Revista EIA, ISSN 1794-1237 Número 8, p. 181-193.

Diciembre 2007
Escuela de Ingeniería de Antioquia, Medellín (Colombia)

CONTROL EN CASCADA POR

MÉTODOS DIFUSOS

José David Grajales*

Daniel Felipe López*
Joaquín Emilio Muñoz*
Rigoberto Maldonado**

RESUMEN

Este artículo describe el desarrollo de un control en cascada de flujo y nivel por métodos de lógica
difusa, evaluando los algoritmos de control Mamdani y Takagi-Sugeno implementados en un sistema de
mosto para la fabricación de etanol. Los algoritmos de control fueron previamente simulados en MATLAB
y desarrollados en la plataforma de programación gráfica de LabVIEW 7.1 de National Instruments.

PALABRAS CLAVE: control difuso; control en cascada; algoritmo de control Mamdani; algoritmo
de control ��������������
Takagi-Sugeno.

ABSTRACT

This article describes the development of a flow and level cascade control by diffuse methods,
evaluating the Mamdami and Takagi-Sugeno control algorithms. They were implemented in the system for
the ethanol manufacture. The algorithms were simulated with MATLAB 5.3 and developed in the graphical
programming environment of LabVIEW 7.1, National Instruments.
KEY WORDS: fuzzy control; cascade control; Mamdani control algorithm; Takagi-Sugeno ��������
control
algorithm�.

* Ingeniero en Instrumentación y Control, Politécnico Colombiano Jaime Isaza Cadavid. josedg1984@gmail.com;

daniel_lopez_montes@yahoo.es; uaco1781@yahoo.es

** Ingeniero Especialista en Automatización Industrial, Universidad de Antioquia. Profesor, Escuela de Ingeniería de

Antioquia. ribemat@yahoo.es

Artículo recibido 13-IV-2007. Aprobado 28-XI-2007

Discusión abierta hasta junio de 2008
 Control en cascada por métodos difusos
1. INTRODUCCIÓN
En las últimas décadas, y de modo creciente
con el tiempo, el desarrollo de la técnica de control
automático se ha caracterizado por los esfuerzos
encaminados a perfeccionar la operación de los
procesos productivos, de modo que exhiban la
mejor calidad posible en su comportamiento. Esto
supone la necesidad de abordar teórica y práctica-
mente sistemas con mayor complejidad, la cual se
manifiesta en las descripciones matemáticas, criterios
de comportamiento, así como en la elaboración y
ejecución de acciones conducentes a alcanzar ese
comportamiento deseado, basado en el diseño de
controladores convencionales, adaptativos y evolu-
tivos, en la inteligencia artificial, entre otros.
En la actualidad progresa el desarrollo de
algoritmos más complejos para el control de dichos
procesos y ello requiere técnicas más avanzadas
entre las cuales la más importante es la lógica difusa.
Ésta se clasifica como parte de la inteligencia artifi-
cial, ya que es una forma de razonamiento lógico que
permite incorporar en la automatización esquemas
de razonamiento propios del hombre, es decir, un
controlador difuso típico infiere los consecuentes
de un conjunto de reglas según conocimiento que
el operador tenga del proceso; el razonamiento se
puede realizar en paralelo y se obtiene como resul-
tado una sencilla suma lógica.
En este trabajo se desarrolla una serie de algo-
ritmos de control por técnicas de lógica difusa, con la
cual se logra realizar un eficiente control en cascada
de flujo y nivel, tomando como variable principal o
primaria el nivel y como secundaria el flujo.
Inicialmente se identificó el sistema por méto-
dos no paramétricos, utilizando la curva de reacción
de la planta ante una excitación a la entrada del
sistema. De este modo se obtuvo un modelo de
primer orden y otro de segundo orden para flujo, y
para nivel un modelo de orden uno, ya que este se
comporta como una planta puramente capacitiva.
182
Para diseñar los controladores que regulan el sistema
se utilizaron ecuaciones en diferencias que fueron si-
muladas con MATLAB. Los controladores con mejor
desempeño fueron seleccionados e implementados
posteriormente en LabVIEW.
Para seleccionar los mejores controladores se
hace énfasis de manera minuciosa en las parejas de
controladores. Esto garantiza que el ciclo interno sea
el que regule las perturbaciones y así no trasciende
al ciclo primario.
Este artículo está organizado de la siguiente
forma: en la sección 2 se plantean la identificación
del sistema; en la sección 3, el diseño de controlado-
res; en la sección 4, la simulación del sistema; en la
sección 5, la implementación y funcionamiento de
los algoritmos, la 6 muestra el análisis de resultados
y la 7 contiene las conclusiones.
2. IDENTIFICACIÓN DEL
SISTEMA EN CASCADA
DE FLUJO Y NIVEL
Se denomina identificación a la técnica de
construir un modelo a partir de las variables medidas
del proceso: entradas o variables de control, salidas
o variables controladas y posibles perturbaciones.
Se deben dejar claros varios aspectos en cuan-
to a la construcción de un modelo. Éste se desarrolla
siempre a partir de una serie de aproximaciones
e hipótesis y, por lo tanto, es una representación
parcial de la realidad, para una finalidad específica
y debe ser formulado para que sea útil a dicho fin.
Para el caso particular de este proyecto, se identificó
el modelo dinámico del sistema en cascada de flujo
y nivel, tomando datos simultáneamente de dichas
variables, como se observa en la figura 1, donde LT
es transmisor de nivel, FT transmisor de flujo, Q1 flujo
de entrada, PC computador, Q2 flujo de salida, LIC
controlador e indicador de nivel, FIC controlador e
indicador de flujo.
Revista EIA
 da de flujo y nivel; tomando datos simultáneamente de dichas variables como se
ura 1, donde LT es el transmisor de nivel, FT el transmisor de flujo, Q1 flujo de
mputador, Q2 flujo de salida, LIC controlador e indicador de nivel, FIC
dicador de flujo.
da de flujo y nivel; tomando datos simultáneamente de dichas variables como se
gura 1, donde LT es el transmisor de nivel, FT el transmisor de flujo, Q1 flujo de
mputador, Q2 flujo de salida, LIC controlador e indicador 70de nivel, FIC respuesta del sistema ante un escalon

dicador de flujo.
60

50

variables en porcentaje
40
respuesta del sistema ante un escalon
70

30
60

20 50

variables en porcentaje
40
10
30

0 20
0 0.5 1 1.5 2 2.5
tiempo en segundos 4
10 x 10
Figura 1. Diagrama de instrumentación del proceso
Figura 1. Diagrama de instrumentación del proceso utilizado
Figura 2. Respuesta de las plantas continuas ante
0

Figura 2. Respuesta de las plantasunacontinúas

entrada escalón ante
(28 % aluna
38 %) entrada escaló
utilizado 0 0.5 1 1.5
tiempo en segundos
2 2.5
4
x 10

En estede
Figura 1. Diagrama caso Figura
se utiliza un método
instrumentación no2. Respuesta
utilizadode las plantas continúas ante una entrada escalón (28% al
paramétri-
del proceso
utiliza un cométodo noanálisis
aplicando paramétrico
transitorio,aplicando análisis
usando como modelo transitorio, usando como
En las curvas obtenidas (figura 2) como res-
esta del sistema ante una
del entrada escalón. puesta se eligen dos puntos representativos. Por lo
En las curvas obtenidas (figura 2) como respuesta se eligen dos puntos
la respuesta sistema ante una entrada escalón.
utiliza un método no paramétricoEnaplicando
las curvas obtenidas
análisis (figura 2)estos
general,
transitorio, usando como respuesta
puntos
como se eligen
son aquellos para losdos puntos
cuales la representa
general, estosde
puntos son aquellos
respuestapara loselcuales
alcanza 28,3 %la respuesta
y el 63,2 % dealcanza
su valor el 28,3% y el
general, estosDE
esta del sistema
2.1ante puntos
una entrada escalón.
Identificación
2.1 IDENTIFICACION son
de planta
PLANTA DE aquellos
PRIMER ORDEN para
final (eslos
lineallade cuales
sección la
más linealrespuesta alcanza
de la curva), estos el 2tr
primer ordenvalor final (es la sección mas la curva), estos puntos se toman del tiempo
valor
ansferencia final (es
correspondiente
2.1 IDENTIFICACION DE
la sección
partir
a esta
PLANTA planta
DE
mas
delPRIMER
momento
esta lineal demomento
de aplicar
dadaORDEN
por del laescalón
un curva), y la estos
escalónpuntos
respuesta
de aplicar un y la respuestase
puntos se toman del tiempo transcurrido a partir
toman
de estadodeestable del de
sist
abierto.
La función de transferencia correspondiente
partir
ansferencia a estadel
plantamomento
correspondiente
estáadada
G ()=
estayplanta
por Ke
=
de aplicar
esta dada
s por un escalón
− ΘS
y la respuesta de estado estab
estado estable del sistema en lazo abierto.

abierto. G = y u= Ke τs + 1 (1)1)
f s
− ΘS
s s

us τs + 1 1)
f (s )
nancia de la planta, τ =constante de tiempo, θ , =retardo o tiempo muerto, y (t)
stema ydeula(t)planta,
anancia es laEnentrada.
τdonde
=constante de laθplanta,
de tiempo,
K = ganancia
,
=retardo o tiempo muerto, y (t)
τ =cons-
istema y u (t)tante
es lade
entrada.
tiempo, θ’ = retardo o tiempo muerto, y (t)
modelo se eshace un análisis
la salida sobre
del sistema lasesdiferentes
y u (t) la entrada. curvas que se obtienen. Después
se modelo
cambiosse en
hace un análisis
escalón sobre las diferentes
de magnitudes curvas estos
apropiadas, que secambios
obtienen. producirán
Después una
sstema
cambios en escalón Para estimar este
de magnitudes modelo se hace
apropiadas, un análisis
estosdiferentes
cambios producirán unade estas
de flujo
sobre
y nivel, la
las diferentes
cual se
curvas
observa
que seen
en
obtienen.
las curvas. Una
Despuéscurvas. Una de estas
stema
se de flujo
observa en ylanivel,
figura la2,cual se observa
donde el nivel las tanque
del diferentes
está representado por la línea
de aplicar varios cambios en escalón de magnitudes
se observa en la figura 2, donde el nivel del tanque está representado por la línea
or la línea azul y la línea roja
apropiadas, continua que representa el escalón del 10%.
or la línea azul y la líneaestos
roja cambios
continuaproducirán una reacción
que representa el escalón del 10%.
en el sistema de flujo y nivel, la cual se observa en
las diferentes curvas. Una de estas curvas es la que se
representa en la figura 2, donde el nivel del tanque
está representado por la línea verde, el flujo por la
línea azul y la línea roja continua que representa el Figura 3. Curva de reacción para sistema de primer
escalón del 10 %. Figura 3. Curva de reacción para sistema de primer
orden orden

Con los
Escuela de Ingeniería de Antioquia datos obtenidos en la figura 3 se plantean las siguientes ecuaciones:
183
τ
θ , + = t1 2)
3
,
 Control en cascada por métodos difusos

Figura 3. Curva de reacción para sistema de primer orden

Con los datos obtenidos en la figura 3 se plan- Siendo K = Ganancia de la planta
tean las siguientes ecuaciones:
Con los datos obtenidos en la figura 3 se plantean
Wlas
n
=siguientes
Frecuencia ecuaciones:
natural
τ ξ = Coeficiente de amortiguamiento
θ , + = t1 2) (2)
3 θ’ = Tiempo muerto de la planta
θ + τ = t 2 3)
,
(3)
t1 y t2 = Constantes de tiempo

Los valores de t1 y de t2 se leen directamente

El procedimiento para estimar este modelo es
de lasLos valores
curvas que de
dant1las
y de t2 se leen
gráficas. directamente
Resolviendo de las curvas que dan las gráficas. Resolviendo
muy similar al anterior de primer orden. En este caso
simultáneamente
simultáneamente las ecuaciones
las ecuaciones 2) y 3) se se
2) y 3) se estiman estiman lospuntos
eligen tres valores de θ , yτ sobre la curva
representativos
los valores de θ’ y τ.
y no dos como en el de primer orden de 28,3 % y
El valor de la ganancia K se obtiene mediante 63,2 %. Los tres puntos corresponden a aquellos
Δy
El valor
el cociente Dy/Dxdeque
la ganancia K se
se interpreta obtiene
como mediante para
el cociente el cociente
los cuales laque se interpreta
respuesta comohaelalcanza-
del sistema cociente
entre el cambio de la variable de salida y el cambio Δ
$y
do el 15 %, 45 x % y 75 % del valor total del cambio
entre el de
El valor
en la variable
cambio
deentradade (valor
la variable
la ganancia Kdel de salida
se escalón
obtiene y el cambio
mediante
de en-
en la variable
el cociente
experimentado queelde
por entrada
sesistema
interpreta(valor
ante como del
el escalón
del de
cociente
la aplicación
entrada). ha alcanzado el 15%, 45% y 75% del $xvalor total del cambio experimentado por el s
trada).entre el cambio de la variable de salida y el cambioescalón,
en como se indica
la variable en la figura
de entrada 4. del escalón de
(valor
aplicación del escalón, como se $indica y en la figura 4.
entrada).
El valor de la ganancia K se obtiene mediante el cociente $y $yque se interpreta como el cociente
ElElvalor Δydede la la ganancia K se obtiene mediante el cociente $$$yyx quequese interpreta como el cociente
El
El = valor
K valor
valor de
de la
4)
ganancia
la ganancia
ganancia K K
se se
K se obtiene
obtiene
obtiene mediante
mediante
mediante
(4)
el el cociente
el cociente
cociente $x $que que
x se se interpreta
se interpreta
interpreta como
comocomoel el cociente
el cociente
cociente
entre Δ
el x cambio de la variable de salida y el cambio en la $$ xx
variable de entrada (valor del escalóndede
entre
entre
entre $yel
el
el
cambio
cambio
cambio
dede
de
la variable
la la variable
variable
de de
de
salida
salida
salida
y ely cambio
y el el cambio
cambio
en en
en
la variable
la la variable
variable
de de
de
entrada (valor
entrada
entrada
deldel
(valor
(valor del
escalón
escalón
escalón de de
de
Kentrada).
entre 
entrada).
entrada). el cambio
4)
de la variable de salida y el cambio en la variable de entrada (valor
θ yτ en la ecuación inicial.
, del escalón
El modelo
entrada).
El modelo
entrada). se obtiene reemplazando
$x se obtiene reemplazando los valo- los valores de K,
res de K, θ’$ $yyyτ en la ecuación inicial. Q , yT en la ecuación inicial.
K
El modelo $ y se obtiene reemplazando los valores de K,
En
KK
K
este
Eneste
K
$$yxyx caso
$
$
caso
4)4) particular promediando los modelos de varias curvas se obtiene la siguiente función
particular, promediando los mo-
4)
de transferencia$
$$xx 4)x 4) para una planta de primer orden. Q, , yT
Enmodelo
delos de
El este caso
varias
modelo curvas particular
se obtiene
se obtiene
obtiene promediando
la siguiente
reemplazando los modelos
losfunción
valores deK,K,QQde, yT,varias
, en la curvas
ecuaciónse obtiene la siguiente función
inicial.
El se reemplazando los valores de Q , yQyTT yenT en
en la ecuación inicial.
deEl
El
El modelo
modelo
de transferencia modelo
transferencia se
se
para se obtiene
obtiene
obtiene
una para
−3.214 s
reemplazando
reemplazando
una
planta planta
reemplazando
de los
de
primerlos los valores
valores
primer
valores
orden. de de
orden.
de K,
K, K, en la
la la ecuación
ecuación
ecuación inicial.
inicial.
inicial.
En este=caso
2. 4062 e
caso particular
particular promediando
promediandolos losmodelos
modelosde devarias
variascurvas curvasseseobtiene
obtienelalasiguiente
siguientefunción
función
G f este
En
En
En
de En (s )este
este
este caso
12
caso
caso
transferencia . 2507 particular
s3.+
particular
particular
para 1
214una
5) de primer
promediando
s promediando
promediando
planta los
loslos modelos
modelos
modelos
orden. de
de de varias
varias
varias curvas
curvas
curvas se
se se obtiene
obtiene
obtiene la
la la siguiente
siguiente
siguiente función
función
función
dede transferencia 2 .4062
transferencia e
para para una planta
una plantade primer orden.
G transferencia
de
de f s 
transferencia para
para una
una planta
planta dede
de primer
primer
(5) orden.
primer orden.
orden.
12 .2507 214s 1
3.s
5)
4062ee 33..214
2.4062 214 s
GG f s  222...4062
2.4062
4062 e
e e3.214ss
214ss
33..214
IDENTIFICACION DE PLANTA DE SEGUNDO ORDEN
G
G ff s ff s
 12 . 2507 s  1 5)
5)
2.2 G
f s
s s 12
Identificación 1212
.2507 .2507s s1 de1 5)
planta
5)
5) de
12..2507
2507 ss 11
La función de transferencia para una planta de segundo orden con retardo está dada por
segundo ordenIDENTIFICACION DE PLANTA DE SEGUNDO ORDEN
Figura 4. Curva de reacción para sistema
La función de KW 2 θs
e
IDENTIFICACION
transferencia
n IDENTIFICACION para unaDE DE Figura
PLANTA
planta Curva
4.DE
de segundo de reacción
SEGUNDO
orden con
de ORDEN paraorden
retardo
segundo sistema
está dadade porsegundo orden
G = IDENTIFICACION ξ 〈1 PLANTA
DE PLANTA DEDE SEGUNDO
SEGUNDO ORDEN
ORDEN
Lap (función
s) de IDENTIFICACION
transferencia
IDENTIFICACION para una
parauna planta DE PLANTA
planta
DE PLANTA DE
DE SEGUNDO
SEGUNDO ORDEN
ORDEN
6) de segundo orden con retardo está dada por
La función
La función s 2de +KW
de ξW2nesQ +s Wn para
2transferencia
transferencia para unauna planta de de
segundo orden concon
retardo estáestá
dada porpor
de segundo
La
LaLa
G pfunción
función orden
función
 de con
de
de transferenciaretardo
transferencia
n
transferencia De la
está
parafigura
dada
para
para una una X  4
por se
planta
1planta obtienen
plantade
de segundolosorden
segundo
segundo siguientes
ordenorden
con
con parámetros.
retardo
retardo
retardo está
está dada
dada dada
por
por
s Q s
para 6) De la figura 4 se obtienen los siguientes pa-
s 2

KWKW 2 X 2 eQ s
W
2
e s  Δ
W y
G  KW KW n
n 2 Qne
2
e Q2
2s Q
Q s
s n = Cambio X   1 en la salida de planta.
rámetros.
para XXX  <
s
G pG
p s  2 KWnn e 1 6)
G s p p  ss222 2222XXKe
G W
nn
WnθsssW Wn Upara para  6)
 11X6)11 6) (6)
Gppps(ss )ss= s  X nW s nΔ W parapara
para ξ 6)≥ 1 7)
ss  22XXW 2
Wnnss nnW Wnn nn =Magnitud del escalónDy = aplicado.
Cambio en la salida de planta.
(t1 s + 1)(tQ 2s s + 1)
Ke t1
G p s  KeQQQQssssξQQss± ξ 2=Tiempo para X requeridor 1 7) para queMagnitud
DU= la respuesta alcanceaplicado.
del escalón el15% del cambio total.
G  ( t s Ke
 1 )(
Ke t s  1 ) − 1 X r 1 7) Δ(7) y
G  Ke para X r
s ((tt11sst1,1Ke
para 1 7)
En sdonde )(=tt22ss11))t 2 =para 8)
XX rrXy11r7)1K7)=
p s 1 2
GppG
G pssp p s
21)(
W parapara
Tiempo requerido
7) Δ xy para
t1= queTiempo
la respuesta
requeridoalcance
paraelque 45% la del cambio
respuesta al-total.
((tt11(sst  s11 
)(
)( t
1t)( s
st s
22X 22p X11
)) 1 )
n 2
1 $
11
cance el15 % del cambio total.
En donde t1, 2 XX pp XX222t3 22=11 Tiempo
2
8) y requeridoK$$yy
dondeKtt1=
Siendo
En donde
En   XX ppX pXXWXn
1,,22 Ganancia 11 8)
de la
1 planta
8) yy KK  $ $yy$$y x para que la respuesta alcance el 75% del cambio total.
En
En
EnEn donde
donde
donde donde tt11,,22t11,  W WnnCon8) 8)8)
8)los K
yK K
yy yvalores $$xx estimados
t2 = para
Tiempo Δyrequerido
ΔU , t1 , tpara que la respuesta al-
2 , t 3 , se calculan los parámetros
WK
,22
n = Frecuencia WnW
W n n natural
n $$ x
x $x ,
cance el 45 % del cambio total.
SiendoKK ==Ganancia Ganancia de la planta
Siendo
Siendo K
K ξ =K Ganancia de experimental
de laplanta
la planta de la planta utilizando las siguientes ecuaciones:
SiendoW==
Siendo
Siendo =coeficiente
Ganancia
Ganancia
Ganancia dede
de la la
la plantaplanta
planta
WWnn=n== Frecuencia
Frecuencia
de amortiguamiento
natural
natural
WW W = Frecuencia natural
184 θnn =nnFrecuencia
,
XXX=====coeficiente
= Frecuencia
Frecuencia
Tiempo
natural
naturalt 2 −det1 la planta
natural
muerto
Revista EIA
coeficiente
coeficiente
XX X = coeficiente x
de de
= amortiguamiento
amortiguamiento
de amortiguamiento 9)
t1 y,=,=, coeficiente 3 − t1
tcoeficiente de
dede amortiguamiento
tamortiguamiento
amortiguamiento
2 = constantes de tiempo
QQQ,,===,,Tiempo Tiempo
Tiempo muerto
muerto de
muerto de la planta de
la la planta
planta
QQ Q== Tiempo = Tiempo
Tiempo muerto
muerto
muerto 0
de
de .0805
la
de
la planta
la − 5,547(0,475 − x) 2
planta
planta
tt1t1y1yytt22t=2==constantes ξ =
t t constantes constantes dede
de tiempo
tiempotiempo
 4.4.Curva de reacción para sistema de 0,055141
segundo
Figura
Figura
Figura 4. Curva
Curva dede reacción
reacción G para
para = sistema
sistema dede segundoorden
segundo orden
orden
De la figura 4 se obtienen los siguientes parámetros. ( ) 0,s055141 ,022916 16)
f 2
De la figura 4 se obtienen
De De la la figurafigura 4 4se se obtienenFigura
obtienen
los4.siguientes
los
los Curva
siguientes
siguientes de parámetros.
reacción
parámetros.
parámetros. para sistema
s
s= + 0 ,
de34275
segundo + 0
orden
ΔΔDe Δ y la figura 44ense obtienen 0 , 055141 G
yΔDe
De y=y== =
la laCambio
Cambio figuraen
figura 4 se la la
se salida
G
obtienen
obtienen
salida f (sde =los
de
los
siguientes
siguientesparámetros.
losplanta.
siguientes
planta. parámetros.(s ) s 2 + 0,34275 s + 0,022916 16)
parámetros.
f

ΔΔDe U
ΔΔΔyUyla
Δ y Cambio
Cambio
figura 4 en
===Magnitud
Cambio
enen la la
se obtienen salida
salida
lalasalida
)dede
de
planta.
planta.
2
lossplanta. + 0,34275
siguientes sLos
parámetros. + 0,022916 anteriores16)modelos corresponden a la variable de f
ΔU U =
=Magnitud Cambio
Cambio enen
del del la escalón
salida
salida
escalón de
de aplicado.
planta.
planta.
aplicado.
Δ Δ y =Magnitud Cambio endel
=Magnitud laescalón
del escalón aplicado.
aplicado. identificación
Los anteriores cambia ya que corresponden
modelos esta variable sea comporta la variable como
d
tΔ1ΔU
t1t =Tiempo U U==Magnitud
=Tiempo =Magnitud requerido del
del
salida
escalón
Los para
escalón
de
que
planta.
aplicado.
anteriores la
aplicado. modelos
respuesta alcance corresponden
el15% del a
cambio la variable
total. de flujo. Para la variable
t1Δ=Tiempo =Magnitud requerido del escalón
para que aplicado.
la respuesta alcanceelemento el15%
identificación capacitivo
del cambio cambia es
total. aquel
ya queen estadonde
variablese sealmacena
comportamas co
tt11tU =Tiempo
=Magnitud requerido
requeridodel escalón para
paraque que lalarespuesta
aplicado. respuestaalcance alcance el15%
el15% del
delcambio
cambio total.
total.
t3t 2=
t 2t=11=
2 =Tiempo
Tiempo
=
=Tiempo
1 Tiempo
=Tiempo
Tiempo
requerido
requerido
requeridopara
requerido
requerido
identificación
para paraque
paraque
para
que
la la
respuesta cambia
respuesta
quelalalarespuesta
que
alcance
respuestaalcance
respuesta ya
alcance
alcance
alcance que
presentarse rentes
elemento esta
el15%
el
el15%
elel15% 45%45% variable
del
formas,
en del
del
del
del
cambio
pero se
cambio
capacitivo
cambio
cambio
cambio
sus
diferentes comporta
total.
propiedades
esformas,
total.
total.
total.
total. aquel encomo
son un
perodonde planta
universales puramente
sus propiedades
se almacenaso
=Tiempo
tttt22=Tiempo Tiempo
el 75 % del requerido
requerido
cambio para
elemento paraque
total. lalarespuesta
quecapacitivorespuestaalcance alcance
es aquel enel el
el15% 45%
cuanto45%
en del
del
donde
del
al cambio
cambio
cambio
control se total.
total. se refiere.
almacena
total.
automático masa o energía). La cap
tt3 t=232= =
= =Tiempo
Tiempo
Tiempo Tiempo
Tiempo
requerido
requerido
requerido
requerido
requerido para
para
para
para
para que
que
que
que
que
la
la
lala larespuesta
respuesta
respuesta
respuesta
respuesta
automático
alcance
alcance
alcance
alcance
alcance presentarse
elel
el
el el45%
75%75%
45%
45% se
del
refiere.
del
del
del
del encambio
cambio
cambio
cambio
total.
diferentes
cambio total. formas, pero sus propiedades
total.
total.
total.
3t 23== presentarse lalaen
Con
ttt3 =Tiempo
Con 33==los
Tiempo
Con
Tiempolosvaloreslosvalores requerido
requerido
valores
requerido
para
estimados
estimados
estimados
paraque
para
que
para
que
parapara
lala Δdiferentes
respuesta
respuesta
Dy, DU,
yΔ,U
respuesta
Δ tΔ , t2alcance
1U
alcance
t3t tautomático
,alcance formas,
1t , 2t , t 3el
elel75%
se
75%
45%
se
75%
pero
La del
función
se
calculan
del
calculan
sus
delcambio de propiedades
cambio
cambio
los
total.
total.
lostransferencia
refiere. parámetrosdel
total.
parámetros
deson
del universales en cuan
un sistema
modelo
modelo
seCon Con
tcalculan losTiempo
Tiempoloslos valores
valores requerido
requerido
parámetros automático
estimados
estimados para
para
del modeloque
que
para la
para
y
respuesta
respuesta
seexperimental
refiere.
ΔΔy,y, Δ t La
,alcance
alcance función
ΔUU,, t,1,t,1 t,2t,,2puramente
1 2 el ,
el 75%
75% de
t,3t,3, , sese calculan
3 transferencia
del
del
calculan cambio
cambio
capacitivolos total.
total. de
losoparámetros
parámetros un
integrador puro sistema
del
del se puramente capaci
modelo
modelo
estima
Con 3 = Tiempo
experimental los valoresrequerido
de la estimados
planta para que para
utilizando la Δ
respuesta
y
las ,siguientes
Δ U alcance
t t t el
ecuaciones: se
75% calculan
del cambio los parámetros
total. del modelo
de Con
experimentalCon
la planta los utilizando
los valores
valores
de la planta estimados
estimados
las utilizando
siguientes para
para yy,, ,ΔΔUU,,un
lasΔΔsiguientes
ecuaciones:
1 procedimiento
,t1t1,, t,tLa ,t 3función
2,,ecuaciones:
ecuaciones:
t2con
2 seprocedimiento
t 3, ,unse
3 calculan
calculan
, se calculan similar
de transferencia
los a losa los
lossimilar
parámetros
parámetros dosdos
de unanteriores.La
del
del sistema
modelo
modelo
anteriores. entradacap
puramente al
experimental
experimental
Con los valores dedelalaplanta planta
estimados utilizando
utilizando
para las
Δ ysiguientes
las siguientes
Δ ecuaciones: los parámetros del modelo
experimental
experimental de la
delalaplanta
La
planta función
utilizando
plantautilizando
de
utilizandolas
transferencia
las U
siguientes
las,siguientes
siguientes
t
,salida
1 , un 2 La
tde
ecuaciones:
es
,ecuaciones:
3 un
,entrada sistema
la rampa
procedimiento
ecuaciones: al sistema puramente
y (t)=Bt.es el En
similar capacitivo
a lalosfigura
escalón udos o integrador
5 seymuestra
anteriores.La
(t)=U∆ la puro
laentrada
respu
experimental t−2 t− t1 de de
experimental t
x =x =t22tt 2−−−1t1tt9)
la un
planta procedimiento
utilizando las similar
siguientes
(9)
a los
ecuaciones:
salida
salida es la ante dos
es la anteriores.La
rampa y (t)=Bt.
rampa yentrada entrada
En la figura
(t)=Bt. En la [1]. al5 sistema
se muestra es el escalón
figura 5 se muestra la re
xx==t −3t2 t − 11t9)9) 9)
xx==t33tt32−2−−1t1tt111 9) salida es la rampa y (t)=Bt. laEnrespuesta la figura 5 una se muestraescalón la respuesta ante una entrada e
x = t02 .0805 − t 9) 2
xξ ==00.t0805 −−t111t1−9)
t330805 5−,547
9) 5,547 (0(,4750,475 −− x)x22) 2 (10)
ξξξ=== t03 .−0805 0. 3.0805
t1 − 5x,− − −5 ,
5547
,547 ( 0( ,
0 475
, 475 − − x )
x ) 2 10)
547 0 ,356
( 0 , 475 − x ) 10)
ξξξ = 00.0805 .0805x−x−−x5−5,0−547 ,356
,05470,356 ,475−−xx))210)
((00,475
,356
2 2
10)
f = =
( ξ0 .
) 0805
= 2 , 6 −
ξ 5
x− ,−547
0 ,
0 6, (
3560 , 475 −ξ≥x)1≥ 110)
f 2ξ(ξ2=) = 2,6ξ − x0x,−6−00,356
f 2f (2ξ(ξ) )==22,6,ξ6ξ−−00,6,6 ,356 para ξ
para ξξ≥≥111)
10)
10)
11)
111)
fff2 ((ξ(ξξ)))= 2 , 6 ξ x− −0 ,0 6 , 356 para
para ξ ≥ 1 10)
11) (11)
f 2 (ξ222) = = 0=,708 202,6708
,6ξ(ξ2−(− 200.,811
.811
ξ
6,6) ξξ) ξpara para ξξ ξ
≥
〈1≥ 〈
1111)
12)
f 2ff2(2ξ(ξ) )==020,708 ,6708 ξ (−2(2.0811 6 ) )ξpara
.,811 para
para ξξ≥ξ〈11〈12) 11)
11)
112)
f f2 (ξ(ξ))f== (0 ξ, 708
) ( 2 . 811 ) ξξ para
para ξ 〈1 12)
11)
f 22(ξ=f)2 (=ξ2 0)0,708 ,708((22.811 .811)ξ) para ξ 〈<112)
paraξξ 〈〈11 12)
1
12) (12)
W W
nf 2=
n(ξ )f 2= f(2ξ(0ξ),708 ) 13) ( 2 . 811 ) para
WW =
n n t2 −= tf −( ξ t )
f2f222t−(1t(ξξt13) )13)
1)13) para 12)
W
W Wnnn = ==t 2ttf2− ( ξ 1 )1 13)
Wn = tt2222− −−tt11t113) 13) (13)
Figura 5. Sistema capacitivo
2 1 t − t 13)
De la figura 5 se 5. deduce:
5.Sistema
Figura 5. Sistema capacit
ξξ
Figura
Figura capacitivo
Sistema capacitivo puropuro
f 33 (ξ ) = 0.922(1.66) 14) (14)
De la figura 5 se deduce:
De la figura 5 se deduce: De la figura 5 se deduce: Δ
f 33 (ξ ) Entrada Δ (t ) = Δ (u ) es decir Δ (u ) s = u
θ = t 22 −
,,
15) ξ (15) Entrada DΔ(t)Δ= =
D
D(u)Δ es decir D(u)s =Δ (u) s= u
Δ
W
f 3 (ξ ) = 0.922n (1.66)Entrada Entrada ( ) ( ) es decir s
( )
n
14) Δ (t ) = Δ (u ) es decir Δ (u ) s transformada
Haciendo = u t u u s
sy(t) se obtiene lo sig
Los valores de los parámetros estimados con las ecuaciones Haciendo s 10), 13) yde
transformada de Laplace
15)Laplace
paray(t):
para
se reemplazan en la
f 3 (ξ ) de los parámetros estimados con Haciendo transformada de Laplace para y(t) se obtiene lo
, Los valores
ecuación
θ = t2 − 6) o en la ecuación 7) según sea el valor de ξ (coeficiente de amortiguamiento)
Δ ( y ) y(t) se obtiene lo Δ y así se
las ecuaciones W 15)
10), 13)Haciendo
y 15) se transformada
reemplazan en lade Laplace para siguiente.
( y)
obtiene el modelo n experimental de la planta. y = .t y =
ecuación 6) o en la ecuación 7) según sea el valor de Salida (t ) Δ Δ ( y )es decir ( s ) θΔ (=t )Δ0( y )
Los
Paravalores
esta planta
ξ (coeficiente deamortiguamiento)
los
de parámetros
segundo orden Δla(se
estimados con de
y )función Salida y(Δt ) ( =y()10),
lastransferencia
ecuaciones ) 13)
thallada .t con
y 15)
es y=� ��� =2 haensido
unsevalor
decir yreemplazan la
ecuación
la siguiente. 6)
de
o en la ecuación y 7) =y así
según
obtiene
.t
sea el valorSalida
y
de ξ =
(coeficiente Δ dees decir s (s)
amortiguamiento) s Δ y así se
el modelo experimental Salida ( t )
de la planta. Δ es decir ( s )
Δ (t ) (t ) ( t )
obtiene el modelo experimental de la(t )planta. s2
Para esta planta de segundo orden la función 2
hallada con un valor θ = 0 ha sido
0,055141 La funciónsde transferencia es, entonces:
Para esta planta de
de G ff (s ) = 2
transferencia segundo orden la función de transferencia
hallada con un valor θ = 0, ha sido
la (s )
siguiente.
la siguiente:
s 2 + 0,34275 s + 0,022916 16) Δ( y) Δ( y) Δ( y)
( ) ( ) ( )
Los anteriores modelos corresponden a la variable de flujo. y( s ) Para Δ(((yty))) la variable
Δ ΔΔ Δ yy))(t ) de nivel su y
( u )((Δ Δ
0,055141 s) =
G(como (( 2 )) = ((
=planta )) (s) (t )
identificación Lacambia yadeque esta variable se comporta un puramente capacitiva s) =
G((un = =
G f (s ) = 2 función transferencia
16)
es(16)
entonces. La función uy
y (( de
)) Δ
Δ
transferencia
s (( )) Δ
Δ (( es
) s
)ΔΔentonces.
(( )) u s 2
+ 0,34275 ses+ 0aquel
elementos capacitivo ,022916 en dondees ==
G((ss))masa s
(s)s
o==energía).
tt u t
== La capacidad puede
u t
es se almacena
G ( s )
La función
La función de de transferencia
transferencia entonces.
entonces. Δss(22u )
uu((ss))universales ss Δ (u )
presentarse en diferentes formas, pero
Los anteriores modelos corresponden a la variable de flujo. Para sus propiedades son la en cuanto
variable de alnivel
control
su
automático se cambia
Los anterioresrefiere.
modelos
Δs((uu))
Δ s
identificación ya quecorresponden
esta variable aselacomporta como un planta puramente capacitiva (un
variable de flujo. Para la variable de en nivel su identi- ss
elemento
La funcióncapacitivo es aquel
de transferencia K = deΔ (un donde
y ) sistema se almacenacapacitivo
puramente masa o oenergía). Δ( y)
integrador Lapuro capacidad se estima puede
con
ficación cambia,
presentarse
un procedimiento enya que
Haciendo esta
diferentes variable
similar aformas, los
Δ
Δ dos se comporta
pero sus
anteriores.La
17) Haciendo
propiedades
entrada sistema
son
al =
Kuniversales es el en
escalóncuanto u al
(t)=U¨ (17)y la
control
Δ )((Δ yy))( t ) Haciendo Δ (u ) Δ (t ) 17)
como unaesplanta
automático
salida la se puramente
refiere.
rampa K
y (t)=Bt.K= =En(ula
capacitiva figura (elemento
5 se muestra la respuesta ante una entrada escalón [1].
Haciendo
Haciendo Δ((uu))Δ 17)
17)
Δ((tt)) masa o
capacitivo es aquel en donde seΔalmacena K sistema puramente capacitivo o integrador K
La función de transferencia
energía). La capacidad puede
de un
s) =
G(presentarse en dife- Se obtiene G( s ) = puro se estima (18)con
Se obtiene
un procedimiento similarG KK
s 18) Se obtiene 18)
Ga((ss)los
) == dos anteriores.La entrada al sistema ess el escalón u (t)=U¨ y la
salida es la rampa Se obtiene
Se obtiene
y (t)=Bt. En lassde
figura 18) se muestra la respuesta ante una entrada escalón [1].
18)
Para nuestra planta nivel5 la función Para
de transferencia
nuestra planta hallada de nivelfue:la función de transferencia hallad
Escuela de Ingeniería Para
Para nuestra0planta
de nuestra
Antioquia planta
.00173de de nivel nivel lala función
función dede transferencia
transferencia 0.00173 hallada fue:
hallada fue:
Gc(s ) = 185
19) Gc ( s) = 19)
00..00173
00173
s s
Gc((ss)) ==
Gc 19)
ss 19)
En este caso particular se diseñaron los Encontroladores
este caso particular flujo con respecto a los
se diseñaron la planta identificada
controladores flujo c
de segundo orden cuyo valor es el ilustrado en 16), la razón por la cual se trabajó con esta
 s
Δ( y)
K=
Haciendo 17)
Control en cascada Δ Δ (t )
( u ) métodos
por difusos

K
G( s ) =
Se obtiene s 18)
Para nuestra planta de nivel la función de El mejor control convencional para el sistema
Para nuestra
transferencia plantafue:
hallada de nivel la función de transferencia hallada
de flujo fue:por el método de ganancia límite
calculado
fue un (PI) y el mejor control convencional para nivel
0.00173
Gc(s ) = 0,00173 19)
(19) un (P) por este mismo método de ganancia límite.
ss
En este casocaso
En este particular se se
particular diseñaron
diseñaronlos loscontroladores
con- flujo con respecto a la planta identificada
3.2 Diseño de controladores difusos
de segundo
troladores orden
flujo con cuyo avalor
respecto es el
la planta ilustrado en 16), la razón por la cual se trabajó con esta
identificada
defunción
segundode transferencia
orden cuyo valoreses por la flexibilidad
el ilustrado en 16). que nos El
dacontrolador
para el diseño de controladores; para
lógico difuso se basa en el
nivel se diseñaron los controladores respectivos
La razón por la cual se trabajó con esta función de con base en 19).
modelo lingüístico de la estrategia del operador
transferencia es por la flexibilidad que nos da para el
humano, es decir, tiene la capacidad para operar
diseño de controladores; para nivel se diseñaron loscon conceptos propios del razonamiento cualitativo,
3. DISEÑO DE CONTROLADORES
controladores respectivos con base en 19). fundado sobre un soporte matemático que permite
3.1 Diseño de controladores convencionales extraer conclusiones a partir de un conjunto de ob-
3.Las
DISEÑO DE de diseño de controladores
estrategias actuales pueden yclasificarse
servaciones en dos La
reglas cualitativas. grupos:
esenciacontrol
de tal
convencional y control avanzado. El control convencional
CONTROLADORES consistebasado
modelo es un programa en elencontrol manual,
reglas, por lo que
proporcional (P), proporcional integral (PI), proporcional integral derivativo (PID), de relación,
clasifica entre los llamados sistemas expertos [2].
en cascada,
3.1 Diseñoende avance o retardo de fase. El 90% de los controladores de procesos industriales son
controladores Un controlador difuso se compone de cuatro
actualmente convencionales.
convencionales Tanto para la utilización de técnicas de diseño convencionales como
elementos: el fusificador, la base de conocimiento,
para técnicas avanzadas y especialmente las basadas en modelación, es necesario un modelo
la toma de decisiones (mecanismo de inferencia) y
matemático precisoactuales
Las estrategias del proceso. Este
de diseño demodelo
contro- fuedefusificador.
calculado previamente en la identificación del
sistema.
ladores pueden clasificarse en dos grupos: control
convencional y control
En la realización deavanzado. El control
este proyecto Fusificado.
conven- controladores
se diseñaron La primera tarea
proporcionales (P) ydel controlador
proporcional
más consiste
cional integralen(PI), para manual,
el control el control en lógico
realizar proporcional difuso
cascada de (FL����������������������������������
C���������������������������������
) esy traducir
flujo nivel. el
Novalor
se medido en
diseñaron
controladores
(P), proporcional proporcional más integralintegral
integral (PI), proporcional términos de valores lingüísticos. El proceso consiste
más derivativo (PID), debido a que la parte derivativa le
aporta al controlador una mayor velocidad de respuesta,
derivativo (PID), de relación, en cascada, en avance en la medición
cualidad deque
las variables
puede serdepositiva
entrada al
encontro-
otros
o procesos,
retardo de pero
fase. Elen90este
% dedebido a que la de
los controladores lador realizando un mapeo a escala que
respuesta de flujo es bastante rápida le aportaba transforma
inestabilidad
procesos al proceso.
industriales son actualmente convenciona- el rango de valores de las variables de entrada en los
les. Tanto para la utilización de técnicas de diseño correspondientes valores lingüísticos en el universo
convencionales como para técnicas avanzadas y en discurso [3].
especial las basadas en modelación, es necesario un En la fusificación de las entradas se hace la
modelo matemático preciso del proceso. Este mo- lectura de las señales de nivel y flujo, las cuales se
delo fue calculado previamente en la identificación codifican de tal forma que queden en términos de
del sistema. los conjuntos difusos, como se muestra en la figura
En la realización de este proyecto se diseñaron 6. Así, en esta etapa se determina su correspondiente
controladores proporcionales (P) y proporcional más grado de pertenencia.
integral (PI), para realizar el control en cascada de
La creación del algoritmo se basa exclusiva-
flujo y nivel. No se diseñaron controladores propor-
mente en descripciones lingüísticas de los operadores
cional más integral más derivativo (PID), debido a
acerca de su actuación en la dirección del proceso
que la parte derivativa le aporta al controlador una
[4].
mayor velocidad de respuesta, cualidad que puede
ser positiva en otros procesos, pero en este debido a Se puede concluir entonces que el fusificado
que la respuesta de flujo es muy rápida le aportaba es la transformación de la información determi-
inestabilidad al proceso. nista enviada del proceso al controlador difuso en

186 Revista EIA

 de las entradas se hace la lectura de las señales de nivel y flujo, las cuales se Figura 7. Definición de var
orma que queden en términos de los conjuntos difusos, como se muestra en la Figura 7. Definición de var
sta etapa se determina su correspondiente grado de pertenencia. Figura 7. Definición de va
La toma de decisiones
La toma
La toma de de decisiones
decisiones es la médula del controlador difuso
La Latoma
capacidad tomade dedecisiones
de simular la es
decisiones tomala médula del controlador
de decisiones difuso
humanas basada
la lógica
capacidad difusa. Estas
simular tareas se
la toma resuelven
de utilizando
decisiones humanas
La toma deimplicaciones
empleando decisiones esylareglas
médula de del de basada
controlador
inferencia ladifus
lóg
las operaciones lógicas de disyunción, conjunción
empleando
capacidad implicaciones
de simular la y
toma reglas
de
utilizando las operaciones lógicas de disyunción, conjunció de inferencia
decisiones de
humanas la lóg
basad
e implicación, de tal forma que la evaluación de
empleandolas
utilizando
evaluación deimplicaciones
operaciones
una regla vendrá y reglas
lógicas dedisyunción,
dadadepor inferencia de lay ló
conjunci
un antecedente u
una regla vendrá dada por un antecedente y un
evaluación
utilizando de lasuna regla vendrá
operaciones dadade
lógicas pordisyunción,
un antecedente yu
conjunc
consecuente.
Los evaluación
sistemasde una regla
difusos tipo vendrá
Mamdani dada por un
tienen antecedente
la siguiente y
estru
Losx sistemas Los sistemas difusos tipo Mamdani tienen la
Si
siguiente
Λ difusos
1 ∈ a1estructura: x2 ∈ a2 tipo ⇒ Mamdani
μ1 ∈ b1 tienen la siguiente estru
Figura 6. Fusificacion de entradas
Figura 6. Fusificacion de entradas SiLos x1 ∈sistemas
a1 Λ xdifusos tipo Mamdani tienen la siguiente estr
2 ∈ a 2 ⇒ μ1 ∈ b1
SiSi x1 ∈ a1 Λ x2 ∈ a 2 ⇒ μ1 ∈ b1
Donde:
información cualitativa que toma como referencia
Donde:
conjuntos difusos y variables difusas. Donde:
goritmo se basa exclusivamente en descripciones lingüísticas xDonde:
1 ∈ a1 de Λ losx2 ∈operadores
a2 es el antecedente
3.2.1 Base de conocimiento x1 ∈ a1 Λ x2 ∈ a2 es
es el antecedente
el antecedente
ación en la dirección del proceso [4].
La base de conocimiento consiste en una μ x1 1∈∈ba1 1 esesΛelelconsecuente
2 ∈ a2
xconsecuente es el antecedente
r entonces que
base el datos y otraes
de fusificado dela transformación
reglas. de la información
La base de datos ∈ b1 es el determinista
μ1 antecedente
El consecuente
y consecuente son ambos difusos; se constru
eso al controlador
proporcionadifuso en información
las definiciones cualitativa
necesarias para las que
de 1toma
Elμpertenencia.
∈El
antecedente como
b1 antecedente yreferencia
y consecuenteson
es el consecuente
consecuente son ambos
ambos difu-
difusos; se constru
sos; se construyen con variables difusas y funciones
y variablesreglas
difusas.
de control y la manipulación de los datos deElpertenencia.
antecedente y consecuente son ambos difusos; se constr
difusos. El número máximo de reglas viene dado de pertenencia.
de pertenencia.
Donde
iento por el producto de números de particiones de todas
Donde
las variables lingüísticas de entrada al FCL. Para ha- x1 , x2 , μ1 son variables difusas.
Donde
cimiento consiste
blar de una enbase
unade base
reglas, de datoselegir
es preciso y otra de reglas.
cuáles
xDonde
1 , x2 , μ La1 sonbase de datos
variables difusas.
x1, x2, m1 son variables difusas.
efinicionesvariables
necesarias para las
se tomaran comoreglas deycontrol
entrada y la manipulación
cuáles como x 1 , x 2 , μ 1 son devariables
los datos difusas.
a1 , a2 , b1 son funciones de pertenencia.
ro máximo salida
de reglas
del FCL.viene dado por el producto de números a1, a2, b1 de sonparticiones de
funciones de pertenencia.
a1 , a2 , b1 son funciones de pertenencia.
Los sistemas difusos tipo Takagi-Sugeno tienen la siguiente
En la figura 7 se puede observar cómo se de- a 1 ,
Los sistemas
a ,
Los
2 b1 sondifusos
sistemas funciones
difusos tipo de
tipo Takagi-Sugeno
pertenencia. tienen la siguiente
Takagi-Sugeno tienen
fine la variable entrada nivel; de la misma manera
laLos sistemas
siguiente difusos
estructura: tipo Takagi-Sugeno tienen la siguient
se definen las demás entradas y las salidas.
1∈
SiSix1x∈
Si a1a1 1ΛΛ x2x2 2∈∈aa22 2 ⇒⇒ y y==f f(x(11x,1x, 2x2 )2 )
3.2.2 Toma de decisiones 1

La toma de decisiones es la médula del con- Donde

Donde
Donde
bles lingüísticas dedifuso
trolador entrada al FCL.dePara
(mecanismo hablar Tiene
inferencia). de unala basex de areglas, es apreciso
x 1∈
∈ a 1ΛΛ x 2x 2∈∈ a22 2esesel
es
elantecedente
antecedente
el antecedente
ariables se tomaran
capacidadcomo entrada
de simular y cuáles
la toma como salida
de decisiones huma- del FCL.
1
1 11 2

nas basada en se
conceptos
define lay acciones
variable de controlnivel;
y
se puede observar cómo entrada
empleando implicaciones y reglas de inferencia de yde x(11x,1x, 2x2 )2 )es
y==laf f(misma manera
esesel se
elelconsecuente
consecuente
consecuente
más entradas y las salidas.
ElElantecedente
antecedente seseconstruye
El antecedente construye convariables
con
se construye variables
con difusasyyfuncione
difusas
variables funcion
namy,pero
namy,
difusas yperoelelconsecuente
consecuente
funciones esesuna
unafunción
de pertenencia función
igual quedede las
enlas variablesdifusa
el variables difus
Mamdani, pero el consecuente es una función de
Para
Para
las evaluar
evaluar
variables ununsistema
sistemaTakagi-Sugeno
difusas. Takagi-Sugenosesesiguensiguenlos lossiguientes
siguiente
ƒ Se calculan los grados de pertenencia de las variables
ƒ Se calculan los grados de pertenencia de las variables difusa difus
Para evaluar un sistema Takagi-Sugeno se
cumplimiento ββi i dedeacuerdo
ƒ ƒ SeSecalculan
calculanlos losgrados
gradosdedecumplimiento acuerdo
siguen los siguientes pasos: i
operadormínimo
operador mínimodel delMamdani
Mamdaniooeleloperador
operadorproducto
productodedeLaL
SeSecalculan
ƒ Se
ƒ1. calculalalos
calcula gradosγ γde
lafunción
función de acuerdo con
pertenencia de el
lasconsecuente.
ii ide acuerdo con el consecuente.
Figura7.7.Definición
Definición dede
variables
variables variables difusas en el punto seleccionado.
Figura ƒ ƒ SeSecalcula
calcula lalafunción
función dedesalida
salida dadapor:
dada por:
nn n

Escuela de Ingeniería de Antioquia ∑∑ββ××γ γii i ii i

187
uu==ii==11 nn n
i =1
Donde:nnenenelelnúmero
Donde: númerodedereglas
reglas
cisiones
∑ ∑
ecisiones es la médula del controlador difuso (mecanismo de inferencia). i =1
ββii i Tiene la
ii==11
imular la toma de decisiones humanas basada en conceptos yElacciones de control y se usa principalmente en:
sistema Takagi-Sugeno
 Donde
x1 ∈ a1 Λ x2 ∈ a2 es el antecedente

f (x1 , en
yC=ontrol x2 )cascada
es el consecuente
por métodos difusos

El antecedente se construye con variables difusas y funciones de pertenencia igual que en el

namy,
2. Sepero el consecuente
calculan es cumplimiento
los grados de una función dede
lasacuer-
variables•difusas.
En los puntos e1 y e2 el error es positivo y la de-
do con las reglas dadas y usando el operador rivada del error es también positiva, para lo que
Para mínimo
evaluar del
un sistema
Mamdani Takagi-Sugeno
o el operadorse siguen los
producto desiguientes pasos: una salida positiva.
se generará
ƒ Se calculan los grados de pertenencia de las variables difusas en el punto seleccionado.
Larsen.
• En el punto e �3 el error es negativo y la derivada
ƒ Se calculan los grados de cumplimiento β i de acuerdo a las reglas dadas y usando el
3. Se calcula la función de acuerdo con el conse- del error es positiva, para lo que se generará una
operador
cuente.
mínimo del Mamdani o el operador producto desalidaLarsen.
cero.
ƒ Se calcula la función γ i de acuerdo con el consecuente.
ƒ 4. Se
Se calcula la función de salida dada por:
calcula la función de salida dada por: • En los puntos � e4 y e5 el error es negativo y la de-
n rivada del error es también negativa, para lo que
∑ βi × γ i se generará una salida negativa.
u= i =1 Donde:nnenenelelnúmero
Donde: númerodede reglas
reglas
n • En el punto �
e6 el error es cero y la derivada del
∑β
i =1
i error es negativa, para lo que se generará una
El sistema Takagi-Sugeno se usa principalmente en: salida cero.
El sistema Takagi-Sugeno se usa principal-
• En el punto e
�7 el error es positivo y la derivada
ƒ mente en:
Aproximación de funciones. del error es cero, para lo que se generará una
ƒ • Modelamiento
Aproximacióndifuso.
de funciones salida positiva.
ƒ Controladores difusos.
• Modelamiento difuso De esta manera se construye la tabla FAM
Es• importante conocer
Controladores las etapas de activación y desactivación
difusos de las señales
(fuzzy asociative memory)para
paralatres
toma de
particiones, como
decisiones. Supondremos en lo que sigue que la base de se reglas es de tipo clásico, y las reglas se
puede observar en la tabla 1, que describe la re-
realizaran con base en la figura 8.
Es importante conocer las etapas de activa- lación entre las variables de entrada y las variables
ción y desactivación de las señales para la toma de de salida.
Si< estado del proceso>entonces <acción de control>
decisiones. Supondremos en lo que sigue que la base
de reglas es de tipo clásico, y las reglas se realizaran Tabla 1. FAM (fuzzy asociative memory) de tres
con base en la figura 8. particiones

e\eº Negativo Cero Positivo

Si< estado del proceso>entonces <acción
Negativo Negativo Negativo Cero
de control>
Cero Negativo Cero Positivo
12
e4 Positivo Cero Positivo Positivo
e3 e5
10 e6
e7
Entonces, un estado dado dará lugar a la “ac-
e2
8 tivación” de varias reglas y se activarán solamente
aquellas en las que todos los conjuntos difusos del
variable

6 antecedente resulten ser no nulos para el estado

dado [4].
4

Defusificado
2
e1
Es la etapa del FCL encargada de entregar al
0
0 2 4 6 8 10 12 14 16 18 20 proceso acciones de control deterministas a partir
tiempo
de salidas difusas resultantes de la composición de
Figura 8. Posible activación de reglas reglas.
Figura 8. Posible activación de reglas
188 Revista EIA
ntos e1 y e2 el error es positivo y la derivada del error es también positiva; para lo
nerara una salida positiva.
to e el error es negativo y la derivada del error es positiva para lo que se generara
 La acción sobre el proceso exige que el las reglas (entradas y salidas difusas), para luego
controlador brinde a su salida una magnitud dada, usarse en el Simulink como un bloque de control
no difusa, por ejemplo, una tensión o una presión (figura 11).
L encargada de entregar
neumática al proceso
dada, por lo que es acciones de control deterministas a partir de
necesario realizar
ultantes de una
la composición
defusificación, quederealiza
reglas.
un mapeo a escala
l proceso exige que el controlador brinde
que convierte el rango de valores a su salida una magnitud dada, no
de las variables
de salida al correspondiente universo discurso, y
o, una tensión o una presión neumática dada, por lo que es necesario realizar
defusifica también la acción de control difusa inferida
, que realiza
en unaun mapeo
acción a escala
de control concreta,que
comoconvierte
se muestra el rango de valores de las
al correspondiente universo discurso, y defusifica también la acción de control
en la figura 9.
una acción de control concreta
En la práctica, para como
adoptar se muestra
cierta en la figura 9.
acción de
a adoptar ciertacontrol,acción de control,
hay que tener hay laque
muy en cuenta tenerdelmuy en cuenta la posición del
posición
ado
control.
pa del FCLÉsta necesariamente
elemento
encargada
final de control. tieneacciones
Ésta
de entregar al proceso que influir
necesariamente
de endeterministas
tiene
control el algoritmo, considerándola
a partir de
que influir en el algoritmo, considerándola como de simulación
Figura 11. Diagrama Figura 11. utilizando
Diagrama Simulink
de y elutilizando
simulación editor de FIS de los controla
do del proceso.
ifusas resultantes de la composición de
parte de estado del proceso.
reglas. Simulink y el editor de FIS de
difusos. los controladores
n sobre el proceso exige que el controlador brinde a su salida una magnitud dada, no difusos
Figura 11. Diagrama de simulación utilizando Simulink y el editor de FIS d
or ejemplo, una tensión o una presión neumática dada, por lo que es necesario realizar
usificación, que realiza un mapeo a escala En quelaconvierte
figura 12 puede deobservarse deel las
comportamiento del elemento
el rango valores
En la figura 12 puede observarse el compor-final de control
representado
de salida al correspondiente universo discurso, y defusificacon la curva
también la difusos.
de color
acción
tamiento delverde,
de control el nivel
elemento finalcon la curva(EFC)
de control roja, repre-
el flujo con la curva d
ferida en una acción de control concreta comoverde
se muestra en la figura 9.
azul y, finalmente,sentado
el setpoint
con se estableció
la curva de color en uno verde, color
el azul.
nivel con la
áctica, para adoptar cierta acción de control, hay que tener muy en cuenta la posición del
curva roja, el flujo con la curva de color verde-azul
o final de control. Ésta necesariamente tiene que influir en el algoritmo, considerándola
En la figura 12 puede observarse el comportamiento del elemento final
rte de estado del proceso.
y, finalmente, elsimulacion
1.2
setpoint se estableció en uno de
control en cascada por sugeno

color azul.
representado con la curva de color verde, el nivel con la curva roja, el flujo c
Figura 9. Definición de salida defusificado
Figura 9. Definición de salida defusificado
1
Puede observarse en la figura 13 el compor-
verde azul
4. SIMULACIÓN DEL y, finalmente, el tamiento se
setpoint del estableció en uno
EFC, representado con color
la curvaazul.
de 0.8
salida%

color rojo,
0.6 el nivel con la curva verde-azul, el flujo

DEL SISTEMA SISTEMA

USANDO USANDO
MATLAB
MATLAB
0.4

os controladores convencionales se hizo en MATLAB®1.2 usandosimulacion

el toolbox de
control en cascada por sugeno
0.2

Figura 9. Definición de salida defusificado

puede observar La
ensimulación
la figurade10.
los controladores conven- 0

1
cionales se hizo en MATLAB usando el toolbox de -0.2
LACIÓN DEL SISTEMA
Simulink, comoUSANDO
se puede MATLAB
observar en la figura 10.
0 200 400 600 800 1000 1200
tiempo en segundos
1400 1600 1800 2000

0.8
ación de los controladores convencionales se hizo en MATLAB® usando el toolbox de
12. Respuesta
Figuradifusos
La simulación de los controladores se simulación
salida% del controlador difuso por el método de Takagi-Suge
k como se puede observar en la figura 10. 0.6
hizo en MATLAB usando el sistema de inferencia
Puedeseobservarse
difuso llamado FIS EDITOR, donde en la
configuran figura
0.4
13 el comportamiento del EFC, representado con la curva d
rojo, el nivel con la curva verde azul, el flujo con la curva de color verde y finalmente el s
se estableció en uno con la línea
0.2 de color azul.
0
respuesta en cascada control convencional
2.5

-0.2
2
0 200 400 600 800 1000 1200 1400 1600 1800 2000
tiempo en segundos

Diagrama
Figura de Figura
bloques
10. Diagrama enenSimulink
10. Diagrama
de bloques dede
de bloques
Simulink los
losen controladores
Figura 12. Respuesta simulación
Simulink
controladores convencionales
del controlador difuso por el método de
Figura 12. Respuesta simulación del controlador
convencionales
1.5

de los controladores convencionales difuso por el método de Takagi-Sugeno

variables en porcentaje

los controladores
lación de los controladores difusos
difusos se hizoen en
se hizo MATLAB®
MATLAB® usando
usando el sistema el
de sistema de
a difuso llamado
Puede observarse en la figura 13 el comportamiento del EFC, representado
EscuelaFIS EDITOR,de donde se configuran las reglas (entradas y salidas
c
0.5

de Ingeniería Antioquia
llamado FIS en
para luego usarse EDITOR, donde
el Simulink como se configuran
un bloque las 11).
de control (figura reglas (entradas y salidas
189
rojo,
o usarse en el Simulink el nivel
como con ladecurva
un bloque verde
control azul,
(figura 11).el flujo con la curva de color verde y fin
0

se estableció en uno con la línea de color azul.

-0.5

-1
 ca de simulación del sistema de control difuso con res
-0.2
0 200 400 600 800 1000 1200 1400 1600 1800 2000
tiempo en segundos

Respuesta simulación del controlador difuso por el método de Takagi-Sugeno.

onvencional, podemos observar que el tiempo de respue
Control en cascada por métodos difusos
rse en la figura 13 el comportamiento del EFC, representado con la curva de color
on la curva verde azul, el flujo con la curva de color verde y finalmente el setpoint
con la curva de color verde y finalmente el setpoint Comparando la gráfica de simulación del sis-
n uno con la línea de color azul.
se estableció en uno con la línea de color azul. tema de control difuso con respecto a la gráfica del

IÓN Y FUNCIONAMIENTO DE LOS ALGORITMOS 2.5

respuesta en cascada control convencional
sistema de control convencional, podemos observar
que el tiempo de respuesta disminuye.

5. IMPLEMENTACIÓN Y
entación del software de control se hizo en la platafo FUNCIONAMIENTO DE
1.5

LOS ALGORITMOS
variables en porcentaje

la cual es idónea para aplicaciones que involucren

0.5
El diseño e implementación del software de
control se hizo en la plataforma de programación
ón de datos.
0

gráfica Labview, la cual es idónea para aplicacio-

-0.5
nes que involucren adquisición, control, análisis y

que llevó a la utilización de esta plataforma de program

-1
0 500 1000 1500 2000
tiempo en segundos
2500 3000 3500 4000
presentación de datos.
Uno de los factores que llevó a la utilización

MATLAB (figura 14). Figura 13. Respuesta de simulación controladores

convencionales
de esta plataforma de programación, fue su similitud
con el Simulink de MATLAB (figura 14).

Figura 14. Diseño e implementación del algoritmo en labview

190 Revista EIA

 Las figuras 15, 16 y 17 muestran la interfaz En la figura 16 observaremos la respuesta de
del usuario con el proceso que se está ejecutando, un controlador difuso tipo Mamdani.
y 17 muestran la interfaz del usuario con el proceso que se está ejecutando,
mostrando el comportamiento de las variables al
portamientoaplicarles
de las los
variables al aplicarle los diferentes tipos de control.
diferentes tipos de control.

Figura
Figura 16.Panel
16. Panel frontal
frontal del
delalgoritmo Mamdani
algoritmo Mamdani

Como se puede observar en la gráfica 16 mejora el tiempo de establecimiento de la var

Como se puede observar en la figura 16,
Figura 15. Panel frontal delque se veconvencional
algoritmo representada por la línea
mejora roja. de
el tiempo Enestablecimiento
la tabla 3se hará
de la la relación de cada lín
variable
Figura 15. Panel frontal del algoritmo convencional
respectiva variable. nivel que se ve representada por la línea roja. En
En la interfaz gráfica de usuario, se codificaron la tabla 3 se hará la relación de cada línea con su
Codificación
Tabla 3.para
por colores las diferentes variables facilitar la de respectiva
colores para figuras 16 y 17
ica de usuario, se codificaron por colores las diferentes variables para facilitar
variable.
interpretación del usuario. En la tabla 2 se indicará
el usuario. cada
En lacolor
tabla 2 se indicará cada color a quéVARIABLE
COLOR
a qué variable corresponde.
variable corresponde
Tabla 3. Codificación de colores para figuras 16 y 17
Verde (primer Punto de control
Tabla 2. Codificación recuadro)
de colores figura 15 NIVEL COLOR VARIABLE
Rojo Medición
Verde de NIVEL
(primer recuadro) Punto de control NIVEL
ción de colores figura
COLOR
15 Amarillo
VARIABLE Salida del controlador
Rojo Medición de NIVEL
VARIABLE Azul Punto de control nivel de NIVEL Salida del controlador de
Amarillo
Blanco Punto de control de NIVEL
Punto de control nivel
Rojo Medición de NIVEL
FLUJO Blanco Punto de control de FLUJO
Medición de NIVEL
Blanco
Salida del controlador de
Azul NIVEL Medición de Azul
flujo Medición de flujo
Salida del controlador Verdede(segundo
Salida controlador de Salida del controlador Salida del controlador de
Verde (segundo recuadro)
Verde flujo
de NIVEL recuadro)FLUJO de flujo
Salida de controlador
Amarillo Medición de FLUJO
En ladefigura
En la figura 17 se ve la respuesta 17 se ve
la planta la respuesta de un
implementando la planta
algoritmo difuso tip
de FLUJO implementando un algoritmo difuso tipo Takagi-
La característica másSugeno.
importante de la figura
Medición de FLUJO
14 es que, ante cualquier perturbación en el sistema,
Sugeno.
el controlador interno (flujo) entrega una respuesta En la figura 17 se observa que su tiempo de
más importante de lapara
inmediata figura 14que
evitar es, que
Endichas ante
la figura cualquier
17 perturbación
se observa
perturbaciones que su tiempo
establecimiento en elestablecimiento
de sistema,
y velocidad de respuestayesvelocidad
mucho de respuesta
nterno (flujo) entrega una respuesta mejor, en comparación
influyan en el objetivo principal de
inmediataconpara
control, que para las otras
mejor, en dos gráficas,
comparación
evitar con
que dichasen las cuales se aplicaron
las otras dos gráficas, en diferentes
nuestro caso es nivel. las cuales se aplicaron diferentes teorías de control
control (la relación de las variables con su respectivo color son la mismas que se menci
uyan en el objetivo principal de control, que para nuestro caso es nivel.
tabla 3).
Escuela de Ingeniería de Antioquia
servaremos la respuesta de un controlador difuso tipo Mamdani. 191
 Control en cascada por métodos difusos

(la relación de las variables con su respectivo color 7. CONCLUSIONES

son la mismas que se mencionan en la tabla 3).
Al aplicar el controlador difuso en tiempo real,
se comparó su respuesta con la entregada por el sis-
tema convencional, observando que las señales de
control correspondientes a cada controlador difuso
presentan un mínimo de error en el objetivo del
control y logran la estabilidad del elemento final de
control. Por tanto, de esta forma se concluye que los
sistemas difusos eliminan el efecto timbre sin perder
velocidad de respuesta.

Las ventajas más importantes de los controla-

Figura 17. Panel frontal del algoritmo Takagi-Sugeno
Figura 17. Panel frontal del algoritmo Takagi-Sugeno.
dores difusos que se pudieron comprobar por medio
de la realización de este trabajo, es que permiten
incorporar en la automatización esquemas de razo-
namiento cualitativos, típicamente humanos.

Otra ventaja confirmada de los controladores

6. ANÁLISIS DE RESULTADOS difusos radica en que son menos sensibles a cambios
SIS DE RESULTADOS en los parámetros o perturbaciones en compara-
Los resultados experimentales mostrados en ción con los controles convencionales, ya que los
dos experimentales mostrados en las figuras 15, 16 y 17, demuestran que la técnica de
las figuras 15, 16 y 17 demuestran que la técnica de controles difusos han demostrado ser más robustos
es valida; ya que el controlador de flujo asume todas las perturbaciones antes de que
desarrollo es válida, ya que el controlador de flujo que los tradicionales controles P, PI y PID. Además,
ieran en el proceso de nivel. De esta manera se demuestra la estabilidad que brinda
asume todas las perturbaciones antes de que estas los controles difusos tienen la ventaja de que sus
r un control en cascada. parámetros pueden actualizarse de manera sencilla
interfieran en el proceso de nivel. De esta manera
se demuestra la estabilidad que brinda implementar si los puntos de operación de la planta cambian. En
a técnica de control nos asegure
un control en cascada.
una estabilidad en el sistema, también
muchos se debe
casos, tener
incluso un operador no especializado
el tipo de respuesta en el instante de alcanzar algún cambio en el punto de control.
en control puede mantener la base de reglas del
sto, en todos los casos Aunque una técnica
el concepto de control
de control nos representa
difuso asegure una herramienta
control, dado que valida
no es difícil de entender dicha
una estabilidad en el sistema, también se debe
r los mecanismos de razonamiento utilizados por el cerebro humano, tener debido a que
base, porque las reglas utilizan variables lingüísticas
as permiten elen cuenta el tipo
desarrollo de de respuesta
sistemas deencontrol
el instante de alcan- a partir de la descripción
complejos en vez de variables numéricas.
zar algún
del conocimiento de cambio en el punto
un operador de control.
experto, sin Debido a
necesidad de emplear modelos
esto, en todos los casos el concepto de control difuso
s y con buenas características de robustez frente a cambios de lasLacondiciones estabilidad del
de sistema se asegura al
representa una herramienta válida para emular los utilizar controladores en cascada. Esto hace que
mecanismos de razonamiento utilizados por el cere- las perturbaciones en el lazo interno o secundario
bro humano, debido a que estas técnicas permiten sean corregidas por el segundo controlador, antes
7 CONCLUSIONES
el desarrollo de sistemas de control complejos a de que puedan afectar la variable primaria; cual-
el controlador difuso en tiempo real, se comparo su respuesta con la entregada por el
partir de la descripción lingüística del conocimiento quier variación en la ganancia estática de la parte
vencional, observando que las señales de control correspondientes a cada controlador
de un operador experto, sin necesidad de emplear secundaria del proceso se compensa por su propio
entan un mínimo de error en el objetivo del control y logran
modelos matemáticos y con buenas características
la estabilidad del
lazo y las constantes de tiempo asociadas al proceso
nal de control. de
Por tanto, de esta forma se concluye que los sistemas difusos eliminan
robustez frente a cambios de las condiciones de secundario son reducidas drásticamente por el lazo
mbre sin perderoperación.
velocidad de respuesta.
secundario.

192 Revista EIA

REFERENCIAS
[1] GARCÍA JAIMES, Luis Eduardo. Control Digital, Ca-
pitulo5 Identificación de sistemas, 2003
[2] PASSINO, Kevin. Fuzzy Control. Addison-Wesley
Longman, 1998.
[3] WANG, Li-Xin. A course in fuzzy systems and control.
Prentice Hall, 1997.
Escuela de Ingeniería de Antioquia
[4] JAMSHIDI, Mohamad; VADIIE, Nader y ROSS, Timo-
thy J. Fuzzy logic and control. Prentice Hall. 1993.
[5] LÓPEZ MONTES, Daniel Felipe; GRAJALES OSPINA,
José David y MUÑOZ OCAMPO, Joaquín Emilio.
Trabajo de grado (Ingeniero en Instrumentación y
Control). Control en cascada de flujo y nivel aplicando
métodos difusos, Politécnico Colombiano Jaime Isaza
Cadavid, Medellín, 2006.
193