Está en la página 1de 79

PROCESO DE IDENTIFICACION, SINTONIZACION (CONTROL CLASICO) DEL

NIVEL DE UN TANQUE

MARCO TULIO DAZ CARRILLO


FREDDY ALEXANDER ARIAS
OSCAR HERNNDO CARDENAS LANDAZABAL

UNIVERSIDAD DE PAMPLONA
FACULTAD DE INGENIERA Y ARQUITECTURA
INGENIERA MECATRNICA
SAN JOS DE CCUTA
2016
PROCESO DE IDENTIFICACION, SINTONIZACION (CONTROL CLASICO) DEL
NIVEL DE UN TANQUE

MARCO TULIO DAZ CARRILLO


FREDDY ALEXANDER ARIAS
OSCAR HERNNDO CARDENAS LANDAZABAL

DISEO MECATRONICO II

MSc. PROFESOR OSCAR MANUEL DUQUE

UNIVERSIDAD DE PAMPLONA
FACULTAD DE INGENIERA Y ARQUITECTURA
INGENIERA MECATRNICA
SAN JOS DE CCUTA
2016
TABLA DE CONTENIDO

Pgina

1. PLANTEAMIENTO DEL
PROBLEMA 4

2. JUSTIFICACIN 5

3. OBJETIVOS 6

4. MARCO TERICO 9

5. IDENTIFICACION DE UN SISTEMA
DE NIVEL POR DIFERENTES 19
METODOS

6. METODOS DE SINTONIZACIN
30

7.CONTROLADORES OPTIMOS 43

8. CONTROLADOR DIFUSO PD 62

9. CONCLUSIONES 72

10. BIBLIOGRAFA 75
1. PLANTEAMIENTO DEL PROBLEMA

En el desarrollo de los procesos industriales es comn la necesidad de poder


controlar el nivel de almacenamiento que poseen diferentes tanques o elementos
de contencin para evitar las prdidas de produccin o desastres industriales que
afecten la continuidad de la planta o las vidas humanas. Por esto se hace
necesario el fortalecimiento de la medicin, identificacin y sintonizacin de un
sistema de control que permitan mantener los niveles deseados en los tanques y
que pueda ser aplicado desde una pequea escala hasta los procesos de gran
magnitud.

El persistente perfeccionamiento de nuevas tecnologas en el campo de la


automatizacin e instrumentacin ha generado que todas las esferas de la vida
humana se automaticen provocando que se desarrollen los denominados sistemas
inteligentes de control capaces de inferir y resolver diversos problemas que se
presentan en plantas de control de nivel como por ejemplo derrames de lquidos
altamente contaminantes que podran costar vidas humanas.

La falta equipamiento y de implementacin de sistemas de control en lo que se


refiere a procesos de control de lquidos en la industria, ha encadenado una serie
de situaciones de emergencia, hasta el punto de crear catstrofes ambientales
irreversibles por consecuencia de una mala identificacin de la planta o mala
sintonizacin por consiguiente a una mala implementacin de sistemas de control.

4
2. JUSTIFICACIN

Dentro del planteamiento del anteproyecto se propone iniciar con la identificacin


del sistema de control de nivel, con el fin de obtener la funcin de transferencia
que permita describir el comportamiento fsico y real del proceso natural,
respaldndose en los clculos. Haciendo referencia al impacto del proyecto, se
puede afirmar que en un corto plazo se desarrollar la estructura fsica de la
planta, junto con la medicin de la variable, la identificacin del sistema de control
y sintonizacin de la misma; se propone que el anteproyecto presente un sistema
regulado mediante un controlador PID.

Como experiencia personal y de aprendizaje, el desarrollo del anteproyecto


permitir obtener los conocimientos necesarios para la identificacin y
sintonizacin de sistemas de control que presenten caractersticas diferentes,
teniendo en cuenta que existir una transicin entre el modelado acadmico y el
industrial, permitindose aplicar los conceptos claves en su ejecucin. Es as
como se plantea la realizacin del anteproyecto como una formacin personal e
ingenieril.

5
3. OBJETIVOS

OBJETIVO GENERAL

Desarrollar la identificacin, posteriormente sintonizacin (controlador


clsico) de una planta de control de nivel de lquidos, despus de haber
sido identificada bajo una prueba experimental a lazo abierto, mediante el
uso de un sensor ultrasnico.

OBJETIVO ESPECFICO

Obtener la curva necesaria mediante una metodologa experimental donde


se llene el tanque con una entrada de flujo constante, proporcionado por
una hidrobomba, y una salida de flujo constante mediante una vlvula de
paso de forma manual, haciendo la recoleccin de las seales obtenidas
por el sensor ultrasnico y los tiempos de lectura. Teniendo en cuenta que
el flujo de entrada debe ser mayor al de la salida.

Describir el comportamiento de un sistema mediante uno de los mtodos de


identificacin propuestos por la teora de control, en base a una curva
caracterstica que permita la obtencin de los parmetros necesarios para
la construccin de una funcin de transferencia que describa el
comportamiento de la planta.

Identificar mediante diferentes mtodos (mtodo de los puntos de Carlos


Smith, Sundareson y Strecj Quentin)

Validar la recoleccin de datos mediante la comparacin de la desviacin


estndar y la varianza del promedio de 7 datas contra otras tres. Adems,
utilizar la misma estrategia para confrontar la data promedio con las 3
identificaciones y seleccionar la ms adecuada en base a estos parmetros

6
Adaptar el modelo de identificacin matemtico que ms se ajuste a las
caractersticas de la planta en su respuesta a un impulso de entrada y
realizar los criterios de ajuste necesarios a los parmetros con el fin de
obtener una mejor representacin del sistema.

Sintonizar mediante diferentes mtodos (1er mtodo de Zeagler-Nichols,


3er mtodo de Zeagler-Nichols y Cohen-Coon) la mejor identificacin
hallada (mtodo de Sundareson).

Mejorar el comportamiento del controlador por los mtodos de Zeagler-


Nichols, mediante un ajuste manual de ser necesario, ya que este mtodo
nos ofrece esta ventaja.

Calcular y simular mediante los mtodos ptimos un controlador para la


identificacin previamente calculada buscando obtener una mejor respuesta
(en simulacin) con respecto al control clsico.

OBJETIVOS 2 COHORTE

OBJETIVO GENERAL.

Disear e implementar el mejor controlador optimo y comparar con el mejor


controlador clsico buscando elegir en base a los mrgenes de respuesta
transitoria y el EES el mejor controlador entre estos dos.

OBJETIVOS ESPECIFICOS.

Implementar el mejor controlador clsico obtenido y registrar la data de


salida del lazo de control.

Implementar l o los controladores ptimos sintonizados y registrar la data


de salida de los lazos de control.

7
Comparar las respuestas obtenidas con las simuladas establecer
disparidad.

Establecer segn la mejor respuesta en lazo cerrado los mrgenes de


respuestas esperados para el controlador inteligente y perfilarlo

8
OBJETIVOS 3 COHORTE

OBJETIVO GENERAL.

Disear e implementar un controlador difuso PD y comparar sus mrgenes


de respuesta y el EES con el mejor controlador obtenido entre los mtodos
de sintonizacin clsicos y ptimos de control.

OBJETIVOS ESPECIFICOS.

Seleccionar el mejor controlador entre los mtodos de sintonizacin


clsicos y los mtodos de diseo de controladores ptimos, que servir
como modelo patrn para el diseo del control inteligente, teniendo en
cuenta los mrgenes de respuesta transitoria y su error de estado
estacionario para ello.

Perfilar la respuesta deseada del control inteligente, estableciendo los


mrgenes de respuesta transitoria y el error en estado estacionario que se
debern cumplir o superar.

Seleccionar la tcnica de control inteligente que se usar justificando el


porqu de su eleccin y aplicar los pasos correspondientes para su diseo
e implementacin.

Comprobar que el controlador inteligente en lazo cerrado simulado


concuerda con el lazo real y en el caso de que no justificar el por qu.

9
4. MARCO TERICO

Figura 1. Planta de control de nivel.

CONDICIONES DEL EXPERIMENTO

NARRATIVA DEL PROCESO

La planta cuenta con un sensor de nivel ultrasnico encargado de tomar las


medidas de distancia, un hidrobomba, dos tanques (uno principal donde se
establece la medicin de la variable controlada) y otro donde se almacena el
lquido de depsito, una manguera para transportar el lquido de la bomba hasta el
tanque principal y una llave de escape manual. En el proceso podemos establecer
dos variables como tal que son:

Variable controlada: Nivel del lquido (agua) dentro del tanque principal.

Variable manipulada: El PWM enviado a la hidrobomba

10
Para establecer la dinmica de la planta se busca un valor de PWM para la
regulacin de la hidrobomba que permita tener un punto de convergencia a un
nivel determinado de abertura para la vlvula de paso manual. Es importante
recordar que el punto de convergencia ocurre cuando el caudal de salida es igual
al caudal de la entrada. La obtencin de la data se estableci con un punto de
convergencia a los 11.4 cm con una entrada escaln de 0PWM a 170PWM.

Despus de haber obtenido la funcin de transferencia representativa de la planta


(identificacin), se procedi a sintonizar o entonar por diferentes mtodos (mtodo
de los 2 puntos de Carlos Smith, 3er mtodo de Zeagler-Nichols, Cohen-Coon),
obteniendo un controlador PID.

En el siguiente plano P&ID se puede observar el lazo de control correspondiente a


la planta, nombrando cada uno de sus elementos:

Figura 2. Plano P&ID de la planta.

11
CARACTERSTICAS DEL SENSOR ULTRASONICO (HC-SR04)

El sensor de distancia ultrasnico HC-SR04 es uno de los mdulos ultrasnicos


ms econmicos en el mercado, pero sigue siendo uno de los mejores! Su
rendimiento estable es incomparable: la resolucin es tan baja como de 3mm,
tiene una alta precisin, funciona con 5V (DC), es altamente compatible con las
tarjetas Arduino, etc.

Caractersticas:

Voltaje de funcionamiento: 5V (DC)

Corriente esttica: <2 mA.

Trabajo actual: 15mA

Frecuencia de trabajo: 40KHz

Seal de salida: frecuencia de la seal elctrica, 5V de alto nivel, bajo nivel


de 0V

ngulo Eficaz: <15

Distancia de deteccin: 2 cm - 400 cm

Resolucin: 0,3 cm

Medicin de ngulo: 30

Disparo de la seal de entrada: TTL pulso 10s

Echo seal de salida: seal PWL de TTL

VCC = +5VDC

Trig = Entrada de Trigger de sensor

12
Echo = Salida de Echo de sensor

GND = GND

Figura 3. Funcionamiento de seales del sensor ultrasnico.


Funcionamiento

Qu recibimos en el sensor?

El tiempo que transcurre entre el envo y la recepcin del ultrasonido.

Cmo vamos a traducir dicho tiempo en distancia?

Aprovechando que la velocidad de dicho ultrasonido en el aire es de valor 340


m/s, o 0,034 cm/microseg (ya que trabajaremos con centmetros y
microsegundos). Para calcular la distancia, recordaremos que v=d/t (definicin de
velocidad: distancia recorrida en un determinado tiempo). De la frmula anterior
despejamos d, obteniendo d=vt, siendo v la constante anteriormente citada y t el
valor devuelto por el sensor a la placa Arduino. Tambin habr que dividir el
resultado entre 2 dado que el tiempo recibido es el tiempo de ida y vuelta.

( 340s m ))/2
Distancia= (tiempo etre trig y echo )(

Ecuacin 1. Distancia calculada por el sensor ultrasnico.

13
Figura 4. Sensor ultrasnico (HC-SR04).

CARACTERSTICAS BOMBA DE AGUA

Figura 5. Hidrobomba o bomba de agua.

Es la mquina que transforma energa, aplicndola para mover el agua. Este


movimiento, normalmente es ascendente. Las bombas pueden ser de dos tipos
volumtricas y turbo-bombas. Todas constan de un orificio de entrada (de
aspiracin) y otro de salida (de impulsin). Las volumtricas mueven el agua
mediante la variacin peridica de un volumen. Las turbo bombas poseen un
elemento que gira, produciendo as el arrastre del agua. Este elemento rotor
se denomina Rodete y suele tener la forma de hlice o rueda con paletas. Las
bombas pueden recibir la energa de diversas fuentes.

El uso que se le da a las Bombas de agua es para poder incrementar la


presin de un lquido aadiendo energa a la instalacin hidrulica del
inmueble en cuestin, para mover cierta cantidad del lquido en cuestin,
de una zona de menor presin o altitud a otra de mayor altitud.

PASO A PASO

1. Llenar el tanque inferior.


2. Generar el escaln para provocar la excitacin de la planta.

14
3. Recolectar la data del avance del nivel hasta el punto de convergencia.
4. Esperar un tiempo prudente hasta que el sistema se estabilice.

UNIDADES ESCALON ENTRADA: 0-170PWM


UNIDADES DE SALIDA: 4-11.4 cm

COMO SE PRODUJO EN ESCALN

Figura 6: circuito del pwm

1. Arduino genera un PWM a partir de uno de sus pines.


2. Dicha seal alimenta la base de un transistor de potencia.
3. El transistor se satura y permite que la fuente de 12v alimente la hidrobomba
4. La hidrobomba provoca que el nivel aumente a travs de una manguera,
enviando el agua al tanque superior.

ESCALA DE LA CURVA DE SENSORES, PRUEBA DEL SENSOR

Nos hemos basado en la prueba realizada en la siguiente pgina y los datos


aportados por ellos:
https://minibots.wordpress.com/2013/10/14/comparacion-de-los-sensores-de-
ultrasonidos-us-100-y-hc-sr04/

15
REALIZACIN DE LAS PRUEBAS Y RESULTADOS

Una vez realizaron el siguiente montaje anterior e introdujeron el cdigo en


Arduino- se colocar la placa protoboard con los sensores instalados frente a una
superficie slida, utilizaron una regla de escritorio como referencia de las medidas,
tal como indica la figura:

Figura 7: prueba de 2 sensores (hcsr04 y us-100)

Tomando como referencia una regla graduada en centmetros, han tomado cinco
medidas -simultneas para ambos sensores- para cada una de las distancias de
referencia (30, 25, 20, 15, 10, 5 y 3 cm). Los errores del promedio de cada grupo
de medidas respecto a la referencia se muestran en la siguiente grfica:

16
Figura 8: Escala de la curva de los sensores

Puede verse que ambos dispositivos se comportan de manera similar, creciendo el


error con la distancia de medida. El sensor US-100 parece portarse peor que el
HC-SR04, aunque ninguno de ellos puede considerarse preciso. Como es
evidente, las precisiones de los datasheets son completamente irreales. En todo
caso, sera muy interesante realizar una prueba similar comparando las medidas
de dos sensores del mismo tipo para comprobar si el patrn de error se repite.

CAUSA CAIDAS Y PICOS DE LAS DATAS DEL SENSOR

Dado que nuestro sensor funciona mediante la recepcin de ondas ultrasnicas


que viajan en el aire factores como la vibracin producida por la misma planta o el
viento pueden llegar a producir dichos picos en la lectura del sensor

COMPROBACION TEOREMA NYQUIST-SHANNON

Si nos vamos al catlogo de caractersticas de la Arduino mega, observaremos


que su frecuencia es de 16 MHz, mientras que la frecuencia que se est
manejando para el sensor ultrasnico es de solo 1 Hz Y el teorema de Nyquist
Shannon establece que Fs>2Fmax
Por lo tanto, tenemos que: 16 MHz >>>> 2(1 Hz)

17
CORRECCION DATA

No se hizo necesario corregir valores en la data para la posterior identificacin.

PROMEDIO DE LAS DATAS

En Excel se promedi 7 datas (data 1, 3, 6,7, 8, 9, 10) para identificar la cual nos
arroj la siguiente grafica

Figura 9: Data promediada.

Posteriormente se calcula la varianza y la desviacin estndar con relacin a la


data promediada obteniendo los siguientes resultados (figura 10) solo se muestran
algunos valores de varianza y desviacin estndar, con esta determinamos que
tan dispersos estn los 7 datos que componen la data promediada (ver figura 11):

18
Figura 10: algunos valores de varianza y desviacin estndar

Figura 11: Promedio general de la desviacin estndar

Para validar se calcula la desviacin estndar de la data promediada con las 3


datas de validacin, se obtienen resultados como los siguientes

19
Figura 12: algunos valores de varianza y desviacin estndar

Figura 13: Promedio general de la desviacin estndar

Como se observa en la figura 10 y 11 se observa que la desviacion estandar entre


cada una de las 7 datas tiene en promedio una desviacion de 0,52 cm,mientras
que en la figura 12 y 13 en la cual se compara la data promediada con las 3 datas
de validacion los datos presentan una deviacin estandar similar con un promedio
de 0,44 cm.

20
5. IDENTIFICACION DE UN SISTEMA DE NIVEL POR DIFERENTES METODOS

Grafica 1 Respuesta del sistema de nivel con respecto a la excitacin de un


escaln.

MTODO DE LOS 2 PUNTOS DE CARLOS SMITH

Grafica 2. Proyeccin de la salida al 63.2% al 28.3%.

De acuerdo a las grafica anterior se obtenemos los siguientes datos:


Salida(S): (3.9 cm 11.4cm)
Entrada (E): (0 170PWM)
1 Hallo la ganancia:
S
K=
E
Ecuacin 2. Ganancia de la funcin de transferencia.
7.5
K= =0.04388 cm/ pwm
170

2 Hallo la salida al 63.2% y al 28.3%:

21
Salida al 63.2 =( S0.632 )+ valor minimo de S

Ecuacin 3. Frmula para la salida al 63.2%, mtodo d 2 puntos de Carlos


Smith

Salida al 63.2 =( S0.632 )+3.94=8.68

Salida al 28.3 =( S0.283 ) +valor minimo de S

Ecuacin 4. Frmula para la salida al 28.3%, mtodo de 2 puntos de Carlos


Smith

Salida al 28.3 =( S0.283 ) +3.94=6.0625

1.3 Hallo el tiempo al 63.2% y al 28.3%

Proyectando los valores de la salida en la grfica obtenemos:

t 63.2 =60

t 28.3 =22

1.4 Hallo la constante de tiempo (tao )

=1.5 ( t 63.2 t 28.3 )

Ecuacin 5. Frmula para encontrar Tao a partir de los tiempos de 63,2% y


28,3%.

=1.5 ( 6022 )=57

22
1.5 Hallo tiempo muerto td:
td=t 63.2

Ecuacin 6. Frmula para encontrar el tiempo muerto.

td=6057=3

1.6 construyo la funcin de transferencia

K et S
o

G ( s )=
S+ 1
Ecuacin 7. Funcin de transferencia propuesta por el mtodo de
identificacin de Carlos Smith

3 S
0.04388 e
G ( s )=
57 S+1

Figura 17. Representacin en diagrama de bloques de la funcin de


transferencia obtenida.

23
Grafica 3. Funcin de transferencia por mtodo de los 2 puntos Carlos Smith
MTODO DE SUNDARESON Y KRISHNASWAMY

Grafica 4. Proyeccin de la salida al 35.3% al 85.3%.

De acuerdo a las grafica anterior se obtenemos los siguientes datos:

Salida(S): (3.94 cm 11.4cm)


Entrada (E): (0 170PWM)

3 Hallo la ganancia:
S
K=
E

Retomando ecuacin 2. Ganancia de la funcin de transferencia.

7.5
K= =0.04388 cm/ pwm
170

24
4 Hallo la salida al 35.3% y al 85.3%

Salida al 35.3 =( S0.353 ) +valor minimo de S

Ecuacin 8. Salida al 35.3% con el mtodo de Sundareson y Krishnaswamy.

Salida al 35.3 =( S0.353 ) +3.94=6.5775

Salida al 85.3 =( S0.853 ) +valor minimo de S

Ecuacin 9. Salida al 85.3% con el mtodo de Sundareson y Krishnaswamy.

Salida al 85.3 =( S0.853 ) +3.94=10.3375

2.3 Hallo el tiempo al 35.5% y al 85.3%

Proyectando los valores de la salida en la grfica obtenemos:


t 35.3 = 27

t 85.3 = 109

2.4 Hallo la constante de tiempo (tao )

=0.67 ( t 85.3 t 35.3 )

Ecuacin 10. Tiempo Tao bajo el mtodo Sundareson y Krishnaswamy.

=0.67 ( 10927 )=54.94

2.5 Hallo tiempo muerto :

25
t

35.3


t
1.3
=

Ecuacin 11. Tiempo muerto definido por el mtodo Sundareson y


Krishnaswamy.

=1.3 (27)0.29(109)=3.49

2.6 construyo la funcin de transferencia

S
Ke
G ( s )=
S+1
Ecuacin 12. Funcin de transferencia de Sundareson y Krishnaswamy.

0.04388 e3.49 S
G ( s )=
54.94 S+ 1

Figura 18. Representacin en diagrama de bloques de la funcin de


transferencia obtenida.

26
Grafica 5. Funcin de transferencia por mtodo de Sundareson y
Krishnaswamy.

METODO DE STRECJ-QUENTIN

Grafica 6. Obtencin de Tu y Ta.

De acuerdo a las grafica anterior se obtenemos los siguientes datos:

Salida(S): (3.94 cm 11.4cm)

27
Entrada (E): (0 170PWM)

5 Hallo la ganancia:
S
K=
E

Retomando ecuacin 2. Ganancia de la funcin de transferencia.

7.5
K= =0.04388 cm/ pwm
170

6 Hallo Tu y Ta

Tu=3.7 s
Ta=653.7=61.3 s

7 Hallo Tu/Ta para determinar el orden del sistema.

Tu/Ta=0.06035

De acuerdo con la tabla de Strecj-Quentin Se puede ver que el sistema es de


orden 1.

3.4 Ahora hallamos (tao ) del sistema, sabiendo que es de orden 1:

Ta /= 1

Ecuacin 13. Frmula para obtener el tiempo Tao del mtodo de Strecj-
Quentin.

Ta=

28
=61.3 s

3.5 Hayo el retardo L del sistema

L=Tu ( grafica )Tu (tabla)

Ecuacin 14. Frmula para obtener el tiempo muerto bajo el mtodo Strecj-
Quentin.

L=3.7 s0 s=3.7 s

3.6 Construyo la funcin de transferencia

K eL S
G ( s )=
(S+ 1)n

Ecuacin 15. Funcin de transferencia a partir del mtodo Strecj-Quentin.

3.7 S
0.04388 e
G ( s )= 1
(61.3 S+ 1)

Figura 19. Representacin en diagrama de bloques de la funcin de


transferencia obtenida.

29
Grafica 7. Funcin de transferencia por mtodo de Strecj-Quentin.

COMPARACIONES DE FUNCIONES DE TRANSFERENCIA Y RESPUESTA DEL


SISTEMA

Grafico 8: funciones de transferencia y respuesta del sistema.

Las identificaciones se llevaron al workspace y de all los datos se llevaron a Excel


para poder establecer la varianza y desviacin estndar y de esta manera decidir
cul identificacin era la ms cercana a la dinmica real de la planta.

30
METODO DE SMITH

Figura 20. Desviacin estndar de Smith con respecto a la data promediada

METODO DE SUNDARESON

Figura 21. Desviacin estndar de Sundareson con respecto a la data


promediada

METODO DE STRECJ-QUENTIN

Figura 22. Desviacin estndar de STRECJ-QUENTIN con respecto a la data


promediada

Se puede concluir en base a las figuras 20 a la 22 que el mtodo de identificacin


que presenta menor dispersin es el mtodo de Sundareson por lo tanto es la
identificacin ms fiel a la dinmica de la planta.
6. METODOS DE SINTONIZACION

31
METODO DE SINTONIZACION POR EL 1 METODO DE ZEAGLER-
NICHOLS

Al aplicar el mtodo se obtuvo la siguiente grfica:

Grfica 9: Obtencin de T Y L

De donde se obtuvieron los siguientes datos:

L=3.9877

T=65-3.9877=61.0416

Al reemplazar estos valores se tiene que:

T
Kp=1.2
L

Ecuacin 16: obtencin Kp

61.0416
Kp=1.2 =18.369
3.9877

32
Ti=2 L

Ecuacin 17: obtencin de Ti

Ti=2 ( 3.9877 )=7.9754

Teniendo Ti puedo obtener Ki

Kp
Ki=
Ti

Ecuacin 18: obtencin de Ki

18.369
Ki= =2.30
7.9754

Td=0.5 L

Ecuacin 19: obtencin de Td

Td=0.5 ( 3.8777 )=1.9938

Teniendo Td puedo obtener Kd

Kd=KpTd

Ecuacin 20: obtencin de Kd

Kd=18.369 ( 1.9938 ) =36.62

Finalmente se obtuvieron los siguientes parmetros para sintonizar por el 1er


mtodo de Zeagler-Nichols

33
Kp=18.369

Ki=2.30

Kd=36.62

Figura 23: Representacin en diagrama de bloques de la sintonizacin


obtenida por el 1er mtodo de Zeagler-Nichols.

Grafica 11: respuesta por el 1er mtodo de sintonizacin de Zeagler-Nichols

34
METODO DE SINTONIZACION POR EL 3 METODO DE ZEAGLER-NICHOLS

Al aplicar el mtodo se obtuvo la siguiente grfica:

Grafica 12: obtencin de t1 y t2.

De donde se obtuvieron los siguientes datos:

t1=25s

t2=62s

=1.5(t 2t 1)

Ecuacin 21: obtencin de (tao )

=1.5 ( 6225 )=55.5

To=t2-

Ecuacin 22: obtencin de tiempo muerto

To=62-55.5=6.5
35
Al reemplazar estos valores, se tiene que:


Kp=1.2
KTo

Ecuacin 23: obtencin Kp

Recordando que tenemos:

Salida(S): (3.9 cm 11.4cm)


Entrada (E): (0 170PWM)

8 Hallo la ganancia:
S
K=
E

Ecuacin 24: Ganancia de la funcin de transferencia.

8.27 .5
K= =0.04388 cm/ pwm
170

55.5
Kp=1.2 =10.25
0.04388(6.5)

Ti=2

Ecuacin 25: obtencin de Ti

Ti=2 ( 6.5 )=13

Teniendo Ti puedo obtener Ki

Kp
Ki=
Ti

Ecuacin 26: obtencin de Ki

36
10.25
Ki= =0.7881
13

Td=0.5

Ecuacin 27: obtencin de Td

Td=0.5 ( 6.5 )=3.25

Teniendo Td puedo obtener Kd

Kd=KpTd

Ecuacin 28: obtencin de Kd

Kd=10.24 ( 3.25 )=33.3

Finalmente se obtuvieron los siguientes parmetros para sintonizar por el 1er


mtodo de Zeagler-Nichols:

Kp=10.24

Ki=0.7881

Kd=33.3

37
Figura 10: Representacin en diagrama de bloques de la sintonizacin
obtenida por el 1er mtodo de Zeagler-Nichols.

Grafica 13: respuesta por el 3er mtodo de sintonizacin de Zeagler-Nichols

METODO DE SINTONIZACION POR EL METODO DE COHEN-COON

Al aplicar el mtodo se obtuvo la siguiente grfica:

38
Grafica 14: Obtencin de Vo y To

De donde se obtuvieron los siguientes datos:

To=3.9877

Vo=61.0416

Recordando que tenemos:

Salida(S): (3.9 cm 11.3cm)


Entrada (E): (0 170PWM)

6.3 Hallo la ganancia:


S
Ko=
E

Ecuacin 29: Ganancia de la funcin de transferencia.

7.5
Ko= =0.04388
170

4
Kp=Vo /KoTo ( + )
3 4 Vo

39
Ecuacin 30: obtencin de Kp

4 3.98
Kp=60.412/(0.04388)(3.98)( + )=470,8277
3 460.41

32Vo +6
13 Vo+8
()
Ti=

Ecuacin 31: obtencin de Ti

Al reemplazar obtengo:

(32 ( 61.0416 ))+6 (3.98)


Ti= =9.55
13(61.0416)+8(3.98)

Teniendo Ti puedo obtener Ki

Kp
Ki=
Ti

Ecuacin 32: obtencin de Ki

470.87
Ki= =49.3
9.5527

11 Vo+ 2
4 ToVo
Td=

Ecuacin 33: obtencin de Td

40
4(3.98)(61.0416)
Td= =1.4302
11 (61.0416)+2(3.98)

Teniendo Td puedo obtener Kd

Kd=KpTd

Ecuacin 34: obtencin de Kd

Kd=470.82 ( 1.4302 )=673.29

Finalmente se obtuvieron los siguientes parmetros para sintonizar por el mtodo


de Cohen-Coon

Kp=470.82

Ki=49,3

Kd=673,29

Figura 24: Representacin en diagrama de bloques de la sintonizacin


obtenida por el mtodo de Cohen-Coon

41
Grafica 16: respuesta por el mtodo de sintonizacin de Cohen-Coon.

METODO DE SINTONIZACION POR DAHLIN

Teniendo los parmetros ya definidos de

K=0.04388

Tao=54.94

To=3.49

Se procede a calcular los parmetros kp, ki y kd con la siguiente tabla

Figura24.b: Obtencin de kp, ki y kd por el mtodo de Dahlin.

Tao
Kp=1.2/2 K ( )

Ecuacin 30: obtencin de Kp

Al reemplazar obtenemos que

54.94
Kp=1.2/2(0.04388)( )=215.2524
3.49

42
Ti=Tao

Ecuacin 31: obtencin de Ti

Al reemplazar obtengo:

Ti=54.94

Teniendo Ti puedo obtener Ki

Kp
Ki=
Ti

Ecuacin 32: obtencin de Ki

215.2524
Ki= =3.92
954.94

Td=/2

Ecuacin 33: obtencin de Td

Td=3.49/2=1.745

Teniendo Td puedo obtener Kd

Kd=KpTd

Ecuacin 34: obtencin de Kd

Kd=215.2524 ( 1.745 )=375. .62

Finalmente se obtuvieron los siguientes parmetros para sintonizar por el mtodo


de Cohen-Coon

43
Kp=215.2524

Ki=3.92

Kd=375.62

Figura 24.b: Representacin en diagrama de bloques de la sintonizacin


obtenida por el mtodo de Dahlin.

Grafica 16: respuesta por el mtodo de sintonizacin de Dahlin.

44
Figura 25: Representacin en diagrama de bloques de las diferentes
sintonizaciones

Comparamos las sintonizaciones a un set point de 1 para observar cual seria la


mejor sintonizacion.

Grafica 17: respuesta por los diferentes mtodos de sintonizacin.

45
En base a la grfica 17 podemos establecer que:

Mp Ts(ut) Numero EES


oscilaciones
Mtodo de los 60% 500 2 0%
2 puntos
3er mtodo 10% 450 1 0%
Zeagler y
Nichols
Cohen-coon 36% 550 2 0%

Dahlin 2% 300 0 0%
Tabla 1: mrgenes de respuestas en simulacin de los 3 controladores

Podemos concluir que el mejor mtodo para sintonizar de acuerdo a los resultados
obtenidos por simulacin es el mtodo de Dahlin debido a que cuenta con un
menor mximo pico, menor tiempo de establecimiento, nulas oscilaciones y nulo
error en estado estacionario.

COMPARACION CONTROLADORES CLASICOS SIMULADOS E


IMPLEMENTADOS

1. METODO DE LOS 2 PUNTOS

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador real a


lazo cerrado:

46
Figura 26: comportamiento lazo cerrado controlador real

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador


simulado a lazo cerrado:

Figura 27: comportamiento lazo cerrado controlador simulado.

Figura 28: comparacin lazo cerrado entre controlador simulado (rojo) y real
(amarillo)

SIMULADA REAL
MP(arriba) 20% 18%
Mp(abajo) 8% 8%
Ts 400 370
EES 0% 1%
47
Tabla 2: comparacin mrgenes de respuesta controlador simulado y real

2. 3ER METODO DE ZEAGLER&NICHOLS

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador real a


lazo cerrado:

Figura 29: comportamiento lazo cerrado controlador real

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador


simulado a lazo cerrado:

Figura 30: comportamiento lazo cerrado controlador simulado

48
Figura 31: comparacin lazo cerrado entre controlador simulado (verde) y
real (azul)

SIMULADA REAL
MP(arriba) 10% 11%
Mp(abajo) 3% 3%
Ts 310 330
EES 0% 1%
Tabla 3: comparacin mrgenes de respuesta controlador simulado y real

3. METODO DE COHEN-COON

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador real a


lazo cerrado:

Figura 32: comportamiento lazo cerrado controlador real

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador


simulado a lazo cerrado:

49
Figura 33: comportamiento lazo cerrado controlador simulado.

Figura 34: comparacin lazo cerrado entre controlador simulado (rojo) y real
(amarillo)

SIMULADA REAL
MP(arriba) 15% 22%
Mp(abajo) 7% 7%
Ts 310 315
EES 0% 1%
Tabla 4: comparacin mrgenes de respuesta controlador simulado y real.

50
4. METODO DE DAHLIN.

A un setpoint de 7 obtuvimos el siguiente comportamiento en el controlador real a


lazo cerrado:

A un setpoint de 7 obtuvimos el siguiente comportamiento en el controlador


simulado a lazo cerrado:

Figura 33.b: comportamiento lazo cerrado controlador simulado.

51
Figura 33.c: comparacin lazo cerrado entre controlador simulado (rojo) y
real (amarillo)

SIMULADA REAL
MP(arriba) 2% 9%
Mp(abajo) 0% 0%
Ts 300 510
EES 0% 1.2%
Tabla 4: comparacin mrgenes de respuesta controlador simulado y real.

Se puede decir que el controlador implementado presenta disparidad en este tipo


de control (Dahlin) por diversos factores:

Lectura del sensor ultrasnico.

Potencia de la bomba (capacidad).

De acuerdo a los resultados obtenidos anteriormente se obtiene la siguiente


tabla:

Mp Ts(ut) Numero EES


oscilaciones
Mtodo de los 18% 370 2 1%
2 puntos
3er mtodo 11% 330 1 1%
Zeagler y
Nichols
Cohen-coon 22% 315 2 1%

Dahlin 9% 510 1 1.2%

52
Tabla 5: mrgenes de respuestas en implementacin real de los 3
controladores.

Podemos concluir que el mejor mtodo para sintonizar de acuerdo a los resultados
obtenidos por implementacin es el 3er mtodo de Zeagler-Nichols dado que sus
mrgenes de respuesta transitoria son mejores que los otros 3(Mtodos de los 2
puntos, Cohen Coon y Dahlin) y posee un EES igual que ellos.

MEJOR CONTROLADOR CLASICO IMPLEMENTADO

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador real a


lazo cerrado:

Figura 29: comportamiento lazo cerrado controlador real

A un setpoint de 8 obtuvimos el siguiente comportamiento en el controlador


simulado a lazo cerrado:

53
Figura 30: comportamiento lazo cerrado controlador simulado

Figura 31: comparacin lazo cerrado entre controlador simulado (verde) y


real (azul)

SIMULADA REAL
MP(arriba) 10% 11%
Mp(abajo) 3% 3%
Ts 310 330
EES 0% 1%
Retomando Tabla 3: comparacin mrgenes de respuesta controlador
simulado y real

54
7. CONTROLADORES OPTIMOS

METODO DE AJUSTE AL MODULO OPTIMO (MO)

Figura 32: mrgenes de respuesta transitoria del mtodo de ajuste al mdulo


optimo

Dado que nuestra planta es de primer orden se realiza en base a las siguientes
ecuaciones

55
Figura 33: ecuaciones para obtencin de Ti y beta

Ti=2 Ks y =

Ecuacin 35: obtencin Ti y para modulo optimo

Teniendo que Ks=k=0.04388

Y = =54.94

Hallamos Ti=2(0.4388) (54.94) =4.812744

Hallamos D(s) que se igual a

1
D(s)=
Tis

Ecuacin 35: obtencin D(s) para modulo optimo

1
D(s)=
4.812744 s

Y calculamos los mrgenes de respuesta transitoria en base a la figura 16


quedndonos que

Tr=4.7 (54.94) =258.218s

Ts=8.4 (54.94) =461.496

Mp=4.3%

56
Representamos el lazo cerrado junto con su salida en simulink

Figura 34: lazo cerrado del mdulo ptimo

Figura 35: respuesta en lazo cerrado para el mtodo de modulo optimo (set
point de 1)

IMPLEMENTACION CONTROL PTIMO

A un setpoint de 7 obtuvimos el siguiente comportamiento en el controlador real a


lazo cerrado:

57
Figura 36: comportamiento lazo cerrado controlador ptimo real

A un setpoint de 7 obtuvimos el siguiente comportamiento en el controlador


simulado a lazo cerrado:

Figura 37: respuesta en lazo cerrado para el mtodo de modulo optimo (set
point de 7)

58
Figura 38: comparacin lazo cerrado entre controlador simulado (roja) y real
(amarilla)

SIMULADA REAL
MP(arriba) 4% 5%
Mp(abajo) 0% 6%
Ts 570 580
EES 0% 3%
Tabla 6: comparacin mrgenes de respuesta controlador optimo simulado
y real.

METODO DE AJUSTE PTIMO LINEAL (OL)

59
Figura 39: mrgenes de respuesta transitoria del mtodo de ajuste optimo
lineal

Dado que nuestra planta es de primer orden se realiza en base a las siguientes
ecuaciones

Figura 40: ecuaciones para obtencin de Ti y beta

Ti=4 Ks y =

Ecuacin 36: obtencin Ti y para modulo optimo lineal

Teniendo que Ks=k=0.04388

Y = =54.94

Hallamos Ti=4(0.4388) (54.94) =9.625488

Hallamos D(s) que se igual a

1
D(s)=
Tis

Ecuacin 37: obtencin D(s) para modulo optimo lineal

1
D(s)=
9.625488 s

Y calculamos los mrgenes de respuesta transitoria en base a la figura 16


quedndonos que

60
Ts=11.7.4 (54.94) =642.798

Mp=0%

Representamos el lazo cerrado junto con su salida en simulink

Fig
ura 41: lazo cerrado del mdulo ptimo lineal

Figura 42: respuesta en lazo cerrado para el mtodo de modulo optimo lineal
(set point de 1)

IMPLEMENTACION CONTROL PTIMO LINEAL

A un setpoint de 7 obtuvimos el siguiente comportamiento en el controlador real a


lazo cerrado:

61
Figura 43: comportamiento lazo cerrado controlador ptimo lineal real

A un setpoint de 7 obtuvimos el siguiente comportamiento en el controlador


simulado a lazo cerrado:

Figura 44: respuesta en lazo cerrado para el mtodo de modulo optimo lineal
(set point de 7).

62
Figura 45: comparacin lazo cerrado entre controlador simulado (roja) y real
(amarilla).

SIMULADA REAL
MP(arriba) 0% 0%
Mp(abajo) 0% 0%
Ts 760 730
EES 0% 1.3%
Tabla 7: comparacin mrgenes de respuesta controlador ptimo lineal
simulado y real.

COMPARAR MARGENES DE RESPUESTA TRANSITORIA Y EES DE LOS


CONTROLADORES (OPTIMOS)

Mp Ts(ut) Numero EES


oscilaciones
Control optimo 5% 580 0 3%
Control optimo 0% 730 0 1.3%
lineal
Tabla 8: comparacin mrgenes de respuesta controlador ptimo y ptimo
lineal implementados.

El mejor controlador ptimo es el lineal dado que no posee sobreimpulso y cuenta


con un menor error en estado estacionario comparando las implementaciones
realizadas entre ambos controladores ptimos.

63
COMPARAR MARGENES DE RESPUESTA TRANSITORIA Y EES DE LOS
MEJORES CONTROLADORES IMPLEMENTADOS (CLASICO Y OPTIMO)

Mp Ts(ut) Numero EES


oscilaciones
Control optimo 0% 730 0 1.3%
lineal
3er mtodo de 11% 330 1 1%
Zeagler y
Nichols

Tabla 9: comparacin mrgenes de respuesta mejor controlador ptimo y


clsico implementados.

Al comparar los mrgenes de respuesta entre los dos controladores con mejor
comportamiento ya sea el clsico (3er mtodo de Zeagler & Nichols) y el
controlador optimo lineal se concluye que el mejor controlador es el control clsico
mediante el tercer mtodo de Zeagler and Nichols debido a que a pesar de que
cuenta con un mximo pico, mayor nmero de oscilaciones con respecto al control
optimo lineal, su tiempo de establecimiento es mucho menor a pesar de los
defectos anteriormente mencionados y presenta menor error en estado
estacionario.

MARGENES DE RESPUESTAS PERFILADOS PARA EL CONTROL


INTELIGENTE.

PERFIL DEL CONTROL INTELIGENTE.

TS<TS en controlador optimo (200ut)

Mp=0%

Nmero de oscilaciones=0

EES=0.5%

64
Figura 46: comparacin entre el perfil del control inteligente y el control
optimo lineal.

65
8. CONTROL INTELIGENTE: CONTROL PD FUZZY.

La tcnica utilizada para la realizacin del control inteligente es la lgica difusa


mediante la sintonizacin de un controlador PD difuso o FUZZY. La seleccin de
esta tcnica se justifica por las siguientes razones:

Los sistemas de control mediante lgica difusa brindan salidas de una


forma veloz y precisa, disminuyendo las transiciones de estados
fundamentales en el entorno fsico.

Establecen relaciones entre las entradas y las salidas sin tener en cuenta
todas las variables que forman parte del proceso, permitiendo controlar
sistemas de forma ms confiable y estable.

A partir del conocimiento del comportamiento del mejor controlador clsico


(tercer mtodo de Ziegler and Nichols) es posible conocer los valores que
asume el error, el delta del error y el mando, por lo que se hace posible
obtener de una forma comoda las variables lingsticas difusa del sistema
tanto de entrada como de salida.

A partir del conocimiento del comportamiento del mejor controlador clsico


(tercer mtodo de Ziegler and Nichols) es posible conocer los valores que
asume el error, el delta del error y el mando por lo que se hace posible
establecer de forma comoda las reglas difusas para permitir converger el
sistema mediante su correcta activacin.

En general los controladores PI y PD difusos son ms sencillos de aplicar


que los controladores PID y presentan mejores resultados debido a que
existe una baja probabilidad de que presenten cruces de condiciones que
desestabilicen la accin de control.

Para la sintonizacin de un controlador PD Fuzzy usamos como modelo patrn el


mejor controlador obtenido, correspondiente al controlador clsico mediante el
tercer mtodo de Ziegler and Nichols presente en la siguiente simulacin, donde
extraemos los valores del error, el delta del error y el mando para un valor de
convergencia correspondiente a 7 cm.

66
Figura 47: Diagrama de bloques del control clsico mediante el tercer
mtodo de Ziegler and Nichols.

Figura 48: Comportamiento del error para un valor de convergencia de 7.

67
Figura 49: Comportamiento del delta del error para un valor de convergencia
de 7.

Figura 49: Comportamiento del mando para un valor de convergencia de 7.

Conociendo los valores correspondientes del sistema del error, el delta del error y
el mando, procedemos a organizarlos en la siguiente tabla para poder establecer
las reglas de forma comoda:

Tabla 10: Valor del mando correspondiente a los valores del error y del delta
de error.

Tabla 11: Variables lingsticas para la entrada del error.

68
Tabla 12: Variables lingsticas para la entrada del delta del error.

Tabla 13: Variables lingsticas para la salida del mando.

Con las variables lingsticas definidas para las entradas y las salidas del sistema,
se plantea el siguiente conjunto de reglas difusas a partir de las funciones de
membresa:

Figura 50: Funcin de membresa para la entrada del error.

Figura 51: Funcin de membresa para la entrada del delta del error.

69
Figura 52: Funcin de membresa para la salida del mando.

Figura 53: Sistema de reglas difusas para el controlador PD FUZZY.

Recordamos que la estructura para un controlador difuso presenta la forma:

Figura 54: Diagrama de bloques general de un controlador difuso.

Representando el diagrama en Simulink mediante el software de Matlab:

70
Figura 55: Diagrama de bloques general en Simulink de un controlador PD
difuso.

Los resultados obtenidos de la simulacin del controlador PD difuso arrojan los


siguientes resultados correspondientes al comportamiento del sistema de reglas,
superficie difusa y convergencia del sistema:

Figura 56: Comportamiento del conjunto de reglas difusas para una entrada
de error= 1.5 y delta de error=1.

Figura 57: Superficie difusa del sistema ante las entradas error y delta del
error en 2D.

71
Figura 58: Superficie difusa del sistema ante las entradas error y delta del
error en 3D.

Figura 59: Respuesta simulada obtenida por el controlador difuso PD, con un
valor deseado de 7.

Mp Ts(ut) Numero EES


oscilaciones
Control PD 0% 75 0 0%
FUZZY
SIMULADO
Tabla 14: Mrgenes de respuesta transitoria y error de estado estacionario
para lazo cerrado simulado del controlador PD difuso.

72
Para implementar el controlador PD Fuzzy se us el software de Labview,
generando el siguiente diagrama de programacin:

Figura 60: Diagrama en bloques de programacin para el controlador PD


Fuzzy.

El resultado obtenido en la toma de datos para el lazo cerrado real del controlador
PD difuso fue:

Figura 61: Respuesta real obtenida por el controlador difuso PD, con un
valor deseado de 7.

Mp Ts(ut) Numero EES

73
oscilaciones
Control PD 0% 70 0 0%
FUZZY REAL
Tabla 15: Mrgenes de respuesta transitoria y error de estado estacionario
para lazo cerrado real del controlador PD difuso.

El perfil del controlador inteligente que se haba planificado posea las siguientes
caractersticas:

PERFIL DEL CONTROL INTELIGENTE.

TS<TS en controlador optimo (200ut)

Mp=0%

Nmero de oscilaciones=0

EES=0.5%

Como se puede comprobar el lazo cerrado real del controlador PD difuso cumple
los requisitos de mximo pico, y nmero de oscilaciones. Adems, responde con
un menor tiempo de establecimiento (130 unidades antes de tiempo) y con menor
error de estado estacionario (0% con respecto a 0.5%).

Figura 62: Comparacin de los lazos cerrados real y simulado para el


controlador PD Fuzzy.
Mp Ts(ut) Numero EES

74
oscilaciones
Control PD 0% 70 0 0%
FUZZY REAL
Control PD 0% 75 0 0%
FUZZY
SIMULADO
Tabla 16: Comparacin entre los mrgenes de respuesta transitoria y error
de estado estacionario para lazo cerrado real y simulado del controlador PD
difuso.

A partir de los valores obtenidos en la tabla nmero 16 se puede concluir que el


lazo cerrado simulado y el lazo cerrado real se parecen lo cual demuestra una
buena implementacin de un controlado PD Fuzzy.

Mp Ts(ut) Numero EES


oscilaciones
Control PD 0% 70 0 0%
FUZZY REAL
CONTROL 3 11% 330 1 1%
Mtodo de
Ziegler and
Nichols
Tabla 17: Comparacin entre los mrgenes de respuesta transitoria y error
de estado estacionario para lazo cerrado real del controlador PD Fuzzy
contra el control clsico mediante el tercer mtodo de Ziegler a Nichols.

A partir de los valores obtenidos en la tabla nmero 17 se puede concluir que el


controlador PD difuso no presenta mximo pico con respecto al tercer mtodo de
Ziegler and Nichols (que es del 11%), reduce notablemente el tiempo de
convergencia (de 330 a 70 unidades de tiempo), elimina por completo el nmero
de oscilaciones y el error en estado estacionario (de 1% a 0%).

75
9. CONCLUSIONES

Antes de empezar a identificar, debemos tomar varias datas de nuestro proceso


en lazo abierto, de esta forma podemos garantizar que la data promedio,
contenga todos los valores de las muestras tomadas con la menor desviacin
posible como observamos en la figura 9.

Como se observa en la figura 10 y 11 se observa que la desviacion estandar


entre cada una de las 7 datas tiene en promedio una desviacion de 0,52
cm,mientras que en la figura 12 y 13 en la cual se compara la data promediada
con las 3 datas de validacion los datos presentan una deviacin estandar similar
con un promedio de 0,44 cm.

Para establecer un buen proceso de sintonizacin sin importar cual mtodo se


vaya a usar es fundamental que se haya hecho una buena identificacin del
proceso, por eso se recomiendo hacer varias identificaciones mediante mtodos
diferentes, para posteriormente seleccionar el mejor modelo posible, como
veremos en la grfica 8 y figuras 20, 21 y 22

No solo basta con obtener una buena identificacin, tambin debemos hacer
una buena sintonizacin, para eso es recomendable realizar varias
sintonizaciones mediante mtodos diferentes, de esta forma podemos observar
sus caractersticas y seleccionas el mejor, como veremos en la tabla 1

Se pudo observar que la mejor sintonizacin del proceso fue la del 3er mtodo
por Zeagler-Nichols ya que su tiempo de establecimiento y sobreimpulso es
menor comparndola con las dems como se observa en la tabla 1

Se nota que el 1er mtodo de Zeagler-Nichols presenta un sobreimpulso muy


alto (aproximadamente 60%), repetidas oscilaciones como se observa en la
grfica 11

Se puede mejorar el comportamiento del controlador por el 1er mtodo de


Zeagler-Nichols si le hacemos un ajuste manual en los diferentes parmetros de
sintonizacin del controlador (Kp, ki, kd) buscando obtener una mejor
respuesta.

76
CONCLUSIONES 2 COHORTE.

Al comparar los mrgenes de respuesta entre los dos controladores con mejor
comportamiento ya sea el clsico (3er mtodo de Zeagler & Nichols) y el
controlador optimo lineal se concluye que el mejor controlador es el control
clsico.

Podemos concluir que el mejor mtodo para sintonizar de acuerdo a los


resultados obtenidos por implementacin es el 3er mtodo de Zeagler-Nichols
dado que sus mrgenes de respuesta transitoria son mejores que los otros
2(Mtodos de los 2 puntos y Cohen Coon) y posee un EES menor que ellos.

Como se puede observar en las figuras 28, 31, 34, 38 y 45 existe una pequea
disparidad procedente de la toma de la data real de los lazos cerrados, ya que
se presenta algunos picos en la lectura de los datos, teniendo como principal
causa el sensor ultrasnico y estableciendo que una posible solucin sea
aplicar un filtro.

Se espera que el controlador inteligente responda de acuerdo a los estipulado


en la figura 46 de la cual tenemos los siguientes mrgenes de respuesta:
Ts: 200 ut.
Mp=0%
EES=0.5%

CONCLUSIONES 3 COHORTE.

La tcnica utilizada para la realizacin del control inteligente es la lgica


difusa mediante la sintonizacin de un controlador PD difuso o FUZZY. La
seleccin de esta tcnica se justifica por las siguientes razones:

1. Los sistemas de control mediante lgica difusa brindan salidas de una


forma veloz y precisa, disminuyendo las transiciones de estados
fundamentales en el entorno fsico.

77
2. Establecen relaciones entre las entradas y las salidas sin tener en cuenta
todas las variables que forman parte del proceso, permitiendo controlar
sistemas de forma ms confiable y estable.

3. A partir del conocimiento del comportamiento del mejor controlador clsico


(tercer mtodo de Ziegler and Nichols) es posible conocer los valores que
asume el error, el delta del error y el mando, por lo que se hace posible
obtener de una forma comoda las variables lingsticas difusa del sistema
tanto de entrada como de salida.

4. A partir del conocimiento del comportamiento del mejor controlador clsico


(tercer mtodo de Ziegler and Nichols) es posible conocer los valores que
asume el error, el delta del error y el mando por lo que se hace posible
establecer de forma comoda las reglas difusas para permitir converger el
sistema mediante su correcta activacin.

5. En general los controladores PI y PD difusos son ms sencillos de aplicar


que los controladores PID y presentan mejores resultados debido a que
existe una baja probabilidad de que presenten cruces de condiciones que
desestabilicen la accin de control.

A partir de las figuras 48,49 y 50 podemos conocer los valores que asume las
entradas del sistema del error y el delta del error, y las salidas del mando. Al
conocer las entradas y las salidas es posible a partir de las tablas 10, 11, 12
y 13 construir las funciones de membresa que son mostradas en la figura
50, 51 y 42.

El sistema de reglas difusas planteadas en la figura 53 deben tener una


correcta activacin para permitir la convergencia del sistema y adems sus
resultados pueden ser comprobados a travs de la superficie difusa
mostrada en la figura 57 y 58.

Como se puede comprobar el lazo cerrado real del controlador PD difuso


cumple los requisitos de mximo pico, y nmero de oscilaciones. Adems,
responde con un menor tiempo de establecimiento (130 unidades antes de
tiempo) y con menor error de estado estacionario (0% con respecto a 0.5%).

78
A partir de los valores obtenidos en la tabla nmero 17 se puede concluir que
el controlador PD difuso no presenta mximo pico con respecto al tercer
mtodo de Ziegler and Nichols (que es del 11%), reduce notablemente el
tiempo de convergencia (de 330 a 70 unidades de tiempo), elimina por
completo el nmero de oscilaciones y el error en estado estacionario (de 1%
a 0%).

10. BIBLIOGRAFA

Para la realizacin del presente trabajo se establecieron las siguientes fuentes de


informacin:

Katsuhiko Ogata. Ingeniera de control, quinta edicin.

Carlos Smith. Control automtico de procesos.

Ziegler, J. G, Nichols, N.B., "Optimum settings for automatic controllers",


Trans.ASME, vol. 64, pp. 759-768, 1942.

Cohen, G.H., Coon, G.A. "Theoretical consideration of retarded control",


Trans. ASME vol. 75, pp.827-834, 1953.

Netushil at al. Theory of Automatic Control, Mir, Moscow 1978.

Chien, K.L., Hrones, J.A., Reswick, J.B., "On the automatic control of
generalized passive systems", Trans. ASME, 74, 175, 1952.

strm, K.J., Hgglund, T., PID Control Theory, Design and Tuning,
Instrument Society of America, Research Triangle Park, NC, 2nd ed., 1995.

Levine, W.S. ed., The control handbook, CRC Press, 1995

79