y su curva caracterstica es lineal. Por ejemplo, las curvas caractersticas de los diodos en su zona
activa son no lineales porque sus puntos de sensibilidad corriente sobre voltaje no son
constantes. En cambio, una conductancia (la inversa de la resistencia) si posee una
curva caracterstica lineal, porque sus puntos de sensibilidad corriente sobre voltaje
son constantes.
La saturaci
on se manifiesta en un sensor debido a la no linealidad producida por
la disminucion de sensibilidad, tpicamente al principio o al final del rango. En las
zonas de saturacion, la medicion no es confiable. La zona muerta de un sensor es el
area de valores de la variable medida que no hace variar la indicacion del instrumento.
Un sensor posee repetibilidad cuando se puede repetir el valor de la medicion de
una variable para una u
nica direccion de medicion. La histerisis en un sensor se parece
a la repetibilidad; sin embargo, el proceso de medicion es en ambos sentidos. Por
ejemplo, un termometro posee repetibilidad porque siempre mide 49 C en un objeto
de 50 C cuando dicho objeto pasa de mas fro a mas caliente. Desafortunadamente,
este termometro posee una histeresis de 1 C porque en un objeto de 50 C mide
49 C cuando dicho objeto pasa de mas fro a mas caliente, y mide 51 C cuando el
objeto pasa de mas caliente a mas fro.
La exactitud de una medicion se refiere a la maxima desviacion en % del valor
medido, con respecto al valor ideal. Por otro lado, un instrumento de medicion es
preciso cuando puede reproducir la lectura medida con una exactitud previamente
determinada. Supongamos que se mide una corriente conocida de 100 mA empleando
5 lecturas, las cuales resultan: 104, 103, 105, 103 y 105 mA. Dado que la desviacion
maxima en la medicion es 5 mA con respecto al valor real de 100 mA, la exactitud
del instrumento resulta:
5
100 = 5 %
100
3.1 Sensores
47
K
1 + 2T 2
MB () = 20logM ()
M = arctan(T )
donde M () es la magnitud de 3.1 y M () es el argumento o fase para cada frecuencia . MB () es M expresado en dB (decibelios). El grafico de MB () vs en
escala logartmica es la respuesta en frecuencia en magnitud del sensor representado
en 3.1, mientras que el grafico M = arctan(T ) vs en escala logartmica es su
correspondiente respuesta en frecuencia de su angulo o fase. Tales representaciones se
denominan los graficos de Bode en magnitud y fase. Un sensor no es estable cuando
la medicion experimenta desviaciones en los valores medidos debido a la variacion de
ciertos parametros, tales como K y T (ecuacion 3.2).
3.1.2.
48
El Sistema de Instrumentaci
on
3.1 Sensores
49
Captulo 4
4.1.
Caractersticas
52
4.1 Caractersticas
53
Captulo 5
5.1.
Un sistema de control SISO realimentado o a lazo cerrado, sin presencia de disturbios, tal como el que se muestra en la Fig. 5.1(a), comprende el proceso con FT
Gp (s) cuya salida y (la se
nal PV) se desea controlar, un controlador G c (s) que genera
la se
nal de control u (la se
nal MV) y el sistema de instrumentacion Gm (s) que se
ocupa de sensar y transmitir la se
nal y. El comparador que genera la se
nal de error
e = r y, donde r es la se
nal de referencia deseada o SP, es parte del controlador.
El controlador mostrado en las Figs. 5.1(b) y (c) ha sido dividido en dos partes:
Gc1 (s) y Gc2 (s). Para algunas configuraciones Gc1 (s) es del tipo PI mientras que
Gc2 (s) es del tipo D, tal como se vera mas adelante. Notar que el sistema a controlar
Gp (s) mostrado en las Figs. 5.1(a), (b) y (c) es del tipo SISO porque posee una
entrada: u y una salida: y. Los controladores mostrados en las Figs. 5.1(a) y (b) son
parte de un circuito realimentado. En la Fig. 5.1(c), el controlador G c2 (s) es del tipo
anticipativo, mientras que Gc1 (s) es del tipo de realimentacion.
El objetivo de control consiste en dise
nar una se
nal de control u, generada por el
algoritmo de control, que sea capaz de estabilizar la salida y del sistema con respecto
56
Gc (s)
G p(s)
G m (s)
(a)
r
G c1 (s)
G p(s)
G c2 (s)
G m (s)
(b)
G c2 (s)
r
G c1 (s)
y
G p(s)
G m (s)
(c)
a una se
nal de referencia r. En otras palabras, que la se
nal de control u sea capaz de
minimizar la se
nal de error e = r y, cumpliendo ciertas especificaciones de dise
no
previamente establecidas, ya sea en el dominio del tiempo o en el dominio de la
frecuencia.
El sistema de control SISO realimentado mostrado en la Fig. 5.2 toma en cuenta
la accion de los disturbios dy , du y dm actuando en la salida del sistema, en la salida
del controlador y en la salida del transmisor, respectivamente, los cuales no fueron
considerados en el sistema de la 5.1(a). El objetivo de control del sistema en este caso
es m
ultiple: dise
nar una se
nal de control u que sea capaz de estabilizar la salida y
con respecto a la se
nal de referencia r, cumpliendo ciertas especificaciones de dise
no
(ver seccion 5.2) previamente establecidas, rechazando al mismo tiempo la accion de
los disturbios que act
uan sobre el sistema.
El filtro de entrada sirve para eliminar las componentes de alta frecuencia, cuya
presencia puede ser da
nina durante el funcionamiento del sistema de control realimentado. Por otro lado, para evitar posibles da
nos en el actuador del elemento de
control final, se debe de incluir un limitador, tal como el mostrado en la Fig. 5.2. La
presencia de dicho limitador puede provocar el efecto denominado windup, el cual
sera tratado en la seccion 5.7.
57
du
Filtro de
entrada
dy
u
Controlador
Proceso ms
elemento
final de control
y
y
Limitador
Sensor y
transmisor
dm
Fig. 5.2: Sistema de control SISO con filtro de entrada, con limitador de salida y
sujeto a la accion de disturbios.
5.2.
Especificaciones de Dise
no
5.2.1.
Especificaciones de Dise
no en el Dominio del Tiempo
4
n
(5.1)
Mp A
100
A
(5.2)
58
el error ess se puede determinar empleando el teorema del valor final y teniendo en
cuenta que r(s) = A/s, como sigue:
Gp (s) =
y(s)
n2
= 2
r(s)
s + 2n s + n2
y(s) = Gp (s)r(s)
A
=A
ess = r yss = A A = 0
s0
s
relaciones exactas para Tp , Mp y P O se expresan como:
Mp A
2
100
= 100e/ 1
A
2
A 1 + e/ 1
p
= arc cos
d = n 1 2
d
2
n
r
s (s
(5.3)
(5.4)
(5.5)
(5.6)
2 n )
(a)
2n
r
s2
2 n s
yss
2n
0 T r Tp
(b)
s1
n
Zona de
estabilidad
Mp
A
e ss
Ts
Plano s
j
d
s2
(c)
Zona de
inestabilidad
(5.7)
59
s2 = n jd
2.16 + 0.16
n
0.3 0.8
(5.8)
Ejemplo 5.1
La Fig. 5.4 muestra un sistema realimentado. Determinar la ganancia K y el polo
p para que se cumplan las siguientes especificaciones de dise
no: el porcentaje de
sobrenivel de la respuesta y(t) a un escalon unitario debe de ser menor del 3 % y el
tiempo para alcanzar el valor estacionario de la respuesta debe de ser menor de 8 s.
r
K
s (s
p)
Soluci
on: La FT y(s)/r(s) en la Fig. 5.4 se expresa como:
y(s)
K
n2
= 2
= 2
r(s)
s + ps + K
s + 2n s + n2
p = 2n
K = n2
c
ln(100/P O)
2
c=
100e/ 1 < P O >
2
1+c
de donde resulta: < 0.745. Dado que Ts = 4n < 8 s, entonces: n > (2)1 = 0.67.
Luego se pueden determinar los parametros p y K pedidos.
5.2.2.
Especificaciones de Dise
no en el Dominio de la Frecuencia
60
Gr
aficos de Bode y Nyquist, y Carta de Nichols
El grafico de Bode en magnitud de una FT G(j) se obtiene graficando la magnitud |G(j)|dB = 20 log(G(j)) expresada en dB (decibelios) versus la frecuencia log
representada en logartmo vulgar (de base 10). El grafico de Bode en fase de una FT
G(j) se obtiene graficando la fase ang(G(j)) expresada en grados sexagesimales
versus la frecuencia log representada en escala logartmica de base 10 (decadas) o
en escala logartmica de base 2 (octavas).
En general, la FT G(j) de un sistema se puede representar como G(j) = u+jv,
donde u es la parte real y v es la parte imaginaria. En un grafico de Nyquist se grafica
la parte real u versus la parte imaginaria v del sistema G(j).
El grafico de |G(j)|dB versus log se denomina la carta de Nichols que tambien
se emplea en el dise
no de sistemas de control va la respuesta en frecuencia.
Ejemplo 5.2
Elaborar los graficos de Bode y Nyquist y la carta Nichols del sistema:
G(s) =
s2
n2
+ 2zn s + n2
z=0.1
z=0.5
Magnitude (dB)
0
20
z=0.9
z=1.3
40
60
Phase (deg)
80
0
z=0.1
z=0.5
z=0.9
z=1.3
45
90
135
180
10
10
10
Frequency (rad/sec)
10
10
61
Nyquist Diagram
6
z=0.1
Imaginary Axis
z=0.9
z=0.5
z=1.3
6
3
0
Real Axis
Nichols Chart
20
z=0.1
20
40
z=0.5
z=0.9
z=1.3
60
80
100
180
135
90
OpenLoop Phase (deg)
45
% bode1.m
clear all; close all; clc; s=tf(s);
62
Especificaciones de Dise
no en Frecuencia
La Fig. 5.8(a) muestra la respuesta del sistema de segundo orden autoregulado
a una entrada sinusoide, mientras que la Fig. 5.8(b) muestra su grafico de Bode
en magnitud. Sin demostracion, el valor pico M de la magnitud, el cual se puede
emplear como especificacion de dise
no, posee la relacion:
1
M =
0.7
(5.9)
2(1 2 )
0.3 0.8
(5.11)
y(j )=Bsen(t+)
r(j)=Asen t
t
y(j)
2
n
r(j)
(j)2 2 n j n 2
(a)
y(j)/r(j)
(b)
dB
(M) dB
0dB
3dB
0
log
Fig. 5.8: (a) Respuesta de un proceso de segundo orden a una sinusoide. (b) Su grafico
de Bode en magnitud (b).
63
y(j)
G(j)
=
r(j)
1 + GH(j)
GH(j) = 1
u
|GH(j)| = 1
Fig. 5.9: (a) Sistema realimentado. (b), (c) y (d): Margenes de fase y de ganancia.
64
G(j)
y
G H(j)
H(j)
G(j)
r
(a)
GH dB
GH dB
M g negativo
log
0 dB
log
M g positivo
ang GH
90
180
270
90
180
270
log
M f positivo
log
M f negativo
(b)
M g positivo
M f negativo
jv
1
Mg
jv
M g negativo
1
M f positivo
1
Mg
(c)
GH dB
GH dB M g negativo
M g positivo
0 dB
0 dB
M f positivo
270
180
M f negativo
90
270
180
90
(d)
Fig. 5.10: (a) Sistema realimentado. (b), (c) y (d): Margenes de fase y de ganancia.
65
% mfmg1.m C
ALCULO DE LOS M
ARGENES DE FASE Y DE GANANCIA
clear all; close all; clc; s=tf(s);
G = (1.5)/((s+0.1)*(s+0.3)*(s+0.4)); H = 0.1; GH = series(G,H);
[Mg,Mf,wMg,wMf] = margin(GH); % GR
AFICA BODE DE GH
[20*log10(Mg),Mf,wMg,wMf] % [-0.5976 -2.1262 0.4359 0.4499]
% SISTEMA INESTABLE PORQUE Mg EN dB Y Mf EN GRADOS SON NEGATIVOS
margin(GH); print -f -deps mfmg1
Bode Diagram
Gm = 0.598 dB (at 0.436 rad/sec) , Pm = 2.13 deg (at 0.45 rad/sec)
40
Magnitude (dB)
20
0
20
40
60
80
Phase (deg)
90
180
270
10
10
10
Frequency (rad/sec)
10
10
5.3.
Modos de Control
??
5.4.
5.4.1.
66
u(s)
1
= Kc +
+ Td s
e(s)
Ti s
(5.14)
Notar que los parametros Kc , 1/Ti y Td del controlador PID paralelo dado en (5.14)
corresponden a los parametros Kc , Kc /Ti y Kc Td del controlador PID ideal de (5.13).
Por consiguiente, (5.14) puede ser siempre reemplazado por (5.13).
El controlador PID Ideal Filtrado
Muchas veces es necesario introducir un filtro para suavizar se
nales ruidosas,
antes que se apliquen al algoritmo de control. Para estos casos se recomienda usar el
siguiente filtro de primer orden formulado tanto en el dominio del tiempo como en el
dominio de Laplace:
def (t)
1
= e(t) ef (t)
ef (s) =
e(s)
(5.15)
dt
1 + Ts
donde T es la constante de tiempo del filtro. Dado que el ruido en el sistema se
amplifica principalmente por la accion derivativa, entonces T se puede formular proporcional al tiempo derivativo como sigue:
T
T = Td
ef (s) =
1
e(s)
1 + Td s
(5.16)
67
(5.18)
El Controlador PID Cl
asico
El controlador PID clasico mostrado se denomina tambien controlador en cascada,
interactivo, serie, interactuante, analogo o comercial y se describe como:
!
1 + Td s
1
u(s)
= Kc 1 +
3 N 10
(5.19)
Gc (s) =
e(s)
Ti s
1 + TNd s
El Controlador PID Cl
asico Generalizado
El controlador PID clasico generalizado mostrado, con 3 N 10 se formula
como:
!
bf 0 + bf 1 s + bf 2 s2
Td s
u(s)
1
= Kc 1 +
+
Gc (s) =
(5.20)
e(s)
Ti s 1 + TNd s
1 + a f 1 s + a f 2 s2
El Controlador PID Dependiente
El controlador PID dependiente se denomina tambien controlador serie, interactuante o el algoritmo analogo y se describe como:
u(s)
1
0
0
Gc (s) =
1 + Td s
= Kc 1 + 0
(5.21)
e(s)
Ti s
(5.22)
T +T
Kc = K c i 0 d
Ti
0
Ti = T i + T d
T T
Td = 0 i d 0
Ti + T d
p
0
Kc = 0.5Kc 1 + 1 4Td /Ti
p
0
Ti = 0.5Ti 1 + 1 4Td /Ti
p
0
Td = 0.5Td 1 + 1 4Td /Ti
(5.23)
(5.24)
68
Kc = 0.5Kc
Ti = 0.5Ti
Td = 0.5Td
Para Td > TI /4, el controlador dependiente nunca sera similar al controlador ideal,
ya que para esta condicion los parametros en (5.24) se vuelven imaginarios.
El Controlador PID Interactivo
El controlador interactivo posee la siguiente estructura (compararla con la estructura del controlador clasico):
!
Td s
1
u(s)
= Kc 1 +
Gc (s) =
(5.25)
e(s)
Ti s
1 + TNd s
El Controlador PID Mejorado
El controlador mejorado posee la siguiente estructura (compararla con la estructura del controlador interactivo):
!
Td s
1
e(s) Kc
y(s)
(5.26)
u(s) = Kc 1 +
Ti s
1 + TNd s
El Controlador PID con Dos Grados de Libertad
El controlador con dos grados de libertad, conocido tambien como controlador
mPID o ISAPID, posee la siguiente estructura:
"
"
#
#
(1 )Td s
1
Td s
1
+
+
e(s)Kc 1 +
y(s) (5.27)
u(s) = Kc (1 ) +
Ti s
Ti s 1 + TNd s
1 + TNd s
5.4.2.
La Banda Proporcional BP %
En muchos casos practicos no se emplea la ganancia Kc del controlador, sino su inversa expresada en porcentaje, la cual se denomina banda proporcional (BP %). Esta
banda proporcional se puede definir como la cantidad necesaria de cambio porcentual
en la entrada del controlador para provocar un cambio de rango completo (100 %)
en su salida, debido a la accion del control proporcional. La entrada del controlador
es el error de desviacion entre la se
nal deseada (set point) y la variable controlada
(la salida del sistema), mientras que su salida es la se
nal de control que ingresa al
elemento de control final.
Es posible ajustar la cantidad de accion proporcional suministrada por el controlador. Este ajuste se refiere al cambio del ancho de la PB %, tal como se ilustra en
la Fig. 5.12, en donde la accion proporcional esta representada por la palanca y el
ajuste del ancho de la PB % se realiza desplazando el punto pivote de la palanca.
En la Fig. 5.12(a) el punto pivote esta ubicado en el centro de la palanca. Observar
que es necesario que la se
nal de entrada haga un recorrido completo (desde su valor
mnimo hasta su valor maximo) para mover el elemento de control final (la valvula
de control) desde su posicion completamente abierta a completamente cerrada. En
69
W
X WX
aa
Y ZY
Z
[ \[
\
]^
] ^]
Mn.
Abertura de vlvula
K L
K LK
L
Q RQ 100%
R
O P
O PO
P
M NM 50%
N
ST T
S TS
U VU
VUV
I J
I JI 0%
J
Pivote
(a) PB% = 100%
Error
) *
) *)
Mx. *
! "
! 0/ "! 0/
"
# $#
$
% &
% &%
&
' ('
(
Mn.
Abertura de vlvula
.-
- .
- .
- .
- .
- .
-
.
- .
- .
- .
- .
- .-
.-.
100%
.-
.
.
.
.
.
.
+ .
+ .
+ .
+
.
+ .
+ .- ,+
,
,
,
,
,
- ,
.
+ -.
+ -.
+ -.
+
-.
+ -.
+ .- ,+
,
,
,
,
,
,
.-
+ --
+ --
+ --
+ --
+ --
+
,.
,.
,.
,.
,.
,.
,. +
50%
-
+ .
+ .
+ .
+ .
+ .
+ .- ,+
,
,
,
,
,
,
.-
+
+
+
+
+
+
, --
, --
, --
, --
, --
, - +,
-
+ ,
+ ,
+ ,
+ Pivote
+ ,
+ ,+
,
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,+
,
+ ,
+ ,
+ ,
+ ,
+ ,
+
,
,+
0%
(b) PB% = 200%
Error
Abertura de vlvula
A B
A H
G BA H
G H
G H
G H
G H
G HG 3
2 3
2 32
Mx. B
G H
G H
G H
G H
G H
G HG 66 100%
H
G D
G D
G D
G D
G D
G D
H
H
H
H
H
H
HG DC 555
G
G
H CC
H CC
H CC
H CC
H CC
H CC
D
D G
D G
D G
D G
D GHHG CD
G
G
G
G
G
HG
H
H
H
H
H
C
C H
C H
C H
C H
C HG DC
D
D
D
D
D
44 50%
G D
HG
C H
C GH
C GH
C GH
C GH
C HG DC 8
D
G D
G D
G D
G D
G D
HG
H
7 8
7 87
C
C
C
C
C
C
C
D
D
D
D
D
D
D
G
G
G
G
G
G
G
H
H
H
H
H
H
H
?>?> D
C D
C Pivote
C D
C D
C D
C DC
D
@@@ D
C D
C D
C D
C D
C D
C DC 999
111 0%
Mn.
: ;:
;
E FE
F
< =<
=
70
e
E
100
Kc
Controlador
Proporcional
(5.29)
u
U
Ejemplo 5.4
Determinar la banda proporcional de un controlador PID operando en un sistema
de control de temperatura, sabiendo que un cambio de e = 15o C en la entrada del
controlador produjo un desplazamiento de u = 3 mm en el vastago de la valvula
de control. Se sabe ademas que el desplazamiento maximo del vastago es de U = 40
mm y que el rango de medicion de la variable del sistema controlado es de 100 o C a
500o C, lo cual significa que E = 500o C - 100o C = 400o C.
Soluci
on.- La ganancia Kc del controlador para el punto de operacion en estudio se
determina de (5.28):
3 mm/40 mm
u/U
=
=2
Kc =
e/E
15o C/400o C
mientras que la PB % se calcula de (5.29):
PB % =
100
100
=
= 50 %
Kc
2
5.5.
M
etodos de Sintonizaci
on de Controladores PID
5.5 M
etodos de Sintonizaci
on de Controladores PID
5.5.1.
71
M
etodo de la Curva de Reacci
on (Sistemas Autoregulados)
M
etodo de la Constante de Tiempo del Lazo
El metodo de la constante de tiempo del lazo se emplea para plantas que poseen
una FT de primer orden:
Kp
Gp (s) =
(5.30)
Ts + 1
donde T es la constante de tiempo de la planta, tiempo que corresponde al al 63.2 %
de la magnitud de la ganancia Kp . El 100 % de la magnitud de Kp se alcanza en aproximadamente 4T . Los parametros del controlador PID se sintonizan con las relaciones
siguientes:
1
1
Kc =
Ti = T
T d = Ti
(5.31)
Kp
4
Si la FT de la planta posee la forma:
Gp (s) =
Kp
(T1 s + 1)(T2 s + 1)
(5.32)
1
Kp
Ti = T 1 + T 2
Td =
1
Ti
4
Sintonizaci
on de Sistemas con FT Gp (s) = Kp e s
La Tabla 5.1 atribuida a Hartree et al. (ver referencias de [29]), se aplica para
controlar sistemas que poseen una FT de la forma Gp (s) = Kp e s . El control se
realiza empleando la configuracion de la Fig. 5.1(a).
Tabla 5.1: Reglas de sintona para controlar sistemas tipo Gp (s) = Kp e s .
Metodo
Curva de reaccion
Ejemplo 5.5
Controlador Gc (s)
1+Td s
1
K c 1 + Ti s
Td
1+ N s
Kc
Ti
Td
0.7
Kp
2.66
72
Kp s
e
Ti .s+1
Td .s+1
Ti .s
Td /N.s+1
Gc1(s)
Gc2(s)
Kc
r
Kc
rh
rh
Clock
Kp
tau
Kp
th
uh
yh
th
uh
yh
Scope
% hartree1graf.m
clear all; close all; clc;
r=1; N=3; Kp=2; tau=2; Kc=0.7/(Kp*tau); Ti=2.66*tau; Td=tau;
load th; load yh; load uh; load rh;
subplot(211), plot(th,rh,th,yh), xlabel(TIEMPO [s]),
ylabel(SALIDA y(t)), title(CONTROL DEL SISTEMA G(s)=Kp*exp(-tau*s))
subplot(212), plot(th,uh), xlabel(TIEMPO [s]), ylabel(CONTROL u(t))
print -f -deps hartree1graf, print -s -deps hartree1
M
etodo de la Curva de Reacci
on de Ziegler y Nichols
El metodo de la curva de reaccion de Ziegler y Nichols emplea la curva de reaccion
de la Fig. 2.18 y se aplica a sistemas autoregulados que se pueden modelar como un
sistema de primer orden de ganancia Kp y constante de tiempo T , en cascada con un
tiempo muerto :
Kp
y(s)
Gp (s) =
=
e s
(5.33)
u(s)
Ts + 1
La curva de reaccion se emplea para obtener los parametros y T , que luego son
usados para determinar los parametros KC , TI y TD del controlador PID estandar,
empleando la Tabla 5.2. Las formulas en dicha tabla fueron el producto de intensivos
trabajos experimentales realizados por los investigadores Ziegler y Nichols en 1942
[15]. Este metodo se aplica a sistemas autoregulados cuya curva de reaccion se puede
aproximar mediante la relacion (5.33).
En algunos sistemas, el tiempo muerto es bastante peque
no, por lo que es
dificultosa su cuantificacion. Para estos casos, es conocido un metodo de calculo que
5.5 M
etodos de Sintonizaci
on de Controladores PID
73
1.5
SALIDA y(t)
1
0.5
0
0.5
20
40
60
80
100
TIEMPO [s]
120
140
160
180
200
20
40
60
80
100
TIEMPO [s]
120
140
160
180
200
CONTROL u(t)
0.6
0.4
0.2
0
0.2
Tabla 5.2: Metodo de la curva de reaccion de Ziegler y Nichols para determinar los
parametros Kc , Ti y Td .
Tipo
P
PI
PID
PD
Controlador Gc (s)
100
BP ;
a=
Kp
T
Ti
Td
1/a
0.9/a
10 /3
1.2/a
0.5
Kc (1 + Td s)
1.2/a
0.42
Kc
Kc =
Kc 1 + T1i s
Kc 1 + T1i s + Td s
consiste en localizar en la curva de reaccion las tazas de cambio mas altas, las cuales
ocurren en los tiempos t1 = + T /3 y t2 = + T . Estos tiempos corresponden al
28.35 % y 63.2 % del valor maximo de la curva de reaccion, tal como se muestra en
la Fig. 5.16. Conociendo t1 y t2 , los parametros T y se determinan de:
T =
3
(t2 t1 )
2
= t2 T
(5.34)
74
y
100%
63.2%
28.3%
t
t2
Ejemplo 5.6
Se desea controlar el siguiente sistema de quinto orden empleando la tecnica de la
curva de reaccion de Ziegler y Nichols:
Gp (s) =
Kp
(s + Ta )(s + Tb )(s + Tc )(s + Td )(s + Te )
5.5 M
etodos de Sintonizaci
on de Controladores PID
75
RESPUESTA AL ESCALN
AMPLITUD
10
15
TIEMPO (sec)
SALIDAS CONTROLADAS
SALIDA
1.5
PI
PID
0.5
PD
0
10
20
30
TIEMPO (sec)
40
50
60
Fig. 5.17: Respuesta al escalon del sistema (grafico superior) y respuestas controladas
para el ejemplo 5.6 (grafico inferior).
Ejemplo 5.7
Se desea controlar el sistema nivel en un tanque de almacenamiento empleando la
tecnica de la curva de reaccion de Ziegler y Nichols. El diagrama de bloques del sistema nivel, extrado de [16], se muestra en la Fig. 5.18(a), donde las funciones de
transferencia del actuador hidraulico, del tanque y del flotador se formulan respectivamente:
GH (s) =
10
s+1
GT (s) =
3.15
30s + 1
GF (s) =
1
1
9
s2
+ 31 s + 1
=1
76
Actuador
v
Referencia
(set point)
d
Flotador
GC (s)
Controlador
GT (s)
e s
Actuador Tiempo muerto Tanque
G H(s)
ym
(a)
GC (s)
Controlador
(b)
G C i(s)
Flotador
Actuador
ym
GF (s)
e s
G H(s)
G H(s)
GT (s)
Tanque
GF (s)
Flotador
e s
Actuador
Controlador
proporcional
integral
GT (s)
Tanque
G Cd(s)
ym
Controlador derivativo
GF (s)
(c)
Fig. 5.18: Diagrama de bloques del sistema de control de nivel; (a) Sistema; (b)
estructura para control PID o PID; (c) estructura para control PIDy.
segundo grafico de la Fig. 5.19 ilustra la comparacion entre las salidas controladas.
Tales resultados se obtienen ejecutando el programa zn1a.m listado abajo.
N
% zn1a.m CONTROL PID, PI-D Y PI-Dy EMPLEANDO LA CURVA DE REACCI O
clear all; close all; clc;
s=tf(s); GH=10/(s+1); GT=3.15/(30*s+1); GF=1/(s^2/9+s/3+1); Gtau=exp(-1*s);
Gpo=GH*Gtau*GT*GF;
% Gpo: PROCESO A LAZO ABIERTO INCLUYENDO GF (FLOTADOR)
subplot(211); step(Gpo,k); grid
% GENERA LA CURVA DE REACCI
ON
title(RESPUESTA AL ESCAL
ON); xlabel(TIEMPO); ylabel(AMPLITUD);
tau=2; T=32-tau;
% TOMADOS DE LA CURVA DE REACCI
ON
[num,den]=pade(1,3); Gtau=tf(num,den); % APROXIMACI
ON DEL TIEMPO MUERTO
Gp=GH*Gtau*GT; Kp=31.5;
% Kp ES EL PRODUCTO DE 10*3.15
a=Kp*tau/T; Kc=1.2/a; Ti=2*tau; Td=0.5*tau; N=10; % PAR
AMETROS PID
Gc1=Kc*(1+1/Ti/s+Td*s); PID=feedback(Gp*Gc1,GF); % CONTROL PID
Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)); PI_D=feedback(Gp*Gc2,GF); % CONTROL PI-D
5.5 M
etodos de Sintonizaci
on de Controladores PID
77
RESPUESTA AL ESCALN
AMPLITUD
40
30
20
10
0
20
40
60
80
100
TIEMPO (sec)
120
140
160
180
SALIDAS CONTROLADAS
1.5
SALIDA
PIDy
1
PID y PID
0.5
10
20
30
TIEMPO (sec)
40
50
60
Fig. 5.19: Curva de reaccion del sistema nivel y respuestas controladas para el ejemplo
5.7 (grafico inferior).
M
etodo de Kessler
La Tabla 5.3 muestra las formulas propuestas por C. Kessler [25] para determinar
los parametros de un controlador PID basado en criterios optimos de dise
no.
Ejemplo 5.8
La dinamica simplificada de un avionhelicoptero se puede representar mediante la
siguiente FT:
1
Gp(s) =
(1 + 20s)(1 + 10s)(1 + 0,5s)
Controlar dicho sistema empleando el metodo de Kessler.
Soluci
on: La FT del sistema, que es del tipo PTn , se puede formular como:
Gp(s) =
Kp
Q
(1 + T1 s)(1 + T2 s) (1 + t s)
78
Tipo
K
Qp
(1+t s)
PI
Controlador Gc (s)
Kc 1 + T1I s
PID
Kc 1 +
T = t ; T1 > 4T
Kp Q
(1+T1 s)(1+T2 s) (1+t s)
T = t ; T1 > 4T
T1 > T 2 > T
1
Ti s
(1 + Td s)
Kc
Ti
T1
2Kp T
4T
T1
2Kp T
4T
Td
T2
AMPLITUD
0.8
0.6
0.4
0.2
0
20
40
60
80
100
TIEMPO (sec)
120
140
160
180
SALIDA CONTROLADA
SALIDA
1.5
0.5
6
TIEMPO (sec)
10
12
Fig. 5.20: Respuesta al escalon (grafico superior) y respuesta controlada (grafico inferior) empleando un controlador PID de acuerdo al metodo de Kessler.
5.5 M
etodos de Sintonizaci
on de Controladores PID
79
M
etodo de ChienHronesReswick
El metodo de ChienHronesReswick (CHR) [19] ilustrado en la Fig. 5.21(a), se
aplica a sistemas que aceptan un modelo dinamico como el de la ecuacion (5.33). Este
metodo propone un conjunto de reglas de sintonizacion para los casos siguientes (ver
Tabla 5.4):
1. Respuesta aperiodica sin sobrenivel de la salida controlada y a cambios tipo
escalon de la entrada de referencia r, sin presencia del disturbio d, y para un
coeficiente de amortiguamiento > 0.8 , tal como se muestra en la Fig. 5.21(b).
2. Respuesta aperiodica sin sobrenivel de la salida controlada yd a cambios tipo
escalon del disturbio d, sin presencia de la entrada r, y para un coeficiente de
amortiguamiento > 0.8, tal como se muestra en la Fig. 5.21(c). Observar que
en esta situacion existe rechazo al disturbio dado que yd tiende a cero.
3. Respuesta periodica con sobrenivel de 20 % de la salida controlada y a cambios
tipo escalon de la entrada r, sin presencia del disturbio d, y para un coeficiente
de amortiguamiento de 0.4 < < 0.8, tal como se muestra en la Fig. 5.21(d).
4. Respuesta aperiodica con sobrenivel de 20 % de la salida controlada y d a cambios
tipo escalon del disturbio d, sin presencia de la se
nal r, y para un coeficiente
de amortiguamiento de 0.4 < < 0.8, tal como se muestra en la Fig. 5.21(e).
Observar que en esta situacion tambien existe rechazo al disturbio dado que y d
tiende a cero.
Ejemplo 5.9
Se desea controlar el sistema nivel del ejemplo 5.7 empleando el metodo de Chien
HronesReswick para el caso de rechazo al disturbio (r=0 y d 6= 0) sin presencia
de oscilaciones en la respuesta del sistema (ver Fig. 5.22(a)). Para propositos de
comparacion emplear los controladores ideal (PID, ecuacion (5.13)), dependiente (PI
D, ecuacion (5.21)) y mejorado (PIDy, ecuacion (5.26)), empleando las estructuras
(b) y (c) de la Fig. 5.22 respectivamente.
Soluci
on: Los parametros = 2 y T = 32 = 20 se obtuvieron con el primer grafico
de la Fig. 5.19. Con estos valores se calculan los parametros del controlador empleando
la Tabla 5.4 (caso (c), controlador PID). La Fig. 5.22 ilustra la comparacion entre
las salidas controladas, las cuales se obtienen ejecutando el programa chrd.m listado
abajo.
80
t
r
PID
Proceso
(a)
y
R
R
d=0
d=0
t
t
(d)
(b)
y
d
y
d
r=0
r=0
D
t
t
(e)
(c)
Controlador GC (s)
Kc
PI
PID
Kc 1 +
Kc 1 +
1
Ti s
1
Ti s
+ Td s
Caso (b):
> 0.8
d=0
Caso (c):
> 0.8
r=0
Caso (d):
0.4< < 0.8
d=0
Caso (e):
0.4< < 0.8
r=0
Kc = 0.3/a
Ti =
Td = 0
Kc = 0.3/a
Ti =
Td = 0
Kc = 0.7/a
Ti =
Td = 0
Kc = 0.7/a
Ti =
Td = 0
Kc = 0.35/a
Kc = 0.6/a
Kc = 0.6/a
Kc = 0.7/a
Ti = 1.2T
Td = 0
Ti = 4
Td = 0
Ti = T
Td = 0
Ti = 2.3
Td = 0
Kc = 0.6/a
Kc = 0.95/a
Kc = 0.95/a
Kc = 1.2/a
Ti = T
Td = 0.5
Ti = 2.4
Td = 0.42
Ti = 1.4T
Td = 0.47
Ti = 2
Td = 0.42
5.5 M
etodos de Sintonizaci
on de Controladores PID
Actuador
Disturbio d
Controlador
81
d
Flotador
(a)
GT (s)
e s
Actuador Tiempo muerto Tanque
G H(s)
GC (s)
GF (s)
Controlador
Flotador
(b)
G H(s)
e s
GT (s)
Actuador
Tanque
Control D G Cd(s)
GF (s)
Control PI G C i(s)
(c)
Fig. 5.22: Estructuras para el rechazo al disturbio en el control del sistema nivel (Fig.
(a)) empleando controladores PID y PID (Fig. (b))y PIDy (Fig. (c)).
M
etodo de CohenCoon
Otro metodo de sintonizacion del tipo Ziegler y Nichols es el desarrollado por
los investigadores G.H. Cohen y G.A. Coon [20] que tambien se aplica a sistemas
que aceptan un modelo dinamico como el de la ecuacion (5.33). Las formulas de
sintonizacion se muestran en la Tabla 5.5, donde:
a=
Kp
T
L=
+T
(5.35)
82
SALIDAS CONTROLADAS
1.4
1.2
1
SALIDA
0.8
0.6
0.4
PIDy
0.2
0
PID y PID
0.2
0.4
10
20
30
TIEMPO (sec)
40
50
60
Fig. 5.23: Rechazo al disturbio empleando controladores tipo PID, PID y PIDy.
Notar que las formulas de la Tabla 5.5 se asemejan a las de la Tabla 5.6 cuando L es
suficientemente peque
no.
Tabla 5.5: Metodo de Cohen y Coon para hallar los parametros K C , TI y TD .
Tipo
Controlador GC (s)
P
PI
PD
PID
KC
KC 1 +
1
TI s
KC (1 + TD s)
KC 1 + T1I s + TD s
100
KC = BP
1
0.35L
1
+
a
1L
0.9
0.92L
1
+
a
1L
1.24
0.13L
1
+
a
1L
0.18L
1.35
1
+
a
1L
TI
TD
3.33L
1+1.2L
2.52L
10.39L
0
0.270.36L
10.87L
0.370.37L
10.8L
Ejemplo 5.10
Se desea controlar el sistema nivel descrito en el ejemplo 5.7 empleando el metodo de
CohenCoon. El diagrama de bloques del sistema nivel se muestra en la Fig. 5.18(a).
Para propositos de comparacion emplear los controladores PID, PID y PIDy. Para
el control PID y PID emplear el diagrama de bloques de la Fig. 5.18(b), mientras
que para el control PIDy usar el diagrama de bloques de la Fig. 5.18(c).
5.5 M
etodos de Sintonizaci
on de Controladores PID
83
Soluci
on: Los parametros = 2 y T = 32 = 20 se obtuvieron del primer grafico de
la Fig. 5.19. Con estos valores se calculan los parametros del controlador empleando
la Tabla 5.5. La Fig. 5.24 muestra las salidas controladas.
SALIDAS CONTROLADAS
1.4
PIDy
1.2
SALIDA
PID y PID
0.8
0.6
0.4
0.2
10
15
20
TIEMPO (sec)
25
30
35
40
Fig. 5.24: Respuestas controladas empleando controladores tipo PID, PID y PIDy
y el metodo de Cohen-Coon.
M
etodo de Samal
El metodo de sintonizacion de parametros de Samal [21] esta dise
nado para rechazar los disturbios que act
uan principalmente en la se
nal de control, tal como se
muestra en la Fig. 5.25(a), donde el rechazo al disturbio se manifiesta porque la se
nal
84
de salida y controlada tiende a cero para un tiempo de estabilizacion T s y un sobrenivel de magnitud M . El sistema al cual se aplican los parametros del controlador
PID es de la forma:
Kp
y(s)
=
(5.36)
Gp (s) =
u(s)
(1 + Tn s)n
donde los parametros n y Tn se determinan de la Tabla 2.6 (ver ejemplo 2.3). En
la Fig. 5.25(b), Vo = Kp KC es la ganancia a lazo abierto del sistema realimentado,
donde KC es la ganancia del controlador. En esta figura, los valores de Vo para los
controladores I y PI se leen en el eje Vo de la izquierda, mientras que los valores de
Vo para los controladores P y PID se leen en el eje Vo de la derecha.
En la Fig. 5.25(c), TI es el tiempo integral. El eje TI /T ubicado a la izquierda de
esta figura permite determinar TI para los controladores I, PI y PID, mientras que el
tiempo derivativo TD del controlador se determina empleando la curva PID indicada
como TD /T .
La Fig. 5.25(d) permite determinar M conociendo la magnitud D del disturbio
tipo escalon, mientras que la Fig. 5.25(e) se emplea para determinar T s .
Ejemplo 5.11
Se desea controlar el siguiente sistema empleando el metodo de Samal:
Gp(s) =
Kp
(s + T b)(s + T c)(s + T d)(s + T e)
5.5 M
etodos de Sintonizaci
on de Controladores PID
d
D
0
r=0
P, I, PI, PID
85
(a)
y
(1+Ts) n
(b)
PI
Vo
20
16
3
2
1
I
1
Vo
TI
T
(c)
PI
PID
1
Ts
T
0.8
0.6
PI
0.4
16
12
PI
PID
PID
0.2
P
2
20
(e)
2 TD
T
1
PID
PID
(d)
M
Kp D
5
4
Ts
P
12
Kp
Fig. 5.25: Metodo de Samal para hallar los parametros de un controlador PID.
subplot(212); step(PID,k,PI_D,k,PI_Dy,k);
title(SALIDAS CONTROLADAS); xlabel(TIEMPO); ylabel(SALIDA);
print -deps -f samal1
5.5.2.
M
etodo de las Oscilaciones Sostenidas
M
etodo de las Oscilaciones Sostenidas de Ziegler y Nichols
El metodo de las oscilaciones sostenidas de Ziegler y Nichols [15] se aplica tanto
a sistemas que pueden ser modelados con la ecuacion (5.33) y a otros no autoregu-
86
RESPUESTA AL ESCALN
AMPLITUD
1.5
0.5
4
5
TIEMPO (sec)
45
50
SALIDAS CONTROLADAS
1.5
SALIDA
PIDy
1
0.5
PID y PID
0
10
15
20
25
30
TIEMPO (sec)
35
40
Fig. 5.26: Respuesta al escalon (Fig. inferior) y respuestas controladas (Fig. superior)
empleando controladores tipo PID, PID y PIDy y el metodo de Samal.
lados que permiten una respuesta a lazo cerrado que posea la forma de oscilaciones
sostenidas, tal como se muestra en la Fig. 5.27. Los parametros K c , Ti y Td del controlador PID se pueden obtener a partir de tal la respuesta oscilatoria, empleando
el siguiente procedimiento. Fijar los parametros Ti y Td en y 0 respectivamente.
Incrementar poco a poco el parametro Kc hasta obtener una respuesta en forma de
oscilaciones sostenidas (ver la Fig. 5.27). En dicha respuesta, medir el perodo de
oscilacion crtico Tcrit y anotar la ganancia crtica Kcrit (o ganancia lmite) para la
cual se obtuvo dicho perodo. Los parametros Kc , Ti y Td se calculan luego usando
la Tabla 5.6. Es necesario hacer notar que la magnitud de la oscilacion sostenida, lo
que es equivalente a decir la magnitud de variacion de la variable de salida, debe ser
mantenida la mas peque
na posible para evitar problemas de produccion.
r
K crit
PID
Proceso
y
R
T crit
Ejemplo 5.12
5.5 M
etodos de Sintonizaci
on de Controladores PID
87
Tabla 5.6: Metodo de las oscilaciones sostenidas de Ziegler y Nichols para hallar los
parametros KC , TI y TD .
Tipo
Controlador GC (s)
KC
KC 1 + T1I s
KC 1 + T1I s + TD s
PI
PID
KC =
100
BP
TI
TD
0.5Kcrit
0.45 Kcrit
0.85 Tcrit
0.6 Kcrit
0.5 Tcrit
0.125 Tcrit
Ejemplo 5.13
Se desea controlar un sistema no autoregulado que posee la siguiente FT, empleando
la tecnica de las oscilaciones sostenidas de Ziegler y Nichols.
Gp (s) =
1
s(s + 1)4
Para propositos de comparacion emplear los controladores PID estandar, PID interactivo y PIDy mejorado.
88
OSCILACIN SOSTENIDA
AMPLITUD
Tcrit
1.5
1
0.5
0
10
12
TIEMPO (sec)
14
16
18
20
SALIDAS CONTROLADAS
SALIDA
2
1.5
PIDy
1
0.5
0
PID y PID
0
10
20
30
TIEMPO (sec)
40
50
60
Soluci
on: El primer grafico de la Fig. 5.29 muestra la respuesta al escalon a manera
de una oscilacion sostenida que se obtiene empleando un controlador proporcional
de ganancia GC (s) = Kcrit = 0.569. Notar que la oscilacion posee un perodo igual
a crit = 15 s. Con estos valores se calculan los parametros del controlador PID
empleando la Tabla 5.6. El segundo grafico de la Fig. 5.29 ilustra la comparacion
entre las salidas controladas. Tales resultados se obtienen ejecutando el programa
zn2a.m listado abajo.
% zn2a.m CONTROL PID, PI-D Y PI-Dy MEDIANTE LA OSCILACI
ON SOSTENIDA
clear all; close all; clc;
s=tf(s); Gp=1/(s*(s+1)^4);
Kcrit=0.569; G_c0=feedback(Kcrit*Gp,1); subplot(211); step(G_c0,50);
grid; title(OSCILACI
ON SOSTENIDA); xlabel(TIEMPO); ylabel(AMPLITUD);
Tcrit=15; % TOMADO DE LA OSCILACI
ON SOSTENIDA
Kc=0.6*Kcrit; Ti=0.5*Tcrit; Td=0.125*Tcrit; N=10; % PAR
AMETROS PID
Gc1=Kc*(1+1/Ti/s+Td*s); PID=feedback(Gp*Gc1,1);
% CONTROL PID
Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)); PI_D=feedback(Gp*Gc2,1); % CONTROL PI-D
Gci=Kc*(1+1/Ti/s); Gcd=Kc*Td*s/(1+Td*s/N); Gcd=feedback(Gp,Gcd);
PI_Dy=feedback(Gci*Gcd,1); % CONTROL PI-Dy
subplot(212); step(PID,k,PI_D,k,PI_Dy,k);
title(SALIDAS CONTROLADAS); xlabel(TIEMPO); ylabel(SALIDA);
print -deps -f zn2a
5.5 M
etodos de Sintonizaci
on de Controladores PID
89
OSCILACIN SOSTENIDA
AMPLITUD
Tcrit
1.5
1
0.5
0
10
15
20
25
30
TIEMPO (sec)
35
40
45
50
70
80
90
100
SALIDAS CONTROLADAS
SALIDA
2
1.5
PIDy
1
0.5
PID y PID
0
10
20
30
40
50
60
TIEMPO (sec)
Sintonizaci
on de Sistemas con FT Gp (s) = Kp e s
Las siguientes reglas de sintonizacion atribuidas a Yu (2006) [?], se aplican al
control de sistemas que poseen una FT de la forma Gp (s) = Kp e s . El control se
realiza empleando la configuracion de la Fig. 5.1(a). El controlador empleado es el
denominado clasico generalizado, cuya FT es:
!
bf 0 + bf 1 s + bf 2 s2
1
u(s)
Td s
Gc (s) =
= Kc 1 +
+
e(s)
Ti s 1 + TNd s
1 + a f 1 s + a f 2 s2
Las reglas son:
Kc = 0.3Kcrit
Ti = 2.3crit
Td = 0
Ejemplo 5.14
Se desea controlar el sistema Gp (s) = Kp e s empleando la tecnica de las oscilaciones
sostenidas y las reglas de sintonizacion arriba formuladas.
Soluci
on: El primer grafico de la Fig. 5.30 muestra la respuesta al escalon a manera
de una oscilacion sostenida que se obtiene empleando un controlador proporcional
90
de ganancia GC (s) = Kcrit = 0.45 en la Fig. 5.27. Notar que la oscilacion posee un
perodo igual a crit = 4 s. Con estos valores se calculan los parametros del controlador
PID empleando:
Kc = 0.3Kcrit
Ti = 2.3crit
Td = 0
AMPLITUD
10
10
20
30
TIEMPO (sec)
40
50
60
SALIDA CONTROLADA
SALIDA
0.5
0.5
50
100
150
200
250
TIEMPO (sec)
Fig. 5.30: Oscilaciones sostenidas (primer grafico) para Kp = Kcrit y respuesta controlada (grafico inferior) para el ejemplo 5.14.
N SOSTENIDA
% yu1.m CONTROL PI EMPLEANDO OSCILACIO
clear all; close all; clc;
s=tf(s); Kp=2; af1=1; af2=1; bf0=1; bf1=1; bf2=1;
[num,den]=pade(2,3); Gtau=tf(num,den); % TIEMPO MUERTO: exp(-tau*s)
Gp=Kp*Gtau;
% Gp: SISTEMA
Kcrit=0.45; G_c0=feedback(Kcrit*Gp,1); subplot(211); step(G_c0);
grid; title(OSCILACI
ON SOSTENIDA); xlabel(TIEMPO);ylabel(AMPLITUD);
Tcrit=4; % TOMADOS DE LA OSCILACI
ON SOSTENIDA
Kc=0.3*Kcrit; Ti=2.3*Tcrit; Td=0; N=3; % PAR
AMETROS PID
Gc1=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N));
Gc2=(bf0+bf1*s+bf2*s^2)/(1+af1*s+af2*s^2); Gc=series(Gc1,Gc2);
PID=feedback(Gp*Gc,1);
% CONTROL PID
5.5 M
etodos de Sintonizaci
on de Controladores PID
91
subplot(212); step(PID);
title(SALIDA CONTROLADA); xlabel(TIEMPO); ylabel(SALIDA);
print -deps -f yu1
5.5.3.
M
etodo del Rel
e
+L
Gp(s)
Proceso
Rel
y
Tcrit
Ejemplo 5.15
Se desea controlar un sistema no autoregulado que posee la siguiente FT, empleando
la tecnica del rele de Astrom y Hagglund:
Gp (s) =
1
s(s + 1)4
Para propositos de comparacion emplear los controladores PID estandar, PID interactivo y PIDy mejorado. Tambien determinar las ecuaciones de estado del sistema.
Soluci
on: La primera parte del programa relay.m listado abajo, el cual usa el diagrama de bloques de la Fig. 5.31(a), permite obtener el primer y segundo grafico de
la Fig. 5.33 para una magnitud del rele de L = 0.1. El diagrama de bloques de la
Fig. 5.32 se emplea para determinar las cinco ecuaciones de estado del sistema:
x 1 = x1 + x2
x 3 = x3 + x4
x 2 = x2 + x3
x 4 = x4 + x5
x 5 = u
92
1
s
x5
x4
1
s+1
1
s+1
x3
1
s+1
x2
1
s+1
x1 = y
Fig. 5.32: Diagrama de bloques del sistema mostrando sus variables de estado.
SALIDA y
2
Tcrit
1
CONTROL u
10
20
30
40
TIEMPO
50
60
70
80
10
20
30
40
TIEMPO
50
60
70
80
0.1
0
0.1
SALIDAS CONTROLADAS
SALIDA
PIDy
1
0
PID y PID
0
10
20
30
40
50
60
TIEMPO (sec)
70
80
90
100
1
Fig. 5.33: Respuesta al escalon del sistema de control del sistema Gp (s) = s(s+1)
4
empleando un rele (grafico superior), ley de control u (grafico medio) y respuestas
estabilizadas empleando controladores tipo PID, PID y PIDy (grafico inferior).
5.5 M
etodos de Sintonizaci
on de Controladores PID
93
5.5.4.
M
etodo de las Oscilaciones Amortiguadas
Ko
PID
Proceso
To
y
A
A/4
t
Tabla 5.7: Metodo de las oscilaciones amortiguadas de Harriot para hallar los
parametros KC , TI y TD .
Tipo
Controlador GC (s)
KC
KC 1 + T1I s
KC 1 + T1I s + TD s
PI
PID
Ejemplo 5.16
KC =
100
BP
TI
TD
Ko
Ko
To /1.5
Ko
To /1.5
To /6
94
Se desea controlar el sistema nivel del ejemplo 5.7 empleando la tecnica de las oscilaciones amortiguadas de Harriot. Para propositos de comparacion emplear los controladores ideal (PID, ecuacion (5.13)), dependiente (PID, ecuacion (5.21)) y mejorado
(PIDy, ecuacion (5.26)), empleando las estructuras (b) y (c) de la Fig. 5.18.
Soluci
on: El primer grafico de la Fig. 5.35 muestra la respuesta al escalon en donde
el segundo maximo de la oscilacion es un cuarto del primer maximo, la cual se obtiene
empleando un controlador proporcional de ganancia GC (s) = Ko = 0.55 en la Fig.
5.18(a). Notar que la oscilacion posee un perodo igual a To = 10 s. Con estos valores
se calculan los parametros del controlador PID empleando la Tabla 5.7. El segundo
grafico de la Fig. 5.35 ilustra la comparacion entre las salidas controladas. Tales
resultados se obtienen ejecutando el programa harriot.m listado abajo.
OSCILACIN SOSTENIDA
AMPLITUD
1.5
A
0.5
A/4
0
10
12
TIEMPO (sec)
14
16
18
20
SALIDAS CONTROLADAS
SALIDA
1.5
PIDy
0.5
PID
PID
8
10
TIEMPO (sec)
12
14
16
18
TODO DE HARRIOT
% harriot.m CONTROL PID, PI-D Y PI-Dy MEDIANTE EL M E
clear all; close all; clc;
s=tf(s); GH=10/(s+1); GT=3.15/(30*s+1); GF=1/(s^2/9+s/3+1);
[num,den]=pade(1,3); Gtau=tf(num,den); % TIEMPO MUERTO exp(-tau*s)
Gp=GH*Gtau*GT;
% Gp: PROCESO, GH: FLOTADOR
Ko=0.55; G_c0=feedback(Ko*Gp,GF); subplot(211); step(G_c0,20); grid
title(OSCILACI
ON SOSTENIDA); xlabel(TIEMPO); ylabel(AMPLITUD);
To=10; Kc = Ko; Ti=To/1.5; Td=To/6; N=10; % PAR
AMETROS PID
Gc1=Kc*(1+1/Ti/s+Td*s); PID=feedback(Gp*Gc1,GF);
% CONTROL PID
5.5 M
etodos de Sintonizaci
on de Controladores PID
95
Ejemplo 5.17
Se desea controlar un sistema no autoregulado que posee la siguiente FT, empleando
la tecnica de las oscilaciones amortiguadas de Harriot.
Gp (s) =
1
s(s + 1)4
Para propositos de comparacion emplear los controladores ideal (PID, ecuacion (5.13)),
dependiente (PID, ecuacion (5.21)) y mejorado (PIDy, ecuacion (5.26)), empleando
las estructuras (b) y (c) de la Fig. 5.18.
Soluci
on: El primer grafico de la Fig. 5.28 muestra la respuesta al escalon a manera
de una oscilacion sostenida que se obtiene empleando un controlador proporcional de
ganancia GC (s) = Kcrit = 0.569. Notar que la oscilacion posee un perodo igual a crit
= 15 s. Con estos valores se calculan los parametros del controlador PID empleando
la Tabla 5.6. El segundo grafico de la Fig. 5.28 ilustra la comparacion entre las salidas
controladas. Tales resultados se obtienen ejecutando el programa zn2.m listado abajo.
% harriota.m CONTROL PID, PI-D Y PI-Dy MEDIANTE OSCILACI
ON AMORTIGUADA
clear all; close all; clc;
s=tf(s); Gp=1/(s*(s+1)^4);
Ko=0.3; G_c0=feedback(Ko*Gp,1); subplot(211); step(G_c0,50);
grid; title(OSCILACI
ON AMORTIGUADA); xlabel(TIEMPO); ylabel(AMPLITUD);
To=20; % TOMADO DE LA OSCILACI
ON AMORTIGUADA
Kc=Ko; Ti=To/1.5; Td=To/6; N=10; % PAR
AMETROS PID
Gc1=Kc*(1+1/Ti/s+Td*s); PID=feedback(Gp*Gc1,1);
% CONTROL PID
Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)); PI_D=feedback(Gp*Gc2,1); % CONTROL PI-D
Gci=Kc*(1+1/Ti/s); Gcd=Kc*Td*s/(1+Td*s/N); Gcd=feedback(Gp,Gcd);
PI_Dy=feedback(Gci*Gcd,1); % CONTROL PI-Dy
subplot(212); step(PID,k,PI_D,k,PI_Dy,k);
title(SALIDAS CONTROLADAS); xlabel(TIEMPO); ylabel(SALIDA);
print -deps -f harriota
5.5.5.
M
etodos Basado en la Minimizaci
on de un Indice
96
OSCILACIN AMORTIGUADA
AMPLITUD
1.5
A
0.5
A/4
0
10
15
20
25
30
TIEMPO (sec)
35
40
45
50
SALIDAS CONTROLADAS
SALIDA
1.5
PID
0.5
PID
10
20
30
TIEMPO (sec)
40
50
60
Fig. 5.36: Oscilaciones sostenidas (grafico superior) para KC = Ko y respuestas controladas (grafico inferior) para el ejemplo 5.17.
IST E =
t2 e(t)dt
IST 2 E =
t2 e2 (t)dt
(5.37)
Sintonizaci
on de Sistemas con FT Gp (s) = Kp e s
La Tabla 5.8 se aplica al control de sistemas que poseen una FT de la forma
Gp (s) = Kp e s . En esta tabla, las reglas de sintonizacion que emplean controladores
integral y proporcionalintegral, se atribuyen a Shinskey (1994) [?]. Las reglas que
emplean un controlador PID se atribuyen a Nomura et al. (1993) [?]. El control se
realiza empleando la configuracion de la Fig. 5.1(a).
Ejemplo 5.18
Se desea controlar el sistema con FT Gp (s) = Kp e s , con Kp = 2 y = 2 usando el
criterio ITAE y un controlador PI.
Soluci
on: La Fig. 5.37 muestra la respuesta controlada, resultado que se obtienen
ejecutando el programa shinskey.m listado abajo.
% shinskey.m CONTROL PI USANDO ITAE
clear all; close all; clc;
s=tf(s); Kp=2; tau=2;
5.5 M
etodos de Sintonizaci
on de Controladores PID
97
Controlador Gc (s)
Kc
Ti
Td
Mnimo ITAE
1
Ti s
Indefinido
0.4
1.6Kp
Kp
0.5
0.2635
Kp
0.361
0.1911
Mnimo ITAE
Mnimo ITAE
Kc 1 + T1i s
Kc 1 + T1i s + Td s
SALIDA
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
10
15
TIEMPO (sec)
Fig. 5.37: Control PI del sistema Gp (s) = Kp e s usando ITAE (ejemplo 5.18).
M
etodo de WangJuangChan
Las formulas de sintonizacion de de WangJuangChan (citadas en [24]) se basan
en el criterio de optimizacion de IT AE y se pueden aplicar a sistemas que aceptan
98
Kc =
Ti
Td
(5.38)
0.1< /T <1
ISE
ISTE
IST2 E
ISE
ISTE
IST2 E
a1
b1
0.980
0.892
0.712
0.921
0.569
0.951
1.072
0.560
0.786
0.559
0.628
0.583
a2
b2
0.690
0.155
0.968
0.247
1.023
0.179
0.648
0.114
0.883
0.158
1.007
0.167
a1
b1
1.048
0.897
1.042
0.897
0.968
0.904
1.154
0.567
1.142
0.579
1.061
0.583
a2
b2
1.195
0.386
0.987
0.238
0.977
0.253
1.047
0.220
0.919
0.172
0.892
0.165
a3
b3
0.489
0.888
0.385
0.906
0.316
0.892
0.490
0.708
0.384
0.839
0.315
0.832
Parametro
a1
Kp
PI
Kc =
PI
Ti =
PID
Kc =
PID
Ti =
PID
Td = a3 T
b1
T
T
a2 +b2 ( /T )
a1
Kp
b1
T
T
a2 +b2 ( /T )
b3
T
1.1< /T <2
Kc
Td s
e(s)
y(s) = P (s) + I(s) + D(s)
Ti s
1 + Td s/N
(5.39)
5.5 M
etodos de Sintonizaci
on de Controladores PID
99
Tabla 5.10: Metodo de Zhuang y Atherton para determinar Kc , Ti y Td en un controlador cuya accion derivativa se encuentra en la realimentacion.
Rango de /T
Tipo
0.1< /T <1
ISE
ISTE
IST2 E
ISE
ISTE
IST2 E
a1
b1
1.260
0.887
1.053
0.930
0.942
0.933
1.295
0.619
1.120
0.625
1.001
0.624
a2
b2
0.701
0.147
0.736
0.126
0.770
0.130
0.661
0.110
0.720
0.114
0.754
0.116
a3
b3
0.375
0.886
0.349
0.907
0.308
0.897
0.378
0.756
0.350
0.811
0.308
0.813
Parametro
a1
Kp
PID
Kc =
PID
Ti =
PID
Td = a3 T
b1
T
T
a2 +b2 ( /T )
b3
T
1.1< /T <2
p
e s , con Kp = 2, = 2 y T = 20
Se desea controlar el sistema con FT Gp (s) = T s+1
usando el criterio ITAE y un controlador PID.
Soluci
on: La Fig. 5.38 muestra la respuesta controlada, resultado que se obtienen
ejecutando el programa zh1.m listado abajo.
CONTROL PID USANDO ISE
1.5
SALIDA
0.5
0.5
1.5
10
15
20
TIEMPO (sec)
Kp
T s+1
25
30
35
40
100
clear all; close all; clc; s=tf(s); Kp=2; tau=2; T=20; % tau/T=0.1
a1=1.048; b1=-0.897; a2=1.195; b2=-0.386; a3=0.489; b3=0.888; N=10;
[num,den]=pade(tau,3); Gtau=tf(num,den); % TIEMPO MUERTO: exp(-tau*s)
Gp=Kp/(T*s+1)*Gtau; % SISTEMA A CONTROLAR
Kc=(a1/Kp)*(tau/T)^b1; Ti=T/(a2+b2*(tau/T)); Td=(a3*T)*(tau/T)^b3;
Gc=Kc*(1+1/(Ti*s)+Td*s); PID=feedback(Gc*Gp,1); % CONTROL PID
step(PID,k); title(CONTROL PID USANDO ISE);
xlabel(TIEMPO); ylabel(SALIDA); print -deps -f zh1
5.5.6.
M
etodo de Kessler
La Tabla 5.11 muestra las formulas propuestas por C. Kessler [25] para determinar
los parametros de un controlador PID basado en criterios optimos de dise
no.
Tabla 5.11: Metodo de Kessler para hallar los parametros K c , Ti y Td .
Sistema Gp (s)
s
Tipo
Q Kp
(1+t s)
PI
Controlador Gc (s)
Kc 1 + T1i s
PID
Kc 1 +
T = t
K
Qp
s(1+T2 s) (1+t s)
T = t ; T 2 > T
1
Ti s
(1 + Td s)
Kc
Ti
1
2Kp T
4T
1
2Kp T
4T
Td
T2
Ejemplo 5.20
Se desea controlar un sistema posicionador empleando el metodo de Kessler, sabiendo
que su FT es:
1
Gp(s) =
s(1 + s)(5 + s)
Soluci
on: La FT del sistema se puede reformular como:
Gp(s) =
Kp
0,2
Q
=
s(1 + s)(1 + 0,2s)
s(1 + T2 s) (1 + t s)
Este sistema, de acuerdo a Kessler, es del tipo PITn con parametros Kp = 0.2, T2 = 1,
= 1, t = t1 = T = 0.2, y T2 > T , se puede estabilizar con un controlador PID, tal
como se observa en la Fig. 5.39 (grafico inferior), resultado que se obtiene ejecutando
el programa kessler1.m listado abajo. Notar que este sistema es no autoregulado, tal
como se observa en grafico inferior de la Fig. 5.39.
5.5 M
etodos de Sintonizaci
on de Controladores PID
101
RESPUESTA AL ESCALN
300
AMPLITUD
250
200
150
100
50
0
500
1000
1500
TIEMPO (sec)
SALIDA CONTROLADA
SALIDA
1.5
0.5
0.5
1.5
2.5
TIEMPO (sec)
3.5
4.5
Fig. 5.39: Respuesta al escalon (grafico superior) y respuesta controlada (grafico inferior) empleando un controlador PID de acuerdo al metodo de Kessler.
Kp
s
e s
102
Kc =
ControladorP ID :
Kc =
a1
Kp
a3
Kp
Td = a 2
Ti = a 4
Td = a 5
(5.41)
a1
a2
a3
a4
a5
ISE
1.03
0.49
1.37
1.496
0.59
ITSE
0.96
0.45
1.36
1.66
0.53
ISTSE
0.9
0.45
1.34
1.83
0.49
Ejemplo 5.21
Se desea controlar el sistema con FT Gp (s) =
usando el criterio ISE y un controlador PID.
Kp
s
e s , con Kp = 2, T = 20 y = 2
Soluci
on: La Fig. 5.40 muestra la respuesta controlada, resultado que se obtienen
ejecutando el programa zh2.m listado abajo.
% zh2.m CONTROL PID USANDO ISE
clear all; close all; clc; s=tf(s); Kp=2; tau=2; T=20; % tau/T=0.1
a1=1.03; a2=0.49; a3=1.37; a4=1.496; a5=0.59; N=10;
[num,den]=pade(tau,3); Gtau=tf(num,den); % TIEMPO MUERTO: exp(-tau*s)
Gp=Kp/(s)*Gtau; % SISTEMA A CONTROLAR
Kc=a3/(Kp*tau); Ti=a4*tau; Td=a5*tau;
Gc=Kc*(1+1/(Ti*s)+Td*s); PID=feedback(Gc*Gp,1); % CONTROL PID
step(PID,k); title(CONTROL PID USANDO ISE);
xlabel(TIEMPO); ylabel(SALIDA); print -deps -f zh2
Kp
s(T s+1)
e s
La FT del siguiente sistema posee parte proporcional, parte integral, parte retardo
de primer orden y tiempo muerto:
G(s) =
Kp
y(s)
=
e s
u(s)
s(T s + 1)
(5.42)
Debido a la presencia del integrador, los controladores PD y PID resultan los adecuados para controlar tales sistemas. Las formulas para determinar los parametros
del controlador PD son [27]:
Kc =
2
3Kp
Td = T
(5.43)
5.5 M
etodos de Sintonizaci
on de Controladores PID
103
SALIDA
10
15
20
TIEMPO (sec)
25
Kp
s
30
35
e s (ejemplo 5.21).
1+
i2
T 0.65
"
0.65 #
T
Ti = 2 1 +
Td =
Ti
4
(5.44)
Ejemplo 5.22
Se desea controlar el sistema con FT Gp (s) =
2.
Kp
s(T s+1)
e s , con Kp = 2, T = 2 y =
Soluci
on: La Fig. 5.41 muestra la respuesta controlada, resultado que se obtienen
ejecutando el programa zh3.m listado abajo.
% zh3.m CONTROL PID
clear all; close all; clc; s=tf(s); Kp=2; tau=2; T=2;
[num,den]=pade(tau,3); Gtau=tf(num,den); % TIEMPO MUERTO: exp(-tau*s)
Gp=Kp/(s*(T*s+1))*Gtau; % SISTEMA A CONTROLAR
Kc=1.111*T/(Kp*tau^2)/(1+(T/tau^(0.65)))^2; Ti=2*tau*(1+(T/tau)^(0.65));
Td=Ti/4;
Gc=Kc*(1+1/(Ti*s)+Td*s); PID=feedback(Gc*Gp,1); % CONTROL PID
step(PID,k); title(CONTROL PID);
xlabel(TIEMPO); ylabel(SALIDA); print -deps -f zh3
104
1.4
1.2
SALIDA
0.8
0.6
0.4
0.2
0.2
50
100
150
TIEMPO (sec)
Kp
s(T s+1)
Kp
T s1
e s
La FT del siguiente sistema posee parte proporcional, parte integral, parte retardo
de primer orden inestable y tiempo muerto:
G(s) =
Kp
y(s)
=
e s
u(s)
Ts 1
(5.45)
a 1 b1
Kp T
Ti = a 2 T
b2
Ejemplo 5.23
Se desea controlar el sistema con FT Gp (s) =
Kp
T s1
e s , con Kp = 2, T = 2 y = 2.
Soluci
on: La Fig. 5.41 muestra la respuesta controlada, resultado que se obtienen
ejecutando el programa zh3.m listado abajo.
5.5 M
etodos de Sintonizaci
on de Controladores PID
105
a1
b1
a2
b2
a3
b3
ISE
1.32
0.92
4.00
0.47
3.78
0.84
0.95
ITSE
1.38
0.90
4.12
0.90
3.62
0.85
0.93
ISTSE
1.35
0.95
4.52
1.13
3.70
0.86
0.97
SALIDA
10
20
30
40
TIEMPO (sec)
Kp
s1
50
60
70
106
5.6.
Kt
Kt
n2
(s)
=
=
Im (s)
Js2 + Bs + K
K
s2 + 2n s + n2
B
K
=
J
2Jn
(5.47)
R
r(s)
=
=0
= lims0 s
1 + Gc Gs (s)
1 + Gc Gs (s) s=0
(5.48)
G s (s)
Gc (s)
e(s)
Kp+
Ki
s
+ Kd s
I m(s)
Kt
(s)
Js 2 + Bs + K
Fig. 5.43: (a) Sistema SDA compensado con un controlador PID mejorado. (b) Sistema SDA simplificado.
(s)
Gc Gs (s)
=
r(s)
1 + Gc Gs (s)
Por consiguiente:
Kt (Kp s + Ki + Kd s2 )
(s)
=
r(s)
Js3 + (B + Kd Kt )s2 + (K + Kt Kp )s + Kt Ki
(5.49)
La ecuacion caracterstica estandar de un sistema de tercer orden se obtiene enseriando un sistema de segundo orden con uno de primer orden (un polo po ):
1
n2
n2
=
(s2 + 2n s + n2 ) (s + po )
s3 + (2n )s2 + (n2 + 2n po )s + n2 po
(5.50)
107
n2 po J
Kt
2n J B + po J
Kt
(5.51)
donde n2 y se dan en (5.47). La Fig. 5.44 muestra la salida del sistema controlada.
Este resultado se obtiene ejecutando el sdapid1.m cuyo listado se muestra abajo.
Kc =
Ki =
Kd =
0.9
0.8
0.7
NGULO
0.6
0.5
0.4
0.3
0.2
0.1
0.1
0.2
0.3
TIEMPO [s] (sec)
0.4
0.5
0.6
Fig. 5.44: Salida controlada del sistema SDA empleando un controlador PID.
dIm
dt
Im (s)
1
=
Vm (s)
Lm s + R m
108
Lm
Kpp = Rm + 2n Lm
(5.53)
G pi(s)
Ir
K pp +
K ii
Vm
Im
1
L ms + R m
(a)
r(s) = R
s
G a(s)
Gc (s)
e(s)
Kp+
Ki
s
+ Kd s
G s (s)
I m(s)
I r (s)
Kt
(s)
Js 2 + Bs + K
Actuador
(b)
Fig. 5.45: (a) Actuador de corriente Ga (s). (b) Sistema SDA mejorado con la inclusion
del actuador de corriente .
5.7.
El Efecto Windup
109
tipo escalon en la se
nal de referencia r(t) (primer grafico), la se
nal de error positiva
inicial (1 y(t)) se hace bastante grande, provocando que la se
nal de control u(t)
(segundo grafico) alcance rapidamente el valor lmite de saturacion u m . A pesar de
que la se
nal de salida y(t) iguala al valor de referencia en el tiempo t1 , lo cual genera
una se
nal de error (1 y(t)) negativa debido al valor grande de la se
nal y i en la salida
del integrador, la se
nal de control u(t) permanece en el valor de saturacion maximo
um . Esto causa que la salida y(t) se incremente continuamente hasta que se alcance
el tiempo t2 , y la accion negativa de la se
nal de error comience a tener efecto.
Observar en el primer grafico de la Fig. 5.47 que el efecto windup provoca un
aumento del sobreimpulso y del tiempo de estabilizacion en la se
nal controlada y(t).
Por otro, si el algoritmo PID empleado es del tipo discreto, el fenomeno windup
no es tan notorio, a
un cuando la se
nal de control este limitada, debido a que el
algoritmo discreto no emplea la suma de los errores para generar el termino integral
del controlador. Lo que se emplea es el calculo recursivo como veremos mas adelante.
yi
Step =1
5
Kc=5
Scope
u
1
10
1.12s
Ti =1.12
t
Clock
yi
yi
u
um =3.5
Transfer Fcn
y
y
Existen diversos metodos para eliminar en gran medida el efecto windup en sistemas de control que emplean controladores PID continuos. Uno de estos metodos
se muestra en el diagrama Simulink de la Fig. 5.48, el cual muestra un controlador
PID con mecanismo anti windup. Los parametros del controlador son los usuales:
tiempo integral Ti , tiempo derivativo Td y ganancia proporcional Kc . La salida y(t)
del sistema controlado y la correspondiente fuerza de control u(t) se muestran en la
Fig. 5.49, las cuales se obtienen ejecutando primero el programa antiwindup.mdl y
luego el programa antiwindupgraf.m.
Por otra parte, cuando el controlador conmuta de manual a automatico, el valor
de la se
nal de control u(t) puede cambiar de un valor a otro, no importando que la
se
nal de error e sea cero. Este salto debe de evitarse y en este caso se dice que la
conmutacion de manual a automatico debe de ser bumpless (sin saltos). Para lograr
conmutacion sin saltos, el algoritmo de control debe de ejecutarse siempre, a
un en el
caso en que la operacion del sistema de control se encuentre en modo manual. Esta
correccion se puede realizar en el correspondiente programa en tiempo real.
INTEGRADOR yi(t)
CONTROL u(t)
SALIDA y(t)
110
EFECTO WIND UP
2
t1
1
0
TIEMPO [s]
10
10
10
4
t2
2
0
TIEMPO [s]
10
5
0
TIEMPO [s]
1/1.2
rr
REF.
tt
Clock
GANANCIA 1/Ti
rr
1/1.2
1/Ti
1
s
uu
INTEGRADOR
uu
1
0.5s+1
FILTRO
0.1
Td
du/dt
DERIVADOR
Scope
10
1.3
Kc
tt
SISTEMA A CONTROLAR
yy
yy
Fig. 5.48: Diagrama Simulink que muestra un controlador PID con mecanismo anti
windup.
5.8.
111
1.4
SALIDA y(t)
1.2
1
0.8
0.6
0.4
0.2
0
5
TIEMPO [s]
10
5
TIEMPO [s]
10
CONTROL u(t)
3
2.5
2
1.5
1
Td s
1 + Tf s
Tf =
Td
N
112
Kc
K c Td s
e(s)
y(s) = P (s) + I(s) + D(s)
Ti s
1 + Tf s
I(s) =
Kc
e(s)
Ti s
D(s) =
K c Td s
y(s)
1 + Tf s
(5.54)
Tf =
Td
N
(5.55)
Kc
Ti
Rt
0
e(t)dt
k1
Kc X [e(i) + e(i 1)]
Kc [e(k) + e(k 1)]
+
T
Ti
2
Ti T
2
i=1
I(k) = I(k 1) +
Kc T
[e(k) + e(k 1)]
2Ti
(5.56)
Kc T d s
La parte derivativa D(s) = 1+T
y(s) se puede escribir como:
f s
(1 + Tf s)D(s) = Kc Td s y(s)
D(t) + Tf D(t)
= Kc Td y(t)
Td
{D(k 1) Kc N [y(k) y(k 1)]}
N T + Td
Tf =
Td
N
(5.57)
(5.58)
donde P (k), I(k) D(k) se dan en (5.55), (5.56) y (5.57) respectivamente. Tambien
se debe de incluir el efecto del limitador, basado en un modelo con presencia de
saturacion con valores maximo y mnimo umax y ulow respectivamente:
v = P + I + D;
if(v < ulow), u = ulow; elseif(v > uhigh), u = uhigh; else u = v;
113
Tabla 5.14: Metodo de la curva de reaccion para determinar los parametros PID. K c ,
Ki y Kd .
Tipo
Controlador Gc (s)
Kc
PI
Kc +
PID
Kc +
Ki
s
100
BP
1
T
Kp +Ts
0.9
T
Kp +0.5Ts 0.5Ki
1.2 T
Kp +Ts 0.5Ki
Kc =
Ki
s
+ Kd s
Ki = Kc /Ti
K d = K c Td
Ts T
0.27
Kp ( +0.5Ts )2
Ts T
0.6
Kp ( +0.5Ts )2
0.5 T
Kp T s
Tabla 5.15: Metodo de las oscilaciones sostenidas para hallar los parametros K C , TI
y TD .
Tipo
Controlador Gc (s)
KC
PI
PID
Kc +
Kc +
Ki
s
Kc =
100
BP
0.5Kcrit
Ki
s
+ Kd s
Ki = Kc /Ti
K d = K c Td
crit
0,54 K
Tcrit
crit
1.2 K
Tcrit
0
0.075Kcrit
Tcrit
Ts
N
B
n2 KE
nKact
x2
+
x2 +
u
M
M
M Ra
Ra M
Soluci
on: En el listado del programa pidposfijo.m se describen todos los parametros
empleados en la ecuacion de estado. Ejecutando este programa se obtiene la respuesta
pedida (Fig. 5.50). Ya se han usado parametros PID previamente determinados.
% pidposfijo.m CONTROL DE POSICION PID DEL MANIPULADOR MR1
clear all; close all; clc;
% PARAMETROS DEL PROCESO NO LINEAL (TABLA 3.3)
JL = 3.5e-7; bL = 1e-5; Ro = 0.01; Jm = 1.9062e-6; bm = 1.8338e-6;
g = 9.81; E = 31.035e-3; Ra = 7.38; m = 0.06377; Kact = 14.9;
114
1
0.8
0.6
0.4
0.2
0
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
Tiempo [s]
60
70
80
90
100
0.5
0.4
0.3
0.2
0.1
0
%
%
%
5.9 Problemas
5.9.
115
Problemas
Problema 5.1
Las FTs Ga (s) hasta Gj (s) corresponden a sistemas a ser controlados. Determinar
para cada una de ellas los siguientes modelos dinamicos aproximados:
GA (s) =
Kp s
e
Ts + 1
GC (s) =
Ga (s) =
Gd (s) =
Gf (s) =
Gi (s) =
2
(s + 1)3
GB (s) =
Kp
;
(Tn s + 1)n
Kp
;
(T1 s + 1)(T2 s + 1)
< 0.104
T
3s + 2
(s + 1)3
2
10s + 4
s 3s + 6
Ge (s) =
es/2
2
2
(s + 1)(s + 3s + 6)(s + s + 2)
(s + 1)2 (s + 3)3
6
3
3
Gg (s) =
es
Gh (s) =
e2s
(s + 1)6
(s + 1)(2s + 1)
(s + 1)4
7
3s + 6
e30s
Gj (s) =
es/10
(17s + 1)(6s + 1)3
(s + 1)(4s + 1)
Gb (s) =
4
(s + 1)5
0.104
T
Gc (s) =
Problema 5.2
Realizar los controles PID, PID y PI-Dy de los sistemas Ga (s) al Gj (s) en el dominio
de s empleando MATLAB. Usar al menos cinco distintas reglas de sintonizacion para
cada sistema. El objetivo de control es que la se
nal controlada siga a una referencia
constante.
Problema 5.3
Realizar los controles PID, PID y PIDy de los sistemas Ga (s) al Gj (s) empleando
SIMULINK. Usar al menos una regla de sintonizacion, distinta de las otras, para
cada sistema. El objetivo de control es que la se
nal controlada siga a una referencia
constante.
Problema 5.4
Realizar los controles PID, PID y PIDy de los sistemas Ga (s) al Gj (s) en el dominio
del tiempo discreto k=t/T (T es el tiempo de muestreo) empleando MATLAB. Usar al
menos tres distintas reglas de sintonizacion para cada sistema. El objetivo de control
es que la se
nal controlada (la salida) tienda a cero en presencia de un disturbio tipo
escalon a la entrada del sistema. En esta situacion, denominada rechazo al disturbio,
la se
nal de referencia es nula.
Problema 5.5
116
Realizar los controles PID, PID y PIDy de los sistemas Ga (s) al Gj (s) empleando
SIMULINK. Usar al menos una regla de sintonizacion, distinta de las otras, para cada
sistema. El objetivo de control es que la se
nal controlada (la salida) tienda a cero en
presencia de un disturbio tipo escalon a la entrada del sistema. En esta situacion,
denominada rechazo al disturbio, la se
nal de referencia es nula.
Problema 5.6
Realizar los controles PI o PID seg
un corresponda, de los sistemas G k (s) al Gt (s)
empleando el metodo de Kessler.
Gk (s) =
Gl (s) =
Gm (s) =
Gn (s) =
Go (s) =
Gp (s) =
Gq (s) =
Gr (s) =
Gs (s) =
Gt (s) =
Problema 5.7
2
(1 + 20s) (1 + 0.1s)3 (1 + 0.3s)3
9
Q
(1 + 20s)(1 + 30s) (1 + 0.2s)4 (1 + 0.5s)2
2
Q
s (1 + s)3 (1 + 2s)2
8
Q
s(1 + 20s) (1 + 0.1s)3 (1 + 0.3s)3
5
(1 + 0.1s)(1 + 0.2s)(1 + 30s)(1 + 0.3s)2 (1 + 0.5s)2
3
s(1 + s)(1 + 2s)(1 + 40s)(1 + 0.2s)4 (1 + 0.5s)3
6
(1 + s)(1 + 2s)(1 + 40s)(1 + 50s)(1 + 0.2s)4 (1 + 0.5s)3
8
(s + 10)(s + 9)(s + 2)
4
Q
2
s (s + 3) (s + 5)(s + 6)
4
Q
2
s (1 + s) (1 + 2s)(1 + 0.9s)
Q
5.9 Problemas
117
Captulo 6
6.1.
Control en Cascada
120
Controlador
u
Controlador
Convertidor
Producto
(a)
r1
y1 u
2
Producto
Agua caliente
(b)
C1
r1
u 1= r 2
C2
y2
Agua caliente
Proceso P
Medicin
e1
C1
u 1= r 2
u1
C2
u2
P2
y2
P1
y1
M2
M1
(c)
(d)
Fig. 6.1: Circuito de control simple (a) y su diagrama de bloques (b). Circuito de
Control en cascada. (c) y su diagrama de bloques (d).
En el control en cascada, el controlador que controla la variable controlada principal, C1 en este caso, es conocido como controlador maestro, externo o principal. El
controlador que controla la variable controlada secundaria, C 2 en este caso, recibe el
nombre de controlador esclavo, interno o secundario. Por lo com
un se prefiere usar
la terminologa primario/secundario para referirse a los lazos de control primario y
secundario controlados por los controladores primario y secundario, respectivamente.
Para sistemas de control con mas de dos lazos en cascada, la extension es automatica.
La filosofa de dise
no en un sistema de control en cascada consiste en que el lazo de
control secundario debe de ser mas rapido (alrededor de cinco veces) que el primario,
lo cual es un requisito que cae por su propio peso. Esta filosofa de dise
no se puede
generalizar para cualquier cantidad de lazos en cascada. Por ejemplo, en un sistema
con tres lazos de control en cascada, el lazo terciario debe de ser mas rapido que el
secundario, y este tiene que ser mas rapido que el primario. Se sugiere el siguiente
procedimiento de dise
no:
1. Determinar el modelo dinamico del proceso o planta a controlar.
2. Construir un lazo de control simple y sintonizar el controlador PID empleando
cualquier metodo. Realizar postsintona si fuera necesario.
3. Construir el sistema de control en cascada definiendo los lazos de control primario y secundario.
4. Sintonizar el lazo de control secundario empleando el metodo de la ganancia
lmite. Realizar postsintona si fuera necesario.
5. Sintonizar el lazo de control primario empleando el metodo de la ganancia
lmite. Tener en cuenta que el lazo de control secundario es parte del lazo de
control primario. Realizar postsintona si fuera necesario.
Ejemplo 6.1
121
3
1
(0.2s + 1) (3s + 1)(s + 1))
P1 (s) =
0.8
(4s + 1)(s + 1)
y(t)
1.5
0.5
10
15
20
TIEMPOx60 (sec)
25
30
35
40
SALIDA CONTROLADA
TEMPERATURA C
60
50
40
30
20
10
0
10
20
30
TIEMPOx60 (sec)
40
50
60
Fig. 6.2: Oscilaciones sostenidas para Kcrit = 2.18 (grafico superior) y respuesta
controlada (grafico inferior) para el caso control con lazo simple del ejemplo 6.1.
122
123
SISTEMA DE CONTROL EN CASCADA
y2(t)
2
1
0
4
5
6
TIEMPOx60 (sec)
CONTROL DEL LAZO SECUNDARIO
10
y2(t)
2
1
0
10
15
TIEMPOx60 (sec)
OSCILACIN DEL LAZO PRIMARIO
20
25
y1(t)
2
1
TEMPERATURA C
10
15
20
25
TIEMPOx60 (sec)
SALIDA CONTROLADA EN CASCADA
30
35
40
100
50
0
10
20
30
40
TIEMPOx60 (sec)
50
60
70
Fig. 6.3: Resultados para el caso control en cascada del ejemplo 6.1.
6.2.
Control de la Raz
on
124
Observar en la Fig. 6.4 que los flujos q1 y q2 se miden empleando placas de orificio,
las cuales usan el principio de que el flujo es proporcional a la raz cuadrada de la
diferencia de presion producida por la placa. Por otro lado, la filosofa de control de
la razon se basa en las relaciones siguientes (ver Fig. 6.4):
r2 = V y 1
e2 = r 2 y 2 = V y 1 y 2
V
y1
q2
q1
r2
V =
y2
y1
u
y2
Qemador
Horno
Ejemplo 6.2
Dise
nar y simular el sistema de control que mantenga la razon combustibleaire en
10 en la Fig. 6.4. Esto es: q2 /q1 = V = 10.
Soluci
on: La Fig. 6.5 muestra el diagrama Simulink correspondiente a la Fig. 6.4.
Notar que se ha incluido la FT de la valvula de control. El proceso flujo y2 se modela
como una constante proporcional. Para mantener la razon V en 10, se ha usado un
controlador PI con parametros P = Kc = 1 e I = Kc /Ti = 4. El flujo de aire y1 ha
sido considerado como un flujo que vara en forma sinusoidal para mayor generalidad.
La Fig. 6.6 muestra el resultado de la simulacion que se obtiene ejecutando el archivo
razon1graf.m cuyo listado se muestra abajo. Observar que la razon V(t) se mantiene
en el valor 10 previamente establecido.
% razon1graf.m
clear all; close all; clc;
load th; load y1; load y2; load V;
plot(th,y1,th,y2,th,V), xlabel(TIEMPO [s]),
ylabel(RAZ
ON V(t)), title(CONTROL DE LA RAZ
ON V = y2/y1)
print -f -deps razon1r, print -s -deps razon1s
125
razon1.mdl
th
y1
Clock
y1
1
u
Inversa
Aire
r2
1/y1
e2
Set V
Producto
0.5s+1
PI Controller
y2
PID
10
V=y2/y1
th
Vlvula + caudal y 2
y2
Product
Scope
y2
45
40
35
RAZN V(t)
30
25
20
y2(t)
15
V = 10
10
y1(t)
5
0
200
400
600
TIEMPO [s]
800
1000
6.3.
Control Anticipativo
126
Ga (s) =
Gd (s)
Gp (s)
Para tener una idea mas clara de la estructura del controlador anticipativo G a (s)
dise
nado, asumamos que:
Gp (s) =
Kp
ep s
Tp s + 1
Gd (s) =
Kd
ed s
Td s + 1
Por consiguiente:
Ga (s) =
Gd (s)
Kd Tp s + 1 (p d )s
=
e
Gp (s)
K p Td s + 1
Gd(s)
Ga(s)
Gp(s)
El sistema de control anticipativo trabaja bien siempre que Gp (s) y Gd (s) representen lo mas fiel posible al proceso y al disturbio. Evidentemente, en presencia de
errores de modelado, el desempe
no del sistema de control anticipativo va a disminuir.
Existen dos casos notables para los que no se debe de emplear el control anticipativo.
El primero ocurre cuando el grado del polinomio del denominador de Gp (s) es mayor
que el grado del polinomio del denominador de Gd (s). Por ejemplo, sean:
Gp (s) =
s2
1
+ bs + c
Gd (s) =
1
s+f
s2 + bs + c
Gd (s)
=
Gp (s)
s+f
127
s2
1
es
+ bs + c
Entonces:
Ga (s) =
Gp (s) =
1
e2s
s+f
s+f
Gd (s)
= 2
es
Gp (s)
s + bs + c
s1
s+1
Gd (s) =
1
4s + 1
Gd (s)
s+1
=
Gp (s)
(s 1)(4s + 1)
Ejemplo 6.3
Dise
nar y simular el sistema de control anticipativo mostrado en la Fig. 6.7 para:
Gd (s) =
5
2s + 1
Gp (s) =
3
0.5s + 1
Soluci
on: La Fig. 6.8 muestra el diagrama Simulink correspondiente a la Fig. 6.7.
El controlador anticipativo se determina de:
Ga (s) =
Gd (s)
2.5s + 5
=
Gp (s)
6s + 3
128
antic 1.mdl
Scope 1
2s+1
d
Gd(s)
2.5s5
6s+3
0.5s+1
Ga(s)
Gp(s)
th
Clock
th
d(t),u(t)
1
0
1
2
200
400
600
TIEMPO [s]
SALIDA CONTROLADA y(t)
800
1000
200
400
600
TIEMPO [s]
800
1000
x 10
y(t)
0
2
4
6
Control AnticipativoRealimentado
El control anticipativo posee la capacidad de eliminar el efecto de los disturbios
medibles que act
uan sobre la se
nal controlada. Por otro lado, el control realimentado
puede rechazar el efecto de los disturbios no medibles sobre la se
nal controlada,
as como tambien corregir el efecto de los errores de modelado en el lazo de control.
Cae entonces por su propio peso, que si deseamos sacar ventaja de las bondades
de cada uno de los esquemas descritos, debemos de aplicar simultaneamente control
anticipativo y control realimentado , tal como se ilustra en la Fig. ??, donde d 1 es un
disturbio medible con FT Gd1(s) conocida, mientras que d2 es un disturbio no medible
pero con FT Gd1(s) conocida. El disturbio d2 se incluye para dar mayor generalidad
al problema, tal como se trata en el el siguiente ejemplo.
129
Gd1(s)
G a (s)
G c (s)
d2
G p (s)
Gd2(s)
Ejemplo 6.4
Dise
nar y simular el sistema de control anticipativorealimentado mostrado en la Fig.
6.10 cuando:
Gp (s) =
5e2s
0.8s + 1
Gd1 (s) =
3e3s
5s + 1
Gd2 (s) =
6e5s
9s + 1
Soluci
on: La Fig. 6.11 muestra el diagrama Simulink correspondiente a la Fig. 6.10.
El controlador anticipativo se determina de:
Ga (s) =
3 0.8s + 1 s
Gd1 (s)
=
e
Gp (s)
5 5s + 1
3
d1
d1
5s+1
Gd1(s)
Tiempo
muerto : 3
5s+1
0.8s+1
Tiempo
muerto : 1
Gp(s)
PID
Gc(s)
9s+1
Gd1(s)1
d2
th
y
4.8s0.6
Ga(s)
r = 10
Clock
Tiempo
muerto : 2
Scope
r
Tiempo
muerto : 5
130
14
12
y(t)
10
8
6
4
2
0
20
40
60
80
100
TIEMPO [s]
120
140
160
180
200
120
140
160
180
200
CONTROL u(t)
3.5
3
u(t)
2.5
2
1.5
1
0.5
20
40
60
80
100
TIEMPO [s]
% anticreal1graf.m
clear all; close all; clc; load th; load r; load u; load y;
subplot(211), plot(th,y,k,th,r,k), xlabel(TIEMPO [s]), ylabel(y(t)),
title(SALIDA y(t) CONTROLADA), grid
subplot(212), plot(th,u,k), xlabel(TIEMPO [s]), ylabel(u(t)),
title(CONTROL u(t)), grid
print -f -deps anticreal1r, print -s -deps anticreal1s
6.4.
Control Selectivo
El control selectivo, es una estrategia de control que consiste en mantener las variables del proceso bajo control dentro de ciertos limites, generalmente para propositos
de proteccion. Limitando la variable de un proceso en un valor alto o bajo, evita
que ocurran da
nos tanto en el proceso como en el producto. Dichas variables se limitan empleando ciertos tipos de conmutadores de seleccion, tales como el HSS (High
Selector Switch) y el LSS (Low Selector Switch).
La Fig. 6.13 muestra una aplicacion del control selectivo en un sistema de bombeo
de producto. Las Figs. 6.13(a) y (b) ilustran el diagrama de instrumentacion y el
diagrama de bloques del sistema de control respectivamente, donde PT representa
un transmisor de presion, PIC significa indicacion y control de la variable presion y
PY, en este caso, es el conmutador de seleccion, dado que la letra Y indica realizar
un procesamiento relacionado con P (la presion).
131
Observar que existen dos lazos de control de presion, uno para la aspiracion y el
otro para la impulsion. En condiciones normales, la presion se controla con el lazo
de impulsion. Si por alguna circunstancia de falla, cae la presion de aspiracion de
la bomba por debajo del lmite de seguridad, entonces act
ua el conmutador selector
para que entre en funcionamiento el lazo de aspiracion en lugar del de impulsion.
El conmutador selector trabaja como sigue. En principio, el conmutador selecciona
la mnima de las dos se
nales que le llegan. Ademas, el set point del controlador
de aspiracion tiene que ser inferior a los valores normales de trabajo. En operacion
normal, la se
nal de salida del controlador de impulsion alcanza sus valores de trabajo.
Si la presion de aspiracion baja demasiado hasta llegar a ser inferior a su set point,
entonces el controlador de aspiracion genera una se
nal que es inferior a la que sale
del controlador de impulsion. En esta situacion, el conmutador hace que entre en
operacion el lazo de control de la aspiracion. En este caso, el conmutador es del tipo
LSS (Low Selector Switch).
PIC
PIC
PY
LAZO 2
LAZO 1
PT
PT
IMPULSION
ASPIRACION
BOMBA
(a)
TRANSMISOR
DE IMPULSION
LAZO 1
CONTROLADOR
DE IMPULSION
CONMUTADOR
SELECTOR
CONTROLADOR
VALVULA
DE CONTROL
PROCESO
PRESION
IMPULSION
VALVULA
DE CONTROL
PROCESO
PRESION
ASPIRACION
DE ASPIRACION
TRANSMISOR
(b)
LAZO 2
DE ASPIRACION
La Fig. 6.14 muestra otra aplicacion del control selectivo aplicado a un generador
de vapor, en donde el conmutador selector LSS hara la conmutacion del lazo de
control de presion (Lazo 1) al lazo de control de nivel (Lazo 2), cuando el el nivel del
liquido en el hervidor caiga por debajo del nivel permisible previamente establecido.
Esta conmutacion tambien provoca que se cierre la valvula de control.
132
LINEA DE VAPOR
LIMEA DE DESCARGA
LAZO 2
LT
PT
LAZO 1
LC
LSS
PC
AGUA
CALEFACTOR
(a)
TRANSMISOR
DE PRESION
LAZO 1
CONTROLADOR
DE PRESION
VALVULA
CONMUTADOR
LSS
CONTROLADOR
DE NIVEL
TRANSMISOR
(b)
DE CONTROL
PROCESO
PRESION
VALVULA
DE CONTROL
PROCESO
NIVEL
LAZO 2
DE NIVEL
6.5.
uA
Selector
uB
133
VB
VA
100%
Abertura
de vlvula
Pr
0%
VA
P
Reactor
VB
P
3
7.5
15 psig
11.5
Captulo 7
7.1.
y = Cx + Du
(7.1)
u(s) = Gc (s)e(s)
(7.2)
y(s) = Gp Gc (s)e(s)
(7.3)
136
r(s)
Sistema
G p (s)
y(s)
donde Gp (s) es la matriz de transferencia del sistema, Gc (s) es la matriz de transferencia del controlador, e(s) es el vector error del sistema y r(s) es el vector de se
nales
deseadas o set points. En (7.3), el reemplazo de y(s) en e(s) produce:
G(s) = (I + Go )1 Go
y(t) = G(s)r(s)
Go (s) = Gp Gc (s)
(7.4)
donde G(s) y Go son las matrices de transferencia de lazo cerrado y de lazo abierto
del sistema. La matriz G(s) posee la forma:
..
..
..
G(s) =
.
.
.
Gp1 (s) Gpp (s)
En el dominio de Laplace y para condiciones iniciales nulas, el sistema representado en (7.1) toma la forma:
sx = Ax + Bu
7.1.1.
(7.5)
No Interacci
on
para i 6= j
(7.6)
137
Despejamos Go (s):
Go (s) = Gp (s)Gc (s) = G(s)[I G(s)]1
(7.7)
Dado que G(s) tiene que ser diagonal por para no interaccion, entonces, I G(s)
tambien debe de ser diagonal. Por consiguiente, su matriz inversa [I G(s)] 1 es
tambien diagonal y de la forma:
1
0
1G11 (s)
1G22 (s)
1
[I G(s)] =
..
1
0
1Gpp (s)
Por lo tanto, la relacion (7.7) resulta en la siguiente matriz diagonal:
G11 (s)
0
1G11 (s)
G22 (s)
1G22 (s)
Go (s) =
..
Gpp (s)
0
1Gpp (s)
7.1.2.
(7.8)
Exactitud Est
atica
|r|
s .
|r|
s
Aplicando el
s0
s0
Entonces podemos concluir que para exactitud estatica (error en estado estable nulo)
se requiere:
lm [G(s)] = I
(7.9)
s0
7.1.3.
Estabilidad
Adj (I A)
det(I A)
(7.10)
138
(7.12)
Adj [I + Go (s)]
det[I + Go (s)]
(7.13)
Entonces, el sistema MIMO de la Fig. 7.1 es estable si todas las races caractersticas
de (7.13) se localizan en el semiplano izquierdo del planos. Si existe al menos una
raz en el semiplano derecho del planos, entonces el sistema es inestable. Si todas
las races se localizan en el semiplano izquierdo del planos, excepto al menos una
que se ubique en el eje imaginario (el eje vertical del planos), entonces el sistema es
oscilante, que para fines de operacion del sistema controlado, tambien es inestable.
Ejemplo 7.1 Control PID MIMO del Sistema Tanque Cerrado
Dise
nar un controlador PID MIMO basado en la tecnica de desacoplamiento para
controlar el nivel y la temperatura del sistema tanque cerrado descrito en la subseccion
??. Las especificaciones de dise
no son: 0 % de sobrenivel y error en estado estable nulo
tanto para el nivel como para la temperatura. Tiempos de estabilizacion menores de
400 s para el nivel y 1000 s para la temperatura.
Soluci
on: En la subseccion ?? se determino el modelo dinamico lineal en el espacio
de estado del sistema MIMO tanque, que como sabemos, posee dos entradas y dos
salidas. De acuerdo a (7.10), la matriz de transferencia del sistema se determina de:
Gp11 (s) Gp12 (s)
1
Gp (s) = C(sI A) B + D =
Gp21 (s) Gp22 (s)
139
Gp (s) =
Kp11
Tp11 s+1
Kp11
Tp11 s+1
(7.14)
Para dise
nar la matriz de control Gc (s), podemos asumir una matriz G(s) de la
forma:
1
0
Tniv s+1
(7.15)
G(s) =
1
0
Ttemp s+1
(7.16)
1
1
Kc11 1 + Tc11
K
1
+
c12
s
Tc12 s
(7.17)
GC (s) =
1
1
Kc21 1 + Tc21 s
Kc12 1 + Tc12 s
La Fig. 7.2 muestra en detalle la interconexion de todos los bloques del sistema de
control multivariable PID del sistema tanque.
Simulaci
on del Sistema de Control en el Dominio de s
El programa mimopidsimb.m, cuyo listado se muestra abajo, tambien simula el
sistema de control del tanque cerrado. En el resultado de la simulacion (Fig. 7.3)
se observa que el nivel (grafico superior izquierda) y la temperatura (grafico superior derecha) controlados, cumplen las especificaciones de dise
no establecidas en el
enunciado del ejemplo.
140
e1
r1
K c11 1+
T p11 s+1
K p11
K c21 1+
K c12 1+
e2
K p11
T c11 s
K c12 1+
r2
u1
T c12 s
p11
y1
s+1
K p21 (T pas+1)
T c21 s
(T pbs+1)(T pcs+1)
K p21 (T pas+1)
T c12 s
u2
y2
(T pbs+1)(T pcs+1)
Fig. 7.2: Diagrama de bloques del sistema de control PID MIMO dise
nado.
Step Response
From: In(1)
To: Out(1)
0.8
From: In(2)
NIVEL
0.6
0.4
Amplitude
0.2
0
1
To: Out(2)
0.8
0.6
TEMPERATURA
0.4
0.2
0
200
400
600
800
1000 1200 0
Time (sec)
200
400
600
800
1000 1200
%
%
%
%
%
%
%
%
%
141
df2dx1=a*bartheta*barh^(-1.5)/(2*A) ...
- (rhoC*thetaC*barqC+rhoH*thetaH*barqH)/(rhoD*A*barh^2);
df2dx2=-a/(A*sqrt(barh)); df1du1=1/A; df1du2=1/A;
df2du1=rhoC*thetaC/(rhoD*A*barh); df2du2=rhoH*thetaH/(rhoD*A*barh);
AA=[df1dx1 df1dx2;df2dx1 df2dx2]; BB=[df1du1 df1du2;df2du1 df2du2];
CC=[1 0;0 1]; DD = [0 0;0 0]; I = CC; Tniv=60; Ttemp=100; s=tf(s);
Gp = CC*inv(s*eye(2) -AA)*BB+DD; G=[1/(Tniv*s+1) 0;0 1/(Ttemp*s+1)];
Gc = inv(Gp)*G*inv(I-G); Go=Gp*Gc; step(feedback(Go,I))
print -deps -f mimopid01
syms s a11 a21 a22 b11 b21 b22 Tniv Ttemp;
AA=[a11 0;a21 a22]; BB=[b11 b11;b21 b22];
Gp = CC*inv(s*eye(2) -AA)*BB+DD; G=[1/(Tniv*s+1) 0;0 1/(Ttemp*s+1)];
Gc = inv(Gp)*G*inv(I-G); pretty(simple(Gp)), pretty(simple(Gc))
Gc =
[-a21 b11 - b22 s + b22 a11
s - a22
]
[---------------------------------------------]
[ (-b22 + b21) b11 s Tniv
(-b22 + b21) s Ttemp]
[
]
[a21 b11 + b21 s - b21 a11
-s + a22
]
[--------------------------------------------]
[ (-b22 + b21) b11 s Tniv
(-b22 + b21) s Ttemp]
Gc11= Kc11*(1+1/(Ti11*s));
Gc12= -Kc12*(1+1/(Ti21*s));
Gc21= -Kc21*(1+1/(Ti21*s));
Gc22= Kc12*(1+1/(Ti22*s));
Simulaci
on del Sistema de Control en el Dominio de t
De la Fig. 7.2 podemos formular las ecuaciones que gobiernan el controlador
MIMO PID:
1
1
) e1 Kc12 (1 +
) e2
u1 = Kc11 (1 +
Tc11 s
Tc12 s
1
1
) e1 + Kc12 (1 +
) e2
(7.18)
u2 = Kc21 (1 +
Tc21 s
Tc12 s
donde:
e1 = r 1 y 1
e2 = r 2 y 2
Kc21
Tc21
i=0
k
X
i=0
Kc12
Tc12
i=0
k
X
T e2 (i)
i=0
k1
k1
Kc12 X
Kc11 X
T e1 (i) Kc12 e2 (k 1)
T e2 (i)
Tc11
Tc12
Kc21
Tc21
i=0
i=0
k1
X
k1
X
i=0
T e1 (i) Kc12 e2 (k 1)
Kc12
Tc12
i=0
T e2 (i)
142
e1 (i) =
i=0
k1
X
k
X
e1 (i) + e1 (k)
i=0
e2 (i) =
i=0
k1
X
e2 (i) + e2 (k)
i=0
entonces:
Kc11
T e1 (k)
Tc11
Kc12
T e2 (k)
Kc12 [e2 (k) e2 (k 1)]
Tc12
Kc21
u2 (k) u2 (k 1) = Kc21 [e1 (k) e1 (k 1)] +
T e1 (k)
Tc21
Kc12
T e2 (k)
Kc12 [e2 (k) e2 (k 1)]
Tc12
u1 (k) u1 (k 1) = Kc11 [e1 (k) e1 (k 1)] +
(7.19)
Kc12
T e2
Tc12
Kc12
T e2
Tc12
(7.20)
x(k) x(k 1)
= A x(k) + B u(k)
T
x(1)
x(2)
y1
y2
u=
u1
u2
qC
qD
Para programacion en tiempo real, la ecuacion de estado discreta del sistema toma
la forma:
x = x + T (A x + B u)
(7.21)
La simulacion del sistema se logra ejecutando el programa pidmimotanque.m, el cual
toma en cuenta las ecuaciones discretas (7.20) y (7.21). El resultado de la simulacion se muestra en la Fig. 7.4. Observar que el controlador PID MIMO estabiliza
simultaneamente el nivel y la temperatura cumpliendo las especificaciones de dise
no
del caso.
% pidmimotanque.m CONTROL PID MIMO DEL SISTEMA TANQUE CERRADO CON AGUA
clear all; close all; clc;
% PAR
AMETROS
C=0.6; D=0.0159; d=0.0065; beta=d/D; E=(1-beta^4)^(-1/2); rhoD=996;
g=9.81; a=C*E*pi*d^2*rhoD*sqrt(2*g)/4; A=0.0314; rhoH=988; Cp=4186.8;
rhoC=998; thetaH=50+270.15; thetaC=20+270.15;
% VALORES ESTACIONARIOS
barh=0.4; bartheta=35+270.15; barqC=2.16e-4; barqH=0.5e-4;
143
NIVEL [m]
1
0.5
500
1000
1500
2000
TIEMPO
[s]
500
1000
1500
2000
TIEMPO
[s]
500
1000
1500
2000
TIEMPO
[s]
500
1000
1500
2000
TIEMPO
[s]
2500
3000
3500
4000
2500
3000
3500
4000
2500
3000
3500
4000
2500
3000
3500
4000
0.01
0.005
TEMPERATURA [C]
0
60
40
20
0
0.005
0.01
Fig. 7.4: Resultado de la simulacion del sistema de control PID MIMO del tanque:
nivel y temperatura controladas.
barqD=2.16e-4; Rh=barh/barqD;
% MODELO LINEAL, DONDE: df1/dx1=a11, df1/dx2=a12, etc.
a11=-a/(2*A*sqrt(barh)); a12=0;
a21=a*bartheta*barh^(-1.5)/(2*A) - ...
(rhoC*thetaC*barqC+rhoH*thetaH*barqH)/(rhoD*A*barh^2);
a22=-a/(A*sqrt(barh)); b11=1/A; b12=1/A;
b21=rhoC*thetaC/(rhoD*A*barh); b22=rhoH*thetaH/(rhoD*A*barh);
AA=[a11 0;a21 a22]; BB=[b11 b11;b21 b22]; CC=[1 0;0 1]; DD = [0 0;0 0];
Tniv=60; Ttemp=100;
% PAR
AMETROS DEL CONTROLADOR: SE SETERMINAN DE Gc EN mimopidsimb.m
Kc11=b22/((b22-b21)*b11*Tniv); Ti11=b22/(a21*b11-b22*a11);
Kc12=1/((b22-b21)*Ttemp); Ti12=-1/a22; Kc22=Kc12; Ti22=Ti12;
Kc21=b21/((b22-b21)*b11*Tniv); Ti21=b21/(a21*b11-b21*a11);
% CONDICIONES INICIALES
e1p=0; e2p=0; u1=0; u2=0; x = [0.4;20+270.15]; % NIVEL + TEMPERATURA
T = 0.2; M = 20000; % PERIODO DE MUESTREO Y N
UMERO DE MUESTRAS M
for k = 1:M
% INICIO DEL LAZO DE CONTROL
if(k >= 0 && k <= M/4), r1 = 0.5; r2=20+273.15; % SE ~
NALES DE REFERENCIA
elseif(k >= M/4 && k <= M/2), r1 = 0.2; r2=40+273.15;
elseif(k >= M/3 && k <= 3*M/4), r1 = 0.4; r2=70+273.15;
elseif(k >= 3*M/4 && k <= M), r1 = 0.3; r2=20+273.15; end
R1(k) = r1; R2(k) = r2;
144
x1
x2
y1
u1
x=
y
=
u
=
x3
y2
u2
x4
Se puede demostrar (problema 2.6) que las ecuaciones de estado y de salida son:
x = Ax + Bu
0
0
A = K1
m1
K1
m2
0
0
B=
m1
1
0
y = Cx
0
0
1
0
0
1
K1
m1
2)
(K1m+K
2
B1
m
1
B1
m
2
B1
m1
2)
(B1m+B
2
0
0
1
m2
C=
1 0 0 0
0 1 0 0
El programa mimopid02.m, cuyo listado se muestra abajo, simula el sistema de control pedido. En el resultado de la simulacion (Fig. 7.5) se observa que las salidas
controladas y1 (grafico superior izquierda) e y2 (grafico superior derecha) controlados, cumplen las especificaciones de dise
no requeridas.
145
Step Response
From: In(1)
From: In(2)
To: Out(1)
0.8
y1
0.6
0.4
Amplitude
0.2
0
1
To: Out(2)
0.8
y2
0.6
0.4
0.2
0
20
40
60
0
Time (sec)
20
40
60
7.2.
146
(7.23)
Gp12 (s)
Gp11 (s)
D2 (s) =
Gp21 (s)
Gp22 (s)
(7.25)
Las ecuaciones que gobiernan la dinamica del sistema mostrado en la Fig. 7.6 son:
e1
r1
r2
e2
u
G c1(s)
G c2 (s)
m1
Gp11(s)
D 1 (s)
G p12(s)
D 2 (s)
G p21(s)
y1
y2
m2
G p22(s)
u2
y1 = Gp11 m1 + Gp12 m2
m 1 = u 1 + D 1 u2
u1 = Gc1 e1
y2 = Gp21 m1 + Gp22 m2
m 2 = D 2 u1 + u 2
u2 = Gc2 e2
Por consiguiente:
y1
y=
y2
m=
m1
m2
u=
u1
u2
e=
e1
e2
y(s) = Gp (s)m(s)
m(s) = D(s)u(s)
u(s) = Gc (s)e(s)
Gc1 0
1 D1
Gp11 Gp12
Gc =
D=
Gp =
D2 1
0 Gc2
Gp21 Gp22
y = Go e
Go = Gp DGc
(7.26)
(7.27)
(7.28)
147
Dise
nar un controlador PID MIMO con desacopladores para controlar las salidas y 1
e y2 del sistema de plataformas propuesto en el problema 2.6 y mostrado en la Fig.
2.26. Las especificaciones de dise
no son: 0 % de sobrenivel, error en estado estable
nulo y tiempo de estabilizacion menor de 20 s para ambas salidas. Valorar todos los
parametros de la planta en 1.
Soluci
on: El programa mimopid03.m, cuyo listado se muestra abajo, emplea el modelo del sistema de plataformas del Ejemplo 7.2 y simula el sistema de control pedido.
En el resultado de la simulacion (Fig. 7.7) se observa que las salidas controladas y 1
(grafico superior izquierda) e y2 (grafico superior derecha) controlados, cumplen las
especificaciones de dise
no requeridas.
Step Response
From: In(1)
To: Out(1)
0.8
From: In(2)
y1(t)
0.6
0.4
Amplitude
0.2
0
1
y2(t)
To: Out(2)
0.8
0.6
0.4
0.2
0
20
40
60 0
Time (sec)
20
40
60
148
7.3.
r(s)
e(s)
Controlador
P MIMO
K
u(s)
Sistema
G p (s)
y(s)
r(s)
y(s)
(b)
(a)
Fig. 7.8: (a) Sistema de control MIMO con controlador P. (b) Sistema equivalente.
y(s) = Gp (s)u(s)
u(s) = Ke(s)
KGp (s)
(7.29)
7.3.1.
Procedimiento de Dise
no
Gp11 (s)
..
K = diag[K1 , . . . , Kn ]
Gp (s) =
.
donde:
Gp1n (s)
..
..
.
.
Gpn1 (s) Gpnn (s)
149
7.3.2.
El Criterio de Hurwitz
H=
a1 a3
1 a2
0 a1
0 1
..
..
.
.
0 0
a5
a4
a3
a2
..
.
...
...
...
...
..
.
0
0
0
0
..
.
0
0
0
0
..
.
. . . an2 an
Este criterio de estabilidad establece que para que los ceros de D(s) posean parte real
negativa (requisito indispensable para comportamiento estable del sistema), todos los
menores principales diagonales de H: H1 , H2 , H3 , . . . , Hn , deben de ser positivos,
donde:
a1 a3 a5
a1 a3
H1 = a 1
H2 = det
Hn = detH
H3 = det 1 a2 a4
1 a2
0 a 1 a3
Ejemplo 7.4 Control P MIMO de un Sistema
Empleando el procedimiento de dise
no de la subseccion 7.3.1 dise
nar un controlador
P MIMO para un sistema con:
"
#
3
280
K1 0
s
Gp (s) = 0.05 s(s+6)(s+30)
K=
200
0 K2
s
s(s+6)(s+30)
las especificaciones de dise
no para los dos canales (salidas) son: tiempo de estabilizacion menor de 2 s, error en estado estable nulo y porcentaje de sobrenivel tambien
nulo.
Soluci
on: Ejecutar el programa pmimo1.m, el cual sigue el procedimiento de dise
no
arriba establecido. La Fig. 7.9 muestra que las salidas controladas del sistema cumplen
las especificaciones de dise
no para las ganancias K1 = 2 y K2 = 1.5. Es necesario
anotar que con estos valores de las ganancias, se satisfacen simultaneamente las condiciones H1 > 0, H2 > 0, H3 > 0 y H4 > 0 establecidas en el criterio de Hurwitz.
150
To: Out(1)
0.8
From: In(2)
y1(t)
0.6
0.4
Amplitude
0.2
0
To: Out(2)
1.5
y2(t)
0.5
3 0
Time (sec)
7.4.
Problemas
7.4 Problemas
151
152
Basado en las tecnicas descritas en las secciones 7.1, 7.1 y 7.3, dise
nar los controladores PID MIMO para el manipulador robotico traslacional mostrado en la Fig. ??
y descrito en la seccion ??. Las especificaciones de dise
no de las salidas controladas
son: 0 % de sobrenivel, error en estado estable nulo y tiempos de estabilizacion lo mas
rapido posible.
Problema 7.9 Manipulador Rob
otico Esf
erico (MRE)
Basado en las tecnicas descritas en las secciones 7.1, 7.1 y 7.3, dise
nar los controladores PID MIMO para el manipulador robotico esferico mostrado en la Fig. ?? y
descrito en la seccion ??. Las especificaciones de dise
no de las salidas controladas
son: 0 % de sobrenivel, error en estado estable nulo y tiempos de estabilizacion lo
mas rapido posible.
Ap
endice A
Matem
atica para Sistemas
Continuos
Este Captulo presenta la matematica requerida en los Captulos siguientes. Los topicos se desarrollan principalmente en el dominio continuo. El topico discretizacion directa
se desarrolla en el dominio discreto. Los numerosos ejemplos presentados se resuelven en
unos casos analticamente, en otros con ayuda del software MATLAB y en la mayora de
los casos empleando ambos metodos.
Los temas a tratar son: transformada de Laplace, matrices y determinantes, variable
de estado, discretizacion directa, sistemas con tiempo muerto y linealizacion de sistemas
continuos.
A.1.
A.1.1.
Definici
on y Ejemplos
donde el n
umero complejo s = + j es la variable Laplaciana. La region de s en la
cual dicha integral converge se denomina Regi
on de Convergencia.
Un sistema representado por la funcion g(t) se denomina causal cuando su salida
y(t) depende solo de la entrada presente u(t) y de las entradas pasadas u(tt i ), donde
t es la variable dependiente tiempo continuo y los ti para i = 0, . . . , n son n
umeros
reales positivo que indican retardos de tiempo. La gran mayora de los sistemas reales
son causales.
La Fig. A.1(a) muestra un tanque con agua calentada mediante vapor. La curva de
reaccion del sistema temperatura y(t) mostrado en la Fig. A.1(b) se obtiene variando
la abertura u(t) de la valvula de vapor. Este sistema es causal porque, por ejemplo,
la salida y en el tiempo t3 , depende de la entrada u en t3 (la actual) y de las entradas
pasadas en t2 , t1 y t0 .
La transformada unilateral de Laplace es u
til para representar en forma algebraica
sistemas causales descritos por ecuaciones diferenciales lineales invariantes con el
154
Matem
atica para Sistemas Continuos
u
u
Agua
t
y
Vapor
t0
t1
(a)
t2
t3
(b)
1
eT s
=
s
s
Ejemplo A.3
Hallar la transformada de Laplace de la funcion exponencial eat , donde a y t son
reales y positivos.
155
Soluci
on: Usando la definicion dada en (A.1):
#
"
Z
(s+a)t
1
e
=
L[eat ] =
eat est dt =
s+a
s+a
0
0
Ejemplo A.4
Hallar la transformada de Laplace de las funciones impulso (t) y (t T ) empleando
la siguiente propiedad fundamental:
Z
g(t)(t T )dt = g(T )
(A.2)
0
donde g(t) es una funcion arbitraria pero continua en t = T . Se sabe ademas que la
funcion impulso unitario o delta de Dirac (t) y delta de Dirac retardada (t T ) se
definen como:
1 si t = T
1 si t = 0
(A.3)
(t T ) =
(t) =
0 si t 6= T
0 si t 6= 0
Soluci
on: Aplicando la propiedad fundamental (A.2) con g(t) = est y T = 0 se
obtiene:
Z
L[(t)] =
est (t T )dt = esT |T =0 = 1
0
esT
La relacion: z =
constituye la variable discreta de desplazamiento y se emplea
para el analisis de sistemas lineales discretos con parametros invariantes con el tiempo.
Ejemplo A.5
Usando matematica simbolica, hallar la transformada de Laplace de las siguientes
funciones:
dg(t)
g1 (t) = a(t)
g2 (t) = eat
g3 (t) =
dt
Z t
(t2 + cos 2t)
g4 (t) = a sin(t)cos(t)2
g5 (t) =
0
donde a es una constante real y positiva, (t) es la funcion escalon unitario definida
en el ejemplo A.1 y g(t) es una funcion arbitraria dependiente del tiempo.
Soluci
on: El programa laplace1.m resuelve el problema.
% laplace1.m TRANSFORMADA SIMB
OLICA DE LAPLACE
clear all; close all; clc;
syms a t s;
G1 =laplace(a,t,s);
% G1 = a/s
G2 = laplace(exp(-a*t),t,s);
% G2 = 1/(s+a)
G3 = laplace(diff(sym(g(t)))); % G3 = s*laplace(g(t),t,s)-g(0)
G4 = laplace(a*sin(t)*cos(t)^2,t,s); pretty(G4)
% G4 = a*(s^2 + 3)/((s^2 + 9)(s^2+1))
g5 = int(t^2+cos(2*t)); G5 = laplace(g5); % G5 =2/s^4 + 1/(s^2+4)
156
A.1.2.
Matem
atica para Sistemas Continuos
(A.4)
Ejemplo A.6
Usando matematica simbolica, hallar la transformada inversa de Laplace de las siguientes funciones:
G1 (s) =
s+3
s2
G2 (s) =
Aw
(s a2 ) + w2
Ejemplo A.7
La figura A.2 muestra un movil de masa m = 1000 kg desplazandose con una velocidad
v gracias a la accion de la fuerza u producida por su motor. Si se desprecia la inercia
de las ruedas y se asume que la fuerza de friccion bv es lo u
nico que se opone al
movimiento, donde b= 50 Ns/m es el coeficiente de friccion, entonces la dinamica
del sistema puede modelarse como:
mv(t)
+ bv(t) = u(t)
v(t)
dv(t)
dt
friccion
bv
v velocidad
m
V (s) =
157
v(0)
1/m
+
s(s + b/m) s + b/m
donde hemos usado el hecho de que U (s) = 1s debido a que la entrada u es del tipo
escalon. La salida v(t) se determina usando la Tabla A.1. Para el primer termino de
V (s) empleamos la formula (14) con n = 1, mientras que para el segundo termino
empleamos la formula (3). Por consiguiente:
v(t) = L1 [V (s)] =
b
b
1
(1 e m t ) + v(0)e m t
b
b
1
[1 bv(0)] e m t
m
Ejemplo A.8
Empleando las propiedades del valor inicial y del valor final de la Tabla A.2, determinar tales valores para la velocidad del movil del problema anterior.
Soluci
on: El valor inicial de v(t) se determina de:
lm v(t) = lm sV (s) = v(0)
t0
A.1.3.
s0
1
b
La Funci
on de Transferencia
158
Matem
atica para Sistemas Continuos
Soluci
on: La FT del sistema se obtiene aplicando la propiedad de derivacion (2) de
la Tabla A.2), con v(0) = 0:
1/m
V (s)
=
U (s)
s + b/m
Observar que resulta una FT de primer orden. Como la entrada es un escalon unitario,
entonces U (s) = 1s . La salida se determina de:
v(t) = L
[V (s)] = L
1/m
s(s + b/m)
Ejemplo A.10
Empleando las propiedades del valor inicial y del valor final de la Tabla A.2, determinar tales valores para la velocidad del movil del problema anterior.
Soluci
on: El valor inicial se determina de:
lm v(t) = lm sV (s) = 0
s
t0
A.1.4.
s0
1
b
Fracciones Parciales
Cs + D
+ bs + c)r
(as2
r = 1, 2., 3, . . .
R(s)
A(s)
resulta propia.
159
No
G(s)
g(t)
(1)
(t)
(2)
1
s
(t)
(3)
1
s+a
eat
(4)
s2 + 2
sen t
(5)
s
s2 + 2
cos t
(6)
s cos sen
s2 + 2
cos(t + )
(7)
(s+a)2 + 2
eat sent
(8)
(s+a)
(s+a)2 + 2
eat cost
(9)
(s+a)cossen
(s+a)2 + 2
eat cos(t + )
(10)
1
s[(s+b)2 a2 ]
(11)
n!
;
sn+1
(12)
1
(s+a)n+1
tn
n!
(13)
s
(s+a)n+1
(14)
1
s(s+a)n+1
tn+1
(n+1)! (1
h P
1 n
=0
(15)
s2 (s+a)2
(16)
1
(s+a)(s+b)
(17)
s
(s+a)(s+b)
(18)
s
s(s+a)(s+b)
(19)
s2 (s+a)(s+b)
ab
ba
(20)
1
(s+a)(s+b)(s+c)
eat
(ba)(ca)
ebt
(ab)(cb)
ect
(ac)(bc)
(21)
s
(s+a)(s+b)(s+c)
aeat
(ba)(ca)
bebt
(ab)(cb)
cect
(ac)(bc)
n! = n(n 1) . . .
tn
eat
at at
n )e
i
(at)
eat
!
an+1
[at2+(2+at)eat ]
a3
t
ab
1
a2 b
a
b2
1
ba
1 at
e
a2
1 bt
e
b2
160
Matem
atica para Sistemas Continuos
Transformadas unilaterales de Laplace (continuacion)
No
G(s)
g(t)
(22)
s2
(s+a)(s+b)(s+c)
a2 eat
(ba)(ca)
(23)
1
s(s+a)(s+b)(s+c)
1
abc
(24)
1
(s+a)(s+b)2
(25)
s
(s+a)(s+b)2
(26)
s2
(s+a)(s+b)2
(27)
1
s(s+a)(s+b)2
(28)
1
s[(s+b)2 +a2 ]
(29)
2
n
2
s2 +2n s+n
< 1;
(30)
2
sn
2
s2 +2n s+n
< 1; n2 et sen (d t )
(31)
2
n
2)
s(s2 +2n s+n
< 1; 1
(32)
2
n
2)
s(s2 +2n s+n
b2 ebt
(ab)(cb)
c2 ect
(ac)(bc)
i
bceat
caebt
abect
1 (ba)(ca)
(ab)(cb)
(ac)(bc)
at
1
e
[1 + (b a)t]ebt
(ba)2
1
aeat + [a + (b a)bt]ebt
(ba)2
2 at
1
a e
[2ab b2 + (b a)b2 t]ebt
(ba)2
h
i
2aba2 +ab(ba)t bt
1
b2 eat
1
+
e
2
2
2
ab
(ba)
(ba)
1
bt (cos at + b senat)
1
e
2
2
a
a +b
2
n
d
et sen d t
n
d
et sen (d t + )
t/T1 T
> 1; 1 T1 e
p
d = n 1 2
2e
t/T2
T1 T2
1
n
p
2 1)
D
C
+
s+1 s1
161
Descripcion
Propiedad
(1)
Linealidad
(2)
Derivacion
(3)
Derivacion de orden n
= a1 G1 (s) + a2 G2 (s)
h
i
L dg(t)
= sG(s) g(0)
h ndt i
L d dtg(t)
= sn G(s) sn1 g(0) sn2 dg(0)
n
dt
n2
n1
s dgdtn2(0) dgdtn1(0)
i
hR
t
L 0 g(t)dt = G(s)
s
(4)
Integral
(5)
Desplazamiento en tiempo
(6)
Desplazamiento en frecuencia
(7)
Escalamiento
L[g(at)] = a1 G( as )
(8)
Valor inicial
(9)
Valor final
(10)
Multiplicacion por tn
(11)
Division entre t
s = 1 como sigue:
2
10
(7s 2s + 1)(s + 1) (Cs + D)(s + 1) (Es + F )(s + 1)
+
H=
=
2
2
2
2
2
(s + 2s + 4) (s + 1)
(s + 2s + 4)
s + 2s + 4
9
s=1
Comando para Expandir Fracciones Racionales
El comando [r,p,k] = residue(B,A) permite expandir una fraccion racional en la
forma siguiente:
B(s)
r1
r2
rn
=
+
+ +
+ k(s)
A(s)
s p1 s p2
s pn
(A.5)
donde p1 , . . . , pn son los n polos que no se repiten, r1 , . . . , rn son los residuos y k(s)
comprime los terminos directos. Los coeficientes de los polinomios A(s) y B(s) se
introducen como vectores. Por ejemplo, A(s) = s4 + 5s2 s 3 produce el vector:
A = [1 0 5 1 3]. Si B(s)
A(s) posee polos repetidos, por ejemplo, si su polo pj es de
multiplicidad m, entonces la expansion incluye terminos de la forma:
rj+1
rj+m1
rj
+
+ +
s pj
(s pj )2
(s pj )m
donde rj , . . . , rj+m1 son los correspondientes residuos. Si en (A.5) el grado de B(s)
es menor que el de A(s), entonces k(s) = 0. Si son iguales, k(s) es una constante.
Todos los polos y los residuos estan contenidos en los vectores p y r respectivamente.
162
Matem
atica para Sistemas Continuos
Ejemplo A.12
El programa fracp1.m descompone en fracciones parciales las expresiones:
B(s)
s2 16
= 2
A(s)
s 1
N (s)
s+6
s+6
=
= 2
M (s)
(s 2)2
s 4s + 4
Por consiguiente:
B(s)
7.5
7.5
=
+
+1
A(s)
s+1 s1
N (s)
1
8
=
+
M (s)
s 2 (s 2)2
Ejemplo A.13
Hallar la transformada inversa de Laplace de:
G(s) =
B(s)
s4 + 2s3 + 3s2 + 2s + 1
= 4
A(s)
s + 4s3 + 7s2 + 6s + 2
Soluci
on: El programa fracp2.m calcula los vectores r, p y k:
r = [ r1 ; r2 ; rj ; rj+1 ] = [ 0.5i ; 0.5i ; 2 ; 1 ]
p = [ p1 ; p2 ; pj ; pj+1 ] = [(1 + i) ; (1 i) ; 1 ; 1]
k=1
0.5i
2
n2
0.5i
1
1
+
=
=
s+1i s+1+i
2 (s2 + 2s + 2)
2 s2 + 2n s + n2
1
2
2
1
+
+
2
2 (s + 2s + 2) s + 1 (s + 1)2
Empleando los pares (1), (29), (3) y (12) de la Tabla A.1, con n = 1, se obtiene:
n2 t
n2
1
1
L [1] = (t)
L
=
e sen d t
s2 + 2n s + n2
d
1
1
= et
L1
= tet
L1
s+1
(s + 1)2
donde, d = 1 y = 1, se calcularon empleando las formulas al final de la continuacion
de la Tabla A.1. Por consiguiente, juntando los resultados anteriores se obtiene:
g(t) = (t) + et sen t 2et + tet
163
% fracp2.m DESCOMPOSICI
ON EN FRACCIONES PARCIALES
clear all; close all; clc;
B = [1,2,3,2,1]; % POLINOMIO B(s)
A = [1,4,7,6,2]; % POLINOMIO A(s)
[r,p,k] = residue(B,A);
% r = [-0.5i;0.5i;-2;1]; p = [-1+i;-1-i;-1;-1]; k = 1
Ejemplo A.14
Resolver la siguiente ecuacion diferencial:
dy(t)
d2 y(t)
+ 24y(t) = e6t
+ 11
2
dt
dt
con las condiciones iniciales nulas:
dy(0)
dt
= 0, y(0) = 0.
Soluci
on: Empleamos la propiedad de derivacion de la Tabla A.2:
2
dy(t)
d y(t)
L
+ 11
+ 24y(t) = L e6t
2
dt
dt
1
dy(0)
+ 11(sY (s) y(0)) + 24Y (s) =
s2 Y (s) sy(0)
dt
s+6
Y (s) =
A.2.
1
3/80
1/60
1/48
=
+
+
(s + 3)(s + 8)(s + 6)
s+3 s+8 s+6
1
1
3
y(t) = e3t + e8t + e6t
80
60
48
Matrices y Determinantes
a11 . . . a1m
..
i = 1, . . . , n; j = 1, . . . , m
A = [aij ] = ...
.
an1 . . . anm
x1 (q)
164
Matem
atica para Sistemas Continuos
y1 (q)
yT (q) = ...
yn (q)
T
y1 (q)
y(q) = ...
yn (q)
donde el superndice T indica la operacion transpuesta, la cual transforma las columnas en filas y viceversa.
A.2.1.
Una matriz A con todos sus elementos aij iguales a cero se denomina matriz cero
o nula y se denota como A = 0. Dos matrices A = [aij ] y B = [bij ] son iguales si son
del mismo orden y ademas [aij ] = [bij ].
La suma de dos matrices, denotada como C = A B, solo es posible si A y B
son del mismo orden:
C = [cij ] = A B = [aij bij ]
La multiplicacion de dos matrices, expresada como C = AB, solo es posible si el
n
umero de columnas de A es igual al n
umero de filas de B. Si A es de orden n m
y B es de orden m r, entonces C debe ser de orden n r. Los elementos de C se
determinan como sigue:
cij =
m
X
aik bkj ;
i = 1, 2, . . . , n; j = 1, 2, . . . , m
k=1
Por ejemplo, la siguiente multiplicacion es valida: A23 B31 = C21 , tal como se
observa a continuacion.
b11
a11 a12 a13
c11
a11 b11 + a12 b21 + a13 b31
b21 =
=
a21 a22 a23
c21
a21 b11 + a22 b21 + a23 b31
b31
Si es un escalar, entonces A resulta una matriz en donde cada elemento queda
multiplicado por , a saber:
A = [aij ] = [aij ]
La multiplicacion es asociativa:
ABCD = (AB)(CD) = A(BCD) = (ABC)D
y distributiva:
(A + B)(C + D) = AC + AD + BC + BD
Cuando AB = BA, se dice que A y B son matrices que conmutan. Sin embargo, en
general, la multiplicacion no es conmutativa; es decir:
AB 6= BA
Ejemplo A.15
A= 0
2
165
y B conmutan o no.
1 2 3
2 3
4 2
B = 0 4 2
2 6 9
6 9
Soluci
on: Dado C = AB y D = BA, basta demostrar que C 6= D, tal como se
ilustra en el siguiente programa.
% conmat.m CONMUTACI
ON DE MATRICES
clear all; close all; clc;
A = [1 2 3;0 4 -2;2 6 -9]; B = [-1 5 0;1 4 -3;0 -6 -2];
C = A*B; % C = [1 -5 -12;4 28 -8;4 88 0]
D = B*A; % D = [-1 18 -13;-5 0 22;-4 -36 30]
% A Y B NO SON CONMUTATIVAS PORQUE C ES DIFERENTE DE D
(A + B)T = AT + BT ;
(AB)T = BT AT
Un n
umero complejo se designa como s = + j, donde j = 1 es la unidad
de los n
umeros imaginarios y tanto como son n
umeros reales. La operacion
conjugada, denotada como A , toma la conjugada a todos los elementos complejos
de A. Para la operacion conjugada se cumple:
(A ) = A;
(A + B) = A + B ;
(AB) = A B
(A + B)H = AH + BH ;
(AB)H = BH AH
Si A es una matriz real; es decir, si todos sus elementos son reales, entonces A = A
y AH = (A )T = AT .
Ejemplo A.16
Dada la matriz real A y
1
A= 0
2
2 3
1j
3
3+j
4 2
4
2 + j
B= j
6 9
2j 6+j
9
166
Matem
atica para Sistemas Continuos
Soluci
on:
1 0
2
6
A = A
A H = AT = 2 4
3 2 9
1+j
3
3j
1j
j
2j
4
2 j
4
6+j
B = j
BT = 3
2+j 6j
9
3 + j 2 + j 9
1+j
j
2+j
H
T
3
4
6j
B = (B ) =
3 j 2 j 9
A.2.2.
Tipos de Matrices
d11 0 0 . . . 0
0 d22 0 . . . 0
D = [dii ] = .
..
..
..
.
.
.
.
.
0
0 0 . . . dnn
es la inversa de A si:
A es singular si:
AT = A
(A.6)
A = A
A
(A.7)
= (A ) = (A ) = A
= A
(A.8)
(A.9)
AA
AA
AA = A A = I, entonces: A = A
+1
= A A = I, entonces: A
(A.10)
(A.11)
=A A
(A.12)
= A;
(A.13)
A = 0;
A
=A
es un entero positivo
es un entero positivo
A=I
det(A) = 0
(A.14)
(A.15)
(A.16)
167
Una matriz compleja cuadrada A puede ser escrita como la suma de una matriz
hermitiana B = 12 (A + AH ) mas otra matriz antihermitiana C = 12 (A AH ). Es
decir:
1
1
A = B + C = (A + AH ) + (A AH )
2
2
Ejemplo A.17
Demostrar que B = 12 (A + AH ) y C = 12 (A AH ) son matrices hermitiana y
antihermitiana respectivamente, donde A es la siguiente matriz compleja:
1+j 2j
A=
6+j 5j
Soluci
on:
1j 6j
A = (A ) =
2+j 5+j
1
1
4j
H
BH = (B )T = B
B = (A + A ) =
4+j
5
2
1
j 2
H
C = (A A ) =
CH = (C )T = C
2 j
2
H
A.2.3.
Determinantes
El determinante de la matriz A = [aij ] de orden 2 es:
det
a11 a12
a21 a22
(A.17)
n
X
j=1
a11 a12 a13
a
a
22
23
1+1
det a21 a22 a23 = (1) a11 det
+
a32 a33
a31 a32 a33
a21 a22
a21 a23
1+3
1+2
(A.18)
+ (1) a13 det
(1) a12 det
a31 a32
a31 a33
Con relacion a dos matrices cuadradas A y B de orden n:
168
Matem
atica para Sistemas Continuos
Matriz inversa
Si A y B son dos matrices no singulares; es decir, si det(A) 6= 0 y det(B) 6= 0,
entonces:
(AB)1 = B1 A1 ;
(AT )1 = (A1 )T
((A )T )1 = ((A1 ) )T ;
det(A1 ) =
1
det(A)
a b c
A= d e f
g h i
e f
b c
b
det
det
det
h
i
h
i
e
1
d
f
a
c
a
1
det
det
det
A =
g
i
g
i
det(A)
d
d e
a b
a
det
det
det
g h
g h
d
det(A) = aei + gbf + cdh gec ahf idb
c
f
c
f
b
e
(A.19)
(A.20)
Ejemplo A.18
Comprobar simbolicamente las formulas de la inversa y del determinante de A dadas
en (A.20).
Soluci
on: Ejecutar el programa matinv.m mostrado abajo.
169
La Tabla A.3 muestra los comandos para ejecutar operaciones matriciales con
MATLAB.
Cantidades Complejas
Sea G = Gr + jGi un n
umero o funcion compleja donde <e[G] = Gr es su parte
real e =m[G] = Gi es su parte imaginaria. El valor absoluto o modulo o magnitud
de G se denota como |G| mientras que el angulo o argumento de G se expresa como
G. Luego, G se puede formular como:
G = <e[G] + j=m[G] = |G| G
p
|G| = (<e[G])2 + (=m[G])2
(A.21)
G = arctan
=m[G]
<e[G]
Si G es un vector o matriz compleja con elementos complejos Gij , entonces las operaciones anteriores se ejecutan elemento por elemento; es decir:
<e[G] = <e[Gij ];
G = |G| G = |Gij | Gij ;
=m[G] = =m[Gij ]
|G| = |Gij |;
G = Gij
Ejemplo A.19
Calcular en forma grafica y usando MATLAB el angulo y el modulo de:
1
2
127
1
60
135
j
G 11 = 2 135
3j
G12 = 5 127
G13 = 2 60
170
Matem
atica para Sistemas Continuos
% trnot.m N
UMEROS COMPLEJOS
clear all; close all; clc;
G11 = -1-j; G12 = -3+4j; G13 = 1-sqrt(3)*j; G = [G11 G12 G13];
anguloG = angle(G)*(180/pi); % (180/pi) CONVIERTE rad A GRADOS
% anguloG = [-135 126.8699 -60]
moduloG = abs(G); % moduloG = [1.4142 5 2]; 1.4142 = sqrt(2)
Angulo
Parte real
Parte imaginaria
Traza
Matriz identidad
A+B
AB
AB
A
A
AT
AT
AH
An
det(A)
A1
|A|
A
<e[A]
=m[A]
Pn
i=1 aii
In
Codigo MATLAB
A + B
A - B
A*B
kappa*A
conj(A)
A
conj(A); A.
A
A^n
det(A)
inv(A)
A*X = B; X = A\ B
X*A = B; X = B/A
abs(A)
angle(A)
real(A)
imag(A)
trace(A)
eye(n)
Ejemplo A.20
Dada la matriz cuadrada A, calcular B.
1j 2j 3j
2 3 + 5j
A = 4j
6 j 7 j 8 + 3j
B=
171
% calmat.m C
ALCULO MATRICIAL COMPLEJO
clear all; close all; clc;
A = [1-j 2-j 3- j;4j -2 3+5j;6-j 7-j 8+3j]; % MATRIZ DATO
B = (conj(A)+conj(A)-0.7j*A^3)*inv(A)*A*abs(A)* ...
angle(A)*real(A)*imag(A)/((2*j+1)*trace(A)*det(A));
M = (B + B)/2; % M ES HERMITIANA
PORQUE M=M
O M-M=0
N = (B - B)/2; % N ES ANTIHERMITIANA PORQUE M=-M
O M+M=0
Ejemplo A.21
Multiplicaci
on con Partici
on de Matrices. Dos matrices Anm y Bmp (los
subndices indican las dimensiones) pueden ser particionadas como sigue:
B m 1 p1 B m 1 pp
A n 1 m1 A n 1 mm
..
..
..
..
B=
A=
;
.
.
.
.
A n n m1
A n n mm
B m m p1
B m m pp
La condicion necesaria para realizar el producto Cnp = Anm Bmp empleando particiones, es que las columnas de A y las filas de B sean particionadas en la misma
forma. Por lo tanto, n = n1 + + nn , m = m1 + + mm y p = p1 + + pp .
Ejemplo A.22
Empleando la regla descrita determinar
obtener C = AB.
A22 A23
AB = A32 A33
A42 A43
B22 B23
A21
A31 B32 B33
B12 B13
A41
Soluci
on: Podemos notar que para las filas de A: n = 2 + 3 + 4 = 9, mientras que
para las columnas de A: m = 2 + 3 + 1 = 6. Del mismo modo, para las filas de
B: m = 2 + 3 + 1 = 6, mientras que para las columnas de B: p = 2 + 3 = 5. Por
consiguiente, la particion es correcta. La multiplicacion ahora es directa:
A22 B22 + A23 B32 + A21 B12 A22 B23 + A23 B33 + A21 B13
C = A32 B22 + A33 B32 + A31 B12 A32 B23 + A33 B33 + A31 B13
A42 B22 + A43 B32 + A41 B12 A42 B23 + A43 B33 + A41 B13
Ejemplo A.23
Matriz Aumentada. Si los vectores x, y, v y w son de orden n, m, p y q respectivamente, obtener una sola ecuacion diferencial matricial que reemplace a las dos
ecuaciones diferenciales siguientes:
dx
= x = Ax + Bv;
dt
donde ddtx = x y
respectivamente.
dy
dt
dy
= y = Cy + Dw
dt
172
Matem
atica para Sistemas Continuos
Soluci
on: Es importante notar que si x es de orden n, entonces A debe ser de
orden n n. Tambien, si v es de orden p, entonces B debe ser de orden n p, y
as sucesivamente. La ecuacion pedida se muestra a continuacion, donde 0 es la matriz
nula. Las dimensiones de los vectores y matrices se indican con subndices.
v
B 0
x
A 0
x
+
=
w
0 D
y
0 C
y
x n1 = Ann xn1 + 0nm ym1 + Bnp vp1 + 0nq wq1
y m1 = 0mn xn1 + Cmm ym1 + 0mp vp1 + Dmq wq1
A.2.4.
18
3
4
u = 28
v= 5
w= 6
29
7
5
Soluci
on: Tal conjunto de vectores es linealmente dependiente si se demuestra que
existen dos constantes y no nulas que verifiquen: u = v + w; es decir:
18
3
4
3 + 4
28 = 5 + 6 = 5 + 6
29
7
5
7 + 5
u= 2
v= 5
w= 6
3
7
5
Soluci
on: Tal conjunto de vectores es linealmente independiente si se demuestra que
no existen dos constantes y no nulas que verifiquen: u = v + w. Si suponemos
que dichas constantes existen, entonces:
4
3 + 4
1
3
2 = 5 + 6 = 5 + 6
5
7 + 5
3
7
El sistema de tres ecuaciones y dos incognitas resultante es incompatible y sin solucion. Entonces, el conjunto de vectores u, v y w es linealmente independiente.
173
1 2 3
1 3 2
A= 3 5 7
B= 3 8 9
4 6 5
1 2 5
Soluci
on: La matriz A de orden n = 3 posee rango completo (r = n = 3) por dos
razones. La primera es que ning
un vector fila o vector columna es una combinacion
lineal de las restantes. La segunda razon es que A es no singular.
La matriz B de orden n = 3 posee rango r = 2, porque los dos primeros vectores
filas no son linealmente dependientes, pero el tercer vector fila si lo es, debido a que
es igual al segundo vector fila menos el doble del primer vector fila. Por otro lado, se
puede comprobar que det(B) = 0, lo que implica que B no posee rango completo por
ser singular; es decir: rango(B) < n. Los determinantes de los mnimos cuadrados de
B son:
1 3 2
1 3
det([1]) = 1 6= 0
det
= 1 6= 0
det 3 8 9 = 0
3 8
1 2 5
rango(AB) rango(B)
rango(AB) = rango(A),
si A y B son no singulares
rango(AB) = rango(B),
si A y B son no singulares
174
Matem
atica para Sistemas Continuos
Ejemplo A.27
Sean las matrices Anm , Bmp y Cmm . Demostrar numericamente que:
rango(A) mn(n, m)
rango(A) = rango(AH )
rango(AB) min(rango(A), rango(B))
rango(CB) = rango(B)
Soluci
on: El siguiente programa presenta las demostraciones pedidas.
% proprango.m PROPIEDADES DEL RANGO
clear all
A=[-1+j 3-5j -5+6j -2+5j;8-9j 4-2j -1+j -4;-2+3j 4-6j -2-5j 7j];
B=[1+j -3-5j;8+9j -4+2j;-2+3j -4-6j;-5-6j -2+5j];
C=[-1+j -2+j 3-j -5-7j;4-2j -1+j -4 2;4-6j -2-5j 7j -j;7j -1 9j 4j];
% DIMENSIONES DE A, B Y C SON (3,4), (2,4) Y (4,4) RESPECTIVAMENTE
rA=rank(A); rAH=rank(A); rB=rank(B); rAB = rank(A*B); rCB=rank(C*B);
% rA=3=min(3,4); rAH=rA; rB=2; rAB=2=min(rA,rB); rCB=2=rB;
Eigenvalores y Eigenvectores
Un eigenvalor de una matriz de orden n, conocido tambien como valor propio,
modo, eigenvalue, o raz caracterstica, es un escalar que permite una solucion no
trivial de la ecuacion:
Ax = x
(A.22)
Factorizando x en (A.22) obtenemos la ecuacion caracterstica de A:
det(I A) = 0
(A.23)
E = e1 en =
e11 e1n
..
..
..
.
.
.
en1 enn
e1 se
Un eigenvector normalizado se define como: b
ei = |eeii | . Por ejemplo, el vector b
calcula como:
e11
q
e1
..
b
|e1 | = e211 + + e2n1
e1 =
e1 = .
|e1 |
en1
Ejemplo A.28
175
= ( 1)( 3) 8 = 0
0
4 3
resultando: 1 = 1 y 2 = 5. Los eigenvectores se calculan de (A.24) para 1 y 2 :
Ae1 = 1 e1 y Ae2 = 2 e2 , obteniendose:
1
1
e11
1
e12
1
Ae1 =
=
Ae2 =
=
e2 =
e1 =
1
2
e11
2e12
1
2
donde
las soluciones e11 = 1 y e12 = 1 son arbitrarias. Dado que |e1 | = 2 y
|e2 | = 5, los eigenvectores normalizados resultan: b
e1 = e1 /|e1 | y b
e2 = e2 /|e2 |.
Ejemplo A.29
1
2j
4
3
j 5j 4 3j
0 7j 2 j
8
6j 4 9j
Soluci
on: Ejecutar el programa eig1.m.
% eig1.m C
ALCULO DE EIGENVALORES Y EIGENVECTORES
clear all; close all; clc;
A = [1 2j 4 -3;-j 5j -4 -3j;0 -7j -2 -j;8 6j -4 -9j];
[E,D]=eig(A); % E: MATRIZ DE EIGENVECTORES NORMALIZADOS
% D: MATRIZ DIAGONAL DE EIGENVALORES
Ejemplo A.30
Si los i son los eigenvalores de la matriz A de orden n, comprobar numericamente:
det(A) = 1 2 . . . n ;
i = 1, . . . , n
Soluci
on: Ver el programa eig2.m.
% eig2.m COMPRUEBA QUE det(A)=L(1)L(2)L(3)L(4)
clear all
A = [1-j
2-j 3-j
-3+8j
4j
-2
3+5j
4-2j
6-j
7-j 8+3j
3+j
2
-1
j
0];
L = eig(A); % DETERMINA LOS EIGENVALORES DE A
detA = det(A); P = L(1)*L(2)*L(3)*L(4); % SE CUMPLE QUE: det(A) = P
176
Matem
atica para Sistemas Continuos
Pseudoinversas
El concepto de pseudoinversa de una matriz es la generalizacion de su inversa y
resulta u
til para encontrar una solucion en un conjunto de ecuaciones algebraicas en
donde el n
umero de variables desconocidas y el n
umero de ecuaciones linealmente
independientes no son iguales. Sea la ecuacion:
Ax = b
donde A es una matriz de orden n m y de rango n, x es un vector de orden m y b
es un vector de orden n. Se supone que n < m. La solucion de tal ecuacion esta dada
por:
xo = AID b
AID = AT (AAT )1
donde AID es la matriz pseudoinversa derecha (o mnima inversa derecha) de A que
cumple la propiedad: AAID = In .
En forma similar, sea la ecuacion: Ax = b, donde A es una matriz de orden mn
y de rango m, x es un vector de orden n y b es un vector de orden m. Se supone que
n > m. La solucion de tal ecuacion se obtiene de:
xo = AII b
Ejemplo A.32
Resolver el siguiente sistema (mas incognitas que ecuaciones):
(5 j)x1 + (2 + 3j)x2 + (3 j)x3 + (1 + 4j)x4 + (6 + j)x5 = 2 9j
4jx1 2x2 + (3 + 5j)x3 7jx4 + (8 2j)x5 = 4 j
MAS INC
OGNITAS QUE ECUACIONES
-6+j
8-2j
1+4j];
177
Ejemplo A.33
Resolver el siguiente sistema (mas ecuaciones que incognitas):
(5 j)x1 + (2 + 3j)x2 + (3 j)x3 = 2 9j
4jx1 2x2 + (3 + 5j)x3 = 4 j
Soluci
on: Ejecutar el programa meqi.m.
% meqi.m SISTEMA DE ECUACIONES: MAS ECUACIONES QUE INCOGNITAS
clear all; close all; clc;
A = [5-j
2+3j
3-j
4j
-2
3+5j
6-j
7-j 8-3j
-1+4j
-6+j
3-j
-7j
8-2j 1+4j];
B = [2-9j;4-j;3+j;-3+7j;-9]; X = A\B;
A.2.5.
Diagonalizaci
on de Matrices y Formas Can
onicas
Diagonalizaci
on de Matrices
Si A es una matriz de orden n que posee n eigenvalores distintos i , entonces su
matriz de eigenvectores E = [e1 . . . en ] es unitaria porque: EH = E1 . Sea una
matriz diagonal formada con los eigenvalores de A. Entonces se cumple:
1 0 . . . 0
0 2 . . . 0
(A.25)
E1 AE = = .
..
..
..
.
.
0
. . . n
178
Matem
atica para Sistemas Continuos
Ejemplo A.34
Hallar la transformacion canonica del siguiente sistema:
2 0
1
x = Ax + Bu =
x+
u
1 1
1
Soluci
on: Ejecutar el programa trancan.m para obtener la siguiente transformacion
canonica:
dx
= x = A x + B u
dt
0
x 1
1 0
x1
=
u
+
x 2
0 2
x2
2
% trancan.m TRANSFORMACI
ON CAN
ONICA
clear all; close all; clc;
A = [2 0;-1 1]; B = [1;-1];
[E,D]=eig(A); % E=[e1 e2]: MATRIZ DE EIGENVECTORES
% EIGENVALORES: D = diag(1, 2)
Aast=inv(E)*A*E; Bast=inv(E)*B; % Aast=[1 0;0 2]; Bast=[0;1.4142};
Ejemplo A.35
En el programa siguiente se diagonalizan varias matrices de rango completo.
% diagmat.m DIAGONALIZACION DE MATRICES DE RANGO COMPLETO
clear all; close all; clc;
A1 = [2 2 -1;2 3 0;-1 0 2]; n1 = 3;
% rank(A1) = 3 (RANGO COMPLETO)
[E1,D1] = eig(A1); DD1=inv(E1)*A1*E1;
% D1=DD1=diag(4.7093,2.1939,0.0968), RA
ICES NO REPETIDAS => inv(E1)=E1
A2 = [-2 -1 -1 -1 2;1 3 1 1 -1;-1 -4 -2 -1 1;-1 -4 -1 -2 1;...
-2 -2 -2 -2 3];
n2 = 5; % rank(A2) = 5 (RANGO COMPLETO)
[E2,D2] = eig(A2); DD2=inv(E2)*A2*E2;
% D2 = DD2 = diag(-1,1.5+0.866i,1.5-0.866i,-1,-1)
% DOS RA
ICES REPETIDAS => inv(E2) ~= E2
A3 = [-2 3 3 -1 -6 -2;1 0 -1 0 2 1;1 -2 0 1 2 0;1 1 -1 -1 2 1;...
1 -2 -1 1 3 1;1 0 -1 0 2 0]; n3 = 6; % rank(A3)=6 (RANGO COMPLETO)
[E3,D3] = eig(A3); DD3=inv(E3)*A3*E3;
% D3 = diag(-1,-1,1,1,1,-1), TRES RA
ICES REPETIDAS => inv(E3) ~= E3
A.3.
Variables de Estado
A.3.1.
Ejemplo de Introducci
on
h
Rh
(A.27)
179
c
c
bc
b
qi
dd
qo
Sensor de presin
H
Q
(A.28)
x = A x + B u
(A.29)
(A.31)
donde el producto SRh es la constante de tiempo del sistema nivel. Por consiguiente,
la FT y las ecuaciones de estado y de salida de un determinado sistema SISO (de
una entrada y una salida), son dos formas de describir la dinamica del sistema. Sin
embargo, la representacion en el espacio de estado (variables de estado mas ecuaciones
de estado y de salida), es general porque se puede aplicar tambien a sistemas no
lineales como se vera oportunamente. En cambio, la FT solo es aplicable a sistemas
lineales.
Para sistemas MIMO lineales y con parametros invariantes con el tiempo, las
ecuaciones de estado y de salida toman la forma:
x = Ax + Bu
y = Cx + Du
(A.32)
180
Matem
atica para Sistemas Continuos
A.3.2.
Definici
on de Variables de Estado
K=1
M=1
z0
x 2 = x1
y = x1
181
Por consiguiente, las ecuaciones de estado y salida del sistema masaresorte son:
x =
x 1
x 2
x = Ax
x1
x=
x2
y = Cx
0 1
A=
1 0
C=
1 0
x2 (t) = z0 sen t
A.3.3.
Las ecuaciones de estado y de salida multivariables de un Sistema Lineal e Invariante con el Tiempo (SLIT) sujeto a los vectores de disturbio v en los estados y w en
las salidas, los cuales se asumen conocidos, se representan como:
x = Ax + Bu + Ev
y = Cx + Du + Fw
(A.34)
182
Matem
atica para Sistemas Continuos
PLANO DE FASE x1 VS x2
1
0.8
0.6
VELOCIDAD x2
0.4
0.2
0
0.2
0.4
0.6
0.8
1
1
0.8
0.6
0.4
0.2
0
0.2
POSICIN x1
0.4
0.6
0.8
Fig. A.6: Plano de fase mostrando las trayectorias de estado (Ejemplo A.36).
Donde E y F son matrices disturbio tambien conocidas. El sistema es invariante
con el tiempo porque todas sus matrices son constantes. Si v y/o w fueran vectores
estimados o estadsticos, entonces el SLIT en cuestion sera estocastico. El sistema
SLIT libre de disturbios se determina haciendo v = w = 0 en (A.34):
x = Ax + Bu
y = Cx + Du
(A.35)
(A.36)
(A.37)
183
Soluci
on: Las ecuaciones de estado y de salida correspondientes son:
x = Ax + Bu
y = Cx + Du
u1
y1
x1
; u=
; y=
x=
u2
y2
x2
1 1
2 1
1 0
0 5
A=
; B=
; C=
; D=
2 3
1 2
0 1
3 0
El programa mtrans.m determina la MT pedida. El resultado es:
5s2 +21s+10
2s+7
2
s2 +4s+1
s +4s+1
G(s) = C(sI A)1 B + D =
2
2s+4
3ss2 +13s+8
+4s+1
s2 +4s+1
% mtransf.m C
ALCULO DE LA MATRIZ DE TRANSFERENCIA
clear all; close all; clc;
syms s;
A=[-1 1;2 -3]; B=[2 -1;1 -2]; C=[1 0;0 -1]; D=[0 -5;-3 0]; I = [1 0;0 1];
G = C*inv(s*I-A)*B + D; pretty(simplify(G))
Estabilidad
Cuando las se
nales y y u son unidimensionales, la ecuacion (A.37) se convierte en
la FT del sistema SLIT y se puede representar como la relacion entre dos polinomios
A(s) y B(s) como sigue:
B(s)
y(s)
= G(s) = [C(sI A)1 B + D] =
u(s)
A(s)
(A.38)
En general, la ecuaci
on caracterstica del sistema SLIT (ecuacion (A.35)) se obtiene de:
A(s) = det(sI A) = 0
(A.39)
Las races de (A.39) son los eigenvalores de la matriz de estado A, tal como se trato en
(A.23). Los eigenvalores de un sistema SLIT determinan la estabilidad del sistema
alrededor de un punto de equilibrio xe en el espacio de estado como sigue:
El sistema SLIT no forzado x = Ax (ecuaci
on (A.35) con u = 0 es estable, siempre
que todos sus eigenvalores (races de (A.39)) posean parte real negativa. Cuando al
menos uno de tales eigenvalores posea parte real positiva o cero, entonces el sistema
es inestable.
Notar que todas las funciones de transferencia de la matriz G del ejemplo A.37
poseen un mismo denominador com
un: el polinomio A(s) = s2 +4s+1. Este polinomio
es tambien la ecuacion caracterstica del sistema multivariable, siendo sus eigenvalores
s1 = 3.7321 y s2 = 0.2679. Por consiguiente, tal sistema es estable.
El sistema no forzado x = Ax posee un solo punto de equilibrio: el origen, debido
a que la solucion de x = Ax = 0 es xe = 0. Por consiguiente, un SLIT no forzado
es estable, cuando el estado x del sistema tiende al estado de equilibrio xe = 0
184
Matem
atica para Sistemas Continuos
para cualquier estado inicial finito x(t0 ), donde t0 es el tiempo inicial. Por ejemplo,
el sistema de primer orden x = a x donde a > 0, es inestable porque su solucion
x(t) = x(0)eat no tiende al estado de equilibrio xe = 0 cuando t para cualquier
estado inicial x(0).
A.3.4.
Controlabilidad y Observabilidad
Controlabilidad Completa
Se dice que un SLIT continuo es controlable si es que existe un vector u(t) de
orden m realizable y capaz de trasladar el estado x(t) de orden n del sistema, desde un
estado inicial x(t0 ) hacia cualquier estado final x(tN ) en un tiempo finito tN . Si todos
los estados son controlables, se dice que el sistema es completamente controlable o
que posee controlabilidad completa.
Sin demostracion se establece que en general, para que el sistema x = Ax + Bu
sea completamente controlable, la siguiente matriz M de orden n nm:
M=
B AB An1 B
(A.40)
(A.41)
185
x2
x2
x1
1 2
(b)
(a)
j
x2
x1
x2
(d)
j
x2
x1
(c)
x1
1 2
x2
1
x1
x1
(f)
(e)
Fig. A.7: Tipos de puntos singulares en un sistema lineal de segundo orden: (a)
nodo estable, (b) nodo inestable, (c) punto silla de montar, (d) foco estable, (e) foco
inestable, (f) punto centro.
x 1
x 2
..
.
x n
0
2
..
.
n
x1
x2
..
.
xn
b11
b21
..
.
b12
b22
..
.
bn1 bn2
b1m
b2m
..
..
.
.
bnm
u1
u2
..
.
um
(A.42)
186
Matem
atica para Sistemas Continuos
Observabilidad Completa
Un sistema SLIT es completamente observable si alg
un estado x(t), incluyendo el
estado inicial x(t0 ), se puede determinar partiendo de la observacion de la salida y(t)
en un tiempo finito t0 t t1 . La observabilidad completa en un sistema es de suma
importancia porque permite reconstruir las variables de estado no medibles partiendo
del vector medible y(t). Sin demostracion se establece la condicion de estabilidad
completa. Para que un sistema sea completamente observable, es necesario que el
rango de la denominada matriz de observabilidad N de dimension np p :
C
CA
H
N=
(A.43)
= CH AH CH (AH )n1 CH
..
.
CAn1
posea rango n (rango completo). En (A.43), el superndice H indica operacion hermitiana. Se sabe que si todas las matrices son reales, entonces la operacion hermitiana
se reemplaza por la opercion transpuesta.
Si existe una transformacion lineal x = Ex de modo tal que E1 AE = , donde
es la matriz diagonal cuyos elementos i son los eigenvalores de A, entonces (??)
toma la forma:
x = E1 AEx = x
x = et x (t0 )
Luego:
e 1 t
0
e 2 t
..
.
e n t
x1 (t0 )
x2 (t0 )
..
.
xn (t0 )
Entonces, para que el sistema SLIT sea completamente observable, ninguna de las
columnas de la matriz CE de orden p n debe de ser nula. Si alguna columna i fuera
nula, entonces no se podra reconstruir completamente el vector de estado x, lo que
se contrapone a la definicion de observabilidad completa.
187
Ejemplo A.39
En el programa observ1.m se determina la observabilidad completa de varios SLITs.
% observ1.m OBSERVABILIDAD COMPLETA DE SLITs
clear all; close all; clc;
A1 = [2 0 0;0 2 0;0 3 1]; B1 = [0 1;1 0;0 1]; C1 = [1 2 1;2 0 3]; n1 = 3;
[E1,D1] = eig(A1); DD1 = inv(E1)*A1*E1; % D1 = diag(2,1,2)
N1 = obsv(A1,C1); % RETORNA MATRIZ DE OBSERVABILIDAD [C1; C1*A1; C1*A1^2]
rankN1=rank(N1); % rankN1=3=n1 => SISTEMA COMPLETAMENTE OBSERVABLE
A2 = [-1 1 -1;0 1 -4;0 1 -3]; B2 = [0 2 1]; C2 = [0 1 -1]; n2 = 3;
[E2,D2] = eig(A2); DD2 = inv(E2)*A2*E2; % D2 = diag(-1,-1,-1)
N2 = obsv(A2,C2); % RETORNA MATRIZ DE OBSERVABILIDAD [C2; C2*A2; C2*A2^2]
rankN2=rank(N2); % rankN2=2<n2 => SISTEMA NO ES COMPLETAMENTE OBSERVABLE
A3 = [2 2 -1;2 3 0;-1 0 2]; B3 = [0 1;1 0;0 1]; C3 = [1 2 1;2 0 3]; n3=3;
[E3,D3] = eig(A3); DD3 = inv(E3)*A3*E3; % D3 = diag(0.0968,2.1939,4.7093)
N3 = obsv(A3,C3); % RETORNA MATRIZ DE OBSERVABILIDAD [C3; C3*A3; C3*A3^2]
rankN3=rank(N3); % rankN3=3=n3 => SISTEMA COMPLETAMENTE OBSERVABLE
A.3.5.
Soluci
on de la Ecuaci
on de Estado de SLITs Continuos
y = Cx + Du
(A.44)
= (t t0 )x(t0 ) +
t0
(t )Bu( )d
(A.45)
donde:
X
A (t t0 )
A2 (t t0 )2 A3 (t t0 )3
+
+
!
2!
3!
=0
(A.46)
A(tt
)
0
es la matriz de transicion o exponencial. La derivada total de e
resulta:
(tt0 ) = eA(tt0 ) =
deA(tt0 )
dt
= I+A(tt0 )+
A3 (t to )2
= A + A2 (t to ) +
+
2!
A2 (t t0 )2
= A I + A(t t0 ) +
+ +
2!
= AeA(tt0 ) = eA(tt0 ) A
(A.47)
188
Matem
atica para Sistemas Continuos
(A.48)
(A.49)
(A.50)
t
0
Soluci
on: Emplearemos la solucion dada en (A.45) con A = 2 y B = 5. Para
0 t 1, u(t) = 0, t0 = 0 y x(t0 ) = 3. Luego:
x(t) = 3e2t ;
Para 1 t 3, u(t) =
3t
2 , t0
t
1
x(1) = 3e2
e2(t ) 5
=t
3
5
d = 3e2t + e2t 7e2 e2 =1
2
8
5
x(t) = 3e2t + [7 t 6e2(1t) ];
8
5
x(3) = 3e6 + (4 6e4 )
8
189
2.5
RESPUESTA x(t)
1.5
0.5
4
5
6
TIEMPO EN SEGUNDOS
10
Fig. A.9: Respuesta x(t) de un SLIT de primer orden a una entrada arbitraria u(t).
Ejemplo A.41
Dado u(t) = 3et , determinar la respuesta de un sistema descrito por las siguientes
ecuaciones de estado y de salida:
x1 = 7x1 + x2 + 2u;
x2 = 12x1 u
y = 3x1 4x2 2u
3 4
D = [2];
x(0) =
6
1
190
Matem
atica para Sistemas Continuos
Seg
un la Tabla A.1: u(s) = L[3et ] = 3/(s + 1). Luego, x(s) (ecuacion (A.48)) e y(s)
(ecuacion (A.49)) toman la forma:
1
s + 7 1
2
u(s)
12
s
1
3
1
2
6
s
1
+
= 2
1
1
s + 7s + 12 12 s + 7
s+1
"
#
2
x(s) =
s + 7 1
12
s
1
y(t) =
6s +s2
(s+1)(s+3)(s+4)
s2 +77s14
(s+1)(s+3)(s+4)
6
1
3 4
"
6s2 +s2
(s+1)(s+3)(s+4)
s2 +77s14
(s+1)(s+3)(s+4)
3
s+1
6
297/6 767/2 918/3
22s2 305s + 50
=
+
+
(s + 1)(s + 3)(s + 4) s + 1
s+1
s+3
s+4
297 t 767 3t 918 4t
e +
e
+
e
, t0
6
2
3
x(k + 1) x(k)
= Ax + Bu x = x + T (Ax + Bu)
T
Ejemplo A.42
191
20
T1 = 0.1 s
10
RESPUESTAS
0
T2 = 0.04 s
10
y(t)
20
30
40
50
TIEMPO [s]
10
Ejemplo A.43
En el sistema de la Fig. A.12 ya se han definido las variables de estado xi del sistema,
las cuales se han fijado a la salida de cada bloque de primer orden. Para este sistema:
(a) Determinar su ecuacion de estado y su ecuacion de salida. (b) Hallar su matriz
de transferencia. (c) Determinar si el sistema es estable. (d) Hallar la controlabilidad
completa, la controlabilidad completa en la salida y la observabilidad completa del
sistema. (e) Usar (A.50) para determinar su matriz de transicion con t 0 = 0. (f) Determinar y(t) para x(t0 ) = 0 usando (A.49). (g) Graficar las respuestas y1 (t) e y2 (t)
a entradas tipo escalon unitario.
192
Matem
atica para Sistemas Continuos
80
70
y3 = y1 + y2
60
RESPUESTAS
50
y2 = 2y1
40
30
20
y1
10
0
10
20
0.5
1.5
2
2.5
TIEMPO [s]
3.5
1
s+1
u1
u2
x2
2
s+2
4
s+4
5
s+5
u3
3
s+3
x4
y1
x5
y2
x3
Soluci
on: (a) Del diagrama de bloques se puede comprobar que las salidas y1 e y2
poseen las expresiones:
y1 = x 2 + x 3 + x 4 x 5 + u 3
y2 = x 1 x 2 + x 5 + u 2
(A.51)
1
(u1 y1 )
s+1
(s + 1)x1 = x 1 + x1 = u1 y1
Reemplazando y1 de (A.51) en la u
ltima expresion, se obtiene:
x 1 = x1 x2 x3 x4 + x5 u3
Operando del mismo modo con los otros bloques resultan:
(s + 2)x2 = 2(u2 x2 )
x 2 = 4x2 + 2u2
(A.52)
193
(s + 3)x3 = 3(u3 x5 )
(s + 4)x4 = 4(x1 + u2 x2 )
(s + 5)x5 = 5(x2 + u3 x3 + x3 )
(A.53)
x 1
1 1 1 1 1
x1
1 0 1
x 2 0 4 0
0
0
x 2 0 2 0 u1
x 3 = 0
0 3 0 3
x 3 + 0 0 3 u2
x 4 4 4 0 4 0 x4 0 4 0 u3
x 5
0
5
0
0 5
x5
0 0 5
y1
y2
1 0 1 1 1
1 1 0 0 1
x1
x2
x3
x4
x5
G11 (s) =
s+8
s2 + 5s + 8
G21 (s) =
s+4
2
s + 5s + 8
G22 (s) =
G23 (s) =
u1
+ 0 0 1 u2
0 1 0
u3
G13 (s) =
Los elementos y1 (t) e y2 (t) del vector de salida y (calculados en va.m) resultan:
5 13
17
5
51 5
y1 = e3t + e5t e4t + e 2 t cos
2
4
16
2
16
!
7
111 5 t
7e 2 sen
t
2
112
!
7
t
2
5
3
183 5 t
1 39
e 2 cos
y2 = e3t + e5t e4t +
2
4
16
2
16
!
99 5 t
7
t
7e 2 sen
2
112
!
7
t
2
Por otro lado, la Fig. A.13 muestra las respuestas y1 (t) e y2 (t) (Out(1) y Out(2) en
el grafico) a los escalones u1 = 1, u2 = 1 y u3 = 1 (In(1), In(2) e In(3) en el grafico)
obtenidas con el comando step de MATLAB. Ejecutar el archivo va.m.
194
Matem
atica para Sistemas Continuos
A.3.6.
Formas Can
onicas SISO en el Espacio de Estado
+
a
y(t)
=
b
+
b
+ + bn u(t) (A.54)
1
n
0
1
dtn
dtn1
dtn
dtn1
La FT correspondiente al sistema (A.54) es:
G(s) =
b0 sn + b1 sn1 + + bn
b0 + b1 s1 + + bn sn
y(s)
= n
=
u(s)
s + a1 sn1 + + an
1 + a1 s1 + + an sn
(A.55)
195
Step Response
From: In(1)
1.5
From: In(2)
From: In(3)
To: Out(1)
0.5
Amplitude
0.5
1
1.5
To: Out(2)
0.5
2
Time (sec)
0
0
..
.
x =
1
0
..
.
0
1
..
.
0
0
0
an an1 an2
y = bn an b0 bn1 an1 b0
0
0
..
.
x1
x2
..
.
1 xn1
a1
xn
0
0
..
.
+
u
0
1
b 1 a 1 b0 x + b 0 u
(A.56)
x =
0
0
..
.
0
an
1
0
..
.
0
1
..
.
0
0
..
.
x1
x2
..
.
0
0
1 xn1
an1 an2 a1
xn
y = 1 0 0 x + 0 u
1
2
..
.
+
n1
n
(A.57)
196
Matem
atica para Sistemas Continuos
x =
a1
1
0
..
.
a2
0
1
..
.
an1
0
0
..
.
0
y=
b1 a 1 b0
an
0
0
..
.
x1
x2
..
.
xn1
xn
1
0
..
.
+
0
0
0
b n a n b0 x + b 0 u
b2 a 2 b0
(A.58)
0
1
..
.
0
0
..
.
x =
0
0
0
0
0
0
..
.
0
0
..
.
an
an1
..
.
x1
x2
..
.
bn a n b0
bn1 an1 b0
..
.
1 0
a2 xn1
xn
0 1
a1
y = 0 0 0 1 x + b0 u
b2 a 2 b0
b1 a 1 b0
(A.59)
a1
a2
..
.
x =
an1
an
1
0
..
.
0
1
..
.
0
0
..
.
0
0
0
0
0
0
y=
0
0
..
.
x1
x2
..
.
1 xn1
0
xn
b1 a 1 b0
b2 a 2 b0
..
.
+
bn1 an1 b0
bn a n b0
0 x + b0 u
(A.60)
Forma Can
onica Diagonal (eigenvalores no repetidos)
Formulando (A.55) como:
n
X ci
y(s)
b0 sn + b1 sn1 + + bn1 s + bn
G(s) =
=
= b0 +
u(s)
(s p1 )(s p2 ) (s pn )
s pi
i=1
donde las races pi (los eigenvalores del sistema) son no repetidos, las constantes ci
se pueden hallar en la forma acostumbrada a partir de:
ci = lm [(s pi )G(s)]
spi
x 1
x 2
..
.
x n1
x n
y=
1
0
..
.
0
2
..
.
0
0
..
.
c1
c2
cn
x1
x2
..
.
xn
x + b0 u
1
1
..
.
1
(A.61)
197
Forma Can
onica de Jordan (eigenvalores repetidos)
Describiremos la forma canonica de Jordan con un ejemplo. Supongamos que
(A.55) toma la forma:
G(s) =
y(s)
b0 sn + b1 sn1 + + bn1 s + bn
B(s)
=
=
3
2
u(s)
(s p1 ) (s p4 ) (s p6 ) (s pn )
A(s)
X ci
c2
c3
c4
c5
c1
+
+
+
+
+
= b0 +
(s p1 )3 (s p1 )2 s p1 (s p2 )2 s p2
s pi
i=6
x1
0
p1 1 0 0 0 0 0 0
0 p 1 1 0 0 0 0 0 x2 0
0 0 p 1 0 0 0 0 0 x3 1
0 0 0 p 2 1 0 0 0 x4 0
x =
x5 + 1 u
0
0
0
0
p
0
0
0
2
0 0 0 0 0 p 6 0 0 x6 1
0 0 0 0 0 0 p 7 0 x7 1
1
0 0 0 0 0 0 0 p8
x8
y = c1 c2 c3 c4 c5 c6 c7 c8 c9 x + b 0 u
(A.62)
8
X ci
y(s)
c1
c2
c3
c4
c5
= b0 +
+
+
+
+
+
(A.63)
u(s)
(s p1 )3 (s p1 )2 s p1 (s p2 )2 s p2
s pi
i=6
Ejemplo A.44
En el programa C2forca1.m se determinan varias formas canonicas para:
G(s) =
NICAS
% C2forca1.m FORMAS CANO
clear all; close all; clc;
b0=1; b1=-2.8; b2=-0.65; b3=6.8; b4=-4.25; b5=-1.3; b6=1.2;
a1=1.3; a2=-1.69; a3=-0.345; a4=0.49; a5=0.02; a6=-0.04;
B = [b0 b1 b2 b3 b4 b5 b6]; % B(s): POLINOMIO DEL NUMERADOR
A =[1 a1 a2 a3 a4 a5 a6];
% A(s): POLINOMIO DEL DENOMINADOR
roots(A); % RA
ICES DE A(s): 0.5, 0.5, 0.5, -0.4, -0.4, -2
% EL SISTEMA ES INESTABLE DEBIDO A LA RA
IZ TRIPLE 0.5
% 2DA FORMA CAN
ONICA CONTROLABLE: dx/dt = Acc*x + Bcc*u; y = Ccc*x + Dcc*u
beta0 = b0;
beta1 = b1-a1*beta0;
beta2 = b2-a1*beta1-a2*beta0;
beta3 = b3-a1*beta2-a2*beta1-a3*beta0;
198
Matem
atica para Sistemas Continuos
beta4
beta5
beta6
Acc =
%
%
%
= b4-a1*beta3-a2*beta2-a3*beta1-a4*beta0;
= b5-a1*beta4-a2*beta3-a3*beta2-a4*beta1-a5*beta0;
= b6-a1*beta5-a2*beta4-a3*beta3-a4*beta2-a5*beta1-a6*beta0;
[0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
-a6 -a5 -a4 -a3 -a2 -a1];
Bcc = [beta1;beta2;beta3;beta4;beta5;beta6];
Ccc = [1 0 0 0 0 0];
Dcc =[beta0];
1RA FORMA CAN
ONICA OBSERVABLE: dx/dt = Aco*x + Bco*u; y = Coo*x + Doo*u
Aoo = [0 0 0 0 0 -a6
1 0 0 0 0 -a5
0 1 0 0 0 -a4
0 0 1 0 0 -a3
0 0 0 1 0 -a2
0 0 0 0 1 -a1];
Aco = [b6-a6*b0;b5-a5*b0;b4-a4*b0;b3-a3*b0;b2-a2*b0;b1-a1*b0];
Cco = [0 0 0 0 0 1];
Dco=[b0];
FORMA CAN
ONICA DE JORDAN: dx/dt = Aj*x + Bj*u; y = Cj*x + Dj*u
[c,p,k] = residue(B,A); % EXPANSI
ON EN FRACCIONES PARCIALES
c = [-1.89 3.6133 -1.0136 0.1111 -5.8233 -0.5323];
p = [-2 0.5 0.5 0.5 -0.4 -0.4]; k = 1;
c1=c(1); c2=c(2); c3=c(3); c4=c(4); c5=c(5); c6=c(6);
p1=p(1); p2=p(2); p2=p(3); p2=p(4); p3=p(5); p3=p(6);
Aj = [p1 0 0 0 0 0
0 p2 1 0 0 0
0 0 p2 1 0 0
0 0 0 p2 0 0
0 0 0 0 p3 1
0 0 0 0 0 p3];
Bj = [1;0;0;1;0;1];
Cj = [c1 c2 c3 c4 c5 c6];
Dj = [k];
Ejemplo A.45
Conocido el sistema x = Ax + Bu, y = Cx + Du, determinar la ecuacion de estado y
la ecuacion de salida en su forma canonica de Jordan: x = Aj x+Bj u, y = Cj x+Dj u.
Demuestre que las matrices A y Aj poseen los mismos eigenvalores y que ambas representaciones de estado generan la misma funcion de transferencia.
Soluci
on: El siguiente programa resuelve las preguntas planteadas.
% C2forca2.m FORMA CANONICA DE JORDAN DE dx/dt + A*x + B*u; y = C*x + D*u
clear all; close all; clc;
A = [0 1 0 3;0 -1 1 1;0 0 0 1;0 0 -1 -2];
B = [1;0;-4;0]; C = [1 0 0 0]; D = [-2];
[num,den] = ss2tf(A,B,C,D);
eigA = eig(A);
% EIGENVALORES DE A: eigA = [-1, -1, -1, 0]
[c,p,k] = residue(num,den); % EXPANSION EN FRACCIONES
% c = [-8 -8 0 9]; p = [-1 -1 -1 0]; k = -2;
c1=c(1); c2=c(2); c3=c(3); c4=c(4); p1=p(1); p2=p(2); p3=p(3); p4=p(4);
A.4 Discretizaci
on Directa
199
A.4.
Discretizaci
on Directa
Discretizaci
on de la Integral
Es bastante u
til discretizar directamente modelos dinamicos que contengan integrales y derivadas. La integral de una curva e(t); es decir, el area debajo de dicha
curva, se puede aproximar empleando una sumatoria de rectangulos de la forma
T e(iT ) (Fig. A.14(a)) o trapezoides de la forma:
T
e(T i) + e(T i + T )
2
e(t)
e(iT)
t=iT
e(iT+T)
e(iT)
t=iT
(a)
(b)
Fig. A.14: (a) Aproximacion del area bajo la curva e(t) mediante rectangulos. (b)
Mediante trapezoides.
Ejemplo A.46
Determinar la ecuacion de diferencias de la siguiente integral usando tanto aproximacion rectangular como trapezoidal.
Z t
e( )d
u(t) =
0
Soluci
on: Si empleamos sumatoria de rectangulos para aproximar el area debajo de
la curva e(t), se obtiene:
u(kT )
k
X
i=0
T e(iT ) = T
k
X
i=0
e(iT ) = T
k1
X
i=0
(A.64)
200
Matem
atica para Sistemas Continuos
k1
X
e(kT T ) + e(kT )
e(iT T ) + e(iT )
= T
+T
2
2
i=0
= u(kT T ) + T
e(kT T ) + e(kT )
2
T
[e(kT T ) + e(kT )]
2
T
u(k) = u(k 1) + [e(k 1) + e(k)]
2
u(kT ) u(kT T ) =
(A.65)
Discretizaci
on de la Derivada
Terminos que contengan derivadas pueden discretizarse empleando diferencias
por atraso:
de(t)
dt
de(t)
dt
e(kT )
e(kT ) e(kT T )
e(k) e(k 1)
=
=
T
T
T
e(kT
)
e(t)
e(t
T)
e(kT ) e(kT T )
= e(t)
=
=
T
T
T2
e(k) 2e(k 1) + e(k 2)
e(k) e(k 1) [e(k 1) e(k 2)]
=
=
2
T
T2
..
.
(A.66)
= e(t)
dt
e(kT )
e(kT + T ) e(kT )
e(k + 1) e(k)
=
=
T
T
T
e(kT
)
e(t
+ T ) e(t)
e(kT + T ) e(kT )
= e(t)
=
=
T
T
T2
e(k + 1) e(k) [e(k) e(k 1)]
e(k + 1) 2e(k) + e(k 1)]
=
=
T2
T2
..
.
(A.67)
= e(t)
Ejemplo A.47
El controlador PID se emplea en mas del 90 % de los circuitos de control existentes
en la industria. Este controlador se formula en la ecuacion (A.68), donde K c es la
ganancia proporcional, Ti es el tiempo integral y Td es el tiempo derivativo. Determinar la ecuacion de diferencias de dicho controlador. En un primer caso emplear
aproximacion rectangular y luego usar aproximacion trapezoidal.
Z t
de(t)
1
e(t)dt + TD
u(t) = Kc e(t) +
(A.68)
TI 0
dt
201
Soluci
on: Empleando las relaciones (A.64) y (A.66) en (A.68) se obtiene:
u(k) = Kc
u(k 1) = Kc
k
T X
TD
e(k) +
[e(k) e(k 1)]
e(i) +
TI
T
i=0
k1
TD
T X
e(i) +
e(k 1) +
[e(k 1) e(k 2)]
TI
T
i=0
Pk
Pk1
Teniendo en cuenta que:
i=0 e(i) =
i=0 e(i) + e(k), restamos las expresiones
anteriores y despejamos u(k) para obtener la siguiente ecuacion de diferencias del
controlador PID:
u(k) = u(k 1) + q0 e(k) + q1 e(k 1) + q2 e(k 2)
(A.69)
donde:
TD
q1 = Kc 1 + 2
;
T
TD
T
;
+
q0 = K c 1 +
Ti
T
q2 = K c
TD
T
u(k 1) = Kc
)
k1
e(i 1) + e(i)
TD
1 X
[e(k 1) e(k 2)]
T
+
e(k 1) +
TI
2
T
i=1
[e(i 1) + e(i)] =
k1
X
i=1
;
q2 = K c
q0 = K c 1 +
T
2TI
T
2TI
T
A.5.
= Ax(t x ) + Bu(t u )
(A.70)
202
Matem
atica para Sistemas Continuos
y(k + dy ) = Cx(k)
(A.71)
1
1
num(s)
(s )2 (s )3 + =
!2
!3
den(s)
Con una aproximacion de tercer orden podemos acomodar retardos de fase de hasta
200o (3.5 rad) [12], lo cual es suficiente para capturar el efecto del tiempo muerto en
muchas aplicaciones. Tal aproximacion tiene la forma:
e s
num(s)
1 s/2 + ( s)2 /10 ( s)3 /120
=
den(s)
1 + s/2 + ( s)2 /10 + ( s)3 /120
A.6 Linealizaci
on de Sistemas Continuos
203
Step Response
10
Amplitude
exp(sD)
0
10
15
20
25
Time (sec)
A.6.
Linealizaci
on de Sistemas Continuos
A.6.1.
Caso SISO
El desarrollo de la serie de Taylor permite expandir una expresion no lineal continua Y = f (X) alrededor de un punto de operacion (o estado de equilibrio) X como
sigue:
df
(X X)
(X X)2
d2 f
Y = f (X) = f (X) +
+
+ (A.72)
dX (X=X)
1!
dX 2 (X=X)
2!
(Xn =X n )
Ejemplo A.49
rA = k0 e RT CA
204
Matem
atica para Sistemas Continuos
r A = k0 e
CA
rA
C1 =
T (T =T )
t=T T
c A = CA C A
rA
C2 =
CA (CA =C A )
(A.74)
A.6.2.
Caso MIMO
Un sistema MIMO no Lineal invariante con el tiempo de orden n se puede representar como:
= f (X, U)
X
Y = g(X, U)
(A.75)
X 1
f1 (X, U)
Y1
g1 (X, U)
U1
..
..
..
..
U = ...
. =
. =
.
.
fn (X, U)
Yp
gp (X, U)
Um
X n
(X X) +
(U U) +
X = f (X, U) +
X
U
U)
1 2 f (X, U)
2 f (X, U)
2 f (X,
2
2
(X X) + 2
(X X)(U U ) +
(U U) +
2!
x2
XU
U2
Despreciando los terminos de orden dos se obtiene:
f
f
(X X) +
(U U)
X = f (X, U) = f (X, U) +
X (X,U)
U (X,U)
f
f
X f (X, U) = x =
x+
u
(A.76)
X
U
(X,U)
(X,U)
Del mismo modo, la ecuacion de salida del sistema se puede formular como:
g
g
y=
x+
u
(A.77)
X (X,U)
U (X,U)
Por consiguiente, las formas linealizadas de (A.76) y (A.77) se puede expresar como:
x = Ax + Bu
y = Cx + Du
(A.78)
A.6 Linealizaci
on de Sistemas Continuos
205
..
..
..
..
A = ...
B = ...
.
.
.
.
C =
fn
X1
h1
X1
..
.
hr
X1
fn
Xn
..
.
h1
Xn
..
.
hr
Xn
(X,U)
D=
(X,U)
fn
U1
h1
U1
..
.
hr
U1
fn
Um
..
.
h1
Um
..
.
hr
Um
(X,U)
(A.79)
(X,U)
Ejemplo A.50
La Fig. A.16 muestra dos tanques identicos colocados en cascada. La seccion horizontal S=9 m2 de cada tanque es constante. El objetivo de control es estabilizar
(controlar) la altura H2 empleando como fuerza de control el flujo de alimentacion
Qo . Determinar el modelo linealizado de este sistema hidraulico, su estabilidad y su
funcion de transferencia.
Q
H1
p
H2
Tanque
1
Q
g
1
Tanque
2
206
Matem
atica para Sistemas Continuos
dH1
dt
dH2
dt
Q1 Q 2 = S
g p
1
X 1 = U
X1 = f1 (X, U )
S
S
p
g p
X 2 =
[ X1 X2 ] = f2 (X, U )
S
y su correspondiente ecuacion de salida:
Y = h(X, U ) = X2
Observar que las ecuaciones anteriores poseen las formas dada en (A.75)):
= f(X, U )
X
Y = h(X, U ) = X2
X=
f=
f2
X 2
Definamos las siguientes variables residuales:
x1 = X 1 X 1
x2 = X 2 X 2
u=U U
Conociendo que U = 3 m3 /s, el estado estable del sistema se puede obtener de:
q
g
1
X1 = U
X1 = 0
S
S
q
q
g
X2 =
X1 X2 = 0
S
lo que resulta en:
U
X1 = X2 = 2
g
Aplicando el jacobiano, el sistema linealizado resulta:
x = A x + B u
(A.80)
y = h(x, u) = x2 = C x
D = [0]
donde:
x=
B=
x1
x2
f1
U
f2
U
A=
(X 1 ,X 2 ,U )
"
=
f1
X1
f2
X1
1/S
0
f1
X2
f2
X2
(X 1 ,X 2 ,U )
C=
h
X1
2S
X1
g
2S
h
X2
X1
g
2S
X2
= [0 1]
(X 1 ,X 2 ,U )
A.7 Problemas
207
A.7.
Problemas
Problema A.1
Demostrar que AB 6= BA, cuando:
1 1 1
A = 2 2 1
2 1
0
Problema A.2
1 2 3
B= 2 4 8
1 2 3
2 1 1 2
1 4 1 0
1 3 2
C = 3 2 1 1
B= 2 1 1 1
A = 2 1 3
2 5 1 0
1 2 1 2
4 3 1
Problema A.3
2 3 5
1 3
5
5
A = 1 4
B = 1 3 5
1 3 4
1 3
5
Problema A.4
2 3 5
1 3
5
5
A = 1 4
B = 1 3 5
1 3 4
1 3
5
Problema A.5
1 2 6
9
A = 3 2
2
0 3
208
Matem
atica para Sistemas Continuos
Problema A.6
Demostrar que la siguientes matriz es nilpotente:
1 3 4
4
A = 1 3
1 3 4
Problema A.7
1
1 + i 2 + 3i
2
i
A= 1i
2 3i
i
0
i
1 + i 2 3i
2i
1
B = 1 + i
2 3i 1
0
3 2
a 1 bcd
a a
3
2
b 1 acd
b b
B
=
3
c c2
c 1 abd
d 1 abc
d3 d2
a
b
c
d
1
1
1
1
x
1
2
x3
A = x2 2x + 1
2
0 3x 2 x + 1
Problema A.11
2
4
0
6
1
2
0
3
x1 =
3 ; x2 = 1 ; x3 = 5 ; x4 = 1
2
2
6
6
1
3
5
7
A.7 Problemas
209
Problema A.12
Si la matriz A es antisimetrica e I + A es no singular, entonces B = (I A)(I + A) 1
es ortogonal. Obtenga la matriz ortogonal B de:
0
1 2
A = 1 0 3
2 3 0
Problema A.13
x2 = [i 1 i 0]T ;
x3 = [1 i 1 3i]T
Problema A.14
Si la matriz A es antihermitiana e I+A es no singular, entonces B = (IA)(I+A) 1
es unitaria. Obtenga la matriz unitaria B de:
0
i 1+i
i
0
i
A=
1 + i i
0
Problema A.15
Demostrar que el producto xH Ax es definida positiva y que el producto xH Bx es
semidefinida positiva, donde:
1
1+i
1
1
1 + i 1 + 2i
6
3 + i
3
5
A= 1i
B= 1i
1 3 i
11
1 2i
5
10
Problema A.16
210
Matem
atica para Sistemas Continuos
Problema A.17
Determinar la ecuacion de estado y la ecuacion de salida de los sistemas:
(a)
x 2 x1 + 8x2 2x3 = u1
(b)
y1 = x1 3x2 u2 ;
x1 8x2 + x3 + x 1 = u1 ;
(c)
y1 = 3x1 x2 + u1 ;
y2 = x1 5x3 5u2
x2 6x3 = x 3 u1 + 9u2
(d)
y1 = 4x1 x2 u1 + u2 ;
y1 = x1 u2 + 8u2 ;
donde u1 y u2 son las entradas, y1 e y2 son las salidas y x1 , x2 y x3 son las variables
de estado.
Problema A.18
Graficar la corriente i(t) que circula en un circuito serie RLC alimentado por una
batera E de 12 V, sabiendo que R = 100 , C = 1 F, L = 2 H, i(0) = 5 A y di(0)
dt = 5
A/s. Partiendo de la ecuacion caracterstica del circuito, determine la estabilidad, la
frecuencia natural de oscilacion y el coeficiente de amortiguamiento de dicho circuito.
Problema A.19
Una forma de determinar la estabilidad de un SLIT con entrada x(t) y salida y(t)
conociendo su funcion G(t) de respuesta al impulso (t), es evaluando la siguiente
condicion para estabilidad:
Z
Rt
Por ejemplo, para un integrador y(t) = 0 x( )d con y(0) = 0, su respuesta al
Rt
impulso es: y(t) = G(t) = 0 ( )d = (t), que es la funcion escalon, la cual es igual
a 1 para t 1. El sistema es inestable porque:
Z
Z
|1|d =
|G( )|d =
A.7 Problemas
211
Problema A.21
Graficar para varios valores del cero c, la respuesta al escalon del sistema:
K(s + c)
y(s)
= 2
u(s)
s + 3s + 100
Para cada c, seleccionar el valor de K que haga: lm y(t)t = 1.
Problema A.22
Determine la transformada inversa de:
G(s) =
3s3 + 20
s2 (s + 1)
Problema A.23
Determine la matriz de transicion, la ecuacion caracterstica, la estabilidad, la controlabilidad, la observabilidad (el primer elemento del vector de estado v es la salida)
y la FT del sistema siguiente:
0 1
3
v =
v+
u
0 2
4
Problema A.24
Hallar varias ecuaciones de estado y de salida canonicas para el sistema:
s3 2s + 1
y(s)
= 3
u(s)
s 2s2 + 3s 4
Problema A.25
Un motor DC empleado en los sistemas de control de posicion angular y de velocidad
angular = , se describe mediante la relacion: = + u, donde u es el voltaje
de entrada al motor que se asume constante y de magnitud A para el intervalo
2T t 3T . Hallar (t) analticamente.
Problema A.26
El siguiente diagrama de bloques corresponde al sistema de control automatico de la
profundidad y de un submarino, el cual se logra generando un angulo de control a
adecuado. Suponga que el submarino debe de navegar manteniendo una profundidad
de r = 250 m. Empleando Simulink, determinar el valor de K usando el metodo de
prueba y error que haga que la salida y siga a la referencia r con suficiente rapidez y
con mnimo error e = r y.
Problema A.27
212
Matem
atica para Sistemas Continuos
r
(s 1)
1
s
s +1
qR = Ri2
qa = C t
dTi
dt
qp =
Ti T a
Rt
(s+7)(s+8)(s+9)
(s+1)(s+2)(s+3)(s+4)(s+5)
Problema A.30
A.7 Problemas
213
dTa
= C(Ta To2 )Fo + D(Ta T )
dt
10e3t
4s+1
Kc + Ki/s
2e 2t
Problema A.32
Para el sistema mostrado en la Fig. A.20 investigar empleando Simulink si es posible
hallar las ganancias K1 , K2 y K3 que hagan que y1 siga a r1 y que y2 siga a r3 con
suficiente rapidez.
r1
r2
r3
K1
K2
u2
x1
1
s+1
2
s+2
x2
4
s+4
5
s+5
K3
u3
3
s+3
x3
x4
y1
x5
y2
214
Matem
atica para Sistemas Continuos
Problema A.33
La funcion de transferencia de un sistema tiene la forma:
G(s) =
y(s)
5s2 0.9167s 0.5417
= 3
u(s)
s + 0.5833s2 + 0.0417s + 0,0417
0 c2
0 c3
c < 1 + c2 + c3
Elaborar un programa en MATLAB para graficar las respuestas P 1 (t), P2 (t) y P3 (t).
Problema A.35
Dada la siguiente ecuacion de estado:
x(t)
= 4x(t) + 2u(t)
graficar x(t) sabiendo que x(0) = 1 y u(t) es la rampa mostrada en la Fig. A.21.
u(t)
e 1 f
e f
e f
e fe
f
e f
e f
e fe
fef
e f
e f
e fe
fef
e f
e f
e fe
fef
e
f e
f e
f e
f ef
e f
e f
e fe
fef
e f
e f
e fe
fef
e f
e f
e fe
fef
e f
e f
e fe
fef
0
Problema A.36
Para el punto de operacion:
x1 = 1,
x2 = 1,
u1 = 2,
u2 = 1
hallar las ecuaciones de estado y de salida lineales del siguiente sistema no lineal y
determinar su estabilidad.
x 1 = 2x21 + 3x1 x2 u31 + u2
A.7 Problemas
215
x 2 = 4x31 + 6x21 x2 4u31 2u22
y1 = 3x1 4u1 + 6u22
1
s+1
u2
2
s+2
y1
y2
Problema A.38
Para los sistemas de control mostrados en la Fig. A.23, elabore los respectivos programas en Simulink. Por tanteo, determine los valores de P, I y D que debe de poseer
el bloque PID para que la salida y(t) siga a la se
nal escalon deseada r(t) en presencia
de la carga (o disturbio) n(t). Tambien debe de verificar que cuando r(t) es nulo, la
salida y(t) debe de tender a cero. La magnitud de r(t) es 10 veces la magnitud de
n(t).
(a) G(s) =
(b)
G(s) =
(c) G(s) =
(d) G(s) =
4(s + 1)(s + 2)
e2s
(s + 3)(s + 4)(s + 5)(s + 6)
2(s + 1)
e3s
(s + 3)(s + 4)(s + 5)(s + 6)(s + 8)
s2 + 2s + 1 s
e
(s + 3)4
8
e4s
(s + 3)(s + 4)(s + 5)(s + 6)(s + 7)2 (s + 8)
216
Matem
atica para Sistemas Continuos
n(t)
r(t)
PID
G(s)
y(t)
Ap
endice B
Fundamentos de MATLAB y
Simulink
MATLAB es un lenguaje tecnico de computo de alto nivel e interactivo que puede ser
empleado para el desarrollo de algoritmos, visualizacion y analisis de datos y computacion
numerica. MATLAB se emplea mundialmente en diversas aplicaciones que incluyen procesamiento de se
nales e imagenes, telecomunicaciones, dise
no de sistemas de control, pruebas y mediciones, modelado y analisis financiero y biologa computacional. MATLAB
tambien cuenta con una coleccion herramientas (Toolboxes) para propositos especficos,
disponibles por separado, los cuales permiten resolver ciertas clases de problemas en el
area de su aplicacion.
Simulink emplea un lenguaje en bloques y se usa para modelar, simular y analizar
sistemas dinamicos continuos, discretos o hbridos (combinacion de ambas). El modelo
del sistema puede ser lineal o no lineal y puede tener diferentes partes que se discreticen
o se actualicen a diferentes tiempos de muestreo. Esta herramienta permite validar los
modelos dinamicos existentes o aquellos construidos desde cero.
En este Apendice, una seccion esta dedicada a MATLAB y la otra a Simulink.
Todos los archivos de esta publicacion se pueden descargar del link DESCARGAS de
www.ctlima.com.
B.1.
Fundamentos de MATLAB
B.1.1.
Luego de instalar el programa MATLAB, aparece un icono caracterstico del mismo en el escritorio. Para iniciar MATLAB hacer doble click en tal cono para hacer
aparecer la Fig. B.1. La interaccion de MATLAB con el usuario es a traves de ventanas. Las principales son (ver Fig. B.1):
Ventana de comandos (Command Window).- Aqu se ejecutan las instrucciones.
Historial de comandos (Command History).- Ventana que muestra el historial
de las instrucciones introducidas a traves de la ventana de comandos.
Directorio actual (Current Directory).- Ventana que muestra los directorios y
archivos actuales.
218
B.1.2.
219
MATLAB. Los comandos escritos despues del prompt requieren de un ENTER para
que MATLAB los procese. El formato siguiente: >> help roots ENTER , es u
til
cuando se desea tener informacion de un determinado comando. En este caso particular, luego de presionar la tecla ENTER, la VC (Ventana de Comandos) muestra la
ayuda correspondiente al comando roots. En lo que sigue, la introduccion de la tecla
ENTER sera sobreentendida.
El comando format long le dice a MATLAB que se quiere trabajar con 15 dgitos
para doble precision y 5 dgitos para simple precision. Por ejemplo, escribiendo en
la VC: >> format long, 1/3, MATLAB devuelve 0.33333333333333, mientras
que >> format, 1/3 devuelve 0.3333.
Las operaciones fundamentales en MATLAB son suma a+b, resta a-b, multiplicacion a*b, division derecha a/b, division izquierda a\b y exponenciacion a^b. La
division izquierda se emplea mas con matrices. El resultado de la operacion a/b es
igual al resultado de b\a.
El orden de precedencia en las operaciones fundamentales es: ejecutar primero
el parentesis mas interno, luego los exponentes, despues la multiplicacion o division
(ambos tienen igual presedencia), y finalmente la suma y resta. Ejemplo:
>> 0.7854-(0.7854)^3/(1*2*3)+0.785^5/(1*2*3*4*5)...
-(0.785)^7/(1*2*3*4*5*6*7)
ans =
0.7071
Observar que los tres puntos al final de la primera fila indica que la sentencia contin
ua
en la siguiente lnea.
umeros imaginarios. Es decir: i =
MATLAB
reconoce a las letras i y j como n
1 y j = 1. Por ejemplo, >> 4i - 2j devuelve 0 + 2.0000i, mientras que
>> 8i-j4 devuelve Undefined function or variable j4.
Sabemos que la division sobre cero es infinito, mientras que la division 0/0 es
indeterminada. En notacion MATLAB >> 20/0 devuelve Inf , mientras que
>> 0/0 devuelve NaN, donde NaN esta por Not a Number.
A continuacion se describen otros comandos de utilidad general. Se recomienda
leer el help del comando antes de usarlo.
help help Lista topicos de ayuda.
what Lista archivos con extension m, MAT y MEX.
type Lista archivos tipo m.
lookfor Busca archivos m desde el teclado.
which Localiza funciones y archivos.
demo Ejecuta un demo de MatLab.
helpwin Ayuda en lnea. Se muestra en la ventana de ayuda.
who Lista las variables actuales.
whos Lista las variables actuales en forma extendida.
load Carga variables del disco al espacio de trabajo.
save Salvar variables del espacio de trabajo al disco.
clear Limpia variables y funciones de la memoria.
clc Despeja (limpia) la ventana de comandos.
220
c = [8 6 4];
donde las 3 primeras filas corresponden a la matriz formada por el comando a=magic(3),
la fila 5 se origina por el comando b = ones(1, 3)*-5.7 y la u
ltima fila corresponde
al vector c=[8 6 4 2].
B.1.3.
Creaci
on de Archivos Tipo m
221
B.1.4.
Matem
aticas
Funciones Matem
aticas Comunes
% funcionesmat.m FUNCIONES MATEM
ATICAS COMUNES
clear all; close all; clc;
% APROXIMACIONES
x1=5.92;
r1=ceil(x1);
% r1=6 (ceil REDONDEA HACIA INFINITO)
222
%
%
r2=fix (x1);
% r2=5 (fix REDONDEA HACIA CERO)
r3=floor (x1); % r3=5 (floor REDONDEA HACIA MENOS INFINITO)
r4=round([19.54646 13.656 -2.1565 0.78]);
r4=[20 14 -2 1] (round REDONDEA HACIA EL ENTERO M
AS PR
OXIMO)
TRIGONOMETRIA
r5=sin(pi/2); % r5=1 (
ANGULO EN RADIANES)
r6=sind(-90); % r6=-1 (
ANGULO EN GRADOS)
r7=cosd(60); % r7=0.5 (
ANGULO EN GRADOS)
r8=asind(1); % r8=90 (
ANGULO EN GRADOS)
ALGUNAS OPERACIONES
r9=abs (-7);
% VALOR ABSOLUTO, r9=7
r10=sign(10);
% SIGNO, r10=10/abs(10)=10/10=1
r11=gcd (9,12);
% M
AXIMO COM
UN DIVISOR ENTRE 9 Y 12, r11=3
r12=lcm (10,25);
% M
INIMO COM
UN M
ULTIPLO ENTRE 10 Y 25, r12=50
r13=mod (-12,5);
% MODULO, SI y~=0, n=floor(x./y)=-3, r13=x-n.*y=3
r14=rem (12,5);
% RESTO DE LA DIVISI
ON ENTRE 12 Y 5, r14=2
r15=nthroot (8,3); % RA
IZ C
UBICA DE 8, r15=2
CON N
UMEROS COMPLEJOS
x=3+4i;
r16=sign(x); % r16=x/abs(x)=(3+4i)/5=0.6+0.8i
Vectores y Matrices
% vectoresymatrices.m VECTORES Y MATRICES. ELEM = ELEMENTOS
clear all; close all; clc;
% C
OMO DEFINIRLOS
x = [5 7 -2 4 -6]; % VECTOR FILA, ELEM SEPARADOS POR ESPACIOS
y = [2,1,3,7];
% VECTOR FILA, ELEM SEPARADOS POR COMAS
z = [0 1 2,3 4,5]; % IDEM, ELEM SEPARADOS POR COMAS Y ESPACIOS
w = [2;1;3;7];
% VECTOR COLUMNA
A = [1 2 3
% A(1)=1, A(3)=2, A(5)=3
4 5 6];
% A(2)=4, A(4)=3, A(6)=6
B = [1 2 3;4 5 6]; % MATRIZ DE 2 FILAS Y 3 COLUMNAS AL IGUAL QUE A
% DIRECCIONAMIENTO
r1=x(2);
% r1=7
r2=x(end);
% r2=-6
r3=x(2:4);
% r3=[7 -2 4]
r4=x(1:3:5);
% r4=[5, -2 y -6]
r5=x([3 5 1]);
% r5=^[-2, -6, 1]
r6=A(2,1);
% r6=4
r7=A(2,:);
% r7=[4 5 6]
r8=A(2,2:3);
% r8=[5 6] (2da FILA, COLUMNAS DE 2 A LA 3)
r9=A(2,[3 1]);
% r9=[6 4}
r10=A([2 1],2:3); % r10=[5 6] (FILAS 2 y 1, COLUMNAS DE 2 A LA 3)
%
[2 3]
r11=A(end,[1 3]); % r11=[4 6]
% CONSTRUCCI
ON ABREVIADA DE ALGUNOS VECTORES
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
223
r12=(1:7);
% r12=[1 2 3 4 5 6 7]
r13=[1:7];
% r13=[1 2 3 4 5 6 7]
r14=(1:3:10); % r14=[1 4 7 10] (ENTRE 1 Y 10 CON INCREMENTO 3)
r15=(1:4:10); % r15=[1 5 9] (ENTRE 1 Y 10 CON INCREMENTO 4)
r16=(50:-7:1); % r16=[50 43 36 29 22 15 8 1]
r17=linspace(2,6,3); % r17=[2 4 6] (LINEAL ENTRE 2 Y 6, 3 ELEM.)
r18=linspace(2,6,4); % r17=[2.0000 3.3333 4.6667 6.0000]
r19=linspace(2,6);
% VECTOR LINEAL ENTRE 2 Y 6 CON 100 ELEM.
r20=logspace(0,2,4); % r20=[1.0000 4.6416 21.5443 100], VECTOR
LOGAR
ITMICAMENTE ESPACIADO 10^0 Y 10^2 CON 4 ELEM. EQUIDISTANTES
r21=logspace (0,2); % VECTOR LOG. ENTRE 10^0 Y 10^2 CON 50 ELEM.
CONSTRUCCI
ON DE ALGUNAS MATRICES
r22=zeros(3);
% MATRIZ CUADRADA DE 3x3 LLENA DE CEROS
r23=zeros(2,5); % MATRIZ 2 x 5 DE CEROS
r24=ones(2,3);
% MATRIZ 2 x 3 DE CEROS
UMEROS ALEATORIOS ENTRE 1 Y 0
r25=rand(2,4);
% MATRIZ 2 x 4 DE N
ON UNIFORME
CON DISTRIBUCI
r26=randn (2,5); % MATRIZ 2 x 5 DE N
UMEROS ALEATORIOS, DISTRIBUCI
ON
NORMAL, MEDIA 0 Y DESVIACI
ON 1: NORMAL(0,1)
r27=eye(2);
% MATRIZ IDENTIDAD 2 X 2
r28=eye(4,2);
% MATRIZ 4 X 2 DE 1s EN LA DIAGONAL, 0s EN EL RESTO
r29=magic(3);
% MATRIZ M
AGICA 3 x 3, CONTIENE N
UMEROS 1 AL 3^2,
DONDE: SUMA ELEM FILAS = SUMA ELEM COLUMNAS = SUMA ELEM DIAGONAL:
8
1
6
3
5
7
4
9
2
r30=hilb(3);
% MATRIZ DE HILBERT 3 x 3
r40=invhilb(3); % INVERSA DE LA MATRIZ DE HILBERT 3 x 3
OPERACIONES B
ASICAS CON MATRICES
P=[1 2;3 4]; Q=[1 1;0 1]; R=[1+i 2+2i;3+i 4+7i];
r41=P*Q;
% r41=[1 3;3 7]
r42=P.*Q; % r42=[1 2;0 4] (MULTIPLICACI
ON ELEMENTO A ELEMENTO)
r43=R;
% CONJUGADA Y TRANSPUESTA DE R Y VICIVERSA
r44=R.;
% TRANSPUESTA DE R
r45=P+2;
% SUMA 2 A CADA ELEMENTO DE A
FUNCIONES PARA OPERAR CON VECTORES
SEAN LOS VECTORES: x = [x1 x2 x3]; y = [y1 y2 y3];
PRODUCTO VECTORIAL:
cross(x,y)=[(x2*y3-y2*x3) -(x1*y3-y1*x3) (x1*y2-y1*x2)]
x1 = [1 2 3]; y1 = [4 5 6]; xcy=cross(x1,y1); % xcy=[-3 6 -3]
PRODUCTO ESCALAR: dot(x,y)=x1*y4+x2*y5+x3*y6
xdy=dot(x1,y1); % xdy=32
FUNCIONES PARA EL AN
ALISIS DE MATRICES
v = [1 2 3];
>> diag (v) % CREA MATRIZ DIAGONAL CON ELEMENTOS 1, 2 Y 3
M = [1 2 3 4; 7 8 9 2; 2 4 6 8];
r46=diag(M);
% r46=[1;8;6]: VECTOR CON ELEMENTOS DE LA DIAGONAL
224
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
r47=size(M);
% r47=[3 4]: DIMENSIONES DE M (3 FILAS Y 4 COLUMNAS)
r48=length(M); % DEVUELVE 4 (LA DIMENSI
ON MAYOR DE LA MATRIZ M)
r49=rank(M);
% r49=2 (2 ES EL RANGO DE M, VER help rank)
r50=rref(M);
% REDUCCI
ON MEDIANTE GAUSS
r50 =
1 0 -1 -4.6667
0 1 2 4.3333
0 0 0 0
% rank(M)=2 PORQUE EXISTEN DOS FILAS NULAS
r51=tril(M); % CREA MATRIZ TRIANGULAR SUPERIOR
r52=triu(M); % CREA MATRIZ TRIANGULAR INFERIOR
OTRAS OPERACIONES CON MATRICES
A1=[1 0 0 2
3 4 5 0
2 4 0 0];
INDICES [1;2;3,5;6;8;10]
r52=find(A1); % DEVUELVE VECTOR COLUMNA DE
r54=reshape(A1,2,6); % r54: MATRIZ 2 X 6 A PARTIR DE COLUMNAS DE A1
r54=
1
2
4
0
0
0
3
0
4
5
2
0
r55=rot90(A1); % A1 GIRA 90o , r55 TOMA LA FORMA:
2
0
0
0
5
0
0
4
4
1
3
2
r56=rot90(A1,3);
% A1 gira 270o ( 90o x 3 = 270o )
FORMEMOS LA MATRIA A2:
A2=[A1
2 4 6 3];
r57=funm(A2,@sin); % CALCULA SENO DE CADA ELEMENTO DE A2
r58=expm(A2);
% CALCULA MATRIZ EXPONENCIAL DE A2
Polinomios
% polinomios.m POLINOMIOS
%
%
%
%
225
Operaciones Relacionales y L
ogicas
% operaclogicas.m OPERACIONES RELACIONALES Y L
OGICAS
clear all; close all; clc;
% OPERADORES RELACIONALES: <
<=
>
>=
==
~=
% OPERADORES L
OGICOS: & (AND)
| (OR)
~ (NOT)
% ORDEN DE PRECEDENCIA: ~=
==
<=
>=
<
>
a =1:9; b=5-a; % a=[1 2 3 4 5 6 7 8 9], b=[4 3 2 1 0 -1 -2 -3 -4]
r1=a<6; % r1=[1 1 1 1 1 0 0 0 0], r(i)=1 SI a<6, 0 si a >= 6
r2=a==b; % r2(i)=1 SI a(i)==b(i) ES VERDADERO, 0 SI ES FALSO
r3=a~=b; % r3(i)=1 SI a(i)~=b(i) ES VERDADERO, 0 SI ES FALSO
r4=(a>b)&(b>-3); % r4(i)=1 SI (a(i)>b(i))&(b(i)>-3), 0 SI ES FALSO
c = [Inf 0 5 -8 NaN 94];
% >> exist(c) % DEVUELVE 1 PORQUE c EXISTE
% >> isnan(c)
% DEVUELVE 1 SI c(i) ES NaN Y 0 SI NO ES NaN
% >> isinf(c)
% DEVUELVE 1 SI c(i) ES Inf Y 0 SI NO ES Inf
% >> isfinite(c) % DEVUELVE 1 SI c(i) ES FINITO Y 0 SI NO LO ES
Creaci
on de Funciones
La forma general de una funcion de dos variables es:
function[a,b]=nombre_funci
on(x,y)
Por ejemplo, se desea crear la funcion de nombre calculos para calcular la suma
y la resta de dos n
umeros, vectores o matrices (x,y). Los resultados los devuelve en
[a,b]. Los listados del archivo calculos.m y el archivo usacalculo.m para usar calculos.m se muestran a continuacion. Solo es necesario ejecutar el archivo usacalculos.m
para obtener los resultados.
% calculos.m
FUNCI
ON calculos
226
227
else n=n+1;
end
end
if n~=i disp(i)
end
end
An
alisis Num
erico y de Datos
% analisisnumerico.m AN
ALISIS NUM
ERICO
clear all; close all; clc;
ds=diff(sin(7*x) ); % DEVUELVE DERIVADA RESPECTO A x
dp=diff((exp(x)*cos(3*x*y)),y); %DEVUELVE DERIVADA PARCIAL EN y
dd=diff((sin (x^2)),2); % DEVUELVE SEGUNDA DERIVADA RESPECTO A x
ec=feval(cos,pi);
% EVAL
UA EL COSENO EN pi
ep=feval(cos, [0 pi/3 pi] ); % EVAL
UA EL COSENO EN VARIOS PUNTOS
em=feval(@cos,[0 pi/3 pi] );
% EVAL
UA EL COSENO EN VARIOS PUNTOS
INIMO
fm=fminbnd(@sind,0,360); % VALOR ENTRE 0,360, sind TOMA EL M
228
B.1.5.
Gr
aficos
% graficas2D.m GR
AFICAS EN 2 DIMENSIONES
clear all; close all; clc;
figure(1) % CREA figure(1)
x=[-2 -1 0 1 2 3]; y=[4 1 0 1 4 9]; z=[6 5 3 7 5 2];
w=[-2 -1 0 0.5 1.5 2.5];
plot(x,y,*,x,z,-), xlabel(eje x), ylabel(eje y),
title(x vs y), grid, text(1,4,HOLA>&$), axis([-3 3 -1 10]),
gtext(AQU
I COLOCO TEXTO)
figure(2)
x1 = pi*(-1:0.01:1); y1=x1.*sind(x1); y2=cosd(x1);
y3=sin(x1).*exp(x1); y4=exp(-x1);
subplot(2,2,1), plot(X1,Y1), title (x1*seno(x1)*)
subplot(2,2,2), plot(x1,y2), title (cos(x1))
subplot(2,2,3), plot(x1,y3), title (sen(x1)*exp(x1))
subplot(2,2,4), plot(x1,y4), title (-exp(x1))
figure(3)
plot(x1,y1), title (x1*seno(x1)*),
hold on
plot (x1,y2), title (cos(x1)), plot (x1,y3),
title (sen(x1)*exp(x1)), hold off
figure(4)
subplot(221), fplot(sind(x),[0 180]),
title(sen(x) de 0 a 360 grados)
subplot(222), fplot(x^2*sin(1/x),[-0.05 0.05]),
title(x^2 * sin(1/x))
subplot(223), ezplot(exp(x)) % EASY PLOT DE exp(x)
subplot(224), ezplot(sin(t),cos(t),[0 pi])
figure(5)
subplot(2,1,1), ezplot(x^2 - y^2 - 1)
x3=[-2 0 2 0 -2]; y3=[4 8 4 0 4];
subplot(2,1,2), plot(x3,y3), fill(x3,y3,r) % r=RED
% graficas3D.m GR
AFICAS EN 3 DIMENSIONES
clear all; close all; clc;
figure(6)
x3=[-2 0 2 0 -2]; y3=[4 8 4 0 4]; z3=[3 5 10 5 3];
subplot(311), fill3(x3,y3,z3,b) % plot en 3D, b=blue
subplot(312), ezsurf(sin(x*y),[-2 2 -2 2])
subplot(313), x4=-720:720; y4=sind(x4); z4=cosd(x4); plot3(x4,y4,z4)
figure(7)
x = -10:0.5:10; y = -10:0.5:10;
subplot(3,1,1), [X,Y]=meshgrid(x,y); % CREA MATRICES PARA LA MALLA
Z=sin(sqrt(X .^2 + Y .^2))./ sqrt (X .^ 2 + Y .^ 2 + 0.1);
mesh (X,Y,Z) % DIBUJA LA GR
AFICA
subplot(3,1,2), [X,Y] = meshgrid (-10:0.5:10);
Z=sin(sqrt(X .^2 + Y .^2))./sqrt(X .^ 2 + Y .^2 + 0.1); mesh(X,Y,Z)
229
B.1.6.
Matem
atica Simb
olica
% simbolica.m MATEM
ATICA SIMB
OLICA
clear all; close all; clc
% DERIVADAS E INTEGRALES
syms x n a b t theta y u;
f1=x^n; r1=diff(f1);
% r1=x^n*n/x=n*x^(n - 1), DERIVADA EN x
f2=sin(a*t + b); r2=diff(f2); % r2=a*cos(b + a*t), DERIVADA EN t
f3=exp(i*th); r3=diff(f3); % r3=exp(th*i)*i, DERIVADA EN th
r4=int(f1); % r4=x^(n+1)/(n+1), INTEGRAL INDEFINIDA EN x
f5=y^(-1); r5=int(f5); % r5=1/y, INTEGRAL INDEFINIDA EN y
f6=n^x; r6=int(f6); % r6=n^x/log(n), INTEGRAL INDEFINIDA EN n
230
%
%
%
%
%
%
%
231
% >> pretty(f34)
El comando pretty(f34) devuelve:
1/3
1
6
12
+
+
+8
a3 a2
a
B.1.7.
Simulaci
on de un Sistema de Control
M11
0
0
M22
M11 =
M22 =
P11 =
P12 =
P21 =
P22 =
d21 =
Ra
nKm KA
Ra
nKm KA
Ra
nKm KA
Ra
nKm KA
Ra
nKm KA
Ra
nKm KA
Ra
nKm KA
P=
P11 P12
P21 P22
d=
1
J1 + Jeq + m2 L2 sen2 q2
4
1
J2 + Jeq + m2 L2
4
2
n Km Kb
Beq +
Ra
1
m2 L2 q1 senq2 cos q2
2
1
m2 L2 q1 senq2 cos q2
4
n2 K m K b
Beq +
Ra
1
m2 L2 gsenq2
2
0
d21
El dise
no de un controlador backstepping emplea el procedimiento descrito en la
seccion ??, que en forma breve establece hasta el nivel de simulacion:
(1) Definir las especificaciones de dise
no y determinar el modelo no lineal del sistema a controlar en la forma dada en (??).
(2) Determinar la ley de control backstepping dada en (??). Para ello, definir el
vector de referencias deseadas qd , formular el vector de error e y el vector q r :
e = z1 = q q d
q r = q d Kz1
232
Lazo de control
k=1
Seales de referencia
Algoritmo de control
Almacenamiento de datos
k < N?
SI
NO
Grficos de resultados
233
234
P21 = -Ra*m2*L2*dq1*sin(q2)*cos(q2)/(4*n*Km*KA);
d21 = -Ra*m2*L2*g*sin(q2)/(2*n*Km*KA);
dq1 = dq1 + T*(u1 - P11*dq1 - P12*dq2- d11)/M11;
dq2 = dq2 + T*(u2 - P21*dq1 - P22*dq2- d21)/M22;
q1 = q1 + T*dq1; Q1(k) = q1;
q2 = q2 + T*dq2; Q2(k) = q2;
end % FINALIZA EL LAZO DE CONTROL
% GR
AFICOS
ejex=linspace(0,N*T,N); % EJE DE TIEMPO
subplot(411)
plot(ejex,Qd1(1:N),ejex,Q1(1:N)), grid on
ylabel(POSICI
ON q1 [rad])
subplot(412)
plot(ejex,U1(1:N)),grid on
xlabel(TIEMPO
[S])
ylabel(CONTROL u1 [v])
subplot(413)
plot(ejex,Qd2(1:N),ejex,Q2(1:N)), grid on
ylabel(POSICI
ON q2 [rad])
subplot(414)
plot(ejex,U2(1:N)), grid on
xlabel(TIEMPO
[S])
ylabel(CONTROL u2 [v])
print -f -deps dfsimr % GENERA FIGURA dfsimr.eps
B.2.
Fundamentos de Simulink
B.2.1.
CONTROL u2 [v]
POSICIN q2 [rad]
CONTROL u1 [v]
POSICIN q1 [rad]
235
1
0.5
0
10
15
20
10
15
20
TIEMPO
10
15
20
10
15
20
TIEMPO
25
30
35
40
25
30
35
40
25
30
35
40
25
30
35
40
50
0
50
[S]
1
0.5
0
50
0
50
[S]
Fig. B.3: Resultado de la simulacion del sistema de control backstepping del MRE:
las posiciones de los brazos del manipulador siguen las se
nales de referencia deseada.
236
237
Simulink proporciona una gran variedad de demos para ilustrar las bondades de
este software. Para ingresar a los demos, hacer click en el boton Start ubicado en el extremo inferior izquierdo de la ventana MATLAB y luego ir a Start > Simulink > Demos.
238
B.2.2.
Creaci
on de un Modelo Simulink
Mux
Seal u
Seal v
Proceso
no lineal
grfico
Mux
disnl2_x1
x1
Referencia
r
disnl2_r
Conversin Observador
de x a z
no lineal
239
1
u
Kact
gan 5
L.s+R
sum1 subsistema
elctrico
x3
x2
n*K
1
s
M.s+B
gan 6
subsistema
mecnico
sum2
Integrador
n*E
gan 2
N
gan 3
MATLAB
Function
seno
1
x1
240
Posicin (radianes)
1
0.5
0
0.5
1
8
10
12
Tiempo en segundos
14
16
18
20
8
10
12
Tiempo en segundos
14
16
18
20
2.5
2
1.5
1
0.5
0
0.5
Bibliografa
[1] Murray R. Spiegel, Mathematical handbook, Shaums Outline Series, McGrawHill,Inc., 3ed Edition, New York et. al. 2008.
[2] W. F. Hughes and J. A. Brighton, Theory and Problems of Fluid Dynamics,
Shaums outline series, McGraw-Hill, 3ed edition, Inc., 1999.
[3] H. Goldstain, John L. Safko and Charles P. Poole Classical mechanics, 3ed.
Addison Wesley, 2001.
[4] James Curry, Hamiltonian and Lagrangian Mechanics. AuthorHouse, 2005.
ISBN-10: 1420858564. ISBN-13: 978-1420858563.
[5] Katsuhiko Ogata, Sistemas de Control en Tiempo Discreto. Prentice Hall Hispanoamericana S.A., Mexico, segunda edicion, 1996
[6] Murray R. Spiegel, An
alisis Vectorial, serie de compendios Schaum, McGrawHill Mexico Panama Bogota y otras, 1973 (o ediciones mas recientes).
[7] Murray R. Spiegel, C
alculo Superior, serie de compendios Schaum, McGraw-Hill
Mexico Panama Bogota y otras, 1973 (o ediciones mas recientes).
[8] Donald M. Wiberg, Espacio de Estado y Sistemas Lineales, serie de compendios
Schaum, McGraw-Hill Mexico Panama Bogota y otras, 1973 (o ediciones mas
recientes).
[9] Frank Ayres Jr., Matrices, serie de compendios Schaum, McGraw-Hill Mexico
Panama Bogota y otras, 1973 (o ediciones mas recientes).
[10] Alan V. Oppenheim y Alan S. Willsky, Se
nales y Sistemas Prentice-Hall Hispanoamericana, S.A., Mexico-Englewood Cliffs-Londres-Sidney y otras, 1983.
[11] Murray R. Spiegel, Transformada de Laplace, serie de compendios Schaum,
McGraw-Hill Mexico Panama Bogota y otras, 1973 (o ediciones mas recientes).
[12] A. Rojas-Moreno, Design of Self-tuning Controllers for Processes Having Multiple Unknown Time-varying Delays, Ph.D. Thesis, Utah State University, Logan,
UT, 1995.
[13] Katsuhiko Ogata, Modern Control Engineering (5th Edition), Prentice Hall,
2009.
242
BIBLIOGRAF
IA
[14] TecQuipment Ltd, TE37 Control and Instrumentation Study Station, User
Guide, 2009.
[15] J.G. Ziegler y N.B. Nichols, Optimum Setting for Automatic Controllers,
Transactions of the American Society Mechanical Engineering, Vol 64, pp. 759768, 1942.
[16] Richard C. Dorf y Robert H. Bishop, Sistemas de Control Moderno (10ma Edici
on), Pearson Prentice Hall, 2005.
[17] K.J.
Astrom y T. Hagglund, PID Controllers: Theory, Design, and Tuning.
Instrument Society of America, 1995.
[18] P. Harriot, Process Control, McGrawHill Book Co., 1964.
[19] K.L. Chien, J. A. Hrones, and J. B. Reswick, On the automatic control of
generalized passive systems, Trans. ASME, vol. 74, pp. 175-185, 1952.
[20] G. H. Cohen and G. A. Coon, Theoretical consideration of retarded control,
Trans. ASME, vol. 75, pp. 827-834, 1953.
[21] Erwin Samal, Grundriss der Praktischen Regelungstechnik (11. durchsehene Auflage, R. Oldenbourg Verlag Muenchen Wien 1980.
[22] A. M. Lopez, J. A. Miller, C. L. Smith, and P. W. Murrill, Tuning controllers
with error-integral criteria, Instrumentation Technology, vol. 14, pp. 5762,
1967.
[23] A. Rovira, P. Murrill y C. Smith, Tuning controllers for setpoint changes.
Instruments and Control Systems, 42(12): 6769, diciembre de 1969.
[24] F.S. Wang, W.S. Juang y C.T. Chan,Optimal tuning of PID controllers for
single and cascade control loops. Chemical Engineering Communications, Vol.
132, pp 1534, 1995.
[25] C. Kessler, C., Das symmetrische Optimum, part 1, rt, No.11, pp. 395-400 and
part 2, rt, No.12, pp. 432-436, (1958)
[26] M. Zhuang y D. P. Atherton, Automatic tuning of optimum PID controllers,
IEE ProceedingsPart D: Control Theory and Applications, Vol. 140, No. 3, pp.
216224, 1993.
[27] D. Xue, Y. Q. Chen y D. P. Atherton, Linear Feedback Control: Analysis and
Design with Matlab, SIAM, 2007.
[28] C.A. Smith y A.B. Corripio, Control Autom
atico de Procesos, Limusa Noriega
Editores, 1996.
[29] A. ODwyer, Handbook of PI and PID Controller Tuning Rules, 3rd edition,
Imperial College Press, 2009.
[30] National Instruments, NI Developer Suite: NI LabVIEW 8.5 and Device Drivers,
Third Quarter 2008.
BIBLIOGRAF
IA
243
[31] Eduardo F. Camacho y Carlos Bordons, Model Predictive Control, SpringerVerlag London Limited, 2004.
[32] Alberto Isidori, Nonlinear Control Systems, 3ed, Springer-Verlag Berlin, 1995.
[33] A. Barrientos, L. F. Pe
nin, C. Balaguer, and R. Aracil, Fundamentos de Rob
otica,
2nd Edition, McGraw-Hill/Interamericana de Espa
na, S. A., Madrid, Buenos
aires, Caracas, and others, 2007.
[34] S. Kilicaslan, S.P. BanksLocalizacion, A separation theorem for nonlinear systems, A journal of IFAC, ISSN 0005-1098, Vol. 45, No . 4, pags. 928-935, 2009.
[35] M. G. Sofonov, Stability and Robustness of Multivariable Feedback Systems, The
MIT Press Cambridge, MA, and London, England, 1980.
[36] Jeffrey B. Burl , Linear Optimal Control, Prentice Hall, 1998.
[37] D. E. Koditschek, Natural Motion for Robot ArmsProc. 23rd I.E.E.E. Conf.
on Decision and Control, Las Vegas, p. 733, 1984.
[38] Jean-Jacques E. Slotine and Weiping Li, Applied Nonlinear Control, Prentice
Hall, 2006, ISBN: 0130408905, ISBN-13: 9780130408907, 978-0130408907.
[39] Asif Sabanovic, Variable Structure Systems: From Principles to Implementation,
The Institution of Engineering and Technology; illustrated edition, 2004.
[40] E. Bailey and A. Arapostathis, Simple sliding mode control scheme applied to
robot manipulators, Int. J. Control, vol. 45, No. 4, p. 11971209, 1987.
[41] Lin, Y. and E.D. Sontag, Lin, Y. and E.D. Sontag, A universal formula for
stabilization with bounded controls, Report 90-10, SYCON-Rutgers Center for
Systems and Control, July 1990.
[42] Jie Yu, Ali Jadbabaie, James Primbs and Yun Huang, Comparison of nonlinear
control design techniques on a model of the Caltech ducted fan, Automatica
Volume 37, Issue 12, Pages 1971-1978 , December 2001.
[43] Fang-Shiung Chen and Jung-Shan Lin, Nonlinear backstepping design of robot
manipulators with velocity estimation feedback,5th Asian Control Conference,
July 2004, vol. 1, no. 6, pp 351356. New Jersey 07632, 1989.
[44] M. Vidyasagar, Nonlinear Systems Analysis (Second Edition), Society for Industrial and Applied Mathematics Philadelphia, PA, USA , 2001, ISBN:0898715261.
[45] Joseph La Salle and Solomon Lefschetz, Stability by Liapunovs Direct Method
With Applications, Academic Press new York, London, 1961.
[46] National Instruments, NI Developer Suite: NI LabVIEW 8.5 and Device Drivers,
Third Quarter 2008.
Indice alfab
etico
Determinante, 151
de una matriz, 151
propiedades, 152
Discretizacion directa, 178
Ecuacion caracterstica, 168
Eigenvalor, 159
Eigenvector, 159
Estabilidad de sistemas, 183
Forma canonica
controlable, 174
de Jordan, 176
diagonal, 175
observable, 175
Formas canonicas, 174
Fracciones parciales, 142
Linealizacion de sistemas, 183
Matrices, 148
diagonalizacion de, 162
multiplicacion de, 148
similares, 162
Matriz
de transferencia, 167
diagonal, 150
eigenvalor de una, 159
identidad, 150
pseudoinversa de una, 160
rango de una, 157
traza de una, 150
triangular inferior, 150
triangular superior, 150
Parametros, variables y smbolos
del sistema Tanque con Agua, 27
Procesos con tiempo muerto, 181
Puntos singulares en PLITs, 168
Sistema causal, 137