Servicios

S0718-07642004 http://w w w .sciel

S0718-07642004 http://w w w .sciel

S0718-07642004 http://w w w .sciel

Servicios personalizados

Articulo en XML

Referencias del artculo

Como citar este artculo

Citado por SciELO

Citado por Google

Similares en SciELO

Similares en Google

Traduccin automtica

Enviar articulo por email

Informacin tecnolgica
versin On-line ISSN 0718-0764

Inf. tecnol. v.15 n.3 La Serena 2004

doi: 10.4067/S0718-07642004000300007
Informacin Tecnolgica-Vol. 15 N 3-2004, pgs.: 45-52

LGICA DIFUSA Y REDES NEURONALES

Control Difuso de Flujo de Fluidos en una Estacin de

Laboratorio

Fluid Flow Fuzzy Control of a Laboratory Station

A.J. Castro-Montoya1, F. Vera-Monterrosas2 y J.A. Quintana-Silva2

(1) Univ. Michoacana de San Nicols de Hidalgo, Fac. de Ingeniera Qumica,

Noruega N 172, Villa Universidad, 58060 Morelia, Michoacn-Mxico (e-mail:
ajcastro@zeus.umich.mx)

(2) Inst. Tecnolgico de Orizaba, pisin de Estudios de Posgrado e Investigacin,

Av. Tecnolgico N 852, Emiliano Zapata, Orizaba, Veracruz-Mxico

Resumen

Se dise un controlador de lgica difusa (CLD) para regular el flujo de fluidos en

una estacin de laboratorio. Para medir el desempeo del CLD se ejecutaron
diferentes tipos de pruebas, comparando sus resultados con los obtenidos utilizando
un PID convencional. El controlador de lgica difusa obtuvo mejores resultados en
la respuesta al escaln, lo que implica que este puede utilizarse en el arranque de
plantas. Para perturbaciones tipo escaln, pero inversa, el PID no es capaz de
seguir la referencia, debido a la no-linealidad del proceso mientras que el CLD
presenta buenos resultados. Para perturbaciones tipo rampa, el PID presenta un
mejor seguimiento a las rampas que el CLD, ya que su comportamiento es lineal.
Con respecto a los mtodos de inferencia difusa no se observ una diferencia
significativa. Se concluye que no existe una gran diferencia en utilizar cualquiera de
los mtodos de inferencia, sobre todo si el punto de referencia tiene segmentos
constantes.

Abstract

A fuzzy controller was designed (CLD) to regulate the fluid flow in laboratory
station. In order to measure the performance of the CLD, different types of tests
were applied and their results were compared with the results using a conventional
PID. The fuzzy controller obtained better results in response to stepping, from
which we concluded that this could be used in plant startups. For inverse step-type
disturbances, the PID is not able to follow the reference, due to the non-linearity of
the process, while the CLD produced good results. For ramp type disturbances, the
PID showed better tracking of the ramps than the CLD, since its behavior is linear.
A significant difference was not observed when using the fuzzy inference method. It
is concluded that there is no major difference in the use of these inference
methods, especially if the reference point has constant segments.

Keywords: flow control, controller design, fuzzy systems, inference method, PID
controller

INTRODUCCIN

Tradicionalmente los procesos industriales han sido controlados utilizando tcnicas

de control convencional. Sin embargo, debido al incremento en la complejidad de
los procesos y a que stos muchas veces son mal definidos por un modelo
matemtico debido al comportamiento no lineal que pueda existir, las tcnicas
anteriores pueden presentar deficiencias para mantener bajo control al proceso y
optimizar su funcionamiento. Un medio alternativo lo representan los algoritmos de
control basados en lgica difusa, que ltimamente ha surgido como una
herramienta til para el control de procesos industriales (Fuente et al., 2002, Vera
et al., 2001, Adroer et al., 1999, Estaben et al., 1997, Stenz y Kuhn, 1995, Alex et
al., 1994). La lgica difusa (del ingls Fuzzy Logic) es una generalizacin de la
lgica clsica en donde existe una transicin continua entre lo falso y lo verdadero
que mediante principios matemticos puede servir para modelar informacin basada
en grados de membresa o pertenencia. Estos algoritmos pueden simularse y son
susceptibles de implementarse fcilmente en computadoras personales. En el
presente trabajo se disea un controlador electrnico basado en lgica difusa para
regular el flujo en una estacin de trabajo de laboratorio.

Se utiliza la experiencia y el conocimiento para caracterizar el comportamiento del

sistema, se formulan reglas difusas que describen las metas de control en trminos
de la relacin de las entradas con las salidas, se simula y se depura el diseo, para
posteriormente implantarlo en el lazo de control de flujo de la estacin de trabajo.

Para llevar a cabo la implantacin del controlador lgico difuso, se dise y

construy un mdulo o estacin de control de procesos denominado ECP2000 (Vera
et al., 1999) el cual facilita la integracin de las funciones de control mediante
interfases grficas estndar hombre-maquina.

DESCRIPCIN DEL PROCESO

El proceso consiste en el transporte de fluido (Process Satation Model, 1991) a

travs de tuberas y est formado por los siguientes elementos: un conjunto de
tuberas de PVC transparente con dimetros de 0.5 y 0.75 pulgadas con juntas
intercambiables, tubo Venturi y rotmetro, una bomba centrfuga con velocidad
variable gobernada por frecuencia, un switch que permite la seleccin entre control
manual o automtico, un transmisor de presin diferencial cuyas conexiones de
alimentacin y seal se localizan en el panel principal, vlvulas de paso tipo globo y
mariposa de 0.75 pulgadas, un tanque de suministro de fluido con capacidad de
75.7 litros y salidas de servicio para alimentacin elctrica de 120 V ca y 24 Vcd y
neumtica 0-100 psi ajustable as como una de 20 psi. Una puerta aseguradora en
la parte trasera del panel permite el acceso al regulador de 20 psi y a la insercin
de fallas, adems que provee espacio de almacenaje para conectores y manuales.
La alimentacin neumtica se realiza por medio de una manguera flexible de 0.5
pulgadas con conectores rpidos.

En la figura 1 se muestra el diagrama de instrumentacin del proceso de flujo,

donde se aprecian los elementos que lo forman as como el lazo de control
retroalimentado; en el mismo se observa la planta formada por el tanque de
suministro, la tubera, los codos y las vlvulas de paso, los elementos de medicin
como el tubo Venturi y el rotmetro, un transmisor de presin diferencial que
provee una seal de salida de 4 a 20 mA y el elemento de control que es una
bomba centrfuga con velocidad variable gobernada por frecuencia.
 Fig. 1: Diagrama de instrumentacin y lazo de control de flujo

METODOLOGA

Para el diseo e implantacin del controlador lgico-difuso (CLD) se siguieron las

siguientes etapas:

Definicin de las variables difusas y conjuntos difusos para expresar las

observaciones del proceso en el lenguaje lingstico de la lgica difusa.

Diseo de la base de reglas difusas, basadas en los operadores y expertos en el

proceso a utilizar. Se escribieron primero las reglas obvias y posteriormente las
reglas restantes.

Edicin de los puntos anteriores (estrategia de control difuso) utilizando la

herramienta de lgica difusa de MATLAB (Gulley y Jang 1995). Guardar la unidad de
inferencia difusa en la hoja de trabajo de MATLAB para posteriormente generar su
bloque en simulink.

Optimizacin el sistema. Se sintonizan las reglas y/o se modifican los conjuntos de

entrada/salida para lograr la estabilidad y la adaptabilidad del proceso. Se utiliza la
herramienta simulink de MATLAB junto con los bloques de entrada/salida de la
ECP2000.

VARIABLES, CONJUNTOS Y REGLAS DIFUSAS

La definicin de variables consiste en establecer los rangos (universo de discurso)

de cada una de las variables de entrada y salida en unidades de ingeniera, adems
de definir el nmero de funciones de membresa o conjuntos difusos de las mismas.
No existe una regla para definir el nmero de funciones de membresa, slo la
experiencia y el anlisis de la respuesta de control deseada darn la pauta para esta
eleccin.

Uno de los objetivos de control es la adaptabilidad del sistema, por lo cual se decide
utilizar una entrada como la referencia y as el sistema de control difuso pueda
tener un mejor seguimiento de tal variable. Se utilizan las variables de error y
cambio de la variable medida, como seales de entrada obvias que tienen que ver
con el comportamiento transitorio y la estabilidad del sistema. Como variable de
control, una seal de salida de 4 a 20 mA que gobierna el elemento final de control
(bomba centrfuga). Se decidi usar las entradas en unidades de galones por
minuto (gpm) y la salida en unidades de miliamperes (mA), ya que el modelo se
obtuvo bajo estas consideraciones. En la tabla 1 se muestran las variables difusas,
el universo de discurso y el nmero de funciones de membresa (FM) utilizados.

Tabla 1: Definicin del universo de discurso de las variables de entrada y

salida.

Universo Unidades
Variable Etiqueta Tipo de de No.deFM
Discurso ingeniera
Seal de error error Entrada -9 a 9 gpm 3
Referencia referencia Entrada 0 a 10 gpm 10
Seal de cambio
de la variable cerror Entrada -1 a 1 - 3
medida
 Variable de
vcontrol Salida 4 a 20 m 10
control

La definicin de los conjuntos difusos, es la subpisin del universo de discurso de la

variable en regiones geomtricas, stas pueden tener forma triangular, trapezoidal,
singlenton (impulso difuso), gaussiana, entre otras y deben ser identificados con
nombres difusos. Las figuras 2, 3, 4 y 5 muestran los conjuntos difusos de cada una
de las variables definidas, donde la notacin se establece en los trminos mostrados
en la tabla 2.

Tabla 2: Definicin en trminos lingsticos de los conjuntos difusos

NP Negativo pequeo negativa Cambio negativo

CE Cero cero No cambia
PP Positivo pequeo positiva Cambio positivo
mf1 Referencia a 1 gpm mf6 Referencia a 6 gpm
mf2 Referencia a 2 gpm mf7 Referencia a 7 gpm
mf3 Referencia a 3 gpm mf8 Referencia a 8 gpm
mf4 Referencia a 4 gpm mf9 Referencia a 9 gpm
mf5 Referencia a 5 gpm mf10 Referencia a 10 gpm

Fig. 2: Conjuntos difusos para la variable "error".

Fig. 3: Conjuntos difusos para la seal de "referencia".

Fig. 4: Conjuntos difusos para la variable "cerror".

Fig. 5: Conjuntos difusos para la variable "vcontrol"

Para este sistema se proponen 35 reglas difusas de un total de 900 posibles (9
reglas para cada conjunto de referencia, por 10 de los conjuntos de salida). Las
reglas que se dictan son las obvias (1 al la 8) y las que garanticen la estabilidad y el
control del sistema: de la 9 a la 24 que impactan por debajo de la referencia y las
reglas que infieren por encima de la referencia de la 25 a la 35. En la tabla 3 se
puede apreciar las reglas que se disearon para el sistema de control de flujo.

Tabla 3: Conjunto de reglas difusas.

REGLA
1. If [error is CE] and [referencia is mf3] and [cerror is cero] then
[vcontrol is mf3]
2. If [error is CE] and [referencia is mf4] and [cerror is cero] then
[vcontrol is mf4]
3. If [error is CE] and [referencia is mf5] and [cerror is cero] then
[vcontrol is mf5]
4. If [error is CE] and [referencia is mf6] and [cerror is cero] then
[vcontrol is mf6]
5. If [error is CE] and [referencia is mf7] and [cerror is cero] then
[vcontrol is mf7]
6. If [error is CE] and [referencia is mf8] and [cerror is cero] then
[vcontrol is mf8]
7. If [error is CE] and [referencia is mf9] and [cerror is cero] then
[vcontrol is mf9]
8. If [error is CE] and [referencia is mf10] and [cerror is cero] then
[vcontrol is mf10]
9. If [error is PP] and [referencia is mf3] and [cerror is positive] than
[vcontrol is mf3]
10. If [error is PP] and [referencia is mf3] and [cerror is negativa] then
[vcontrol is mf1]
11. If [error is PP] and [referencia is mf4] and [cerror is positive] then
[vcontrol is mf4]
12. If [error is PP] and [referencia is mf4] and [cerror is negativaj then
[vcontrol is mfl]
13. If [error is PP] and [referencia is mf5] and [cerror is positive] then
[vcontrol is mf7]
14. If [error is PP] and [referencia is mf5] and [cerror is negativa] then
[vcontrol is mf5]
15. If [error is PP] and [referencia is mf6] and [cerror is positive] then
[vcontrol is mf8]
16. If [error is PP] and [referencia is mf6] and [cerror is negativa] then
[vcontrol is mf6]
17. If [error is PP] and [referencia is mf7] and [cerror is positive] then
 [vcontrol is mf9]
18. If [error is PP] and [referencia is mf7] and [cerror is negativa] then
[vcontrol is mf7]
19. If [error is PP] and [referencia is mf8] and [cerror is positive] then
[vcontrol is mf10]
20. If [error is PP] and Ireferencia is mf8] and [cerror is negativa] then
[vcontrol is mf7]
21. If [error is PP] and [referencia is mf9] and [cerror is positiva] than
[vcontrol is mf10]
22. If [error is PP] and [referencia is mf9] and [cerror is negativa] then
[vcontrol is mf10]
23. If [error is PP] and [referencia is mf10] and [cerror is positiva] then
[vcontrol is mf10
24. If [error is PP] and [referencia is mf10] and [cerror is negativa] then
[vcontrol is mf9]
25. If [error is NP] and [referencia is mf3] then [vcontrol is mfl]
26. If [error is NP] and [referencia is mf4] then [vcontrol is mf2]
27. If [error is NP] and [referencia is mf5] and [cerror is negativa] then
[vcontrol is mf4]
28. If [error is NP] and [referencia is mf5] and [cerror is positiva] then
[vcontrol is mf2]
29. If [error is NP] and [referencia is mf6] and [cerror is negativa] then
[vcontrol is mf7]
30. If [error is NP] and [referencia is mf6] and [cerror is positiva] then
[vcontrol is mfl]
31. If [error is NP] and [referencia is mf7] then [vcontrol is mf6]
32. If [error is NP] and [referencia is mf8] and [cerror is negativa] then
Ivcontrol is mf9]
33. If [error is NP] and [referencia is mf8] and [cerror is positiva] then
[vcontrol is mf5]
43. If [error is NP] and [referencia is mf9] then [vcontrol is mf8]
35. If [error is NP] and [referencia is mf10] than [vcontrol is mf10]

ESQUEMAS DE CONTROL

Con el objeto de comparar el comportamiento en lazo cerrado de ambos

controladores (PID y CLD) ante cambios en la referencia y seales de perturbacin,
el controlador PID ha sido sintonizado bajo el mtodo de respuesta transiente
(Ziegler y Nichols 1942); posteriormente se realiz una sintona fina en lnea, de
modo que el sistema de lazo cerrado no exhiba un sobrepico demasiado alto y
adems presentara una respuesta rpida. Se utiliz un bloque PID tomado de una
librera de Simulink (2001).

Las pruebas se realizaron fsicamente sobre el proceso. Se utilizaron tiempos de

muestreo iguales, de 1 segundo, en el algoritmo de solucin del esquema de control
difuso y el controlador PID. En forma independiente de la ejecucin de cada prueba,
con la informacin ya generada para la variable medida se obtiene el valor de la
seal del error y posteriormente se obtiene el criterio de la integral del error
cuadrtico (CIEC). Con sto se puede hacer una comparacin directa entre los
valores obtenidos del CIEC de ambos sistemas de control. En las figuras 6 y 7 se
presentan los esquemas de control generados por simulink para las dos
alternativas.

Fig. 6: Esquema de control utilizando algoritmos de control difuso.

Fig. 7: Esquema de control utilizando estrategia PID.

Ambos esquemas de control fueron sometidos a diferentes pruebas: Escaln, tanto

positivo como negativo, combinada (secuencia de escalones con rampas) y una
seal de perturbacin que consiste: en cerrar parcialmente (3 vueltas), en tiempo
de simulacin (tsim) =50 unidades de simulacin, la vlvula V-4 (Fig. 1).
Posteriormente, dejar transcurrir el tiempo de simulacin y en tsim=75 unidades de
simulacin abrir la vlvula rpidamente.

RESULTADOS Y DISCUSION

En las figuras 8, 9, 10 y 11 se muestran las respuestas transitorias en lazo cerrado

para cada una de las pruebas y en las tablas 4, 5 ,6 y 7 se presentan sus
respectivos valores de CIEC.

El controlador de lgica difusa (CLD) obtuvo buenos resultados en la respuesta al

escaln de 5 a 8 gpm y de 3 a 5 gpm. De lo cual se concluye que el CLD puede
utilizarse en el arranque de la planta. El controlador difuso, en este tipo de
situaciones (fase no-mnima), hace que la planta se comporte mejor.

Fig. 8: Respuesta de los controladores ante un escaln de 3 a 5 gpm.

Fig. 9: Respuesta de los controladores ante una entrada escaln de 8 a 5

 gpm.

Fig. 10: Respuesta de los controladores ante una entrada combinada.

Fig. 11: Respuesta de los controladores ante una

perturbacin aplicado a un tiempo de 50 unidades.

En la prueba a una seal de entrada combinada (escaln-rampa), los resultados con

el controlador PID fueron ligeramente mejores. De lo cual se concluye que el PID
tiene un mejor seguimiento a la rampa que el CLD, ya que ste presenta un
comportamiento lineal.

Tabla 4: Resultados obtenidos ante un escaln de 3 a 5 gpm.

Tiempo de Tiempo de Tiempo de

Controlador CIEC
Int. Ejec. Sim.
 2 min. y 35
PID 0.0120 200 unidades 32,1748
seg.
2 min. y 35
Sugeno 0.0026 200 unidades 32,6272
seg.
2 min. y 35
Mamdani 0.0040 200 unidades 36,1053
seg.

Tabla 5: Resultados obtenidos ante un escaln de 8 a 5 gpm.

Tiempo de Tiempo de Tiempo de

Controlador CIEC
Int. Ejec. Sim.
PID 0.0120 18 segundos 20 unidades 33,2096
Sugeno 0.0025 18 segundos 20 unidades 10,7642
Mamdani 0.0040 18 segundos 20 unidades 11,8761

Tabla 6: Resultados obtenidos ante una perturbacin combinada.

Tiempo de Tiempo de Tiempo de

Controlador CIEC
Int. Ejec. Sim.
2 min. Y 35
PID 0.0120 200 unidades 32,1748
seg.
2 min. Y 35
Sugeno 0.0026 200 unidades 32,6272
seg.
2 min. Y 35
Mamdani 0.0040 200 unidades 36,1053
seg.

Tabla 7: Resultados obtenidos ante una perturbacin en la vlvula V-3

Tiempo de Tiempo de Tiempo de

Controlador CIEC
Int. Ejec. Sim.
1 min. Y 35
PID 0.0120 100 unidades 28,0169
seg.
1 min. Y 35
Sugeno 0.0025 100 unidades 15,0244
seg.
1 min. Y 35
Mamdani 0.0041 100 unidades 15,7090
seg.
Una de las pruebas que llam la atencin fue la de excitar al sistema con una seal
escaln inversa. Esta seal consisti en hacer un cambio en la referencia de 8 a 5
gpm. Los resultados que se obtuvieron para el PID fueron al principio
desconcertantes, pues se esperaba un buen seguimiento. De lo cual se puede
concluir que debido a la histresis del sistema, el PID responde de forma diferente.
No as el CLD, el cual se adapta a la no-linealidad del mismo.

De las pruebas realizadas con seales de disturbio, en la que consiste en cerrar la

vlvula V-4, el CLD fue el que obtuvo mejores resultados.

CONCLUSIONES

En el presente trabajo de investigacin se dise e implant un controlador basado

en la lgica difusa, para la estacin de trabajo de flujo de "Lab-Volt modelo 3502".
Con el propsito de comparar el desempeo del CLD, se dise e implant un
controlador convencional PID tomado de las libreras de simulink de MATLAB.

El desarrollo del controlador difuso es "relativamente sencillo", dado que se cuenta

con una metodologa definida que permite identificar las partes que constituyen la
solucin del problema de control. Por otra parte, se cuenta con el software
adecuado para la estrategia de control difuso (toolbox fuzzy logic de MATLAB,
Gulley y Jang, 1995).

Posteriormente, al llevar el CLD a la planta, slo se realizaron pequeos ajustes a

los conjuntos difusos de entrada y salida, para adecuarlos a los requerimientos de la
misma. No ocurri as con el controlador PID, el cual se tuvo que ajustar en forma
distinta; en la simulacin se utiliz el mtodo de lmite de estabilidad y en la
implantacin el mtodo de respuesta transitoria, ambos de Ziegler-Nichols; debido
a que la planta presenta un comportamiento no-lineal y el PID convencional
utilizado es lineal. Los valores de los parmetros del controlador obtenidos con el
modelo dan una aproximacin a los valores finales utilizados en el controlador real.

Adicionalmente, se puede concluir que es necesario desarrollar trabajos

encaminados a optimizar el sistema de control de la variable flujo, que vayan
orientados a combinar lo mejor de los controladores difusos y los convencionales,
dado que algunas deficiencias de uno pueden ser compensadas con mejores
resultados del otro.

REFERENCIAS

Adroer, M., A. Alsina, J. Aumatell, y M. Poch, Wastewater neutralization control

based on fuzzy logic: Experimentals results, Ind. Eng. Chem. Res.: 39, 2709-2719
(1999). [ Links ]

Alex, J., U. Jumar y R. Tschepetzki, A fuzzy controller for activated sludge waste
water plants, Annual Reviews in Control: 19(0), 61-66 (1994). [ Links ]

Estaben, M., M. Polit, y J.P. Steyer, Fuzzy control for an anaerobic digester, Control
Engineering Practice: 5(9), 1303-1310 (1997). [ Links ]

Fuente, M.J., C. Robles, C., O. Casado, y F. Tadeo, Fuzzy control of a neutralization

process, Proceedings of the 2002 IEEE International Conference on Control Applica-
tions: September 18-20, 1032-1037, Glasgow, Scotland, U.K. (2002). [ Links ]

Gulley, N. y J.S. Roger Jang, Fuzzy Logic Toolbox, for use with MATLABTM, The math
Works Inc., First edition, U.S.A. (1995). [ Links ]

Process Station Model 3502-M2, Instruction Manual Mobile Flow, Lab-Volt Canada
(1991). [ Links ]

Simulink: Model-Based and System-Based Design, The math Works Inc., First
edition, U.S.A. (2001). [ Links ]

Stenz, R. y U. Kuhn, Automation of a batch distillation column using fuzzy and

conventional control, IEEE Transactions on Control Systems Technology: 3 (2), 171-
176 (1995). [ Links ]

Vera, F., J.A. Quintana, P. Quintana, M. Serna, y A.J. Castro, Control de la

temperatura de un horno elctrico con lgica difusa, Ingeniera Qumica (Uruguay)
Tercera Epoca: 20, 52-62 (2001). [ Links ]

Vera, F. y J.A. Quintana, y A. Sibaja, Sistema para el diseo y evaluacin de

controladores para procesos industriales: estacin de control de procesos ECP2000,
Reporte tcnico, prototipo para la investigacin, Instituto Tecnolgico de Orizaba,
Mxico (1999). [ Links ]

Ziegler, J.G. y N.B. Nichols, Optimum Settings for Automatic Controllers, Trans.
ASME: 64, 759 (1942). [ Links ]

2010 Centro de Informacin Tecnolgica

Casilla de Correos 724

La Serena

FonoFax: 56-51-551158

citchile@entelchile.net