Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Alfaro
Sistemas de control
proporcional, integral y derivativo
Algoritmos, análisis y ajuste
Dr. Víctor M. Alfaro
Catedrático jubilado
Departamento de Automática
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica
San José, COSTA RICA
victor.alfaro@ucr.ac.cr
PID
lanet
Web: http://pidplanet.wordpress.com/
Correo: pidplanet@outlook.es
ii
Prefacio
Para el estudio de las técnicas relacionados con el control automático, existe un nú-
mero importante de libros, muchos de los cuales son usados como libros de texto
en los cursos universitarios introductorios al tema. Cada uno de ellos fue elaborado,
seguramente, con el objetivo de satisfacer una necesidad didáctica particular y en un
entorno académico específico.
Lo anterior hace que sea necesario explicar, o por lo menos enumerar, los motivos
para realizar este nuevo esfuerzo, la mayor parte de de los cuales, tienen que ver con
los estudiantes a los cuales va dirigido este libro.
En muchos de los programas académicos de ingeniería, se incluye solo un curso
relacionado con las técnicas del control automático, el cual se puede denominar en
forma genérica como Sistemas de control, con un contenido que, por lo general, no
se aparta mucho del de la teoría de control clásica.
Para la gran mayoría de los estudiantes de estas carreras, seguramente este será
el único curso de “control” que toman antes de entrar al ambiente laboral, aunque es
posible también, que para unos pocos pudiera ser solo el primero, si realizan después
estudios de posgrado en áreas afines o relacionadas, con los sistemas de control auto-
mático. En ambos casos, usualmente lo cubierto en este primer curso de sistemas de
control es insuficiente. Ya sea, para permitir enfrentar luego con soltura el problema
de analizar, diseñar o ajustar un lazo de control industrial, como para constituirse en
una base sólida, para continuar luego con el estudio de otras técnicas de control.
Se desea que estos estudiantes puedan emplear este libro, como un documento de
consulta complementario en este primer curso, ya que no pretende ser un sustituto del
que su cátedra utiliza o recomienda. Por lo tanto, al mismo tiempo que debe hacerse
una presentación general y comprensiva del problema del control realimentado, tam-
bién deben proveerse las bases necesarias, para realizar estudios de profundización
en esta área.
iii
Es evidente entonces, que la principal diferencia entre este y otros libros simi-
lares, está en el enfoque y en la profundidad con se tratan los diferentes temas. En
vez de tratar de presentar “todo” el conocimiento básico existente sobre los sistemas
de control automático, cubriendo una gran cantidad de temas y cada uno en forma
extensa, se ha optado por seleccionar y organizar los temas desarrollados, con base
en los fundamentos del área de estudio y en su relevancia práctica, y por darle a estos
un tratamiento más detallado que el usual.
Ha sido tradicional, que los libros de texto utilizados en los primeros cursos de
sistemas de control automático, den énfasis primordialmente al comportamiento del
“servo control”, con una mención escasa del problema del “control regulador”. Si
bien es cierto, que el problema de dar seguimiento a un valor deseado cambiante
−servo control−, es la principal preocupación en los sistemas de control de posición
o seguimiento, el mantener la variable controlada de interés en su valor deseado, ante
cambios en otras variables del proceso −control regulador−, es un problema pre-
sente en todos los casos y es la preocupación principal en el control de los procesos
industriales.
Por otra parte, es frecuente que se deje de lado el hecho que, a pesar de que
en realidad los procesos son no lineales, para el análisis y el diseño de los sistemas
de control se deba trabajar normalmente, con modelos lineales aproximados de los
procesos controlados. Es necesario por lo tanto, establecer las limitaciones que esto
impone en el diseño de los sistemas de control.
Es importante también, que el conflicto existente entre el comportamiento desea-
do para el sistema de control y el requerimiento de estabilidad relativa o robustez,
necesaria para garantizar una operación estable del mismo, aun cuando se presenten
cambios en las características dinámicas del proceso controlado, sea analizado.
Además, está bien documentado que el algoritmo de control proporcional, inte-
gral y derivativo, o simplemente algoritmo de control PID, es el utilizado en hasta el
95 % de los controladores empleados en los lazos de control en la industria, por lo
que el conocimiento de sus características, diferencias y forma de ajuste, son indis-
pensables para todos los estudiantes.
La existencia de software para el diseño de sistemas de control asistido por
computadora (CACSD - “computer aided control systems design”), hace necesario
también un cambio en la forma de enfocar los diferentes temas. Si bien ya no se
requiere entrar en la explicación detallada del desarrollo y la utilización “a mano”
de las herramientas de análisis y diseño de los sistemas de control, que han sido de
uso tradicional por mucho tiempo, no se debe caer tampoco en la simpleza de ha-
cer creer a los estudiantes, que mediante la utilización de las últimas herramientas
computacionales disponibles, es posible lograr el diseño buscado, sin la necesidad
del conocimiento previo de la teoría que le da soporte. Estos programas deben ser
herramientas que faciliten y acompañen el desarrollo matemático, el análisis y el
iv
estudio de alternativas, al momento del diseño de los sistemas de control.
Se desea hacer una presentación actualizada de las técnicas y herramientas con
que se cuenta para el estudio de los sistemas de control realimentado. El temario
cubierto está enfocado entonces a que al final, el estudiante tenga el conocimiento
necesario para comprender las bondades y limitaciones del control realimentado y
adquiera las destrezas requeridas para el diseño de sistemas de control con el algorit-
mo de control PID de dos grados de libertad, que sean robustos y que además, tengan
un buen comportamiento. Esto es, considerando en formas integral el funcionamien-
to del sistema de control ante los cambios de las perturbaciones de carga y del valor
deseado, así como las incertidumbres del modelo y los cambios en las características
del proceso controlado real.
Cuán “bueno” será el funcionamiento del sistema de control de un proceso deter-
minado, dependerá de los índices de comportamiento y estabilidad relativa utilizados
para su evaluación, y de las características y los requerimientos del proceso contro-
lado bajo estudio.
Por esta razón, algunos temas que tradicionalmente se incluyen en los cursos
introductorios de control automático, no son cubiertos aquí. Además, se disminuye
la descripción detallada de la utilización de algunas herramientas de análisis y diseño
que están orientadas al servo control, y también se da un énfasis menor a las técnicas
de diseño en el dominio de la frecuencia.
Si bien es cierto que el control realimentado −de lazo cerrado−, es el utilizado
para resolver la mayoría de los problemas de control, existen ocasiones en las que
modificaciones de este, o su combinación con esquemas de control de lazo abierto,
permiten mejorar el comportamiento del sistema de control. Por esta razón, se incluye
la descripción, sin que esta sea exhaustiva, de los sistemas de control en cascada,
selectivo, de razón y anticipativo, y se proveen las bases para el estudio y diseño de
los sistemas de control multilazo de los procesos multivariables.
Aunque se utilizan los “diagramas de bloques” para mostrar la estructura de los
sistemas de control descritos, estos se complementan cuando sea conveniente, con el
uso de los “diagramas de flujo de instrumentos” y los “diagramas funcionales”, por
ser los primeros la forma usual utilizada para presentar el sistema de instrumenta-
ción y control de una planta industrial y los segundos, por proporcionar información
adicional sobre las características de los controladores utilizados en estos.
La presentación y el desarrollo hecho de los temas de control automático, pre-
suponen una cierta conducta de entrada de parte del estudiante. En particular, se
supondrá que está familiarizado con las ecuaciones diferenciales y su solución, la
transformada de Laplace, el modelado de los sistemas dinámicos simples y su re-
presentación mediante bloques utilizando las funciones de transferencia. Además, se
supondrá también que conoce los gráficos en el dominio de la frecuencia, la localiza-
ción de polos y ceros en el plano complejo s, la gráfica polar y el diagrama de Bode.
v
Con seguridad, estos temas ya han sido cubiertos en los cursos previos de física,
matemáticas y de análisis de los sistemas dinámicos.
Se supone además, que el estudiante conoce y ha utilizado, algún programa de
simulación digital de sistemas dinámicos, para el análisis de sus respuestas en el
dominio del tiempo y en el de la frecuencia.
Aunque no se promueve el uso de ningún programa de diseño de sistemas de
control asistido por computadora (CACSD) en particular, se sugiere la utilización de
aquellos disponibles como “software libre” o gratuito.
Es un hecho que MATLAB®1 junto con Simulink® , son las dos herramientas
computacionales predominantes en el ambiente académico, para realizar el análisis y
el diseño de los sistemas de control. Por lo general, las universidades proveen a sus
estudiantes acceso a estos programas dentro del campus universitario, pero fuera de
este, usualmente no les brindan ningún apoyo al respecto.
Debido a lo anterior y como una manera de mostrar que existen herramientas
computacionales alternativas adecuadas para la simulación y el análisis de los sis-
temas de control, para las simulaciones y los análisis realizados como parte de este
libro, no se ha hecho uso de ningún ambiente CACSD comercial.
En forma resumida, el objetivo principal de este libro, es proveer al lector las
herramientas necesarias para que pueda dar respuesta, aunque sea en forma parcial, a
las preguntas planteadas por John Ziegler y Nathaniel Nichols en la introducción de
su propuesta de ajuste de controladores2 .
Primero, a “How can the proper controller adjustments be quickly determined on
any control application?”, con la obtención de la información dinámica del proceso
controlado y el establecimiento de un criterio de diseño factible de logar, y luego,
a “How can the setting of a controller be determined before it is installed on an
existing application?”, con la utilización de un procedimiento de ajuste adecuado.
Después de 75 años, el encontrar la respuesta definitiva a estos interrogantes,
todavía está pendiente y “desvela” a muchos dentro de la comunidad de la ingeniería
de control.
Para esto, partiendo de los conceptos generales de los sistemas de control reali-
mentado y la introducción de las herramientas necesarias para su estudio, se presen-
tan algunos de los algoritmos de control proporcional, integral y derivativo (PID); se
realiza un análisis del funcionamiento de estos sistemas de control, de su compor-
tamiento, su estabilidad y los conflictos entre estos; y se proponen métodos para el
ajuste robusto de los parámetros de los controladores que utilizan este tipo de algorit-
mo de control. Esto se complementa con la introducción de algunos otros esquemas
1 TheMathWorks, Inc.
2 Ziegler,J. G. y N. B. Nichols (1942) - “Optimum Settings for Automatic Controllers”, ASME
Transactions, 64, 759-768.
vi
de control que, aunque son de un uso más reducido, permiten obtener comportamien-
tos mejores o resolver otros problemas de control y que son denominados algunas
veces, como sistemas de control de procesos “avanzados”.
• IPython 5.3.0
https://ipython.org, incluido en Anaconda2
• JabRef 3.8.2
http://www.jabref.org/
• MiKTEX 2.9
http://miktex.org/
• Notepad++ 7.5
http://notepad-plus-plus.org/
• OpenModelica 1.11
https://openmodelica.org/
• Spyder 3.1.4
https://pypi.python.org/pypi/spyder, incluido en Anaconda2
• SumatraPDF 3.1.2
http://blog.kowalczyk.info/software/sumatrapdf/free-pdf-reader-es.html
vii
• TeXstudio 2.12.6
http://www.texstudio.org/
Todos estos programas de acceso libre, junto con los términos de su licencia de
uso, están disponibles para descargar desde las direcciones web indicadas.
La gran mayoría de las respuestas −simulaciones− del comportamiento dinámi-
co de los procesos controlados y de los diferentes esquemas de control, así como los
gráficos para el análisis de los sistemas de control: la respuesta de frecuencia (Bode),
el lugar de las raíces (Evans) y la gráfica polar y de robustez (Nyquist), mostrados en
este libro, se han obtenido programando en Phyton 2.7 (Anaconda2) con Spyder, a
partir de las rutinas en la “Phyton Control Systems Library” y utilizando Matplotlib.
Las funciones disponibles en esta biblioteca (phython-control), se han ampliado y
personalizado, para que las figuras desplegadas tengan una apariencia similar parti-
cular. Sin embargo, las rutinas originales de esta biblioteca, pueden utilizarse en su
forma más simple, tal como se muestra en los ejemplos del Apéndice B.
Por otra parte, para el estudio de los sistemas de control, el lector tiene disponi-
bles también otros entornos CACSD no comerciales adicionales, como GNU Octave3
con el paquete “control”4 y Scilab5 , ambos completamente adecuados para este pro-
pósito, aunque ninguno de ellos se ha utilizado en la preparación de este libro.
• Capítulo 1 - Introducción
Se presenta la necesidad de utilizar los sistemas de control y se describen los
esquemas de control realimentado y anticipativo. Se definen las variables invo-
lucradas en el sistema de control. Se establecen los componentes de los lazos
de control realimentado, los instrumentos requeridos para implementarlo y se
introduce el algoritmo de control proporcional, integral y derivativo. Se enu-
meran las etapas del desarrollo de los sistemas de control realimentado.
viii
Se describe la característica estática y la característica dinámica del proceso.
Mediante un ejemplo se muestra la obtención de las mismas, así como la in-
fluencia que tiene la variación del punto de operación, sobre el valor de los
parámetros del modelo dinámico linealizado del proceso. Se establecen los
dominios para el estudio de los sistemas de control −el del tiempo t, el de la
variable compleja s y el de la frecuencia jω−. Se define función de transferen-
cia y sus polos y ceros.
• Capítulo 3 - Elementos básicos de los sistemas físicos
Se define el elemento generalizado, su pervariable y su transvariable. Se pre-
senta el tetraedro de estados de Paynter. Se establecen las relaciones consti-
tutivas de los elementos básicos de los sistemas físicos −eléctricos, mecáni-
cos con elementos que se desplazan o que giran, hidráulicos y térmicos−. Se
enuncia la Ley de incidencia de las pervariables y la Ley de contorno de las
transvariables. Se describe la constitución de la red generalizada y se ilustra su
elaboración y utilización para modelar varios procesos.
• Capítulo 4 - Modelado analítico del proceso controlado
Se presentan las leyes de conservación y los balances de energía, de masa total
y de los componentes individuales del proceso. Se enumeran las actividades
involucradas en el desarrollo analítico de un modelo paramétrico del proceso
controlado. A manera de ejemplo, se desarrolla el modelo de un proceso de
mezcla de dos líquidos en un tanque, junto con los instrumentos asociados a
este. Se linealiza el modelo y se obtienen las funciones de transferencia del
mismo, en un punto de operación de interés.
• Capítulo 5 - Comportamiento dinámico de los procesos simples
Se presentan las funciones de transferencia de los procesos estables de pri-
mer orden, de primer orden en serie y de segundo orden, y sus respuestas a
un cambio escalón en la entrada. Se comparan los procesos de primer orden
en serie con los procesos interactivos. Se describe el efecto que tiene la razón
de amortiguamiento de los polos de los procesos de segundo orden, sobre su
comportamiento y estabilidad. Se define cero de fase mínima y no mínima, y
polo estable e inestable. Se presentan las funciones de transferencia de los pro-
cesos integrantes de primer y segundo orden, la de los procesos con respuesta
inversa, así como la de los procesos inestables. Se establece el significado de
la “ganancia” de los modelos para los procesos integrantes y los inestables.
ix
Se presenta el sistema sin control, el sistema de control anticipativo −lazo
abierto− y el sistema de control realimentado −lazo cerrado−. Se describen
en detalle los componentes de un lazo de control realimentado. Se establece
el rango de variación de las variables y señales de los sistemas de control.
Se enumeran los conflictos existentes en el diseño de los sistemas de control
realimentado. Se obtienen las funciones de sensibilidad de lazo cerrado del
mismo.
x
describen algunos procedimientos, utilizados para la reducción del orden de
los modelos sobreamortiguados.
xi
de Bode revisado. Se establecen los indices de fragilidad en la robustez y en
el comportamiento de los controladores. Se define cuando un controlador es
frágil, no frágil, o elástico. Se introducen los anillos de fragilidad.
xii
tualización. Se describen las características del controlador Taylor Instruments
Fulscope 100. Se analiza el conflicto existente entre el comportamiento y la
robustez, en los lazos de control. Se introducen las ecuaciones de ajuste de
controladores con base en la optimización de los criterios de error integral. Se
presentan las ecuaciones para el ajuste óptimo y robusto (uSORT - “unified
simple optimal robust tuning”) de los controladores PI(D) de uno y dos gra-
dos de libertad. Se introduce el ajuste robusto de los controladores PIDA. Se
enumeran los conflictos existentes para el diseño de los sistemas de control y
la posible solución de los mismos. Se describen los pasos del procedimiento a
seguir, para el ajuste de los parámetros del algoritmo de control del controla-
dor.
xiii
Parte V - Otros esquemas de control
• Capítulo 19 Control en cascada, selectivo y de razón
Se muestran algunas variantes del control realimentado. Se describe el control
en cascada y el ajuste robusto de sus controladores. Se describe el uso de se-
lectores para establecer los lazos de control −control selectivo−, cuando es
necesario controlar varias variables utilizando una sola variable manipulada.
Se muestran las características del control de la razón entre dos variables.
Apéndices
• Apéndice A - Modelos de los procesos controlados para estudios de control
Se presenta el conjunto de funciones de transferencia, sugeridas como mo-
delos estándar para la evaluación de los sistemas de control. Se desarrollan
los modelos analíticos de diversos sistemas −reactor químico continuo, tan-
que calentador de agua, vehículo con levitación magnética y otros−. Además,
se presentan los modelos identificados experimentalmente de varios procesos
descritos en la literatura −pasteurizadoras, tanque calentador de agua−. Estos
pueden ser utilizados como modelos de prueba, para el análisis y el diseño de
los sistemas de control PI(D).
xiv
Se listan las principales funciones utilizadas para los estudios de control inclui-
das en el paquete “Python Control Systems Library”, así como otras necesarias
para el despliegue de las gráficas, contenidas en la biblioteca Pyplot de Mat-
plotlib. Su uso se ilustra con varios ejemplos simples.
Versiones anteriores: 2017 (ago.19, jul.4, mar.24), 2016 (dic.19, oct.29, ago.10,
ago.6, abr.29)
vma.
xv
Índice general
1 Introducción 1
1.1 Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 El proceso controlado . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Sistemas de control . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Componentes y variables del proceso controlado . . . . . . 11
1.3.2 Formas alternativas para ejercer la acción de control . . . . 12
1.3.3 Instrumentos del lazo de control realimentado . . . . . . . . 17
1.3.4 Funcionamiento del sistema de control . . . . . . . . . . . . 17
1.3.5 Ejecución de la acción de control . . . . . . . . . . . . . . 20
1.4 Control realimentado . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5 Desarrollo del sistema de control . . . . . . . . . . . . . . . . . . . 24
1.6 Algoritmo de control con base en el error . . . . . . . . . . . . . . 26
1.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
I Proceso controlado 35
2 El proceso controlado 37
2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 Característica estática . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3 Característica dinámica . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4 Estudio de los sistemas de control . . . . . . . . . . . . . . . . . . 54
2.4.1 Dominios matemáticos . . . . . . . . . . . . . . . . . . . . 54
2.4.2 Funciones de transferencia, polos y ceros . . . . . . . . . . 55
xvii
2.5 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
xviii
5.2.2 Procesos de primer orden en serie . . . . . . . . . . . . . . 127
5.2.3 Causalidad de los elementos del proceso . . . . . . . . . . . 136
5.2.4 Efecto de la interacción . . . . . . . . . . . . . . . . . . . . 140
5.2.5 Procesos de segundo orden . . . . . . . . . . . . . . . . . . 141
5.2.6 Movimiento en el plano de fase . . . . . . . . . . . . . . . 148
5.2.7 Lugares en el plano complejo s . . . . . . . . . . . . . . . . 149
5.3 Procesos con tiempo muerto . . . . . . . . . . . . . . . . . . . . . 153
5.4 Polos, ceros y comportamiento dinámico . . . . . . . . . . . . . . . 155
5.4.1 Localización de los polos . . . . . . . . . . . . . . . . . . . 156
5.4.2 Localización de los ceros . . . . . . . . . . . . . . . . . . . 157
5.4.3 Origen de los polos y los ceros . . . . . . . . . . . . . . . . 162
5.5 Procesos integrantes . . . . . . . . . . . . . . . . . . . . . . . . . . 168
5.6 Procesos inestables . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.7 Procesos con respuesta inversa . . . . . . . . . . . . . . . . . . . . 180
5.8 Proceso con múltiples puntos de equilibrio . . . . . . . . . . . . . . 182
5.9 Modelo general del proceso controlado . . . . . . . . . . . . . . . . 187
5.10 Procesos dinámicos heterogéneos . . . . . . . . . . . . . . . . . . . 187
5.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
5.12 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
xix
7.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
7.2 Controladores de dos posiciones . . . . . . . . . . . . . . . . . . . 233
7.3 Controladores continuos . . . . . . . . . . . . . . . . . . . . . . . 234
7.4 Selección de la Acción del controlador . . . . . . . . . . . . . . . . 236
7.5 Algoritmo de control PID . . . . . . . . . . . . . . . . . . . . . . . 242
7.5.1 Control proporcional (P) . . . . . . . . . . . . . . . . . . . 242
7.5.2 Control proporcional y derivativo (PD) . . . . . . . . . . . 246
7.5.3 Control proporcional e integral (PI) . . . . . . . . . . . . . 250
7.5.4 Control proporcional, integral y derivativo (PID) . . . . . . 257
7.5.5 Control proporcional, integral, derivativo y aceleración . . . 260
7.5.6 Algoritmos de control proporcional, integral y derivativo . . 262
7.5.7 Implementación del modo derivativo . . . . . . . . . . . . . 266
7.5.8 Polos y ceros de los controladores . . . . . . . . . . . . . . 269
7.5.9 Esfuerzo de control ante un cambio en el valor deseado . . . 270
7.5.10 Filtro de la señal realimentada . . . . . . . . . . . . . . . . 271
7.5.11 Prevención del desbocamiento de la salida del modo integral 273
7.5.12 Transferencia entre “Automático” y “Manual” . . . . . . . . 275
7.6 Evolución histórica de los controladores PID . . . . . . . . . . . . 277
7.7 Representación de los controladores en los diagramas de control . . 284
7.7.1 Diagramas de flujo de instrumentos (P&ID) . . . . . . . . . 284
7.7.2 Diagramas funcionales . . . . . . . . . . . . . . . . . . . . 285
7.7.3 Diagramas de bloques de funciones . . . . . . . . . . . . . 287
7.8 Operación, configuración y ajuste del controlador . . . . . . . . . . 291
7.8.1 Configuración y ajuste . . . . . . . . . . . . . . . . . . . . 291
7.8.2 Operación . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
7.9 Control de dos grados de libertad . . . . . . . . . . . . . . . . . . . 292
7.10 Estructuras equivalentes del controlador PID Estándar de 2GdL . . . 298
7.10.1 Estructura 1: PID de 2GdL básico (PID2 ) . . . . . . . . . . 299
7.10.2 Estructura 2: PID1 con filtro de valor deseado . . . . . . . . 299
7.10.3 Estructura 3: PID1 y controlador de realimentación . . . . . 300
7.10.4 Estructura 4: PID1 , filtro de r y controlador de y . . . . . . 301
7.10.5 Estructura 5: PID1 y controlador anticipativo de r . . . . . . 302
7.11 Equivalencias entre los algoritmos de control PID de 2GdL . . . . . 303
7.11.1 Algoritmos de control PID de dos grados de libertad . . . . 303
7.11.2 Parámetros equivalentes de los algoritmos PID de 2GdL . . 304
7.12 Ecuaciones generales para los algoritmos de control PID . . . . . . 308
7.13 Algoritmos de control PID discretos . . . . . . . . . . . . . . . . . 309
7.13.1 Algoritmo de posición (absoluto) . . . . . . . . . . . . . . 309
7.13.2 Algoritmo de velocidad (incremental) . . . . . . . . . . . . 310
7.13.3 Salto derivativo y factor de peso del valor deseado . . . . . 311
xx
7.13.4 Inclusión del filtro derivativo . . . . . . . . . . . . . . . . . 312
7.13.5 Diseño de los controladores PID digitales . . . . . . . . . . 312
7.14 Algoritmo PID de 2GdL de los controladores comerciales . . . . . . 313
7.15 Valores admisibles para los parámetros del algoritmo de control PI(D) 315
7.16 Identificación de la estructura del algoritmo de control PID . . . . . 316
7.17 Funciones de sensibilidad con controladores de 2GdL . . . . . . . . 320
7.18 Algoritmo, estructura e implementación del control PID . . . . . . . 322
7.18.1 Algoritmo de control . . . . . . . . . . . . . . . . . . . . . 322
7.18.2 Estructuras del control . . . . . . . . . . . . . . . . . . . . 322
7.18.3 Implementación del control . . . . . . . . . . . . . . . . . 323
7.19 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
7.20 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
xxi
8.9.4 Características de las aproximaciones de Padé . . . . . . . . 383
8.10 Reducción del orden del modelo . . . . . . . . . . . . . . . . . . . 386
8.10.1 Ajuste de modelos utilizando la regla de la mitad . . . . . . 387
8.10.2 Ajuste de modelos utilizando la regla de la mitad modificada 388
8.10.3 Aproximación modelos de segundo orden por de primero . . 390
8.11 Comparación de las respuestas de lazo abierto y lazo cerrado . . . . 391
8.12 Modelo nominal, medio y extremo . . . . . . . . . . . . . . . . . . 395
8.13 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
8.14 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
xxii
10.3.1 Criterio de estabilidad de Routh-Hurwitz . . . . . . . . . . 454
10.3.2 Criterio de estabilidad de Liénard-Chipart . . . . . . . . . . 457
10.3.3 Multiplicidad de las raíces imaginarias . . . . . . . . . . . . 460
10.3.4 Efecto de la variación del proceso controlado . . . . . . . . 461
10.3.5 Estabilidad robusta y Teorema de Kharitonov . . . . . . . . 462
10.4 Movimiento de los polos de lazo cerrado . . . . . . . . . . . . . . . 468
10.4.1 Lugar geométrico de las raíces (LGR) de Evans . . . . . . . 468
10.4.2 Dibujo del lugar geométrico de las raíces . . . . . . . . . . 469
10.4.3 Lugar de las raíces de diferentes sistemas de control . . . . 474
10.4.4 Efecto de la adición de un polo o un cero . . . . . . . . . . 481
10.4.5 LGR de los sistemas de control con tiempo muerto . . . . . 485
10.5 Contornos de las raíces . . . . . . . . . . . . . . . . . . . . . . . . 486
10.6 Gráfica polar y estabilidad . . . . . . . . . . . . . . . . . . . . . . 490
10.6.1 Criterio de estabilidad de Nyquist . . . . . . . . . . . . . . 490
10.6.2 Criterio de estabilidad de Foellinger-Yeung . . . . . . . . . 494
10.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 501
10.8 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 501
xxiii
12.2 Comportamiento del sistema de control de dos posiciones . . . . . . 541
12.3 Análisis del control proporcional en estado estacionario . . . . . . . 544
12.4 Control proporcional . . . . . . . . . . . . . . . . . . . . . . . . . 548
12.4.1 Procesos controlados de primer orden . . . . . . . . . . . . 548
12.4.2 Procesos controlados de segundo orden . . . . . . . . . . . 558
12.5 Efecto de la adición de un polo o un cero . . . . . . . . . . . . . . . 562
12.6 Efecto del tiempo muerto del proceso . . . . . . . . . . . . . . . . 566
12.7 Control proporcional e integral . . . . . . . . . . . . . . . . . . . . 569
12.7.1 Procesos controlados de primer orden . . . . . . . . . . . . 569
12.7.2 Procesos controlados de segundo orden . . . . . . . . . . . 574
12.8 Control proporcional y derivativo . . . . . . . . . . . . . . . . . . . 577
12.8.1 Procesos controlados de primer orden . . . . . . . . . . . . 577
12.8.2 Procesos controlados de segundo orden . . . . . . . . . . . 578
12.9 Contornos de las raíces del control PID . . . . . . . . . . . . . . . 581
12.9.1 Control proporcional (P) . . . . . . . . . . . . . . . . . . . 581
12.9.2 Control proporcional e integral (PI) . . . . . . . . . . . . . 582
12.9.3 Control proporcional y derivativo (PD) . . . . . . . . . . . 583
12.9.4 Control proporcional, integral y derivativo (PID) . . . . . . 585
12.10Polos y ceros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587
12.10.1 Efecto de la cancelación de polos con ceros . . . . . . . . . 588
12.11Plantas integrantes y no integrantes . . . . . . . . . . . . . . . . . . 589
12.11.1 Control PI de un proceso no integrante de primer orden . . . 590
12.11.2 Control P de un proceso integrante . . . . . . . . . . . . . . 590
12.12Efecto de la variación del proceso o del controlador . . . . . . . . . 591
12.12.1 Variación de los parámetros del proceso controlado . . . . . 592
12.12.2 Variación de los parámetros del controlador . . . . . . . . . 600
12.13Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 606
12.14Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 607
xxiv
13.4.2 Procedimiento de ajuste analítico robusto ART2 . . . . . . . 638
13.4.3 Aplicación del ART2 a procesos sin tiempo muerto . . . . . 639
13.4.4 Aplicación del ART2 a procesos con tiempo muerto . . . . . 646
13.5 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 651
13.6 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 652
xxv
15.8.2 Controladores de dos grados de libertad . . . . . . . . . . . 719
15.8.3 Valores requeridos del factor de peso del valor deseado . . . 722
15.9 Software para el análisis y el ajuste de los sistemas de control PID . 723
15.10Ajuste con otros criterios . . . . . . . . . . . . . . . . . . . . . . . 725
15.11Ajuste robusto del controlador PIDA de 2GdL . . . . . . . . . . . . 726
15.12Solución de los conflictos para el diseño de los sistemas de control . 728
15.13Ajuste de los parámetros del algoritmo de control . . . . . . . . . . 734
15.13.1 Información y procedimientos . . . . . . . . . . . . . . . . 734
15.13.2 Procedimiento de ajuste y prueba . . . . . . . . . . . . . . 735
15.14Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 738
15.15Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 739
xxvi
17.3.4 Control MoReRT PID2IF . . . . . . . . . . . . . . . . . . . 797
17.4 Control de procesos inestables con tiempo muerto . . . . . . . . . . 799
17.4.1 Control MoReRT PI2 . . . . . . . . . . . . . . . . . . . . . 800
17.4.2 Control MoReRT PID2F . . . . . . . . . . . . . . . . . . . 803
17.4.3 Control MoReRT PID2IF . . . . . . . . . . . . . . . . . . . 805
17.5 Modelos del proceso y parámetros del controlador normalizados . . 806
17.6 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 809
17.7 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 809
xxvii
20.6 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 870
Apéndices 907
xxviii
B.2 Listados de instrucciones . . . . . . . . . . . . . . . . . . . . . . . 962
B.2.1 Funciones de control . . . . . . . . . . . . . . . . . . . . . 962
B.2.2 Funciones para el despliegue gráfico . . . . . . . . . . . . . 964
B.3 CACSD con python-control . . . . . . . . . . . . . . . . . . . . . . 965
B.4 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 974
xxix
1
Introducción
Cada mañana cuando nos duchamos, deseamos que la temperatura y el caudal del
agua de la ducha sea la “ideal”, según nuestros gustos. Por lo tanto, debemos con-
trolar −principalmente− la temperatura.
Para realizarlo, disponemos de dos válvulas para manipular −manos− los cau-
dales de agua. Una para la “fría” y otra para la “caliente”. Las cantidades y la
proporción en que se mezclen estos dos líquidos, determinará la temperatura y el
caudal del agua. Para establecer la mezcla correcta, debemos comparar −cerebro−
nuestra sensación −piel− de la temperatura y el caudal, con sus valores deseados.
Además, debemos estar prestos a hacer las correcciones que fueran necesarias
en los caudales de suministro de agua, en caso de que algún acontecimiento externo
−un cambio en otro consumo del agua− perturbe la temperatura del agua.
Para lograr muestro objetivo de tomar una ducha agradable, debemos sensar
−medir− las variables que deseamos controlar −→ verificar −comparar− si estas
coinciden con lo que deseamos −→ decidir −procesar información− si es necesa-
rio tomar una acción correctiva −actuar− y en su caso, entonces −→ modificar
−manipular− las variables que las afectan −→ verificar −sentir nuevamente− el
efecto de los cambios realizados −→ · · · . ¡En fin, efectuar una acción de control!
1
2 1 Introducción
1.1 Antecedentes
1.2 El proceso controlado
1.3 Sistemas de control
1.3.1 Componentes y variables del proceso controlado
1.3.2 Formas alternativas para ejercer la acción de control
1.3.3 Instrumentos del lazo de control realimentado
1.3.4 Funcionamiento del sistema de control
1.3.5 Ejecución de la acción de control
1.4 Control realimentado
1.5 Desarrollo del sistema de control
1.6 Algoritmo de control con base en el error
1.7 Resumen
1.8 Bibliografía
1.1 Antecedentes
Los sistemas de control automático, son parte integral e indispensable de los proce-
sos productivos modernos. No solamente para asegurar las características y la calidad
de los productos, sino también para hacer un uso eficiente de la energía y las materias
primas −en relación directa con las variables económicas de la producción−, para
1.1. Antecedentes 3
3 Mead, T. (1787) - “Regulators for wind and other mills”, British Patent (Old series) 1628.
4 Marxell, J.C. (1868) - “On Governors”, Proceedings of the Royal Society of London, 16, 270-283.
5 Bode, H. W. (1945) - “Network Analysis and Feedback Amplifier Design”, D.Van Nostran Com-
pany, Inc., Princenton N.J., USA.
6 Evans, W. R. (1948) - “Graphical Analysis of Control Systems”, Trans. AIEEE, 67 Part II.
7 Hazen, H. L. (1934) - “Theory of servo-mechanims”, Journal of the Franklin Institute, 218, 279-
331.
8 Nyquist, H. (1932) - “Regeneration Theory”, Bell System Tech. J.
6 1 Introducción
Los primeros instrumentos fueron los indicadores −de temperatura, presión, etc.−
instalados en los equipos o proceso. Las válvulas eran ajustadas manualmente por los
operadores. Se empleaban algunos elementos de control autoactuados −reguladores−.
Luego se desarrollaron los transmisores neumáticos. Esto permitió centralizar la in-
formación del proceso, en un tablero de control instalado en el “cuarto de control”,
empleando instrumentos indicadores y registradores para almacenar la “historia” de
la operación del proceso.
Sergei G. Mitereff listó en 19359 , las expresiones de la señal de salida de los
controladores con algoritmos de control proporcional y proporcional e integral, así
como las de algunos otros controladores que llamó “recientes”, como el proporcional
y derivativo, el proporcional, integral y derivativo, o con una segunda derivada.
En 1940 se introdujo en el mercado el primer controlador de uso industrial ge-
neral. Un controlador neumático con un algoritmo de control proporcional, integral
y derivativo (PID), con parámetros ajustables10 , y en 1942 fueron desarrolladas por
John Ziegler y Nathaniel Nichols11 , sus conocidas reglas para el ajuste de los con-
troladores con este tipo de algoritmo de control. Estos eran controladores de “caja
grande” (ver la figura 7.33 del Capítulo 7).
Se podía enviar entonces la señal de control −la salida de los controladores en el
tablero de control−, a los elementos finales de control −mayoritariamente válvulas
de control neumáticas−, instalados en el “campo” −en el proceso mismo−.
Durante la Segunda Guerra Mundial, se dio un gran impulso al desarrollo mate-
mático de los sistemas de control. Posteriormente, en 1950, el redescubrimiento del
concepto de variables de estado, desarrollado cincuenta años antes para la mecánica
clásica por J. Henry Poincaré, Aleksandr M. Lyapunov y otros, dio origen a lo que
se denominó teoría de control moderno, llamando a los desarrollos anteriores, he-
chos con base en el análisis principalmente en la frecuencia, como teoría de control
clásico.
Paradójicamente, las técnicas de “control moderno” (1950−1980), tienen como
base conceptos −las “variables de estado”− desarrollados antes, que los métodos de
“control clásico” (1930−1950).
En la década de 1950, se redujo el tamaño de las cajas de los controladores y se
desarrollaron los controladores electrónicos.
El primer congreso mundial de la IFAC (“International Federation of Automatic
Control”12 ) se celebró en Moscú en 1960. En este, Dudolf E. Kalman introduce el
9 Mitereff, S. G. (1935), “Principles underlying the rational solution of automatic-control pro-
blems”, Trans. American Society of Mechanical Engineers, 57, 159-163.
10 el Taylor Instruments Fulscope Series 100, Taylor Instruments, Rochester, NY, EE.UU.
11 Ziegler, J. G. y N. B. Nichols (1942) - “Optimum Settings for Automatic Controllers”, ASME
13 Davison,
E. J. y A. Goldenberg (1975) - “Robust Control of a General Servomechanism Problem:
The Servo Compensator”, Automatica , 11 (5), 461-471.
8 1 Introducción
Medio
externo
SP1
SPx
Terminales de
las variables SPk
SP2 SPn
Proceso Frontera
dentro del proceso a estos cambios, las cuales se pueden considerarse como “sali-
das”.
Las variables cuyo efecto se desea controlar o evaluar, incluyen los valores
deseados de algunas variables, las perturbaciones y las señales de control, las cuales
aparecen o afectan el índice utilizado para medir el comportamiento del sistema de
control.
Las variables de control incluyen las señales provistas por los elementos de medi-
ción −transmisores− y las señales enviadas a los elementos de actuación −elementos
finales de control−. Estas corresponden a las variables de los terminales en donde el
controlador se puede conectar al proceso. Esto es, son variables disponibles para el
controlador.
Algunas de las variables de interés en el sistema de control, pueden pertenecer
a ambos conjuntos. Por ejemplo, una variable de control como la señal de salida del
controlador o esfuerzo de control, puede considerarse también como una variable
cuyo comportamiento se deba evaluar.
Lo que se desea hacer, es restringir el funcionamiento del proceso interconec-
tándolo a un controlador, de manera que las características de su comportamiento
cumplan con un conjunto de especificaciones de diseño.
En general, el proceso estará representado por un modelo de la forma
P{θ p , ϑ , t}, (1.1)
donde θ p es el conjunto de parámetros del proceso y t la variable independiente
tiempo. Por su parte, el controlador lo estará por el modelo
C {θc , ϕ, t}, (1.2)
donde θc es el conjunto de parámetros del algoritmo de control del controlador a
justar.
Aunque las características dinámicas del proceso no son constantes, usualmente
se hace uso de un modelo nominal, con parámetros constantes que se consideran
representativos de su comportamiento. El algoritmo de control del controlador, se
considerará de estructura fija y con parámetros ajustables, que una vez seleccionados
permanecerán fijos.
Sc {Pc , C }, (1.4)
determinada, modificando una variable del proceso que la afecte, denominada varia-
ble manipulada que se denotará como M(t), por medio del controlador. El tiempo t
será la variable independiente.
Las otras variables del proceso, mostrado en la figura 1.4, que afectan a la va-
riable controlada, pero que no son modificadas por el controlador, se denominan
perturbaciones y se denotarán como D(t).
El controlador recibirá la información de la variable controlada, por medio de
la señal realimentada, provista por el elemento de medición y transmisión, y que se
denotará como Y (t). El esfuerzo de control o señal de salida del controlador, que
será denotada por U(t), es enviada al elemento de actuación, cerrándose así el lazo
de control realimentado.
En adelante, al conjunto de elementos a controlar, se le denominará indistinta-
mente como planta o proceso controlado, mostrado en la figura 1.5. Este incluye
al proceso en si y a los instrumentos de medición y actuación necesarios para su
interconexión con el controlador.
manipulada.
Control realimentado
El comportamiento del sistema sin control no es satisfactorio. Es necesario tomar
alguna acción correctiva ante las desviaciones del nivel del líquido, producidas por la
presencia de la perturbación. De alguna forma y con un criterio determinado, se debe
variar el caudal del líquido de entrada, para regresar el nivel del líquido en el tanque
a su valor deseado.
Una manera de realizar lo anterior, es utilizar la información del nivel real del
líquido en el tanque y verificar si este cumple con los objetivos establecidos. Para
realizar esto, se utilizará un operador humano como se muestra en la figura 1.7, en-
cargado de observar el nivel del líquido en el tanque en el indicador que para este fin
se ha adicionado al mismo y de manipular la apertura de la válvula V1 cuando sea
necesario.
El operador observa (siente) el valor real de la variable controlada y como conoce
cual es el valor deseado para la misma, los compara. Si hay alguna diferencia entre
14 1 Introducción
ellos, determina que existe un error (error = valor deseado − valor real), toma una
decisión con base en este error, a su magnitud y signo, y actúa para corregirlo.
La acción de control tiene como base la existencia de una diferencia entre el valor
deseado y el valor real de la variable controlada −el error−. Se tiene por lo tanto una
realimentación negativa.
El conocimiento que debe tener el operador sobre el funcionamiento del proceso
es mínimo, le basta saber que debe cerrar la válvula V1 un poco si el nivel empieza a
subir −se presenta un error negativo− y que debe abrirla un poco más si el nivel está
bajando −se presenta un error positivo−. La prontitud con que logre restablecer el
nivel del líquido en el tanque en su valor deseado, será el resultado de su velocidad
de reacción y de su habilidad para operar la válvula.
Se ha establecido un sistema de control, en este caso manual, en el cual el contro-
lador humano utiliza la observación de una variable del proceso, para actuar sobre el
mismo. El mide, compara, toma decisiones y actúa para ejercer la acción de control.
La utilización de la información de la variable controlada para modificar la variable
manipulada que la afecta, produce un lazo de realimentación. Se tiene entonces un
sistema de control realimentado o de lazo cerrado, como se muestra en la figura 1.8.
Es importante notar, que el operador no toma ninguna acción correctiva hasta que
no determine que existe un error, siendo este la diferencia entre el valor deseado y el
valor real de la variable controlada. Primero debe existir un error, para luego utilizarlo
de manera de disminuir precisamente este mismo error. Por lo tanto, un sistema de
control realimentado no puede ejercer un control perfecto, esto es, con un error nulo
todo el tiempo. El sistema de control realimentado reacciona ante la presencia de un
1.3. Sistemas de control 15
Control anticipativo
Ahora bien, existe otra posibilidad para controlar el nivel del líquido en el tanque,
como se muestra en la figura 1.9.
Se supondrá ahora, que la única otra variable que afecta el proceso, aparte de
la apertura de la válvula V1 que se está manipulando, es la apertura de la válvu-
la V2 −sobre la cual no se tiene ningún control− y que además, se conoce cual es
la apertura requerida de la válvula de entrada V1 , para mantener el nivel H(t) del
líquido en el valor deseado Ho , para cualquier apertura de la válvula de salida V2
−porque se ha estudiado en detalle el comportamiento del proceso, el tanque y el
equipo auxiliar−. Entonces, el operador humano −sensor, controlador y actuador−,
observando el cambio que se produzca en la apertura de la válvula de salida del tan-
que, podría ajustar en forma inmediata la válvula de entrada de líquido, a la apertura
requerida para conservar el nivel del líquido sin variaciones, sin necesidad de obser-
var el nivel real del líquido en el tanque, ni esperar a que se presente un error en el
mismo.
En este caso, se tiene siempre un sistema de control, porque se actúa sobre el
proceso con base en una observación. Sin embargo, como esta no es de la variable
de interés, de la variable controlada, este es un sistema de control a lazo abierto
16 1 Introducción
que llegue a afectar el nivel del líquido en el tanque −por ejemplo variaciones en la
presión de suministro del líquido de entrada haciendo variar su caudal por la válvula
V1 −, se presentará un error que no podrá ser corregido.
En el control anticipativo, el operador trata de anular los efectos adversos de las
perturbaciones, pero solo corregirá los de aquellas que está observando y que con-
sideró en el estudio del proceso controlado. Por esta razón, este esquema de control
debe complementarse con un lazo de realimentación, para poder garantizar la correc-
ción de los efectos adversos, de todas aquellas perturbaciones que no fueron tomadas
en consideración por el control anticipativo.
instrumento auxiliar (un transductor de una señal de corriente eléctrica a una señal de presión de aire,
señal neumática).
18 1 Introducción
90
80
70
60
50
40
0 20 40 60 80 100 120 140 160
Tiempo, t [s]
90
80
70
60
50
40
0 20 40 60 80 100 120 140 160
Tiempo, t [s]
Figura 1.12: Funcionamiento del sistema de control ante cambios en sus entradas
perturbación que afecta a la variable controlada, este modifica su señal de salida “re-
chazando” su efecto, de manera de regresar la variable controlada a su valor deseado
−control regulador−.
Modificar el flujo
de materia o energía Flujos de
entregada o removida materia
o energía
PROCESO
Procesar la
información
del proceso Obtener
información
del proceso
Objetivo
TT
TV
Fluido calefactor
o refrigerante
Unidad de calefacción
o refrigeración
I/P
LY LIC
10 10
LV LIC
10 20
LT LT
10 20
I/P
LY
20
LV
20
manipulado el caudal del líquido de salida −variando el flujo de materia removida del
proceso−, como se ilustra en la figura 1.15 (b), dependiendo de los requerimientos
de los otros procesos de la planta, relacionados con el líquido en este tanque.
En el primer caso (figura 1.15 (a)), se manipula la entrada de masa al proceso, de
manera que la variación de la masa de líquido en el tanque, es
d[ρAH(t)]
= Qme (θvc ;U(t),t) − Qms (θvs ; D(t), H(t),t), (1.5)
dt
mientras que en el segundo (figura 1.15 (b)), es la salida de masa la que es manipu-
22 1 Introducción
• el proceso, y
• el sensor y transmisor;
• el error, E(t),
• la perturbación, D(t),
16. Ajustar los parámetros del algoritmo de control del controlador del proceso
real. El controlador debe sintonizarse, de manera que trabaje en forma armó-
nica, con el proceso cuyo comportamiento está controlando.
• Acción proporcional
La magnitud del error y su signo, su valor presente, se incorporan al esfuerzo
de control, con un factor de proporcionalidad, como
• Acción integral
El comportamiento pasado del error, se incluye en el esfuerzo de control acu-
mulándolo en un término, dado por
Z t
UI (t) = Ki E(ξ )dξ , (1.12)
0
• Acción derivativa
Una predicción del valor futuro del error, se puede agregar al esfuerzo de con-
trol considerando su velocidad de cambio, mediante la expresión
dE(t)
UD (t) = Kd , (1.13)
dt
Por lo tanto, los sistemas de control cuyo comportamiento interesa analizar más,
son aquellos cuyo controlador posee un algoritmo de control proporcional, integral y
derivativo, o algoritmo de control PID, con parámetros ajustables, cuya señal salida
es Z t
dE(t)
U(t) = Kp E(t) + Ki E(ξ )dξ + Kd . (1.14)
0 dt
En este algoritmo de control, los parámetros Kp , Ki y Kd , corresponden a los
factores de ponderación ajustables de cada una de las acciones de control.
28 1 Introducción
Además del análisis de la influencia de cada uno de los modos de control, sobre
el funcionamiento del lazo de control realimentado, se describirán los procedimien-
tos para la deducción matemática de las ecuaciones de cálculo de los parámetros
ajustables que tenga el algoritmo de control utilizado, así como el ajuste de estos
parámetros con base en un criterio de diseño a lograr, establecido mediante un con-
junto de indicadores de su funcionamiento −especificaciones de comportamiento y
de estabilidad relativa−.
1.7 Resumen
Un sistema de control está formado por la interconexión de dos subsistemas: el pro-
ceso controlado y el controlador.
Existen dos esquemas de control básicos: el control realimentado −a lazo cerrado−
y el control anticipativo −a lazo abierto−. Todas las implementaciones de control,
son variaciones o combinaciones, de estos dos esquemas.
El control realimentado utiliza la medición de la variable controlada, mientras
que el control anticipativo la de la perturbación.
La utilización de la señal de error, diferencia entre el valor deseado y el valor
real de la variable controlada, en la toma de decisiones para determinar las acciones
correctivas para eliminarlo, es lo que establece el lazo de realimentación y lo que
permite regresar la variable controlada en su valor deseado, cuando se presenta un
cambio en la perturbación −control regulador−, o llevarla a un nuevo valor deseado
cuando este se modifica −servo control−.
La realimentación radica entonces, en el hecho de utilizar información de la va-
riable del interés del proceso −la variable controlada−, para modificar una de sus
variables que la afecta −la variable manipulada−. Por lo tanto, cada variable con-
trolada tiene asociada una variable manipulada, relacionadas entre si por el proceso
controlado.
El control realimentado resuelve la gran mayoría de los problemas de control
haciendo, como se verá, que el sistema de control sea menos sensible a las perturba-
ciones y a las variaciones de las características del proceso controlado, y estabilizan-
do procesos que sin control son inestables. Sin embargo, esta misma realimentación
puede causar que el sistema de control de un proceso que es estable sin control, se
vuelva inestable debido a un mal ajuste de los parámetros del algoritmo de control del
controlador realimentado, o por variaciones grandes en las características del proce-
so. Esto hace indispensable el estudio de los requisitos para asegurar, no solamente la
estabilidad absoluta del lazo de control, si no también el grado de estabilidad relativa
necesario.
1.7. Resumen 29
• Control - acción de modificar una variable del proceso, para restringir el com-
portamiento de otra, la variable de interés, de acuerdo a un criterio o índice
específico, con base en información obtenida del proceso.
• Señal de control - señal de salida del controlador utilizada por el elemento final
de control, para modificar la variable manipulada.
• Variable controlada - variable física de interés cuyo valor debe seguir una señal
de referencia cambiante, o mantenerse en un valor de referencia fijo, en una
manera determinada.
1.8 Bibliografía
Åström, K. J. (1999). Automatic control - the hidden technology. En Frank, P.,
editor, Advances in Control - Highlights of ECC’99. Springer-Verlag London Ltd.
London, UK.
Basar, T., editor (2001). Control Theory - Twenty-Five Seminal Papers (1932-1981).
The Institute of Electrical and Electronics Engineers. New York, N.Y., USA.
Bennett, S. (1984). Harold Hazen and the Theory and Design of Servomechanisms.
Research report no. 270, Dept. of Automatic Control and Systems Engineering,
University of Sheffield, Sheffield, UK.
Datta, A., Ho, M.-T., y Bhattacharyya, S. P. (2000). Structure and Synthesis of PID
Controllers. Springer-Verlag London Limited.
Dorato, P. (1996). Control history from 1960. En IFAC 13th Triannial World Con-
gress. 30 June - 5 July, San Francisco, USA.
Ghosh, A. (2015). Dynamic Systems for Everyone: Undesrtanding How Our Word
Works. Springer International Publishing Switzerland.
Kompas, E. (1989). Changing Control Technology: The Past and Future. Control
Engineering, 36(12).
Proceso controlado
35
2
El proceso controlado
2.1 Introducción
2.2 Característica estática
2.3 Característica dinámica
2.4 Estudio de los sistemas de control
2.4.1 Dominios matemáticos
2.4.2 Funciones de transferencia, polos y ceros
2.5 Resumen
2.6 Bibliografía
2.1 Introducción
Para la selección de los instrumentos requeridos para implementar un lazo de control
realimentado y ajustar los parámetros del algoritmo de control del controlador, es
necesario conocer el comportamiento de la variable controlada del proceso, tanto en
condiciones de estado estacionario, como en respuesta a los cambios en las variables
que la afectan (Wade, 2004).
37
38 2 El proceso controlado
Y
transductor sensor
transmisor
dH(t) p
A = Qe (t) − Qs (t) = Qe (t) − Xvs (t)Kvs ρgH(t), (2.1)
dt
donde:
LT
LV
10
10
V2
• g - aceleración de la gravedad,
• t - tiempo,
Nivel, H[m]
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0.00 0.02 0.04 0.06 0.08 0.10
Caudal de entrada, Qe [m3 s−1 ]
D(t), de la forma
dC(t) .
= Fd {M(t), D(t),t}. (2.2)
dt
En condiciones de régimen permanente, el caudal de salida del tanque Qs es igual
al de entrada Qe . Entonces, de (2.1) se tiene la expresión
p
Xvs Kvs ρgH = Qe , (2.3)
Esta es una relación no lineal (cuadrática) y define la característica estática del pro-
ceso. Esto es, cuál es el valor de la variable controlada −nivel H del líquido−, para
cada valor de la variable manipulada −caudal de entrada Qe −, en el caso de una
perturbación −apertura de la válvula de salida Xvs − determinada.
Como la perturbación puede variar, la característica estática no es una sola curva,
es en realidad una familia de curvas que relacionan estas tres variables, H(Qe , Xvs ),
como se muestra en la figura 2.3.
42 2 El proceso controlado
Si bien la pared del tanque tiene una altura total de 3, 6 metros, se desea que el
ámbito de medición para el transmisor de nivel sea entre 0 m y 3,125 m, por lo que
la ganancia del transmisor debe ser Kt = 100/3,125 = 32 %m−1 .
Aunque es posible que el transmisor esté realizando una medición indirecta del
nivel del líquido, por ejemplo mediante la medición de la presión hidrostática en
el fondo del tanque −la cual es proporcional al nivel del líquido si su densidad es
constante, como en este caso− o por la variación de la capacitancia de un “sensor
capacitivo” −que depende de la constante del medio dieléctrico entre sus placas,
conformado en parte por líquido y en parte por aire− como el empleado en la figura
2.3. Característica dinámica 47
LIC
10 Controlador
Proceso
I/P
LY controlado
10
LV LT
10 10
V2
2.9, para efectos del lazo de control, la señal realimentada es una indicación directa
del nivel del líquido en el tanque.
Se supondrá que el valor deseado normal del nivel del líquido en el tanque es
Ho = 2,50 m y que este puede variar entre 2,25 m y 2,75 m.
En la figura 2.10 se muestra la característica estática para las tres diferentes
aperturas de la válvula de salida −el valor más probable y los dos casos extremos−.
Esta evidencia la no linealidad del proceso.
Utilizando la característica estática del proceso mostrada en la figura 2.10, se
puede determinar que para poder mantener el nivel del líquido en su valor desea-
do más alto, 2,75 m, cuando la apertura de la válvula de salida es 0,6 (máxima),
se requiere un caudal de líquido de entrada de 0,0985 m3 s−1 . Se considerará en-
tonces, que el sistema de alimentación del líquido y la válvula de control han sido
diseñados de manera de obtener un caudal de 0,10 m3 s−1 cuando esta válvula está
completamente abierta, por lo que su ganancia será Kvc = 0,001 m3 s−1 / %.
El punto de operación seleccionado para analizar el comportamiento dinámico
y el efecto de la variación del punto de operación y de la perturbación sobre este, es
entonces (Ho = 2,50 m, Xvso = 0,5). En este punto, el caudal del líquido de entrada
en condiciones de estado estacionario, debe ser Qeo = 0,0783 m3 s−1 .
En el punto de operación seleccionado, los parámetros del modelo linealizado
del proceso controlado, mostrado en el diagrama de bloques de la figura 2.7, son
K = 2,044 %/ %, T = 255,54 s y Kd = −156,6 %/1.
En el cuadro 2.1, se muestra el efecto que tiene el cambio en el valor deseado
sobre los parámetros del proceso y en el cuadro 2.2 el que tiene el cambio en la
perturbación. Para efectos comparativos, estas variaciones se han establecido en el
cuadro 2.3, como cambios porcentuales respecto a su valor nominal.
Como se puede apreciar en el cuadro 2.3, al variar el punto de operación (Ho )
o si se produce un cambio en la perturbación (Xvso ), tanto las ganancias como la
2.3. Característica dinámica 49
Variables [%] 82
81
80
Y(t)
Ym (t)
79
78
77
0 1000 2000 3000 4000 5000
Tiempo, t [s]
Figura 2.11: Ejemplo 2.1 - Nivel del líquido en el tanque (∆U = −1 % y ∆D = −0,01)
constante de tiempo del proceso controlado cambian y este cambio puede llegar a
ser de hasta más de un 30 %, en el caso de variaciones extremas.
En la figura 2.11 se muestra la curva de repuesta del nivel del líquido en el
tanque, ante un cambio en la señal de control ∆U = −1 % en t = 100 s (cerrar un
1 % la válvula de control), seguido de un cambio en la perturbación ∆D = −0,01 en
t = 2500 s (cerrar 0,01 más la válvula de salida), a partir del punto de operación
nominal (Ho = 2,50, Xvso = 0,50), obtenida con el modelo dinámico no lineal y la
predicha por el modelo linealizado. Ambas respuestas son casi idénticas.
Sin embargo, si las magnitudes de los cambios en la señal de control y la pertur-
bación son más bien ∆U = −10 % y ∆D = −0,1, respectivamente, el modelo lineali-
zado en el punto de operación nominal, ya no representa con fidelidad el comporta-
miento del proceso controlado, tal como se muestra en la figura 2.12. Debe tenerse
también en cuenta, la diferencia en la magnitud de los cambios del nivel entre ambos
casos.
El modelo linealizado solo reproduce el comportamiento del proceso controlado,
en la vecindad del punto de operación donde fue obtenido.
Esto no debe olvidarse, al momento de analizar el funcionamiento de un lazo
de control, diseñado con base en el funcionamiento predicho por un modelo lineal
2.3. Característica dinámica 51
100
Variables [%]
90
80
Y(t)
Ym (t)
70
60
50
0 1000 2000 3000 4000 5000
Tiempo, t [s]
Figura 2.12: Ejemplo 2.1 - Nivel del líquido en el tanque (∆U = −10 % y ∆D = −0,1)
aproximado −el modelo nominal−, si el sistema de control opera “lejos” del punto
de operación de diseño, ya que el controlador instalado se enfrentará a las caracte-
rísticas dinámicas cambiantes del proceso real.
+
+
- -
de armadura Va (t) y como perturbación al par opuesto por la carga TL (t) (Dorf y
Bishop, 2005; Shinners, 1972).
Las ecuaciones que modelan el motor, son:
• En el circuito eléctrico
dia (t)
La = Va (t) − Ra ia (t) −Vm (t). (2.14)
dt
• En la parte mecánica
dω(t)
J = T (t) − Bω(t) − TL (t). (2.15)
dt
• La fuerza contra electromotriz en el motor
. L {y(t)} y(s)
F(s) = = , (2.20)
L {u(t)} u(s)
donde L es el operador de Laplace,
En los sistemas lineales entonces, para pasar del dominio del tiempo al de la
variable compleja, T −→ S , se empleará la transformación p → s y para pasar del
dominio de la variable compleja al de la frecuencia, S −→ W , la transformación
s → jω.
tiene un valor finito diferente de cero. Los ceros de DF (s) son los polos de F(s).
Por otra parte, se dirá que F(s) tiene un cero de orden q en s = sz , si el
tiene un valor finito diferente de cero. Los ceros de NF (s) son los ceros de F(s).
En los sistemas físicos, el número de polos de la función de transferencia que
representa un proceso o subproceso, es igual o mayor que el número de ceros que
esta tenga, n ≥ m, esta es una función de transferencia propia.
2.5 Resumen
La característica estática y la característica dinámica del proceso controlado, son de
importancia en el diseño de los sistemas de control. La primera, para la selección
del rango de medición del sensor y transmisor, y el dimensionamiento correcto del
elemento final de control; y la segunda, para la selección del esquema de control y el
ajuste requerido de los parámetros del algoritmo de control del controlador.
2.6. Bibliografía 57
2.6 Bibliografía
Åström, K. J. y Hägglund, T. (1995). PID Controllers: Theory, Design and Tuning.
Instrument Society of America, Research Triangle Park, NC, USA.
Wade, H. L. (2004). Basic and Advanced Regulatory Control: System Design and Ap-
plication. ISA - The Instrumentation, Systems, and Automation Society, Research
Triangle Park, NC 27709, USA., 2nd. edición.
3.1 Introducción
3.2 Sistemas eléctricos
3.3 Sistemas hidráulicos
3.4 Sistemas mecánicos con elementos que se desplazan
3.5 Sistemas mecánicos con elementos que giran
3.6 Sistemas térmicos
3.7 Conversión de variables
3.8 Variables de los sistemas físicos
3.9 Interconexión de los elementos
3.10 La red generalizada
3.10.1 Elementos de la red generalizada
3.10.2 Elementos generalizados y sistemas físicos
3.11 Obtención de la red generalizada equivalente
3.11.1 Proceso de cámaras con aislamiento térmico
3.11.2 Proceso de tanques interconectados
3.11.3 Sistema heterogéneo
3.12 Resumen
3.13 Bibliografía
Es usual, que al estudiar los diferentes tipos de sistemas dinámicos, como los siste-
mas eléctricos, los mecánicos y otros, se parta del establecimiento de las relaciones
59
60 3 Elementos básicos de los sistemas físicos
constitutivas, que describen el fenómeno físico que ocurre en cada uno de los elemen-
tos de los que pueden estar constituidos, se estudien luego los procedimientos para
establecer las ecuaciones de un modelo, que permita determinar su comportamiento
dinámico y que posteriormente, se obtenga destreza en el uso de las diferentes técni-
cas y procedimientos para su análisis, repitiéndose esto para cada tipo de sistema.
Por ejemplo, en los sistemas eléctricos, una vez establecidas las relaciones entre
la tensión y la corriente en los elementos como resistores, capacitores e inductores, se
estudian las leyes de Kirchoff para el modelado y el análisis de las redes eléctricas. De
igual forma, al estudiar un sistema mecánico con masas, resortes y amortiguadores, se
obtiene un modelo para el estudio del mismo, a partir del establecimiento de balances
de fuerzas en los cuerpos libres. Sucede algo similar con los sistemas hidráulicos y
térmicos, dando la sensación de que cada tipo de sistema, debe analizarse empleando
un conjunto de técnicas particular y que se requiere el conocimiento de todas estas,
para poder hacerlo (Dorf y Bishop, 2005; Nise, 2002; Ogata, 1987, 2010; Shinners,
1972).
Si bien es necesario conocer la naturaleza física de las variables involucradas en
los distintos sistemas dinámicos, es conveniente mostrar que el comportamiento de
los mismos, se puede estudiar con un conjunto de herramientas comunes, que son
independientes de esta.
Se presentan aquí primero, las variables y las relaciones constitutivas de los ele-
mentos básicos, de varios sistemas de diferente dominio físico, sin pretender entrar en
el detalle de la derivación de las mismas. Luego, se establecen las variables generales
y las redes y leyes, que permiten analizar los diferentes sistemas físicos, empleando
un mismo marco de referencia.
Se pueden definir elementos generalizados, que permiten representar los diferen-
tes fenómenos que se presentan en los sistemas físicos, con los cuales se construye
la red generalizada equivalente para su estudio (Alfaro, 1991).
3.1 Introducción
Considérese primero el elemento generalizado mostrado en la figura 3.1, como una
representación de cualquier elemento físico. Este elemento generalizado tiene dos
terminales, denotados como 2 y 1, por medio de los cuales interactúa con el medio
que lo circunda −otros elementos y el “medio ambiente”−. La conexión entre los
terminales de los elementos, hace que estos compartan información, sus variables.
En este elemento se tendrán dos tipos de variables generalizadas, que son funcio-
nes del tiempo (Shearer et al., 1971):
• La transvariable v(t), que será aquella variable que se especifica como una
diferencia entre los valores en los terminales del elemento, o entre un terminal
3.1. Introducción 61
• La pervariable f (t), que será aquella variable que tiene el mismo valor en
cada terminal del elemento. Esta es la variable que “fluye por el elemento”. Se
requiere solo un punto para su medición.
d f (t)
T = v21 (t), (3.8)
dt
que es la relación constitutiva de los elementos almacenadores de energía “tipo T”,
aquellos cuya variable de estado es su pervariable.
Por ejemplo, el inductor eléctrico y el resorte, son elementos tipo T.
De (3.8) se obtiene, que
Z t
1
f (t) = v21 (τ)dτ + f (to ), (3.9)
T to
dv21 (t)
C = i(t), v021 , (3.10)
dt
di(t)
L = v21 (t), i0 , (3.11)
dt
• Tanque presurizado
Considérese un recipiente cerrado de volumen V , lleno completamente de un
fluido de densidad ρ.
La presión dentro del recipiente, variará como resultado de la cantidad de flui-
do forzado a entrar en el.
La ley de conservación de la masa en el tanque, establece que
dρ(t)V dρ(t)
=V = ρ(t)Q(t). (3.18)
dt dt
La presión P2 (t) dentro del recipiente y la densidad ρ del fluido, están relacio-
nados por su ecuación de estado. Para muchos líquidos, una buena aproxima-
ción para la ecuación de estado, es
ρ(t)
dρ(t) = dP2 (t), (3.19)
β
donde n es una constante entre 1,0 y 1,4, dependiendo de cuán rápido se com-
prime el gas.
Si las presiones en un gas varían poco, se puede considerar que este tiene un
módulo de elasticidad global β ≈ nP2 .
Se puede escribir (3.18), como
V dP2 (t) V dP20 (t)
Q(t) = = . (3.21)
β dt β dt
de la tubería, ejerce una fuerza que acelera el fluido dentro de esta, según la
ecuación
1 dQ(t)
A [P2 (t) − P1 (t)] = AP21 (t) = ρAL , (3.23)
A dt
1
P21 (t) = a0 Q(t) |Q(t)| , a0 = ρCd2 A20 , (3.25)
2
• Masa ideal
Las partes integrantes de cualquier sistema mecánico, están compuestas de
materiales que tienen masa. Estas partes se resisten al cambio de su velocidad.
La relación constitutiva de la masa, es
dV20 (t) 0
m = F(t), V20 , (3.29)
dt
70 3 Elementos básicos de los sistemas físicos
• Resorte ideal
El resorte es un elemento de masa cero, que se deforma cantidades constantes
y estacionarias, cuando se carga con fuerzas constantes.
Las relaciones constitutivas del resorte, son
1
F(t) = X21 (t), (3.30)
k
1 dF(t)
= V21 (t), F 0 , (3.31)
k dt
• Amortiguador ideal
Un amortiguador, el cual no tiene masa ni efectos de resorte, representa sola-
mente los efectos de la resistencia a la razón de deformación.
La relación constitutiva del amortiguador, es
dX21 (t) 0
= V21 (t), X21 , (3.33)
dt
velocidad son mediadas respecto al punto de referencia (X20 (t), V20 (t)).
En los sistemas mecánicos con elementos que se desplazan, la cantidad de ma-
teria m de la masa está dada en kg, la constante de rigidez k del resorte en N m−1 ,
el coeficiente de amortiguamiento b del amortiguador en N m−1 s, la diferencia de
desplazamiento X20,1 en m, la diferencia de velocidades V20,1 en m s−1 y la fuerza F
en N. La unidad del tiempo t es s.
• Volante ideal
El volante es una colección o distribución de masas conectadas juntas rígida-
mente y restringidas a rotar a una velocidad angular ω sobre su eje.
La relación constitutiva del volante, es
dω20 (t) 0
J = T (t), ω20 , (3.34)
dt
1
T (t) = θ21 (t), (3.35)
K
1 dT (t)
= ω21 (t), T 0 , (3.36)
K dt
dθ21 (t) 0
= ω21 (t), θ21 , (3.38)
dt
3.6. Sistemas térmicos 73
En los sistemas mecánicos que giran, el momento de inercia J del volante está
dado en Nms2 , la constante de rigidez K del resorte giratorio en N m rad−1 , el coefi-
ciente de amortiguamiento B del amortiguador giratorio en N m rad−1 s, la diferencia
de posiciones angulares θ20,1 en rad, la diferencia de velocidades angulares ω21 en
rad s−1 y el par T en N m. La unidad del tiempo t es s.
dT20 (t) 0
Ct = q(t), T20 , (3.39)
dt
Transformadores ideales
Se denominará como transformador, a un elemento que modifica la relación entre
las pervariables y transvariables en sus terminales, sin cambiar su dominio físico.
Elementos de este tipo son el transformador eléctrico, la palanca mecánica, el
conjunto de engranes y otros, mostrados en la figura 3.9.
Las relaciones constitutivas de los elementos transformadores, son:
Transductores ideales
Un transductor, será un elemento que convierte las variables de un dominio físico en
las de otro.
Por ejemplo, un motor eléctrico es un transductor electromecánico, convierte
energía eléctrica en energía mecánica, mientras que un conjunto compuesto por una
turbina y un generador eléctrico, transforma energía mecánica, hidráulica, eólica o
de otra forma, en energía eléctrica.
En el transductor electromecánico ideal mostrado en la figura 3.10, se tiene que
la energía eléctrica (en sus terminales eléctricos) y la energía mecánica (en el eje)
son iguales. Se cumple entonces, que
Transductor generalizado
El transductor generalizado “tipo N”, es un elemento ideal de cuatro terminales, el
cual se muestra en la figura 3.11.
Las relaciones entre las transvariables y pervariables en el, cumplen con las si-
guientes relaciones
donde N es la constante del transductor y cuyas unidades serán las de v43 /v21 , que
deben ser equivalentes a las de fa / fb .
Si el dominio físico de las variables en los terminales 2 y 1, es el mismo que el
de las variables en los terminales 4 y 3, la constante N es adimensional y el elemento
se denominará entonces “transformador”.
En ningún caso, (3.49) a (3.51) establecen una causalidad o relación de entrada a
salida, entre las variables en los dos conjuntos de terminales del transductor.
78 3 Elementos básicos de los sistemas físicos
dvC (t)
C = iC (t), vC0 , (3.57)
dt
diL (t)
L = vL (t), i0L , (3.58)
dt
vC (t) = vL (t), (3.59)
iC (t) + iL (t) = 0. (3.60)
∑ fk (t) = 0. (3.61)
k
∑ vi j (t) = 0. (3.62)
i, j
v21 (t)
A = f (t), (3.63)
dt
f (t)
T = v21 (t), (3.64)
dt
Sistema Elemento
Tipo A Tipo T Tipo D Tipo N
Eléctrico capacitor inductor resistor transformador
eléctrico
Hidráulico tanque tubería larga válvula, pistón
orificio diferencial
Mecánico (desplaza) masa resorte amortiguador palanca
Mecánico (gira) volante resorte amortiguador sistema de
giratorio giratorio engranes
Térmico capacitor – resistencia –
térmico térmica
Si bien la masa y el capacitor eléctrico son ambos elementos tipo A −ya que
almacenan energía en función de su transvariable−, el capacitor eléctrico es un ele-
mento de dos terminales, mientras que la masa se comporta como un elemento con
un solo terminal localizado en su centro de masa −su posición y velocidad se miden
respecto a un punto de referencia−. Por lo tanto, dos o más capacitores eléctricos
pueden interconectarse ya sea en serie −unidos por uno de sus terminales, con solo
un punto en común y la misma pervariable pero diferente transvariable− o en parale-
lo −unidos por sus dos terminales, con dos puntos en común y la misma transvariable
pero diferente pervariable−. Sin embargo, dos o más masas solo pueden conectarse
en paralelo, ya que tienen un punto específico en común, la referencia. Dos o más
masas se pueden conectar en serie, solo si hay otro elemento (resorte, amortiguador),
entre cada dos de ellas (Firestone, 1933).
2 1
engrane volante
un “secreto”. Para describirlo la escudería McLaren utilizó el nombre ficticio “J-damper” (Smith, M.
- Control for Formula One!, en Samad, T. y Annaswamy, A. M. Eds. (2014) - The Impact of Control
Technology.).
84 3 Elementos básicos de los sistemas físicos
Temperaturas [C]
35 0.8
0.2
20
0.00 200 400 600 800 1000 1200
0 200 400 600 800 1000 1200
Tiempo, t [s] Tiempo, t [s]
Figura 3.16: Ejemplo 3.1 - Comportamiento de las temperaturas y los flujos de calor
En este proceso, el líquido entra por la parte superior del primer tanque, el 1, y
descarga al medio ambiente a través de una válvula instalada en la parte inferior de
la pared del segundo tanque, el 2.
Los tanques 1 y 2 −elementos tipo A− se representarán por capacitores con
capacitancia C f 1 = A1 /ρg y C f 2 = A2 /ρg, las válvulas v1 y v2 −elementos tipo D−
por resistores con resistencias Rv1 y Rv2 , y la tubería larga por un inductor −elemento
tipo T− con una inductancia I f = ρL/A0 , en serie con un resistor −elemento tipo
D− de resistencia R f . La red generalizada equivalente a este proceso hidráulico, se
muestra en la figura 3.18.
El modelo del proceso obtenido a partir de su red generalizada, analizando las
pervariables por los capacitores generalizados −o aplicando la Ley de incidencia
de las pervariables en los nodos P1 y P2 − y la transvariable a través del inductor
3.11. Obtención de la red generalizada equivalente 87
+
+
- -
En este sistema, las variables eléctricas son la tensión Va (t) y la corriente ia (t) en
el circuito de armadura, y la fuerza contra electromotriz Vm (t). Las variables mecá-
nicas son la velocidad de rotación ω(t) del motor y el par T (t) producido por este.
Además, se considerará un par TL (t) opuesto por la carga conectada al eje del motor.
Las ecuaciones que modelan el conjunto del motor y la carga, se determinaron
ya en el ejemplo 2.2 del Capítulo 2, las cuales son
dia (t)
La = Va (t) − Ra ia (t) −Vm (t), (3.81)
dt
dω(t)
J = T (t) − Bω(t) − TL (t), (3.82)
dt
Vm (t) = Ke ω(t), (3.83)
T (t) = Kt ia (t). (3.84)
+
-
En resumen, las variables eléctricas del motor son ϑe = {Va (t),Vm (t), ia (t)} y las
mecánicas ϑm = {ω(t), T (t)}. Los parámetros del motor se pueden dividir en dos
grupos, los correspondientes a sus componentes eléctricos θe = {Ra , La , Ke } y los
correspondientes a sus partes mecánicas θm = {J, B, Kt }, donde Ke = Kt (en unida-
des SI) relacionan la parte eléctrica y la mecánica -conversión electromecánica-. Las
variables Va (t) y TL (t) provienen del medio externo.
3.12 Resumen
En los diferentes sistemas físicos, existen dos tipos de variables: las transvariables,
que son aquellas variables que requieren de dos puntos para medirse, como la tensión
eléctrica, la velocidad y la temperatura; y las pervariables, que son las variables que
requieren de solo un punto para su medición, como la corriente eléctrica, la fuerza y
el flujo de calor.
Los fenómenos de almacenamiento de energía se pueden representar por elemen-
tos generalizados tipo A −capacitor−, que la almacena en función de la transvariable
y tipo T −inductor−, que la almacena en función de la pervariable. La disipación de
energía se representa por un elemento generalizado tipo D −resistor−.
Existen también transformadores y transductores de variables, elementos tipo N.
Los elementos generalizados están definidos por sus relaciones constitutivas, las
cuales establecen la relación entre la pervariable y la transvariable en el elemento.
Al interconectarse dos o más elementos entre si, se establecen ecuaciones adicio-
nales producto de esta conexión. Estas relaciones están determinadas por la Ley de
incidencia de las pervariables y por la Ley de contorno de las transvariables.
Los elementos generalizados y su interconexión en una red generalizada, permi-
ten analizar con un mismo conjunto de herramientas matemáticas, el comportamiento
de sistemas físicos diversos.
3.13. Bibliografía 91
3.13 Bibliografía
Alfaro, V. M. (1991). La Red generalizada. Ingeniería, 1(2):37–52. Disponible en:
http://revistas.ucr.ac.cr/index.php/ingenieria/article/view/7578/7242.
Chen, M. Z. Q., Papageorgiou, C., Scheibe, F., Wang, F.-C., y Smith, M. C. (2009).
The Missing Mechanical Circuit Element. IEEE Circuits and Systems Magazine,
páginas 10–26. First Quarter.
Paynter, H. M. (1961). Analysis and Design of Engineering Systems. The MIT Press,
Cambridge, Mass., USA. Class Notes for M.I.T. Course 2.751.
4.1 Introducción
4.2 Leyes de conservación
4.3 Procedimiento de modelado analítico
4.4 Modelado de un tanque de mezcla
4.4.1 Modelado
4.4.2 Curva característica estática
4.4.3 Característica dinámica
4.4.4 Comportamiento dinámico de los instrumentos
4.4.5 Sistema de control de temperatura
4.5 Resumen
4.6 Bibliografía
4.1 Introducción
Como el diseño y la prueba del sistema de control, antes de ajustar el controlador
real, se hará normalmente mediante su simulación digital, se requiere un modelo
matemático del proceso controlado para representarlo en estos estudios.
93
94 4 Modelado analítico del proceso controlado
• Balance de energía
La primera ley de la termodinámica, conduce al principio de la conservación
de la energía, expresado como que la
[Razón de cambio con respecto al tiempo de la energía interna, cinética y
potencial dentro del sistema] =
[Flujo de energía interna, cinética y potencial entrando al sistema por con-
vección o difusión] − [Flujo de energía interna, cinética y potencial saliendo
96 4 Modelado analítico del proceso controlado
TT
LT
4.4.1 Modelado
El desarrollo del modelo del proceso incluye las siguientes ecuaciones:
d[AH(t)]
= Qe (s) + Qc (t) − Qs (t). (4.2)
dt
• Caudal del líquido caliente por la válvula de control, cuya característica inhe-
rente de flujo, se supondrá aproximadamente cuadrática
dH(t) p
A = Qe (s) + Qc (t) − Kvs Xv ρgH(t), (4.8)
dt
dT (t)
AH(t) = [Te (t) − T (t)] Qe (t) + [Tc (t) − T (t)] Qc (t), (4.9)
dt
Qc (t) = KvcU 2 (t), (4.10)
YT (t) = KT T (t), (4.11)
YL (t) = KL H(t), (4.12)
donde:
100 4 Modelado analítico del proceso controlado
• Kvc - constante de la válvula de control, Kvc = 3,5 10−6 , caudal máximo por la
válvula 0,035 m3 s−1 ,
Figura 4.3: Bloque representativo del modelo analítico del tanque de mezcla
Del modelo dinámico (4.8) a (4.12), se obtienen las ecuaciones del modelo en esta-
do estacionario. Estas permiten determinar las características estáticas del proceso,
Te =25 [°C]
100
Te =20 [°C] 100
Te =30 [°C]
80 80
60 60
40 40
20 20
0 0
0 20 40 60 80 100 0 20 40 60 80 100
Señal de salida del controlador, U [%] Señal de salida del controlador, U [%]
Te Qe + Tc KvcU 2
YT = KT , (4.13)
Qe + KvcU 2
2
KL Qe + KvcU 2
YL = , (4.14)
ρg Kvs Xs
Entre más alta sea la temperatura que se desee mantener de la mezcla de líquidos
en el tanque, mayor será el caudal de líquido caliente requerido. Esto ocasiona al
mismo tiempo, que el nivel del líquido en el tanque aumente.
YT (t)
60
YL (t)
Variables [%]
58
56
54
52
50
0,58 0,62
yT (s) = u(s) + T 0 (s), (4.15)
49,12s + 1 51,85s + 1 e
1, 66
yL (s) = u(s). (4.16)
108,60s + 1
donde
0,58
Pu (s) = , (4.19)
49,12s + 1
0,62
Pd (s) = , (4.20)
51,85s + 1
1,66
Px (s) = , (4.21)
108,60s + 1
donde:
0 - constante de la válvula de control, K 0 = 0,035,
• Kvc vc
YT (t)
60
YL (t)
Variables [%]
58
56
54
52
50
Figura 4.7: Comportamiento dinámico predicho por el nuevo modelo del tanque de
mezcla
0,58e−2,33s
Pu (s) = , t63,2 = 53,26 s (4.26)
50,93s + 1
0,62e−9,82s
Pd (s) = , t63,2 = 61,99 s (4.27)
52,17s + 1
1,66e−4,39s
Px (s) = , t63,2 = 111,29 s. (4.28)
109,90s + 1
108 4 Modelado analítico del proceso controlado
TIC
10
I/P
TY
10
TV
10
TT
10
LI LT
15 15
Figura 4.8: Diagrama de flujo de instrumentos del sistema de control del tanque de
mezcla
Figura 4.9: Diagrama de bloques del sistema de control del tanque de mezcla
Energía y masa
entrando al sistema
Energía y masa
Energía y masa saliendo del sistema
adicionadas al
sistema
Por otra parte, en la sección 1.6 del Capítulo 1, se indicó que el algoritmo de
control del controlador, posee varios parámetros ajustables. Como se analizará más
adelante, los valores de estos parámetros inciden sobre las características del com-
portamiento y la estabilidad del sistema de control. Por el momento, se supondrá
que los parámetros del algoritmo de control, se han seleccionado con el objetivo de
cumplir con un determinado conjunto de especificaciones de diseño y se empleará el
diagrama de bloques de la figura 4.9, para analizar el comportamiento del sistema de
control de la temperatura del líquido en el tanque y la variación de su nivel.
En la figura 4.11 se muestra en comportamiento del sistema de control diseñado,
ante cambios en el valor deseado y la perturbación. Durante la operación de este
sistema de control, se dan las siguientes condiciones y variaciones:
60 y(t)
Variables [%]
58 r(t)
56
54
52
50
48
0 100 200 300 400 500 600
Tiempo, t [s]
60 u(t)
Variables [%]
58
56
54
52
50
48
0 100 200 300 400 500 600
Tiempo, t [s]
Figura 4.11: Respuestas del sistema de control de temperatura del tanque de mezcla
Por lo tanto, el controlador debe hacer que la variable controlada siga a su valor
deseado si este cambia y también debe mantenerla en (regresarla a) su valor deseado
(constante), si se ve desviada de este por la influencia de las perturbaciones.
Cuando el controlador de temperatura responde a los cambios en el valor desea-
do para esta y en la temperatura del líquido frío de entrada, altera tanto el flujo de
energía como el de masa entregados al proceso, por lo que afecta tanto la temperatura
(energía) −que está controlado− como el nivel (masa) de la mezcla de líquidos en el
tanque −que no está controlando−.
Durante la operación del sistema de control de temperatura, el nivel de la mezcla
de líquidos dentro del tanque varía como se muestra en la figura 4.12:
YL [%]
60
55
50
0 200 400 600 800 1000
Tiempo, t [s]
3. El caudal del fluido caliente alcanza un nuevo valor casi constante, poco des-
pués del instante t = 150 s, mientras que el nivel de la mezcla en el tanque
sigue aumentado, ya que todavía el caudal total de entrada sigue siendo mayor
que el de salida, aunque este último está aumentando debido al aumento del
nivel del líquido en el tanque.
4.5 Resumen
La obtención de un modelo analítico del proceso a controlar, tiene como base la
aplicación de las leyes de conservación, estableciendo balances de energía, de masa
total o de componentes, según la naturaleza física del proceso bajo estudio.
Además de las ecuaciones que definen al proceso en si, es necesario incorporar
al modelo, las ecuaciones que describen a los elementos de medición y actuación
necesarios para obtener la información de la variable controlada del proceso y para
actuar sobre el. Este conjunto de ecuaciones representará al proceso controlado.
El desarrollo de un modelo analítico del proceso controlado, conduce normal-
mente a que este sea representado por un conjunto de ecuaciones algebraico diferen-
ciales no lineales, cuya solución solo es posible mediante su simulación digital.
Si el análisis y el diseño del sistema de control, van a hacer uso de herramientas
de estudio con base en funciones de transferencia, debe obtenerse una aproximación
lineal de su modelo para representarlo.
En adición al modelo del tanque de mezcla desarrollado en este capítulo, para los
estudios de control posteriores, se podrá contar con los modelos de otros procesos,
los cuales se describen en forma breve en el Apéndice A.
4.6 Bibliografía
Cameron, I. y Gani, R. (2011). Product and Process Modelling: A Case Study Ap-
proach. Elsevier, B. V. The Boulevard, Langford Lane, Kidlingtom, Oxford OX5
1GB, UK.
Roffel, B. y Betlem, B. (2006). Procedss Dynamics and Control: Modeling for Con-
trol and Prediction. Jhon Wiley & Sons, Ltd., Chichester, West Sussex PO19 8SQ,
England.
Seborg, D. E., Edgar, T. F., Mellichamp, D. A., y Doyle, F. J. (2011). Process Dyna-
mics and Control. John Wiley & Sons, Inc., 3ra. edición.
114 4 Modelado analítico del proceso controlado
5.1 Introducción
5.2 Análisis de la respuesta en el tiempo
5.2.1 Procesos de primer orden
5.2.2 Procesos de primer orden en serie
5.2.3 Causalidad de los elementos del proceso
5.2.4 Efecto de la interacción
5.2.5 Procesos de segundo orden
5.2.6 Movimiento en el plano de fase
5.2.7 Lugares en el plano complejo s
5.3 Procesos con tiempo muerto
5.4 Polos, ceros y comportamiento dinámico
5.4.1 Localización de los polos
5.4.2 Localización de los ceros
5.4.3 Origen de los polos y los ceros
5.5 Procesos integrantes
5.6 Procesos inestables
5.7 Procesos con respuesta inversa
5.8 Proceso con múltiples puntos de equilibrio
5.9 Modelo general del proceso controlado
5.10 Procesos dinámicos heterogéneos
5.11 Resumen
115
116 5 Comportamiento dinámico de los procesos simples
5.12 Bibliografía
5.1 Introducción
En general, el comportamiento de un sistema dinámico se puede explicar a partir
del de los sistemas más simples, de primer y segundo orden, ya que estos serán
combinaciones más o menos complejas de estos sistemas básicos.
Además, para el establecimiento de los índices utilizados para la medición del
comportamiento de los sistemas de control (particularmente del servo control), usual-
mente se hace la suposición o simplificación, de que su comportamiento puede ser
aproximado con mayor o menor exactitud, por el de un sistema de segundo orden
subamortiguado.
T = RgCg , (5.11)
• K - ganancia, K 6= 0,
Realimentación interna
Antes de analizar el comportamiento de los procesos de primer orden, se retomará
el sistema hidráulico de taque y válvula visto anteriormente y mostrado en la figura
5.4, como un ejemplo de un sistema de primer orden.
En este proceso, se tiene que
dH(t)
A = Qe (t) − Qs (t), (5.16)
dt
ρg
= Qe (t) − H(t), (5.17)
Rv
ARv dH(t) Rv
= −H(t) + Qe (t). (5.18)
ρg dt ρg
5.2. Análisis de la respuesta en el tiempo 121
ARv dh(t) Rv
= −h(t) + qe (t). (5.19)
ρg dt ρg
dy(t)
T = −y(t) + Ku(t), (5.20)
dt
que en el dominio de la variable compleja s, es
o
1
y(s) = [−y(s) + Ku(s)] . (5.22)
Ts
La relación (5.22) se puede representar en forma gráfica, por el diagrama de
bloques mostrado en la figura 5.5.
122 5 Comportamiento dinámico de los procesos simples
Respuesta al escalón
Si se aplica al proceso de primer orden (5.15), un cambio escalón de magnitud ∆u en
la entrada en el instante t = 0, dado por
donde la función escalón unitario us (t) está definida como us (t) = 0 para t ≤ 0 y
us (t) = 1 para t > 0, su respuesta será
y(t) = K 1 − e−t/T ∆u, t ≥ 0, (5.24)
Cuadro 5.2: Repuesta nor- Tiempo normalizado, t/T Respuesta, y(t/T )/∆y
malizada del proceso de
primer orden 1 0,6321
2 0,8647
3 0,9502
4 0,9817
5 0,9933
6 0,9975
7 0,9991
8 0,9997
po que tarda la respuesta del proceso en alcanzar el 63,2 % de su valor final. Además,
en el caso de los procesos de primer orden, la suma de las constantes de tiempo o
tiempo de residencia medio, es igual a su constante de tiempo, T∑ = T .
La derivada de (5.24) en t = 0, dada por la expresión
Figura 5.9: Procesos con igual ganancia pero distinta constante de tiempo
término de sus polos y ceros. Un proceso de primer orden, tiene solo un polo locali-
zado en el plano complejo s, en −1/T .
A medida que la constante de tiempo crece, el proceso se vuelve más lento, su
polo se corre hacia la derecha −se acerca al origen del plano complejo s−. Entonces,
entre más alejado hacia la izquierda se encuentre el polo del proceso, más rápido es
este, como se aprecia en la figura 5.12. Por lo tanto, la posición de los polos de dos
procesos de primer orden distintos, será una indicación de su velocidad relativa.
Figura 5.10: Procesos con igual constante de tiempo pero diferente ganancia
Figura 5.14: Red generalizada equivalente para dos procesos de primer orden en serie
Visto como un todo, en su relación f (s) → v2 (s), el proceso compuesto por los
dos procesos de primer orden en serie, es entonces un proceso de segundo orden
-tiene dos almacenadores de energía independientes-.
Las respuestas de los procesos de primer orden en serie, a una entrada escalón
unitario, f (t) = us (t), son entonces
v1 (t) = K1 1 − e−t/T1 , t ≥ 0, (5.42)
T1 T2 1 −t/T1 1 −t/T2
v2 (t) = K1 K2 1 − e − e , T1 6= T2 , t ≥ 0. (5.43)
T1 − T2 T2 T1
n=1 2 3 5
t63,2
t63,2n = = 1 + 1,1457(n − 1)0,9768 . (5.47)
T
134 5 Comportamiento dinámico de los procesos simples
Variables [%]
K=1 60
58
y1n (t)
56 y2n (t)
y3n (t)
y5n (t)
54 y10n (t)
u(t)
52
50
48
0 1 2 3 4 5
t/t63, 2n
dH1 (t)
T1 + H1 (t) = K1 Qe (t), (5.51)
dt
dH2 (t)
T2 + H2 (t) = K2 H1 (t), (5.52)
dt
que se puede expresar, como
K1
H1 (t) = Qe (t), (5.53)
T1 p + 1
K2 K1 K2
H2 (t) = H1 (t) = Qe (t). (5.54)
T2 p + 1 (T1 p + 1)(T2 p + 1)
Para los parámetros indicados anteriormente, se tiene que la relación entre el
nivel del líquido en el tanque 2 y el caudal de entrada al tanque 1, es
31,929
H2 (t) = Qe (t). (5.55)
(127,714p + 1)2
En la figura 5.19 se muestra la evolución del nivel del líquido en el segundo
tanque (H2 (t)), cuando el caudal de entrada al primero Qe (t) sube o baja en forma
de escalón respecto al valor Qoe , a partir del instante t = 10 s. Como se aprecia,
el nivel del líquido en el tanque se estabiliza −se autorregula− en un nuevo valor
−mayor que H2o si el caudal de entrada ha aumentado y menor que este si más bien
ha disminuido−.
136 5 Comportamiento dinámico de los procesos simples
H2 (t) [m]
2.8
orden
2.6
2.4
2.2
H2 (t) [m]
2.8
orden
2.6
2.4
2.2
Considérese ahora el proceso hidráulico la figura 5.21, constituido por dos tan-
ques con válvula interconectados entre si, cuya red generalizada equivalente se mues-
tra en la figura 5.22.
138 5 Comportamiento dinámico de los procesos simples
Figura 5.22: Red generalizada equivalente para los dos tanques interconectados
En esta red, se hace evidente que los tanques no son “independientes”, el compor-
tamiento de las variables en uno, depende del de las del otro. Existe una “interacción”
entre las variables de los dos tanques.
5.2. Análisis de la respuesta en el tiempo 139
Esto lleva a que la representación en bloques del proceso, no sea una simple
conexión en serie de dos bloques −cada uno representando la dinámica de uno de los
tanques−, como la mostrada en la figura 5.15, para los dos tanques en serie.
.
Definiendo las constantes de tiempo y ganancias del proceso como T1 = R1C1 ,
. . .
T2 = R2C2 , K1 = R1 y K2 = R2 /R1 , y transformado (5.58) y (5.59) al dominio s, la
red generalizada de la figura 5.22 se puede representar por el diagrama de bloques
de la figura 5.23. Este muestra claramente la existencia de “lazos de realimentación
internos” en el proceso. Se dice que este es un proceso interactivo.
Al interconectar los dos tanques como se muestra en la figura 5.21, se hace algo
más que solo establecer que el caudal de salida del primer tanque sea a su vez el
caudal de entrada al segundo. De hecho puede ser que el flujo de líquido entre los
dos tanques sea en sentido inverso, del segundo al primero. Además, la interconexión
de los dos tanques hace que la presión a la “salida” de la válvula del primer tanque,
sea la misma que la presión en el fondo del segundo tanque. La conexión entre los
dos tanques involucra dos variables, caudal y presión, donde una es una variable de
potencial (presión) y la otra una variable de flujo (caudal).
El proceso debe verse como compuesto por subprocesos que intercambian varia-
bles entre si y con el medio externo, tal como se muestra en la figura 5.24.
Al interior del proceso, no hay una relación causal en la interacción entre los
subprocesos que lo componen.
140 5 Comportamiento dinámico de los procesos simples
SubP1 SubP2
tanque 1 y que las válvulas son iguales, por lo que T2 = 2T1 con T1 = T . Además, sin
perder generalidad, se tomará K1 = K2 = 1.
Entonces, en este caso (5.61) es
1
v2s (s) = f (s), Ts ∑ = 3T, (5.64)
(T s + 1)(2T s + 1)
para los dos tanques en serie, y (5.63) es
1
v2i (s) = f (s), Ti ∑ = 4T, (5.65)
(0,586T s + 1)(3,414T s + 1)
para los dos tanques interconectados.
La interacción cambia las constantes de tiempo efectivas del proceso. Conside-
rando el proceso en su relación f → v2 , una constante de tiempo -la mayor- aumenta
y la otra -la menor- disminuye. Además, su tiempo de residencia medio es mayor esto
es, la interacción torna el proceso considerado como un todo, más lento.
Respuesta temporal
Para efecto del estudio del comportamiento dinámico de los procesos de segundo
orden, se considerará que estos están representados por la función de transferencia
general
y(s) ωn2 K K
= 2 2
= 2 2 , (5.70)
u(s) s + 2ζ ωn s + ωn T s + 2ζ T s + 1
en donde:
• K - ganancia, K 6= 0,
• ζ - razón de amortiguamiento,
• ζ ωn - constante de amortiguamiento,
s2 + 2ζ ωn s + ωn2 = 0, (5.75)
144 5 Comportamiento dinámico de los procesos simples
y(t)
0.010
0.8
0.005
0.6
Im
0.000
0.4
−0.005
0.2
−0.010
0.0
0 1 2 3 4 5 6
−0.015
t
−25 −20 −15 −10 −5 0 5
Re
donde al término
σa = ζ ωn , (5.79)
se le denomina constante de amortiguamiento y a
p
ωa = ωn 1 − ζ 2 , (5.80)
y(t)
guado 0.010
0.8
0.005
0.6
Im
0.000
0.4
−0.005
0.2
−0.010
0.0
0 1 2 3 4 5 6
−0.015
t
−5 −4 −3 −2 −1 0 1
Re
do orden subamortiguado 4
1.4
y(t)
1.2
1.0
0.8
Im
0.6
−2 0.4
0.2
−4
0.0
0 1 2 3 4 5 6
t
−1.2 −1.0 −0.8 −0.6 −0.4 −0.2 0.0 0.2
Re
do orden oscilatorio 4
2.0
y(t)
2 1.5
Im
0
1.0
−2
0.5
−4
0.0
0 1 2 3 4 5 6
t
−0.020
−0.015
−0.010
−0.0050.000 0.005 0.010 0.015 0.020
Re
146 5 Comportamiento dinámico de los procesos simples
y(t)
4
20
2
10
Im
0
0
0 1 2 3 4 5 6
−2
−10
−4
t
−0.1 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
Re
do orden inestable 8
y(t)
0.010
6
0.005
Im
0.000 4
−0.005
2
−0.010
0
0.0 0.1 0.2 0.3 0.4 0.5
−0.015
t
−1 0 1 2 3 4 5 6
Re
( = 0.25)
y ζ
( = 0.35)
y ζ
y (ζ = 0.5)
1.4
( ) ( ∆u)
y (ζ = 0.75)
y ωn t / K
1.2 y (ζ = 1.0)
y (ζ = 2.0)
u
1.0
0.8
0.6
0.4
0.2
0.0
0 5 10 15 20 25
ωn t
d2 y(t) dy(t)
+ 2ζ ωn + ωn2 y(t) = ωn2 u(t), (5.81)
dt 2 dt
se puede escribir, como
dy(t)
= y0 (t), (5.82)
dt
dy0 (t)
+ 2ζ ωn y0 (t) + ωn2 y(t) = 0, (5.83)
dt 2
con condiciones iniciales (y(0), y0 (0)).
Transformando el modelo (5.82) y (5.83), del dominio del tiempo t al de la va-
riable compleja s, aplicando la transformada de Laplace con condiciones iniciales
distintas de cero, se obtiene
(s + 2ζ ωn )y(0) + y0 (0)
y(s) = . (5.84)
s2 + 2ζ ωn s + ωn2
En forma similar, a lo hecho en el punto anterior cuando existía una excitación
externa, el comportamiento del sistema libre, para diferentes valores de la razón de
amortiguamiento, está dado por las expresiones:
donde
p
y0 (0) + (ζ + ζ 2 − 1)ωn y(0)
a1 = p , (5.86)
2ωn ζ 2 − 1
p
−y0 (0) − (ζ − ζ 2 − 1)ωn y(0)
a2 = p . (5.87)
2ωn ζ 2 − 1
• ζ = 0 - Proceso oscilatorio
y0 (0)
y(t) = y(0) cos(ωnt) + sen(ωnt), t ≥ 0. (5.90)
ωn
15 15
()
dy t /dt ζ = 2.5 ζ =1
10 10
5 5
0 0
−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
y t ()
−5 −5
−10 −10
−15 −15
15 15
ζ = 0.25 ζ =0
10 10
5 5
0 0
−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
−5 −5
−10 −10
−15 −15
les cuyo ángulo con el eje real, es el coseno inverso de la razón de amortiguamiento,
como se muestra en la figura 5.37.
Por su parte, los lugares de constante de amortiguamiento constante mostrados
en la figura 5.38, son líneas rectas verticales cuya distancia al eje imaginario, es la
constante de amortiguamiento.
5.3. Procesos con tiempo muerto 153
donde:
o un proceso estable de segundo orden más tiempo muerto (esomtm), dado por la
función de transferencia
Ke−Ls
P(s) = , 0 ≤ a ≤ 1, T∑ = (1 + a)T + L, (5.94)
(T s + 1)(aT s + 1)
cuya respuesta a un cambio escalón en la entrada, es
(
0, 0≤t <L
y(t) = 1
−(t−L)/T a
−(t−L)/aT (5.95)
K 1 − 1−a e + 1−a e ∆u, t ≥ L.
K 0 ∏m
i=1 (s + zi )
P(s) = , n ≥ m, (5.98)
∏nj=1 (s + p j )
donde los ceros −zi y los polos −p j pueden ser reales o complejos conjugados. Se
considerará también que zi 6= p j ∀ i, j, esto es, que no hay cancelaciones de polos con
ceros.
La función de transferencia del modelo tiene n polos y m ceros, y para un sistema
causal esta es propia (n ≥ m).
156 5 Comportamiento dinámico de los procesos simples
Magnitud, |P(jω)|
Proceso de fase mínima y 1.0
no mínima 0.5
0.0
0.5 -2
10 10-1 100 101 102
150
Mientras los dos procesos tienen la misma magnitud para todas las frecuencias,
la fase de Pn (jω) siempre es mayor que la de P(jω), este último tiene una “fase
mínima”.
Los procesos que tienen un cero en el semiplano derecho del plano complejo
s, se denominan sistemas con ceros de fase no mínima y se caracterizan por tener
una respuesta inversa a una entrada escalón −la respuesta del sistema evoluciona
inicialmente en el sentido contrario a como lo hace posteriormente−. Los ceros del
sistema en el semiplano izquierdo del plano complejo s, se denominan ceros de fase
mínima.
2(2,5s + 1)
P5 (s) = .
(s + 1)2
En este caso, el proceso es críticamente amortiguado −de polo doble−, sin em-
bargo, su respuesta a un cambio escalón en la entrada, tiene sobrepaso pero no es
oscilatoria, tal como se muestra en la figura 5.43, si se produce un cambio del 10 %
en la señal de entrada.
Esta característica de la respuesta al escalón, se debe a la existencia del cero en
el semiplano izquierdo.
160 5 Comportamiento dinámico de los procesos simples
90 y1 (t) 90 y2 (t)
y(t)
y(t)
u(t) u(t)
80 80
70 70
60 60
50 50
0 2 4 6 8 10 0 2 4 6 8 10
40 40
Tiempo [s] Tiempo [s]
70 70
y(t)
y(t)
65 65
60 60
y3 (t) y4 (t)
55 u(t) 55 u(t)
50 50
45 45
0 2 4 6 8 10 0 2 4 6 8 10
40 Tiempo [s] 40 Tiempo [s]
mínima
70
65
60
55
50
45
0 2 4 6 8 10
Tiempo [s]
5.4. Polos, ceros y comportamiento dinámico
y(t) 161
70
u(t)
60 y6 (t) (T3 = 2.5)
y6 (t) (T3 = 2.0)
y6 (t) (T3 = 1.0)
y6 (t) (T3 = 0.0)
50 y6 (t) (T3 = -1.0)
y6 (t) (T3 = -2.0)
40
0 2 4 6 8 10
Tiempo, t [s]
Figura 5.44: Ejemplo 5.8 - Efecto de la posición del cero sobre la respuesta al escalón
será el sobre impulso de la respuesta, mientras que entre más hacia la derecha se
encuentre el cero en el semiplano derecho, mayor será la magnitud del bajo impulso
de la misma.
dH1 (t) ρg
A1 = Qe (t) − Qs1 (t) = Qe (t) − H1 (t), (5.114)
dt Rv1
dH2 (t) ρg ρg
A2 = Qs1 (t) − Qs2 (t) = H1 (t) − H2 (t), (5.115)
dt Rv1 Rv2
ρg
Qs (t) = Qs2 (s) = H2 (t). (5.116)
Rv2
la razón entre las constantes de tiempo es a = C f 2 Rv2 /(C f 1 Rv1 ) = A2 Rv2 /(A1 Rv1 ).
Para el caso particular en que las válvulas de salida de los tanques sean idénticas
(igual apertura, igual resistencia hidráulica), la razón entre las constantes de tiempo
a = A2 /A1 , es una indicación de la capacidad de almacenamiento relativa entre los
tanques.
Si los dos tanques y las dos válvulas son iguales, (A1 = A2 = A) y (Rv1 = Rv2 =
R), a = 1 y el modelo del proceso sería un polo doble. Por otra parte, si A1 A2 ,
entonces a 1 y el proceso se aproximaría a ser uno de primer orden.
164 5 Comportamiento dinámico de los procesos simples
Los ceros de la función de transferencia del modelo del proceso, son originados por
la interconexión de los polos.
Considérese ahora el proceso hidráulico de la figura 5.47, constituido por los dos
tanques anteriores con sus respectivas válvulas, pero conectados en paralelo.
5.4. Polos, ceros y comportamiento dinámico 165
dH1 (t) 1 ρg
A1 = Qe (t) − H1 (t), (5.122)
dt 2 Rv1
dH2 (t) 1 ρg
A2 = Qe (t) − H2 (t), (5.123)
dt 2 Rv2
ρg
Qs1 (t) = H1 (t), (5.124)
Rv1
ρg
Qs2 (t) = H2 (t), (5.125)
Rv2
Qs (t) = Qs1 (t) + Qs2 (t). (5.126)
K(bT s + 1)
Pp (s) = , (5.128)
(T s + 1)(aT s + 1)
166 5 Comportamiento dinámico de los procesos simples
la razón entre las constantes de tiempo, como anteriormente, es a = C f 2 Rv2 /(C f 1 Rv1 ) =
A2 Rv2 /(A1 Rv1 ). Ahora, la posición relativa del cero b = (1 + a)/2.
Si los dos tanques y las dos válvulas son iguales, (A1 = A2 = A) y (Rv1 = Rv2 =
R), entonces a = 1 y b = 1, (5.128) se reduce a
K(T s + 1) K
Pp (s) = = , (5.129)
(T s + 1)(T s + 1) T s + 1
y el proceso se comportaría como si fuera de primer orden (desde el punto de vista
externo). Esto es, parecería que fuera un solo tanque que recibe todo el caudal de
entrada.
Para obtener la respuesta del proceso a un cambio en el caudal de entrada de
magnitud ∆Qe , expandiendo (5.127) en fracciones parciales como
1 T1 T2 (T1 − T3 )/T1 T2 (T2 − T3 )/T1 T2
Qs (s) = − − ∆Qe , (5.130)
s T1 − T2 s + 1/T1 s + 1/T2
y aplicando la transformada inversa de Laplace, se tiene que esta es
T1 T2 T1 − T3 −t/T1 T2 − T3 −t/T2
Qs (t) = 1 − e − e ∆Qe . (5.131)
T1 − T2 T1 T2 T1 T2
Los modos de la repuesta son los mismos que en el caso anterior, pero la forma en
que estos se combinan es diferente, debido a la existencia del cero.
Con base en (5.128) la respuesta del proceso, se puede escribir como
1 − b −t/T1 a − b −t/T2
Qs (t) = K 1 − e + e ∆Qe , t ≥ 0, a 6= 1. (5.132)
1−a 1−a
Comparando (5.132) con (5.121), se puede apreciar el efecto que tiene la locali-
zación del cero (b), sobre la forma en que se combinan los modos de la respuesta.
Figura 5.49: Ejemplo 5.9 - Respuesta de los procesos hidráulicos con dos tanques
(a = 1, b = 1)
y en el segundo
bT s + 1
Pp (s) = , (5.134)
(T s + 1)(aT s + 1)
con T = C f 1 Rv1 , a = C f 1 Rv1 /(C f 2 Rv 2) y b = (1 + a)/2.
Supóngase primero que los dos tanques tienen la misma área transversal (mis-
ma capacidad) C f 1 = C f 2 = C f y que las dos válvulas son iguales Rv1 = Rv2 =
R. Por lo tanto T1 = C f R = T2 = T = 60 s y a = 1 y b = 1.
El cambio en los caudales de salida de los dos tanques (Qs1 (t), Qs2 (t)), así
como el del conjunto Qs (t) a un cambio del 10 % en el caudal de entrada Qe (t),
se muestra en la figura 5.49, (a) tanques en serie y (b) tanques en paralelo.
Como los dos conjuntos {tanque - válvula} son idénticos, sus caudales de sa-
lida individuales son iguales. Por otra parte, en el proceso con los tanques en
serie Qs (t) = Qs2 (t) y en el que están en paralelo Qs (t) = Qs1 (t) + Qs2 (t).
La respuesta de proceso con los tanques en serie es la de un polo doble y la
del proceso con los tanques en paralelo, la de un sistema de primer orden con
una capacidad equivalente al doble de la de un solo tanque.
2. Supóngase ahora que la capacidad del tanque 1 es cinco veces mayor que la
del tanque 2, esto es que C f 1 = 5C f 2 = C f y siempre que las dos válvulas son
iguales Rv1 = Rv2 = R. Por lo tanto T1 = C f R = 5T2 = T = 60 s y a = 0,2 y
b = 0,6.
168 5 Comportamiento dinámico de los procesos simples
Figura 5.50: Ejemplo 5.9 - Respuesta de los procesos hidráulicos con dos tanques
(a = 0,2, b = 0,6)
constante
o
1
y(s) = Ku(s), (5.141)
s
La relación (5.141) se puede representar en forma gráfica, por el diagrama de
bloques mostrado en la figura 5.52.
Como es evidente en (5.139), (5.141) y la figura 5.52, la evolución de la varia-
ble de interés y(t) (h(t)), solo es afectada por la entrada y su razón de cambio es
constante, no depende de su evolución.
Partiendo de un punto de equilibrio {U0 = Q0e = Qs , Y0 = H 0 } (u(s) = 0, y(s) =
0), si se presenta un cambio tipo escalón positivo en el caudal de entrada u(s) de
170 5 Comportamiento dinámico de los procesos simples
magnitud ∆u, la razón de cambio del nivel y(s) es positiva por lo que empieza a
aumentar −el nivel del líquido en el tanque sube− y no hay nada que haga que esta
tendencia decrezca, la variable de salida aumenta en forma constante. El nivel del
líquido subirá hasta que se derrame por la parte superior del tanque.
Los procesos integrantes, son un caso particular de los inestables. Para represen-
tarlos, sus modelos incluyen al menos un polo en el origen.
El modelo de un proceso integrante de primer orden (integrante “puro”) más
tiempo muerto (ipomtm), es
Ke−Ls
P(s) = , (5.142)
s
cuya respuesta a un cambio escalón en la entrada, es
(
0, 0 ≤ t < L,
y(t) = (5.143)
K (t − L) ∆u, t ≥ L,
Ke−Ls
P(s) = , (5.144)
s(T s + 1)
cuya respuesta a un cambio escalón en la entrada, es
(
0, 0 ≤ t < L,
y(t) = −(t−L)/T
(5.145)
K t −L−T 1−e ∆u, t ≥ L,
80
70
y1 (t)
y2 (t)
u(t)
60
50
0 2 4 6 8 10
Tiempo, t [s]
Figura 5.53: Respuesta de los procesos integrantes de primer y segundo orden más
tiempo muerto
cuya derivada, es
dyi (t)
= K∆u. (5.147)
dt
Como se indicó anteriormente, la respuesta crece (o decrece) a velocidad cons-
tante. Entonces, K en los procesos integrantes es una ganancia de velocidad, dada
172 5 Comportamiento dinámico de los procesos simples
por
. ∆yi
Kv = K = , (5.148)
∆t∆u
con unidades ( %/ %)/s.
En el caso de un proceso “integrador doble”, dado por el modelo
Ke−Ls
P(s) = , (5.149)
s2 (T s + 1)
si T = 0 y L = 0, su respuesta es
1
yi2 (t) = K t 2 ∆u. (5.150)
2
Derivando (5.150) dos veces, se obtiene que
dyi2 (t)
= K t ∆u, (5.151)
dt
d2 yi2 (t)
= K∆u. (5.152)
dt 2
Por lo tanto, K es ahora una ganancia de aceleración, dada por la expresión
. ∆y2
Ka = K = 2 i2 , (5.153)
∆t ∆u
con unidades ( % %/ %)/s2 .
Los modelos de los procesos integrantes se expresarán entonces, como:
• Proceso ipomtm
Kv e−Ls
P(s) = . (5.154)
s
• Proceso isomtm
Kv e−Ls
P(s) = , (5.155)
s(T s + 1)
donde:
• Kv - ganancia, Kv 6= 0 s−1 ,
• L - tiempo muerto, L ≥ 0 s.
5.5. Procesos integrantes 173
constante
donde
Rv1
K1 = , (5.162)
ρg
ρg
K2 = , (5.163)
A2 Rv1
1
K3 = , (5.164)
A2
A1 Rv1
T1 = . (5.165)
ρg
H2 (t) [m]
4.5
4.0
3.5
3.0
2.5
Como de vio en el ejemplo anterior, los sistemas integrantes libres (sin un es-
tímulo externo), no convergerán a un punto de equilibrio único, tienen un número
infinito de puntos de equilibrio.
80
70
y1 (t)
y2 (t)
u(t)
60
50
0 2 4 6 8 10
Tiempo, t [s]
Ke−Ls
P(s) = . (5.167)
(T s + 1)(aT s − 1)
Realimentación interna
De (5.166), con L = 0 y K > 0 (sistema inestable de primer orden sin tiempo muerto),
la relación entre la señal realimentada y la señal de control, es
y(s) K
= , (5.168)
u(s) T s − 1
o
1
y(s) = [y(s) + Ku(s)] , (5.170)
Ts
y que en forma gráfica se puede representar, por el diagrama de bloques mostrado en
la figura 5.59.
La razón de cambio de la señal realimentada y(s) depende de ella misma y de la
señal de control u(s). En este caso, existe un lazo de realimentación positiva interno.
Si se está en un punto de equilibrio {Uo , Yo } (u(s) = 0, y(s) = 0) y se presenta
un cambio tipo escalón positivo en la señal de control u(s) de magnitud ∆u, la razón
de cambio de la señal realimentada y(s) es positiva por lo que empieza a aumentar.
Además, como entre más crece y(s) mayor es la cantidad que se le suma (+y(s)) a
esta razón de cambio, el crecimiento de y(s) se acelera y el proceso se desboca. La
realimentación interna positiva ocasiona que este sea un proceso inestable.
Ganancia
En los procesos inestables −“desbocados” en el sentido creciente−, ante un cambio
positivo constante en un estímulo, su respuesta aumentaría con una razón de cambio
creciente con el tiempo, hasta que se alcance un límite físico, que podría ser catas-
trófico.
En este caso, tampoco se puede aplicar el teorema del valor final de la trans-
formada de Laplace, para encontrar la ganancia estacionaria por ser este un proceso
inestable, que no la tiene. Si se hiciera s = 0 en (5.166) o (5.167), se obtendría que la
ganancia estacionaria del proceso P(0) = −K, lo cual sería una contradicción.
La respuesta de (5.166), con L = 0, a un cambio escalón de magnitud ∆u en t = 0,
es h i
yu (t) = K −1 + e+t/T ∆u. (5.171)
• Proceso upomtm
Ku e−Ls
P(s) = , (5.177)
Ts−1
• Proceso usomtm
Ku0 e−Ls
P(s) = , (5.178)
(T s + 1)(aT s − 1)
donde:
• L - tiempo muerto, L ≥ 0 s.
180 5 Comportamiento dinámico de los procesos simples
• L - tiempo muerto, L ≥ 0 s.
La respuesta inversa que presentan estos procesos, es el resultado de la compe-
tencia entre un subproceso lento que tiene una ganancia mayor, que la del subproceso
rápido con el que compite.
El proceso modelado por (5.179) es estable, por lo que se puede obtener su ga-
nancia estática, evaluando su función de transferencia en s = 0, K = P(0).
En particular, la característica de respuesta inversa se da cuando el proceso tiene
un número impar de ceros de fase no mínima. Por otra parte, una característica ge-
neral, es que la respuesta de un proceso tendrá tantos “cruces por cero”, como ceros
de fase no mínima posea. Esto último aplica para procesos estrictamente propios con
polos y ceros reales (Hoagg y Berstein, 2007).
90
Variables [%]
80
70 y(t)
y1 (t)
y2 (t)
u(t)
60
50
40
0 20 40 60 80 100 120
Tiempo [s]
por la dinámica rápida y2 (t) −que está restada de la respuesta lenta−, por lo que es
negativa, pero posteriormente pasa a ser dominada por la dinámica lenta y1 (t) que
tiene una ganancia mayor, por lo que se torna positiva.
La competencia entre las dos dinámicas del proceso, da como resultado un cero
de fase no mínima y que el proceso tenga una respuesta inversa.
182 5 Comportamiento dinámico de los procesos simples
Variables [%]
Respuesta de procesos con 6
1, 2 y 3 ceros de fase no
mínima 4
2 y1 (t)
y2 (t)
y3 (t)
u(t)
0
0 5 10 15 20
Tiempo [s]
Los cruces por cero y la respuesta inversa, consecuencia de los ceros de fase no
mínima, no pueden evitarse, estas características aparecerán también en las curvas de
respuesta de los sistemas de control de estos procesos.
hay otros en los cuales, debido a sus características no lineales, se tiene más de un
posible punto de equilibrio (condición de operación en estado estacionario).
Tómese como ejemplo, el modelo dinámico del reactor bioquímico mostrado en
la figura 5.63, obtenido en la sección A.2.6 del Apéndice A, que está dado por las
ecuaciones (Bequette, 1998, 2003)
dX(t)
V = Xi Q(t) +V r1 (t) − X(t)Q(t), (5.181)
dt
dS(t)
V = Si Q(t) −V r2 (t) − S(t)Q(t), (5.182)
dt
r1 (t)
Y= , (5.183)
r2 (t)
r1 (t) = µ(t)X(t), (5.184)
µ(t)X(t)
r2 (t) = , (5.185)
Y
µmax S(t)
µ(t) = , (5.186)
km + S(t) + k1 S2 (t)
Y % (t) = 50X(t), (5.187)
Q(t) = 0,006U % (t). (5.188)
X1 (t)
1.0
S1 (t)
X2 (t)
S2 (t)
0.5
0.00 2 4 6 8
Tiempo, t [h]
la sección A.2.6 del Apéndice A, para el desarrollo del modelo y el significado de las
demás variables y parámetros.
Utilizando los parámetros en Bequette (1998) para el caso con Q(t) = 0,3 m3 h−1 ,
el proceso tiene tres puntos de equilibrio, dos estables y uno inestable, listados en el
cuadro 5.4.
Si el biorreactor se encuentra en el punto de operación 3 (estable) y se produce un
aumento en el caudal procesado en el biorreactor de magnitud ∆Q(t) = +0,05 m3 h−1
en el instante t = 2 h (caso 1), la concentración de la biomasa X(t) disminuye, mien-
tras que la del sustrato S(t) aumenta, tal como se muestra en la figura 5.64.
En la misma figura se nota que, si más bien se produce una disminución en el
caudal procesado ∆Q(t) = −0,05 m3 h−1 en el mismo instante que antes (caso 2), la
concentración de la biomasa X(t) aumenta, mientras que la del sustrato S(t) dismi-
nuye.
Si los cambios en el caudal (variable manipulada) son considerados “pequeños”,
el biorreactor se estabiliza en otro punto de operación (X ox , Sox ), en la vecindad del
5.8. Proceso con múltiples puntos de equilibrio 185
2
X1 (t)
S1 (t)
00 10 20 30 40 50
Tiempo, t [h]
1.5
1.0
X2 (t)
S2 (t)
0.5
0.00 2 4 6 8 10
Tiempo, t [h]
Punto 3
(estable)
Punto 2
(inestable)
Punto 1
(estable)
tor tiende a uno de los dos puntos de equilibrio estables (el 1 o el 3). Aún en el caso,
en que la variación en la condición inicial (X o = 0,99, S0 = 1,52) sea muy pequeña
respecto al punto de equilibrio inestable (X o = 0,9951, S0 = 1,5122), el proceso se
aleja de este y converge a un punto de equilibrio estable.
donde los polinomios del numerador y del denominar, se han expresado de forma tal
que N(0) = D(0) = 1.
Se supone que el modelo es una función de transferencia propia, esto es, que
O{D(s)} + n ≥ O{N(s)}, donde O{. . .} es el orden del polinomio.
Las raíces de Np+ (s) son los ceros de P(s) en el semiplano izquierdo del plano
complejo s, los ceros de fase mínima, y las raíces de Np+ (s) son los ceros de P(s) en
el semiplano derecho, los ceros de fase no mínima.
Por su parte, las raíces de D p− (s) son los polos de P(s) en el semiplano izquierdo
del plano complejo s, los polos estables, y las raíces de D p+ (s) son los polos de P(s)
en el semiplano derecho, los polos inestables.
En (5.191), n es el número de polos en el origen del modelo P(s) y L el tiempo
muerto.
dω(t)
J − Kia (t) + Bω(t) + TL (t) = 0. (5.193)
dt
• B = 0,01 N m s,
• J = 0,05 kg m2 ,
• La = 0,20 H,
• Ra = 2,25 Ω.
5.11 Resumen
El comportamiento dinámico de un proceso, depende de la localización de los polos y
ceros de su función de transferencia. Los polos determinan los modos de la respuesta
y los ceros la forma en que estos se combinan.
En los procesos autorregulados con solo polos reales, la respuesta no mostrará
ninguna oscilación y sus constantes de tiempo (el inverso de la posición de los polos),
determinarán la velocidad de la misma.
Si existen polos complejos conjugados, la respuesta de los procesos autorregula-
dos tendrá oscilación y sus características dependerán de la razón de amortiguamien-
to y la frecuencia natural de dichos polos.
En forma resumida, se tienen las siguientes características para los procesos sim-
ples sin tiempo muerto, considerando a {u(t), u(s)} como la “entrada” y a {y(t),
y(s)} como su “salida”:
• Polinomio característico
p(s) = T s + 1.
d2 y(t) dy(t)
2
+ 2ζ ωn + ωn2 y(t) = ωn2 Ku(t).
dt dt
• Función de transferencia
y(s) ωn2 K
= 2 .
u(s) s + 2ζ ωn s + ωn2
• Polinomio característico
p(s) = s2 + 2ζ ωn s + ωn2 .
• Ecuación diferencial
d2 y(t) dy(t)
T2 2
+ 2T + y(t) = Ku(t).
dt dt
• Función de transferencia
y(s) K K
= 2 2 = .
u(s) T s + 2T s + 1 (T s + 1)2
• Polinomio característico
p(s) = T 2 s2 + 2T s + 1.
5.11. Resumen 191
y(t) = Kv t ∆u.
• Polinomio característico
p(s) = s.
• Función de transferencia
y(s) Kv
= .
u(s) s(T s + 1)
• Polinomio característico
p(s) = T s2 + s.
• Polinomio característico
p(s) = T s − 1.
5.12 Bibliografía
Alfaro, V. M. (1991). La Red generalizada. Ingeniería, 1(2):37–52. Disponible en:
http://revistas.ucr.ac.cr/index.php/ingenieria/article/view/7578/7242.
Wade, H. L. (2004). Basic and Advanced Regulatory Control: System Design and Ap-
plication. ISA - The Instrumentation, Systems, and Automation Society, Research
Triangle Park, NC 27709, USA., 2nd. edición.
5.12. Bibliografía 193
Zhang, W. (2012). Quantitative Process Control Theory. CRC Press, Taylor &
Francis Group, LLC, Boca Raton FL 33487-2442. USA.
Parte II
Sistemas de control
195
6
6.1 Introducción
6.2 Esquemas de control
6.3 Control realimentado
6.3.1 Diagramas de bloques
6.3.2 Servo control y control regulador
6.3.3 Conflictos inherentes en el diseño de los sistemas de control
6.3.4 Estabilidad y respuesta de los sistemas de control
6.4 Rango de variación de las variables
6.5 Función de sensibilidad
6.5.1 Sensibilidad a lazo abierto
6.5.2 Sensibilidad a lazo cerrado
6.6 Funciones de sensibilidad de lazo cerrado
6.7 Resumen
6.8 Bibliografía
197
198 6 Sistemas de control realimentado
6.1 Introducción
Para determinar el lazo de control a estudiar en adelante, para el análisis de sus ca-
racterísticas y funcionamiento, y para su diseño, se considerará primero el proceso,
el cual está representado por el bloque mostrado en la figura 6.1.
La variable de interés del proceso, es la variable controlada C −que puede con-
siderarse como su “salida”−. Para restringir el comportamiento de esta, esto es, para
lograr que se comporte de la manera deseada, se actuará sobre él modificando la va-
riable manipulada M −esta será la “entrada”−. Existen además, otras variables que
afectan el comportamiento de la variable controlada, que se denominarán perturba-
ciones D −“entradas” no manipuladas−.
Como se indicó en el Capítulo 5, la dinámica del proceso puede presentar ca-
racterísticas muy variadas. Ser autorregulado −estable−, integrante, inestable, tener
o no tiempo muerto, contener dinámicas lentas y rápidas de cualquier orden y ser
lineal o no. Para su representación e incorporación en los estudios de control, este se
aproximará por un modelo lineal de orden reducido.
Se supondrá en adelante, que tanto el proceso como los otros elementos o dis-
positivos requeridos para ejercer el control, están representados por una función de
transferencia, de manera que se trabajará con sistemas cuyos componentes son linea-
les, o cuyo comportamiento se ha linealizado en torno al punto de operación deseado.
Por lo tanto, se trabajará con variaciones de las variables {C, M, D}, denotadas
por {c, m, d}, en torno al punto de operación {Co , Mo , Do } en donde se ha obtenido
un modelo lineal para el proceso.
Este se puede representar entonces, por el diagrama de bloques de la figura 6.2,
en donde G p (s) y Gd (s), son las funciones de transferencia del proceso y c(s), m(s)
y d(s) las variables en el dominio de la variable compleja s, correspondientes a las
variaciones c(t), m(t) y d(t), respectivamente.
Se ha establecido, que el objetivo del sistema de control es restringir el compor-
tamiento de una variable del proceso, denominada variable controlada, c(s), modifi-
cando otra de sus variables, denominada variable manipulada, m(s).
Para obtener información de la variable controlada, se debe adicionar un elemen-
to de medición y un dispositivo de transmisión (transductor) de esta información.
6.1. Introducción 199
y las variables:
• d(s) - perturbación,
Cada variable controlada −señal realimentada− tendrá asociada una variable ma-
nipulada −esfuerzo de control− para su control, formando una “pareja”. Estas dos
variables están relacionadas entre si, primero por las características del proceso con-
trolado, en la relación u → y, y luego, como se verá a continuación, por la acción
de control. Además, la variable controlada es afectada también por la perturbación,
según lo establezca la relación d → y.
202 6 Sistemas de control realimentado
Por lo tanto, solo existirá una acción de control, si se actúa de forma de modificar
el comportamiento de la variable de interés, con base en una medición hecha en el
proceso controlado.
La forma en que la información obtenida del proceso es utilizada para actuar
sobre proceso, constituye la ley de control implementada en el controlador.
Suponiendo que el proceso controlado se ha llevado a un punto de operación
deseado estable, se pueden establecer tres condiciones de control diferentes:
Se desearía que la señal de medida y(s), fuera siempre igual a su valor deseado
r(s), para lo cual sería necesario, que
Esto es, la función de transferencia del dispositivo de mando, debería ser idén-
tica a la inversa de la del proceso controlado en su relación u → y.
6.2. Esquemas de control 203
−1
donde Pmu− (s) es el inverso de la parte invertible del modelo del proceso y
Fr (s) es la función de transferencia de un filtro de valor deseado selecciona-
do de tal manera que garantice que Gr (s) sea estrictamente propia, para evitar
saltos en u(s) cuando se hace un cambio tipo escalón en r(s), y con ganancia
unitaria (Fr (0) = 1). La parte invertible del modelo, excluye todos los compo-
nentes de fase no mínima -los ceros en el semiplano derecho del plano com-
plejo s y los tiempos muertos-.
+
+
Figura 6.7: Diagrama de bloques del sistema con mando del valor deseado
y0 (s) = Pu (s)Pmu−
−1
(s)Fr (s)r(s) + Pd (s)d(s) + n(s). (6.7)
Por lo tanto, en el caso del sistema sin control, si se presenta alguna perturba-
ción, o no es posible modelar en forma fidedigna el comportamiento dinámico
6.2. Esquemas de control 205
+- +
+
lazo de control y el de los medios de comunicación entre estos, debe ser tomado
en cuenta al analizar la dinámica del proceso controlado. Estos forman parte
integral del “proceso controlado”, con el que el controlador debe interactuar.
Si bien, mediante un modelado analítico del proceso y de los instrumentos de
medición y actuación, sería posible determinar el comportamiento de todas las
variables involucradas en el sistema de control de la figura 6.10, en la prácti-
ca, la variable C solo se conoce por medio de su medición Y . Igualmente, la
variable M solo se conocería si es medida.
Por lo tanto, desde el punto de vista del controlador, la planta o proceso con-
trolado por este, corresponde al conjunto actuador, planta y sensor, o sea que
involucra tanto al proceso en si, como a los elementos de medición y actuación
adicionados, al filtro del ruido de medida si lo hubiera, y al medio físico de
interconexión de estos con el controlador.
Lo anterior implica primero, que los instrumentos de medición deben ser pre-
cisos, rápidos y repetibles, para poder suponer que Y es una representación
fidedigna de C. Y segundo, que la información disponible del sistema de con-
trol, son las señales con que el controlador se interconecta con el proceso, Y 0 y
U.
La variación del esfuerzo de control determinada por el controlador, está dado
por
u(s) = C(s)e(s) = C(s)[r(s) − y(s)]. (6.18)
El controlador C(s), procesa la señal de error e(s) = r(s) − y(s) por lo que,
independientemente de cual sea su causa −modificación del valor deseado, la
presencia de perturbaciones, o cambios en el proceso−, ante la existencia de
un error este tomará una acción correctiva.
La señal de error es utilizada para disminuir (y preferiblemente eliminar), este
mismo error.
Para efecto del análisis de los sistemas de control, se puede considerar que la
perturbación d(s) entra en cualquier punto al proceso. Este es el caso más general y
Pd (s) 6= Pu (s), tal como se muestra en la figura 6.13.
Si Pd (s) = 1, la perturbación sería una perturbación a la salida do (s), tal como
se muestra en la figura 6.14.
Por otra parte, si se considera que la dinámica existente entre la perturbación y
la variable controlada (d → y), es similar a la existente entre esta última y la señal
de control (u → y), esto es que Pd (s) ≈ Pu (s), se tiene que la perturbación actúa a
la entrada del proceso controlado (el conjunto actuador, planta y sensor) y es una
perturbación a la entrada di (s), como se muestra también en la figura 6.14.
Este último será el caso que se tratará en adelante, por ser considerado el más
representativo, de lo que ocurre en los procesos industriales con los “cambios de
carga” (Shinskey, 2002).
Además, en los estudios de control se tendrá que el proceso estará representado
por un modelo P(s), obtenido analíticamente o mediante pruebas experimentales. No
6.3. Control realimentado 213
debe olvidarse que este es un modelo lineal, y que el controlador diseñado controlará
el proceso real Po , el cual normalmente no es lineal. Por lo tanto, deberán tenerse
en cuenta las variaciones de sus características, asegurando un determinado grado de
estabilidad relativa, o robustez, del sistema de control.
El diagrama simplificado final que se utilizará en adelante en el análisis y di-
seño de los sistemas de control, se muestra en la figura 6.15. En este, se tienen las
siguientes funciones de transferencia:
A partir del diagrama de bloques de la figura 6.15, se pueden obtener las siguien-
tes relaciones entre las variables del sistema de control
y0 (s) = y(s) + n(s), (6.23)
y(s) = P(s) [u(s) + d(s)] , (6.24)
u(s) = C(s)e(s), (6.25)
e(s) = r(s) − y0 (s), (6.26)
las cuales se pueden manipular, de la siguiente manera
y0 (s) = P(s) C(s)r(s) −C(s)y0 (s) + d(s) + n(s),
62 56
[%]
[%]
ur (t)
yr (t)
60 55
58 54
56 53
54 52
52 51
50 50
0 20 40 60 80 100 0 20 40 60 80 100
Tiempo, t [s] Tiempo, t [s]
El comportamiento deseado del servo control es tener un buen seguimiento del valor
deseado que cambia.
De (6.29), la función de transferencia de lazo cerrado del servo control Myr (s)
se define, como
. yr (s) C(s)P(s)
Myr (s) = = . (6.30)
r(s) 1 +C(s)P(s)
En la figura 6.16 se muestra un posible comportamiento de la variable controlada
y del esfuerzo de control, cuando se produce un cambio escalón del 10 % en el valor
deseado.
Usualmente, en la mayoría de los sistemas de control de un proceso industrial, el
valor deseado para la variable controlada permanece en un valor fijo, por intervalos
de tiempo largos, por lo que podría considerarse “constante”. Cuando se modifica,
usualmente se trata que este cambio no sea brusco.
Sin embargo, hay otros, como los procesos por lotes, en los que el sistema de
control debe ejecutar una “receta”. En esta, los valores deseados para las diferentes
variables del proceso, se cambian en una forma predeterminada. Estos perfiles del
valor deseado, deben ser seguidos por el sistema de control.
6.3. Control realimentado 217
. yd (s) P(s)
Myd (s) = = . (6.32)
d(s) 1 +C(s)P(s)
Esta relación establece una restricción para las especificaciones de diseño de la res-
puesta a un cambio en el valor deseado y de la respuesta a una perturbación que se
desean lograr, las cuales no son independientes y pudieran estar en conflicto.
218 6 Sistemas de control realimentado
[%]
ud (t)
65
[%]
yd (t)
50
0 20 40 60 80 100
Tiempo, t [s]
60
45
55
40
50
0 20 40 60 80 100
Tiempo, t [s]
Aunque las funciones de transferencia de lazo cerrado del servo control y del
control regulador, tienen el mismo denominador −el polinomio característico de lazo
cerrado−, sus numeradores son diferentes, lo cual implica que el comportamiento
del sistema de control ante un cambio en la perturbación, será diferente del que tenga
ante un cambio en el valor deseado.
Los polos del servo control y del control regulador, los polos de lazo cerrado, son
los mismos y por lo tanto, sus respuestas están compuestas por los mismo modos,
pero la forma en que estos se combinan, es diferente.
6.3. Control realimentado 219
y su estudio debe formar parte del análisis del funcionamiento del sistema de control.
1 +C(s)P(s) = 0, (6.45)
por lo que la estabilidad del sistema de control no depende de los estímulos (entradas)
aplicados.
Los polos de lazo cerrado −ceros de (6.45)− dependen de los ceros y polos del
modelo del proceso controlado P(s) y de los ceros y polos del controlador C(s).
6.4. Rango de variación de las variables 221
donde ∆C = Cmáx −Cmı́n es el rango de medida y Cmı́n el valor del “cero” del trans-
misor.
Por ejemplo, si el rango de medida de un transmisor de temperatura es desde
−40 ◦C hasta 85 ◦C, un valor Y = 20 % de la señal realimentada, indicaría que la
temperatura medida (el valor de la variable controlada C) es −15 ◦C.
. % cambio de G ∂ G/G α ∂ G
SαG = = = . (6.47)
% cambio de α ∂ α/α G ∂α
P ∂L P
SPL = = C = 1. (6.49)
L ∂ P CP
Esto indica que un cambio en las características de P(s), afecta en la misma propor-
ción a la función de transferencia L(s) y por lo tanto, en igual medida al comporta-
miento de la respuesta del sistema de lazo abierto.
C(s)P(s)
Myr (s) = . (6.50)
1 +C(s)P(s)
226 6 Sistemas de control realimentado
M P ∂ Myr 1
SP yr = = < 1. (6.51)
Myr ∂ P 1 +CP
• Función de sensibilidad
1 e(s)
S(s) = = = Mer (s). (6.52)
1 +C(s)P(s) r(s)
C(s)P(s) y(s)
T (s) = = = Myr (s). (6.53)
1 +C(s)P(s) r(s)
P(s) y(s)
Sd (s) = = = Myd (s). (6.54)
1 +C(s)P(s) d(s)
−C(s)P(s) u(s)
− T (s) = = = Mud (s). (6.56)
1 +C(s)P(s) d(s)
−P(s) e(s)
− Sd (s) = = = Med (s). (6.57)
1 +C(s)P(s) d(s)
donde
p1 (s) = 1 +C(s)P(s). (6.60)
La expresión matricial (6.59), resume lo expresado anteriormente por (6.37),
(6.39) y (6.44).
Nótese que se requieren solamente cuatro funciones de sensibilidad, S(s), T (s),
Sd (s) y Su (s), para describir completamente el sistema de control. Este cuarteto2 ,
permite analizar el comportamiento del sistema de control a cambios en el valor
deseado y en la perturbación, y, como se verá más adelante, su robustez (índice de
estabilidad relativa).
2 Llamado “The Gang of Four” por Åström y Hägglund (2006).
228 6 Sistemas de control realimentado
6.7 Resumen
Para la variable de interés del proceso, se pueden establecer dos requerimientos u
objetivos: que esta siga un valor deseado para la misma que cambia (servo control),
o que regrese a su valor deseado −que se mantiene constante−, si es afectada por
una perturbación (control regulador).
Para logar los objetivos anteriores, se debe actuar sobre el proceso -modificando
alguna de sus variables-, ya sea con base en información de la misma variable con-
6.8. Bibliografía 229
6.8 Bibliografía
Åström, K. y Hägglund, T. (2006). Advanced PID Control. ISA - The Instrumenta-
tion, Systems, and Automation Society, Research Triangle Park, NC 27709, USA.
ISA (1975). Compatibility of Analog Signals for Electronic Industrial Process Instru-
ments. Standard ANSI/ISA-50.00.01-1975-R2012, The Instrumentation, Systems,
and Automation Society, Research Triangle Park, NC 27709, USA.
7.1 Introducción
7.2 Controladores de dos posiciones
7.3 Controladores continuos
7.4 Selección de la Acción del controlador
7.5 Algoritmo de control PID
7.5.1 Control proporcional (P)
7.5.2 Control proporcional y derivativo (PD)
7.5.3 Control proporcional e integral (PI)
7.5.4 Control proporcional, integral y derivativo (PID)
7.5.5 Control proporcional, integral, derivativo y aceleración
7.5.6 Algoritmos de control proporcional, integral y derivativo
7.5.7 Implementación del modo derivativo
7.5.8 Polos y ceros de los controladores
7.5.9 Esfuerzo de control ante un cambio en el valor deseado
7.5.10 Filtro de la señal realimentada
7.5.11 Prevención del desbocamiento de la salida del modo integral
7.5.12 Transferencia entre “Automático” y “Manual”
7.6 Evolución histórica de los controladores PID
7.7 Representación de los controladores en los diagramas de control
7.7.1 Diagramas de flujo de instrumentos (P&ID)
7.7.2 Diagramas funcionales
231
232 7 Algoritmo de control proporcional, integral y derivativo
El controlador, es el elemento del sistema de control que toma las decisiones necesa-
rias para restablecer su equilibrio, cuando se ha producido un cambio en la operación
del sistema, que origina un error en el valor de la variable controlada por este. La for-
ma en que esta acción correctiva se realiza, depende del algoritmo de control incluido
en el controlador.
7.1. Introducción 233
7.1 Introducción
En el diagrama del sistema de control realimentado de la figura 7.1, el bloque C
representa al controlador que se utilizará para restringir −controlar−, el comporta-
miento de la variable de interés del proceso controlado del bloque P. Este último
incluye, además del proceso en si, al elemento de medición −el sensor y transmi-
sor− necesario para enviar al controlador la información de la variable controlada, al
de actuación −el elemento final de control−, requerido para cambiar la variable ma-
nipulada de acuerdo con lo indicado por el controlador, y al sistema de interconexión
entre estos.
El controlador recibe el valor deseado R y la señal realimentada (el valor medi-
do) Y de la variable controlada. Esta información es procesada por el algoritmo de
control incluido en el mismo, para determinar el error E y con base en este, producir
su señal de control U.
Aparte de los posibles cambios en el valor deseado R, el funcionamiento del
sistema de control se ve afectado también, por la perturbación D.
o
u(s) = AcciónC(θc , s)e(s) = AcciónC(θc , s)[r(s) − y(s)], (7.5)
donde:
• e - error,
• r - valor deseado,
• s - variable compleja,
• t - tiempo,
• u - señal de control,
• y - señal realimentada.
cuando la señal de control crece−. Por esta razón, los controladores tienen lo que se
denomina un selector de Acción, de manera de poder garantizar tener siempre un lazo
de realimentación negativa, independientemente del signo de la ganancia del proceso
controlado.
La Acción del controlador, debe seleccionarse antes que el sistema de control
sea puesto en operación, ya que una mala selección de la misma, lo hará inestable al
momento de ponerlo en operación automática.
Se dirá que el controlador tiene Acción directa (−1), si la señal de salida del
controlador crece cuando la señal realimentada crece, y que tiene Acción inversa
(+1), si la señal de salida el controlador decrece cuando la señal realimentada crece.
El tipo de Acción requerida en el controlador, está determinado por el signo de
la ganancia del proceso controlado (el conjunto actuador, planta y sensor). El signo
de la Acción debe ser el mismo que el de la ganancia del proceso controlado, para
preservar la realimentación negativa del lazo de control. Por lo tanto, se requiere una
Acción = +1 (inversa) si la ganancia del proceso es positiva y una Acción = −1
(directa) si esta es negativa. De esta manera, el producto de la Acción por la ganancia
del proceso controlado, será siempre positivo.
Para mantener una realimentación negativa en el sistema de control, es indispen-
sable que
LV
caudal del líquido calefactor que pasa por los tubos de este. Se supondrá de nuevo,
que la válvula de control es del tipo “normalmente cerrada”.
Partiendo nuevamente de un punto de equilibrio, si la señal de salida del contro-
lador TIC crece, la válvula de control TV se abre un poco más, el caudal del fluido
calefactor crece, se incrementa el calor transferido en el intercambiador, la tempera-
tura del líquido de salida aumenta y la señal realimentada del transmisor TT crece.
En este caso, el proceso controlado tiene una ganancia positiva (U ↑ ⇒ Y ↑), por lo
que el controlador debe tener Acción inversa (Y ↑ ⇒ U ↓).
Con un controlador con Acción inversa, el sistema de control es estable (si sus
parámetros están bien ajustados): Y ↑ ⇒ U ↓ ⇒ Y ↓ ⇒ U ↑ ⇒ Y ↑ · · ·Y ↑↓↑↓↑ · · · .
Si la Acción del controlador fuera directa (incorrecta) y la temperatura del fluido
a la salida del intercambiador disminuye, la señal del transmisor disminuirá, el con-
trolador disminuirá su señal de salida (por la acción directa), el caudal de líquido
calefactor por el intercambiador disminuirá, la transferencia de calor en el intercam-
biador disminuirá, la temperatura del líquido a la salida continuará disminuyendo
así como la señal del transmisor hasta que eventualmente la válvula de control se
cierre completamente, no circule más fluido calefactor, y la temperatura del líquido
a la salida del intercambiador llegue a ser igual a la que tenía a la entrada de este
(no hay ningún calentamiento). Si la Acción del controlador es incorrecta, el siste-
ma de control se vuelve inestable al momento de pasarlo a operación automática:
.
Y ↓ ⇒ U ↓ ⇒ Y ↓ ⇒ U ↓ ⇒ Y ↓ · · ·Y ↓↓↓↓↓ . . .
En forma alterna, la Acción se puede determinar dando respuesta a la pregunta
¿Se debe abrir o cerrar un poco más la válvula de control, si la temperatura del
240 7 Algoritmo de control proporcional, integral y derivativo
LSH
12
líquido de salida del intercambiador aumenta por algún motivo, para que esta no
continúe aumentando?
Si la temperatura del líquido aumenta (la señal realimentada crece), el caudal
del líquido calefactor debe disminuirse para que esta decrezca. Como la válvula
de control requiere que la señal enviada a ella (la señal de salida del controlador)
disminuya para que esta se cierre un poco más entonces, si la señal realimentada
crece, la señal de salida del controlador debe decrecer. Por lo tanto, se requiere que
el controlador tenga Acción inversa.
1 Como se indica en el diagrama de flujo de instrumentos, la válvula de control LV-10 requiere que
se aumente la señal de salida neumática del controlador para que esta abra más (es del tipo que “en caso
de falla” cierra).
2 LSH-12 - interruptor de nivel alto (en la parte superior de la pared del tanque); LAH-12 - alarma
Las curvas características de un controlador P, con (a) Acción inversa y (b) Ac-
ción directa, se muestran en la figura 7.8.
De (7.6) se puede notar, que la señal de salida del controlador proporcional con
error cero, es igual al valor de la desviación Ub . Dada esta característica del contro-
lador proporcional y a que usualmente el valor de la señal de control requerida para
mantener el sistema en un punto de operación estable, es diferente de Ub , esta solo se
puede obtener teniendo un error permanente.
Si se consideran solamente variaciones de las variables en el rango lineal en torno
al punto de operación y la Acción del controlador ya ha sido seleccionada (tomada
positiva sin perder generalidad), se tiene que la ecuación de la señal de salida del
controlador, es
u(t) = Kp e(t) = Kp [r(t) − y(t)], (7.8)
o
u(s) = Kp e(s) = Kp [r(s) − y(s)]. (7.9)
La función de transferencia del controlador, está definida como
u(s)
C(s) = , (7.10)
e(s)
244 7 Algoritmo de control proporcional, integral y derivativo
CP (θc , s) = Kp , (7.11)
donde:
2.0
Magnitud, |CP (jω)|
1.5
1.0
0.5
0.0 -3
10 10 -2 10 -1 10 0 10 1 10 2 10 3
Fase, CP (jω) [°]
50
50
10 -3 10 -2 10 -1 10 0 10 1 10 2 10 3
Frecuencia, ω [rad/s]
donde:
12
Magnitud, |CPD(jω)|
10
0
10-3 10-2 10-1 100 101 102 103
60
Fase, ∠CPD(jω) [°]
50
40
30
20
10
0
−10 -3
10 10-2 10-1 100 101 102 103
Frecuencia, ω [rad/s]
donde:
1
Tr = . (7.32)
Ti
Entre menor sea la constante de tiempo integral Ti , mayor será la acción integral.
El modo integral se desactiva haciendo Ti → ∞.
El algoritmo de control proporcional e integral, toma en lasu evolución que ha
tenido en el pasado.
254 7 Algoritmo de control proporcional, integral y derivativo
donde Ui0 es la contribución del modo integral, positiva o negativa. Esto permite
obtener salidas del controlador diferentes de Ub , con error permanente cero.
En los controladores P y PD neumáticos antiguos, en los cuales la desviación Ub
era ajustable, a esta se le llamaba “restablecimiento manual”, ya que esto permitía al
operador ajustarla manualmente, variando así la señal de salida del controlador, para
eliminar el error remanente después de un cambio en el valor deseado o debido a una
perturbación -pero debía variarla nuevamente, cuando se presentara otra vez un error
permanente-. Por esta razón, originalmente al modo integral se le denominó resta-
blecimiento automático, ya que este elimina el error sin necesidad de la intervención
del operador -lo hace en forma automática-.
En la figura 7.19 se muestra una forma alternativa de implementar un controlador
con un algoritmo de control proporcional e integral, cuya función de transferencia es
(7.31). Por razones del desarrollo histórico de los controladores industriales, a esta
forma de implementar el algoritmo de control PI, se le denomina controlador con
reajuste automático (Veronesi, 2002).
7.5. Algoritmo de control PID 255
20
Magnitud, |CPI(jω)|
15
10
0
10-3 10-2 10-1 100 101 102 103
0
Fase, ∠CPI(jω) [°]
−20
−40
−60
−80
−100 -3
10 10-2 10-1 100 101 102 103
Frecuencia, ω [rad/s]
1 t
de(t)
Z
u(t) = Kp e(t) + e(ξ )dξ + Td , (7.38)
Ti 0 dt
o
1 Td s
u(s) = Kp 1 + + e(s), (7.39)
Ti s αTd s + 1
siendo la función de transferencia del controlador PID Estándar
1 Td s
CPIDestandar (s) = Kp 1 + + , (7.40)
Ti s αTd s + 1
en donde:
• α - constante adimensional.
Ti Td s2 + Ti s + 1
1
CPIDestandar (s) = Kp 1 + + Td s = Kp . (7.41)
Ti s Ti s
Figura 7.23: Características del error consideradas por el algoritmo de control PID
u(t) = Kp {e(t) + 1 Rt
Ti 0 e(ξ )dξ + Td de(t)
dt }.
P I D (7.42)
presente pasado futuro
que ha tenido el error en el pasado −por cuánto tiempo ha existido−, las que tiene
en la actualidad −cuánto está alejada la variable controlado de su valor deseado− y
las que podría tener en el futuro −cuán rápido y en que sentido está cambiando−.
En el algoritmo de control PID, Kp es el factor de peso de la acción proporcional,
Kp /Ti el de la acción integral y Kp Td el de la acción derivativa.
El ajuste de la acción proporcional del algoritmo de control, afectará la magnitud
del esfuerzo de control -la acción correctiva- utilizado, el de la acción integral la
duración de esta corrección y el del modo derivativo su velocidad de cambio.
con error permanente cero, luego de que ha sido excitado −por un cambio en la
perturbación o en el valor deseado, que luego permanecen constantes−, es el modo
integral.
Independientemente de que ya sean estímulos exógenos o cambios endógenos al
sistema de control, los que causen el error en la variable controlada, para tener un
sistema de control que en estado estacionario sea exacto, es indispensable utilizar
controladores con un algoritmo de control que incluya el modo integral esto es, un
algoritmo de control PI o uno PID.
20
Magnitud, |CPID(jω)|
15
10
0
10-3 10-2 10-1 100 101 102 103
60
Fase, ∠CPID(jω) [°]
40
20
0
−20
−40
−60
−80
−100 -3
10 10-2 10-1 100 101 102 103
Frecuencia, ω [rad/s]
donde:
• α1 - constante (adimensional),
• α2 - constante [s−1 ].
donde:
donde:
• Kp0 - ganancia del controlador (adimensional),
• Ti0 - constante de tiempo integral (segundos),
• Td0 - constante de tiempo derivativa (segundos),
• α 0 - constante adimensional.
Los parámetros del algoritmo de control PID Serie, son θc0 = {Kp0 , Ti0 , Td0 , α 0 }.
Como se nota en (7.49), los ceros de un controlador con un algoritmo de con-
trol PID Serie, siempre son reales −ya sean distintos o iguales− y no pueden
ser complejos conjugados.
264 7 Algoritmo de control proporcional, integral y derivativo
En el caso particular de este controlador Bell & Howell, sus componentes te-
nían los siguientes valores: R1 y R2 : 0,3 MΩ → ∞ (ajustables), R3 = 10 kΩ,
C1 = C2 = 1 µF, C3 = 0,1 µF. Utilizando estos parámetros en (7.54), se tiene
que
Eo (s) (R1 + 0,01)s + 1 1,1R2 s + 1 1
=− . (7.55)
Ei (s) R1 s 0,1R2 s + 1 0,01s + 1
. . .
Definiendo como parámetros ajustables Ti0 = R1 , Td0 = 1,1R2 , α 0 Td0 = 0,1R2
(α 0 = 0,091 para este controlador) e incorporando a la salida del diagrama de
la figura 7.27, un circuito amplificador inversor de ganancia K = Kp0 , se tiene
entonces que 0 0
U(s) 0 T1 s + 1 Td s + 1
= Kp , (7.57)
E(s) Ti0 s α 0 Td0 s + 1
donde:
Los parámetros del algoritmo de control PID Paralelo, son θcp = {Kp , Ki , Kd , α p }.
cuando ω → ∞
udr (jω) 1
e(jω) → α . (7.65)
cambio del valor deseado, el error es amplificado 1/α veces por el modo derivativo.
Por lo tanto, siempre es recomendable aplicar el modo derivativo, solo a la señal
realimentada.
Como en el caso más común con α = 0,10, la localización del polo del modo
derivativo de los controladores con un algoritmo de control PID (7.48) a (7.58), está
alejado hacia la izquierda del cero en el plano complejo s, su influencia sobre la
respuesta del controlador se considerará despreciable.
Adelante, en algunos de los desarrollos analíticos que se presentarán, se traba-
jará con las ecuaciones simplificadas (ideales) de los algoritmos de control, aunque
para las simulaciones digitales, se siempre emplearán controladores con un modo
derivativo con filtro.
Variables [%]
Variables [%]
90 90 90
80 80 80
70 70 70
60 60 60
50 50 50
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
40 40 40
Tiempo, t [s] Tiempo, t [s] Tiempo, t [s]
Variables [%]
Variables [%]
80 80 80
60 60 60
40 40 40
20 20 20
0 0 0
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
Tiempo, t [s] Tiempo, t [s] Tiempo, t [s]
• Controlador P
No aporta ni polos ni ceros.
• Controlador PD
Aporta un cero ajustable en −1/[(1 + α)Td ] y un polo alejado (hacia la izquier-
da en el plano complejo s) en −1/(αTd ).
• Controlador PI
Aporta un cero ajustable en −1/Ti y un polo en el origen.
Para eliminar este salto derivativo, la derivada se debe aplicar solo a la señal
realimentada y no al error, de manera que la salida del controlador sea
Td s
u(s) = Kp r(s) − y(s) − y(s) , (7.73)
αTd s + 1
Td s
u(s) = Kp r(s) − 1 + y(s) . (7.74)
αTd s + 1
La mayoría de los fabricantes de controladores optan por aplicar el modo deri-
vativo solo a la señal realimentada y esta característica en muchas ocasiones no se
puede cambiar (Wade, 2004).
Por esta razón, al algoritmo de control PID Serie con el modo derivativo aplicado
solo a la señal realimentada, se le denomina PID Industrial y su señal de salida está
dada por la expresión
0
!" 0
!#
0 Ti s + 1 Td s + 1
u(s) = Kp 0 r(s) − 0 y(s). (7.75)
Ti s α 0 Td s + 1
cuya magnitud
|CPI (jω)| → Kp , para ω → ∞. (7.78)
El ruido de medida de alta frecuencia será amplificado si Kp > 1 y atenuado si Kp < 1,
pero no eliminado.
Si se adiciona el filtro (7.76), a la función de transferencia del controlador PI (PI
con filtro), entonces se tiene
1 1
CPIF (jω) = Kp 1 + , (7.79)
jωTi jωT f + 1
cuya magnitud
|CPIF (jω)| → 0, para ω → ∞. (7.80)
El filtro contribuye a eliminar el ruido de medida de alta frecuencia.
En el caso del controlador con un algoritmo de control PID Estándar, su función
de transferencia en frecuencia, es
1 jωT d
CPID (jω) = Kp 1 + + , (7.81)
jωTi jωαTd + 1
cuya magnitud
1
|CPID (jω)| → Kp 1 + , para ω → ∞. (7.82)
α
Si a este controlador se le adiciona el filtro (7.76), a la entrada de la señal reali-
mentada, la magnitud de su función de transferencia a alta frecuencia tenderá a cero,
eliminado el ruido de medida.
7.5. Algoritmo de control PID 273
1
F(s) = , (7.83)
T f2 /2s2 + T f s + 1
para obtener
1 1
CPIDF (jω) = Kp 1 + + jωT d , (7.84)
jωTi −(ωT f )2 /2 + jωT f + 1
cuya magnitud
|CPIDF (jω)| → 0, para ω → ∞. (7.85)
Para lograr tener un controlador con ganancia tendiendo a cero a alta frecuencia y
así eliminar el ruido de medida, se sugiere el uso de un filtro de la señal realimentada
de primer orden (7.76) con el algoritmo de control PI y el de un filtro de segundo
orden (7.83) con un algoritmo de control PID Ideal (Hägglund, 2012, 2013).
100%
0%
Figura 7.31: Prevención del desbocamiento del modo integral en controladores con
“reajuste automático”
con contantes m = 0, m 6= 0, n 6= 0 y p 6= 0.
En el caso con m = 0 (control proporcional y derivativo), encontró que no se
eliminaba el efecto de un par perturbador constante, como el de un viento sostenido.
El caso con m 6= 0, correspondía a un control proporcional, integral y derivativo.
Utilizando el criterio de estabilidad de Hurwitz que se presentará en la sección
10.3.1 del Capítulo 10, encontró las relaciones entre los parámetros del regulador y
los de la dinámica del barco, que se deben satisfacer para garantizar la estabilidad del
sistema de control.
El control con instrumentos neumáticos, hizo su aparición a inicios del siglo pa-
sado en la industria lechera, controlando la temperatura de una planta pausterizadora,
estos eran controladores de dos posiciones (“todo” o “nada”) (Bennett, 2000).
El primer controlador neumático comercial de uso industrial, con el modo pro-
porcional ajustable, fue el Taylor Instruments modelo 56R creado en 1933. En 1934
Foxboro introdujo el controlador proporcional e integral Modelo 40 y en 1938 Taylor
Instruments incorporó el modo derivativo en el controlador 56R, creando el contro-
lador proporcional y derivativo.
Callender (1934) describe la operación de un “aparato” electromecánico, con las
características de un controlador proporcional e integral, y propone utilizarlo para el
control de la temperatura en una unidad de destilación.
278 7 Algoritmo de control proporcional, integral y derivativo
En 1935, Sergei G. Mitereff3 presentó una clasificación con las ecuaciones dife-
renciales de doce controladores de procesos. Entre las seis clases que consideró que
habían llegado recientemente a este campo, incluyó la ecuación (Bennett, 1993b)
dP
Z
F = k1 PdT + k2 P + k3 + (C), (7.94)
dT
correspondiente a un controlador con modos integral, proporcional y derivativo.
Entre las seis más conocidas, indica Mitereff que está la ecuación del controlador
proporcional y la del proporcional e integral.
Además, entre las más nuevas, incluyó el controlador proporcional y derivativo,
y un controlador con la ecuación
dP d2 P
Z
F = k1 PdT + k2 P + k3 + k4 2 + (C), (7.95)
dT dT
el cual se denotaría más tarde, como controlador PIDA (proporcional, integral, deri-
vativo y aceleración).
Una descripción cronológica del desarrollo de los controladores comerciales, con
un algoritmo de control de la familia PID, se puede encontrar en Bennett (1993a,
2000).
La que puede considerarse como la primera patente relacionada con el control
proporcional, integral y derivativo, se atribuye a Callender y Stevenson (1939). De
esta se toma la siguiente descripción:
“ADAPTABILITY
1. Extremely versatile. The same control mechanisms are available for Tempera-
ture, Pressure, Flow and Liquid Level ... .
2. Adaptable to any control problem because the Fulscope Controller has three
control effects: (a) Proporcional Response - ... Adjustable Sensitivity ... (b)
Automatic Reset Response, ... continuously adjustable (.05 to 5 repeats per
minute). (c) PRE-ACT Response (rate action) continuously adjustable within
the range 0.2 to 10 min. ... .
3. Proper Adjustment Easily Obtained. Control Response Adjustment Dials are
calibrated in specific units ... .
4 El destacado en negrita del texto no es del original.
280 7 Algoritmo de control proporcional, integral y derivativo
DEPENDABLE OPERATION
5. Control point always matches the set point when automatic reset is used, ... .
... control point always returns to set point, regardless of load changes.
1 t
d [(1 − βa )r(t) − y(t)]
Z
u(t) = Kp (1 − αa )r(t) − y(t) + [r(ξ ) − y(ξ )]dξ + .
Ti 0 dt
(7.96)
Araki denomina a los parámetros Kp , Ti y Td , como los parámetros fundamen-
tales del controlador, y a αa y βa , como los parámetros de 2GdL, todos los cinco
ajustables.
Una descripción de los desarrollos relacionados con los controladores PID de
2GdL (particularmente en Japón), es presentada en Araki y Taguchi (2003); Taguchi
y Araki (2002).
6 https://www.isa.org/standards-and-publications/isa-publications/
intech-magazine/.
7 http://www.controleng.com/magazine.html.
8 http://www.ieeecss.org/.
282 7 Algoritmo de control proporcional, integral y derivativo
Los factores de peso del valor deseado, tal como se expresan en (7.96), tienen la
forma normalmente utilizada por los fabricantes de controladores japoneses, mientras
que es más generalizado, que se emplee un factor de peso del valor deseado en el
modo proporcional β = 1 − αa y un factor de peso de valor deseado en el modo
derivativo γ = 1 − βa , de manera que la expresión usual de la ecuación de salida de
un controlador PID de 2GdL, es
1 t
d [γr(t) − y(t)]
Z
u(t) = Kp β r(t) − y(t) + [r(ξ ) − y(ξ )]dξ + , (7.97)
Ti 0 dt
La mayoría de estos nombres han desaparecido ya, varios “absorbidos” por al-
guna de las megacompañias transnacionales de automatización y control de procesos
existentes actualmente como: ABB Process Automation Division, Emerson Process
Managment, Honeywell International Inc., Schneider Electric, Siemens AG, Yoko-
gawa Electric Corporation y otras pocas más.
Varias veces a lo largo de su existencia, se ha declarado que el algoritmo de
control PID está ya obsoleto (“muerto”), o se ha predicho que sería “reemplazado”
en breve por otras técnicas de control9 . Sin embargo, diversos reportes confirman,
que el algoritmo de control utilizado con más frecuencia en los controladores de uso
industrial, es el proporcional, integral y derivativo (PID), y que en la mayor parte de
los casos, este se ha ajustado como un proporcional e integral (PI).
Por ejemplo, Desbourough y Miller (2002) indican que en una revisión de 11 600
lazos de control en 18 instalaciones en los EE.UU., refinerías de petroleo, industrias
químicas y de pulpa y papel, se encontró que una media del 97,7 % de los lazos de
control utilizan un algoritmo de control PI(D).
Según Araki (2002), un estudio realizado en 1989 en Japón, concluyó que más del
90 % de los controladores utilizados en la industria, corresponden a alguna versión
del algoritmo de control PI(D).
Por su parte, Åström y Hägglund (2006) mencionan que más del 95 % de los
lazos de control utilizados en el control de procesos, son del tipo PI(D).
Aun en el caso de los esquemas de control jerarquizado −piramidal− de los pro-
cesos industriales multivariables, en los que se utiliza en el nivel superior un control
predictivo con base en modelos (MPC - “model predictive control”) como supervisor,
para lograr una operación óptima del proceso, el cual ajusta los valores deseados −de
referencia− de los controladores reguladores individuales de cada variable −los con-
troladores en la “base” de la pirámide de control−, estos últimos son controladores
con un algoritmo de control PI(D) (Balbis et al., 2006).
Por lo tanto, no hay ninguna duda sobre la importancia del estudio del compor-
tamiento de los sistemas de control con controladores con un algoritmo de control
proporcional, integral y derivativo (PID), ni sobre la necesidad de adquirir destreza
en el ajuste adecuado de sus parámetros.
9 ”PID Control will soon be obsolete”, ASEA Novatune Team (1982), “It will soon be replace
by Model Predictive Control”, Conference on Model Predictive Control (1989); según se acota en
Bernharsson, B. y Äström, K. J. (s.f.) - “Control System Design - PID Control”, Lund University,
Lund, Suecia.
284 7 Algoritmo de control proporcional, integral y derivativo
nivel introducido en la sección 1.3.3 (figura 1.11) del Capítulo 1, mientras que en la
figura 7.37 se muestra el diagrama funcional correspondiente, o diagrama SAMA.
El diagrama de flujo de instrumentos puede incluir información de los equipos
del proceso y del sistema de tuberías, por lo que el acrónimo P&ID en ocasiones se
interpreta como “Process and Instrument Diagram” o como “Pipe and Instrument
Diagram”, dependiendo del tipo y nivel de detalle de la información contenida en el
plano.
La representación del controlador en el diagrama SAMA de la figura 7.37, per-
mite saber que su algoritmo de control es proporcional (P), integral (I) y derivativo
(D), con el modo derivativo (D) aplicado solo a la señal realimentada. Además, que
este tiene un selector para la transferencia (T) Automático a Manual, y el ajuste ma-
nual (A) del valor deseado (en modo Automático) y de su señal de salida (en modo
Manual).
Figura 7.36: Ejemplo 7.4 - Diagrama de flujo de instrumentos (P&ID) del sistema de
control de nivel, Norma ISA 5.1
troladores de uso industrial, designan con otros nombres a las variables de interés de
los lazos de control.
En los manuales y en la literatura técnica de los fabricantes, usualmente se denota
como SP (“set-point”) al valor deseado r, como PV (“process variable”) a la señal
realimentada y, y como CO (“controller output”) al esfuerzo de control u.
P I
A T A
I/P
LV
BKCAL_IN
BKCAL_OUT
CAS_IN
CAS_IN BKCAL_OUT
AO
OUT_D
AI OUT OUT
FF_VAL
IN
PID OUT
TRK_IN_D
TRK_VAL
TRK_IN_D
TRK_VAL
Figura 7.39: Ejemplo 7.5 - Diagrama de bloques de funciones del sistema de control
de nivel, Norma IEC 61804
TIC
15
Controlador
I/P
TY
PI 15 Señal realimentada
12 TV
15 Elemento final (corriente, mA)
de control
líquido a la entrada del intercambiador y en la calidad del vapor de agua entre otras
posibles, manipulando el caudal del vapor de agua mediante la válvula de control
TV-1518 .
7.8.2 Operación
Cuando una planta está en producción, es el personal de operaciones el que supervisa
el funcionamiento de sus sistemas de control.
18 En este diagrama, TY-15 es un transductor electroneumático (I/P), PI-12 el indicador de la presión
de suministro del vapor de agua y TI-14 el indicador de la temperatura del líquido a la entrada del
intercambiador.
292 7 Algoritmo de control proporcional, integral y derivativo
65.084 LIC-10
PV SP
100
80
A
M
A/M
60
CO
100
40 80
60
20 40
20
0 0
294 7 Algoritmo de control proporcional, integral y derivativo
1 t
dY (t)
Z
U(t) = Acción Kp R(t) −Y (t) + [R(ξ ) −Y (ξ )]dξ − Td +Ub .
Ti 0 dt
(7.98)
Para pequeñas variaciones de las variables en su rango de variación lineal, apli-
cando la trasformada de Laplace, el esfuerzo de control está dado por
1 Td s
u(s) = Kp r(s) − y(s) + [r(s) − y(s)] − y(s) (7.99)
Ti s αTd s + 1
que se puede rescribir para el análisis, como
1 1 Td s
u(s) = Kp 1 + r(s) − Kp 1 + + y(s). (7.100)
Ti s Ti s αTd s + 1
En forma compacta, (7.100) se puede escribir, como
donde
1
Cr1 (s) = Kp 1 + , (7.102)
Ti s
es la parte del algoritmo de control que se aplica al valor deseado, denominado el
compensador o controlador de valor deseado, y
1 Td s
Cy1 (s) = Kp 1 + + , (7.103)
Ti s αTd s + 1
es la parte del algoritmo de control que se aplica a la señal realimentada, denominado
el compensador o controlador de realimentación.
Debe indicarse aquí, que la factorización del algoritmo de control, hecha en
(7.101), se hace solo para efectuar el análisis del comportamiento del sistema de
control y no para su implementación real en el controlador.
Como se observa en las ecuaciones anteriores, los parámetros del compensador
de valor deseado, son los mismos que los del compensador de realimentación.
En este caso, la señal realimentada en función de los estímulos que recibe el
sistema de control, está dada por
Cr1 (s)P(s) P(s)
y(s) = r(s) + d(s), (7.104)
1 +Cy1 (s)P(s) 1 +Cy1 (s)P(s)
7.9. Control de dos grados de libertad 295
1 t
dY (t)
Z
U(t) = Acción Kp β R(t) −Y (t) + [R(ξ ) −Y (ξ )]dξ − Td +Ub ,
Ti 0 dt
(7.106)
en la cual se ha adicionado el parámetro β , que multiplica al valor deseado en el
modo proporcional.
Ahora, el esfuerzo de control para pequeñas variaciones de las variables en su
rango lineal, es
1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] − y(s) , (7.107)
Ti s αTd s + 1
donde
1
Cr2 (s) = Kp β + , (7.110)
Ti s
es el nuevo compensador o controlador de valor deseado y
1 Td s
Cy2 (s) = Kp 1 + + , (7.111)
Ti s αTd s + 1
296 7 Algoritmo de control proporcional, integral y derivativo
donde
1 β Ti s + 1
Cr (s) = Kp β + = Kp , (7.120)
Ti s Ti s
1 Td s
Cy (s) = Kp 1 + + . (7.121)
Ti s αTd s + 1
Es importante tener en cuenta que en esta estructura, aunque (7.120) y (7.121)
parecen indicar que el modo integral se aplica por separado al valor deseado y a la
señal realimentada, y que luego estas dos integrales se restan para obtener la inte-
gral del error, esto no es así para la implementación real del controlador o para la
simulación de los sistemas de control. El modo de control integral, debe aplicarse
directamente a la señal de error.
A continuación se verán algunas estructuras alternativas equivalentes.
Para que el controlador (7.122) sea equivalente al dado por (7.119), se debe hacer
Si los parámetros de C(s) se han seleccionado, los polos del filtro Fr (s) y uno de
sus ceros están ya fijos. El factor de peso del valor deseado β , permite “mover” el
cero restante del filtro, para modificar la respuesta del servo control. Entonces, Fr (s)
es un filtro de valor deseado con un cero ajustable.
con
En este caso, para hacer (7.132) equivalente a (7.119) se tienen tres incógnitas y
solo dos ecuaciones. Entonces, seleccionando
0 Td s
Cy (s) = Kp , (7.135)
αTd s + 1
donde
Td0 s + 1
y0 (s) = y(s), (7.146)
α 0 Td0 s + 1
304 7 Algoritmo de control proporcional, integral y derivativo
1
u(s) = Kp∗ ∗
β r(s) − y f (s) + ∗
[r(s) − y f (s)] − Td s y f (s) , (7.147)
Ti∗ s
1
y f (s) = y(s), (7.148)
Tf s + 1
Kp = Kp , (7.149)
Kp
Ti = , (7.150)
Ki
Kd
Td = , (7.151)
Kp
α = α p Kp , (7.152)
β = βp, (7.153)
γ = γ p = 0. (7.154)
7.11. Equivalencias entre los algoritmos de control PID de 2GdL 305
Kp0 = Fc Kp , (7.169)
Ti0 = Fc Ti , (7.170)
(1 + α)Td
Td0 = (7.171)
Fc
αF c
α0 = , (7.172)
1+α
β
β0 = , (7.173)
Fc
0
γ = γ = 0, (7.174)
Fc = f (Ti , Td , α). (7.175)
Por lo tanto, existe un algoritmo PID Serie equivalente a un PID Estándar, solo
si se cumple que
2
2 Td Td
α − (4 + 2α) + 1 > 0. (7.177)
Ti Ti
para 0 ≤ α ≤ 1,0.
7.11. Equivalencias entre los algoritmos de control PID de 2GdL 307
Kp∗ = Fc f Kp ,
Ti∗ = Fc f Ti ,
∗ 1+α
Td = Td , (7.179)
Fc f
T f = αTd ,
β
β∗ = ,
Fc f
γ ∗ = 0,
αTd
Fc f = 1 + . (7.180)
Ti
• Siempre existe un algoritmo de control PID Ideal con filtro de 2GdL, equi-
valente a un algoritmo PID Estándar de 2GdL y a un algoritmo PID Serie de
2GdL.
Debe tenerse en cuenta que las ecuaciones de conversión y las conclusiones an-
teriores, consideran que se ha seleccionado γ = 0 para todos los algoritmos y que
además, incluyen el filtro del modo derivativo (α 6= 0).
Por lo tanto, se puede considerar al algoritmo de control PID Ideal con filtro,
como el más general de todos los presentados hasta el momento, ya que puede repro-
ducir el comportamiento en un lazo de control con cualquiera de ellos, si se ajusta
con los parámetros equivalentes correspondientes.
308 7 Algoritmo de control proporcional, integral y derivativo
donde:
• α - constante.
1 t
de(t)
Z
u(t) = Kp e(t) + e(ξ )dξ + Td , (7.183)
Ti 0 dt
y la de su derivada
de(t) ek − ek−1
|t=tk ≈ . (7.185)
dt ∆t
La salida del controlador en el instante k, está dada entonces por la ecuación
" #
∆t k Td
uk = Kp ek + ∑ e j + ∆t (ek − ek−1 ) ,
Ti j=1
(7.186)
o
uk = u p,k + ui,k + ud,k . (7.187)
Al algoritmo de control (7.186) se le llama algoritmo de control PID de posición
o absoluto. Cada periodo de muestreo, se calcula el valor “completo” de la señal de
salida del controlador.
Se puede incorporar al algoritmo PID discreto la prevención del desboque del
modo integral, verificando en cada instante k, si el valor de la salida uk está entre sus
valores extremos, umı́n ≤ uk ≤ umáx . Si no es así, la contribución del modo integral se
mantiene constante , ui,k = ui,k−1 , y se recalcula el valor de la salida uk .
Si en vez de utilizar una integración rectangular para la aproximación de la inte-
gral, se emplea una integración más exacta, como la integración trapezoidal, (7.184)
sería ahora
Z tk k
e j − e j−1
e(ξ )dξ ≈ ∑ ∆t, (7.188)
0 j=1 2
1
Ld = L + ∆t. (7.199)
2
Debe tenerse en cuenta sin embargo, que cuando se utiliza un método de lazo
cerrado para identificar los parámetros críticos (Kpu , Tu ) del proceso, el efecto del
muestreo está considerado en forma implícita, en la determinación de estos paráme-
tros.
Aunque las ventajas del algoritmo de control de dos grados de libertad sobre el
de solo uno son evidentes, esto no se ha traducido -por el momento- en una oferta
mayor de este tipo de controladores.
Implementaciones del algoritmo de control proporcional, integral y derivativo de
dos grados de libertad, se encuentran comercialmente en los siguientes controlado-
res de lazo, software de control, controladores lógicos programables y sistemas de
control distribuido (Alfaro y Vilanova, 2016):
• OMRON - Basic PID Block Model <011>, utilizado en sus controladores ló-
gicos programables (OMRON Corporation, 2005).
• REX Controls - PIDU Function Block (PIDAT, PIDGS, PIDMA, PIDUI), dis-
ponible en el REX Control System (REX Controls s.r.o., 2015).
Por lo tanto, todos los parámetros de los algoritmos de control, serán siempre
positivos o cero (donde este valor sea admisible). Sus valores extremos dependerán
de cada fabricante.
Considerando lo anterior, cuando como parte de algún análisis se indique, por
ejemplo, que “... el sistema de control es estable para cualquier valor de K p ...”, se
sobrentenderá que esto es para cualquier valor positivo de la ganancia proporcional
Kp del controlador.
Variables [%]
deseado 75
70
65
60
55
50
45
0.0 0.2 0.4 0.6 0.8 1.0
Tiempo, t [min]
y
∆ux = −Kp ∆y. (7.201)
y
(1 − α 0 )Td0
∆u0x = −Kp0 1 + ∆y. (7.203)
Ti0
Por lo tanto, estos dos valores permiten identificar si el algoritmo de control PID
del controlador, es estándar o serie.
Para el caso frecuente en que α = α 0 = 0,1, se tiene:
Aunque los cambios ∆uo de los dos algoritmos de control solo difieren en un
10 %, los cambios ∆u0x correspondientes si pueden ser muy diferentes, dependiendo
de la razón del tiempo derivativo al tiempo integral del algoritmo de control tipo
serie.
7.16. Identificación de la estructura del algoritmo de control PID 319
1 t
Z
U(t) = Acción Kp β R(t) −Y (t) + [R(ξ ) −Y (ξ )]dξ
Ti 0
d [γR(t) −Y (t)]
+Td +Ub , 0 ≤ U(t) ≤ 100 %. (7.218)
dt
es entonces
1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] + [γr(s) − y(s)] ,
Ti s αTd s + 1
(7.220)
con parámetros θc = {Kp > 0, Ti > 0, Td ≥ 0, α > 0, β ≥ 0, 0 ≤ γ ≤ 1}.
50% 100%
-50% 0%
námicos heterogéneos: Modelado, simulación y optimización con Modelica”, el cual se puede descargar
de la dirección web https://pidplanet.wordpress.com/modelica/.
326 7 Algoritmo de control proporcional, integral y derivativo
y el controlador, como
dxc (t)
= fc (θc ; xc (t), r(t), y(t),t), (7.230)
dt
u(t) = gc (θc ; xc (t), r(t), y(t),t). (7.231)
7.19 Resumen
El algoritmo de control proporcional, integral y derivativo (PID) es, sin la menor
duda, el de mayor uso para la solución de los problemas de control en la industria.
Sin embargo, los controladores con un algoritmo de control PID no son todos iguales.
Aunque los fabricantes utilizan nombres muy diversos para referirse a la estruc-
tura de sus controladores, se puede decir que existen dos formas de combinar sus
modos de control: en paralelo y en serie.
Es importante tener cuidado al estudiar la información provista por los fabrican-
tes debido a la diversidad de términos, algunos contradictorios entre si, que utilizan
para referirse a las características o estructuras de los algoritmos de control imple-
mentados en sus controladores. Los hay que incluso se refieren a su algoritmo de
control PID Estándar como PID “ISA”, aunque la ISA21 no promociona ningún al-
goritmo de control PID en particular (Wade, 2004).
Es por lo tanto importante, conocer la forma en que está realizado el algoritmo
de control del controlador que se va ha utilizar, de manera de poder establecer cuales
deben ser los parámetros para su ajuste. Si esta difiere de la estructura del contro-
lador utilizado en el estudio y diseño del sistema de control, se deben encontrar los
parámetros equivalentes requeridos mediante las ecuaciones de conversión.
Cuando se trabaja con controladores de solo un grado de libertad, debe seleccio-
narse cual es la función principal del lazo de control, servo control o control regula-
dor, para su ajuste.
21 The International Society of Automation.
328 7 Algoritmo de control proporcional, integral y derivativo
7.20 Bibliografía
ABB Automation Technology Products (2004). Industrial IT 800xA - System, 800xA
for Advant Master, System Version 4.0, Graphic Library. Västeras, Sweden. Do-
cument number: 3BSE030430R4001.
Araki, M. (1984b). PID control system with reference feedforward (PID-FF con-
trol system). En Proc. 23rd SICE (Society of Instrument and Control Engineers)
Annual Conference, páginas 31–32.
Araki, M. (2002). PID Control. En Unbehauen, H., editor, Control Systems, Robotics,
and Automation, volumen II. Encyclopedia of Life Support Systems (UNESCO-
EOLSS).
Balbis, L., Katebi, R., y Ordys, A. (2006). Model predictive control design for in-
dustrial applications. En International Control Conference (ICC2006). Glasgow,
UK.
Beall, J. (n.a.). Interesting and Useful Features of the DeltaV PID Controller. Con-
ference, Emerson Process Management. Emerson Global Users Exchange.
Bennett, S. (1984). Nicolas Minorsky and the Automatic Sterring of Ships. IEEE
Control Systems Magazine, páginas 10–15. November.
Bennett, S. (2000). The Past of PID Controllers. En IFAC Digital Control: Past,
Present, and Future of PID Control. Terrassa, Spain.
Bobál, V., Böhm, J., Fessl, J., y Machacek, J. (2005). Digital Self-Tuning Controllers.
Springer Verlag London Limited. London, UK.
Emerson Process Management (2011). Key Features of the DeltaV PID Function
Block. DeltaV Whitepaper.
Hiroi, K. (1988). Process Controller Having an Adjusment System with Two De-
gree of Freedom. (Presentada: 14.feb.1986. Otorgada: 5.jul.1988). US Patent
4,744,924, United States Patent and Trademark Office.
IEC (2006). Function blocks (FB) for process control - Part 2: Specification of FB
concept and electronic device language (EDDL). Standard 61804-2, International
Electrotechnical Commission, Geneve, Switzerland.
Morris, H. M. (1990). Electronic PID controllers shrink while features grow. Control
Engineering, 37 (12):31–34.
National Instruments Corporation (2014). LabVIEW 2014 Help. 11500 North Mopac
Expressway, Austin, Texas, USA. Document No.371361L-01.
Peng, Y., Vrancic, D., y Hanus, R. (1996). Anti-Windup, Bumpless, and Conditio-
ning Transfer Techniques for PID Controllers. IEEE Control Systems, 16(4):48–
57.
REX Controls s.r.o. (2015). Function Blocks of the REX Control System: Reference
manual. Pilsen, Czech Republic. Version 2.10.6.
Siemens AG (2009). PID Control with Gain Scheduling and PID Tuning, SIMATIC
PCS 7 - Application Example. Nürnberg, Germany. 38755162.
Taylor Instruments (1989). Controller revealed for ISA Journal Readers - Inside
story of Taylor Fulscope. InTech, 36(6). Reimpresión de anuncio publicado en
ISA Journal Vol. 1 (1), enero 1954, InTech Special Section - 35th Anniversary
issue 1954/1989 Celebrating 35 years of intrumentation and controls.
Wade, H. L. (2004). Basic and Advanced Regulatory Control: System Design and Ap-
plication. ISA - The Instrumentation, Systems, and Automation Society, Research
Triangle Park, NC 27709, USA., 2nd. edición.
Yu, C.-C. (2006). Autotuning of PID Controllers. Springer-Verlag London Ltd., 2nd
edición. London, UK.
8
8.1 Introducción
8.2 Estructura de los modelos de interés
8.2.1 Procesos autorregulados (estables)
8.2.2 Procesos autorregulados (estables) con respuesta inversa
8.2.3 Procesos integrantes
8.2.4 Procesos inestables
8.3 Ajuste de los parámetros de los modelos autorregulados
8.3.1 Procedimientos de ajuste
8.3.2 Ajuste del modelo a partir de la curva de reacción
8.3.3 Ajuste del modelo a partir de la información crítica
8.3.4 Ajuste a partir de una prueba con un controlador P
8.4 Ajuste de los parámetros de los modelos con respuesta inversa
8.5 Ajuste de los parámetros de los modelos de los procesos integrantes
8.5.1 Ajuste con base en una prueba de lazo abierto
8.5.2 Ajuste utilizando un controlador P
8.5.3 Ajuste con base en la información crítica
8.6 Ajuste de los parámetros de los modelos de los procesos inestables
8.7 Ajuste de los modelos minimizando el error de predicción
8.8 Evaluación de los modelos autoregulados
8.8.1 Índice de error de predicción de la respuesta temporal
8.8.2 Índice de error de predicción de la información crítica
335
336 8 Identificación del modelo del proceso controlado
Para representar al proceso controlado o planta vista por el controlador -el conjunto
actuador, planta y sensor- en los estudios de control, o para el ajuste de los parámetros
del algoritmo de control del controlador, se requiere un modelo que provea informa-
ción de su comportamiento dinámico. Este debe ser simple, pero al mismo tiempo,
debe proveer información fidedigna del comportamiento del proceso, en el punto de
operación del sistema de control. Esta información usualmente incluye: la ganancia,
las constantes de tiempo y el tiempo muerto aparente del proceso controlado.
8.1 Introducción
Aunque pudiera ser posible obtener un modelo del proceso analíticamente, aplicando
las leyes de conservación y las relaciones constitutivas de los diferentes elementos
que lo componen como se mostró en el Capítulo 4, es más frecuente que la infor-
mación dinámica del proceso, se obtenga mediante pruebas experimentales, a partir
de la curva de reacción del proceso, de la ganancia crítica y el periodo de oscilación
del sistema de control en el límite de la estabilidad con un control proporcional, o
mediante la realimentación con un relé (Liu et al., 2013).
Estos modelos experimentales son del tipo caja negra. Esto es, establecen sola-
mente la relación entre la variable que se ha establecido como la “entrada” al proceso
y el comportamiento de la variable de interés o variable medida, la cual se ha esta-
blecido como su “salida”. El proceso está definido entonces como un sistema causal
lineal, que es representado por una función de transferencia. No se conocen la varia-
bles al interior del proceso.
8.1. Introducción 337
Figura 8.1: Etapas para el ajuste de los parámetros del algoritmo de control del con-
trolador
• Ecuación diferencial
dy(t)
T + y(t) = Ku(t). (8.1)
dt
• Función de transferencia
y(s) K
= P(θ p , s) = , θ p = {K, T }. (8.2)
u(s) Ts+1
8.2. Estructura de los modelos de interés 339
d2 y(t) dy(t)
T1 T2 2
+ (T1 + T2 ) + y(t) = Ku(t). (8.3)
dt dt
• Función de transferencia
K K
P(θ p , s) = = , (8.4)
(T1 s + 1)(T2 s + 1) (T s + 1)(aT s + 1)
• Función de transferencia
Ke−Ls
P(θ p , s) = , θ p = {K, T, L}. (8.7)
Ts+1
• Función de transferencia
Ke−Ls
P(θ p , s) = , θ p = {K, T, L}. (8.10)
(T s + 1)2
340 8 Identificación del modelo del proceso controlado
• Función de transferencia
Ke−Ls Ke−Ls
P(θ p , s) = = . (8.13)
(T1 s + 1)(T2 s + 1) (T s + 1)(aT s + 1)
• Función de transferencia
ωn2 Ke−Ls
P(θ p , s) = , θ p = {K, ζ , ωn , L}. (8.16)
s2 + 2ζ ωn s + ωn2
Modelo estable de segundo orden con respuesta inversa más tiempo muerto
(zsomtm)
• Ecuación diferencial
y(t) = 0, para 0 ≤ t < L, (8.17)
d2 y(t)
dy(t) du(t − L)
T1 T2 + (T1 + T2 ) + y(t) = K u(t − L) − T3 , para t ≥ L.
dt 2 dt dt
(8.18)
• Función de transferencia
K(−T3 s + 1)e−Ls K(−bT s + 1)e−Ls
P(θ p , s) = = , (8.19)
(T1 s + 1)(T2 s + 1) (T s + 1)(aT s + 1)
T1 ≥ T2 , T = T1 , a = T2 /T1 , b = T3 /T1 , θ p = {K, T, a, b, L}.
• Función de transferencia
Ku e−Ls
P(θ p , s) = , θ p = {Ku , T, L}. (8.28)
Ts−1
En los modelos (8.2) a (8.28), {K, Kv , Ku } son las ganancias, {T, T1 , T2 , T3 } las
contantes de tiempo, L el tiempo muerto aparente, y {a, b} los parámetros adimen-
sionales (razones de constantes de tiempo) del modelo.
Los procedimientos de lazo abierto, excitan al proceso con una señal de entrada
−normalmente en forma de escalón− y observan la curva de respuesta. La respuesta
del proceso a una entrada tipo escalón, se denomina curva de reacción del proceso
(Alfaro, 2001a).
En estos casos, no se requiere que el controlador a ajustar se encuentre instalado.
Sin embargo, si lo está, se puede utilizar para producir el escalón a la entrada del
proceso (salida del controlador), operándolo en modo manual, como se muestra en la
figura 8.2.
Entre los procedimientos de este tipo, se encuentran los de Ho et al. (1995),
Jahanmiri y Fallahi (1997) y Nishikawa et al. (1984).
Los métodos de lazo cerrado pueden emplear un controlador con un algoritmo de
control proporcional, con una ganancia arbitraria operando en modo automático, para
obtener la curva de respuesta del sistema de control, a un cambio en el valor deseado.
De esta curva, se puede obtener información para la identificación del modelo, la
selección de su estructura y el ajuste de sus parámetros (Alfaro, 2001b).
Entre los métodos de este tipo se encuentran los de Chen (1989); Jutan y Rodrí-
guez (1984); Lee (1989); Lee y Sung (1993), y Yuwana y Seborg (1982).
Utilizando el control P, también se puede llevar el sistema al punto de oscilación
mantenida, para determinar los parámetros críticos o últimos del proceso. Esta in-
formación se puede obtener también empleando un relé como controlador (Åström y
Hägglund, 1984).
A continuación, se presentan las ecuaciones requeridas para el ajuste de los pa-
rámetros de los modelos, mediante cada uno de estos procedimientos.
344 8 Identificación del modelo del proceso controlado
Determinación de la ganancia
En la figura 8.5 se muestra la curva de reacción de un proceso típico. Si se considera
que la entrada al proceso es una señal escalón u(t) de amplitud ∆u, que su respuesta
es una señal y(t), y que el cambio total de la salida es ∆y, la ganancia estacionaria de
todos estos los modelos se obtiene, como
∆y
K= . (8.29)
∆u
346 8 Identificación del modelo del proceso controlado
Figura 8.5: Puntos sobre la curva de reacción del proceso, utilizados en el método
123c
tx = L + f1 (x)T, (8.32)
donde
f1 (x) = − ln(1 − x). (8.33)
Para el modelo de primer orden más tiempo muerto, se deben ajustar dos pará-
metros de tiempo {L, T }, por lo que es necesario determinar los dos tiempos (t1 , t2 )
requeridos para alcanzar dos puntos (x1 , x2 ) sobre la curva de reacción, entonces
T = a1 (t2 − t1 ), (8.38)
L = b1t1 + (1 − b1 )t2 , (8.39)
donde
1
a1 = , (8.40)
f1 (x2 ) − f1 (x1 )
b1 = a1 f1 (x2 ). (8.41)
Las ecuaciones (8.29), (8.33) y (8.38) a (8.41) son las expresiones generales pa-
ra ajustar un modelo de primer orden más tiempo muerto, utilizando los tiempos
requeridos para que la respuesta alcance cualesquiera dos puntos sobre la curva de
reacción.
Utilizando (8.32) y (8.33), se puede encontrar que los tiempos requeridos para
que la respuesta alcance los siguientes porcentajes, múltiplos de 10 %, son
Cualesquiera dos de estos tiempos, se pueden utilizar para el ajuste de los pará-
metros del modelo epomtm, aunque se recomienda que estos no sean muy cercanos
entre si y que no se encuentren tampoco, cerca de cualquiera de los tiempos extremos
(al inicio o al final de la curva de reacción del proceso).
Si se seleccionan los puntos correspondientes al 25 % y el 75 % del cambio total,
los tiempos requeridos para alcanzarlos, están dados por las expresiones
pudiéndose calcular entonces los parámetros del modelo de primer orden más tiempo
muerto, con las ecuaciones (Alfaro, 2001a)
∆y
K= , (8.53)
∆u
T = 0,9102(t75 − t25 ), (8.54)
L = 1,2620t25 − 0,2620t75 , (8.55)
donde t25 y t75 son los tiempos requeridos para que la respuesta alcance el 25 % y el
75 % del cambio total.
tx = L + f2 (x)T. (8.59)
T = a2 (t2 − t1 ), (8.60)
L = b2t1 + (1 − b2 )t2 , (8.61)
350 8 Identificación del modelo del proceso controlado
f2 (x)
5
0
0.0 0.2 0.4 0.6 0.8 1.0
x
donde
1
a2 = , (8.62)
f2 (x2 ) − f2 (x1 )
b2 = a2 f2 (x2 ), (8.63)
0,3566 + 4,0587x − 2,6065x2
f2 (x) = . (8.64)
1,4103 − 0,4542x − 0,6532x2
0,10 ≤ x ≤ 0,90
Con (8.29) y (8.60) a (8.65), se puede ajustar un modelo de segundo orden de polo
doble, a partir de cualesquiera dos puntos sobre la curva de reacción del proceso.
En particular, en el caso del modelo de polo doble (8.10), los tiempos requeridos
para alcanzar el 25 % y el 75 % de la respuesta, son
∆y
K= , (8.68)
∆u
T = 0,5776(t75 − t25 ), (8.69)
L = 1,5552t25 − 0,5552t75 . (8.70)
En este caso se debe ajustar un parámetro más, que en los dos casos anteriores.
Para su ajuste se tienen dos procedimientos:
• Procedimiento simplificado
Se supondrá primero, que se ha obtenido ya un modelo de polo doble, con
parámetros K, T 0 y L0 .
Se tiene que la suma de todas las constantes de tiempo y el tiempo muerto, o
tiempo de residencia medio, está dado por
T∑ = L0 + 2T 0 , (8.72)
T∑ = L + (1 + a)T, (8.73)
El tiempo requerido para que la respuesta del sistema de segundo orden sobre-
amortiguado alcance el 50 % de su valor final, se puede estimar con la expre-
sión
t50 = L + (0,7181 + 0,9922a)T. (8.75)
t50 − L0 − 1,4362T 0
a= . (8.76)
1,9844T 0 − t50 + L0
Entonces
2T 0
T= , (8.77)
1+a
y las constantes de tiempo del modelo de segundo orden sobreamortiguado,
serán
T1 = T, (8.78)
T2 = aT. (8.79)
• Procedimiento general
En el procedimiento simplificado anterior, el tiempo muerto aparente del mo-
delo de segundo orden sobreamortiguado, se tomó igual al del modelo de polo
doble. Para deducir las ecuaciones necesarias para calcular también el tiempo
muerto aparente del nuevo modelo, se deben determinar los tiempos necesarios
8.3. Ajuste de los parámetros de los modelos autorregulados 353
1,25
Po (s) = , T o = 15 s.
(8s + 1)(4s + 1)(2s + 1)(s + 1) ∑
1,25e−5,53s
Pm1 (s) = , T∑ 1 = 15,51 s, St1 = 0,37561,
9,98s + 1
1,25e−2,31s
Pm2 (s) = , T∑ 2 = 14,97 s, St2 = 0,01039,
(6,33s + 1)2
1,25e−2,31s
Pm3 (s) = , T∑ 3 = 14,97 s, St3 = 0,00944,
(7,01s + 1)(5,65s + 1)
1,25e−2,22s
Pm4 (s) = , T∑ 4 = 14,98 s, St4 = 0,00704,
(7,01s + 1)(5,75s + 1)
donde los T∑ i son las sumas de las contantes de tiempo y el tiempo muerto de los
modelos (tiempo de residencia medio de los modelos), y los Sti los índices de error
de predicción de la respuesta temporal (véase la sección 8.8.1).
Bajo es índice de evaluación seleccionado, el modelo que mejor reproduce la
curva de reacción del proceso de cuarto orden Po es Pm4 .
Es importante notar, que la bondad de un modelo está relacionada en parte, con
que su tiempo de residencia medio, esto es con que T∑ mi ≈ T∑ o .
Cuando la respuesta del proceso es subamortiguada, esto es, que presenta una osci-
lación amortiguada, este no puede ser representado adecuadamente por los modelos
que solo tienen polos reales, es necesario que incluyan polos complejos conjugados.
El modelo de segundo orden cuyos parámetros se deben ajustar, es de la forma
∆y
K= , (8.98)
∆u
y p − yu
δ= , (8.99)
y − y0
su
ln2 (δ )
ζ= , (8.100)
π 2 + ln2 (δ )
T = 2(L − t p ), (8.101)
2π
ωn = p , (8.102)
T 1−ζ2
T
L = tp − . (8.103)
2
Tu = Tc . (8.108)
de las señales de salida del controlador y del proceso. Esta, por lo tanto, es una
aproximación.
La amplitud d del relé, determinará la amplitud a de la oscilación de la variable
controlada.
Si la señal realimentada tiene ruido, debe utilizarse un relé con histéresis, con
un diferencial mayor a la amplitud del ruido de la señal, para evitar la con-
mutación continua del relé. Por ejemplo, con una histéresis del doble que la
amplitud del ruido.
En este caso, la función descriptiva del relé con una histéresis ε, es
"r #
4d ε 2 ε
N(a) = 1− −j , (8.109)
πa a a
y su inversa
1 π p 2 πε
= a − ε2 + j . (8.110)
N(a) 4d 4d
8.3. Ajuste de los parámetros de los modelos autorregulados 359
0 4d
Kpu = √ . (8.111)
π a2 − ε 2
Kp Ke−Ls
1+ = 0. (8.113)
Ts+1
Kpu Kp e−jLωu
= −1, (8.114)
jT ωu + 1
Kpu K
p = 1, (8.115)
1 + (T ωu )2
− Lωu − tan−1 (T ωu ) = −π. (8.116)
En el caso del sistema de control, de un proceso de segundo orden (polo doble) más
tiempo muerto con un controlador proporcional, la ecuación característica del sistema
de control, es
Kp Ke−Ls
1+ = 0. (8.120)
(T s + 1)2
1 ∆y
K= , (8.121)
Kp ∆r − ∆y
Tu p
T= Kpu K − 1, (8.122)
2π
Tu −1 2πT
L= π − 2 tan . (8.123)
2π Tu
Los modelos de primer orden más tiempo muerto ajustados a partir de la información
última, normalmente no reflejan adecuadamente la dinámica de los procesos de orden
alto. Por esta razón se sugiere que, para determinar los parámetros de un modelo de
primer orden más tiempo muerto, se emplee más bien el modelo de segundo orden
de polo doble ajustado a partir de la información última.
Si se obtiene entonces un modelo de segundo orden más tiempo muerto de polo
doble a partir de la información crítica, se pueden determinar los parámetros del
modelo de primer orden mediante el método 123c, en donde los tiempos t25 y t75
serían ahora, los tiempos requeridos para que la respuesta del modelo de segundo
orden más tiempo muerto a una entrada escalón, alcance el 25 % y el 75 % de su
cambio total.
Utilizando estos tiempos, se obtienen los parámetros del modelo de primer orden
362 8 Identificación del modelo del proceso controlado
8.3.4 Ajuste del modelo a partir de una prueba con un controlador con
un algoritmo de control proporcional
Los métodos de identificación de control P, tienen como base la identificación del
modelo del proceso, a partir de la curva de respuesta del sistema de control a un
cambio escalón en el valor deseado, cuando este se controla con un controlador pu-
ramente proporcional.
Se da por supuesto que la ganancia Kp del controlador, es lo suficientemente alta
como para que la respuesta del sistema sea subamortiguada, pero no tanto como para
que el sistema de control sea inestable.
La respuesta del sistema de lazo cerrado, puede entonces ajustarse como la de un
sistema de segundo orden más tiempo muerto y a partir de este modelo ajustar uno
para el proceso controlado, ya sea de primer orden más tiempo muerto, o de segundo
orden más tiempo muerto.
En el lazo de control de un proceso controlado P(s), con un controlador puramen-
te proporcional C(s) = Kp , se tiene que la función de transferencia de lazo cerrado,
es
. y(s) Kp P(s)
Myr (s) = = . (8.129)
r(s) 1 + Kp P(s)
Supóngase que la ganancia del controlador Kp , se ha seleccionado de manera que
la respuesta a un cambio escalón en el valor deseado sea subamortiguada, y que el
cambio total en la respuesta, a un cambio ∆r en el valor deseado, es ∆y.
8.3. Ajuste de los parámetros de los modelos autorregulados 363
de donde se obtiene que la ganancia del proceso controlado se puede calcular, como
1 ∆y
K= . (8.131)
Kp ∆r − ∆y
y se supone que el proceso controlado es de primer orden más tiempo muerto, se tiene
además, que la función de transferencia de lazo cerrado se puede expresar también,
como
y(s) Kp Ke−Ls
= . (8.133)
r(s) T s + 1 + Kp Ke−Ls
∆y
Kyr = , (8.134)
∆r
y p − yu
δ= , (8.135)
yu − y0
s
ln2 (δ )
ζc = , (8.136)
π 2 + ln2 (δ )
2π
ωnc = p , (8.137)
Tc 1 − ζc2
Tc
L = tp − . (8.138)
2
Si el modelo del proceso se supone de primer orden más tiempo muerto, dado
por la función de transferencia
Ke−Ls
P(θ p , s) = , (8.139)
Ts+1
8.4. Ajuste de los parámetros de los modelos con respuesta inversa 365
∆y
K= , (8.145)
∆u
T = 0,60 (t90 − t47 ), (8.146)
1 + (y0 − y p )/∆y
b= − 1, (8.147)
e−(t p −L)/T
(t47 − L)/T − 0,7538 − 0,6262 b + 0,0696 b2
a= . (8.148)
0,9275 + 0,1794 b − 0,0161 b2
2,718 y(L + T )
T= , (8.151)
Kv ∆u
L = L0 − T. (8.152)
0,60e−1,52s
Pmi1 = ,
s
0,60e−0,328s
Pmi2 = ,
s(1,192s + 1)
cuyas curvas de reacción ymi1 (t) y ymi2 (t)), se muestran también en la figura 8.13.
Como era de esperarse, la respuesta del modelo integrante de segundo orden, es
prácticamente igual a la del proceso.
35
Variables [%]
30
25
20 ypi(t)
ymi1(t)
ymi2(t)
15 u(t)
10
0
0 2 4 6 8
Tiempo, t [s]
Figura 8.13: Ejemplo 8.2 - Curva de reacción del proceso integrante y los modelos
Aproximando el tiempo muerto de (8.153) por una serie de primer orden, esta se
puede escribir, como
o
1/(T1c T2c )e−Ls
Myr (s) = . (8.156)
s2 + (T1c + T2c )/(T1c T2c )s + 1/(T1c T2c )
Kpu Kv e−jLωu
= −1, (8.168)
jωu (jωu T + 1)
Con esta información, se obtienen los otros parámetros del modelo del proceso
inestable
1 ∆y
Ku = , (8.177)
Kp ∆y − ∆r
T = Kp Ku (Tc + L) − Tc . (8.178)
6. Ajustar los demás parámetros del modelo, de tal manera que el error cuadrático
de predicción del modelo
n n 0 2
2
Epred (θ m ) = ∑ e2pred (k, θ m ) = ∑ y p (k) − y0m (k, θ m ) . (8.180)
k=1 k=1
o
donde θ m son los parámetros del modelo de mejor ajuste, en el sentido de los
“cuadrados mínimos”.
donde (Kpu , Tu ) es la información crítica obtenida con sistema de control del proceso
y (Kpum (θ ), Tum (θ )) la predicha con el sistema de control utilizando el modelo.
Si se identifican varios modelos para un mismo proceso, el mejor modelo en
predecir la información crítica, será el que posea el menor Sum .
1,2
Po (s) = , T∑ = 31,875 s
∏4i=0 (2i s + 1) ∏3j=1 (0,5 j s + 1)
con las constantes de tiempo en segundos, para el cual se han obtenido los siguientes
modelos:
• epomtm
1,2e−12,90s
Pm1 (s) = , T = 32,89 s.
19,99s + 1 ∑
• epdmtm
1,2e−6,47s
Pm2 (s) = , T = 31,85 s.
(12,69s + 1)2 ∑
• esomtm (procedimiento simplificado)
1,2e−6,47s
Pm3 (s) = , T = 31,85 s.
(14,01s + 1)(11,37s + 1) ∑
1,2e−6,22s
Pm4 (s) = , T = 31,83 s.
(13,95s + 1)(11,66s + 1) ∑
8.8. Evaluación de los modelos autoregulados 377
Cuadro 8.1: Ejemplo 8.3 - Modelo Stm Kum Tum [s] Sum Scm
Índices de error de predic-
ción de los modelos Pm1 0,07206 2,59 42,74 0,3668 0,36924
Pm2 0,00227 3,84 41,89 0,0625 0,00761
Pm3 0,00210 3,85 41,89 0,0601 0,00761
Pm4 0,00156 4,01 41,07 0,0379 0,00492
Pm5 2,01457 4,09 42,45 0 1,85796
Pm6 0,02941 4,09 42,45 0 0,06384
Pm7 0,10760 2,657 43,63 0,3515 0,20936
• epomtm
1,2e−12,0s
Pm5 (s) = .
32,46s + 1
• epdmtm
1,2e−6,33s
Pm6 (s) = .
(13,33s + 1)2
• epomtm (método 1D2u)
1,2e−13,11s
Pm7 (s) = .
21,05s + 1
En el cuadro 8.1 se listan los índices de error de predicción de los modelos y los
parámetros críticos predichos con ellos. Para la evaluación del desempeño de los
modelos bajo control realimentado, se utilizó en todos los casos, un controlador PI
con Kp = 1 y Ti = 20 s.
Como más importante que los valores absolutos de los índices, son sus valores
relativos, en el cuadro 8.2 estos se han normalizado respecto al índice del mejor
modelo en cada evaluación.
De los cuadros anteriores, se hace evidente que en este caso, el mejor modelo es
el de segundo orden sobreamortiguado más tiempo muerto cuyos parámetros se han
ajustado con el método 123c general (Pm4 ), aunque tiene un error de hasta un 3 %
en la identificación de los parámetros críticos.
Además, en este caso el mejor modelo de primer orden más tiempo muerto, es el
que se ha ajustado con el método 1D2u.
En el diseño de los lazos de control, es de primordial importancia que el modelo
reproduzca el comportamiento del proceso controlado, bajo condiciones de control
realimentado.
378 8 Identificación del modelo del proceso controlado
trol 60
58
56
54
52
50
48
0 50 100 150 200
Tiempo, t [s]
En la figura 8.16 se muestran las respuestas del sistema de control del proce-
so controlado (y1 (t)) y la obtenida utilizando como proceso, los mejores modelos
epomtm (y2 (t)) y esomtm (y3 (t)), ante un cambio del 10 % en el valor deseado. Por
su parte, en la figura 8.17, las correspondientes a un cambio del 10 ud en la pertur-
bación.
Mientras que se notan algunas diferencias entre la respuesta del sistema de con-
trol utilizando el modelo de primer orden y la del correspondiente al proceso origi-
nal, la del sistema de control con el modelo de segundo orden, parece idéntica a la
obtenida con el proceso “real”.
Por lo tanto, es conveniente utilizar el modelo de segundo orden, en el diseño y
estudio del sistema de control para este proceso.
Variables [%]
regulador 60
58
56
54
52
50
48
0 50 100 150 200
Tiempo, t [s]
. yL (s)
GL (s) = = e−Ls , (8.188)
u(s)
1 − 0,496 L s
e−Ls ≈ , (8.207)
1 + 0,496 L s
1 − 0,496 L s + 0,091 L2 s2
e−Ls ≈ . (8.208)
1 + 0,496 L s + 0,091 L2 s2
1 − 0,490 L s + 0,0954 L2 s2
e−Ls ≈ , (8.209)
1 + 0,490 L s + 0,0954 L2 s2
es la que da el menor error de predicción de la respuesta del proceso a una entrada
escalón. Esta aproximación fue obtenida por aproximación directa de la respuesta de
frecuencia (DFR - “direct frequency response”) del tiempo muerto.
con m < n, de manera que esta sea una función de transferencia estrictamente propia.
Ahora, para un cambio escalón en la señal de entrada al tiempo muerto y(0+ ) = 0.
Lamentablemente, en las aproximaciones de Padé con m < n, no se conserva la
magnitud unitaria a todas las frecuencias y se reduce el desfase máximo, indicados
por (8.211) y (8.212). En este caso, se tiene que
lı́m PL(m:n) (jω) = 0, (8.214)
ω→∞
lı́m ∠PL(m:n) (jω) = −(m + n) 90°. (8.215)
ω→∞
384 8 Identificación del modelo del proceso controlado
Variables [%]
T = 1 s, L = 1 s) utilizando y(t)
u(t)
aproximaciones de Padé
2.0
1.5
1.0
0.5
0.0
0 2 4 6 8
Tiempo, t [s]
Ke−Ls
PL (s) = , (8.218)
Ts+1
K
P(s) = , (8.219)
Ts+1
con K = 2, T = 1 s y L = 1 s.
En la figura 8.20, se muestran las respuestas de estos procesos a una entrada
escalón unitario, utilizando para el tiempo muerto una aproximación de Padé (12:12)
y una (4:5).
De estas curvas de respuesta, se hace evidente que al combinar el tiempo muerto,
representado por una función de Padé, con alguna otra dinámica, la influencia de la
aproximación sobre la respuesta durante el transcurso del tiempo muerto, se reduce
a un pequeño rizado de la señal.
Por otra parte, la necesidad de utilizar una aproximación del tiempo muerto cuan-
do se hace una simulación digital, no aparece si esta se realiza mediante la intercone-
xión de bloques funcionales donde la función tiempo muerto (“delay”), está imple-
mentada como un registro de datos circular de dimensión apropiada (D > L/∆t ≥ 3),
con un puntero a la cola −para el almacenamiento del nuevo valor de la entrada en
el instante k∆t− y un puntero a la cabeza −para la extracción del valor de la salida
correspondiente al valor de la entrada L unidades de tiempo antes−. Sin embargo,
pudiera requerirse hacer una interpolación lineal para determinar el valor de la señal
de salida, si el tiempo muerto no es un múltiple entero del paso ∆t utlizado para la
solución (simulación) del modelo.
Ke−Ls T2 T2 n
P1 (s) = , T = T1 + , L = Lo + + ∑ T j . (8.221)
Ts+1 2 2 j=3
Ke−Ls T3
P2 (s) = , T10 = T1 , T20 = T2 + ,
(T10 s + 1)(T20 s + 1) 2
n
T3
L = Lo + + ∑ Tj . (8.222)
2 j=4
Ke−Ls T3
P2 (s) = , T10 = T1 , T20 = T2 + ,
(T10 s + 1)(T20 s + 1) 2
n m
T3
L = Lo + + ∑ T j + ∑ Tk∗ . (8.225)
2 j=4 k=1
Si el modelo tiene un cero de fase mínima, este debe cancelarse con el polo más
cercano a el, siguiendo una serie de reglas (Skogestad, 2003; Skogestad y Grimholt,
2012).
Debe tenerse en cuenta que las reglas de cancelación indicadas en las referen-
cias citadas, dependen del parámetro de diseño del sistema de control, utilizando el
método SIMC (“simple control”) que se presentará en la sección 14.4 del Capítulo
14, por lo que el modelo resultante, es particular para el ajuste del sistema de control
realizado.
Ke−Ls
P1 (s) = ,
Ts+1
T2
T = T1 + 2 , (8.227)
2T1
n m
T22
L = Lo + T2 − + ∑ T j + ∑ Tk∗ .
2T1 j=3 k=1
8.10. Reducción del orden del modelo 389
Ke−Ls
P2 (s) = ,
(T10 s + 1)(T20 s + 1)
T10 = T1 , (8.228)
T32
T20 = T2 + ,
2T2
n m
T32
L = Lo + T3 − + ∑ T j + ∑ Tk∗ .
2T2 j=4 k=1
1,25
Po (s) = , T o = 15 s.
(8s + 1)(4s + 1)(2s + 1)(s + 1) ∑
1,25e−5s
P1S (s) = , (8.229)
10s + 1
1,25e−2s
P2S (s) = . (8.230)
(8s + 1)(5s + 1)
1,25e−6s
P1L (s) = , (8.231)
9s + 1
1,25e−2,5s
P2L (s) = . (8.232)
(8s + 1)(4,5s + 1)
Dadas las características de los dos procedimientos de reducción del orden del
modelo, en todos los modelos de orden reducido obtenidos, se conserva que T∑ i =
T∑ o = 15 s.
Compárese estos modelos con los obtenidos, utilizando el método de ajuste 123c,
en el ejemplo 8.1.
390 8 Identificación del modelo del proceso controlado
2. A partir de P2 (s)
K = K0, (8.241)
−6,9a 0
T = (0,828 + 0,812a + 0,172e )T , (8.242)
1,116T 0
L = L0 + . (8.243)
1 + 1,208a
3. A partir de P3 (s)
K = K0, (8.244)
0
T = 2ζ T , (8.245)
T0
L = L0 + . (8.246)
2ζ
8.11. Comparación de las respuestas de lazo abierto y lazo cerrado 391
Ejemplo 8.6 Procesos con curvas de reacción similares, pero con respuestas a
lazo cerrado diferentes
Considérese dos procesos estables, representados por las funciones de transferencia
2
P1 (s) = , T = 10,0s, (8.247)
10s + 1 ∑
y
2
P2 (s) = , T = 10,15s. (8.248)
(10s + 1)(0,1s + 1)(0,05s + 1) ∑
Sus curvas de reacción (respuesta a lazo abierto), se muestran en la figura 8.21,
las cuales son muy similares. De hecho, no hay una diferencia significativa entre
estas.
Estos dos procesos se controlarán con el mismo controlador, con un algoritmo
de control proporcional.
Si la ganancia del controlador es baja, las respuestas de los dos sistemas de
control son similares. Sin embargo, a medida que se aumenta la ganancia del con-
trolador, las dos respuestas empiezan a ser diferentes.
Si fuera posible aumentar la ganancia del controlador hasta Kp = 75,0, los dos
sistemas de control responderían a un cambio en el valor deseado de forma muy
distinta, tal como se muestra en la figura 8.22.
392 8 Identificación del modelo del proceso controlado
Variables [%]
15
y1 (t)
10 y2 (t)
u(t)
0
0 10 20 30 40 50 60
Tiempo, t [s]
r(t)
controles P (Kp = 75,0)
60
55
50
Magnitud, |L(jω)|
- Diagramas de Bode de 15
(Kp = 75,0) 5
0
10-2 10-1 100 101 102 103
−100
−150
−200
−250
10-2 10-1 100 101 102 103
Frecuencia, ω [rad/s]
Ejemplo 8.7 Procesos con respuestas a lazo cerrado similares, pero con
comportamientos a lazo abierto diferentes
Considérese ahora los procesos de segundo orden, representados por las funciones
de transferencia
5
P3 (s) = , (8.249)
(20s + 1)(s + 1)
y
5
P4 (s) = . (8.250)
(20s − 1)(s + 1)
394 8 Identificación del modelo del proceso controlado
Variables [%]
y2 (t)
60
de control con Kp = 4,0
55
50
0 2 4 6 8 10 12 14
45
Tiempo, t [s]
u1 (t)
90
u2 (t)
Variables [%]
80
70
60
50
0 2 4 6 8 10 12 14
Tiempo, t [s]
80
60
y1 (t)
y2 (t)
40 u(t)
20
0
0 10 20 30 40
Tiempo, t [s]
Variables [%]
r(t)
de control
60
55
50
0 2 4 6 8 10 12 14
Tiempo, t [s]
Ke−Ls
P(s) = , (8.251)
Ts+1
cuyos parámetros θ p = {K, T, L}, se han ajustado en el punto de operación más pro-
bable del sistema de control, siendo este
o
K o e−L s
Po (s) = . (8.252)
T os + 1
K ∈ [K m , K M ], (8.253)
m M
T ∈ [T , T ], (8.254)
m M
L ∈ [L , L ], (8.255)
donde pm M
i y pi , corresponden al valor mínimo y máximo del parámetro pi , respecti-
vamente.
Con base en los rangos de variación de los parámetros de los modelos ajustados,
se puede definir el modelo medio del proceso controlado, en el “centro” del conjunto
de modelos, como (Zhang, 2012)
∗
K ∗ e−L s
P∗ (s) = . (8.256)
T ∗s + 1
donde
Km + KM
K∗ = , (8.257)
2
Tm +TM
T∗ = , (8.258)
2
Lm + LM
L∗ = , (8.259)
2
cuyos parámetros θ ∗ = {K ∗ , T ∗ , L∗ }, son los parámetros del modelo medio del pro-
ceso controlado (los parámetros medios).
Podría utilizarse el modelo medio (8.256), como el modelo del proceso contro-
lado para el ajuste de los parámetros del algoritmo de control del controlador. De
hacerse así, debe tenerse en cuenta que el modelo medio, puede no coincidir, no solo
no con el modelo del proceso controlado en el punto de operación más probable, sino
tampoco representarlo en ninguno de los posibles puntos de operación del sistema de
control.
Como se verá en la sección 12.12.1 del Capítulo 12, si el proceso controlado es
epomtm, el caso más crítico respecto a la estabilidad del sistema de control, con un
controlador de parámetros fijos, corresponde al caso en que aumenta la ganancia K,
disminuye la constante de tiempo T y aumenta el tiempo muerto L del modelo. Por
lo tanto, el modelo extremo, el que reduce la estabilidad del sistema hasta el extremo,
sería M
K M e−L s
P• (s) = m , (8.260)
T s+1
cuyos parámetros θ • = {K M , T m , LM }, son los “parámetros extremos” del modelo
del proceso controlado.
8.13. Resumen 397
Si ahora se emplea el modelo extremo (8.260), como el modelo del proceso con-
trolado para el ajuste de los parámetros del algoritmo de control del controlador, se
estaría utilizando el modelo correspondiente al caso “más malo” que además, proba-
blemente no corresponde al modelo del proceso en ninguno de los posibles puntos de
operación del sistema de control. Esto, con seguridad, reduciría el comportamiento
del sistema de control en los puntos de operación más frecuentes.
8.13 Resumen
Para poder diseñar el sistema de control realimentado, lo cual incluye además del
ajuste de los parámetros del algoritmo de control del controlador, evaluar el fun-
cionamiento del mismo, esto es, determinar sus características de comportamiento y
robustez, es indispensable contar con un modelo que represente al proceso controlado
en estos estudios.
La identificación del modelo del proceso controlado, incluye la selección de su
estructura (sobre o subamortiguado, integrante, inestable) y el ajuste de sus paráme-
tros (ganancia, constantes de tiempo, tiempo muerto).
En general, se utilizan modelos simples de primer y segundo orden más tiempo
muerto para la representación del proceso controlado, ajustados en el punto de ope-
ración más probable o deseado para el sistema de control. Este es el modelo nominal.
Para el ajuste de los modelos de los procesos autoregulados, adecuados para los
estudios de control con controladores PI(D), se cuenta con tres procedimientos ge-
nerales: 1. a partir de la curva de reacción del proceso, 2. a partir de la información
crítica del proceso, y 3. a partir de la respuesta en lazo cerrado con un controlador
P.
El comportamiento de los modelos bajo diferentes condiciones, depende no solo
de su orden, sino también del procedimiento utilizado para su ajuste. Es por lo tanto
importante conocer las características de los modelos obtenidos y utilizar el que se
considera “mejor” para los estudios de control.
Por lo tanto, un modelo adecuado para los estudios de control, será aquel que
permita diseñar el controlador con un algoritmo de control proporcional, integral y
derivativo (PID), de manera que su comportamiento posterior con el proceso real, sea
similar al obtenido con el modelo durante la etapa de diseño.
El modelo nominal identificado, además de ser lineal, se ha obtenido en un deter-
minado punto de operación, por lo que solo puede representar el comportamiento del
proceso controlado no lineal, en el conjunto de todos los posibles puntos de opera-
ción, en forma aproximada. La incertidumbre implícita en el modelo nominal, debe
tenerse en consideración en el diseño del sistema de control. Una forma usual de
hacerlo, es estableciendo el grado de robustez requerida para el sistema de control.
398 8 Identificación del modelo del proceso controlado
8.14 Bibliografía
Alfaro, V. M. (2001a). Identificación de procesos sobre amortiguados utilizando
técnicas de lazo abierto. Ingeniería, 11(1,2):11–25.
Alfaro, V. M. (2001b). Identificación de procesos sobre amortiguados utilizando
técnicas de lazo cerrado. Ingeniería, 11(1,2):27–40.
Alfaro, V. M. (2003). Nuevas aproximaciones del tiempo muerto para estudios de
control. Ingeniería, 13(1,2):41–52.
Alfaro, V. M. (2006). Identificación de modelos de orden reducido a partir de la curva
de reacción del proceso. Ciencia y Tecnología, 24(2):197–216.
Alfaro, V. M. (2007). Evaluación de los modelos utilizados en los estudios de control
PID. Ingeniería, 17:117–129.
Åström, K. J. y Hägglund, T. (1984). Automatic tuning of simple regulators with
specification on phase and amplitude margins. Automatica, 20(5):645–651.
8.14. Bibliografía 399
Balaguer, P., Alfaro, V. M., y Arrieta, O. (2011). Second order inverse response
process identification from transient step response. ISA Transactions, 50:231–238.
Chen, C. L. y Yang, S. F. (2000). Tuning PID controllers based on gain and phase
margin specification. En IFAC Digital Control: Past, Present, and Future of PID
Control (PID’00). 5-7 Abril, Terrasa, España.
Ho, W.-K., Hang, C.-C., y Cao, L. S. (1995). Tuning PID Controllers Based on Gain
and Phase Margin Specifications. Automatica, 31(3):497–502.
Jahanmiri, A. y Fallahi, H. R. (1997). New methods for process identification and de-
sign of feedback controllers. Transaction of The Institute of Chemical Engineers,
75 Part A.
Lee, J. (1989). On-Line PID Controller Tuning from a Single Close-Loop Test. AI-
ChE Journal, 35(2).
Lee, J., Cho, W., y Edgar, T. F. (2014). Simple Analytic PID Controller Tuning Rules
Revisited. Industrial & Engineering Chemistry Research, 53:5038–5047.
Liu, T., Wang, Q.-G., y Huang, H.-P. (2013). A tutorial review on process identifica-
tion from step or relay feedback test. Journal of Process Control, 23:1597–1623.
Mirzal, A. (2012). Stability Analysis and Compensation of Time Delays in Analog
Control Systems. International Journal of Control and Automation, 5(4):1–17.
Mollenkamp, R. A. (1984). Introduction to Automatic Process Control. Instrument
Society of America, Research Triangle Park, NC, USA.
Nishikawa, Y., Sannomiya, N., Ohta, T., y Tanaka, H. (1984). Amethod for auto-
tuning PID controller parameters. Automatica, 33(4):321–332.
Norton, J. P. (1986). An Introduction to Identification. Academic Press, Inc.(London)
Ltd. London, UK.
Panda, R. C., Yu, C.-C., y Huang, H. P. (2004). PID tuning rules for SOPDT systems:
Review and some new results. ISA Transactions, 43:283–295.
Skogestad, S. (2003). Simple analytic rules for model reduction and PID controller
tuning. Journal of Process Control, 13:291–309.
Skogestad, S. y Grimholt, C. (2012). The SIMC Method for Smooth PID Controller
Tuning. En Vilanova, R. y Visioli, A., editores, PID Control in the Third Millen-
nium, páginas 147–175. Springer-Verlag London Limited.
Smith, C. L. (1972). Digital Computer Control. International Texbook, Co.
Vajta, M. (2000). Some remarks on padé-approximations. En 3rd TEMPUS-
INTCOM Symposium. September 9-14, Veszprén, Hungary.
Viterková, M., Vitecek, A., y Smitny, S. (2000). Simple PI and PID controllers tuning
for monotone self regulation plant. En IFAC Digital Control: Past, Present and
Future of PID Control (PID’00). 5-7 Abril, Terrasa, España.
Yu, C.-C. (2006). Autotuning of PID Controllers. Springer-Verlag London Ltd., 2nd
edición. London, UK.
Yuwana, M. y Seborg, D. E. (1982). A new method for on-line controllers tuning.
AIChE Journal, 28(3).
Zhang, W. (2012). Quantitative Process Control Theory. CRC Press, Taylor &
Francis Group, LLC, Boca Raton FL 33487-2442. USA.
Ziegler, J. G. y Nichols, N. B. (1942). Optimum Settings for Automatic Controllers.
ASME Transactions, 64:759–768.
Parte III
401
9
9.1 Introducción
9.2 Comportamiento ante un cambio en el valor deseado
9.2.1 Cálculo de los indicadores del comportamiento dinámico
9.2.2 Sistemas críticamente amortiguados
9.3 Comportamiento ante un cambio en la perturbación
9.4 Efecto de los polos y los ceros adicionales
9.5 Índices de error integral
9.5.1 Índices de error integral del servo control
9.6 Indicadores del uso del esfuerzo de control
9.7 Error en régimen permanente
9.7.1 Error permanente a un cambio en el valor deseado
9.7.2 Error permanente dinámico
9.7.3 Error permanente a un cambio en la perturbación
9.7.4 Error permanente normalizado y absoluto
9.8 Especificaciones de diseño
9.8.1 Criterios para el comportamiento del servo control
9.8.2 Criterios para el comportamiento del control regulador
9.9 Polos dominantes y comportamiento
9.10 Índices de comportamiento normalizados
9.11 Resumen
403
404 9 Índices de comportamiento de los lazos de control
9.12 Bibliografía
Una parte indispensable del proceso de análisis y diseño de los sistemas de control,
es el establecer los índices con que se medirá su funcionamiento: su comportamiento
dinámico y su estabilidad relativa.
Se puede desear diseñar el controlador de manera que mantenga la variable con-
trolada del proceso, tan cerca como sea posible a un valor deseado (control regula-
dor); para que esta siga los cambios en su valor deseado (servo control); o para que
se encuentre siempre dentro de un ámbito predeterminado (control de dos o más po-
siciones). Por lo tanto, las características del funcionamiento del sistema de control,
cuando reacciona a los diferentes estímulos, deben evaluarse.
Además, puede requerirse que el sistema de control tenga un determinado grado
de estabilidad relativa, o robustez. Esta también debe determinarse.
Los índices de comportamiento cuantifican diferentes aspectos del funcionamien-
to del lazo de control. Estos permitirán analizar los conflictos o compromisos exis-
tentes, al establecer un determinado criterio de diseño para el lazo. Además, servirán
para comparar el funcionamiento de dos o más sistemas de control, para un mismo
proceso controlado, con controladores de diferente estructura, o con controladores
con algoritmos de control similares pero con diferente ajuste.
9.1 Introducción
Considérese el diagrama de bloques del sistema de control realimentado de dos gra-
dos de libertad. de la figura 9.1. Debe recordarse que en este, las funciones de trans-
ferencia Cr (θcr , s) y Cy (θcy , s) representan las partes del algoritmo de control que se
aplican al valor deseado y a la señal realimentada, respectivamente. Por su parte, la
función de transferencia P(θ p , s) corresponde al modelo nominal del proceso con-
trolado, el cual incluye al proceso mismo, y a todos los instrumentos de medición y
actuación requeridos para establecer el lazo de control realimentado.
Se considerará que el controlador incorpora un filtro del ruido de medida n(s),
de manera que este es eliminado. Entonces, para los efectos del algoritmo de control,
y0 (s) ≈ y(s).
Se deberán establecer índices de comportamiento, para medir algunas de las
características del funcionamiento del sistema de control, ante cambios en el valor
deseado r(s) y en la perturbación d(s).
9.2. Comportamiento ante un cambio en el valor deseado 405
n
yn tn
1.0
0.5
0.0
0 5 10 15 20 25 30
tn =ω n
t
Tiempo al pico
nπ
t= p n = 0, 1, 2, . . . . (9.7)
ωn 1 − ζ 2
π π
tp = p = . (9.8)
ωn 1 − ζ 2 ωa
Periodo
2π
To = p . (9.9)
ωn 1 − ζ 2
9.2. Comportamiento ante un cambio en el valor deseado 409
Sobrepaso máximo
La magnitud del valor máximo de la respuesta, se puede encontrar evaluando y(t) en
t = t p . Este es
" #
e−ζ ωnt p p
y(t p ) = Kyr 1 − p sen ωn 1 − ζ 2t p + φ ∆r,
1−ζ2
h i
y p = y(t p ) = Kyr 1 + e−ζ ωnt p ∆r, (9.10)
h √ 2i
y p = Kyr 1 + e−πζ / 1−ζ ∆r.
que en porcentaje, es √ 2
Mpa % = 100 Kyr e−πζ / 1−ζ ∆r. (9.17)
Este sobrepaso máximo absoluto depende de la razón de amortiguamiento, de la
ganancia de lazo cerrado y de la magnitud del escalón de entrada.
En el ejemplo 9.1, se muestra cómo varía el sobrepaso máximo absoluto de la
respuesta del sistema de control, ante cambios de diferente magnitud en el valor
deseado, mientras que todas ellas tienen el mismo sobrepaso máximo normalizado.
Error máximo
Nótese que cuando se da un cambio en el valor deseado en forma de escalón, el
sobrepaso máximo de la respuesta no es una indicación del error máximo. Si existe
un sobrepaso (cuando el sistema de control es subamortiguado), este indica el % en
que la respuesta del sistema de control sobrepasa a su valor final.
En el caso de un cambio escalón en el valor deseado, el error máximo ocurre
en el instante mismo en que el valor deseado se modifica, siendo este emáx = ∆r y
te máx = 0+ .
Razón de asentamiento
La razón de asentamiento o decaimiento, es la razón del segundo sobrepaso al sobre-
paso máximo y está dada por
√ 2
e−3πζ / 1−ζ √ 2
de = √ 2 = e−2πζ / 1−ζ , (9.18)
e−πζ / 1−ζ
Otros indicadores
Aunque el tiempo al sobrepaso máximo y su valor, se pueden obtener en forma exacta
en función de la razón de amortiguamiento y la frecuencia natural, no es así con el
tiempo de levantamiento, el de retardo y el de respuesta, por lo que se deben encontrar
expresiones aproximadas para el cálculo de estos indicadores.
Las siguientes expresiones y otras, se pueden encontrar por ejemplo en Dorf y
Bishop (2005), Kuo (1996), y Lewis y Yang (1999).
Tiempo de retardo
El tiempo de retardo, el cual es el tiempo que tarda la respuesta en alcanzar el 50 %
de su valor final, no se puede calcular en forma exacta. Algunas aproximaciones para
su estimación, son
1 + 0,7ζ
tr ≈ , 0 < ζ < 1, (9.20)
ωn
y
1,1 + 0,125ζ + 0,469ζ 2
tr ≈ , 0 < ζ < 1. (9.21)
ωn
412 9 Índices de comportamiento de los lazos de control
Tiempo de levantamiento
Tampoco el tiempo de levantamiento se puede calcular en forma exacta, por lo que
el tiempo que tarda la respuesta en ir del 10 % al 90 % de su valor final, se puede
estimar, como
0,60 + 2,16ζ
tl ≈ , 0,4 ≤ ζ ≤ 0,8, (9.22)
ωn
o, como
1 − 0,4167ζ + 2,917ζ 2
tl ≈ , 0 < ζ < 1. (9.23)
ωn
• Tiempo de retardo
tr = 1,68Tc , (9.34)
9.3. Comportamiento ante un cambio en la perturbación 415
Todos los tiempos que cuantifican el funcionamiento del lazo de control, depen-
den de Tc . Además, el sobrepaso máximo Mp = 0 y el tiempo al pico y el periodo de
oscilación, no existen.
Error máximo
En el caso del control regulador, el error máximo será:
• ζ = 1 - Sistema críticamente amortiguado
emáx = 0,368ωn Kyd ∆d, (9.48)
Tiempo de recuperación
El tiempo de recuperación del control regulador, tiene un significado similar al del
tiempo de respuesta o de asentamiento en el servo control. Ambos son una indicación
de la velocidad con que el sistema de control se estabiliza nuevamente. En el caso
del servo control en las cercanías del nuevo valor deseado, ya que ha cambiado, o
exactamente en este si no hay error permanente, y en el caso del control regulador,
cerca o en en el mismo valor deseado si no hay error permanente, ya que no ha
cambiado.
Para el regulador subamortiguado (0 < ζ < 1), se puede estimar el tiempo de
recuperación utilizando la envolvente exponencial, en forma similar a como se hizo
en el caso del servo control, obteniéndose
p
− ln ε 1 − ζ 2 /ωn Kyd
ta = , (9.50)
ζ ωn
en donde ε es la banda en valor absoluto en torno al valor final el cual, en este caso,
es cero.
Una forma alterna de establecer el tiempo de recuperación de las respuestas a un
cambio en la perturbación, es definiéndolo como el tiempo a partir de que se presenta
la perturbación, requerido para que el sistema entre en una banda ±εemáx en torno al
valor final, usualmente ±5 %emáx . Esto es, el tiempo para que el error se reduzca a
un porcentaje determinado del error máximo.
Los índices de comportamiento definidos para la respuesta a un cambio en la
perturbación, se muestran en la figura 9.5.
yr (t) yd (t)
62 r(t) 62 d(t)
Variables [%]
Variables [%]
60 60
58 58
56 56
54 54
52 52
50 50
48 48
0 20 40 60 80 100 0 20 40 60 80 100
Tiempo, t [s] Tiempo, t [s]
donde el error, es
e(t) = r(t) − y(t), (9.55)
y
420 9 Índices de comportamiento de los lazos de control
er (t)
|er (t)|
t |er (t)|
er2 (t)
Variables [%]
t er2 (t)
15
10
0
0 50 100 150
Tiempo, t [s]
Figura 9.7: Peso dado al error, en los índices de comportamiento de error integral del
servo control
ed (t)
|ed (t)|
t |ed (t)|
ed2 (t)
Variables [%]
40 t ed2 (t)
30
20
10
0
0 50 100 150
Tiempo, t [s]
Figura 9.8: Peso dado al error en los índices de comportamiento de error integral del
control regulador
sensible a los errores muy pequeños, lo que normalmente resulta en respuestas con
poco amortiguamiento.
Por otra parte, como los índices JITAE y JIT SE penalizan más fuertemente los erro-
res a medida que transcurre el tiempo, deben esperarse menores tiempos de asenta-
miento, respecto a los logrados con los índices JIAE o JISE , al emplear uno de estos
criterios para el diseño del sistema de control.
Por lo tanto, si se desea reducir los errores grandes, el criterio JISE es mejor que el
JIAE , pero para suprimir los errores pequeños el criterio JIAE es mejor que el JISE . Por
otra parte, para eliminar los errores que permanecen en el tiempo, el criterio JITAE es
el mejor (Stephanopoulos, 1984).
Lo que se podría llamar el error acumulado, sería la integral respecto al tiempo de
la señal de error. En esta, la integral de los errores negativos se restaría de la integral
de los errores positivos y en consecuencia, un sistema completamente oscilatorio
tendría, un error acumulado igual a cero. Por lo tanto, es más conveniente establecer
un indicador que podría llamarse, indice de la variable controlada en error. Esto es,
una indicación de cuanto ha estado fuera de su valor deseado la variable controlada,
el cual es igual al índice JIAE .
Si el error permanente tiende a un valor finito constante distinto de cero, la inte-
422 9 Índices de comportamiento de los lazos de control
donde
e(∞) = lı́m e(t). (9.58)
t→∞
yr (s) 2
ωnc
= 2 2
, (9.59)
r(s) s + 2ζc ωnc s + ωnc
los valores de la razón de amortiguamiento que minimizan cada uno de los criterios
de error integral anteriores, así como el valor de algunas de las características de la
respuesta a un cambio escalón en el valor deseado, se listan en el cuadro 9.5.
Como se aprecia en dicho cuadro, el criterio JITAE da el menor sobrepaso máximo
y el menor tiempo de respuesta, mientras que el JISE el menor tiempo al pico. El JIAE
no es el mejor bajo ningún índice, pero da una respuesta más “balanceada”. Por esta
razón, el mínimo del índice JIAE , es uno de los más utilizados como criterio de diseño
para el comportamiento de los sistemas de control. Sin embargo, por poderse evaluar
analíticamente, se suele utilizar también el índice JISE .
Además, se puede notar que los índices que penalizan el error cuadrático, hacen
que la respuesta inicial del servo control sea rápida, pero con los mayores sobrepasos
y con un tiempo de respuesta mayor. Estos producen sistema de control más lentos.
La figura 9.9 muestra los índices de comportamiento de error integral normali-
zados, esto es, divididos por su valor mínimo, en función de la razón de amortigua-
miento. Como se aprecia, las curvas de los índices con base en el error cuadrático
son bastante planas, especialmente la del JISE .
Un cambio en la razón de amortiguamiento ζ de los polos de lazo cerrado del
sistema de control, y por lo tanto en el sobrepaso máximo, a partir de su valor óptimo,
9.6. Indicadores del uso del esfuerzo de control 423
2.5
2.0
1.5
1.0
solo afecta significativamente a la integral del tiempo por el error absoluto (JITAE ) y
en un menor grado, a la del error absoluto (JIAE ).
En la figuras 9.10 se muestran las curvas de respuesta a un cambio escalón unita-
rio en el valor deseado, de los sistemas óptimos según los diferentes criterios de error
integral.
La cual debe evaluarse tanto para un cambio en el valor deseado TVur , como para un
cambio en la perturbación TVud .
424 9 Índices de comportamiento de los lazos de control
JIAE
1.4 JITAE
JISE
JITSE
y(t)nopt
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 2 4 6 8 10
ωn t
Figura 9.10: Curvas de respuesta de los servo controles óptimos respecto a un índice
de error integral
Interesa aquí investigar la exactitud con que funciona el sistema de control esto
es, cual es el posible error permanente, el error que existirá una vez que se ha alcan-
zado un nuevo estado de equilibrio, cuando se presenta un cambio ya sea en el valor
deseado o en la perturbación.
El error permanente e p se definirá, como
donde
Km = lı́m [smC(s)P(s)] = lı́m [sm L(s)] , (9.73)
s→0 s→0
se denomina constante de error.
Las constantes de error serán:
• K0 - constante de error escalón
Supóngase además, que las funciones de transferencia del modelo del proceso
controlado (autoregulado o integrante) y del controlador, se pueden escribir como
k ∏ki=1 (Ti s + 1) k 0
P(s) = m = P (s), (9.76)
snp ∏ j=1 (T j s + 1) snp
k p ∏li=1 (Ti s + 1) kp
C(s) = nc n = nc C0 (s), (9.77)
s ∏ j=1 (T j s + 1) s
donde np es el número de polos en el origen del proceso controlado y nc el de los del
controlador.
La función de transferencia de lazo abierto, será
k p k ∏ ceros del proceso controlado y del controlador
C(s)P(s) = nc+np
. (9.78)
s ∏ polos del proceso controlado y del controlador
Entonces, el
kpk
lı́m [C(s)P(s)] = . (9.79)
s→0 lı́ms→0 snc+np
9.7. Error en régimen permanente 427
Para que K0 sea infinito, la función de transferencia de lazo abierto debe tener
por lo menos un polo en el origen. Esto implica que para que el error perma-
nente a un cambio escalón en el valor deseado sea cero, el sistema de control
debe ser Tipo 1 o mayor.
• Error permanente a un valor deseado tipo rampa (m = 1)
1
e pr1 = , K1 = lı́m [sC(s)P(s)] . (9.82)
K1 s→0
En este caso, el sistema de control debe ser Tipo 2 o mayor para que K1 sea
infinito y el error permanente a un cambio rampa en el valor deseado sea cero.
428 9 Índices de comportamiento de los lazos de control
donde
di Mer (s)
i
d 1
Ci = lı́m = lı́m . (9.87)
s→0 dsi s→0 dsi 1 +C(s)P(s)
con
1 1
C0 = lı́m = . (9.89)
s→0 1 +C(s)P(s) 1 + K0
Entonces,
1
e pr0 (t) = us (t), (9.90)
1 + K0
lo cual coincide con la expresión encontrada anteriormente.
El error permanente es constante, tal como se muestra en la figura 9.11.
• Si el valor deseado es una rampa unitaria (∆rm = 1, m = 1), este crece con
velocidad constante, entonces,
h i
e pr1 (t) = C0 lı́m t +C1 us (t), (9.91)
t→∞
con
1 1
C0 = lı́m = , (9.92)
s→0 1 +C(s)P(s) 1 + K0
d 1
C1 = lı́m . (9.93)
s→0 ds 1 +C(s)P(s)
ed (s) −P(s)
= , (9.96)
d(s) 1 +C(s)P(s)
y el error en régimen permanente, será
−sP(s)d(s)
e pd = lı́m sed (s) = lı́m . (9.97)
s→0 s→0 1 +C(s)P(s)
−sP(s)/sm+1
−P(s)
e pdm = lı́m = lı́m m m . (9.99)
s→0 1 +C(s)P(s) s→0 s + s C(s)P(s)
−kP0 (s)/snp
e pdm = lı́m m m , (9.100)
s→0 s + s k p kC 0 (s)P0 (s)/(snc snp )
−kP0 (s)
e pdm = lı́m m+np m−nc , (9.101)
s→0 s +s k p kC0 (s)P0 (s)
−k p
e pdm = m+np
. (9.102)
lı́ms→0 s + k p k lı́ms→0 sm−nc
De lo anterior, se puede deducir que los polos en el origen del proceso contro-
lado, no tienen ningún efecto sobre el error permanente del sistema de control ante
un cambio en la perturbación. Este es afectado, solo por los polos en el origen del
controlador.
Para tener error permanente cero a una perturbación en escalón, el controlador
debe ser Tipo 1, y a una perturbación cambiando como una rampa, debería ser Tipo
2. Pero si los controladores a utilizar, están limitados a ser de los que tienen un
algoritmo de control de la familia PID, a lo más son Tipo 1.
Si el controlador es un PI o un PID (Tipo 1), se tendrá error permanente cero a un
cambio escalón en la perturbación y un error permanente finito, por un tiempo que
pudiera ser “corto”, a un cambio tipo rampa.
Figura 9.14: Error permanente del control P (servo control, control regulador)
suponiendo un cambio unitario en las entradas. Sin embargo, la magnitud del error
permanente absoluto dependerá de la magnitud del cambio en la entrada.
Supóngase que se tiene el sistema de control de un proceso no integrante con
ganancia K y un controlador proporcional con ganancia Kp .
Las ganancias en estado estacionaria de lazo cerrado, serán:
• Entrada de perturbación
K
Kyd = . (9.114)
1 + Kp K
Kp K
∆e pr = ∆r − ∆yr = ∆r − ∆r, (9.116)
1 + Kp K
Kp K
∆e pr = 1 − ∆r. (9.117)
1 + Kp K
El error permanente absoluto a un cambio escalón en el valor deseado, es
1
∆e pr = ∆r, (9.118)
1 + Kp K
∆e pr 1
∆e prn = = . (9.119)
∆r 1 + Kp K
∆e pd = −∆yd . (9.122)
Para poder obtener esto, es indispensable que el controlador tenga modo integral,
debe ser por lo tanto un controlador PI o un PID.
Por ejemplo, en el caso del servo control, se pueden establecer las restricciones
al comportamiento de la variable controlada, utilizando algunas de las siguientes
características, cuando se presenta un cambio escalón en el valor deseado:
• Sobrepaso máximo Mp ,
• Tiempo de retardo tr ,
• Tiempo de levantamiento tl ,
• Tiempo al pico (al valor máximo) t p ,
• Tiempo de respuesta ta ,
• Error permanente e pro
• Valor de un índice de error integral Jer (IAE, ITAE, ISE, ITSE),
• Variación total del esfuerzo de control TVur ,
• Cambio instantáneo del esfuerzo de control ∆u0 y valor máximo Umáx .
En el caso de control regulador, las restricciones al comportamiento de la variable
controlada, se pueden establecer utilizando las siguientes características, cuando se
presenta un cambio escalón en la perturbación:
• Error máximo emáx ,
• Tiempo al error máximo (al pico) te máx ,
• Tiempo de recuperación ta ,
• Error permanente e pdo ,
• Valor de un índice de error integral Jed (IAE, ITAE, ISE, ITSE),
• Variación total del esfuerzo de control TVurd .
En relación a la robustez, como se verá en el Capítulo 11, esta se puede establecer
utilizando alguna de las siguientes medidas de la estabilidad relativa del sistema de
control:
• Margenes de ganancia y de fase (Am , φm ),
• Margen de estabilidad Sm ,
• Sensibilidad máxima MS ,
• Índices de robustez paramétricos, en la ganancia y en el tiempo muerto (IRK ,
IRL ).
440 9 Índices de comportamiento de los lazos de control
3
ta5 ≈ (ζ ≤ 0,83), (9.126)
ζ ωn
7ζ − 2,2
ta5 ≈ (0,83 < ζ ≤ 1,4), (9.127)
ωn
4
ta2 ≈ (ζ ≤ 0,88), (9.128)
ζ ωn
10ζ − 4,2
ta2 ≈ (0,88 < ζ ≤ 1,4). (9.129)
ωn
cos−1 (ζ )
te máx = p , (9.133)
ωn 1 − ζ 2
4. Un error permanente menor a un valor máximo (e pd0 ≤ e pd0 máx ), o que este
sea cero (e pd0 = 0).
(polos dominantes), que son los más lentos (más cercanos al eje imaginario del plano
complejo s).
De cumplirse esto, las especificaciones del comportamiento de lazo cerrado como
el sobrepaso máximo, tiempo de asentamiento o tiempo al pico entre otras, establecen
limitaciones a la ubicación que pueden tener estos polos complejos dominantes en el
plano complejo s.
Sin embargo, los procesos controlados son por lo general de orden alto y pueden
incluir también tiempo muerto, por lo que su comportamiento no es descrito en forma
adecuada por un modelo de segundo orden sin tiempo muerto, como el utilizado para
determinar los índices de comportamiento.
Por esta razón, una forma usual de diseñar los sistemas de control, es utilizar un
criterio de error integral para optimizar su comportamiento, al mismo tiempo que se
emplea una especificación de robustez mínima, para asegurar un determinado grado
de estabilidad relativa.
• Control regulador
IAEd
IAEdn = , (9.135)
KT ∆d
Emáx d
Emáx dn = , (9.136)
K∆d
tad
tadn = . (9.137)
T
444 9 Índices de comportamiento de los lazos de control
• Servo control
IAEr
IAErn = , (9.138)
T ∆r
Mp
Mpn = , (9.139)
Kyr ∆r
tar
tarn = . (9.140)
T
9.11 Resumen
Para medir el comportamiento de los sistemas de control, se han definido varios in-
dicadores tomando como punto de partida, las características de la respuesta a un
cambio escalón en el valor deseado y en la perturbación.
El sobrepaso máximo o el error máximo, el tiempo de levantamiento o el tiem-
po de asentamiento, permiten establecer las características deseables de la respuesta
transitoria.
Los índices de error integral, permiten dar un “peso relativo” a la magnitud del
error y al instante en que este ocurre, en el cálculo de los índices de error integral.
En el caso de un cambio escalón en el valor deseado, este nuevo valor se puede
alcanzar sin error −servo control exacto−, solo si el proceso o el controlador, tienen
por lo menos un polo en el origen (alguno de los dos posee características integra-
doras). Por su parte, el error producido por un cambio escalón en la perturbación,
solo se puede eliminar −control regulador exacto− si el algoritmo de control del
controlador, incluye el modo integral (su función de transferencia tiene un polo en el
origen).
Es evidente que sería conveniente, que el control regresara la variable controlada
a su valor deseado ante la presencia de una perturbación y que lo llevara a un nuevo
valor deseado si este es cambiado, en un tiempo corto y con un error máximo y
un sobrepaso máximo mínimos. Sin embargo, cumplir esto en forma simultánea, no
siempre es posible.
Además de lo anterior, como se verá más adelante, existe un conflicto inevitable
entre el comportamiento deseado y la robustez requerida para el sistema de control.
Este conflicto debe ser resuelto por el diseñador, estableciendo primero la robustez
mínima requerida para el sistema de control y seleccionando luego, los índices para
evaluar el comportamiento que se puede alcanzar con el sistema de control diseñado.
9.12. Bibliografía 445
9.12 Bibliografía
Alfaro, V. M. (2005). Estimación del desempeño IAE óptimo de los reguladores y
servomecanismos PID. Ingeniería, 15(1):79–90.
10.1 Introducción
10.2 Determinación de la estabilidad
10.3 Análisis del polinomio característico
10.3.1 Criterio de estabilidad de Routh-Hurwitz
10.3.2 Criterio de estabilidad de Liénard-Chipart
10.3.3 Multiplicidad de las raíces imaginarias
10.3.4 Efecto de la variación del proceso controlado
10.3.5 Estabilidad robusta y Teorema de Kharitonov
10.4 Movimiento de los polos de lazo cerrado
10.4.1 Lugar geométrico de las raíces (LGR) de Evans
10.4.2 Dibujo del lugar geométrico de las raíces
10.4.3 Lugar de las raíces de diferentes sistemas de control
10.4.4 Efecto de la adición de un polo o un cero
10.4.5 LGR de los sistemas de control con tiempo muerto
10.5 Contornos de las raíces
10.6 Gráfica polar y estabilidad
10.6.1 Criterio de estabilidad de Nyquist
10.6.2 Criterio de estabilidad de Foellinger-Yeung
10.7 Resumen
10.8 Bibliografía
447
448 10 Estabilidad de los lazos de control
En los capítulos anteriores, se han presentado las características de los procesos con-
trolados y las de los algoritmos de control PID, además de los índices para evaluar el
comportamiento de los lazos de control.
Para que el sistema de control diseñado sea de utilidad, este debe ser estable. Esto
es, que en la eventualidad de un cambio finito en alguno de sus estímulos, alcance un
nuevo punto de equilibrio, donde todas las variables son constantes.
Como se mostrará, la estabilidad del sistema de control, no depende de las carac-
terísticas del los estímulos aplicados, solo de los parámetros de sus componentes: el
proceso controlado y el controlador.
10.1 Introducción
Se verán ahora las características del sistema de control, que determinan su estabili-
dad, la cual es una condición indispensable para su operación.
Se sabe que la función de transferencia de lazo cerrado del servo control, está
dada por la expresión
. y(s) C(s)P(s)
Myr (s) = = . (10.1)
r(s) 1 +C(s)P(s)
Se dirá entonces, que un sistema de control es estable en su relación entrada a
salida esto es, externamente estable, si la función de transferencia de lazo cerrado
Myr (s) es estable. Esto, considerando al valor deseado r(s) como su entrada y a la
señal realimentada y(s) como su salida.
Se puede decir también, que un sistema de control es estable si toda entrada
acotada produce una salida acotada, esto es, si es BIBO (“bounded-input-bounded-
output”) estable . O se puede definir la estabilidad del sistema de control, indicando
que un sistema de control es inestable si cualquier entrada acotada produce una
salida no acotada.
Se entenderá que cualquier señal v(t) es acotada, si existe una constante Ψ < ∞,
tal que |v(t)| < Ψ para todo valor de t.
Una función de transferencia será BIBO estable, si y solo si es propia −el grado
del polinomio de su denominador es mayor o igual al grado del polinomio de su
numerador− y su polinomio del denominador es Hurwitz −todas sus raíces tienen
parte real negativa−.
La función de transferencia de lazo cerrado del servo control (10.1), para un con-
trolador con un algoritmo de control PID y los modelos de los procesos controlados
considerados en este estudio, es siempre propia. El que esta sea BIBO estable, se re-
duce a requerir que el polinomio de su denominador, el polinomio característicos de
10.1. Introducción 449
lazo cerrado, sea Hurwitz. Esto es, que todos los polos de lazo cerrado tengan parte
real negativa.
Pero garantizar solo la estabilidad externa del lazo de control, no es suficiente. Es
necesario garantizar su estabilidad interna. Esta asegurará que el sistema de control
de lazo cerrado sea estable, no solamente entre la señal de entrada de valor deseado y
la señal de salida del sistema de control, sino también entre cualesquiera dos señales
internas.
El sistema de control será internamente estable, si todas las siguientes funciones
de transferencia de lazo cerrado
. y(s) P(s)
Myd (s) = = , (10.2)
d(s) 1 +C(s)P(s)
. e(s) 1
Mer (s) = = , (10.3)
r(s) 1 +C(s)P(s)
. e(s) −P(s)
Med (s) = = , (10.4)
d(s) 1 +C(s)P(s)
. u(s) C(s)
Mur (s) = = , (10.5)
r(s) 1 +C(s)P(s)
. u(s) −C(s)P(s)
Mud (s) = = , (10.6)
d(s) 1 +C(s)P(s)
. y(s) Cr (s)P(s)
Myr (s) = = , (10.15)
r(s) 1 +Cy (s)P(s)
. y(s) P(s)
Myd (s) = = , (10.16)
d(s) 1 +Cy (s)P(s)
. e(s) 1 + P(s)[Cy (s) −Cr (s)]
Mer (s) = = , (10.17)
r(s) 1 +Cy (s)P(s)
. e(s) −P(s)
Med (s) = = , (10.18)
d(s) 1 +Cy (s)P(s)
. u(s) Cr (s)
Mur (s) = = , (10.19)
r(s) 1 +Cy (s)P(s)
. u(s) −Cy (s)P(s)
Mud (s) = = . (10.20)
d(s) 1 +Cy (s)P(s)
rrado (10.15) a (10.20) sea Hurtwitz, depende del valor de los parámetros de P(s) y
Cy (s), pero no de los parámetros de Cr (s) que no están en Cy (s).
Esto permitirá diseñar el sistema de control, con controladores con un algoritmo
de control de dos grados de libertad, en dos etapas: primero considerando simultá-
neamente la robustez requerida y el comportamiento del control regulador y luego,
solo el mejoramiento del comportamiento del servo control.
Como los polos de lazo cerrado son los ceros de la ecuación característica, estos
dependen de los polos y ceros de lazo abierto.
De (10.24) se observa, que los polos de la función de transferencia de lazo abierto
L(s), no son raíces de la ecuación característica. Esto es, no son a la vez, polos de
lazo cerrado. Por lo tanto, es posible que el sistema de control de un proceso estable
−los polos de lazo abierto son estables− sea inestable −los polos de lazo cerrado son
inestables− y que el sistema de control de un proceso inestable −los polos de lazo
abierto son inestables− pueda ser estable −los polos de lazo cerrado son estables−,
dependiendo del ajuste de los parámetros del algoritmo de control del controlador.
10.2. Determinación de la estabilidad 453
Las primera condición está dada por el hecho de que, para que el sistema de
control sea estable, todas las raíces de la ecuación característica deben tener parte real
negativa. Esto implica que este es el producto de factores de la forma (s + λi ), donde
1 Hurwitz, A. (1895) - “Uber die Belingungen under welchen eine Gleichung nur Wurzeln mit
Londres
10.3. Análisis del polinomio característico 455
los λi deben ser reales y positivos, o complejos conjugados con parte real positiva. El
producto de estos términos, da polinomios con todos los coeficientes positivos.
La segunda condición resulta del hecho de que si algún coeficiente faltara, esto
implicaría la cancelación entre coeficientes reales positivos y negativos, o la existen-
cia de raíces imaginarias.
Se supondrá en adelante, que todos los coeficientes del polinomio característico
son reales y que además an es positivo.
Para construir el arreglo de Routh-Hurwitz, se debe proceder como sigue:
donde
an−1 an−2 − an an−3
b31 = ,
an−1
an−1 an−4 − an an−5
b32 = ,
an−1
y en general
bi−1,1 bi−2, j+1 − bi−2,1 bi−1, j+1
bi j = .
bi−1,1
.
456 10 Estabilidad de los lazos de control
Para que el sistema de control sea asintóticamente estable, esto es, para que la
ecuación característica no tenga raíces con parte real positiva, todos los ele-
mentos de la primera columna del arreglo de Routh-Hurwitz deben ser positi-
vos. Si no es así, existen raíces con parte real positiva, el sistema es inestable,
y el número de cambios de signo, indica el número de raíces en el semiplano
derecho del plano complejo s.
Casos especiales
Puede ser que antes de alcanzar la última fila del arreglo, el primer elemento de una
fila sea cero, o que los elementos de una fila completa sean todos cero. En estos casos,
no se pueden calcular los elementos de la siguiente fila como se indicó anteriormente
y se debe seguir un procedimiento alternativo.
s4 1 10 Kp
s3 22 2 0
reemplazada por
s3 11 1 0
s2 9, 9 Kp 0
reemplazada por
s2 1 Kp /9, 9 0
s1 1 − 1, 11Kp 0
0
s Kp /9, 9 0
de manera que sus raíces tengan parte real negativa. Un polinomio con estas propie-
dades se le conoce como polinomio Hurwitz.
Cuando el polinomio p(s), es el polinomio característico de un lazo de control
realimentado, la condición de que este sea Hurwitz, es precisamente una condición
necesaria para que el sistema de control sea estable.
Se puede mostrar que el criterio de Routh-Hurwitz, obtenido en término de los
arreglos de Routh, es equivalente a que los determinantes
∆1 = a1 , (10.29)
458 10 Estabilidad de los lazos de control
a1 a0
∆2 =
, (10.30)
a3 a2
a1 a0 0
∆3 = a3 a2 a1 , (10.31)
a5 a4 a3
y en general, por
a1
a0 0 ... 0
a3
a 2 a 1 ... 0
∆i = a5 a4 a3 ... ,
(10.32)
...
a2i−1 a2i−2 a2i−3 . . . ai
donde los coeficientes con subíndices mayores que n o negativos, son cero.
El criterio de Liénard-Chipart3 (Dorato, 2000), reduce el número de determinan-
tes que se deben evaluar. Este establece que el polinomio p(s) tiene todas sus raíces
con parte real negativa, si y solo si uno de los siguientes conjuntos de desigualdades
se cumple
an > 0, an−2 > 0, . . . ; ∆1 > 0, ∆3 > 0, . . . (10.33)
o
an > 0, an−2 > 0, ...; ∆2 > 0, ∆4 > 0, ... (10.34)
Aunque cualquiera de los dos conjuntos de desigualdades se puede utilizar, el
primero requiere menos cálculos cuando n es par y el segundo cuando es impar, ya
que los ∆i solo se requieren calcular hasta i = n − 1.
Si se combinan estas desigualdades, con las condiciones de igualdad de signo y
de no ausencia de los coeficientes del polinomio indicadas anteriormente, se puede
establecer un criterio de estabilidad absoluta.
Considerando polinomios de primero hasta cuarto orden, se tiene, que
Las raíces del polinomio característico tienen todas parte real negativa, si se
cumplen las siguientes condiciones:
1. p1 (s) = a1 s + a0 ,
a0 , a1 > 0.
2. p2 (s) = a2 s2 + a1 s + a0 ,
a0 , a1 , a2 > 0.
3 Liénard, A. y M. H. Chipart (1914) - Sur le signe de la partie réelle des racines d’une équation
algébrique, J. Math. Pures Appl., 10(6), 291-346.
10.3. Análisis del polinomio característico 459
3. p3 (s) = a3 s3 + a2 s2 + a1 s + a0 ,
a0 , a1 , a2 , a3 > 0 y a1 a2 − a0 a3 > 0.
4. p4 (s) = a4 s4 + a3 s3 + a2 s2 + a1 s + a0 ,
a0 , a1 , a2 , a3 , a4 > 0 y a1 a2 a3 − a21 a4 − a0 a23 > 0.
B + K p > 0,
K n > 0,
K m > 0,
(B + K p)K n − A K m > 0.
Que son las mismas condiciones de estabilidad que determinó Minorky en 1922,
utilizando el criterio de estabilidad de Hurwitz (Bennett, 1984).
es inestable.
K
P(s) = ,
s(T s + 1)2
p(s) = T 2 s3 + 2T s2 + s + KKp .
462 10 Estabilidad de los lazos de control
Para que este sistema sea estable, empleando el criterio de estabilidad de Liénard-
Chipart, se requiere que
2
0 < Kp < . (10.35)
KT
Utilizando los parámetros nominales del modelo, se obtiene que la ganancia del
controlador debe ser 0 < Kp < 2, para que el sistema de control sea estable.
Por otra parte, de la condición para la estabilidad anterior, se nota que la res-
tricción máxima en la ganancia del controlador (el valor superior mínimo de esta)
cuando los parámetros del proceso controlado cambian, se obtiene en el caso en que
tanto su ganancia como su constante de tiempo son máximos. En este caso extremo
se tiene, que
2
0 < Kp0 < = 1,515. (10.36)
K+T +
p1 (s) = a− − + 2 + 3 − 4 − 5
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . .
− 2 − 3
p2 (s) = a+ + + 4 + 5
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . . (10.39)
− − 2 − 5
p3 (s) = a+ + 3 + 4
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . .
p4 (s) = a− + + 2 − 3 − 4 + 5
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . .
K
P(s) = ,
s(p2 s2 + p 1 s + p0 )
es
p(s) = p2 s3 + p1 s2 + p0 s + KKp .
Según el criterio de estabilidad de Liénard-Chipart, este sistema de control es
estable, si
p0 p1
0 < Kp < .
K p2
4 Kharitonov, V. L. (1978), “Asymptotic Stability of an Equilibrium Position of a Family of Systems
Si los parámetros del modelo son inciertos cada uno en un determinado interva-
lo, la restricción máxima al valor de la ganancia del controlador, está dada por
p−
0 p1
−
0 < Kp0 < .
K + p+
2
1 T1− + T2−
1 1,8 + 0,2
0 < Kp < + = = 0,4545,
K T1+ + T2+ 2,2 2,5 ∗ 0,8
lo cual implicaría una reducción del 63,6 % en el rango de ganancias que garantizan
la estabilidad del sistema, para todo el conjunto de parámetros inciertos. Este es un
resultado conservador, ya que utilizando el criterio de Liénard-Chipart, se había
determinado que la incertidumbre de los parámetros del modelo, reducía el rango de
ganancias que garantizan la estabilidad del sistema de control solo en un 40 %.
466 10 Estabilidad de los lazos de control
del cual se obtiene que 0 < Kp < 8, para que el sistema sea asintóticamente estable.
Los cuatro polinomios de Kharitonov de este sistema, son
p(s) = T 3 s3 + 3T 2 + 3T s + 1 + KKp .
10.3. Análisis del polinomio característico 467
(3T )(3T 2 ) − T 3 8
Kp < 3
= .
KT K
Este, evidentemente, es el mismo resultado anterior obtenido con el polo triple.
Sin embargo, este nuevo modelo permite analizar el efecto de la incertidumbre en las
tres constantes de tiempo del proceso controlado (T1 , T2 , T3 ), consideradas diferentes.
Debe tenerse en cuenta que los polinomios característicos de los sistemas de
control de este ejemplo, no son polinomios de intervalos, por lo que no es conveniente
la aplicación del teorema de Kharitonov.
Suponiendo que se desean determinar las raíces de esta ecuación, cuando varía
la ganancia del controlador y que su función de transferencia se puede escribir como
Cy (s) = KpCy0 (s), entonces (10.45) sería
Para satisfacer la ecuación anterior, se deben cumplir las siguientes dos condiciones:
5 Evans, W. R. (1948) - “Graphical Analysis of Control Systems”, Trans. AIEE, 67
10.4. Movimiento de los polos de lazo cerrado 469
KpCy0 (s)P(s) = 1.
(10.48)
Kp K 0 (s + z1 )(s + z2 ) · · · (s + zm )
KpCy0 (s)P(s) = = K ∗Cy0 (s)P0 (s), (10.50)
(s + p1 )(s + p2 ) · · · (s + pn )
en donde K = Kp K 0 , ya que Cy0 (s) y P0 (s) se han expresado como el producto de polos
y ceros reales o complejos conjugados.
Se puede escribir entonces, que la condición de magnitud es
m
Cy (s)P0 (s) = 1 = ∏i=1|s + zi | ,
0
(10.51)
K ∗ ∏nj=1 s + p j
y la condición de ángulo
m n
∠ Cy0 (s)P0 (s) = ±(2k + 1)180 = ∑ ∠(s + zi ) − ∑ ∠(s + p j ), k = 0, ±1, ±2, . . .
i=1 j=1
(10.52)
En (10.51) y (10.52) el número de polos de lazo abierto es n y el de ceros de lazo
abierto m.
El lugar de las raíces, puede construirse entonces, encontrando todos los puntos
en el plano complejo s que satisfagan la condición de ángulo (10.52) y los valores de
K ∗ a lo largo del lugar, determinarse de la condición de magnitud (10.51).
Kp K 0 (s + z1 )(s + z2 ) · · · (s + zm ) K ∗ ∏m
i=1 (s + zi )
L(s) = = . (10.54)
(s + p1 )(s + p2 ) · · · (s + pn ) ∏nj=1 (s + p j )
3. Aplicar las reglas de construcción del LGR que se verán a continuación, para
dibujar las ramas o trayectorias de los polos de lazo cerrado.
Reglas básicas
1. Simetría del LGR
El lugar de las raíces es simétrico respecto al eje real.
Como la ecuación característica es una función racional en s con coeficientes
reales, las partes complejas del lugar siempre ocurrirán como pares complejos
conjugados.
2. Inicio y final del LGR
Los polos de lazo abierto son los puntos para K ∗ = 0 del lugar geométrico de
las raíces y los ceros de lazo abierto son los puntos para K ∗ → ∞ del lugar.
Cuando el orden n del denominador de Cy0 (s)P0 (s) es mayor que el orden m del
numerador (hay más polos de lazo abierto que ceros), entonces n – m ramas
del lugar terminarán en infinito (van a ceros en infinito).
En la condición de magnitud (10.51), cuando K ∗ → 0 la expresión tiende a
infinito y s → −p j y cuando K ∗ → ∞, la magnitud tiende a cero y s → −zi .
3. Número de ramas del LGR
El número de ramas del lugar geométrico de las raíces, o sea el número de
polos de lazo cerrado, es igual al orden de la ecuación característica, esto es,
igual al número de polos de la función de transferencia de lazo abierto. Cada
rama del lugar de las raíces describe el movimiento de un polo de lazo cerrado
al variar el parámetro K ∗ .
4. Lugar de las raíces sobre el eje real
Un punto sobre el eje real forma parte del lugar geométrico de las raíces, si el
número de polos y ceros de lazo abierto a su derecha es impar.
La contribución en ángulo de los polos y ceros en el eje real a la izquierda del
punto de interés s1 es cero, lo mismo que la de cualquier par de polos o ceros
complejos. La contribución de los polos a la derecha del punto es −180º y la
de los ceros 180º. Para cumplir con los requisitos de ángulo, el número total
de polos y ceros a la derecha del punto debe ser impar.
472 10 Estabilidad de los lazos de control
(2k + 1)180
αak = , k = 0, 1, 2, . . . (n − m − 1). (10.55)
n−m
6. Punto de intersección de las asíntotas con el eje real (centroide de las asíntotas)
Si n − m ≥ 2, la intersección de las asíntotas con el eje real, o centroide de las
asíntotas, ocurre en un punto σa dado por
∑nj=1 ℜ(p j ) − ∑m
i=1 ℜ(zi )
σa = , n − m ≥ 2. (10.56)
n−m
∑nj=1 ℜ(p j )
σr = , n − m ≥ 2. (10.57)
n
Si por lo menos dos raíces van a infinito, cuando una o más raíces se desplazan
a la izquierda, debe haber una o más raíces que se desplazan a la derecha.
Reglas complementarias
8. Puntos de salida o entrada al eje real (raíces repetidas)
Para el caso donde el lugar de las raíces tiene ramas sobre el eje real entre
dos polos, existe un punto donde estas ramas dejan el eje real para entrar en la
región compleja (punto de salida), o cuando el lugar de las raíces tiene ramas
sobre el eje real entre dos ceros o entre un cero y −∞, las ramas vienen de
polos en el área compleja y llegan al eje real (punto de entrada), en un punto
ℜ(s) = σc que se puede determinar haciendo
dK ∗ (σ )
|σc = 0. (10.58)
dσ
En forma alterna, los puntos de entrada y salida del eje real se pueden obtener
de la relación
m n
1 1
∑ σc + zi = ∑ σc + p j . (10.59)
i=1 j=1
10.4. Movimiento de los polos de lazo cerrado 473
El valor de K ∗ cuando las raíces dejan el eje real es un máximo sobre el eje y es
un mínimo cuando entran, por lo que obtenida la expresión de K ∗ , dK ∗ /dσ = 0
en esos puntos.
Esta condición es necesaria pero no suficiente, esto es que algunas soluciones
del polinomio obtenido al derivar K ∗ (σ ), no serán necesariamente puntos de
salida o entrada al eje real.
9. Ángulo de salida o entrada al eje real
Si hay puntos de salida o entrada al eje real, en donde p lugares geométricos
de las raíces (ramas), despegan de un punto de salida o llegan a un punto de
entrada, estas lo hacen con un ángulo igual a
(2k + 1)180
αck = , p = 2, 3, . . . ; k = 0, 1, . . . (p − 1). (10.60)
p
Kp (s + 2)
Cy (s) = ,
s
1
P(s) = .
s(s + 4)
10.4. Movimiento de los polos de lazo cerrado 475
2 2
jω jω
1 1
0 0
−4 −3 −2 −1 0 1 −4 −3 −2 −1 0 1
σ σ
−1 −1
−2 −2
(a) LGR - Sistema con un polo (b) LGR - Sistema con dos polos
2
2
jω jω
1 1
0 0
−4 −3 −2 −1 0 1 −4 −3 −2 −1 0 1
σ σ
−1 −1
−2 −2
(c) LGR - Sistema con tres polos (d) LGR - Sistema con cuatro polos
Kp (s + 2)
L(s) = .
s2 (s + 4)
0
−5 −4 −3 −2 −1 0
σ
−5
Kp (s + 5)
L(s) = .
s(s2 + 4s + 8)
Kp (0,1s + 1)
L(s) = .
s(s + 1)(0,25s + 1)2
0
−14 −12 −10 −8 −6 −4 −2 0
σ
−2
−4
Cy (s) = Kp ,
Kp (s2 + 4s + 5)
La (s) =
s((s − 1)(s + 2)
En la figura 10.8 se muestra la variación de los polos de lazo cerrado, cuando la
ganancia Kp del controlador varía.
Como se aprecia en la figura, es necesario incrementar la ganancia del contro-
lador, para estabilizar el sistema de control. En este caso particular, se requiere que
Kp > 1,18 para que el sistema sea estable.
10.4. Movimiento de los polos de lazo cerrado 479
0
−15 −10 −5 0
σ
−5
0
−3 −2 −1 0 1
σ
−1
−2
480 10 Estabilidad de los lazos de control
0
−4 −2 0 2 4 6 8 10 12
σ
−2
−4
Kp (−0,25s + 1)
La (s) =
(s + 1)(0,5s + 1)
ejemplo 10.19 jω
0
−6 −4 −2 0
σ
−2
−4
−6
original jω
0
−2.0 −1.5 −1.0 −0.5 0.0
σ
−1
−2
K
L2 (s) = .
(s + 1)(s + 2)(s + 4)
0
−5 −4 −3 −2 −1 0 1
σ
−2
−4
la derecha (mayor influencia). Además, al moverse los polos de lazo cerrado hacia
la derecha el sistema de control será más lento.
Considérese ahora la adición de un cero en −4, teniéndose entonces la siguiente
función de transferencia de lazo abierto
K(s + 4)
L3 (s) = .
(s + 1)(s + 2)
En este caso, como se muestra en la figura 10.13, además de ser el sistema de
control estable para todo valor de K, los polos de lazo cerrado se mueven hacia la
izquierda, haciendo la respuesta del servo control más rápida.
En general, se puede decir que la adición de un polo, mueve parte del LGR hacia
la derecha y hace el sistema de control más lento y propenso a la inestabilidad, mien-
tras que la adición de un cero mueve el LGR hacia la izquierda, hace el sistema de
control más estable y rápido. El efecto real de los polos y ceros adicionados, depende
de su posición relativa, respecto a los demás polos y ceros del sistema de control.
Entre más cercano al eje imaginario se encuentre el polo o cero adicionado, mayor
será su efecto sobre la respuesta del sistema de control.
Sin embargo, el efecto de la adición de un cero, requiere de un análisis más
detallado.
Considérese el sistema con dos polos reales, como el utilizado en el ejemplo
10.20. En este caso se tienen las siguientes posibilidades:
484 10 Estabilidad de los lazos de control
de un cero en −4 jω
0
−6 −4 −2 0
σ
−1
−2
−3
1. Si el cero se coloca a la izquierda de los dos polos, los polos de lazo cerrado
se mueven hacia la izquierda al aumentar K y la respuesta se hace más rápida.
Esta puede ser sobre, sub o críticamente amortiguada, dependiendo del valor
de K.
2. Si el cero se coloca entre los dos polos, el lugar se mueve hacia la izquierda,
pero hasta dónde se puede mover, queda limitado por la posición del cero. La
respuesta será sobreamortiguada.
3. Si el cero se coloca a la derecha del polo más lento, esto hace que el lugar se
mueva más bien hacia la derecha, el polo dominante se hace más lento. Esta
posición del cero no es conveniente.
Cy (s) = Kp ,
0.0
−4 −3 −2 −1 0
σ
−0.5
• Caso 2
Utilizando una aproximación de Padé de primer orden para el tiempo muerto,
se tiene que
Kp (1 − 0,1s) Kp (10 − s) −Kp (s − 10)
L2 (s) = = = .
(s + 2)(1 + 0,1s) (s + 2)(s + 10) (s + 2)(s + 10)
El LGR del sistema de control del proceso con tiempo muerto se muestra en la
figura 10.15.
En este caso el sistema de control se puede volver inestable. El valor de la ga-
nancia crítica (ganancia en el límite de la estabilidad) es Kpu = 12, el sistema
se inestabiliza para Kp > 12.
Si el tiempo muerto aumenta a L = 0,5 s, la ganancia crítica se reduce a Kpu =
6. El tiempo muerto tiene un efecto adverso sobre la estabilidad del sistema de
control.
0
−10 0 10 20 30
σ
−5
−10
−15
se denomina como contornos de las raíces, los cuales constituyen una familia de
lugares geométricos de las raíces.
Supóngase que se tiene el polinomio característico de un sistema de control re-
alimentado, dado por
K1 N1 (s)
p1 (s) = 1 + = 1 + L1 (s), (10.69)
D1 (s)
Dibujar el lugar geométrico de las raíces de p1 (s) utilizando L1 (s). Los polos
y ceros de L1 (s) son los polos y ceros de Q1 (s). Los polos de lazo cerrado, son
los ceros de la ecuación característica (10.70).
K1 N1 (s) K2 N2 (s)
p2 (s) = 1 + + . (10.71)
D1 (s) D2 (s)
K2 N2 (s)D1 (s)
1+ = 1 + L2 (s), (10.72)
D2 (s) [D1 (s) + K1 N1 (s)]
de donde
K2 N2 (s)D1 (s)
L2 (s) = . (10.73)
D2 (s) [D1 (s) + K1 N1 (s)]
Los ceros de L2 (s) son los ceros de Q2 (s) y los polos de Q1 (s), y los polos
de L2 (s) los polos de Q2 (s) y los ceros del polinomio característico p1 (s).
Esto implica, que los contornos de las raíces de p2 (s) parten de puntos que se
encuentran en el lugar geométrico de las raíces de p1 (s).
K1 (s + 1)
L(s) = ,
s2 (s + K2 )
p(s) = s3 + K2 s2 + K1 s + K1 .
p1 (s) = s3 + K1 s + K1 .
10.5. Contornos de las raíces 489
0
−1.0 −0.5 0.0 0.5
σ
−2
−4
K1 (s + 1)
1+ = 1 + L1 (s) = 0.
s3
K2 s2
1+ = 1 + L2 (s) = 0,
s3 + K1 s + K1
se obtiene que los contornos de las raíces a partir de L2 (s) con K2 variando (K1
fijo), parten del lugar de las raíces de L1 (s). Estos se muestran en la figura 10.17,
con K1 ∈ {0,01, 0,10, ..., 2,0, 3,0}.
En este caso, debe utilizarse el parámetro K2 para estabilizar el sistema de con-
trol. El rango de valores de K2 que logran estabilizar este sistema, depende del valor
del parámetro K1 .
fijo
1
0
−1.0 −0.5 0.0 0.5
σ
−1
−2
Suponiendo que las funciones de transferencia del controlador y del proceso, se pue-
den expresar como la razón de dos polinomios en s
Nc (s) Np (s)
Cy (s) = , P(s) = , (10.75)
Dc (s) D p (s)
el polinomio característico, sería
Nc (s)Np (s) Dc (s)D p (s) + Nc (s)Np (s)
p(s) = 1 +Cy (s)P(s) = 1 + = . (10.76)
Dc (s)D p (s) Dc (s)D p (s)
Los ceros del numerador de (10.76) son los ceros de la ecuación característica y por
lo tanto constituyen los polos de lazo cerrado, mientras que los ceros del denomina-
dor de (10.76) son los polos de lazo abierto.
Si p(s) se expresa con los polinomios del numerador y denominador en términos
de sus factores, se tiene
K(s + z1 )(s + z2 )(s + z3 ) · · ·
p(s) = . (10.77)
(s + p1 )(s + p2 )(s + p3 ) · · ·
Como p(s) es el denominador de las funciones de transferencia de lazo cerrado, los
ceros de p(s) son los polos de lazo cerrado, por lo que para que el sistema sea estable
es necesario que sus ceros −z1 , −z2 , −z3 , . . . tengan todos parte real negativa.
El criterio de estabilidad de Nyquist relaciona el número de ceros y polos de
p(s) que se encuentran en el semiplano derecho, con la gráfica polar de la función de
transferencia de lazo abierto L(s).
Sea Zd el número de ceros de p(s), polos de lazo cerrado, en el semiplano dere-
cho, y Pd el número de polos de p(s), polos de lazo abierto, en el semiplano derecho.
Si se toma un contorno cerrado en el plano complejo s que encierre todo el se-
miplano derecho, como se muestra en la figura 10.18, esto es, que encierre todos
los polos y ceros de p(s) en ese semiplano, y se recorre este desde ω = −∞ hasta
ω = +∞ entonces, en el plano complejo de p(jω) de la figura 10.19, la gráfica polar
de p(jω) = 1 + L(jω) hará Zd − Pd giros en torno al origen.
Si se hace un corrimiento del origen al punto −1, entonces el número N de veces
que se encierra el punto −1 por parte del diagrama de Nyquist (gráfica polar de L(jω)
de la figura 10.20), tomados positivos en el sentido del movimiento de las manecillas
del reloj y negativos en el sentido contrario, está dado por
N = Zd − Pd . (10.78)
Para que el sistema de control sea estable, se requiere que no existan polos de
lazo cerrado en el semiplano derecho, esto es que Zd = 0. Por lo tanto, de (10.78) se
tiene que
N = −Pd . (10.79)
492 10 Estabilidad de los lazos de control
N encierros
del punto -1
L j
-1 ℜ L j
Entonces, el número de veces que el diagrama de Nyquist encierra el punto −1, debe
ser igual al número de polos de lazo abierto en el semiplano derecho y en el sentido
contrario al movimiento de las manecillas del reloj.
De (10.79), si Pd = 0, entonces N = 0. Si el sistema no tiene polos de lazo abierto
en el semiplano derecho, el diagrama de Nyquist no debe encerrar al punto −1.
El número de polos en el semiplano derecho, es por lo tanto
Zd = N + Pd . (10.80)
Como Pi y Pd son positivos o cero, ∆φv debe ser mayor o igual a cero.
Este criterio no indica el número de raíces de la ecuación característica en el
semiplano derecho, solo si el sistema es estable o no.
Mientras que el diagrama de Nyquist incluye la gráfica polar de L(jω) para fre-
cuencias positivas y negativas, el criterio de Foellinger-Yeung solo utiliza su gráfica
polar para las frecuencias positivas y por lo tanto, no requiere que se incluyan en la
gráfica, los semicírculos de radio infinito de la contribución de los polos en el origen,
necesarios para “cerrar” el diagrama de Nyquist, cuando estos existen.
La utilización del criterio de estabilidad de Foellinger-Yeung, se ilustrará con
varios ejemplos.
496 10 Estabilidad de los lazos de control
L(jω), K = 2, 0
0.0
ℜ L(jω)
−1.0 −0.5 0.0 0.5 1.0 1.5 2.0
−0.2
−0.4
−0.6
−0.8
−1.0
−1.2
K
L(s) = .
(s + 1)2
En este se tiene Pi = 0, Pd = 0, por lo tanto, de (10.82) ∆φv debe ser cero, para
que el sistema sea estable.
De la figura 10.22 y el cuadro 10.1 se comprueba que el cambio en el ángulo de
v es cero, lo que indica que el sistema es estable.
Es más, el sistema es estable para cualquier valor de K.
10.6. Gráfica polar y estabilidad 497
0
ℜ L(jω)
−2 0 2 4 6 8 10
−2
−4
−6
−8
K
L(s) = .
(s + 1)3
Se tiene que Pi = 0, Pd = 0, por lo tanto, de (10.82) ∆φv debe ser cero, para que
el sistema sea estable.
De la figura 10.23 y el cuadro 10.2, se puede verificar que para valores “bajos”
de K, ∆φv1 = 0° y el sistema es estable, pero que para valores “altos” de K, ∆φv2 =
−360° (cambio negativo en ∠v) y el sistema es inestable. Por lo tanto, existe un límite
(superior) al valor de K, bajo el cual el sistema de control es estable.
498 10 Estabilidad de los lazos de control
0
ℜ L(jω)
−15 −10 −5 0 5
−20
−40
−60
−80
−100
K
L(s) = .
s(s + 1)2
En este sistema se tiene Pi = 1, Pd = 0, por lo tanto, ∆φv debe ser 90°, para que
el sistema sea estable.
De la figura 10.24 y el cuadro 10.3, se puede verificar que para valores bajos de
K, ∆φv1 = 90° y el sistema es estable, pero que para valores altos de K, ∆φv2 = −270°
(cambio negativo en ∠v) y el sistema es inestable.
10.6. Gráfica polar y estabilidad 499
ℑ L(jω) ℑ L(jω)
4 4
2 2
ℜ L(jω) ℜ L(jω)
0 0
−10 −8 −6 −4 −2 0 2 −10 −8 −6 −4 −2 0 2
−2 −2
−4 −4
Figura 10.25: Ejemplo 10.26, - Gráficas polares, (T1 , T2 ) ∈ {(2,0, 1,0), (1,0, 2,0)}
K(T1 s + 1)
L(s) = .
s2 (T2 s + 1)
Se tiene ahora que Pi = 2, Pd = 0, por lo tanto, ∆φv debe ser 180°, para que el
sistema sea estable.
De la figura 10.25 y el cuadro 10.4, se puede verificar que si T1 > T2 (figura
10.25a) ∆φv1 = 180° y el sistema es estable, pero que si T2 > T1 (figura 10.25b)
∆φv2 = −180° (cambio negativo en ∠v) y el sistema es inestable.
Si la influencia del cero es mayor que la del polo (1/T1 < 1/T2 ) -el cero se en-
cuentra a la derecha del polo-, el sistema de control es estable, pero si la influencia
del polo es mayor que la del cero (1/T2 < 1/T1 ) -el polo se encuentra a la derecha
del cero-, entonces el sistema de control es inestable, esto independientemente del
500 10 Estabilidad de los lazos de control
ℑ L(jω) ℑ L(jω)
20 20
15 15
10 10
5 5
ℜ L(jω) ℜ L(jω)
0 0
−5 −4 −3 −2 −1 0 1 −5 −4 −3 −2 −1 0 1
−5 −5
valor que tome K. En este caso, K no afecta la estabilidad absoluta del sistema de
control.
10.7 Resumen
El garantizar la estabilidad absoluta del sistema de control es indispensable. Esto
requiere que todos los polos de las funciones de transferencia de lazo cerrado, se
encuentren en el semiplano izquierdo del plano complejo s.
Como se ha observado, una de las características importantes que provee la reali-
mentación, es la posibilidad de poder operar en un punto estable, un proceso que sin
control es inestable.
Sin embargo, la realimentación introduce también el problema que, por una mala
selección de los parámetros del algoritmo de control del controlador, se puede hacer
que un proceso que sin control es estable, se vuelva inestable al cerrar el lazo de
realimentación. Tal posibilidad se puede verificar mediante el gráfico del lugar de las
raíces del polinomio característico, o de la gráfica polar de la función de transferencia
de lazo abierto.
Para la determinación de la estabilidad del sistema de control, y el efecto que al-
gún parámetro del controlador pudiera tener sobre esta, se cuenta con procedimientos
algebraicos como el de Routh-Hurwitz y el de Liénard-Chipart.
También se pueden utilizar métodos gráficos como el lugar geométrico de las
raíces (LGR) de Evans y la gráfica polar de L(jω) junto con el criterio de Nyquist, o
el de Foellinger-Yeung.
El efecto de dos parámetros sobre la estabilidad del sistema de control, puede
analizarse utilizando los contornos de las raíces.
Es importante recordar, que estas técnicas determinan la estabilidad del sistema
de control de lazo cerrado, a partir de su función de transferencia a lazo abierto.
10.8 Bibliografía
Åström, K. J. y Murray, R. (2008). Feedback Systems: An Introduction for Scientists
and Engineers. Princenton University Press, Oxfordshire, UK.
Bennett, S. (1984). Nicolas Minorsky and the Automatic Sterring of Ships. IEEE
Control Systems Magazine, páginas 10–15. November.
Datta, A., Ho, M.-T., y Bhattacharyya, S. P. (2000). Structure and Synthesis of PID
Controllers. Springer-Verlag London Limited.
502 10 Estabilidad de los lazos de control
11.1 Introducción
11.2 Análisis de la estabilidad
11.3 Índices de robustez
11.3.1 Índices de estabilidad relativa
11.3.2 Criterio de estabilidad de Bode
11.3.3 Margen de estabilidad y sensibilidad máxima
11.3.4 Índices de robustez paramétricos
11.3.5 Relaciones entre las medidas de robustez
11.4 Estabilidad relativa en el diagrama de Bode
11.4.1 Márgenes de ganancia y fase
11.4.2 Diagrama de Bode combinado
11.4.3 Criterio de estabilidad de Bode revisado
11.5 Fragilidad del controlador
11.5.1 Fragilidad en la robustez
11.5.2 Fragilidad en el comportamiento
11.5.3 Anillos de fragilidad
11.6 Resumen
11.7 Bibliografía
503
504 11 Robustez de los lazos de control
11.1 Introducción
La robustez de un sistema de control, está relacionada con su capacidad de mante-
nerse estable, ante cambios en las características del proceso controlado.
En el Capítulo 8, se presentaron los procedimientos para la identificación de los
modelos de orden reducido de los procesos controlados, adecuados para los estu-
dios de sus sistemas de control. Estos modelos se obtienen en el punto de operación
normal o deseado del sistema de control y por lo tanto, solo reflejan el comporta-
miento dinámico del proceso controlado en la vecindad de ese punto, son modelos
nominales.
Dado que los procesos son por lo general no lineales, sus características −ganancia,
constantes de tiempo y tiempo muerto−, variarán cuando el punto de operación del
sistema de control cambie debido a una modificación del valor deseado, o por el
efecto de las perturbaciones.
El diseño del sistema de control, se realiza empleando el modelo seleccionado pa-
ra representar al proceso controlado, el modelo nominal. Sin embargo, el controlador
obtenido será utilizado para controlar el proceso real, esperándose que su desempeño
sea muy similar al observado cuando se utilizó el modelo como proceso controlado.
Esto a pesar de las deficiencias que pudiera haber tenido el modelo utilizado y de las
variaciones de las características dinámicas y de linealidad del proceso, que pudieran
presentarse.
Lo anterior obliga primero, a utilizar un modelo nominal que refleje adecuada-
mente el comportamiento del proceso controlado bajo condiciones de control reali-
mentado, y segundo, a garantizar un determinado grado de robustez −estabilidad
relativa− del sistema de control diseñado, para asegurar la estabilidad del mismo
ante la presencia de variaciones en las características del proceso.
Como se confirmará más adelante, existe un conflicto entre el desempeño óptimo
del sistema de control y su robustez, que debe ser resuelto en la etapa de diseño.
Figura 11.3: Gráfica polar de un sistema de control estable (L1 ), uno oscilatorio (L2 )
y uno inestable (L3 )
|L(jω1 )| = 1. (11.1)
Para establecer los índices de estabilidad relativa o robustez, del sistema de con-
trol, se considerará que el algoritmo de control utilizado es de dos grados de libertad.
El diagrama de bloques del sistema de control, se presenta nuevamente en la figura
11.4.
El polinomio característico del lazo de control, es en este caso
De su ecuación característica
se obtiene, que
Cy (s)P(s) = −1. (11.5)
• Condición de magnitud
• Condición de fase
∠Cy (jωu )P(jωu ) = −180°. (11.8)
11.3. Índices de robustez 509
• Margen de fase
El margen de fase φm , mostrado en la figura 11.6, será la cantidad de fase en
grados que se puede atrasar la fase de L(jω1 ), para alcanzar los −180°, esto es
• Margen de ganancia
El margen de ganancia Am , mostrado en la figura 11.7, será el factor por el que
se puede multiplicar la magnitud de L(jω−π ), de manera que su producto sea
unitario, esto es
Am |L(jω−π )| = 1, (11.11)
1
Am = . (11.12)
|L(jω−π )|
Para que un sistema sea estable, se requiere que el margen de ganancia sea mayor
que uno (Am > 1) y que el margen de fase sea positivo (φm > 0). Basta que el margen
de ganancia Am < 1 o que el margen de fase φm < 0, para que el sistema sea inestable.
Si estos márgenes son (Am = 1, φm = 0), el sistema de control es oscilatorio.
Valores usuales para el margen de ganancia son de 2 a 4 y para el margen de fase
de 30° a 60°, los cuales deben tomarse como una pareja (Am , φm ) para definir por
ejemplo una robustez mínima (2, 30°) o una robustez alta (4, 45°).
Si se considera que el modelo del proceso controlado es epomtm, dado por la
función de transferencia
Ke−Ls
P(s) = , (11.14)
Ts+1
el margen de ganancia Am , indica cuánto puede llegar a diferir la ganancia K del
proceso respecto a la del modelo, suponiendo que no hay diferencia entre los valores
11.3. Índices de robustez 511
Por su parte, el margen de fase φm , indica cuánto puede llegar a diferir el tiempo
muerto L del proceso respecto al del modelo, manteniéndose el sistema de control
estable, suponiendo que no hay diferencia entre los valores de la ganancia K y la
constante de tiempo T del proceso, respecto a los del modelo.
Ninguno de estos dos márgenes, provee una indicación directa de cuánto pudiera
llegar a diferir la constante de tiempo T del proceso respecto a la del modelo, sin
que el sistema de control se inestabilice, suponiendo que la ganancia K y el tiempo
muerto L del proceso son los mismos que los del modelo.
512 11 Robustez de los lazos de control
Por otra parte, la función de sensibilidad del sistema de control realimentado, tal
como se definió en el Capítulo 6, está dada por
. 1 1
S(s) = = . (11.16)
1 + L(s) 1 +Cy (s)P(s)
Entonces, se puede establecer también como parámetro de diseño de robustez, el
valor máximo de la magnitud de la función de sensibilidad, definiendo la sensibilidad
máxima, como
. 1
MS = máx |S(jω)| = máx . (11.17)
ω ω 1 +Cy (jω)P(jω)
En la gráfica polar de L(jω), la distancia más corta del punto −1 a la gráfica polar
de Cy (jω)P(jω) es 1/MS , como se muestra en la figura 11.8.
Por lo tanto, el margen se estabilidad del sistema de control realimentado, es el
inverso de la sensibilidad máxima Sm = 1/MS .
La sensibilidad máxima se puede interpretar como una medida de la robustez, ya
que indica cuanto puede variar el proceso sin que cause una inestabilidad del lazo de
control.
Valores típicos para la sensibilidad máxima MS van de 1,2 a 2, equivalentes a
valores del margen de estabilidad Sm de 0,83 a 0,50. El valor Sm = 0,50 (MS = 2) se
considera como el mínimo de robustez, mientras que sistemas de control con márge-
nes de estabilidad 0,71 ≤ Sm ≤ 0,83 (1,4 ≥ MS ≥ 1, 2) se consideran muy robustos.
En la figura 11.9 se muestra la gráfica polar de un sistema de control, con la
indicación de su sensibilidad máxima (robustez) y los límites usuales para esta y
en la figura 11.10 lo mismo, pero utilizando los círculos de margen de estabilidad
extremos.
Si en forma intuitiva se considera que “más es mejor”, es conveniente utilizar el
margen de estabilidad Sm como indicador de la robustez, ya que entre más alto sea el
Sm más robusto es el sistema, en vez de usar la sensibilidad máxima MS , para la cual
entre más baja sea la MS más robusto es el sistema.
Si se desea que un sistema de control tenga una robustez igual o superior a un
valor mínimo, especificado mediante el valor de su margen de estabilidad mínimo
Sm mı́n , entonces el sistema debe cumplir con que su Sm ≥ Sm mı́n o lo que es lo mismo,
que la gráfica polar de su función de trasferencia de lazo abierto esté, para todas
las frecuencias, fuera del círculo de radio Sm mı́n centrado en el punto −1, como se
muestra en la figura 11.11.
ℑ L(jω)
Figura 11.9: Robustez del
MS = 1.2
sistema de control y círcu-
los de sensibilidad máxima
MS = 2.0
MS = 1.71
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
−1.5
−2.0
ℑ L(jω)
Figura 11.10: Robustez
Sm = 0.8
del sistema de control y
círculos de margen de esta- Sm = 0.58
Sm = 0.5
bilidad 0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
−1.5
−2.0
516 11 Robustez de los lazos de control
P(s)
ydc (s) = d(s). (11.19)
1 +Cy (s)P(s)
Ke−Ls
P(s) = , (11.21)
Ts+1
y que, en el punto de operación en que se desea que opere el sistema de control, su
ajuste resulta ser
o
o K o e−L s
P (s) = o , (11.22)
T s+1
cuyos parámetros K o , T o y Lo son la ganancia, constante de tiempo y tiempo muer-
to que se utilizarán en las ecuaciones de ajuste de los parámetros del algoritmo de
control del controlador, esto es, son los parámetros del modelo nominal del proceso
controlado.
Supóngase además, que el sistema de control diseñado, se puede llevar hasta el
límite de la estabilidad, variando por separado la ganancia y el tiempo muerto del
modelo y que los valores de estos parámetros, que en forma independiente hacen
oscilatorio el sistema, son Ku y Lu , respectivamente.
Con base en esta información, se pueden definir los siguientes índices de robus-
tez:
Sistema
muy robusto
Sistema
robusto
Sistema
no robusto
Estos índices son una indicación de cuanto pueden variar en forma independiente
la ganancia y el tiempo muerto del proceso antes de que el sistema se vuelva inestable
y por lo tanto, son una indicación de su estabilidad relativa.
Se puede construir un gráfico que permita verificar la robustez del sistema de
control, con base en estos dos índices de robustez paramétricos, como se muestra en
la figura 11.12 (Gerry y Hansen, 1987; Gerry, 1988).
En adición a los índices anteriores, se puede definir también un margen de tiempo
muerto ML , el cual indica (en unidades de tiempo), cuanto puede aumentar el tiempo
muerto del proceso controlado, antes de que el sistema de control se vuelva inestable
y que evidentemente, es similar al índice de robustez en el tiempo muerto.
Este está definido, como
ML = Lu − Lo , (11.25)
11.3. Índices de robustez 519
entonces
ML
IRL = . (11.26)
Lo
. pi − poi
δ pin = , i = 1, 2, · · · np, (11.28)
poi
o en porcentaje
pi − poi
.
δ pin % = 100 , i = 1, 2, · · · np. (11.29)
poi
Entonces, los parámetros del modelo del proceso controlado, se pueden expresar en
función de su valor nominal y su variación normalizada, como
donde
. pmı́n − po . pmáx − po
δ m pin = i o i , δ M pin = i o i , (11.32)
pi pi
520 11 Robustez de los lazos de control
siendo pmı́n
i y pmáx
i , el valor mínimo y el valor máximo respectivamente, del pará-
metro pi . La incertidumbre de los parámetros del modelo del proceso controlado es
0 < pmı́n
i ≤ pi ≤ pmáx
i < ∞, i = 1, 2, · · · np.
Las variaciones normalizadas probables de los parámetros del modelo P(s) del
proceso controlado, debido a sus no linealidades en el rango de operación del sistema
de control, están dadas por el conjunto δ pn = {δ pin }np . Por lo tanto, el modelo
nominal Po (s), corresponde al punto δ pon = {δ poin }np = {0} esto es, al origen del
espacio δ pn (de np dimensiones).
Sea ahora un conjunto de variaciones de los parámetros del modelo del proceso
controlado δ pun = {δ puin }np , que llevan al sistema de control al límite de la estabili-
dad. Para que el sistema de control sea estable, se debe cumplir que
cuando cada uno de los parámetros del modelo del proceso controlado, varía en forma
independiente.
Por lo tanto
Ahora, el margen de estabilidad paramétrica está determinado por el tamaño del hi-
percubo más grande posible, en el cual, el cambio simultaneo de todos los parámetros
del modelo correspondiente a un punto en su superficie, coloca al sistema de control
al límite de la estabilidad.
Ku = Am Ka , (11.40)
se tiene, que
IRK = Am − 1. (11.41)
Como el tiempo muerto que hace inestable el sistema, está dado por
π
Lu = La + φm , (11.42)
180ω−π
se obtiene, que
πφm
IRL = . (11.43)
180ω−π La
Además, como se indicó anteriormente
1
Sm = . (11.44)
MS
522 11 Robustez de los lazos de control
1 1
+ < 1, (11.45)
MS Am
por lo que
MS 1
Am > = . (11.46)
MS − 1 1 − Sm
Además, en el caso extremo
1 1
sen = , (11.47)
2φm 2MS
En el cuadro 11.1 se listan los valores de los márgenes de ganancia y fase, que
se asegurarían para diferentes valores del margen de estabilidad o de la sensibilidad
máxima.
Por lo tanto, valores de Sm ≥ 0,5 (MS ≤ 2) aseguran Am > 2, φm > 29° e IRK > 1.
Para tener un indicador de robustez que muestre que entre mayor sea este, es más
alta la estabilidad relativa del sistema de control, se le dará preferencia al uso del
índice de estabilidad Sm como criterio de diseño para la robustez, en lugar de a la
sensibilidad máxima MS , aunque debe indicarse, que el uso de esta última está más
extendido.
524 11 Robustez de los lazos de control
El criterio de robustez mínima para los sistemas de control, será que su Sm ≥ 0,50.
Un sistema de control tendrá una robustez intermedia si su Sm ≥ 0,60, una robustez
alta si su Sm ≥ 0,70 y una robustez muy alta si su Sm ≥ 0,80.
Debido al conflicto existente entre la robustez y el comportamiento del lazo de
control, con la finalidad de obtener el mejor comportamiento posible, el control se
deberá diseñar de manera que su Sm ≈ 0,50, a menos que las características del
proceso controlado exijan una robustez mayor.
sea menos negativa que −180º cuando su magnitud es 1. Basta que una de estas dos
condiciones no se cumpla, para que el sistema sea inestable.
Aunque con frecuencia se dibuja el diagrama de Bode de la magnitud de la fun-
ción de transferencia de lazo abierto en dB, esta conversión no se hará aquí.
Como el margen de ganancia Am , es la cantidad máxima por la cual se puede
multiplicar la ganancia de lazo abierto del sistema de control, para alcanzar el límite
de la estabilidad, el diagrama de Bode y la obtención de los índices de estabilidad a
partir de este, se harán con la magnitud de L(jω) es escala lineal, tal como se muestra
en la figura 11.14.
Por lo tanto, y en concordancia con lo indicado en la gráfica polar, la frecuencia
de cruce de magnitud ω1 , corresponde a la frecuencia a la cual |L(jω1 )| = 1 y la
frecuencia de cruce de fase ω−π , a la frecuencia a la cual ∠L(jω−π ) = −180°.
526 11 Robustez de los lazos de control
0,5
L(s) = .
s(s + 1)(0,5s + 1)
1
P(s) = .
(s + 1)3
11.4. Estabilidad relativa en el diagrama de Bode 527
6
Am = 6.0 @ ω−180 = 1.414 rad/s; φm = 53.41° @ ω1 = 0.446 rad/s
Mag. Fase −100
−150
Magnitud, |L(jω)|
−2
−250
−4 -1
10 100 101 102
Frecuencia, ω [rad/s]
Figura 11.16: Ejemplo 11.3 - Diagrama de Bode combinado, Kp = 1,0 (sistema esta-
ble)
oscilatorio) −150
Magnitud, |L(jω)|
2
−2
−250
−4 -1
10 100 101 102
Frecuencia, ω [rad/s]
inestable) −150
Magnitud, |L(jω)|
−2
−250
−4 -1
10 100 101 102
Frecuencia, ω [rad/s]
que, en el límite de la estabilidad, las dos gráficas cruzan la línea (1, −180°) en el
mismo punto, a ω = ω−π .
Si se aumenta aún más la ganancia del controlador, por ejemplo a Kp = Kp3 =
4Am Kp1 = 24,0, el sistema de control se torna inestable con Am = 0,25, φm = −31,58°
y ω1 > ω−π , tal como se aprecia en la figura 11.18.
Cuando el sistema es inestable, la gráfica de fase cruza a menor frecuencia la
línea (1, −180°), que la gráfica de magnitud.
K(−s + 1)e−Ls
P(s) = ,
s(T s + 1)
Magnitud, |L(jω)|
- Diagrama de Bode de 3
1
gen de ganancia erróneo)
0
−1 -1
10 100 101 102
φ = 65.03° @ ω
0 m 1 = 0.43 rad/s
−200
−300
−400
−500
10-1 100 101 102
Frecuencia, ω [rad/s]
1.0
0.5
ℜ L(jω)
0.0
−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
−0.5
−1.0
−1.5
−2.0
−2.5
4
Am = 0.79 @ ω−540 = 10.512 rad/s
Magnitud, |L(jω)|
3
−1 -1
10 100 101 102
0
φm = 65.03° @ ω 1 = 0.43 rad/s
Fase, ∠ L(jω) [°]
−100
−200
−300
−400
−500
10-1 100 101 102
Frecuencia, ω [rad/s]
Figura 11.21: Ejemplo 11.4 - Diagrama de Bode de L(jω) con Kp = 0,75 (margen de
ganancia correcto)
del sistema de control, cuando todos sus parámetros se varían una cantidad δε = ±ε,
y MSo es la sensibilidad máxima nominal.
En particular el índice de fragilidad en la robustez delta 20 (RFI∆20 ), permite
definir el grado de fragilidad en la robustez de los controladores, con un algoritmo de
control PID, como:
534 11 Robustez de los lazos de control
RFC
ℜ L(jω)
0.0
−1.5 −1.0 −0.5 0.0 0.5
MS = 2.0 −0.5
−1.0
−1.5
11.6 Resumen
Si bien la estabilidad absoluta es indispensable, la estabilidad relativa o robustez del
lazo de control, es necesaria para asegurar el funcionamiento estable del sistema de
control, ante las posibles variaciones de las características del proceso controlado.
Esta robustez del lazo de control, puede establecerse utilizando el par de margen
de ganancia y margen de fase (Am , φm ), los índices de estabilidad paramétrica (IRK ,
IRL ), el margen de estabilidad paramétrica global (PSM), la sensibilidad máxima MS ,
o el margen de estabilidad Sm .
Al determinar los indicadores de la estabilidad del sistema de control, a partir del
diagrama de Bode de su función de transferencia de lazo abierto, deben investigarse
las magnitudes a las frecuencias a las cuales, la fase es un múltiplo negativo impar
11.7. Bibliografía 537
de −180°.
Además, la fragilidad del controlador −en la robustez y en el comportamiento−,
será otro factor a considerar en el proceso de diseño.
El diseñador debe resolver los conflictos existentes entre el comportamiento de
la respuesta del sistema de control a un cambio en los estímulos, la robustez del
lazo ante los cambios en las características del proceso controlado y la fragilidad del
controlador respecto a los posibles cambios en sus propios parámetros.
Por lo tanto, los métodos de ajuste de los parámetros del algoritmo de control
PID de 2GdL del controlador, deberían considerar siempre y en forma integral, la
tripleta de índices {comportamiento, robustez, fragilidad} (Alfaro y Vilanova, 2010).
11.7 Bibliografía
Alfaro, V. M. (2007). PID controllers’ fragility. ISA Transactions, 46:555–559.
Alfaro, V. M., Vilanova, R., y Arrieta, O. (2009). Fragility Analysis of PID Con-
trollers. En 18th International Conference on Control Applications part of the
2009 IEEE Multi-Conference on Systems and Control (CCA2009). July 8-9, Saint
Petersburg, Russia.
Gerry, J. P. (1988). Find Out How Good That PID Tuning Really Is. Control Engi-
neering, 35 (7):69–71.
Hahn, J., Edison, T., y Edgar, T. F. (2001). A Note on Stability Analysis Using Bode
Plots. Chemical Engineering Education, páginas 208–211. Summer School.
12.1 Introducción
12.2 Comportamiento del sistema de control de dos posiciones
12.3 Análisis del control proporcional en estado estacionario
12.4 Control proporcional
12.4.1 Procesos controlados de primer orden
12.4.2 Procesos controlados de segundo orden
12.5 Efecto de la adición de un polo o un cero
12.6 Efecto del tiempo muerto del proceso
12.7 Control proporcional e integral
12.7.1 Procesos controlados de primer orden
12.7.2 Procesos controlados de segundo orden
12.8 Control proporcional y derivativo
12.8.1 Procesos controlados de primer orden
12.8.2 Procesos controlados de segundo orden
12.9 Contornos de las raíces del control PID
12.9.1 Control proporcional (P)
12.9.2 Control proporcional e integral (PI)
12.9.3 Control proporcional y derivativo (PD)
12.9.4 Control proporcional, integral y derivativo (PID)
12.10 Polos y ceros
12.10.1 Efecto de la cancelación de polos con ceros
539
540 12 Análisis del control proporcional, integral y derivativo
12.1 Introducción
El diagrama de bloques del sistema de control realimentado, se muestra en la figura
12.1, en donde está representada la función de transferencia del modelo del proce-
so controlado P(s) y la del controlador C(s), así como los estímulos aplicados al
sistema, r(s) y d(s), y la variable controlada por él, y(s).
La variable controlada, en función de los estímulos aplicados al sistema de con-
trol, está dada por la expresión
C(s)P(s) P(s)
y(s) = r(s) + d(s). (12.1)
1 +C(s)P(s) 1 +C(s)P(s)
Figura 12.2: Ejemplo 12.1 - Comportamiento del sistema de control de dos posicio-
nes
544 12 Análisis del control proporcional, integral y derivativo
Figura 12.3: Ejemplo 12.1 - Plano de fase del sistema de control de dos posiciones
Conocidos los valores de las dos entradas, R(t) y D(t), (12.9) y (12.10) se pueden
resolver para encontrar Y (t) y U(t) (Åström y Hägglund, 1995).
El comportamiento del conjunto actuador, planta y sensor en régimen permanen-
te, corresponde a su característica estática y el del controlador, a la característica
dada por (7.6) en el Capítulo 7. El punto de operación del sistema de control en régi-
men permanente, estará dado entonces por la intersección de estas dos curvas, el cual
realmente no es solo un punto, sino un conjunto de puntos de operación posibles, de-
pendiendo de la variación de la curva característica estática del proceso controlado,
por efecto de las perturbaciones, tal como se muestra en la figura 12.4.
12.3. Análisis del control proporcional en estado estacionario 545
Y
1
Puntos de
operación Características estáticas
posibles del conjunto actuador,
planta y sensor
Punto de operación
más probable
E
R
Punto de
operación
deseado
Curva característica
del controlador P
0,5 1 U
Y Y
1 1
0,5 1 U 0,5 1 U
(a) Variación de la banda proporcional (b) Variación del valor deseado
en particular, indique otra cosa. En este punto, antes de que se presente un cambio en
alguno de los estímulos, las variaciones de todas las variables {r, y, u, d, e} son cero.
Aunque las variables {R, Y , U} tienen solo valores positivos en el rango de varia-
ción de 0 % a 100 %, sus variaciones {r, u, y} en torno al punto de operación nominal,
pueden tener valores tanto positivos como negativos.
Es importante tener presente lo anterior, para interpretar correctamente las varia-
ciones de las variables involucradas en el sistema de control.
Si por ejemplo, se considera el sistema de control de nivel presentado en el ejem-
plo 2.1 del Capítulo 2, en el punto de operación más probable se tiene que {Ro =
80 %, Yo = 80 %,Uo = 78,3 %, Eo = 0 %} las cuales corresponden a {Ho = 2,5 m,
Xvso = 0,5, Qso = 0,0783 m3 s−1 }. En este punto, las variaciones de las diferentes
variables {r, y, u, e} son todas cero.
Suponiendo que en un determinado momento, el nivel del líquido en el tanque,
por alguna razón cambia a H = 2,75 m, entonces Y = 88 % y y = +8 %, el nivel del
líquido ha aumentado un 8 % (de su ámbito de variación total). Si más bien el nivel
del líquido en otro instante cambia a H = 2,0 m, ahora Y = 64 % y y = −16 %.
Evidentemente, en el segundo caso el nivel del líquido en el tanque no es “nega-
tivo”, lo que la variación de la señal realimentada (y = −16 %) indica, es que el nivel
del líquido a disminuido un 16 % (de su ámbito de variación total) respecto al punto
de operación normal seleccionado.
Los valores de las variaciones de las variables {r, y, u, e, d}, indican incrementos
−valores positivos− o decrementos −valores negativos− de estas, respecto a su valor
en el punto de operación nominal establecido para el análisis −su valor “cero”−.
C(s) = Kp , (12.12)
donde:
. Kp K
Kyr = , (12.16)
1 + Kp K
. T
Tcr = , (12.17)
1 + Kp K
550 12 Análisis del control proporcional, integral y derivativo
Esto es, el valor final de la variable controlada nunca alcanzará el valor deseado.
Si el cambio ∆r en el valor deseado es positivo, en estado estacionario la variable
controlada se estabilizará siempre en un valor por debajo del nuevo valor deseado y
por lo tanto, existirá un error permanente positivo distinto de cero, dado por
1
e pr0 = ∆r − ∆y = (1 − Kyr ) ∆r = ∆r. (12.21)
1 + Kp K
El error permanente normalizado (respecto al cambio en el valor deseado), es
1
e pr0n = . (12.22)
1 + Kp K
Si Kp → ∞, entonces Kyr → 1 y e pr0n → 0. Al aumentar la ganancia del controla-
dor, aumenta la ganancia de lazo cerrado y disminuye el error permanente, como se
muestra en la figura 12.6 (Smith y Corripio, 2001).
Por su parte, la constante de tiempo de lazo cerrado, es
T
Tcr = < T. (12.23)
1 + Kp K
Esto es, la respuesta del sistema de control será siempre más rápida, que la del pro-
ceso sin control. Si Kp → ∞, entonce Tcr → 0.
En este caso particular, al aumentar la ganancia del controlador, el sistema de
control responde más rápido y tendrá un error permanente menor. Esto parece indicar,
que sería conveniente utilizar una ganancia bien alta en el controlador. Sin embargo,
se ha dejado de lado un aspecto importante, el verificar cómo cambia la salida del
controlador, ante el cambio en el valor deseado.
12.4. Control proporcional 551
0,5
Kp ≤ . (12.29)
∆r
. Kp
Kyd = , (12.32)
1 + Kp K
. T
Tcd = , (12.33)
1 + Kp K
yd (s) Kyd
Myd (s) = = , (12.34)
d(s) Tcd s + 1
Kp
Kyd = > 0, (12.35)
1 + Kp K
−K
e pd0n = . (12.38)
1 + Kp K
T
Tcd = < T. (12.39)
1 + Kp K
y por lo tanto, la respuesta del sistema de control será siempre más rápida, que la del
proceso sin control. Si Kp → ∞, entonce Tcd → 0.
La constante de tiempo de lazo cerrado del control regulador, es igual a la del
servo control, Tcd = Tcr = Tc . Entonces Tc será simplemente la constante de tiempo
12.4. Control proporcional 555
C(s)P(s)
ud (s) = − d(s), (12.40)
1 +C(s)P(s)
que es
Kp K
(T s+1) Kp K
ud (s) = − K p K d(s) =− d(s), (12.41)
1 + (T s+1) T s + 1 + Kp K
. Kp K
udu = lı́m ud (t) = ud (∞) = lı́m[s ud (s)] = − ∆d = −Kp Kyd ∆d. (12.43)
t→∞ s→0 1 + Kp K
p(s) = T s + 1 + Kp K, (12.44)
el cual es de primer orden, con todos sus coeficientes positivos mayores que cero,
para cualquier valor de Kp > 0. Por lo tanto, de conformidad con el criterio de esta-
bilidad de Liénard-Chipart descrito en la sección 10.3.2 del Capítulo 10, el sistema
de control es estable para todo valor de Kp .
C(s)
un (s) = − n(s). (12.45)
1 +C(s)P(s)
Para el caso del proceso controlado de primer orden con un controlador propor-
cional, (12.45), es
Kp
1+KK p (T s + 1) Kyn (T s + 1)
un (s) = − n(s) = − n(s). (12.46)
T
s+1 Tc s + 1
1+KK p
Para que el ruido de medida sea atenuado en alguna proporción, se debe cumplir
que
Kp
Kyn = < 1. (12.47)
1 + KKp
La ganancia Kyn < 1 para toda ganancia K ≥ 1. Por lo tanto, solo debe analizarse
el caso K < 1 para el cual, la ganancia del controlador debe ser
1
Kp < , 0 < K < 1. (12.48)
1−K
En los casos en que la amplitud del ruido de medida sea significativa, debe con-
siderarse la necesidad de filtrar la señal realimentada para disminuirlo, teniendo en
cuanta que este filtro, agrega un retraso en la respuesta del lazo de control.
yr (s) Kp K
Myr (s) = = 2
, (12.50)
r(s) T1 T2 s + (T1 + T2 )s + 1 + Kp K
Kp K
Kyr = < 1, (12.53)
1 + Kp K
1. La ganancia de lazo cerrado Kyr aumenta, por lo que el error permanente e pr0
disminuye.
cuyos valores extremos u(0+ ) y u(∞), son los mismos que se determinaron para el
caso del proceso controlado de primer orden con el controlador P, como se mues-
tra en la figura 12.12, por lo que existen las mismas restricciones a la ganancia del
controlador para evitar el salto proporcional inicial, cuando se produce un cambio
escalón en el valor deseado.
la cual es de segundo orden, con todos sus coeficientes positivos mayores que ce-
ro, para cualquier valor de Kp > 0. Por lo tanto, de conformidad con el criterio de
estabilidad de Liénard-Chipart, el sistema de control es estable para todo valor de
Kp .
1 Kp K
p(s) = s2 + s+ = s2 + 2ζc ωnc s + ωnc
2
. (12.65)
T T
12.5. Efecto de la adición de un polo o un cero 563
El sistema tiene una ganancia de lazo cerrado unitaria, por lo que el error per-
manente a un cambio escalón en el valor deseado será cero (el sistema de control es
Tipo 1 gracias al polo en el origen aportado por el proceso integrante); el polinomio
característico es de segundo orden y todos sus coeficientes son positivos para cual-
quier valor positivo de la ganancia del controlador, por lo que el sistema será siempre
estable.
La constante de amortiguamiento de lazo cerrado es constante y dada por
1
ζc ωnc = , (12.66)
2T
por lo que la parte real de los polos complejos de lazo cerrado es constante.
La frecuencia natural y la razón de amortiguamiento, son
r
Kp K
ωnc = , (12.67)
T
1
ζc = p . (12.68)
4T Kp K
Al aumentar la ganancia del controlador, disminuye la razón de amortiguamiento
(aumenta el sobrepaso máximo) y aumenta la frecuencia natural (disminuye el perio-
do de oscilación). El sistema es cada vez más oscilatorio, pero su tiempo de respuesta
no cambia y nunca se vuelve inestable, como se puede ver en los gráficos de la figura
12.14.
Adición de un polo
Si se agrega un polo en el lazo directo en s = −1/Tp , la función de transferencia de
lazo cerrado del servo control, será
yr (s) Kp K
= , (12.69)
r(s) s(T s + 1)(Tp s + 1) + Kp K
Para que el sistema sea estable para cualquier ganancia del controlador Kp > 0,
de conformidad con el criterio de estabilidad de Liénard-Chipart, se debe cumplir la
desigualdad
1 T + Tp Kp K
− > 0, (12.71)
T Tp T Tp T Tp
564 12 Análisis del control proporcional, integral y derivativo
de donde se obtiene que la ganancia del controlador, debe cumplir con ser
T + Tp
0 < Kp < , (12.72)
KT Tp
para mantener estable al sistema.
La ganancia crítica (ganancia que hace oscilatorio al sistema de control), es en-
tonces
T + Tp 1 1 1
Kpu = = + . (12.73)
KT Tp K T Tp
De la ecuación característica del sistema de control, se puede encontrar que en el
límite de la estabilidad (Kp = Kpu ), la frecuencia crítica es
s
1
ωu = , (12.74)
T Tp
Si la constante de tiempo Tp del polo adicionado aumenta (el polo se mueve hacia
la derecha), el valor de la ganancia crítica Kpu disminuye y aumenta el periodo crítico
Tu . Al aumentar la influencia del polo se reduce el ámbito de Kp que mantiene estable
el sistema, tal como se muestra en el cuadro 12.1 y en la figura 12.15.
12.5. Efecto de la adición de un polo o un cero 565
Como existe un límite superior al valor de la ganancia del controlador que man-
tiene estable el sistema, esto implica que al aumentar esta, los polos de lazo cerrado
se mueven hacia la derecha, haciendo que la respuesta del sistema sea cada vez más
lenta.
En forma resumida, la adición del polo ha ocasionado que el sistema de control
sea más lento y que pudiera volverse inestable, si se aumenta mucho la ganancia del
controlador. El efecto del polo es desestabilizador.
Adición de un cero
yr (s) Kp K(Tz s + 1)
= , (12.76)
r(s) s(T s + 1) + Kp K(Tz s + 1)
566 12 Análisis del control proporcional, integral y derivativo
1 + Kp KTz Kp K
p(s) = s2 + s+ . (12.77)
T T
El sistema será estable para todo valor positivo de la ganancia Kp del controlador.
Además, la constante de amortiguamiento (que es igual a la parte real de los polos
de lazo cerrado), es
1 1 + Kp KTz
ζc ωnc = . (12.78)
2 T
Entonces, a medida que la constante de tiempo del cero Tz aumenta (el cero se
mueve hacia la derecha) para un valor fijo de Kp , la constante de amortiguamiento
aumenta, indicando que los polos de lazo cerrado se mueven hacia la izquierda, ha-
ciendo que la respuesta sea más rápida. Al alejarse los polos de lazo cerrado del eje
jω aumenta la estabilidad relativa del sistema de control.
La adición del cero ha ocasionado que el sistema sea más rápido y tenga una
mayor estabilidad relativa. El efecto del cero es estabilizador.
Sin embargo, en este caso, debe ponerse un límite al corrimiento hacia la derecha
del cero adicionado. Mientras se mantenga Tz < T , el cero estará a la izquierda del
polo del proceso controlado, los polos de lazo cerrado se mueven hacia la izquierda
cuando aumenta Kp y pueden colocarse de manera de obtener respuestas sobre, sub
o críticamente amortiguadas. Si se hace Tz = T , el cero adicionado cancela el polo
del proceso y el sistema se convierte en uno de primer orden cuya velocidad se puede
aumentar arbitrariamente incrementando la ganancia Kp . Pero si se llega a hacer Tz >
T el cero adicionado se traslada a la derecha del polo real del proceso, haciendo
que el sistema de control tenga un polo muy lento cuya velocidad casi no se puede
incrementar aumentado Kp , como se muestra en la figura 12.16.
C(s) = Kp . (12.80)
0.5
< L(jω)
0.0
2.0 1.5 1.0 0.5 0.0 0.5
0.5
1.0
r(t)
control
60
55
50
0 5 10 15 20
Tiempo, t [s]
12.7. Control proporcional e integral 569
que este representa en el modelo, hace que la robustez medida con la sensibilidad
máxima MS o el margen de estabilidad Sm disminuya, que el margen de ganancia Am
disminuya, con lo que disminuye la ganancia crítica del sistema de control, el siste-
ma es menos estable, y que la frecuencia de cruce de fase ω−π (frecuencia crítica)
disminuya, con lo que el sistema de control se torna más lento.
del cual por inspección, se puede deducir que el sistema es estable para cualquier
valor de los parámetros del controlador (Kp > 0, Ti > 0).
En este caso, la constante de amortiguamiento de los polos de lazo cerrado, es
1 1 + Kp K
ζc ωnc = , (12.85)
2 T
1
P(s) = ,
s+1
con el controlador PI
1
C(s) = Kp 1 + .
Ti s
12.7. Control proporcional e integral 571
Figura 12.20: Ejemplo 12.2 - Servo control PI, efecto de la variación de la Kp , proceso
controlado de primer orden
Por su parte, la figura 12.21 muestra el efecto de la posición relativa del cero
del controlador (que depende de Ti ), sobre la respuesta del servo control (Kp = 2 y
Ti ∈ {0,25 s, 0,5 s, 1 s, 2 s}).
Como se ha anotado antes, valores de Ti > T hacen que la respuesta sea lenta.
El valor Ti = T hace que el servo control sea de primer orden, con una respuesta
cuya velocidad se puede ajustar variando Kp (sin olvidar tomar en consideración la
limitación en el salto proporcional a la salida del controlador).
572 12 Análisis del control proporcional, integral y derivativo
Figura 12.21: Ejemplo 12.2 - Servo control PI, efecto de la variación del Ti , proceso
controlado de primer orden
cuya ganancia estacionara es cero, se tendrá error permanente cero a un cambio es-
calón.
Figura 12.22: Ejemplo 12.3 - Control regulador PI, efecto de la variación del Kp ,
proceso controlado de primer orden
Figura 12.23: Ejemplo 12.3 - Control regulador PI, efecto de la variación del Ti ,
proceso controlado de primer orden
574 12 Análisis del control proporcional, integral y derivativo
cuyos coeficientes son todos positivos para Kp > 0 y Ti > 0. Por lo tanto, el sistema
de control es siempre estable.
donde:
Se puede observar que la ganancia de lazo cerrado es en este caso, la misma que
la obtenida con el controlador P, por lo que el error permanente para un valor dado
de la ganancia del controlador Kp , será el mismo independientemente del valor de
tiempo derivativo Td (el modo derivativo no contribuye en nada a la disminución del
error permanente).
578 12 Análisis del control proporcional, integral y derivativo
por lo que la respuesta del sistema de control, para valores constantes de la ganancia
Kp , se hace más lenta a medida que aumenta el tiempo derivativo Td .
En este caso, el control proporcional derivativo no ofrece ninguna ventaja sobre el
control puramente proporcional, más bien limita la velocidad de respuesta del sistema
de control.
Al igual que en el caso del servo control, en este caso el modo derivativo hace
más lenta la respuesta del control regulador, no siendo de ningún beneficio.
y la frecuencia natural
r
1 + Kp K
ωnc = , (12.104)
T1 T2
con las que se obtiene que la constante de amortiguamiento, es
!
1 T1 + T2 + Kp KTd
ζc = p . (12.105)
2 T1 T2 (1 + Kp K)
se muestra en la figura 12.28. La aplicación del modo derivativo solo a la señal re-
alimentada, hace que la respuesta del sistema de control ante el cambio en el valor
deseado, sea ligeramente más lenta.
2Kp (s + 1/Ti )
LPI (s) = , (12.113)
s(s + 0,5)(s + 1)
12.9. Contornos de las raíces del control PID 583
y su polinomio característico
2Kp (Td s + 1)
LPD (s) = , (12.119)
(s + 0,5)(s + 1)
y el polinomio característico
2Kp (Td s + 1)
1+ = 0, (12.121)
(s + 0,5)(s + 1)
2Kp Td s
1+ = 0. (12.122)
(s + 0,5)(s + 1) + 2Kp
Si Td = 0 y Ti → ∞, (12.124) se reduce a
2Kp
1+ = 0, (12.125)
(s + 0,5)(s + 1)
correspondiente al control P de la sección 12.9.1, cuyo lugar de las raíces para Kp
variando, se muestra en la figura 12.30.
En en caso en que Td = 0, (12.124) se reduce entonces a
2Kp (s + 1/Ti )
1+ = 0, (12.126)
s(s + 0,5)(s + 1)
que se puede escribir, como
2Kp /Ti
1+ = 0, (12.127)
s[(s + 0,5)(s + 1) + 2Kp ]
correspondiente al control PI de la sección 12.9.2, cuyos contornos de las raíces, para
varios valores de Kp fijos y Ti variando, se muestra en la figura 12.31.
La ecuación característica del control PID (12.124) se puede reordenar, como
2Kp Td s2
1+ = 0. (12.128)
s(s + 0,5)(s + 1) + 2Kp (s + 1/Ti )
de donde se ve que la función de transferencia de lazo abierto, en este caso, es
2Kp Td s2
LPID (s) = , (12.129)
s(s + 0,5)(s + 1) + 2Kp (s + 1/Ti )
cuyo denominador, es el polinomio característico del sistema de control PI.
Entonces, los contornos de las raíces para el tiempo derivativo Td variando, em-
pezarán en polos que se encuentran en los contornos de las raíces para un valor de
ganancia Kp fijo y tiempo integral Ti variando, mostrados en la figura 12.31.
Los contornos de las raíces para el control PID, cuando el tiempo derivativo Td
varía, se muestran en la figura 12.33, para un valor de la ganancia proporcional Kp
del controlador fija y varios valores del tiempo integral Ti también fijos.
El modo integral se adicionó para garantizar tener error permanente cero, tanto a
un cambio escalón en el valor deseado como en la perturbación, y el modo derivativo
se incorporó para mejorar la estabilidad del sistema de control.
Como se aprecia en la figura 12.33, para una ganancia Kp y un tiempo integral Ti
fijos, existe un valor máximo del tiempo derivativo Td con el cual se puede mejorar
la velocidad del sistema de control −se logra el máximo corrimiento de los polos de
lazo cerrado hacia la izquierda−. Valores superiores a este, más bien perjudicarán
el comportamiento del sistema de control −los polos de lazo cerrado dominantes se
empezarán a mover entonces hacia la derecha−.
12.10. Polos y ceros 587
Np (s)
P(s) = , (12.130)
D p (s)
Nc (s)
C(s) = , (12.131)
Dc (s)
los ceros de los polinomios de los numeradores Np (s) y Nc (s), son los ceros del pro-
ceso controlado y el controlador respectivamente, y los ceros de los polinomios de los
denominadores D p (s) y Dc (s), son los polos del proceso controlado y el controlador.
Sean n p y m p (n p ≥ m p ) el número de polos y ceros del proceso controlado y nc
y mc (nc ≥ mc ) el número de polos y ceros del controlador.
La función de transferencia de lazo abierto, es
Np (s)Nc (s)
L(s) = C(s)P(s) = . (12.132)
D p (s)Dc (s)
588 12 Análisis del control proporcional, integral y derivativo
Los ceros de lazo abierto son m p + mc y corresponden a los ceros del proceso
controlado y del controlador, y los polos de lazo abierto son n p + nc y son los polos
del proceso controlado y del controlador.
Se puede encontrar que los polos y ceros de la función de transferencia del servo
control, son
Los ceros de lazo cerrado del servo control, son los ceros de lazo abierto (los
ceros del controlador y los del proceso controlado) y los polos de lazo cerrado, son
los ceros del polinomio característico
que dependen de los polos y ceros de lazo abierto. El orden del polinomio (número
de polos de lazo cerrado) es igual a n p + nc . Esto es, igual al número de polos de lazo
abierto.
Por su parte, los polos y ceros de la función de transferencia del control regulador,
son
P(s) Dc (s)Np (s)
Myd (s) = = . (12.135)
1 +C(s)P(s) Dc (s)D p (s) + Nc (s)Np (s)
Los ceros de lazo cerrado del control regulador, son los polos del controlador
y los ceros del proceso controlado y los polos de lazo cerrado, son los ceros del
polinomio característico.
La estabilidad del lazo de control depende de los polos de sus funciones de trans-
ferencia de lazo cerrado, por lo que esta no depende de la entrada considerada. Ade-
más, los modos de la respuesta del servo control y del control regulador, dependen
de estos polos (los cuales son los mismos en ambos casos), pero la forma en que
estos se combinan depende de los ceros. Por eso, la respuesta a un cambio en el valor
deseado, será diferente de la obtenida en respuesta a un cambio en la perturbación de
carga.
y C(s) = Kc Nc (s)/(Ti s), se puede hacer Nc (s) = D p (s) y utilizar un controlador con
un algoritmo de control PI con el proceso controlado de primer orden y un controla-
dor con un algoritmo de control PID Serie ideal con el de segundo, para cancelar en
ambos casos, todos los polos del modelo del proceso controlado.
Haciendo esto, las funciones de transferencia de lazo cerrado del servo control y
el control regulador, se reducen a
Kp KNc (s) Kp K 1
Myr (s) = = = , (12.136)
D p (s)(Ti s + Kp K) Ti s + Kp K Ti
s+1
Kp K
y
Ti
KTi s Kps
Myd (s) = = h i, (12.137)
D p (s)(Ti s + Kp Kp ) D (s) Ti
s + 1
p Kp K
respectivamente.
Las funciones de transferencia del servo control (12.136) y del control regulador
(12.137), tienen ambas el mismo denominador, el polinomio característico de lazo
cerrado
p(s) = D p (s)(Ti s + Kp K). (12.138)
Sin embargo, los polos cancelados de la función de transferencia del modelo del
proceso controlado D p (s), no aparecen en el denominador de la realización mínima
de la función de transferencia del servo control (12.136) −cuando se ha efectuado
la cancelación de los polos con los ceros en el mismo lugar−, por lo que se tiene
un sistema de lazo cerrado que se comporta como si fuera de primer orden y cuya
velocidad de respuesta se puede aumentar, incrementando la ganancia proporcional
Kp del controlador.
Por otro lado, en el caso del control regulador, los polos cancelados del proceso
controlado, si aparecen en el denominador de la función de transferencia de lazo
cerrado (12.137) y por los tanto, afectan la respuesta a un cambio en la perturbación.
Este efecto será mayor si los polos cancelados del proceso son lentos, más lentos que
el polo de lazo cerrado.
Entonces, aunque la respuesta del servo control sea rápida, la del control regula-
dor estará dominada por los polos lentos del proceso controlado y no podrá hacerse
más rápida aumentando la ganancia del controlador.
La ganancia estacionaria de lazo cerrado Kyr = Myr (0) = 1, por lo que el error
permanente a una cambio escalón en el valor deseado es cero.
Por su parte, la función de transferencia del control regulador, es
KTi s
Myd (s) = . (12.142)
Ti s (T s + 1) + Kp K (Ti s + 1)
La ganancia estacionaria de lazo cerrado Kyd = Myd (0) = 0, por lo que el error
permanente a un cambio escalón en la perturbación también es cero.
El polo en el origen aportado por el controlador, asegura tener error permanente
cero a cambios escalón, tanto en el valor deseado, como en la perturbación de carga.
Kp K
Myr (s) = . (12.145)
s(T s + 1) + Kp K
La ganancia estacionaria de lazo cerrado Kyr = Myr (0) = 1, por lo que el error
permanente a una cambio escalón en el valor deseado es cero.
Por su parte la función de transferencia del control regulador es
K
Myd (s) = . (12.146)
s(T s + 1) + Kp K
La ganancia estacionaria de lazo cerrado Kyd = Myd (0) 6= 0, por lo que el error
permanente a un cambio escalón en la perturbación, será distinto de cero.
El polo en el origen aportado por el proceso controlado, contribuye a eliminar
solamente el error permanente a un cambio en el valor deseado.
Para asegurar error permanente cero a cambios escalón, tanto en el valor deseado
como en la perturbación, el polo en el origen debe ser aportado por el controlador.
Si nos restringimos a controladores con algoritmos de control de la familia PID,
entonces se requiere utilizar un controlador con un algoritmo de control PI o uno
PID para lograrlo.
donde C(s) y P(s) son las funciones de transferencia del controlador y el proceso
controlado, respectivamente.
En el dominio de la frecuencia (s = jω), esta es
Ko e−Lo s
Po (s) = , (12.151)
To s + 1
Ko e−jωLo
Po (jω) = , (12.152)
jωTo + 1
Ko
|Po (jω)| = p , (12.153)
(ωTo )2 + 1
∠Po (jω) = −ωLo − tan−1 (ωTo ), (12.154)
Ko
|Lo (jω)| = p |C(jω)|, (12.155)
(ωTo )2 + 1
∠Lo (jω) = −ωLo − tan−1 (ωTo ) + ∠C(jω). (12.156)
Variación de la ganancia
Si la ganancia del proceso controlado aumenta (K 0 > Ko ), entonces
K0
|L0 (jω)| = |Lo (jω)| > |Lo (jω)|, (12.157)
Ko
∠L0 (jω) = ∠Lo (jω). (12.158)
Sm = 0,27, tal como lo muestran los nuevos índices de estabilidad, listados también
en el cuadro 12.3.
Además, la frecuencia de cruce de fase ω−180 no cambia, pero la de cruce de
magnitud ω1 aumenta.
Nótese que si K 0 = 1,5Ko , entonces A0m = Aom /1,5 (A0m /Aom = 0,667).
El diagrama de Bode y la gráfica polar de este sistema de control, son los mos-
trados en las figuras 12.34 y 12.35 respectivamente.
• Si T 0 < To
Por lo tanto, debe analizarse el efecto combinado que estos cambios tienen, sobre
la estabilidad del sistema de control.
Como se aprecia del diagrama de Bode, en la figura 12.38, y la gráfica polar, en
la figura 12.39, de la función de transferencia de lazo abierto, en este caso, si T crece
el sistema de control es más estable, pero si T decrece el sistema de control es menos
estable, disminuyen el margen de ganancia Am , el margen de fase φm y el margen de
estabilidad Sm .
El resultado anterior, pudiera parecer inesperado. Sin embargo, si se considera
que para el modelo de primer orden más tiempo muerto, se tiene que el tiempo muer-
to normalizado es τL = L/T entonces, una disminución en la constante de tiempo
dominante, equivale a un incremento en el tiempo muerto relativo (normalizado).
Una disminución de la constante de tiempo dominante, hace que el efecto de los
demás retrasos en el lazo de control, cobren más relevancia.
598 12 Análisis del control proporcional, integral y derivativo
Figura 12.39: Gráfica polar - Cambio de la constante de tiempo del proceso contro-
lado
lento, T 0 > To , el sistema de control es más estable y que si el proceso se torna más
bien más rápido, T 0 < To , el sistema de control es menos estable.
Un cambio de hasta un ±50 % en la constante de tiempo T del modelo (con los
demás parámetros constantes), ocasiona que el margen de estabilidad del sistema
de control varíe entre Sm = 0,63 y Sm = 0,20 (correspondiente este último a una
robustez muy baja).
Además, la diferencia entre la frecuencia de cruce de fase y la frecuencia de
cruce de magnitud ∆ω = ω−180 − ω1 , aumenta si T crece (∆ω + ) y disminuye si T
decrece (∆ω − ). Por lo tanto, entre más disminuya la constante de tiempo del proceso
controlado (suponiendo que su tiempo muerto aparente no cambia), más se acerca
el sistema de control al límite de su estabilidad.
El diagrama de Bode y la gráfica polar de este sistema de control, son los mos-
trados en las figuras 12.38 y 12.39 respectivamente.
Como se aprecia en la figura 12.39, para el caso en que T = 0,5To , la gráfica
polar de la función de transferencia de lazo abierto L(jω), pasa “muy cerca” del
punto crítico −1.
so controlado (Ko + 25 %,
Sm = 0.5
To − 25 %, Lo + 25 %) 0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
Se analizará ahora, como afecta la robustez del sistema de control, un cambio en los
parámetros del controlador.
Se supondrá que el proceso controlado es sobreamortiguado, estable y de tercer
orden, de un orden mayor, o con tiempo muerto. Este se controlará con un controlador
P, un controlador PI y un controlador PD.
Las funciones de transferencia en frecuencia de los controladores, son
CP (jω) = Kp , (12.168)
1
CPI (jω) = Kp 1 + , (12.169)
jωTi
jωTd
CPD (jω) = Kp 1 + . (12.170)
jωαTd + 1
12.12. Efecto de la variación del proceso o del controlador 601
Si el tiempo derivativo aumenta (Td2 > Td1 ), más acción derivativa, se tiene que
(un corrimiento excesivo del cero del controlador hacia la derecha), sea más bien
perjudicial, tal como se mostró en la sección 12.9.
En el caso del ejemplo, las constantes de tiempo del modelo del proceso contro-
lado son T1 = 10 s y T2 = 5 s.
Si Td < 5 s, el cero del controlador PD, se encuentra a la izquierda del polo más
rápido del proceso, por lo que su corrimiento del cero hacia la derecha (aumen-
tado Td ) contribuye a mejorar el comportamiento dinámico del sistema de control,
incluyendo su margen de estabilidad.
Sin embargo, al acercar el cero del controlador al polo rápido del proceso, o
pasarlo la derecha de este, más bien deteriora el margen de estabilidad del sistema
de control. Este deterioro es mucho mayor, si el cero del controlador se coloca a la
derecha del polo lento del proceso (Td > 10 s), tal como se muestra en el cuadro
606 12 Análisis del control proporcional, integral y derivativo
12.9.
En el caso del ejemplo, un incremento del tiempo derivativo Td de 0,5 s a 2,0 s
incrementa el margen de estabilidad Sm del lazo de control, este pasa de 0,69 a 0,76.
Sin embargo, incrementos mayores de la acción derivativa del controlador, más bien
deterioran la robustez del lazo de control, llegando esta a ser significativamente
menor. Si el tiempo derivativo Td = 15,0 s, el margen de estabilidad se reduce a
Sm = 0,21.
12.13 Resumen
Se ha analizado el comportamiento de los sistemas de control de los procesos con-
trolados simples, de primer y segundo orden, con controladores con un algoritmo de
control proporcional, proporcional e integral y proporcional y derivativo, observando
el efecto que tienen sobre el error permanente y el comportamiento dinámico del lazo
de control, el polo y los ceros adicionados por el controlador.
Con un controlador P, es necesario incrementar la ganancia para diminuir el error
permanente, pero esto puede tener un efecto perjudicial sobre el comportamiento
dinámico y la estabilidad relativa del sistema de control.
El modo integral del controlador PI, garantiza el tener error permanente cero
tanto a un cambio escalón en el valor deseado como en la perturbación de carga. Sin
embargo, puede reducir la estabilidad relativa del lazo de control.
Para un proceso controlado de primer orden, el modo derivativo del controlador
PD resulta en una reducción de la velocidad de respuesta, mientras que con un pro-
ceso de segundo orden, ayuda a hacer la respuesta más rápida y contribuye a que se
pueda disminuir el error permanente aumentando la ganancia del controlador.
El cambio en la dinámica del proceso controlado, puede tener un efecto adverso
sobre la estabilidad relativa del sistema de control. Por lo tanto, es indispensable
analizar esta, en todos los posibles puntos de operación del sistema de control.
Considerando un proceso controlado cuyo modelo es de primer orden más tiempo
muerto, la estabilidad relativa del sistema de control se reduce, si opera en un punto
en el cual la ganancia o el tiempo muerto aparente del modelo que lo representaría
12.14. Bibliografía 607
en ese nuevo punto aumentan, o si la constante de tiempo del mismo disminuye, con
respecto a los parámetros del modelo nominal.
Para un proceso controlado estable de tercer orden o mayor, o con tiempo muerto,
con parámetros fijos, un incremento en la ganancia del controlador P −más acción
proporcional−, reduce los márgenes de estabilidad del lazo de control. Para un con-
trolador PI, si el tiempo integral disminuye −más acción integral−, también los már-
genes de estabilidad del lazo de control disminuyen. Si el controlador es un PD, un
incremento del tiempo derivativo −más acción derivativa−, por lo general aumen-
ta la estabilidad relativa del sistema de control, sin embargo, un exceso de acción
derivativa puede más bien disminuir la estabilidad del lazo de control.
12.14 Bibliografía
Åström, K. J. y Hägglund, T. (1995). PID Controllers: Theory, Design and Tuning.
Instrument Society of America, Research Triangle Park, NC, USA.
Wade, H. L. (2004). Basic and Advanced Regulatory Control: System Design and Ap-
plication. ISA - The Instrumentation, Systems, and Automation Society, Research
Triangle Park, NC 27709, USA., 2nd. edición.
609
13
13.1 Introducción
13.2 Deducción matemática del servo control
13.2.1 Procesos sin tiempo muerto
13.2.2 Procesos con tiempo muerto
13.3 Deducción matemática del control regulador
13.4 Deducción matemática de los PID de dos grados de libertad
13.4.1 Características de comportamiento y robustez
13.4.2 Procedimiento de ajuste analítico robusto ART2
13.4.3 Aplicación del ART2 a procesos sin tiempo muerto
13.4.4 Aplicación del ART2 a procesos con tiempo muerto
13.5 Resumen
13.6 Bibliografía
611
612 13 Ajuste analítico de los algoritmo de control PID
13.1 Introducción
Se estudiarán aquí los procedimientos de ajuste de los algoritmos de control deriva-
dos en forma analítica, dejando para después, la presentación de las reglas de ajuste.
La síntesis analítica del controlador, consistirá entonces en la deducción mate-
mática de las expresiones necesarias, para el cálculo de los parámetros del algoritmo
de control del controlador.
13.2. Deducción matemática del servo control 613
t t
Myr (s) + Myr (s)C(s)P(s) = C(s)P(s), (13.3)
t t
Myr (s) = C(s)P(s) 1 − Myr (s) , (13.4)
de donde se obtiene, que el controlador requerido está dado, por
" #
M t (s)
yr
C(s) = P−1 (s) t (s)
. (13.5)
1 − Myr
• K - ganancia,
• T - constante de tiempo,
y que se desea determinar cuál debe ser el tipo de controlador y sus parámetros,
requerido para lograr que la función de transferencia de lazo cerrado tenga una ex-
presión determinada, según los siguientes casos:
t Kyr
Myr (s) = , (13.7)
Tc s + 1
donde
de donde
Tc = (1 − Kyr )T, (13.10)
y además, que
Kyr
Kp = , (13.11)
K(1 − Kyr )
o
Kyr
Kp K = . (13.12)
1 − Kyr
Kp K
Kyr = . (13.15)
1 + Kp K
donde
Tc
τc = , (13.17)
T
será ahora, el parámetro adimensional de diseño.
Valores de τc > 1, significarían que la respuesta deseada del sistema de control
de lazo cerrado, es más lenta que la del proceso sin control, mientras que valo-
res de τc < 1, que se desea una respuesta del servo control más rápida, que la
del proceso sin control.
Entonces
1 1 − τc
Kp K = −1 = . (13.18)
τc τc
13.2. Deducción matemática del servo control 617
Para tener valores positivos de Kp se tiene que 0 < τc < 1, por lo que solo se
pueden especificar respuestas de lazo cerrado, más rápidas que la del proceso
sin control.
La función de transferencia de lazo cerrado resultante, es
Kp K 1
Myr (s) = , (13.19)
1 + Kp K τc T s + 1
o
1 − τc
Myr (s) = , 0 < τc < 1. (13.20)
τc T s + 1
t 1 1
Myr (s) = = , (13.21)
Tc s + 1 τc T s + 1
. 1
κ p = Kp K = , (13.23)
τc
T
. i
τi = = 1. (13.24)
T
El cero del controlador, ha sido colocado sobre el polo del modelo del proceso
controlado, cancelándolo.
En general, si dado el modelo P(s) del proceso controlado, se desea que la
función de transferencia de lazo cerrado del servo control, sea
t 1
Myr (s) = , (13.25)
Tc s + 1
618 13 Ajuste analítico de los algoritmo de control PID
2ζc ωnc T − 1
Kp = , (13.28)
K
2ζc ωnc T − 1
Ti = 2T
, (13.29)
ωnc
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
Se desea determinar los parámetros del controlador PI, requeridos para que la
respuesta del servo control sea de primer orden. Los valores del parámetro de diseño
son τc ∈ {2, 1, 0,5}.
Utilizando (13.23) y (13.24), se obtienen los parámetros del controlador lista-
dos en el cuadro 13.1. La respuesta del servo control con estos tres conjuntos de
parámetros, se muestra en la figura 13.2.
Al disminuirse el parámetro de diseño τc , aumenta la ganancia Kp del controla-
dor, el tiempo integral Ti no cambia, la respuesta del sistema de control se hace más
rápida, al mismo tiempo que aumenta el salto proporcional en la señal de salida del
controlador, cuando se hace un cambio escalón en el valor deseado.
Por lo tanto, la velocidad del servo control estará limitada por el valor máximo
permitido para el salto en la salida del controlador, que se produce cuando se cambia
13.2. Deducción matemática del servo control 621
y que
1+a
ωnc = , (13.40)
2aζc T
1+a
ζc < √ . (13.41)
2 a
1+a
ζc ωnc = , (13.42)
2aT
o sea, que solo depende de los parámetros del proceso y no se puede cambiar.
Por lo tanto, se puede especificar la razón de amortiguamiento de lazo cerrado
ζc , o la frecuencia de oscilación natural de lazo cerrado ωnc , pero no ambos,
ya que la constante de amortiguamiento está fija.
Esto significa que si se especifica ζc < 1 (respuesta subamortiguada), los polos
de lazo cerrado se mueven sobre el lugar de constante de amortiguamiento
constante.
622 13 Ajuste analítico de los algoritmo de control PID
. 1+a
κ p = Kp K = , (13.54)
τc
. Ti
τi = = 1 + a, (13.55)
T
. Td a
τd = = , (13.56)
T 1+a
α = 0,1(1 + a). (13.57)
Nótese que la cancelación de los dos polos del proceso controlado, con los
ceros del controlador PID, solo es “perfecta” en el caso de los algoritmo de
control PID ideales, con α 0 = α = 0.
t 1
Myr (s) = , (13.58)
(τc T s + 1)(0,1τc T s + 1)
Nótese que ahora el parámetro de diseño τc , afecta a todos los parámetros del
algoritmo de control y debe seleccionarse de manera que estos sean positivos.
624 13 Ajuste analítico de los algoritmo de control PID
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
u1 (t)
90 u2 (t)
Variables [%]
u3 (t)
80
70
60
50
0 50 100 150 200 Tiempo, t [s] 250
Las respuestas del sistema de control para los casos τc ∈ {2, 1, 0,5} con γ = 0,
se muestran en la figura 13.5. Estas son ahora ligeramente más lentas que en el caso
anterior (ejemplo 13.2), pero con un salto inicial a la salida del controlador menor.
Ke−Ls
P(s) = , (13.63)
Ts+1
626 13 Ajuste analítico de los algoritmo de control PID
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
u1 (t)
75
u2 (t)
Variables [%]
u3 (t)
70
65
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
o
Ke−Ls
P(s) = . (13.64)
(T1 s + 1)(T2 s + 1)
Si el modelo tiene un tiempo muerto, este aparecerá en la función de transferencia
de lazo cerrado -no se puede eliminar-, de manera que las funciones de transferen-
cia deseadas para el servo control, deben contener el mismo tiempo muerto en el
numerador.
La inclusión del tiempo muerto, en el modelo del proceso controlado, originará
que este aparezca en el denominador de la función de transferencia de lazo cerrado
(polinomio característico), requiriéndose utilizar alguna aproximación racional del
mismo, para poder encontrar sus raíces.
t e−Ls e−Ls
Myr (s) = = , (13.65)
Tc s + 1 τc T s + 1
13.2. Deducción matemática del servo control 627
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
75 u1 (t)
u2 (t)
Variables [%]
70 u3 (t)
65
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
Cuadro 13.4: Límite al Sobre paso máximo Mpn % Velocidad relativa τc >
parámetro de diseño τc
1 1,30 τL
5 0,92 τL
T
Kp = , (13.69)
K(τc T + L)
Ti = T. (13.70)
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
Se desea determinar los parámetros del controlador PI, requeridos para que la res-
puesta del servo control sea de primer orden. Los valores del parámetro de diseño
son τc = {1, 5, 0, 75, 0, 25}.
Utilizando (13.71) y (13.72), se obtienen los parámetros del controlador listados
en el cuadro 13.5. La respuesta del servo control con estos tres conjuntos de pará-
metros, se muestra en la figura 13.6. Debido a la aproximación del tiempo muerto
utilizada, al especificar respuestas rápidas, esta empieza a mostrar un sobrepaso.
Además, se determinó la robustez del lazo de control resultante Sm r , incluida en
el cuadro 13.5. La gráfica polar de los tres sistemas se muestra en la figura 13.7.
Como se aprecia, a medida que se especifican respuestas más rápidas (τc menor),
r disminuye).
el sistema de control pierde robustez (el margen de estabilidad Sm
630 13 Ajuste analítico de los algoritmo de control PID
Sm = 0.8
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
Ke−Ls T2 L
P(s) = , T = T1 , a = (T2 ≤ T1 ), τL = , (13.74)
(T s + 1)(aT s + 1) T1 T
(T s + 1)(aT s + 1) 1
C(s) = , (13.76)
K (τc T + L)s
o
T 1
C(s) = 1+ (aT s + 1), (13.77)
(τc T + L)K Ts
13.2. Deducción matemática del servo control 631
T
Kp0 = , (13.78)
(τc T + L)K
Ti0 = T, (13.79)
Td0 = aT. (13.80)
. 1
κ p0 = Kp0 K = , (13.81)
τc + τo
. T0
τi0 = i = 1, (13.82)
T
0
0 . Td
τd = = a. (13.83)
T
. 1+a
κ p = Kp K = , (13.84)
τc + τL
. Ti
τi = = 1 + a, (13.85)
T
. Td a
τd = = . (13.86)
T 1+a
t e−Ls
Myr (s) = , (13.87)
(τc T s + 1)(0,1τc T s + 1)
y1 (t)
70 y2 (t)
Variables [%]
y3 (t)
65
60
55
50
u1 (t)
70 u2 (t)
Variables [%]
u3 (t)
65
60
55
50
Sm = 0.8
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
634 13 Ajuste analítico de los algoritmo de control PID
el cuadro 13.6. La gráfica polar de los tres sistemas se muestra en la figura 13.9.
Aunque para el cálculo de los parámetros del algoritmo de control, se utiliza-
ron ecuaciones que lo suponen ideal, para la simulación del lazo de control se ha
empleado un controlador, con un modo derivativo con filtro (α = 0,1).
Si se disminuye el valor del parámetro de diseño τc , la respuesta del sistema de
control se hace más rápida, pero aumenta el salto proporcional en la señal de control
y además, el sistema de control pierde robustez. Por lo tanto, existe un límite al valor
menor del parámetro de diseño. Estos es, al aumento de la velocidad de respuesta
del sistema de control, impuesto por la magnitud del salto proporcional y la robustez
mínima admisible.
donde
1
Cr (θcr , s) = Kp β + + γTd s , (13.94)
Ti s
es la función de transferencia del controlador de valor deseado con parámetros θcr ,
y
1
Cy (θcy , s) = Kp 1 + + Td s , (13.95)
Ti s
es la del controlador de realimentación con parámetros θcy , tal como se muestra en
la figura 13.10.
Entonces, el comportamiento de la variable controlado por el sistema de control,
ante una variación en sus estímulos, está dada por
donde
. Cr (θcr , s)P(θ p , s)
Myr (θc , θ p , s) = , (13.98)
1 +Cy (θcy , s)P(θ p , s)
636 13 Ajuste analítico de los algoritmo de control PID
. P(θ p , s)
Myd (θcy , θ p , s) = , (13.99)
1 +Cy (θcy , s)P(θ p , s)
la función de transferencia de lazo cerrado del control regulador, las cuales están
relacionadas por
t1 Ko s
Myd (s) = , (13.102)
(Tc s + 1)2
para los procesos sin tiempo muerto, y para los procesos con tiempo muerto, a
t2 Ko se−Ls
Myd (s) = , (13.103)
(Tc s + 1)2
en donde, Tc es la constante de tiempo de lazo cerrado, que se empleará como único
parámetro de diseño.
t3 e−Ls
Myr (s) = , (13.106)
Tc s + 1
t4 e−Ls
Myr (s) = , (13.107)
(Tc s + 1)2
para los procesos con tiempo muerto.
638 13 Ajuste analítico de los algoritmo de control PID
Medición de la robustez
Una de las características más importantes de los lazos de control, en adición a com-
portamiento, es su robustez. Esto es, su capacidad de mantener el sistema estable
ante cambios en los parámetros del sistema controlado. Normalmente existe un con-
flicto entre el comportamiento óptimo del lazo de control y su robustez, que debe ser
resulto por el diseñador.
Se ha visto, que la estabilidad relativa o robustez del lazo de control, se puede
medir con diferentes índices como los margenes de ganancia y fase (Am , φm ) o los
índices de robustez en la ganancia y el tiempo muerto (IRKp , IRL ). Además, se puede
utilizar la sensibilidad máxima MS o el margen de estabilidad Sm , como medida de
robustez. Estos dos últimos indicadores tienen la ventaja, que aseguran cotas inferio-
res para el margen de ganancia y el de fase.
Esta ecuación, permitirá deducir los reguladores requeridos para los diferentes
procesos controlados.
Seleccionado el controlador de realimentación Cy (s), queda establecida la fun-
ción de transferencia de lazo cerrado del regulador Myd (s).
13.4. Deducción matemática de los PID de dos grados de libertad 639
Como segundo paso, se puede emplear entonces el parámetro libre del contro-
lador de valor deseado Cr (s), para modificar el comportamiento del servo control
Myr (s).
A partir de (13.98) y (13.99) se obtiene que estas están relacionadas por
t Ks
Myd (s) = , (13.111)
Tc2 s2 + 2Tc s + 1
e igualando término a término (13.110) y (13.111), se obtiene que los parámetros del
controlador PI requerido, son
2T − Tc
Kp = , (13.112)
KTc
Tc (2T − Tc )
Ti = . (13.113)
T
Se puede apreciar en (13.112) y (13.113), que la constante de tiempo del sistema de
lazo cerrado especificada Tc , debe cumplir con la restricción
1.0
20
τi
κc
0.8
15
0.6
10
0.4
0.2
0 0.0
0.0 0.5 1.0 1.5 2.0 0.0 0.5 1.0 1.5 2.0
τc τc
2 − τc
Kp = , (13.116)
Kτc
Ti = τc T (2 − τc ), (13.117)
. 2 − τc
κ p = Kp K = , (13.118)
τc
. Ti
τi = = τc (2 − τc ), (13.119)
T
Kp τc2 T s
Myd (s) = . (13.120)
(τc T s + 1)2
• Factor de peso del valor deseado
Como el compensador de valor deseado Cr (s) será siempre un controlador PI, inde-
pendientemente de si el compensador de realimentación es un PI o un PID, (13.109)
se puede escribir como
Kp (β Ti s + 1)
Myr (s) = Myd (s). (13.121)
Ti s
Sustituyendo en (13.121) la función obtenida del regulador (13.120) y los pará-
metros del controlador (13.112) y (13.113), se obtiene que la función de transferencia
de lazo cerrado del servo control, es
Kp (β Ti s + 1) Kτc2 T s
Myr (s) = . (13.122)
Ti s (τc T s + 1)2
El servo control tiene los dos polos seleccionados para el control regulador y un
cero, cuya posición se puede seleccionar dentro del rango de variación que ofrece el
factor de peso del valor deseado β . Debe tenerse en consideración, que en algunos
controladores de dos grados de libertad comerciales 0 ≤ β ≤ 1.
Una selección adecuada del factor de peso del valor deseado, es
τc T 1
β= = , 0 < τc < 2. (13.123)
Ti 2 − τc
Seleccionado β como en (13.123), se logra que el cero del controlador cancele
uno de los polos de lazo cerrado, resultando la función de transferencia del servo
control, ser
1
Myr (s) = . (13.124)
τc T s + 1
Sin embargo, si β está restringido a ser menor que uno, entonces
1
β= , 0 < τc ≤ 1, (13.125)
2 − τc
β = 1, 1 < τc < 2. (13.126)
Este factor de peso, también tiene influencia sobre el cambio en la señal de salida
del controlador, que se produce en el instante en que se efectúa un cambio de valor
deseado. Si bien no existirá un salto impulsional cuando se cambie el valor deseado
en forma de escalón, debido a que la acción derivativa en el caso de los controladores
PID, se ha seleccionado que se aplique solo a la señal realimentada, sí existirá un
cambio escalón producto de la acción proporcional. Este cambio está dado por la
expresión
∆ur = Kp β ∆er = Kp β ∆r. (13.127)
Si no hay restricciones, sobre el valor que puede tomar el factor de peso del valor
deseado β , entonces
2 − τc 1 1
∆ur = ∆r = ∆r. (13.128)
Kτc 2 − τc Kτc
Por lo tanto, cuando se desean respuestas muy rápidas del regulador, se requieren
valores bajos del parámetros de diseño τc , con el consecuente incremento en el salto
instantáneo en su salida al momento del cambio del valor deseado.
Si se considera que los cambios de valor deseado efectuados por el operador,
suelen limitarse a valores porcentuales relativamente pequeños del valor deseado,
precisamente para evitar cambios bruscos en la salida del controlador, es conveniente
limitar en la medida de lo posible, la magnitud de este cambio escalón en la salida
del controlador.
Se incluirá por lo tanto, como parte del criterio de selección del factor de peso
del valor deseado, que el cambio porcentual escalón en la salida del controlador, no
sobrepase el valor del cambio porcentual en el valor deseado. En este caso el factor
de peso del valor deseado se puede seleccionar, como
1
β≤ . (13.129)
Kp
La variable controlada, en función de las dos entradas al sistema de control, está dada
entonces por la ecuación
β τc T (2 − τc )s + 1 Kτc2 T s
y(s) = r(s) + d(s), 0 < τc < 2. (13.131)
(τc T s + 1)2 (τc T s + 1)2
13.4. Deducción matemática de los PID de dos grados de libertad 643
En los casos en que el factor de peso del valor deseado se seleccione como en
(13.125), la salida del sistema de control se reduce a
1 Kτc2 T s
y(s) = r(s) + d(s). (13.132)
τc T s + 1 (τc T s + 1)2
t Ko s
Myd (s) = , (13.133)
(Tc s + 1)2 (Tcx s + 1)
. 21a − τc2
κc = Kp K = , (13.134)
τc2
. Ti τc (21a − τc2 )
τi = = , (13.135)
T 10a
. Td τc [12a − (1 + a)τc ]
τd = = , (13.136)
T 21a − τc2
1 τc T
β = mı́n , , (13.137)
Kp Ti
√ 12a
0 < τc < mı́n 4,58 a, , (13.138)
1+a
β Ti s + 1 Kτc3 T s
y(s) = r(s) + d(s).
(τc T s + 1)2 (0, 1τc T s + 1) 10a(τc T s + 1)2 (0, 1τc T s + 1)
(13.139)
Si β = τc T /Ti , esta ecuación se reduce a
1 Kτc3 T s
y(s) = r(s) + d(s). (13.140)
(τc T s + 1)(0, 1τc T s + 1) 10a(τc T s + 1)2 (0, 1τc T s + 1)
El valor alto del parámetro de diseño τc , está limitado para garantizar que los pa-
rámetros del controlador sean positivos, y su valor bajo, por la capacidad del sistema
de poder dar seguimiento a las salidas rápidas del controlador.
13.4. Deducción matemática de los PID de dos grados de libertad 645
0.9
70
τi
τd
κc
3.0
0.8
60
2.5
0.7
50
40 0.6
2.0
30 0.5
1.5
20 0.4
1.0
10 0.3
0 0.5 0.2
0.5 1.0 1.5 2.0 0.5 1.0 1.5 2.0 0.5 1.0 1.5 2.0
τc τc τc
De las ecuaciones de ajuste del controlador, se obtiene que el cociente Ti /Td está
dado por la expresión
Ti (21a − τc2 )2
= . (13.141)
Td 10a[12a − (1 + a)τc ]
Para garantizar la existencia de un controlador con un algoritmo de control PID
Serie ideal, dado por la función de transferencia
0 0 1
Td0 s + 1 ,
Cy (s) = Kp 1 + 0 (13.142)
Ti s
equivalente al algoritmo PID Estándar, se debe cumplir que Ti /Td ≥ 4 (caso ideal con
α = 0), lo que en este caso implicaría que
Para lograr que la constante de tiempo de lazo cerrado Tc sea menor que la del proce-
so, se requiere que los ceros del controlador sean complejos conjugados, lo cual solo
se puede lograr con el controlador PID Estándar. Los dos ceros del controlador PID
Serie son siempre reales.
Si se estudia la robustez del sistema de control para valores de 0,2 ≤ a ≤ 1,0 y
0,50 ≤ τc ≤ 2,0, se encuentra que se pierde robustez cuando a crece y τc decrece, y
que en todos los casos MS < 1,36 (a = 1,0 y τc = 0,5), por lo que su robustez es alta.
La robustez del lazo de control se puede estimar, como
. 21 − τc2
κc = Kp K = , (13.145)
τc2
. Ti
τi = = 0, 10τc (21 − τc2 ), (13.146)
T
. Td τc [12 − 2τc ]
τd = = , (13.147)
T 21 − τc2
1 τc T
β = mı́n , , (13.148)
Kp Ti
0 < τc < 4,58, (13.149)
muerto del modelo por alguna función racional en s. La inclusión de esta aproxima-
ción, afectará las características de la respuesta de lazo cerrado.
Aproximando el tiempo muerto como una serie de Maclaurin de primer orden
e−Ls ≈ 1 − Ls, se obtienen las siguientes ecuaciones para el ajuste del controlador PI
de dos grados de libertad (PI2 )
. τc (2 − τc ) + τL
κ p = Kp K = , (13.151)
(τc + τL )2
. Ti τc (2 − τc ) + τL
τi = = , (13.152)
T 1 + τL
1 τc T
β = mı́n , , (13.153)
Kp Ti
τL ≤ 1; máx{0,50, τc mı́n } ≤ τc ≤ 1,50 + 0,3τL . (13.154)
(β Ti s + 1)e−Ls Kse−Ls
y(s) = r(s) + d(s), (13.157)
(τc T s + 1)2 (τc T s + 1)2
con
(2τc − τc2 τo )T τo
2
Ko = K τc T + . (13.158)
1 + τo
que se reduce a
e−Ls Kse−Ls
y(s) = r(s) + d(s), (13.159)
τc T s + 1 (τc T s + 1)2
si β = τc T /Ti .
. 10τi
κ p = Kp K = , (13.160)
(21τc + 10τL − 10τi )
. Ti (21τc + 10τL )[(1 + a)τL + a] − τc2 (τc + 12τL )
τi = = , (13.161)
T 10(1 + a)τL + 10a + 10τL2
. Td 12τc2 + 10τi τL − (1 + a)(21τc + 10τL − 10τi )
τd = = , (13.162)
T 10τi
1 τc T
β = mı́n , , (13.163)
Kc Ti
τc mı́n ≤ τc ≤ 1,25 + 2,25a. (13.164)
(β Ti s + 1) e−Ls Ko se−Ls
y(s) = r(s) + d(s), (13.166)
(τc T s + 1)2 (0, 1τc T s + 1) (τc T s + 1)2 (0, 1τc T s + 1)
donde
Kp T [(21τc + 10τL )τo2 + τc2 (τc + 12τL )]
Ko = . (13.167)
10[(1 + a)τL + a + τL2 ]
1, 25e−6,79s
Pm (s) = .
12, 29s + 1
Los parámetros del controlador PI2 , para tres valores del parámetro de diseño
se listan en el cuadro 13.8. La respuesta del sistema de control con estos parámetros
se muestra en la figura 13.13 y las gráficas de robustez en la figura 13.14, ambas
obtenidas con el proceso original (suponiendo que el “modelo exacto” del proceso
controlado se conoce), no con el modelo utilizado para el cálculo de los parámetros
del controlador.
El cuadro 13.8 y las figuras 13.13 y 13.14, muestran claramente el conflicto
existente entre la velocidad de respuesta y la robustez del lazo de control.
Si se aumenta la velocidad deseada del sistema de control, utilizando en el diseño
valores de τc cada vez menores, su margen de estabilidad relativa Sm disminuye. La
velocidad máxima posible para el diseño del sistema de control, está limitada por la
robustez mínima requerida para este.
650 13 Ajuste analítico de los algoritmo de control PID
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
control Sm = 0.8
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
13.5. Resumen 651
13.5 Resumen
Los procedimientos de ajuste de los controladores con algoritmos de control PI(D)
deducidos en forma analítica, proveen un parámetro de diseño variable, cuya selec-
ción se puede efectuar tomando en cuenta las características del comportamiento y
estabilidad relativa deseadas para el lazo de control, como su velocidad de respuesta
y robustez.
En el caso de los procesos controlados simples, de primer y segundo orden sin
tiempo muerto, la robustez no es una limitante para el diseño. Sin embargo, para los
procesos controlados con tiempo muerto, o de orden superior cuyo modelo incluye
un tiempo muerto aparente, se presenta un conflicto entre la robustez del sistema de
control y su velocidad de respuesta.
El parámetro de diseño puede ser utilizado para resolver este conflicto, de manera
de lograr un sistema de control con la robustez mínima necesaria, de conformidad con
las variaciones esperadas de las características dinámicas del proceso controlado y al
mismo tiempo, el mejor comportamiento (la mayor velocidad) que sea posible.
El ajuste analítico robusto ART2 (Alfaro, 2006), provee ecuaciones para el cálculo
de los parámetros de los algoritmo de control proporcional e integral (PI) y propor-
652 13 Ajuste analítico de los algoritmo de control PID
13.6 Bibliografía
Alfaro, V. M. (2006). Sintonización analítica de reguladores PID óptimos y robustos.
Master’s thesis, Escuela de Ingeniería Eléctrica, Universidad de Costa Rica.
Martin, J., Corripio, A. B., y Smith, C. L. (1975). Controller Tuning from Simple
Process Models. Instrumentation Technology, 22(12):39–44.
14.1 Introducción
14.2 Controlador IMC
14.2.1 Procedimiento de diseño
14.3 Controladores PI(D)-IMC
14.3.1 Procesos de primer orden, controlador PI
14.3.2 Procesos de segundo orden, controlador PID
14.3.3 Procesos de primer orden más tiempo muerto
14.3.4 Procesos con respuesta inversa
14.3.5 Procesos integrantes
14.4 Control sencillo (SIMC)
14.4.1 Procesos sobreamortiguados
14.4.2 Procesos integrantes
14.5 Ajuste para obtener servo controles robustos
14.6 Control de procesos de orden alto
14.7 Resumen
14.8 Bibliografía
El control con modelo interno (IMC - “internal model control”), deriva su nombre del
hecho que el controlador utilizado contempla en su interior, un modelo del proceso
controlado.
Se presentará aquí primero el esquema IMC general y luego, su utilización para
obtener expresiones para el ajuste de los parámetros de controladores, con algoritmos
de control PI(D).
653
654 14 Control con modelo interno
14.1 Introducción
El concepto del control con modelo interno, fue introducido primero para los siste-
mas univariables, de una entrada y una salida (SISO - “single-input-single-output”)
(García y Morari, 1982) y luego extendido a los sistemas multivariables, de varias en-
tradas y salidas (MIMO - “multiple-input-multiple-output”) (Garcia y Morari, 1985).
A manera de comparación, en la figura 14.1 se muestra el sistema de control
realimentado simple que se ha venido utilizando a todo lo largo del estudio, en don-
de el controlador C(θc , s), ha sido usualmente un controlador con un algoritmo de
control del tipo PI(D) y en la figura 14.2 lo que se puede considerar la estructura
básica del sistema de control IMC, en donde P(s) es el proceso controlado, mientras
que Pm (s) es el modelo del proceso controlado obtenido para representarlo y C0 (s) el
controlador IMC.
Este último diagrama de bloques, se puede redibujar como se muestra en la figura
14.3, en donde Ce (s) será el controlador equivalente cuya función de transferencia,
es
u(s) C0 (s)
= Ce (s) = . (14.1)
e(s) 1 −C0 (s)Pm (s)
El controlador equivalente Ce (s) incluye en su interior un modelo Pm (s) del pro-
ceso controlado −“control con modelo interno”−.
La salida del sistema de control IMC ante sus dos entradas, es
Ce (s)P(s) P(s)
y(s) = e
r(s) + d(s). (14.2)
1 +C (s)P(s) 1 +Ce (s)P(s)
Figura 14.2: Diagrama de bloques de la estructura básica del sistema de control con
modelo interno (IMC)
Figura 14.3: Diagrama de bloques del control con modelo interno (IMC)
656 14 Control con modelo interno
en donde la parte invertible Pm− (s) contiene la ganancia y todos los polos y ceros
existentes en el semiplano izquierdo del plano complejo s, y la parte no invertible
Pm+ (s) los componentes que no se puede o no se quiere invertir, como los tiempos
muertos y los ceros en el semiplano derecho.
El controlador IMC se tomará entonces, como
−1
Cimc (θ̂c , s) = Pm− (θm , s)G f (s), (14.8)
esto es, como la inversa de la parte invertible del modelo del proceso controlado, por
la función de transferencia de un “filtro IMC”, de la forma general
1
G f (s) = , (14.9)
(T f s + 1)n
G f (s)
Ce (s) = . (14.11)
Pm− (s) − Pm (s)G f (s)
G f (s)P(s)
y(s) = r(s)
Pm− (s) − Pm (s)G f (s) + P(s)G f (s)
[Pm− (s) − Pm (s)G f (s)] P(s)
+ d(s). (14.12)
Pm− (s) − Pm (s)G f (s) + P(s)G f (s)
−1 1
Cimc (θ̂c , s) = Pm− (θm , s) , (14.17)
(T f s + 1)n
• Proceso controlado
1,5(s + 1)
P(s) = .
(5s + 1)2 (2s + 1)
Pm (s) = P(s).
660 14 Control con modelo interno
1,5(s + 1)
Pm− (s) = ,
(5s + 1)2 (2s + 1)
Pm+ (s) = 1.
• Controlador IMC
25 ∗ 2 1, 5 50
= 2 ≤ 20,
1,5 ∗ 1 ∗ T f2 1 Tf
T f2 ≥ 2,5 ⇒ T f ≥ 1,58 s.
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
45
0 50 100 150
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
u3 (t)
65
60
55
50
45
0 50 100 150
Tiempo, t [s]
Figura 14.6: Ejemplo 14.1 - Respuesta del sistema de control IMC (con un filtro de
segundo orden), modelo perfecto
• Modelo epomtm
1,5e−3,31s
Pm (s) = .
8,184s + 1
662 14 Control con modelo interno
y1 (t)
65 y2 (t)
Variables [%] y3 (t)
60
55
50
45
0 50 100 150
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
u3 (t)
65
60
55
50
45
0 50 100 150
Tiempo, t [s]
Figura 14.7: Ejemplo 14.1 - Respuesta del sistema de control IMC con un filtro de
tercer orden (n = 3), modelo perfecto
1,5
Pm− (s) = ,
8,184s + 1
Pm+ (s) = e−3,31s .
• Controlador IMC
8,184s + 1
Cimc (s) = .
1,5(T f s + 1)
1,5e−0,675s
Pm (s) = .
(5,193s + 1)2
1,5
Pm− (s) = ,
(5,193s + 1)2
Pm+ (s) = e−0,675s .
• Controlador IMC
(5,193s + 1)2
Cimc (s) = .
1,5(T f s + 1)2
• Límite inferior sugerido para la constante de tiempo T f
Cimc (∞)
Cimc (0) ≤ 20.
Figura 14.8: Ejemplo 14.1 - Influencia del modelo sobre la respuesta del sistema de
control IMC
en (14.22), se obtiene
Ts+1 T 1
Cpid (s) = = 1+ , (14.24)
KTc s KTc Ts
la cual corresponde a la función de transferencia de un controlador con un algoritmo
de control PI, con parámetros
T
Kp = , Ti = T. (14.25)
KTc
K(1 − Ls)
Pm (s) = , (14.32)
Ts+1
y este se separará en
K
Pm− (s) = , Pm+ (s) = 1 − Ls. (14.33)
Ts+1
Sustituyendo estas ecuaciones junto con la del filtro (14.21), en la función del trans-
ferencia del controlador PID dado en (14.19), con
1
G f (s) = , (14.34)
Tc s + 1
se obtiene
Ts+1 T 1
Cpid (s) = = 1+ , (14.35)
K(Tc + L)s K(Tc + L) Ts
la cual corresponde a la función de transferencia de un controlador con un algoritmo
de control PI, con parámetros
T
Kp = , Ti = T. (14.36)
K(Tc + L)
Esto indica que la existencia del tiempo muerto, obliga a disminuir la ganancia
del controlador.
K(1 − 0,5Ls)
Pm (s) = , (14.38)
(T s + 1)(1 + 0,5Ls)
668 14 Control con modelo interno
• Proceso controlado
1,5(s + 1)
P(s) = .
(5s + 1)2 (2s + 1)
• Modelo epomtm
1,5e−3,31s
Pm (s) = .
8,184s + 1
• Parámetros de los controladores
Los parámetros de controlador PI se listan en el cuadro 14.1 y los del PID en
el cuadro 14.2.
• Respuesta del sistema de control
En la figura 14.11 se muestran las respuestas obtenidas con los controladores
PI-IMC (τc ∈ {1, 2}) y PID-IMC (τc ∈ {1, 2}).
670 14 Control con modelo interno
y1 (t)
y2 (t)
65 y3 (t)
Variables [%]
y4 (t)
60
55
50
45
0 20 40 60 80 100 120
Tiempo, t [s]
u1 (t)
75 u2 (t)
u3 (t)
Variables [%]
u4 (t)
70
65
60
55
50
45
0 20 40 60 80 100 120
Tiempo, t [s]
se obtiene en el primer caso, un controlador proporcional (P), con una ganancia nor-
malizada
1
Kp Kv = , (14.59)
Tc + L
y en el segundo, un controlador proporcional y derivativo ideal (PD), con parámetros
normalizados
1
Kp Kv = , (14.60)
Tc + L
Td
= 1. (14.61)
T
Si bien, el sistema de control tendrá error permanente cero a un cambio escalón
en el valor deseado por ser el sistema de control Tipo 1 (por el proceso integrante),
no podrá corregir en forma efectiva un cambio escalón en la perturbación, existirá un
error permanente no eliminado.
Si no se toman en cuenta las perturbaciones (que siempre están presentes) o si se
supone que estas solo son perturbaciones a la salida, se puede llegar a este tipo de
propuesta de ajuste de controladores (sin modo integral) para los procesos integran-
tes, como las encontradas en Rivera et al. (1986) y Lee et al. (2006).
Aunque el proceso sea integrante, debe utilizarse en el controlador un algoritmo
de control que incluya el modo integral, para poder garantizar obtener error perma-
nente cero a una perturbación constante.
Las siguientes, son ecuaciones de ajuste de los parámetros de un algoritmo de
control PI(D) Estándar de un grado de libertad, obtenidas utilizando la metodología
IMC, esto es, empleando un desarrollo analítico o de deducción matemática (Chien
y Fruehauf, 1990; Rice y Cooper, 2002):
• Proceso integrante de primer orden (τc = Tc /L)
– Controlador PI
. 2τc + 1
κ p = Kp Kv L = , (14.62)
(τc + 1)2
. Ti
τi = = 2τc + 1, (14.63)
L
– Controlador PID Estándar
. 2τc + 1
κ p = Kp Kv L = , (14.64)
(τc + 0,5)2
. Ti
τi = = 2τc + 1, (14.65)
L
. Td τc + 0,25
τd = = . (14.66)
L 2τc + 1
14.4. Control sencillo (SIMC) 673
• Ecuaciones de ajuste
. 1
κ p0 = Kp0 K = , (14.71)
τc + τL
. T0
τi0 = i = mı́n{1, 4(τc + τL )}, (14.72)
T
. 0
T
τd0 = d = a. (14.73)
T
• Recomendación para la selección de τc
Con el fin de tener un compromiso entre la velocidad de la respuesta y la ro-
bustez del sistema de control, se recomienda seleccionar τc = τL .
Con esta selección, las ecuaciones de juste serían
. 1
κ p0 = Kp0 K = , (14.74)
2τL
. T0
τi0 = i = mı́n{1, 8τL }, (14.75)
T
T 0
.
τd0 = d = a. (14.76)
T
• Robustez del lazo de control
Utilizando τc = τL se está seleccionado que la constante de tiempo de lazo
cerrado Tc , sea igual al tiempo muerto aparente del modelo L. Esto hace que la
robustez del sistema, con un algoritmo de control PI y un PID Serie ideal, sea
Sm = 0,629 (MS = 1,59).
Como el algoritmo de control PID, requiere de un filtro derivativo para su im-
plementación, el sistema de control tendrá una robustez inferior a la de diseño,
con modelos cuyo tiempo muerto aparente normalizado τL sea bajo.
• Cancelación de ceros con polos
Como se puede observar de las ecuaciones de ajuste del método SIMC, si
T ≤ 8L se hace Ti0 = T y Td0 = aT , con lo cual se efectúa una cancelación
de polos con ceros (suponiendo un algoritmo de control PID Serie ideal). Sin
embargo, al emplear un controlador con un algoritmo PID con filtro derivativo,
esta cancelación no se efectúa en forma exacta.
Kv e−Ls
P(s) = , 0 ≤ T. (14.77)
s(T s + 1)
• Algoritmos de control
Proporcional e integral (PI) y proporcional, integral y derivativo (PID) Serie
ideal, de un grado de libertad.
• Ecuaciones de ajuste
1 1
Kp0 = , (14.78)
Kv Tc + L
Ti0 = 4(Tc + L), (14.79)
Td0 = T. (14.80)
Tanto para los procesos sobreamortiguados, como para los integrantes, se hace
una recomendación para la selección de los parámetros de ajuste del controlador,
para la cual la robustez resultante del lazo de control, se puede determinar.
Sin embargo, esta pudiera ser mayor o menor a la requerida para el control del
proceso controlado particular considerado. En el método SIMC no se da ninguna
otra recomendación o sugerencia, para la selección del parámetros de diseño (Tc ), de
manera de lograr otros niveles de robustez para el lazo de control.
676 14 Control con modelo interno
Ke−Ls
P(s) = , (14.84)
Ts+1
se diseña el controlador PI, y empleando un modelo ssomtm
Ke−Ls
P(s) = , (14.85)
T 2 s2 + 2ζ T s + 1
el controlador PID.
Se consideran dos condiciones de operación:
1. Control “suave”:
Robustez MS = 1,38, sobrepaso máximo Mp % = 0 %.
• Control PI
0,40T
Kp = , Ti = T, (14.86)
KL
• Control PID
0,81ζ T T
Kp = , Ti = 2ζ T, Td = . (14.87)
KL 2ζ
2. Control “estricto”:
Robustez MS = 1,71, sobrepaso máximo Mp % = 10 %.
• Control PI
0,57T
Kp = , Ti = T, (14.88)
KL
• Control PID
1,15ζ T T
Kp = , Ti = 2ζ T, Td = . (14.89)
KL 2ζ
14.6. Control de procesos de orden alto 677
equivalente, truncado la serie en (14.91), se tiene que los parámetros del con-
trolador PID son
Kp = F 0 (0), (14.93)
F 0 (0)
Ti = , (14.94)
F(0)
1 F 00 (0)
Td = . (14.95)
2 F 0 (0)
678 14 Control con modelo interno
2. Primero reducir el orden del modelo a uno de orden adecuado, para emplear
luego, alguna de las reglas o procedimientos existentes para el ajuste de los
parámetros del algoritmo de control PID del controlador.
Para reducir el modelo del proceso, a uno de primer o segundo orden, se pueden
utilizar los procedimientos analíticos propuestos por Isaksson y Graebe (1999),
por Skogestad (2003), u otro similar.
Otra alternativa es emplear un procedimiento de identificación experimental,
como los descritos en el Capítulo 8.
14.7 Resumen
El sistema de control con modelo interno o control IMC permite, en el caso de contar
con el modelo exacto del proceso controlado, si este es completamente invertible,
acercarse en cierta medida al “control perfecto” del proceso. En este caso, la función
14.8. Bibliografía 679
de transferencia de lazo cerrado del servo control, será igual a la función de transfe-
rencia del filtro, utilizado para hacer que la función de transferencia del controlador
IMC sea propia.
Por diseño, el sistema de control IMC garantiza obtener error permanente cero, a
un cambio escalón tanto en el valor deseado, como en la perturbación de carga.
Sin embargo, el controlador IMC no es un controlador de orden reducido de es-
tructura fija con parámetros ajustables. Este es del mismo orden que el modelo del
proceso controlado utilizado y de parámetros fijos (excepto por la constante de tiem-
po del filtro), y es particular para cada modelo del proceso controlado considerado.
Partiendo del procedimiento de diseño de los controladores IMC, es posible de-
terminar los parámetros de los controladores con algoritmos PI y PID, denominados
aquí como controladores PI(D)-IMC, en una forma similar al procedimiento de de-
ducción matemática del servo control presentado en el Capítulo 13.
Al denominar a los algoritmos de control de los controladores obtenidos como
PI(D)-IMC, se trata de indicar solamente que las ecuaciones para el cálculo de sus
parámetros, se obtuvieron empleando técnicas matemáticas con base en el control
IMC no, por supuesto, que estos sean diferentes de los algoritmos de control PI(D)
presentados en los capítulos anteriores.
14.8 Bibliografía
Ali, A. y Mahi, S. (2009). PI/PID controller design based on IMC and percentage
overshoot specification to controller setpoint change. ISA Transactions, 48:10–15.
Lee, Y., Park, S., y Lee, M. (2006). Consider the generalized IMC-PID method for
PID controller tuning of time-delay process. Hydrocarbon Processing, páginas
87–91. January.
Rice, B. y Cooper, D. (2002). Desing and Tuning of PID Controllers for integrating
(Non-Self Regulating) Processes. En ISA 2002 Annual Meeting. Chicago, Ill.,
USA.
Rivera, D. E., Morari, M., y Skogestad, S. (1986). Internal Model Control. 4. PID
Controller Design. Ind. Eng. Chem. Des. Dev., 25:252–265.
Skogestad, S. (2003). Simple analytic rules for model reduction and PID controller
tuning. Journal of Process Control, 13:291–309.
Visioli, A. (2005). Model-based PID tuning for high-order processes: when to ap-
proximate. En 44th IEEE Conference on Decision and Control, and the European
Control Conference. December 12-15, Sevilla, Spain.
Zhang, W. (2012). Quantitative Process Control Theory. CRC Press, Taylor &
Francis Group, LLC, Boca Raton FL 33487-2442. USA.
15
15.1 Introducción
15.2 Estudios iniciales para el ajuste de los controladores
15.3 Reglas de ajuste de Ziegler-Nichols
15.3.1 Ajuste a partir de la información crítica
15.3.2 Ajuste a partir de información de la curva de reacción
15.3.3 Controlador Taylor Instruments Fulscope 100
15.3.4 Actualización de las reglas de Ziegler-Nichols
15.4 Desarrollos posteriores
15.5 Primeras distinciones entre el control regulador y el servo control
15.6 Reglas con base en criterios de error integral
15.6.1 Ajuste óptimo de los algoritmos de control PID
15.7 Comportamiento y robustez de los sistemas de control
15.7.1 Análisis del conflicto entre el comportamiento y la robustez
15.8 Ajuste robusto y óptimo uSORT
15.8.1 Controladores de un grado de libertad
15.8.2 Controladores de dos grados de libertad
15.8.3 Valores requeridos del factor de peso del valor deseado
15.9 Software para el análisis y el ajuste de los sistemas de control PID
15.10 Ajuste con otros criterios
15.11 Ajuste robusto del controlador PIDA de 2GdL
15.12 Solución de los conflictos para el diseño de los sistemas de control
681
682 15 Reglas de ajuste de los algoritmos de control PID
En el Capítulo 13, se indicó que los procedimientos para el ajuste de los controla-
dores con algoritmos de control PID, se pueden clasificar en forma general en dos
grandes grupos: los procedimientos de ajuste obtenidos mediante una síntesis analí-
tica o deducción matemática, y las reglas de ajuste o sintonización.
Se abordarán aquí, las reglas de ajuste de los parámetros de los algoritmos de
control PI(D) de los controladores, las cuales se caracterizan por ser procedimientos
sencillos, que parten del conocimiento de las características dinámicas del proceso
controlado, por medio de un modelo de orden reducido, o de la información crítica
del proceso controlado.
15.1 Introducción
La característica que distingue a las reglas de ajuste de controladores, es que el crite-
rio de diseño forma parte integral de las mismas −fue establecido por el autor de la
regla−, por lo que este es uno de los aspectos a considerar al seleccionar la regla a
aplicar, para el ajuste de los parámetros del algoritmo de control de los controladores.
Como en su mayoría, las reglas de ajuste de los algoritmos de control, han sido
desarrolladas para controladores de solo un grado de libertad, se encontrarán ecua-
ciones diferentes para el ajuste del controlador cuando se desee un funcionamiento
como servo control, de las requeridas cuando se diseña un control regulador.
Al momento en que Taylor Instruments introdujo al mercado en 1939 el primer
controlador comercial neumático, con un algoritmo de control proporcional, integral
y derivativo (PID), el Fulscope modelo 100, no existía un procedimiento generaliza-
do y sistemático para el ajuste de los parámetros de los controladores industriales.
Hasta esa fecha, los parámetros de la mayoría de los controladores con algoritmos de
control P, PI, o PD, se ajustaban básicamente utilizando la intuición y la experiencia,
a “prueba y error”, o con la ayuda de gráficas. Si en ese momento, el ajuste de un
controlador de dos modos de control presentaba ya dificultades, el adicionar un tercer
modo, hacía que el ajuste se volviera un gran obstáculo.
John Ziegler −el “práctico”− y Nathaniel Nichols −el “matemático”−, inge-
nieros de Taylor Instruments en ese momento, se avocaron entonces a la tarea de
15.1. Introducción 683
realizar pruebas experimentales con varios procesos, para determinar una forma sim-
ple de ajustar el nuevo controlador. Por esta razón, se considera que estas constituyen
las primeras reglas de ajuste para los algoritmos de control PID.
Lelic y Gasjic (2000) listan cerca de 300 referencias relacionadas con las técni-
cas de ajuste y los controladores PID. Además, una “colección” extensa de reglas de
ajuste, incluyendo sus ecuaciones, se puede encontrar en el libro de O’Dwyer (2009).
Más recientes son: la comparación de 51 procedimientos de ajuste de controladores
PID hecha por Bucz y Kozáková (2012) para procesos autoregulados e integrantes, y
el listado de poco más de 700 referencias relacionadas con las estructuras de contro-
ladores PI y PID y las reglas para su ajuste, presentado por O’Dwyer (2012).
A continuación, se provee una lista y clasificación parcial, de las reglas de ajuste
disponibles para la determinación de los parámetros de los algoritmos de control
PI(D):
• Métodos de ajuste con base en la técnica del control con modelo interno (IMC)
Las razones para que existan tantas propuestas, para el ajuste de los paráme-
tros del algoritmo de control PID, son varias: 1. la diversidad de las dinámicas que
poseen los procesos que se desea, o deben, controlarse; 2. las diferentes especifica-
ciones de diseño para el funcionamiento de los sistema de control, dependientes de
los objetivos que se desean lograr con el control; 3. las distintas implementaciones
comerciales del algoritmo de control PID; y 4. también la “fecunda imaginación” de
sus proponentes.
Se hará evidente en el estudio posterior, que no existe un procedimiento o regla
de ajuste que sea adecuada para solucionar todos los problemas de control, un enfo-
que universal. Tampoco se podrá afirmar, que un procedimiento de ajuste es mejor
que otro en términos generales, solo lo será bajo un índice de medida en particular
−usualmente el mismo utilizado por el autor para su obtención−.
Por lo tanto, el conjunto de procedimientos de ajuste para los parámetros del
controlador, debe considerarse como un “abanico de propuestas” hechas para tal fin,
dentro del cual el diseñador del sistema de control puede seleccionar la que, a su
criterio, es la más adecuada para alcanzar los objetivos establecidos para el sistema
de control de su proceso controlado particular.
por ellos: sensibilidad última Su y periodo de oscilación último Pu . Sin embargo, posteriormente en las
reglas de ajuste y su uso, se empleará la nomenclatura usual del libro: ganancia última K pu y periodo
de oscilación último Tu .
688 15 Reglas de ajuste de los algoritmos de control PID
del sistema puede medirse en términos de la “razón de las amplitudes” de los dos va-
lores máximos consecutivos de la oscilación de la respuesta. Entonces, la sensibilidad
última produce una respuesta con una razón de amplitudes igual a 1. Una reducción
en la sensibilidad del controlador, reduce la razón de dos amplitudes consecutivas de
la oscilación.
Por otra parte, si se presenta un cambio de carga (perturbación), existirá una des-
viación permanente (error) que varía en forma inversa con la sensibilidad. Por lo tan-
to, el ajuste adecuado de la sensibilidad de la respuesta proporcional del controlador,
busca un balance entre la razón de amplitudes (decaimiento del error en un periodo) y
el error permanente. Consideran entonces que un decaimiento al 25 %5 , proporciona
un compromiso adecuado y que este se logra, con una sensibilidad aproximadamente
igual a la mitad de la sensibilidad máxima (Su /2). El criterio de desempeño seleccio-
nado por Ziegler y Nichols es entonces, que la respuesta del control regulador tenga
un decaimiento de 1/4, como se muestra en la figura 15.1.
El propósito de modo integral −“automatic reset”− del controlador es eliminar
el error permanente y está determinado por la “razón de restablecimiento” −“reset
rate”6 −. La razón de restablecimiento afecta el tiempo que tarda la respuesta en re-
gresar a su valor deseado. Ziegler y Nichols determinan que el periodo Pu de la osci-
5 Aparentemente Nichols quería utilizar un decaimiento del 37 %, pero Ziegler insistió en que el
decaimiento del 25 %, era mucho más fácil de observar de la curva de respuesta (Blinkley, 1990).
6 Tiempo de restablecimiento (min−1 ) = 1/[tiempo integral (min)].
15.3. Reglas de ajuste de Ziegler-Nichols 689
• Algoritmo de control P
Kp∗ = 0,50Kpu . (15.1)
• Algoritmo de control PI
donde Kp∗ , Ti∗ y Td∗ corresponden al ajuste proporcional, integral y derivativo del
controlador Fulscope 100.
El las reglas de ajuste de Ziegler-Nichols, se ve que al pasar del ajuste de un
controlador P al de un controlador PI, se debe reducir un 10 % la ganancia propor-
cional −menos acción proporcional−, debido al atraso de fase (efecto que reduce la
estabilidad) introducido por el modo integral. Sin embargo, al pasar del ajuste de un
controlador PI al de un controlador PID, se puede aumentar la ganancia en poco más
del 33 % −más acción proporcional− y disminuir el tiempo integral un 40 % −más
acción integral−, debido al adelanto de fase (efecto estabilizador) introducido por el
modo derivativo.
Como se aprecia en las ecuaciones anteriores, en el método de ajuste de Ziegler-
Nichols se tiene que Ti∗ /Td∗ = 4 (controlador PID Fulscope 100, PID Serie o PID
Industrial).
Para la obtención de la información crítica, Ziegler y Nichols propusieron utilizar
el método de oscilación mantenida descrito en la sección 8.3.3 del Capítulo 8. Sin
embargo, en la actualidad es más conveniente obtenerla mediante la realimentación
con un relé, tal como se indicó en esa misma sección.
Re−Ls
P(s) = , (15.7)
s
esto es, un proceso integrante de primer orden (puro) con tiempo muerto.
Las pruebas experimentales le permiten a Ziegler y Nichols determinar, que el
periodo de oscilación del sistema con un controlador P para los procesos estudiados,
es aproximadamente cuatro veces el valor del retraso (Pu ≈ 4L) y que la sensibilidad
máxima, es inversamente proporcional al producto RL (Su ≈ 2/RL).
Nótese que la relación empírica encontrada por Ziegler y Nichos, entre el tiempo
muerto aparente del proceso (obtenido de su curva de reacción) y el periodo crítico
del proceso (obtenido de la oscilación mantenida de su sistema de control P), coincide
15.3. Reglas de ajuste de Ziegler-Nichols 691
• Algoritmo de control P
1
Kp∗ = . (15.8)
RL
• Algoritmo de control PI
0,9
Kp∗ = , (15.9)
RL
L
Ti∗ = . (15.10)
0,3
Si bien, tal como se citó en la sección 15.2, existieron estudios previos a los
de Ziegler y Nichols, para determinar el ajuste adecuado de los parámetros de los
controladores, son estos últimos los que recomendaron por primera vez una regla
(ecuaciones simples), para el cálculo de los parámetros del algoritmo de control de
los controladores, con base en información del comportamiento dinámico del proceso
controlado.
Además, y tal vez más importante, es que encontraron que el comportamiento
dinámico de un proceso, se puede caracterizar mediante dos parámetros: la ganancia
de un controlador proporcional que hace oscilar el sistema de control y el periodo de
esta oscilación, denominados ganancia crítica Kpu y periodo crítico Tu del proceso
controlado, respectivamente. Esta aseveración fue recibida con escepticismo, y hasta
rechazo, cuando fue presentada por primera vez en la reunión anual de la ASME8 en
diciembre de 1941 (Blinkley, 1990), pero luego fue aceptada y su método de ajuste
de controladores ha sido sin duda, el que mayor divulgación ha tenido.
Las información crítica (Kpu , Tu ) del proceso, ha sido utilizada por muchos otros
autores, como base para el desarrollo de sus propuestas de reglas de ajuste de contro-
ladores PI(D).
Como la regla de Ziegler-Nichols para el ajuste de los parámetros del algoritmo
de control de los controladores, con base en la información de la curva de reacción (R,
L), la obtuvieron a partir de su regla de ajuste desarrollada con base en la información
crítica del proceso controlado (Kpu , Tu ), suponiendo que Tu ≈ 4L y que Kpu ≈ 2/RL,
es probable que los parámetros de ajuste resultantes de la aplicación de las dos re-
glas de ajuste no sean los mismos, si esta suposición no se cumple para el proceso
controlado bajo estudio. De desearse obtener un control regulador con una respuesta
similar a la especificada por Ziegler y Nichols, con un decaimiento de un cuarto, es
conveniente ajustar los parámetros del algoritmo de control del controlador, con base
en la información crítica del proceso controlado.
en donde Kp∗ , Ti∗ y Td∗ correspondían a los ajustes de las perillas del controlador.
8 American Society of Mechanical Engineers.
15.3. Reglas de ajuste de Ziegler-Nichols 693
Las expresiones anteriores para el cálculo del tiempo integral Ti y el tiempo de-
rivativo Td efectivos del controlador, coinciden con las ecuaciones utilizadas para la
conversión de los parámetros de un algoritmo de control PID Serie a uno Estándar
(ambos ideales). Sin embargo, la ecuación para la ganancia proporcional efectiva Kp ,
incluye además el término 1 − Td∗ /Ti∗ en el denominador, el cual aumenta la ganancia
proporcional equivalente del controlador.
El factor de interacción 1 + Td∗ /Ti∗ para el controlador Fulscope 100, con el ajus-
te de Ziegler-Nichols, es entonces 1,25. Además, la ganancia efectiva es un 33,3 %
más alta, que la obtenida aplicando solamente las ecuaciones de conversión de los
parámetros Serie a Estándar.
En el caso de los controladores con algoritmos de control P y PI, el ajuste de las
perillas del controlador coincide con el valor del parámetro que representan (Kp =
Kp∗ , Ti = Ti∗ ).
Por lo tanto, se puede considerar que el controlador Taylor Instruments Fulscope
100 tenía un algoritmo de control PID tipo Serie.
Se considerará que los modelos de primer orden y polo doble más tiempo muerto
identificados, son los mejores de esos tipos que se pueden identificar a partir de la
curva de reacción o de la información crítica, para representar al proceso controlado.
Kp = Kpu , (15.19)
Tu
Ti = , (15.20)
1,6
Tu
Td = . (15.21)
10
Ke−Ls L
P(s) = , τL = , (15.25)
Ts+1 T
• Algoritmo de control PI
0,70
Kp K = 0,31 + , (15.26)
τL
Ti 3,34 + 1,28τL
= τL . (15.27)
T 1 + 0,787τL
15.3. Reglas de ajuste de Ziegler-Nichols 695
Ke−Ls
P(s) = , τL = L/T, (15.34)
(T s + 1)2
los parámetros de los controladores, son
• Algoritmo de control PI
0,90
Kp K = 0,32 + , (15.35)
τL
Ti 22,10 + 27,78τo
= τL . (15.36)
T 1 + 11,36τL
A pesar del valor, que en el pasado han tendido las reglas de ajuste de Ziegler-
Nichols, y que aún conservan popularidad, los sistemas de control obtenidos, cuando
el controlador se ajusta con este procedimiento, presentan una robustez muy baja,
de acuerdo a los criterios actuales de comportamiento y robustez. Por lo tanto, en la
actualidad, el valor de estas reglas se considera limitado al de una referencia histórica,
tal vez la más importante, dentro del desarrollo de los procedimientos de ajuste de
los algoritmos de control PI(D).
yd1(t)
56
yd2(t)
yd3(t)
Variables [%]
d(t)
55
54
53
52
51
50
49
0 50 100 150 200
Tiempo, t [s]
en el ajuste de la ganancia del controlador PID, reduce el valor del error máximo de
la respuesta del control regulador.
Los coeficientes de las ecuaciones dadas por Cohen y Coon, fueron recalculadas
posteriormente por Witt y Waggoner (1999).
Esto es, el comportamiento del sistema de control robusto resultante, será óptimo
para el nivel de robustez considerado en el diseño −sistema de control robusto y
óptimo−, pero inferior (bajo el índice de comportamiento optimizado) al del sistema
de control sin restricciones en la robustez (con el mejor comportamiento posible bajo
ese mismo índice).
• Control regulador
.
κ p = Kp K = a0 + a1 τLa2 , (15.50)
. Ti
τi = = b0 + b1 τLb2 , (15.51)
T
. Td
τd = = c0 + c1 τLc2 . (15.52)
T
donde las constantes ai , bi y ci , dependen del tipo de controlador, del criterio de error
integral optimizado y de la relación a de las constantes de tiempo del modelo del
proceso controlado.
En los cuadros 15.2 y 15.3, se listan las constantes de las ecuaciones de ajuste
para los controladores con un algoritmo de control PI, para los criterios de error
integral JeIAE y JeITAE .
Por su parte, en los cuadros 15.4 y 15.5 se listan las constantes de las ecuacio-
nes de ajuste correspondientes a los controladores, con un algoritmo de control PID
Estándar, para estos mismos criterios.
Los parámetros óptimos y las constantes de las ecuaciones de ajuste para otros
criterios de error integral, se encuentran en las referencias indicadas.
702 15 Reglas de ajuste de los algoritmos de control PID
1,25
P(s) = . (15.53)
(16s + 1)(8s + 1)(4s + 1)(2s + 1)
1,25e−11,1s
Pm1 (s) = , (15.54)
19,95s + 1
1,25e−4,43s
Pm2 (s) = . (15.55)
(14,01s + 1)(11,51s + 1)
Criterio JeIAE (∆r) JeIAE (∆d) JeITAE (∆r) JeITAE (∆d) MSr
Comportamiento con el modelo
JeIAEr 22,54 28,35 23,05 27,15 1,83
JeIAEd 24,19 17,71 25,90 18,23 2,73
JeITAEr 688,28 1175,60 677,70 1042,30 1,68
JeITAEd 1392,90 955,60 1474,90 945,74 2,41
Comportamiento con el proceso
JeIAEr 23,58 26,00 24,54 26,99 –
JeIAEd 24,20 17,64 25,90 19,26 –
JeITAEr 801,39 1109,40 818,53 1154,60 –
JeITAEd 1393,00 963,96 1475,30 1072,80 –
Como se ha indicado con anterioridad, los márgenes de ganancia y fase fueron las
formas tradicionales de medir la estabilidad relativa de los lazos de control. Sin em-
bargo, además de que estos deben considerarse como una pareja, el que un lazo de
control tenga buenos márgenes de ganancia y fase, no asegura que la gráfica polar de
su función de transferencia de lazo abierto, no pase cerca del punto −1.
Por esta razón, es más conveniente la utilización del margen de estabilidad Sm , o
la sensibilidad máxima MS , como medida de estabilidad relativa o robustez.
706 15 Reglas de ajuste de los algoritmos de control PID
Comportamiento óptimo
Para el análisis se consideran controladores con un algoritmo de control proporcional
e integral con parámetros ajustables θc = {Kp , Ti } y proporcional, integral y deriva-
tivo Estándar con parámetros θc = {Kp , Ti , Td , γ = 0} (Méndez, 2008; Alfaro et al.,
2010; Alfaro y Vilanova, 2013).
El modelo del proceso controlado, está dado por la función de transferencia ge-
neral de segundo orden
Ke−Ls L
P(s) = , τL = , (15.56)
(T s + 1)(aT s + 1) T
siendo entonces θco , los parámetros del algoritmo de control del controlador que op-
timizan el comportamiento del lazo de control.
Controladores PI
El comportamiento y la robustez de los controladores, con un algoritmo de control
proporcional e integral, optimizados para la respuesta a un cambio en el valor desea-
do, se muestran en la figura 15.4.
Como se puede apreciar, la relación de las constantes de tiempo a del modelo,
afecta el comportamiento que se puede lograr. A medida que el modelo tiende a ser
de polo doble, el comportamiento óptimo del lazo de control es menor.
15.7. Comportamiento y robustez de los sistemas de control 707
trol PI - Comportamiento
4
óptimo y robustez
3
Jer
o
2
0
0.0 0.5 1.0 1.5 2.0
2.00
1.95
1.90
MS
1.85
1.80
a =0.0 a =0.75
1.75
a =0.25 a =1.0
a =0.50
1.70
0.0 0.5 1.0 1.5 2.0
τL
Por otra parte, el efecto de a sobre la robustez de los servo controles óptimos no
es significativo, excepto para valores del tiempo muerto normalizado τL muy bajos.
Es importante destacar que todos cumplen con tener una robustez mayor a la mínima,
MS ≤ 2,0.
El comportamiento y la robustez de los controladores, con un algoritmo de con-
trol proporcional e integral, optimizados para la respuesta a un cambio en la pertur-
bación, se muestran en la figura 15.5.
En este caso, la relación de las constantes de tiempo a del modelo, también afecta
el comportamiento que se puede lograr. A medida que el modelo tiende a ser de polo
doble, el comportamiento óptimo del lazo de control es menor. Además, el efecto de
a sobre la robustez de los controles reguladores óptimos, es significativo para valores
muy bajos de τL .
A diferencia de los servo controles PI óptimos, se nota que los reguladores PI con
un comportamiento óptimo no son robustos. En ningún caso su robustez es superior
a la mínima. Para valores de τL < 0,50 su robustez es muy mala.
Por lo tanto, los sistemas de control PI de un proceso controlado esomtm, para
los cuales los parámetros del algoritmo de control del controlador son óptimos para
un cambio en el valor deseado según el criterio de error integral IAE, serán robustos
con una robustez 1,75 < MS < 1,92. Por su parte, los que se han optimizado los
parámetros del algoritmo de control PI, para un cambio en la perturbación, para el
mismo índice de comportamiento (IAE), no serán robustos, su robustez será apenas
708 15 Reglas de ajuste de los algoritmos de control PID
lador PI - Comportamiento
4
óptimo y robustez
3
Jed
o
2
0
0.0 0.5 1.0 1.5 2.0
6.0
4.0
3.5
3.0
2.5
2.0
τL
2, 0 < MS < 5, 5.
Controladores PID
2.5
Jer
o
2.0
1.5
1.0
0.5
0.0
0.0 0.5 1.0 1.5 2.0
3.4
2.6
MS
2.4
2.2
2.0
1.8
1.6
0.0 0.5 1.0 1.5 2.0
τL
1.5
1.0
0.5
0.0
0.0 0.5 1.0 1.5 2.0
6.0
4.0
3.5
3.0
2.5
2.0
τL
710 15 Reglas de ajuste de los algoritmos de control PID
Comportamiento degradado
Para incrementar la robustez del lazo de control, se debe reducir su comportamiento
esto es, se debe “desmejorar” su funcionamiento respecto del comportamiento opti-
mizado. Con este fin, se define un factor de degradación del comportamiento como
. Jo
Fp = e , Fp ≤ 1, (15.60)
Je
y se establece un nuevo índice para la optimización del controlador, como
o
. d
Je d
JFpd = J(Fp , θ p , θc ) = − Fp , (15.61)
Je (θ p , θc )
garantizan entonces la robustez mínima deseada del lazo de control MSd y al mismo
tiempo, proveen el mejor comportamiento IAE posible, el menor Je , bajo esa condi-
ción.
15.7. Comportamiento y robustez de los sistemas de control 711
del comportamiento (a =
0,0)
0.8
Fp 0.6
0.4
MS =1.8 MS =1.4
0.2 MS =1.6 MS =1.2
τL
0.0 0.5 1.0 1.5 2.0
del comportamiento (a =
1,0)
0.8
Fp
0.6
0.4
MS =1.8 MS =1.4
0.2 MS =1.6 MS =1.2
τL
0.0 0.5 1.0 1.5 2.0
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
15.7. Comportamiento y robustez de los sistemas de control 713
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
Con base en esto, se pueden obtener ecuaciones de ajuste que son independientes
del nivel de robustez, para la constante de tiempo integral y para la constante de
tiempo derivativo del controlador, de la forma
producen sistemas de control con una robustez MS ≈ 1,8. En estos casos, el nivel
mínimo de robustez MS = 2,0 se excede. Por esta razón, en el cuadro 15.10 no se
incluye el caso para MSt = 2,0.
Las constantes de los cuadros 15.8 a 15.11 permiten obtener, en forma directa,
los parámetros del algoritmo de control para modelos con cinco valores diferentes de
la razón a de sus constantes de tiempo.
Para los procesos controlados cuyo modelo esomtm, tenga una razón de constan-
tes de tiempo a ∈/ {0,0, 0,25, 0,50, 0,75, 1,0}, es necesario obtener los parámetros
del controlador mediante una interpolación lineal.
Dado un modelo esomtm con una razón de constantes de tiempo a1 ≤ a ≤ a2 ,
los parámetros θc = {θci } requeridos para el algoritmo de control del controlador, se
obtienen como
i a − a1 i i
i
θc = θc2 − θc1 + θc1 , (15.74)
a2 − a1
donde θc1i y θ i son los parámetros del controlador, obtenidos utilizando a y a ,
c2 1 2
respectivamente.
718 15 Reglas de ajuste de los algoritmos de control PID
Los parámetros del algoritmo de control, así como como los índices de compor-
tamiento y robustez del control regulador, se listan en el cuadro 15.12 y los del servo
control, en el cuadro 15.13.
Para efectos comparativos se ha utilizado el método de Madhuranthakam et al.
(2008) (MEB), para controladores PID estándar, el cual optimiza el criterio IAE,
15.8. Ajuste robusto y óptimo uSORT 719
expresar, como
β = Q(τL , MSt ). (15.76)
Para el ajuste de los controladores de dos grados de libertad, se emplean las
ecuaciones para el control regulador de los controladores PI o PID de un grado de
libertad (15.68) a (15.70), con las constantes del cuadro 15.8 o 15.9, para determinar
(Kp , Ti , Td ) y luego el factor de peso del valor deseado se obtiene con el método
denominado uSORT2 , como (Alfaro y Vilanova, 2012b)
β = d0 + d1 τLd2 . (15.77)
En el método uSORT2 , el factor de peso del valor deseado, depende del tiem-
po muerto normalizado del modelo y de la robustez de diseño, y está dado por la
expresión
β (τL , MSt ) = d0 + d1 τLd2 , (15.78)
• Parámetros del modelo - Ganancia (K 6= 0), constante de tiempo (T > 0), razón
de las constantes de tiempo (0 ≤ a ≤ 1) y el tiempo muerto aparente (L, 0,1 ≤
L/T ≤ 2,0), del modelo del proceso controlado.
Interesa aquí aprovechar las capacidades adicionales del algoritmo PIDA, para
obtener un mejor comportamiento del lazo de control ante un cambio en la perturba-
ción (control regulador), manteniendo además un determinado grado de robustez.
La versión de dos grados de libertad del algoritmo de control PIDA (7.47) del
Capítulo 7, con los modos con derivada (de primer y segundo orden) aplicados solo
a la señal realimentada, es
Ta s2
1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] − + y(s) ,
Ti s α1 Td s + 1 (α2 Ta s + 1)2
(15.79)
con parámetros θc = {Kp , Ti , Td , Ta , α1 = α2 = 0,10}.
Se supondrá que el modelo del proceso controlado, está dado por la función de
transferencia de segundo orden general
Ke−Ls L
P(s) = , τL = , (15.80)
(T s + 1)(aT s + 1) T
con 0 ≤ a ≤ 1 y 0 ≤ τL ≤ 2.
Considerando como criterio de comportamiento la integral del error absoluto
(IAE), se puede determinar que el algoritmo de control PIDA permite obtener un
control regulador con un mejor comportamiento que el obtenido con un PID, so-
lo para modelos que tienen una dinámica de segundo orden con 0,5 ≤ a ≤ 1 y un
tiempo muerto relativo apreciable, 0,6 ≤ τL ≤ 2. En el caso del servo control, el con-
junto de modelos para los cuales el comportamiento del PIDA, bajo el criterio de
comportamiento IAE, es superior al del controlador PID, es menor (0,5 ≤ a ≤ 1 y
1,4 ≤ τL ≤ 2) (Murillo, 2013).
Las ecuaciones para el ajuste de los parámetros del algoritmo de control PIDA
de 2GdL, para una robustez de diseño MSt = 1,6, son
.
κ p = KKp = a1 τLa2 , (15.81)
. Ti
τi = = b0 + b1 τL , (15.82)
T
. Td
τd = = c0 + c1 τLc2 , (15.83)
T
. Ta
τa = = d1 τLd2 , (15.84)
T
β = 1. (15.85)
Este ajuste es válido para procesos esomtm (15.80) con relaciones entre las cons-
tantes de tiempo 0,5 ≤ a ≤ 1 y tiempos muertos normalizados 0,6 ≤ τL ≤ 2.
La optimización del comportamiento IAE del servo control con el controlador
PIDA de 2GdL, indica que este se pude mejorar solo entre un 2 % y un 6 %, redu-
ciendo factor de peso del valor deseado β (0,70 ≤ β < 1), por lo que se sugiere
utilizar en todos los casos β = 1. Por lo tanto, el ajuste (15.81) a (15.85) es aplicable
directamente a los controladores PIDA de 1GdL.
Por lo tanto, con excepción de los sistemas de control para los cuales su diseño
demanda un servo control, para todos los demás, este conflicto se resolverá em-
pleando un controlador con un algoritmo de control de dos grados de libertad
que incluya ya sea, un factor de peso, o un filtro de valor deseado.
Se seleccionarán primero los parámetros del controlador que inciden sobre
el funcionamiento del control regulador y la estabilidad relativa del lazo de
control, para determinar posteriormente, los parámetros restantes del algoritmo
de control, que solo afectan el funcionamiento del servo control.
Pondría considerarse convertir este conflicto en una solución de compromiso,
utilizando controladores de solo un grado de libertad. Esto es, ajustando los
parámetros del algoritmo de control del controlador, de tal manera que se sa-
crifique un poco el comportamiento del control regulador, para mejorar el del
servo control.
Aunque desde el punto de vista del análisis y el desarrollo matemático, la so-
lución de este compromiso es un problema interesante, no sería una estrategia
adecuada para enfrentar el diseño del sistema de control, para la mayoría de
los procesos industriales.
Las pérdidas en el comportamiento del sistema de control, como consecuencia
de degradar el funcionamiento del lazo de control ante las perturbaciones que
ocurren permanentemente, no serían nunca compensadas por el mejoramiento
en el funcionamiento del lazo de control, ante los cambios esporádicos en el
valor deseado.
La modificación del valor deseado de la variable controlada en un controlador,
puede deberse a un cambio en el nivel de producción del proceso, en cuyo caso
es posible utilizar generadores de valor deseado en rampa, para llevar el lazo
de control de un punto de equilibrio a otro de forma “suave”.
Debe tenerse en cuenta, que los cambios en las especificaciones o caracterís-
ticas del proceso o de los niveles de producción, pueden requerir de la mo-
dificación de los valores deseados para varias de las variables controladas del
proceso. Cosa que usualmente requerirá, de un procedimiento ordenado y coor-
dinado para realizarse, en el cual tienen participación activa, los operadores del
sistema de control.
Cuando las variaciones en los valores deseados de los controladores, sean con-
secuencia de un cambio en las especificaciones o características del producto,
durante el tiempo necesario para pasar del punto de operación actual al nuevo,
el producto estará fuera de especificaciones y, usualmente, debe ser desechado
o enviado a otra parte de la planta para ser reprocesado.
15.12. Solución de los conflictos para el diseño de los sistemas de control 731
ponde al ajuste utilizado para cada una de las cinco “zonas de operación” del
sistema de control.
4. Punto de incidencia de la perturbación
En la sección 6.3 del Capítulo 6, se indicó que la perturbación “entra” al pro-
ceso en cualquier punto de este. Puede considerarse que afectaba directamente
a la salida −perturbación a la salida, do − o que su efecto sobre la variable con-
trolada, tiene una dinámica similar a la del de la señal de control −perturbación
a la entrada, di −.
Aunque se considera que las perturbaciones más importantes se pueden ca-
racterizar como una perturbación a la entrada (Shinskey, 2002), tal como se
ha hecho para el análisis del funcionamiento del control regulador, lo cierto
es que el funcionamiento del sistema de control se ve afectado por múltiples
perturbaciones, relacionadas cada una de estas con la variable controlada por
una dinámica diferente, tal como se muestra en la figura 15.17 (Takahashi et
al., 1970).
En general, la variable controlada está dada por la relación
n
Cr (s)Pu (s) Pdk (s)
y(s) = r(s) + ∑ dk (s). (15.86)
1 +Cy (s)Pu (s) k=1 1 +Cy (s)Pu (s)
734 15 Reglas de ajuste de los algoritmos de control PID
Regla de ajuste
Evaluación
14. El seguimiento del funcionamiento del lazo de control a mediano plazo, según
lo reporte el personal encargado de su operación.
15.14 Resumen
Las reglas de ajuste, proveen ecuaciones simples para la obtención de los parámetros
del algoritmo de control del controlador. Sin embargo, usualmente no incluyen un
parámetro de diseño, que pueda ser seleccionado por el usuario.
Los parámetros del controlador dependerán de las características dinámicas del
proceso controlado, del criterio de desempeño seleccionado, del algoritmo de control
utilizado en el controlador y del funcionamiento principal del sistema de control
(servo control o control regulador).
Debido al conflicto existente entre el comportamiento y la robustez del lazo de
control, si se considera solamente el comportamiento, por ejemplo mediante la op-
timización de una funcional de costo con base en el error, normalmente se obtienen
sistemas de control con una robustez muy baja y en algunos casos hasta inaceptable.
Es necesario por lo tanto, considerar en el proceso de ajuste del controlador los re-
quisitos de robustez, con base en las variaciones esperadas de las características del
proceso controlado. Esto obligará a sacrificar parte de su comportamiento.
En el caso de los controladores de un grado de libertad, es necesario establecer
el funcionamiento principal del lazo de control, ya que los parámetros del contro-
lador que optimizan el funcionamiento del sistema de control ante un cambio en el
valor deseado (servo control), difieren de los que lo optimizan ante un cambio en la
perturbación (control regulador).
Con los controladores de dos grados de libertad, es posible ajustar el controlador
para lograr el funcionamiento deseado del sistema de control ante las perturbacio-
nes de carga (control regulador), considerando el conflicto entre su comportamiento
(velocidad de respuesta, criterio de error integral u otro) y su robustez (márgenes de
ganancia y fase, sensibilidad máxima o margen de estabilidad), y luego utilizar el
factor de peso proporcional del valor deseado, para mejorar el comportamiento del
sistema de control, ante los cambios en el valor deseado (servo control).
El diseñador debe resolver el conflicto entre el comportamiento y la robustez del
lazo de control, recordando que la robustez no se puede sacrificar, está determinada
por los cambios esperados en el comportamiento dinámico del proceso controlado,
dentro del rango de operación del sistema. Por lo tanto, lo que debe sacrificarse es el
comportamiento.
15.15. Bibliografía 739
El diseño del lazo de control, para el nivel de robustez mínima requerida, debe
buscar lograr el “mejor” comportamiento posible, de conformidad con las especifi-
caciones e índices de evaluación establecidos para el mismo.
15.15 Bibliografía
Alfaro, V. M. (2002). Métodos de sintonización de controladores PID que operan
como reguladores. Ingeniería, 12(1-2):12–36.
Ali, A. y Mahi, S. (2009). PI/PID controller design based on IMC and percentage
overshoot specification to controller setpoint change. ISA Transactions, 48:10–15.
Ali, A. y Majhi, S. (2010). PID controller tuning for integrating processes. ISA
Transactions, 49:70–78.
Brambilla, A., Chen, S., y Scalli (1990). Robust tuning of conventional controllers.
Hydrocarbon Processing, 69(11).
Chen, P., Zhang, W., y Zhu, L. (2006). Design and tuning method of PID contro-
ller for a class of inverse response processes. En American Control Conference
(ACC2006). American Control Conference (ACC2006), Minneapolis, Minnesota,
USA, June 14-16.
Chien, I., Hrones, J., y Reswick, J. (1952). On the automatic Control of generalized
passive systems. Trans. ASME, 74:175–185.
Chien, I.-L., Chung, Y.-C., Chen, B.-S., y Chuang, C. (2003). Simple PID controller
tuning method for processes with inverse response plus dead time or large overs-
hoot response plus dead time. Ind. Eng. Chem. Res., 42:4461–4477.
Cvejn, J. (2009). Sub-optimal PID controller settings for FOPDT systems with long
dead time. Journal of Process Control, 19:1486–1495.
Haalman, A. (1965). Adjunting controllers for a dead time process. Control Engi-
neering.
Ho, W.-K., Hang, C.-C., y Cao, L. S. (1995). Tuning PID Controllers Based on Gain
and Phase Margin Specifications. Automatica, 31(3):497–502.
Ho, W. K., Lim, K. L., Hang, C. C., y Ni, L. Y. (1999). Getting more Phase Margin
and Performance out of PID controllers. Automatica, 35:1579–1585.
Ho, W. K., Lim, K. W., y Xu, W. (1998). Optimal gain and phase margin tuning for
PID controllers. Aujtomatica, 34(8).
Lee, Y., Lee, J., y Park, S. (2000). PID controller tuning for integrating and unstable
processes with time delay. Chemical Engineering Science, 55:3481–3493.
López, A. M., Miller, J. A., Smith, C., y Murril, P. W. (1967). Tuning controllers
with error-integral criteria. Instrumentation Technology.
Martin, J., Corripio, A. B., y Smith, C. L. (1975). Controller Tuning from Simple
Process Models. Instrumentation Technology, 22(12):39–44.
O’Dwyer, A. (2005). PID control: the early years. En Control in the IT Sector
Seminar. May 3, Cork Institute of Technology, Cork, Ireland.
Rice, B. y Cooper, D. (2002). Desing and Tuning of PID Controllers for integrating
(Non-Self Regulating) Processes. En ISA 2002 Annual Meeting. Chicago, Ill.,
USA.
Rivera, D. E., Morari, M., y Skogestad, S. (1986). Internal Model Control. 4. PID
Controller Design. Ind. Eng. Chem. Des. Dev., 25:252–265.
Rovira, A., Murrill, P. W., y Smith, C. L. (1969). Tuning controllers for setpoint
changes. Instrumentation & Control Systems, 42:67–69.
Shen, J.-C. (2000). New tuing method for PID control of a plant with under-damped
response. Asian Journal of Control, 2(1):31–41.
Skogestad, S. (2003). Simple analytic rules for model reduction and PID controller
tuning. Journal of Process Control, 13:291–309.
Tavakoli, S., Griffin, I., y Fleming, P. J. (2005). Robust PI controller for load distur-
bance rejection and setpoint regulation. En IEEE Conference on Control Applica-
tions. IEEE Conference on Control Applications, August 28-31, Toronto, Canada.
Tavakoli, S. y Tavakoli, M. (2013). Optimal tuning of PID controllers for first order
plus time delay models using dimensional analysis. En The Fourth International
Conference on Control and Aitomation (ICCA’03). 10-12 June, Montreal, Canada.
Ukakimaparn, P., Pannil, P., Boonchuay, P., y Trisuwannawat, T. (2009). PIDA Con-
troller Designed by Kitti’s Method. En ICROS-SICE International Joint Confe-
rence. August 18-21, 2009, Fukuoka International Congress Center, Japan.
Visioli, A. (2001). Optimal tuning of PID controllers for integrating and unstable
processes. IEE Proc. - Control Theory Appl., 148(1):180–184.
Viterková, M., Vitecek, A., y Smitny, S. (2000a). Simple PI and PID controllers
tuning for monotone self regulation plant. En IFAC Digital Control: Past, Present
and Future of PID Control (PID’00). 5-7 Abril, Terrasa, España.
Viterková, M., Vitecek, A., y Smutny, L. (2000b). Controller tuning for controlled
plants with time delay. En Digital Control: Past, Present and Future of PID Con-
trol, páginas 253–258, Terrasa, España, 5-7 April. IFAC.
Wang, Q. G., Lee, T. H., Fung, H. W., Bi, Q., y Zhang, Y. (1999). PID tuning for
improved performance. IEEE Transactions on Control Systems Technology, 7(4).
15.15. Bibliografía 745
Wang, Y.-G. y Cai, W. (2001). PID Tuning for Itegrating Processes with Sensitivity
Specification. En 40th IEEE Conference on Decision and Control. December,
Orlando, Florida, USA.
Wang, Y.-G. y Xu, X.-M. (2009). PID tuning for unstable processes with sensitivity
specification. En 2009 Chinese Control and Decision conference (CCDC2009).
Guilin, China, 17-19 June.
Yang, X.-P., Wang, Q.-G., Hang, C.-C., y Lin, C. (2002). IMC-based control system
design for unstable processes. Ind. Eng. Chem. Res., 41:4288–4294.
Zhang, W., Xu, X., y Sun, Y. (2000). Quantitative performance design for inverse-
response processes. Ind. Eng. Chem. Res., 39:2056–2061.
16.1 Introducción
16.2 Procedimiento de diseño MoReRT
16.2.1 Funcionales de costo
16.2.2 Modelos de referencia
16.2.3 Modelos del proceso y algoritmos de control normalizados
16.3 MoReRT PI para procesos sobreamortiguados
16.3.1 Modelos de referencia sobreamortiguados
16.3.2 Modelos de referencia subamortiguados
16.4 MoReRT PID para procesos sobreamortiguados
16.4.1 Controlador PID Estándar ideal de 2GdL con filtro
16.4.2 Controlador PID Paralelo de 2GdL con dos filtros de entrada
16.5 Procedimiento MoReRT general
16.6 Diseño MoReRT con especificaciones del esfuerzo de control
16.7 Normalización de los parámetros del controlador
16.8 Resumen
16.9 Bibliografía
Como se ha visto, una forma de obtener las relaciones para el cálculo de los paráme-
tros del algoritmo de control, es optimizando el comportamiento del lazo de control
con una restricción en la robustez. Otra es, estableciendo las funciones de transfe-
rencia de lazo cerrado deseadas y determinar, en forma analítica, los controladores
747
748 16 Ajuste robusto de controladores por modelo de referencia
16.1 Introducción
Cr (θcr , s)P(θ p , s)
Myr (θc , θ p , s) = , (16.1)
1 +Cy (θcy , s)P(θ p , s)
P(θ p , s)
Myd (θcy , θ p , s) = . (16.2)
1 +Cy (θcy , s)P(θ p , s)
16.2. Procedimiento de diseño MoReRT 749
donde Mydt y Mt son los modelos de referencia para las funciones de transferencia
yr
del control regulador y el servo control, respectivamente, que producen las corres-
pondientes respuestas objetivo, ytd (s) y ytr (s).
En los modelos de referencia se incluye el conjunto de parámetros de diseño θd ,
los cuales permiten modificar el comportamiento dinámico y la robustez del sistema
de control resultante.
Las funcionales de costo (16.5) y (16.6), penalizan la diferencia entre las respues-
tas del sistema de control con el controlador que se debe ajustar y las de los modelos
de referencia de lazo cerrado.
La optimización de (16.5) y (16.6) puede hacerse en dos pasos. Primero la de
(16.5) para obtener los parámetros θcyo , tal que
.
Jdo = Jd (θ p , θcy
o
, θd ) = mı́n Jd (θ p , θcy , θd ), (16.7)
θcy
ajustando los parámetros de diseño θd para cumplir al mismo tiempo con una robus-
o ), para determinar los parámetros
tez especifica MSt y luego, la de (16.6) (con θcy = θcy
en θcr que no están en θcy , de manera que
.
Jro = Jr (θ p , θco , θd ) = mı́n Jr (θ p , θcy
o
, β , θd ). (16.8)
β
donde Np+ (s) corresponde a los componentes de fase no mínima (tiempo muerto o
ceros en el semiplano derecho), del modelo del proceso controlado.
Remplazando en (16.2) P(s) y Cy (s) por (16.11) y (16.12) respectivamente, la
función de transferencia de lazo cerrado del control regulador, se puede expresar
como
Dcy (s)Np− (s)Np+ (s)
Myd (s) = . (16.13)
Dcy (s)D p (s) + Ncy (s)Np− (s)Np+ (s)
El diseño del controlador de realimentación Cy (s) tiene como base, el estableci-
miento de un modelo de referencia Mydt (s) para (16.13).
Ke−Ls
P(s) = , 0 ≤ a ≤ 1,0, (16.16)
(T s + 1)(aT s + 1)
.
κ p = KKp , (16.21)
. Ti
τi = , (16.22)
T
. Td
τd = . (16.23)
T
16.3. MoReRT PI para procesos sobreamortiguados 753
Utilizando (16.17) y (16.20) junto con (16.27), se determinan los parámetros del
algoritmo de control.
En el caso particular de los modelos epomtm, la respuesta de referencia (16.27)
se reduce, a
e−τL ŝ (τi /κ p )ŝe−τL ŝ
yt (ŝ) = r(ŝ) + d(ŝ). (16.28)
τc ŝ + 1 (τc ŝ + 1)2
Al ser en este caso el proceso controlado de primer orden, su sistema de control con
un controlador PI, es de segundo orden.
En (16.27) y (16.28), la función de transferencia del servo control, es un orden
menor que la del control regulador, pareciendo ser que sus denominadores no son
iguales, como deberían serlo. Lo anterior se debe a que la función de transferencia
del servo control tiene un cero, el cual se desea cancele uno de los polos de lazo
cerrado.
Las ecuaciones de ajuste del algoritmo de control PI para este caso, están dadas
por las relaciones (Alfaro y Vilanova, 2012a)
. a0 + a1 τL
κ p = Kp K = , (16.29)
a2 + a3 τL + a4 τL 2 + a5 τL 3
. Ti b0 + b1 τL
τi = = , (16.30)
T b2 + b3 τL + b4 τL 2 + b5 τL 3 + b6 τL 4
β = c0 + c1 τL + c2 τL 2 + c3 τL 3 . (16.31)
(τc T s + 1)e−Ls
yt (s) = r(s)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
(Ti /Kp )se−Ls
+ 2 2 2 d(s). (16.32)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
Ahora, se tienen dos parámetros de diseño θd = {τc , ζ }. Estos son la velocidad
relativa y el amortiguamiento de los polos de lazo cerrado.
Analizando el desempeño del lazo de control para diferentes valores de la razón
de amortiguamiento ζ , se puede determinar que es posible mejorar el comportamien-
756 16 Ajuste robusto de controladores por modelo de referencia
to del control regulador, disminuyendo el índice de evaluación Jed con base en la in-
tegral del error absoluto y el tiempo de restablecimiento ta , si se permiten pequeñas
oscilaciones en las repuestas, aunque la variación total del esfuerzo de control TVud
aumenta (Alfaro y Vilanova, 2012c).
Además, para el servo control, también mejora el comportamiento de la respues-
ta, Jer y ta , aunque se deterioran un poco las características del esfuerzo de control,
TVur , Umáx y ∆Uo .
Con base en este análisis, se recomienda utilizar ζ = 0,80 para el diseño MoReRT
de los controladores con un algoritmo proporcional e integral.
2e−8s
P(s) = .
(10s + 1)(5s + 1)
ℑ L(jω)
y(t)
70 r(t)
d(t)
Variables [%]
65 MS = 1.59
0.5
60
55
ℜ L(jω)
0.0
50 −2.0 −1.5 −1.0 −0.5 0.0 0.5
45
0 50 100 150 200 250
Tiempo, t [s]
−0.5
58 u(t)
Variables [%]
56
54 −1.0
52
50
−1.5
48
46
Figura 16.2: Ejemplo 16.1 - Curvas de respuesta y robustez del sistema de control
16.4. MoReRT PID para procesos sobreamortiguados 759
Este controlador tiene cinco parámetros ajustables, θc∗ = {Kp∗ , Ti∗ , Td∗ , T f , β ∗ , γ ∗ = 0}.
En el diseño MoReRT del controlador PID2F , para controlar un proceso cuyo
modelo es de primer orden más tiempo muerto,
Ke−Ls
P(s) = , (16.35)
Ts+1
760 16 Ajuste robusto de controladores por modelo de referencia
Las ecuaciones determinadas para el ajuste del PID2F , son (Alfaro y Vilanova,
16.4. MoReRT PID para procesos sobreamortiguados 761
2013a)
.
κ p∗ = Kp∗ K = a0 + a1 τLa2 , (16.37)
. T∗
τi∗ = i = b0 + b1 τLb2 , (16.38)
T
T ∗
.
τd∗ = d = c1 τLc2 , (16.39)
T
T ∗
∗ . f
τf = = d0 + d1 τLd2 , (16.40)
T
β ∗ = 0. (16.41)
y1 (t)
y2 (t)
65
Variables [%]
60
55
50
45
0 5 10 15 20
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
65
60
55
50
45
0 5 10 15 20
Tiempo, t [s]
Figura 16.3: Ejemplo 16.2 - Curvas de respuesta del sistema de control (MSt ∈
{2,0, 1,6})
764 16 Ajuste robusto de controladores por modelo de referencia
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
pueden comparar con la obtenidas utilizando como proceso el modelo de orden re-
ducido, para verificar cuán bien representa este el comportamiento del proceso bajo
condiciones de control realimentado.
o
Ki Ki
u(s) = Kp + Fr (s)r(s) − Kp + + Kd s Fy (s)y(s), (16.43)
s s
σ Tr s + 1
Fr (s) = , (16.44)
(Tr s + 1)2
16.4. MoReRT PID para procesos sobreamortiguados 765
1 1
FyPI (s) = = , (16.45)
D f y (s) T f s + 1
1 1
FyPID (s) = = 2 2 . (16.46)
D f y (s) T f /2s + T f s + 1
Las ganancias de los filtros de entrada Fr (s) y Fy (s), deben seleccionarse de ma-
nera que lı́ms→0 Fr (s) = lı́ms→0 Fy (s), para asegurar que en estado estacionario, el
modo integral del controlador actúa sobre la señal de error.
Los parámetros de la combinación “controlador - filtro” que se aplica sobre el
valor deseado (Cr (s)Fr (s)) son θc f r = {Kp , Ki , Tr , σ , γ = 0} y los de la combinación
que se aplica a la señal realimentada (Cy (s)Fy (s)), θc f y = {Kp , Ki , Kd , T f }. El conjunto
de parámetros ajustables es entonces θc f = {Kp , Ki , Kd , T f , Tr , σ , γ = 0}.
Debido a la inclusión del filtro de valor deseado Fr (s) (16.44), no existirá un
cambio brusco en la señal de salida del controlador u(s), cuando se varíe el valor
deseado r(s) en forma de escalón.
Por otra parte, la inclusión del filtro de realimentación Fy (s) dado por (16.45) o
(16.46), según corresponda, asegurará que la ganancia de alta frecuencia de la com-
binación controlador - filtro tienda a cero, proveyendo la atenuación requerida del
ruido de medida.
Ambas características, son deseables para el funcionamiento de los sistemas de
control en la industria.
La señal de salida del sistema de control es, en este caso,
donde
P(s)Cr (s)Fr (s)
Myr (s) = , (16.48)
1 + P(s)Cy (s)Fy (s)
P(s)
Myd (s) = . (16.49)
1 + P(s)Cy (s)Fy (s)
t
(1/Ki )sD f y (s)Np+ (s)
Myd (s) = . (16.50)
Dcy (s)D p (s) + Ncy (s)Np− (s)Np+ (s)
Una vez optimizada la funcional de costo del control regulador, con el controla-
dor y el filtro de realimentación obtenidos, los parámetros del filtro de valor deseado
se determinan utilizando la función de transferencia del servo control
(σ Tr s + 1)[(Kpo /Kio )s + 1]Dof y (s)Np+ (s)
Myr (s) = o (s)N − (s)N + (s)]
(16.51)
(Tr s + 1)2 [Docy (s)D p (s) + Ncy p p
La suposición usualmente hecha de que Pd (s) ≈ Pu (s), es válida para realizar los
estudios introductorios de los sistemas de control, con el fin de poder mostrar las
diferencias entre el comportamiento del sistema de control cuando se produce un
cambio en la perturbación y el que se presenta cuando se modifica el valor deseado.
Sin embargo, en una aplicación práctica, es probable que estas dos dinámicas sean
diferentes.
El desarrollo completo de una aplicación de este tipo, se presenta en Alfaro y Vi-
lanova (2016). En el ejemplo, se realiza el modelado y diseño del sistema de control
de un reactor químico continuo (CSTR - “continuous stirred-tank reactor”) de volu-
men constante, similar al modelado en la sección A.2.1 del Apéndice A, pero con un
volumen diez veces más pequeño.
En el caso del CSTR, la función de transferencia Pu (s) es de segundo orden con
respuesta inversa −tiene un cero en el semiplano derecho del plano complejo s− y
la función de transferencia Pd (s) es de segundo orden sobreamoritguada, de manera
que se tiene Pd (s) 6= Pu (s).
Una herramienta computacional, para el diseño de los sistemas de control PI(D)
utilizando la metodología MoReRT, que considera el caso en que Pd (s) = Pu (s) −con
la perturbación a la entrada−, Pd (s) = 1 −con la perturbación a la salida− y Pd (s) 6=
Pu (s) −caso general, con la perturbación entrando en cualquier punto del proceso
controlado−, se presenta y describe en Alfaro y Vilanova (2016) y en Vilanova et al.
(2017).
En el caso particular del controlador PI2 , donde Dcr (s) = Dcy (s), entonces (16.70)
se reduce a
Ncr (s)D p (s)
Mur (s) = . (16.71)
Dcy (s)D p (s) + Ncy (s)Np− (s)Np+ (s)
16.6. Diseño MoReRT con especificaciones del esfuerzo de control 771
ut (s) = Mur
t t
(s)r(s) + Mud (s)d(s). (16.72)
Para obtener los parámetros del algoritmo de control del controlador, que se ajus-
tan mejor, en el sentido de los cuadrados mínimos, al comportamiento deseado del
esfuerzo de control (16.72), se debe definir la funcional de costo a optimizar, como
Z ∞
. 2
JuT (θ p , θc , θd ) = utr (θ p , θc , θd ,t) − ur (θ p , θc ,t) dt
0
Z ∞ 2
+ utd (θ p , θcy , θd ,t) − ud (θ p , θcy ,t) dt, (16.73)
0
Ke−Ls
P(s) = , θ p {K, T, L, a}, (16.75)
(T s + 1)(aT s + 1)
con un controlador proporcional e integral de dos grados de libertad PI2 , cuya señal
de salida es
β Ti s + 1 Ti s + 1
u(s) = Kp r(s) − Kp y(s), θc {Kp , Ti , β }, (16.76)
Ti s Ti s
el sistema de control de lazo cerrado es de tercer orden.
Por lo tanto, en este caso los modelos de referencia (16.69) y (16.70), se escogen
como
t −(Ti s + 1)e−Ls
Mud (s) = 2 2 2 , (16.77)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
772 16 Ajuste robusto de controladores por modelo de referencia
y
t (1/K)(β Ti s + 1)(T s + 1)
Mur (s) = , (16.78)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
donde θd = {ζ , τc } son los parámetros de diseño del sistema de control.
En el caso particular en que el modelo del proceso controlado (16.75) sea de pri-
mer orden más tiempo muerto (a = 0) y las funciones de transferencia de referencia
de lazo cerrado (16.77) y (16.78) tengan solo polos reales (ζ = 1), el esfuerzo de
control de referencia, es
que las expresiones para determinar los parámetros normalizados, sean independien-
tes de la ganancia y la escala de tiempo del modelo.
Por ejemplo, para los modelos epomtm (K, T , L), los parámetros normalizados
del algoritmo de control, solo dependen de su tiempo muerto normalizado τL . Por lo
tanto, seleccionada la metodología y el criterio de diseño, los parámetros normali-
zados para todos los procesos controlados, cuyos modelos tengan el mismo tiempo
muerto normalizado, son los mismos.
Para todos los modelos epomtm, los parámetros normalizados deben ser de la
forma (Atherton, 2013)
.
κ p = Kp K = f1 (τL ), (16.80)
. Ti
τi = = f2 (τL ), (16.81)
T
. Td
τd = = f3 (τL ), (16.82)
T
para que una vez determinados, con base exclusivamente en τL , permitan obtener los
parámetros del algoritmo de control del controlador a ajustar, para cualquier modelo
epomtm, como
1
Kp = f1 (τL ), (16.83)
K
Ti = T f2 (τL ), (16.84)
Td = T f3 (τL ). (16.85)
Esto posibilita visualizar con más claridad, las características del desempeño lo-
grado con el procedimiento de ajuste utilizado, así como las limitaciones del mismo.
Lamentablemente no todas las reglas de ajuste disponibles de los parámetros de
los controladores con un algoritmo de control PID, son consistentes en este aspecto
(Atherton y Boz, 2009).
El uso de ecuaciones de ajuste, que proporcionan valores normalizados para los
parámetros del algoritmo de control del controlador, tiene una característica adicio-
nal. Las unidades de tiempo de los parámetros no normalizados del controlador cal-
culados, serán las mismas que las unidades de tiempo del modelo del proceso con-
trolado utilizado.
Aunque para los efectos del desarrollo de este libro, se ha supuesto que las uni-
dades de todos los parámetros que representan un tiempo (constantes de tiempo,
tiempo muerto) es el segundo, en una aplicación práctica sin embargo, el ajuste de
los parámetros del modelo del proceso controlado puede conducir a que la unidad de
tiempo seleccionada sea, por ejemplo, segundos, minutos u otra. Por lo tanto, si la
unidad de tiempo de los parámetros del modelo es por ejemplo segundos, minutos u
774 16 Ajuste robusto de controladores por modelo de referencia
horas, los parámetros del algoritmo de control del controlador (tiempo integral, tiem-
po derivativo) calculados, estarán también expresados en segundos, minutos u horas,
respectivamente.
Debe tenerse en consideración que, aunque el escalamiento en el tiempo de los
modelos y controladores se hace normalmente utilizando la constante de tiempo do-
minante T del modelo del proceso controlado, tal como se hizo en la sección 16.2.3,
en el caso de los procesos integrantes de primer orden (ipomtm), esta se debe realizar
empleando su tiempo muerto L, tal como se verá en el Capítulo 17.
16.8 Resumen
El ajuste de los parámetros del algoritmo de control del controlador, por medio de un
modelo de referencia −procedimiento de diseño MoReRT−, es una metodología su-
ficientemente general, que puede ser aplicada a diversas combinaciones del modelo
del proceso controlado y del algoritmo de control del controlador, con el fin de lo-
grar un sistema de control con la robustez requerida y un comportamiento dinámico
similar al establecido por los modelos de referencia de lazo cerrado.
En la técnica MoReRT, los parámetros del algoritmo de control del controlador,
se seleccionan de manera de minimizar la diferencia entre la respuesta deseada, la
dada por los modelos de referencia, y la que se puede lograr con el algoritmo de
control a ajustar −el error cuadrático−.
La optimización utiliza como parámetro de diseño, la constante de tiempo de lazo
cerrado normalizada τc , de manera de lograr un determinado nivel de robustez para
el lazo de control. De esta manera, las expresiones de cálculo de los parámetros del
controlador, dependen solamente de la robustez de diseño MSt .
Por lo tanto, el procedimiento MoReRT (“model-reference robust tuning”) para
el ajuste de los parámetros de los algoritmos PI(D) de dos grados de libertad, es una
metodología de ajuste robusto, tal como su nombre lo indica.
Para efecto del desarrollo de los procedimientos de ajuste de los parámetros de
los algoritmos de control, para el control de los procesos autorregulados sobreamor-
tiguados, es conveniente trabajar con modelos y algoritmos de control normalizados.
En este caso se tiene:
1. Modelo del proceso ( esomtm)
Ke−Ls
P(s) = , θ p = {K, T, L}. (16.86)
(T s + 1)(aT s + 1)
2. Modelo normalizado
e−τL ŝ L
P̂(ŝ) = , τL = . (16.87)
(ŝ + 1)(aŝ + 1) T
16.9. Bibliografía 775
donde los {ci } son constantes y los θd los parámetros de diseño utilizados.
Si el algoritmo de control del controlador es otro diferente del PID Estándar de
2GdL, sus parámetros se pueden normalizar, empleando la misma transformación
utilizada para normalizar el modelo del proceso controlado correspondiente.
16.9 Bibliografía
Alfaro, V. M. y Vilanova, R. (2012a). Model-reference robust tuning of 2DoF PI
controllers for first- and second-order plus dead-time processes. Journal of Process
Control, 22:359–374.
Alfaro, V. M. y Vilanova, R. (2012b). Model Reference Robust Tuning of 2DoF PI
Controllers for Integrating Controlled Processes. En IEEE 20th Mediterranean
Conference on Control and Automation (MED’12). July, 3-6, Barcelona, Spain.
Alfaro, V. M. y Vilanova, R. (2012c). Performance Analysis of Model-Reference
Robust Tuned 2DoF PID Controllers for Over Damped Processes. En IEEE 20th
Mediterranean Conference on Control and Automation (MED 2012). July 3-6,
Barcelona, Spain.
Alfaro, V. M. y Vilanova, R. (2012d). Performance/Robustness Trade-off Design Fra-
mework for 2DoF PI Controllers. Studies in Informatics and Control, 21 (1):73–
83.
Alfaro, V. M. y Vilanova, R. (2012e). Robust tuning and performance analysis of
2DoF PI controllers for integrating controlled processes. Ind. Eng. Chem. Res.,
51(40):13182–13194.
776 16 Ajuste robusto de controladores por modelo de referencia
Vilanova, R., Alfaro, V. M., y Visioli, A. (2017). Software tool for MoReRT design
of 2DoF PI/PID controllers. En 25th Mediterranean Conference on Control and
Automation (MED 2017). July 3-6, Valletta, Malta.
17
17.1 Introducción
17.2 Control de procesos con respuesta inversa
17.2.1 Deducción matemática del control regulador (PID 1GdL)
17.2.2 Control PI de 2GdL por modelo de referencia (MoReRT)
17.2.3 Control PID de 2GdL por modelo de referencia (MoReRT)
17.3 Control de procesos integrantes
17.3.1 Deducción matemática del servo control
17.3.2 Deducción matemática del control regulador
17.3.3 Control PI de 2GdL por modelo de referencia (MoReRT)
17.3.4 Control MoReRT PID2IF
17.4 Control de procesos inestables con tiempo muerto
17.4.1 Control MoReRT PI2
17.4.2 Control MoReRT PID2F
17.4.3 Control MoReRT PID2IF
17.5 Modelos del proceso y parámetros del controlador normalizados
17.6 Resumen
17.7 Bibliografía
777
778 17 Control de procesos integrantes, inestables y con respuesta inversa
17.1 Introducción
Aunque los procesos controlados, en su mayoría, presentan características dinámicas
estables y sobreamortiguados, existen algunos con otras características dinámicas y
que requieren de un tratamiento especial.
Entre estos, se pueden considerar los siguientes:
• Procesos integrantes más tiempo muerto, cuyo modelo incluye uno o más polos
en el origen del plano complejo s.
• Procesos inestables más tiempo muerto, representados con modelos con polos
en el semiplano derecho del plano complejo s (polos inestables).
K = K1 − K2 , (17.5)
T = T1 , (17.6)
T2
a= , (17.7)
T1
K2 − aK1
b= . (17.8)
K1 − K2
El comportamiento dinámico de un proceso con respuesta inversa, ante un cam-
bio escalón en la entrada, se ilustra en la figura 17.2.
Variables [%]
80
ceso con respuesta inversa
60
y(t)
u(t)
40
20
0
0 20 40 60 80 100 120
Tiempo, t [s]
τc mı́n = a0 + a1 b + a2 b2 + a3 b3 . (17.12)
Esta expresión es menos precisa que (17.12), pero más simple de utilizar. Además,
se trata de hacer solo una estimación de la velocidad máxima permitida para el lazo
asegurando un robustez mínima. Es posible que esta velocidad también esté limitada
por otras razones, como el cambio en el esfuerzo de control,
1,5(−10s + 1)
P(s) = , K = 1,5, T = 5 s, a = 0,4, b = 2. (17.14)
(5s + 1)(2s + 1)
MSr = 1,92, Sm
r
= 0,52. (17.17)
ℑ L(jω)
75 y(t) Sm = 0. 8
r(t)
Variables [%]
70 d(t) Sm = 0.52
Sm = 0.5
65 0.5
60
55 ℜ L(jω)
0.0
50 −2.0 −1.5 −1.0 −0.5 0.0 0.5
45
Tiempo, t [s]
0 50 100 150 200 −0.5
u(t)
Variables [%]
60
−1.0
55
50 −1.5
45
0 50 100 150 200
Tiempo, t [s] −2.0
Figura 17.3: Ejemplo 17.1 - Respuesta y robustez del control PID 1GdL (proceso con
respuesta inversa)
K(−bT s + 1)
P(s) = , (17.18)
(T s + 1)(aT s + 1)
donde
Z ∞
. 2
Jr (τc , θ c , θ p ) = ytr (τc , θ p ,t) − yr (θ c , θ p ,t) dt, (17.22)
Z0 ∞
. 2
ytd (τc , θ c , θ p ,t) − yd (θ c , θ p ,t) dt.
Jd (τc , θ c , θ p ) = (17.23)
0
2,0(−12,5s + 1)
P(s) = , K = 2,0, T = 10 s, a = 0,5, b = 1,25. (17.27)
(10s + 1)(5s + 1)
Los parámetros del controlador, así como la robustez de los lazos de control
resultantes, obtenidos con el diseño MoReRT con MSt ∈ {2,0, 1, 6} se listan en el
cuadro 17.8. En ambos casos la robustez obtenida es la de diseño.
Las curvas de respuesta para este sistema, se muestran en la figura 17.4 y las
gráficas de robustez correspondientes en la figura 17.5.
17.2. Control de procesos con respuesta inversa 787
75 y1 (t)
y2 (t)
Variables [%]
70
65
60
55
50
45
40
0 50 100 150 200 250
Tiempo, t [s]
u1 (t)
u2 (t)
Variables [%]
60
55
50
45
0 50 100 150 200 250
Tiempo, t [s]
Figura 17.4: Ejemplo 17.2 - Curvas de respuesta del control PI 2GdL (MoReRT),
proceso con respuesta inversa
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
788 17 Control de procesos integrantes, inestables y con respuesta inversa
Como se puede notar en las curvas de respuesta de la figura 17.4, estas presen-
tan una respuesta inversa tanto a un cambio en el valor deseado como a uno en la
perturbación (considerada a la entrada del proceso), “heredada” del proceso.
Como se ha hecho notar repetidas veces anteriormente, el comportamiento de
fase no mínima del proceso controlado, tiempo muerto, respuesta inversa, o múltiples
cruces por cero, aparecerán de igual forma en las curvas de respuesta de su sistema
de control PI(D).
t
(Ti∗ /Kp∗ )s(−bT s + 1)
Myd (s) = . (17.29)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
Por su parte, el modelo de referencia para la función de transferencia del servo
control, es
t (β ∗ T ∗ s + 1)(−bT s + 1)
Myr = 2 2 2 i . (17.30)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
El factor de peso de valor deseado proporcional se seleccionará tal que β ∗ →
τc T /Ti∗ , de manera que el cero controlador esté situado a la izquierda de los polos
complejos de lazo cerrado.
La respuesta de los modelos de referencia, será entonces
(τc T s + 1)(−bT s + 1)
yt (s) = r(s)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
(Ti∗ /Kp∗ )s(−bT s + 1)
+ 2 2 2 d(s). (17.31)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
17.3. Control de procesos integrantes 789
κ p∗ τi∗ τd∗ τf β∗
c0 3,808 0,8608 0,2728 0,316 0,4172
c1 0,4111 0,988 0,4044 0,1914 -0,08662
c2 -6,217 1,599 0,4831 1,082 0,2333
c3 -0,3489 0,03134 0,09845 -0,01138 -0,05651
c4 4.25 -0.9303 -0.3138 -0.4785 -0.07367
c5 0,09239 -0,06749 -0,0327 -0,03542 0,01223
c6 -0,9784 0,2252 0,06335 0,1128 0,01114
κ p∗ τi∗ τd∗ τf β∗
c0 3,042 1,079 0,3174 0,4545 0,4418
c1 -0,07878 1,121 0,4253 0,2903 -0,08582
c2 -4,409 1,355 0,4505 1,042 0,2538
c3 0,1679 -0,26 -0,03513 -0,189 -0,07043
c4 2,153 -0,4896 -0,3367 -0,1696 -0,0276
Como se indicó para el controlador PI, la posición del cero de fase no mínima del
proceso, restringe el nivel de robustez que se puede lograr para el sistema de control.
Para una robustez MSt = 2,0, con 0,25 ≤ b ≤ 2,0, los parámetros del controlador
PID2F , se pueden determinar con la expresión (Alfaro y Vilanova, 2013b)
Si la robustez deseada es MSt = 1,6, con 0,25 ≤ b ≤ 1,0, los parámetros del con-
trolador PID2F , están dados por
Kv e−Ls
P(s) = , (17.34)
s
y la del controlador PI
1
C(s) = Kp 1 + . (17.35)
Ti s
. 1
κ p = Kp Kv L = , (17.36)
τc + 1
. Ti
τi = = 4(τc + 1), (17.37)
L
Con este ajuste, el lazo de control tendrá una robustez correspondiente a una
MS = 1,7.
17.3. Control de procesos integrantes 791
Chen y Seborg (2002) presentan los parámetros para controladores con algoritmos
de control PI y PID de 1GdL.
Para obtenerlos, emplearon como funciones de transferencia de lazo cerrado
deseadas para el control regulador
• Controlador PI
2τc s + 1
Kp Kv L = , (17.53)
(τc s + 1)2
Ti
= 2τc + 1. (17.54)
L
. a0 + a1 τL
κ p = Kp Kv T = , (17.66)
a2 + a3 τL + τL 2
. Ti
τi = = b0 eb1 τL + b2 eb3 τL , (17.67)
T
c0 + c1 τL
β= , (17.68)
c2 + τL
Cuadro 17.13: Ejemplo 17.3 - Parámetros del controlador y robustez del control de
un proceso integrante
1,5e−2s
P(s) = . (17.69)
s
Lo primero que se nota del cuadro 17.13, es que en los tres casos, se obtiene un
sistema con el nivel de robustez de diseño. Fijo en el caso del SIMC y seleccionable
en el caso del MoReRT.
Las curvas de respuesta de estos sistemas de control, se muestran en la figura
17.3 y las gráfica de robustez en la figura 17.3.
796 17 Control de procesos integrantes, inestables y con respuesta inversa
y1 (t)
90 y2 (t)
Variables [%]
y3 (t)
80
70
60
50
40
0 20 40 60 80 100 120
Tiempo, t [s]
54 u1 (t)
u2 (t)
Variables [%]
52 u3 (t)
50
48
46
0 20 40 60 80 100 120
44
42 Tiempo, t [s]
Figura 17.6: Ejemplo 17.3 - Curvas de respuesta del control de un proceso integrante
grantes
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
17.3. Control de procesos integrantes 797
Aunque el método SIMC, no incorpora el cálculo del factor de peso del valor
deseado, en caso de utilizarlo para ajustar los parámetros de un controlador de 2GdL,
es conveniente modificar con algún criterio, el factor β del algoritmo de control, para
mejorar el comportamiento del servo control. Esto, evidentemente, no tendrá ninguna
implicación sobre la respuesta del control regulador, ni sobre la robustez del lazo de
control.
El ajuste robusto de los algoritmos de control PI2IF y PID2IF , para los procesos
ipomtm (Kv , L), está dado por las relaciones (Alfaro y Vilanova, 2013a)
.
κ p = Kp Kv L = a, (17.74)
.
κi = Ki Kv L2 = b, (17.75)
.
κd = Kd Kv = c, (17.76)
. Tf
τf = = d, (17.77)
L
. Tr
τr = = e, (17.78)
L
σ = f, (17.79)
γ = 0, (17.80)
En el caso de los procesos isomtm (Kv , T, L), se encuentra que el mejor desempeño se
logra con una respuesta sin oscilación (ζ = 1,0).
El ajuste robusto de los algoritmos de control PI2IF para procesos isomtm con
17.4. Control de procesos inestables con tiempo muerto 799
0,1 ≤ τL = L/T ≤ 2,0, para una robustez MSt = 2,0, son (Alfaro y Vilanova, 2013a)
. 0,5163 + 0,5095τL
κ p = Kp Kv T = , (17.81)
0,5788 + 2,099τL + τL2
. 0,09323
κi = Ki Kv T 2 = , (17.82)
0,5438 + 2,302τL + τL2
. Tf
τf = = 0,1407 + 0,1687τL0,8976 , (17.83)
T
. Tr
τr = = 5,603 + 5,829τL , (17.84)
T
1,393 + 2,379τL + 1,215τL2
σ= , (17.85)
0,9866 + 1,991τL + τL2
γ = 0, (17.86)
. 0,2461 + 0,3372τL
κ p = Kp Kv T = , (17.87)
0,5108 + 1,672τL + τL2
. 0,04682
κi = Ki Kv T 2 = , (17.88)
0,7068 + 2,192τL + τL2
. Tf
τf = = 0,2163 + 0,2416τL0,9322 , (17.89)
T
. Tr
τr = = 7,528 + 7,663τL , (17.90)
T
8,773 + 15,53τL + 1,197τL2
σ= , (17.91)
6,847 + 13,13τL + τL2
γ = 0. (17.92)
Los parámetros del filtro de valor deseado en las expresiones anteriores, se ob-
tienen seleccionado τr = κ p /κi y el valor de σ , de manara de de optimizar la integral
del error absoluto a un cambio escalón en el valor deseado.
Ku e−Ls
P(s) = . (17.93)
Ts−1
El tiempo muerto del modelo, impone una restricción al nivel máximo de robus-
tez del lazo de control, que se puede alcanzar.
Para los niveles de robustez usualmente empleados con otros tipos de procesos,
los límites en el tiempo muerto del proceso inestable son: MS = 1,4 para τL ≤ 0,1,
MS = 1,6 para τL ≤ 0,15 y MS = 2,0 para τL ≤ 0,26.
Esto implica que niveles “aceptables” de robustez, solo se pueden lograr para un
ámbito reducido de procesos inestables.
Considerando que para los procesos inestables, el objetivo principal es que el
sistema de control permita una operación estable de estos, es necesario degradar el
nivel de robustez de diseño del sistema de control. Esto podría implicar, tener que
considerar restringir el ámbito de puntos de operación en que se puede controlar en
forma estable el proceso.
El ámbito de tiempos muertos normalizados del modelo inestable, admisibles
para la ecuaciones de ajuste del controlador, en función de la robustez del lazo de
control, se listan en el cuadro 17.15.
17.4. Control de procesos inestables con tiempo muerto 801
y1 (t)
65 y2 (t)
Variables [%]
60
55
50
45
0 20 40 60 80 100
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
60
50
40
30
20
0 20 40 60 80 100
Tiempo, t [s]
Figura 17.9: Ejemplo 17.4 - Curvas de respuesta del control de un proceso inestable
table
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
17.4. Control de procesos inestables con tiempo muerto 803
De los datos del cuadro 17.17, se nota que para el proceso inestable del ejemplo
(con τL = 0,20), se aumentó la robustez del lazo de control de Sm = 0,25 a Sm = 0,50,
disminuyendo la ganancia −menos acción proporcional− y aumentado el tiempo
integral −menos acción integral− del controlador. Se podría suponer entonces, que
tal vez sería posible seguir aumentado la robustez, por ejemplo hasta MS = 1,60,
siguiendo este procedimiento. Sin embargo, como se indicó anteriormente, con un
controlador PI un nivel de robustez equivalente a una MS = 1,6, solo se puede lograr
para procesos inestables con τL ≤ 0,15. Esto es, con un tiempo muerto normalizado,
menor que el del proceso considerado en el ejemplo.
De hecho, si se sigue disminuyendo la ganancia y aumentando el tiempo integral
del controlador PI, el sistema de control llega a volverse inestable.
Debe tenerse en cuenta que, para lograr estabilizar el lazo de control de un pro-
ceso inestable, debe aumentarse la ganancia del controlador por encima de un valor
mínimo. Esto es lo contrario a lo que se hace en el caso de los procesos estables, para
los cuales es necesario mantener la ganancia del controlador, por debajo de un valor
máximo para que el sistema de control sea estable.
MS
6
4
PI
PID F
2
2
1
0.2 0.4 0.6 0.8
τL
las cuales son válidas para modelos upomtm con 0,10 ≤ τL ≤ 0,85.
La robustez del lazo de control resultante, se puede estimar con la relación
.
κ = Kp Ku = 3,185 − 2,188 τL0,6658 , (17.107)
. Ti
τi = = 2,857 + 50,01 τL4,645 , (17.108)
T
. Td
τd = = −0,3816 + 0,7151 τL0,4151 , (17.109)
T
3,013 − 2,794 τL
α= , (17.110)
0,894 − 26,03 τL + 100τL2
β = 0, (17.111)
γ = 0, (17.112)
las cuales son válidas para modelos upomtm con 0,25 ≤ τL ≤ 0,85.
Por lo tanto, los procesos inestables con 0,10 ≤ τL < 0,25, no se pueden controlar
en forma robusta con un PID2 , debe utilizarse un controlador PID2F .
. 1
κ p = Kp Ku = , (17.113)
0,3866 + 0,5494 τL − 0,0634 τL2 + 0,0002184 τL3
. 1
κi = Ki Ku T = , (17.114)
1,5422 − 4,9568 τL + 22,1484 τL2
. Kd Ku
κd = = 0,07318 + 0,6722 τL0,646 , (17.115)
T
. Tf
τf = = 0,08649 + 0,1452 τL1,132 , (17.116)
T
. Tr
τr = = 3,957 − 15,65 τL + 55,41 τL2 − 26,58 τL3 , (17.117)
T
σ = 1,156 − 1,684 τL + 3,562 τL2 − 2,411 τL3 , (17.118)
γ = 0. (17.119)
1 + 1,4561 τL
MS = . (17.120)
0,7656 − 0,2024 τL − 0,3848 τL2 + 0,0003126 τL3
su modelo normalizado es
−bŝ + 1
P̂(ŝ) = , (17.122)
(ŝ + 1)(aŝ + 1)
17.5. Modelos del proceso y parámetros del controlador normalizados 807
el cual tiene dos parámetros adimensionales, θ̂ p = {a, b}, por lo que los pará-
metros normalizados del controlador PID Estándar de dos grados de libertad,
son de la forma general
.
κ p = KKp = f1 (c1 (a, θd ), b), (17.123)
. Ti
τi = = f2 (c2 (a, θd ), b), (17.124)
T
. Td
τd = = f3 (c3 (a, θd ), b), (17.125)
T
β = f4 (c4 (a, θd ), b). (17.126)
• Para los procesos integrantes de primer orden con tiempo muerto (ipomtm),
dados por la función de transferencia
Kv e−Ls
P(s) = , θ = {Kv , L} (17.127)
s
su modelo normalizado
e−s̃
P̃(s̃) = , (17.128)
s̃
no tiene parámetros (θ̃ p = 0),
/ por lo que los parámetros normalizados del
controlador PID Estándar, en este caso son simplemente funciones de los
parámetros de diseño
.
κ p = Kv Kp L = c1 (θd ), (17.129)
. Ti
τi = = c2 (θd ), (17.130)
L
. Td
τd = = c3 (θd ), (17.131)
L
β = c4 (θd ). (17.132)
su modelo normalizado
e−τL ŝ L
P̂(ŝ) = , τL = , (17.134)
ŝ(T ŝ + 1) T
808 17 Control de procesos integrantes, inestables y con respuesta inversa
Ku e−Ls
P(s) = , θ p = {Ku , T, L}, (17.139)
Ts−1
su modelo normalizado, es
e−τL Lŝ L
P̂(ŝ) = , τL = , (17.140)
T ŝ − 1 T
En las expresiones anteriores, los {ci } son constantes y los θd los parámetros de
diseño utilizados en cada caso.
Si el algoritmo de control del controlador, es otro diferente del PID Estándar
de 2GdL, sus parámetros se pueden normalizar empleando la misma transformación
utilizada para normalizar el modelo del proceso controlado correspondiente.
Debe tenerse en cuenta, que se utilizaron dos transformaciones diferentes para
normalizar los modelos de los procesos controlados: ŝ = T s para la gran mayoría y
s̃ = Ls para los modelos ipomtm.
17.6. Resumen 809
17.6 Resumen
Aunque la mayoría de los procesos industriales tienen una dinámica sobreamortigua-
da estable, hay otros, como los integrantes, los que tienen una respuesta inversa, o
son inestables, para los cuales el diseño de su sistema de control deber tratarse en
forma diferente.
Por ejemplo, los procesos con respuesta inversa o inestables, imponen restriccio-
nes a la robustez máxima que puede tener su sistema de control.
Sin embargo, tal como se ha mostrado en este capítulo, el algoritmo de control
proporcional, integral y derivativo, y en particular sus implementaciones de dos gra-
dos de libertad, permiten obtener un comportamiento similar al logrado para los sis-
temas sobreamortiguados estables, con la salvedad, en algunos casos, de la robustez
máxima posible de alcanzar.
La metodología de ajuste robusto por modelo de referencia (MoReRT), es sufi-
cientemente general para utilizarse en el diseño de sistemas de control de procesos
controlados sobreamortiguados (ver el Capítulo 16), así como de los que tienen una
respuesta inversa, son integrantes o incluso inestables.
El desarrollo de estas y otras posibles aplicaciones, de la metodología MoReRT
para el ajuste de los parámetros de los algoritmos de control PI(D), así como la forma
de implementarla, se describen en Alfaro y Vilanova (2016).
17.7 Bibliografía
Alfaro, V. M., Balaguer, P., y Arrieta, O. (2012). Robustness Considerations on PID
Tuning for Regulatory Control of Inverse Response Processes. En IFAC Conferen-
ce on Advanced in PID Control (PID’12). Bresia, Italy, 28-30 March.
Rice, B. y Cooper, D. (2002). Desing and Tuning of PID Controllers for integrating
(Non-Self Regulating) Processes. En ISA 2002 Annual Meeting. Chicago, Ill.,
USA.
Skogestad, S. (2003). Simple analytic rules for model reduction and PID controller
tuning. Journal of Process Control, 13:291–309.
18
18.1 Introducción
18.2 Compensadores del tiempo muerto
18.3 Controlador proporcional e integral predictivo (PPI)
18.3.1 Deducción matemática del controlador PI Predictivo
18.3.2 Controlador PPI de dos grados de libertad
18.4 Resumen
18.5 Bibliografía
811
812 18 Control de procesos dominados por el tiempo muerto
18.1 Introducción
El tiempo muerto incluido en el modelo, ya sea este real o producto de la aproxi-
mación del proceso controlado por un modelo de orden reducido, tiene un efecto
inmediato sobre el comportamiento y la robustez que el sistema de control puede
lograr.
e−5,4s
Pm (s) = , τL = 0,26. (18.2)
20,97s + 1
e−100s
P(s) = . (18.3)
(20s + 1)(5s + 1)(s + 1)
18.1. Introducción 813
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
45
0 100 200 300 400 500
Tiempo, t [s]
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
45
0 100 200 300 400 500
Tiempo, t [s]
Este se aproximará por un modelo de primer orden más tiempo muerto, dado por la
función de transferencia
e−105,4s
Pm (s) = , τL = 5,03. (18.4)
20,97s + 1
Los parámetros del controlador PI, calculados utilizando nuevamente la síntesis
matemática del servo control, se listan en el cuadro 18.2 y las curvas de respuesta del
sistema de control ese muestran en la figura 18.2.
Lo primero que se nota del cuadro 18.2, es que ha sido necesario utilizar valores
mayores para el parámetro de diseño τc y aún así, la robustez del lazo de control es
muy baja.
Además, otras características dinámicas del servo control como el sobrepaso má-
ximo y el tiempo de respuesta, se han deteriorado. Lo mismo ocurre con el control
814 18 Control de procesos dominados por el tiempo muerto
65
y1 (t)
Variables [%] y2 (t)
y3 (t)
60
55
50
45
0 500 1000 1500 2000 2500 3000
Tiempo, t [s]
65
u1 (t)
u2 (t)
Variables [%]
u3 (t)
60
55
50
45
0 500 1000 1500 2000 2500 3000
Tiempo, t [s]
El Predictor de Smith
De esta manera, el controlador PPI solo tiene tres parámetros ajustables θcPPI =
{Kp , Ti , Lc }.
La ecuación de salida del controlador PPI, es
1 1
u(t) = Kp 1 + [r(t) − y(t)] − [u(t) − u(t − Lc )] . (18.5)
Ti p Ti p
controlador PPI
0%
Ke−Ls . L
P(s) = , τL = , (18.8)
Ts+1 T
cuya ganancia Myr (0) = 1. No hay error permanente a un cambio escalón en el valor
deseado.
El tiempo muerto en el numerador de (18.9), debe ser igual al tiempo muerto del
proceso, entonces Lc = L.
Supóngase que se desea que la respuesta del sistema de control, a un cambio esca-
lón en el valor deseado, sea de primer orden. Por lo tanto, la función de transferencia
deseada para el servo control, es
t e−Ls
Myr (s) = . (18.10)
τc T s + 1
Para lograr esto, primero se debe cancelar el polo del proceso con el cero del
controlador, seleccionado Ti = T . Haciendo esto, (18.9) se reduce a
KKp e−Ls
Myr (s) = , (18.11)
T s + 1 − e−Ls + KKp e−Ls
18.3. Controlador proporcional e integral predictivo (PPI) 819
la cual, aproximando el tiempo muerto por una serie de Mclauring de primer orden,
se puede rescribir, como
e−Ls
Myr (s) = . (18.12)
T +L
KK p − L s + 1
T +L
− L = τc T. (18.13)
KKp
T +L
KKp = . (18.14)
τc T + L
. 1 + τL
κ p = KKp = , (18.15)
τc + τL
. Ti
τi = = 1, (18.16)
T
. Lc
τLc = = τL , (18.17)
T
1
Kp = , (18.18)
K
Ti = T, (18.19)
Lc = L, (18.20)
Respecto al efecto que tienen los cambios de las características del proceso, sobre
la estabilidad relativa de un lazo de control con un controlador PID cuando el proceso
controlado está representado por un modelo epomtm, se ha considerado que el caso
más crítico, corresponde al efecto combinado de un aumento en su ganancia, una
disminución en su constante de tiempo y un aumento en su tiempo muerto.
Como se sabe, el aumento en el tiempo muerto, reduce el margen de fase y por
lo tanto la estabilidad relativa del lazo de control. Por su parte, una reducción en el
tiempo muerto, aumenta la estabilidad relativa del lazo de control.
18.3. Controlador proporcional e integral predictivo (PPI) 821
y(t)
65 r(t)
d(t)
Variables [%]
60
55
50
60
55
50
Figura 18.6: Ejemplo 18.1 - Curvas de respuesta, control PPI (τc = 0,7)
< L(jω)
0.0
2.0 1.5 1.0 0.5 0.0 0.5
0.5
1.0
1.5
2.0
822 18 Control de procesos dominados por el tiempo muerto
Figura 18.8: Ejemplo 18.2 - Diagrama de Bode y gráfica polar (proceso con L = 100
s)
Figura 18.9: Ejemplo 18.2 - Diagrama de Bode y gráfica polar (proceso con L = 130,5
s)
tiempo muerto L = 130,5 s. No está de más recordar, que no se han cambiado los
parámetros del controlador.
En estas condiciones, el sistema está en el límite de la estabilidad, Am = 1. Nótese
que este margen de ganancia se ha determinado a la frecuencia ω−540 . Esto es, a la
frecuencia a la cual la gráfica polar cruza por segunda vez el eje real negativo, como
se ve en la figura 18.9.
El comportamiento anterior es el usual en todos los sistemas de control, cuando
aumenta el tiempo muerto del proceso controlado.
Se analizará ahora que pasa, si el tiempo muerto del proceso más bien disminuye.
En el caso de los sistemas de control con un compensador de tiempo muerto,
como el controlador PPI, también se pierde estabilidad.
Se puede encontrar que el sistema nuevamente se vuelve inestable, si el tiempo
muerto del proceso es menor a L = 67 s, tal como se muestra en la figura 18.10.
Ahora, el margen de ganancia está determinado a la frecuencia a la cual la fase
de la función de transferencia de lazo abierto del sistema de control es −180°.
Figura 18.10: Ejemplo 18.2 - Diagrama de Bode y gráfica polar (proceso con L = 67
s)
se tienen dos márgenes de tiempo muerto, uno positivo MLM = 25,1 s (un incremen-
to máximo del 23,8 % en el tiempo muerto) y otro negativo, MLm = −38,4 s (una
disminución máxima del 36,4 % en el tiempo muerto).
Los sistemas de control con un compensador de tiempo muerto, son sensibles a
una sobre estimación y también a una sub estimación del tiempo muerto del proceso
controlado.
Esto usualmente restringe el ámbito de operación del sistema de control, si las
características dinámicas del proceso controlado, particularmente su tiempo muerto,
pueden cambiar significativamente.
Una versión extendida del controlador PPI, denominado EPPI (“Extended PPI”),
para el caso de los procesos de polos múltiples o integrantes, se presenta en Airikka
(2011).
18.4 Resumen
La predicción del comportamiento futuro de la variable controlada, hecha por el mo-
do derivativo del algoritmo de control PID, no aporta suficiente información, para
lograr un control eficaz de los procesos controlados cuyo tiempo muerto es consi-
derable. En este caso, es necesario utilizar un algoritmo de control que incluya un
compensador de tiempo muerto.
826 18 Control de procesos dominados por el tiempo muerto
18.5 Bibliografía
ABB (2011). PID control theory made easy - Optimising plant performance with
modern process controllers. PG/RandC/001-EN/Control theory white paper.
Hägglund, T. (1992). A Predictive PI Controller for Process with Long Dead Time.
IEEE Control Systems, 11(1):57–60.
Smith, O. J. M. (1957). Closed control of loops with dead time. Chemical Enginee-
ring Progress, 53:217–219.
Parte V
829
19
19.1 Introducción
19.2 Control realimentado
19.3 Control en cascada
19.3.1 Funcionamiento del control en cascada
19.3.2 Ajuste robusto de un sistema de control en cascada
19.4 Control selectivo
19.5 Control de razón
19.6 Resumen
19.7 Bibliografía
19.1 Introducción
Puede requerirse mejorar el comportamiento de los sistemas de control ante las per-
turbaciones, tal vez deban controlarse varias variables, pero se tiene solo una variable
manipulada que las afecta para hacerlo, el proceso tiene un tiempo muerto significa-
tivo, o hay interacciones fuertes entre varias de las variables que se deben controlar.
831
832 19 Control en cascada, selectivo y de razón
TIC
15
I/P
TY
PI 15 Lazo de
12 TV realimentación
15
TI TIT
14 15
Variable Variable
controlada controlada
secundaria primaria
Controlador “amo” Controlador “esclavo”
+ +
+ +
- -
Lazo de realimentación
secundario (interno)
Lazo de realimentación
primario (externo)
Lazo de
control
FIC S.P.
interno
12
Controlador Controlador
secundario primario
I/P TIC
FY 12
PI FT 12
10 12 FV Lazo de
FE 12
12 control
externo
TI TIT
14 12
P I
P I T A
A T A
I/P
FV
K1 e−L1 s . L1
P1 (s) = , τL1 = , (19.1)
T1 s + 1 T1
K2 e−L2 s . L2
P2 (s) = , τL2 = . (19.2)
T2 s + 1 T2
El modelo P2 (s) representa el comportamiento de la variable controlada secun-
daria (del valor medido de esta), respecto a la señal de control secundaria esto es, la
relación u2 → y2 . Por su parte, el modelo P1 (s) representa el comportamiento de la
variable controlada primaria (del valor medido de esta), respecto a la variable con-
trolada secundaria esto es, la relación c2 → y1 .
El controlador secundario utiliza un algoritmo de control PI2 , y el controlador
primario un algoritmo PID2 , cuyas ecuaciones de salida son
1 Td1 s
u1 (s) = Kp1 β1 r1 (s) − y1 (s) + [r1 (s) − y1 (s)] − y1 (s) , (19.3)
Ti1 s α1 Td1 s + 1
1
u2 (s) = Kp2 β2 r2 (s) − y2 (s) + [r2 (s) − y2 (s)] . (19.4)
Ti2 s
El parámetro de diseño para el controlador esclavo, es
(
1 − τL2 , τL2 ≤ 0,35,
τc2 = (19.5)
0,46 + 0,54 τL2 , 0,35 < τL2 ≤ 1,0.
Ke−Ls
P0 (s) = , (19.9)
(T s + 1)(aT s + 1)
840 19 Control en cascada, selectivo y de razón
. 10τi1
κ p1 = Kp1 K = , (19.10)
21τc1 + 10τL − 10τi1
2 (τ + 12τ )
. Ti1 (21τc1 + 10τL )[(1 + a)τL + a] − τc1 c1 L
τi1 = = 2
, (19.11)
T 10(1 + a)τL + 10a + 10τL
2 + 10τ τ − (1 + a)(21τ + 10τ − 10τ )
. Td1 12τc1 i1 L c1 L i1
τd1 = = , (19.12)
T 10τi1
τc1 T
β1 = . (19.13)
Ti1
El parámetro de diseño τc1 utilizado en (19.10) a (19.13), debe seleccionarse
considerando los requisitos de robustez del sistema de control en cascada como un
todo. Para garantizar por un lado, que los parámetros sean positivos, y por otro, una
robustez mayor a un mínimo deseado, el parámetro de diseño debe seleccionarse en
el ámbito
τc1 mı́n ≤ τc1 ≤ 1,25 + 2,25a, (19.14)
donde el τc1 mı́n se estima con
Selector de “baja”
Controlador Controlador
<
de presión PIC PY PIC de presión
de succión 1A 1A 1B de descarga
(acción directa) E.F. E.F. (acción inversa)
Transmisor
I/P de presión
Transmisor PY de descarga
1B PT
de presión PV 1B
de succión 1
PT
1A
P I P I
A T A A T A
<
I/P
PV
Acción inversa.
El selector empleado en el esquema de control selectivo, debe “escoger” −su
señal de salida− de entre las señales de salida de los controladores −sus señales de
entrada−, la que mueva más a todas las variables controladas en la dirección correcta.
En el caso particular analizado, debe ser una señal que incremente la presión de
succión y que disminuya la presión de descarga. Mediante el análisis de la operación
de los lazos de control hecho anteriormente, se determina que si la válvula de control
se cierra un poco, la presión de succión aumentará y la presión de descarga bajará,
que es lo que se desea, por lo tanto la señal enviada a la válvula de control, debe ser la
que la cierra más, esto es, la menor de las dos. Por lo tanto,en este caso debe utilizarse
un “selector de baja” −su señal de salida es la menor de las señales de salida de los
controladores−.
El control selectivo puede considerar más de dos variables controladas. Por ejem-
plo, en el caso de la unidad de bombeo, además de la presión de succión y la pre-
sión de descarga de la bomba, podría incorporarse el control del caudal bombeado
−mantenerlo en o por debajo de un caudal máximo especificado−, o el control de la
corriente del motor eléctrico de la bomba −mantenerla en o por debajo de un valor
máximo, para limitar la carga máxima del motor−.
Además, como en el caso de las estaciones de bombeo de un acueducto u oleo-
ducto, estas están constituidas por lo general por varias unidades de bombeo, el sis-
tema de control selectivo de cada una de estas, seguramente incluirá componentes
adicionales, tales como generadores de valor deseado en forma de rampa para los
controladores, vínculos con los arrancadores de los motores eléctricos de las unida-
des y con su sistema de control de secuencias de arranque y paro ordenado (Williams
y Murray, 1988).
Es evidente que, durante al operación del sistema de control selectivo, solo una de
las variables controladas es la que se está realmente regulando, mientras que las de-
más se encuentran en valores seguros (ya sean superiores o inferiores al valor desea-
do dado como límite para cada una de ellas al controlador correspondiente), por lo
que cada uno de los controladores de las variables que no se están controlado, ve-
rá un error que no puede corregir. Por esta razón, los controladores para el control
selectivo, reciben una entrada adicional denominada realimentación externa (E.F. -
“external feedback”). Esta es la misma señal enviada al elemento final de control y
es utilizada para prevenir el desboque del modo de control integral, cuando cada uno
de ellos no sea el controlador “al mando”. Si el controlador encuentra, que la señal
recibida como realimentación externa (E.F.) coincide con su señal de salida (CO), es
que él es el controlador activo y no toma ninguna acción adicional, sin embargo, si
detecta que su señal de salida no coincide con la señal de la realimentación externa,
es que no se está controlado la variable asociada a él y entonces, impide que la con-
tribución del modo integral en su señal de salida siga variando, se comporta como si
844 19 Control en cascada, selectivo y de razón
Fluido libre
FT FE
15A 15A
Controlador
de razón
FFIC
15
Valor
deseado
I/P
FFY
FT 15
15B FE FFV
15B 15
D ● N
●
846 19 Control en cascada, selectivo y de razón
y el transmisor del caudal manipulado tiene una ganancia KT Qb [ %/(m3 /s)] y el del
caudal libre una ganancia KT Qa [ %/(m3 /s)] entonces, el caudal requerido (en %) del
caudal manipulado para cada caudal del fluido libre, es
KT Qb
YQb % = RrYQa % . (19.20)
KT Qa
Por lo tanto, la ganancia del bloque multiplicador, debe ser
KT Qb
KX = . (19.21)
KT Qa
19.5. Control de razón 847
D ● N
A ●
I I
X
P I
T A
I/P
FFV
Si los ámbitos de medición de los dos caudales fueran iguales (transmisores con
igual ganancia), la ganancia del bloque multiplicador sería unitaria.
El diagrama funcional del sistema de control de la razón entre los caudales de
dos fluidos, se muestra en la figura 19.10. Este incluye indicadores para mostrar el
valor deseado y valor el real de la razón entre los dos caudales.
19.6 Resumen
Existen ocasiones en que los requisitos de control del proceso, no pueden ser alcanza-
dos utilizando un esquema de control realimentado simple, por lo que debe emplearse
alguna modificación de este.
Si la dinámica del proceso es lenta y la variable controlada puede sufrir perturba-
ciones, se puede mejorar el control de la variable de interés, utilizando un esquema
de control en cascada. En el caso de un sistema de control en cascada con dos con-
troladores, la señal de salida del controlador primario −el controlador de la variable
de interés− es proporcionada como valor deseado al controlador de la variable con-
trolada secundaria −la utilizada para detectar la presencia de las perturbaciones más
importantes− y la señal de salida de este controlador es la enviada al elemento final
de control. Es necesario que el comportamiento dinámico del lazo de control in-
terno (secundario), sea suficientemente más rápido que el del lazo de control externo
(primario). Para el ajuste de los parámetros de los algoritmos de control de los con-
troladores, debe procederse “de adentro hacia afuera”, primero el del lazo de control
secundario y luego el del lazo de control primario.
En aquellos procesos en los que se dispone de solo una variable manipulada, para
mantener varias variables (controladas) en sus valores aceptables, es necesario hacer
uso de un esquema de control selectivo. La señal enviada al elemento final de control,
debe ser aquella que garantiza que todas las variables “controladas” se mueven en la
dirección aceptable. Esta se escoge de entre las señales de salida de los controladores
utilizados (uno para cada variable incluida en el esquema de control), empleando
un selector de señales de “alta” (la mayor) o de “baja” (la menor). La selección de
la Acción, así como el ajuste de los parámetros del algoritmo de control de cada
controlador, debe hacerse considerando el funcionamiento de cada lazo individual.
Existen también procesos en los cuales se debe regular, por ejemplo, la mezcla
de un aditivo a un líquido, o la proporción entre dos o más fluidos, para lo que se
requiere un sistema de control de razón. En el caso del control de la razón entre
dos caudales (el caso más frecuente), se miden el caudal de ambos fluidos, pero solo
se manipula uno (el que va en menor proporción en la mezcla, por ejemplo el del
aditivo).
19.7. Bibliografía 849
19.7 Bibliografía
Alfaro, V. M., Vilanova, R., y Arrieta, O. (2008). Two-Degree-of-Freedom PI/PID
Tuning Approach for smoth Control on Cascade Control Systems. En 47th IEEE
Conference on Decision and Control. Cancún, México, diciembre 9-11.
Techmation (1999). Control Strategy: Ratio Control Systems. Appication note, Tech-
mation, Inc., Scottsdale, AZ 85258-1228, USA.
Wade, H. L. (2004). Basic and Advanced Regulatory Control: System Design and Ap-
plication. ISA - The Instrumentation, Systems, and Automation Society, Research
Triangle Park, NC 27709, USA., 2nd. edición.
Control anticipativo
20.1 Introducción
20.2 Control anticipativo para el seguimiento del valor deseado
20.3 Control anticipativo para el rechazo de la perturbación
20.3.1 Controlador anticipativo
20.3.2 Controlador anticipativo simplificado
20.4 Estructura general del control anticipativo y realimentado
20.5 Resumen
20.6 Bibliografía
En el Capítulo 6 se indicó, que todos los esquemas de control son una variante o com-
binación, de dos esquemas básicos: el control anticipativo −control a lazo abierto−
y el control realimentado −control a lazo cerrado−.
En los capítulos anteriores se estudió en detalle el funcionamiento y el ajuste de
los sistemas de control realimentado, con controladores con un algoritmo de con-
trol proporcional, integral y derivativo (PID) y algunas de sus variantes. Ahora, se
retomará y se estudiará con más detalle, el control anticipativo.
20.1 Introducción
Existen dos variantes de control anticipativo: el control anticipativo de la referencia
y el control anticipativo de la perturbación. Ambos son esquemas de control a lazo
851
852 20 Control anticipativo
generado por el modelo de referencia Mr (s), es comparado con la repuesta real del
proceso, para obtener la señal de error. Si el modelado fuera perfecto, esta diferencia
entre el perfil deseado de la variable controlada y el real debería ser cero, en cuyo
caso la señal de salida del controlador realimentado C(s) permanecería constante. Si
hay errores de modelado o perturbaciones, se presentará un error diferente de cero y
el controlador C(s) se encargará de eliminarlo (Åström y Hägglund, 2006).
En el sistema de control de la figura 20.3, la variable controlada será
P(s)Ff r (s) + P(s)C(s)Mr (s)
y(s) = r(s), (20.1)
1 +C(s)P(s)
que se puede escribir como
P(s)Ff r (s) + [1 + P(s)C(s)]Mr (s) − Mr (s)
y(s) = r(s). (20.2)
1 +C(s)P(s)
Entonces, se tiene que
P(s)Ff r (s) − Mr (s)
y(s) = Mr (s)r(s) + r(s). (20.3)
1 +C(s)P(s)
854 20 Control anticipativo
2,0e−4,43s
Pm (s) = (20.12)
(8,73s + 1)2
y(t)
80 r(t)
d(t)
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.4: Ejemplo 20.1 - Curvas de respuesta del sistema de control realimentado
< L(jω)
0.0
2.0 1.5 1.0 0.5 0.0 0.5
0.5
1.0
1.5
2.0
20.2. Control anticipativo para el seguimiento del valor deseado 857
y(t)
80 r(t)
d(t)
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.6: Ejemplo 20.1 - Curvas de respuesta del sistema de control anticipativo
y realimentado
Como lo que se conocen son los modelos identificados para el proceso controla-
do, estos se expresarán, como
0 0
Pmu (s) = Pmu− (s)Pmu+ (s)e−Lmu s (s), (20.19)
0
Pmd (s) = Pmd (s)e−Lmd s (s). (20.20)
donde se ha incluido un filtro de perturbación Fd (s) que, de ser necesario, hace que
Cd (s) sea una función de transferencia propia, con la única restricción que Fd (0) = 1.
Como se indica en (20.21), para que el controlador sea causal se requiere que
Lmd ≥ Lmu .
El sistema de control anticipativo resultante, se muestra en la figura 20.8.
860 20 Control anticipativo
+- +
+
+- +
+
control para su implementación, este debe ser diseñado para cada aplicación particu-
lar.
2e−8,86s
Pum (s) = , (20.31)
13,76s + 1
1 e−3,88s
Pdm (s) = , (20.32)
12,49s + 1
2 e−1,39s
Pdm (s) = . (20.33)
4,57s + 1
En el primer caso, utilizando (20.31) y (20.32), el controlador anticipativo (20.25),
es
1 13,76s + 1
Cd (s) = −0,50 . (20.34)
12,49s + 1
864 20 Control anticipativo
y(t)
80 r(t)
Variables [%] d(t)
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.13: Ejemplo 20.2 - Control anticipativo y realimentado, Caso Pu (s) = Pu1 (s)
13,76s + 1
Cd2 (s) = −0,50 . (20.35)
4,57s + 1
y(t)
80 r(t)
d(t)
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.14: Ejemplo 20.2 - Control anticipativo y realimentado, Caso Pu (s) = Pu2 (s)
+
+
Control realimentado
En la figura 20.16 se muestra el diagrama de flujo de instrumentos de un sistema de
control realimentado para realizar lo anterior.
El sistema de control, si está bien ajustado, será capaz de seguir los cambios
en el valor deseado de la temperatura de salida, así como compensar los efectos
adversos de las perturbaciones, como cambios en el caudal de salida demandado,
cambios en las temperaturas de los líquidos de entrada, u otra característica que
afecte sus caudales, pero esto solo hasta que detecte su influencia en la temperatura
del líquido a la salida del tanque de mezcla.
Control anticipativo
En contraste con el control realimentado, en un control anticipativo, las perturba-
ciones son medidas y, tomando en consideración el valor deseado de la variable
20.4. Estructura general del control anticipativo y realimentado 867
TY
10
TV
10
Valor real de la
temperatura de salida
TI (variable de interés)
25
Valor calculado
para la variable
manipulada
Variables I/P
consideradas FY
por el controlador FT TT 10 FT FE TI
20 20 FV 10 15
anticipativo FE 10
10
20
El caudal requerido del líquido frío, depende de las temperaturas de los dos lí-
quidos y del caudal del líquido caliente. Se supondrá en este caso, que la temperatura
del líquido frío permanece constante y que son solo la temperatura y el caudal del
líquido caliente, las perturbaciones que deben compensarse.
En la figura 20.17 se muestra el diagrama de flujo de instrumentos del sistema
de control anticipativo, para el tanque de mezcla.
Como el controlador anticipativo (20.39) determina el valor requerido de la va-
riable manipulada −el caudal del líquido frío−, normalmente es necesario incluir
un lazo de control para mantener esta variable en el valor calculado −lazo de con-
trol interno de un sistema de control en cascada−, ver la sección 19.3 del Capítulo
19.
20.4. Estructura general del control anticipativo y realimentado 869
TIC TIT
25 25
Lazo de
control
realimentado
S.P. FIC
10
FY
20
I/P
FY
FT TT 10 FT FE TI
20 FV 15
FE 20 10 10
10
20
Dado que el control anticipativo solo considera aquellas perturbaciones que son
medidas y tomadas en cuenta dentro de sus ecuaciones, no puede ejercer ninguna
acción correctiva sobre los efectos de las perturbaciones no medidas o no tomadas
en cuenta en su diseño, es que normalmente este esquema de control no se emplea
solo, si no más bien en combinación con un un lazo de control realimentado, como
se muestra en el diagrama de flujo de instrumentos de la figura 20.18.
El controlador anticipativo corregirá el efecto de las perturbaciones medidas,
mientras que el lazo de control realimentado, el de las perturbaciones no medidas,
así como el de las imperfecciones o simplificaciones hechas en el desarrollo del
controlador anticipativo.
En este caso, las perturbaciones consideradas por el controlador anticipativo,
son solamente Qc y Tc . Además, este controlador es una simple ecuación algebrai-
ca, por lo que el comportamiento dinámico del sistema ante los cambios en estas
variables, no está considerado.
estacionario. Esta ecuación no toma en cuenta el hecho que hay una dinámica del
proceso asociada con los equipos.
En la ecuación del controlador anticipativo, se ha supuesto que lo apropiado era
una corrección instantánea, dado que si alguna de las variables de entrada al controla-
dor cambia, hay un cálculo instantáneo del valor necesario de la variable manipulada.
En la realidad, al producirse las perturbaciones, no hay un cambio instantáneo
en la variable controlada. Es más, la dinámica entre las perturbaciones y la variable
controlada, no necesariamente es la misma, que entre al variable manipulada y la
variable controlada.
Para mejorar la exactitud del control anticipativo, es necesario incluir los efectos
dinámicos del proceso, en el ajuste de la variable manipulada.
Una forma de proveer una compensación dinámica, es a través de obtener una
ecuación general de control anticipativo, como una relación dinámica en estado no
estacionario, tal como se indicó en la sección 20.3.2.
20.5 Resumen
Mientras que el control realimentado trata de corregir el error −reacciona ante el
error−, el control anticipativo por su parte pretende evitar la presencia del error −se
anticipa al error−.
Se puede establecer un esquema de control anticipativo para el seguimiento de
un valor deseado que cambia, o para el rechazo de la perturbación.
En ambos casos, el modelo del proceso controlado, en concreto su inversa, for-
ma parte del controlador anticipativo. Dado que normalmente los modelos son una
función de transferencia propia y con componentes de fase no mínima, su inversa
solo se puede obtener en forma aproximada, por lo que el funcionamiento logrado
del control anticipativo no es perfecto.
Si el proceso controlado es muy no lineal, el comportamiento del control antici-
pativo se deteriora, si el punto de operación del sistema de control se aleja del punto
donde se ajustó el modelo utilizado.
Dado que el control anticipativo solo trata de compensar el efecto de la perturba-
ción que es medida (tomada en cuenta en el controlador), este debe complementarse
con un lazo de control realimentado, para corregir el efecto de las demás perturba-
ciones y las variaciones de las características dinámicas del proceso controlado.
20.6 Bibliografía
Åström, K. y Hägglund, T. (2006). Advanced PID Control. ISA - The Instrumenta-
tion, Systems, and Automation Society, Research Triangle Park, NC 27709, USA.
20.6. Bibliografía 871
Wade, H. L. (2004). Basic and Advanced Regulatory Control: System Design and Ap-
plication. ISA - The Instrumentation, Systems, and Automation Society, Research
Triangle Park, NC 27709, USA., 2nd. edición.
21
21.1 Introducción
21.2 Procesos interactivos “2x2” (TITO)
21.3 Efecto de la interacción sobre la estabilidad de los lazos de control
21.3.1 Polos de lazo cerrado
21.3.2 Índice de Niederlinski
21.4 Matriz de índices de interacción (RGA)
21.4.1 RGA de un proceso TITO
21.5 Índice de interacción e índice de Niederlinski de un proceso TITO
21.6 Medición de la interacción utilizando información dinámica
21.6.1 Matriz de ganancias relativas normalizadas (RNGA)
21.7 Ajuste de los controladores en un sistema de control multilazo
21.8 Red de desacopladores
21.9 Control multilazo de procesos con propagación de la perturbación
21.9.1 Control de un calentador continuo
21.10 Resumen
21.11 Bibliografía
Hasta el momento, los esquemas de control estudiados, han estado relacionados con
procesos en los que se ha considerado que se tiene solo una variable controlada y solo
una variable manipulada asociada a ella, por lo que estos procesos son denominados
procesos univariables, o procesos SISO (“single-input-single-output”).
873
874 21 Control multilazo de los procesos multivariables
Aunque los sistemas de control en cascada vistos en la sección 19.3 del Capítulo
19, están formados por dos o más lazos de control y en estos se controla más de una
variable, se tiene solo una variable manipulada para ejercer el control.
También, como se vio en la sección 19.4 del Capítulo 19, en los sistemas de
control selectivo se requiere “controlar” varias variables y se cuenta con solo una
variable manipulada para hacerlo. En este caso, el proceso controlado podría deno-
minarse como un proceso SIMO (“single-input-multi-output”) .
En un proceso complejo, normalmente existe un gran número de variables que
deben ser controladas y se puede disponer también, de igual número de variables
que pueden ser manipuladas, para establecer los lazos de control necesarios para el
control de las variables de interés. Estos procesos se denominan en forma general,
como procesos multivariables o procesos MIMO (“multi-input-multi-output”).
Debido a la posible interacción existente entre las variables manipuladas y con-
troladas en un proceso multivariable, su control presenta mayores dificultades que el
de un proceso univariable.
El control de los procesos multivariables de orden n x n (n variables controladas
y n variables manipuladas), puede efectuarse utilizando un conjunto de n2 contro-
ladores, un controlador multivariable −control centralizado−, o también utilizando
un sistema de control multilazo −control decentralizado− esto es, empleando un
conjunto de n controladores cada uno de ellos asociado con una pareja (variable con-
trolada, variable manipulada) (Tan et al., 1999).
El control multilazo presenta varias ventajas sobre el control multivariable: 1.
conceptualmente es más fácil de entender; 2. se utilizan menos controladores y por
lo tanto, hay menos parámetros que ajustar; y 3. es más tolerante a fallas, ya que
cada lazo de control individual se mantiene estable, cuando alguno de los otros no se
encuentre en operación automática.
Sin embargo, para el control multilazo de un proceso multivariable n x n, existen
n! posibles configuraciones de control, de entre las cuales debe seleccionarse la co-
rrespondiente a las parejas (variable controlada, variable manipulada), que permitan
el mejor control. Como se verá más adelante, se seleccionará el emparejamiento que
produzca la menor interacción posible entre los lazos de control.
A continuación, se presenta una introducción al diseño de los sistemas de control
multilazo de los procesos multivariables, utilizando controladores con un algoritmo
de control PI(D).
21.1 Introducción
En los sistemas de control multilazo de los procesos multivariables, al ejercer el
control de una de las variables controladas, ya sea por la variación de su valor deseado
21.1. Introducción 875
Fluido
calefactor
LT TT
(temperatura)
fluido caliente
o por ser afectada por una o varias perturbaciones, puede que se afecte de algún
modo el sistema de control de otra de las variables controladas. Si al corregir la
“perturbación” producida en esta otra variable controlada, no se afecta a su vez a la
primera, entonces se dirá que estas variables controladas están desacopladas y cada
lazo de control individual se puede considerar, para efectos de su diseño, como un
sistema de control univariable.
Por ejemplo, si se deben controlar el nivel y la temperatura del líquido en el
tanque de la figura 21.1 y se puede manipular el caudal del líquido de entrada al
tanque y el del líquido calefactor circulando por el serpentín dentro del tanque, la
selección de cual variable manipulada se debe utilizar, para controlar cada una de las
variables controladas es evidente y única.
Aunque un cambio del caudal del líquido de entrada afecta tanto el nivel como
la temperatura del líquido en el tanque, el caudal del líquido calefactor solo afecta su
temperatura, tal como se muestra en la figura 21.2. Este es un proceso no interactivo
y sus sistemas de control están desacoplados.
La selección correcta de las parejas (variable controlada, variable manipulada)
sería en este caso (control del nivel del líquido en el tanque manipulando el caudal
de líquido frío) y (control de la temperatura del líquido en el tanque manipulando el
caudal del líquido calefactor).
Sin embargo, aunque en este caso se tienen dos sistemas de control univariable,
debe tenerse en cuenta que los cambios producidos en el caudal del líquido de entra-
da, dentro del sistema de control del nivel del líquido en el tanque, introducirán una
876 21 Control multilazo de los procesos multivariables
LT TT
1. ¿Cuál variable manipulada se debe utilizar para controlar cada una de las va-
riables controladas? esto es, cómo deben seleccionarse las parejas (variable
controlada, variable manipulada), y
Por ejemplo si, en el tanque mostrado en la figura 21.3, deben controlarse nue-
vamente el nivel y la temperatura de una mezcla de dos líquidos (uno frío y otro
caliente), la selección de cual de los líquidos de entrada utilizar para controlar cada
una de las variables, ahora no es evidente ni única. Debe estudiarse el efecto que las
variables manipuladas tienen, sobre cada una de las variables controladas.
21.2. Procesos interactivos “2x2” (TITO) 877
(temperatura)
fluido caliente
Tal como se muestra en la figura 21.4, tanto el caudal del líquido caliente como el
del frío, afectan el nivel y la temperatura de la mezcla de líquidos dentro del tanque.
Este es un proceso interactivo.
Como se verá más adelante, existe una forma de medir el grado de interacción
entre los lazos del sistema de control multilazo, que a la vez provee una indicación
de cómo seleccionar las parejas (variable controlada, variable manipulada).
Las medidas de la interacción, tratan de dar respuesta a la pregunta: ¿Cómo es
afectada la función de transferencia entre una variable manipulada m j y una variable
controlada ci dadas, por el sistema de control multilazo de todas las otras variables
controladas? (Bristol, 1966).
donde Pi j (s) es el modelo del proceso controlado que relaciona la señal realimentada
(variable controlada) yi (s) con la señal de control (variable manipulada) u j (s).
La pregunta que surge para diseñar el sistema de control multilazo es ¿cómo
seleccionar las parejas (y, u)? y luego, si se han seleccionado las parejas (variable
controlada, variable manipulada) ¿funcionará bien el sistema de control?
Se debe dar entonces respuesta a las siguientes preguntas:
1. ¿Cuál es la mejor selección de las parejas (y, u)? esto es, el mejor “empareja-
miento” de las variables controladas, con las variables manipuladas.
878 21 Control multilazo de los procesos multivariables
+ +
+ +
2. ¿Cuánta será la interacción que existirá entre los lazos de control establecidos?
y ¿cómo afecta esta la estabilidad del sistema de control?
Supóngase por el momento, que se han seleccionado adecuadamente las parejas (va-
riable controlada, variable manipulada) y que los lazos de control se han establecido,
como se muestra en la figura 21.6.
Las funciones de transferencia de lazo cerrado de cada lazo de control individual
21.3. Efecto de la interacción sobre la estabilidad de los lazos de control 879
-
+ +
+
+
+ +
-
Cuando los dos lazos de control están en operación automática, las funciones de
transferencia de lazo cerrado que se pueden establecer, son
y1 (s) C1 (s)P11 (s)[1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 (s)P12 (s)
= , (21.5)
r1 (s) [1 +C1 (s)P11 (s)][1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 P12 (s)
y2 (s) C2 (s)P22 (s)[1 +C1 (s)P11 (s)] −C2 (s)P12 (s)C1 (s)P21 (s)
= , (21.6)
r2 (s) [1 +C1 (s)P11 (s)][1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 P12 (s)
y1 (s) C2 (s)P12 (s)
= , (21.7)
r2 (s) [1 +C1 (s)P11 (s)][1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 P12 (s)
y2 (s) C1 (s)P21 (s)
= . (21.8)
r1 (s) [1 +C1 (s)P11 (s)][1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 P12 (s)
880 21 Control multilazo de los procesos multivariables
Por su parte, como se muestra en (21.5) a (21.8), para el sistema de control mul-
tilazo, la ecuación característica (cuando ambos lazos de control están en operación
automática), de todas las funciones de transferencias de lazo cerrado, es
[1 +C1 (s)P11 (s)][1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 P12 (s) = 0. (21.11)
Para que cada lazo de control sea estable, si el otro está fuera de servicio, las
raíces de (21.9) y (21.10) deben tener todas parte real negativa.
Sin embargo, como se ve de (21.11), las raíces la ecuación característica del
sistema de control multilazo completo, no son las mismas que las de de las ecuaciones
características individuales (21.9) y (21.10), por lo que aunque cada lazo de control
sea estable cuando funcionan individualmente, el sistema de control multilazo podría
ser inestable.
Los polos de lazo cerrado de cada lazo de control individual, no son a la vez,
polos de lazo cerrado del sistema de control multilazo.
Como se aprecia en la figura 21.7, si los dos lazos de control están operando en
modo automático, cuando se presenta una perturbación d1 , mientras el controlador C1
está corrigiendo su efecto sobre la variable controlada Y1 , debido a la interacción la
perturbación afecta la variable controlada Y2 a través de P21 , por lo que el controlador
C2 efectúa su corrección, afectando a la vez a Y1 a través de P12 .
Por lo tanto, hay oculto un lazo de realimentación que involucra a los dos con-
troladores, C1 (s) y C2 (s), y a los procesos representados por los modelos P12 (s) y
P21 (s).
Para que la interacción afecte la estabilidad del sistema de control multilazo, cada
variable manipulada debe afectar a ambas variables controladas. En el caso en que
K12 = 0 o K21 = 0, si cada lazo de control individual es estable, el sistema completo
será estable. En este caso, como se verá adelante, la medición de la interacción entre
los lazos de control, indicará que el proceso es no interactivo.
-
+ +
+
+
+ +
-
. |K|
NI = , (21.12)
∏ni=1 Kii
donde |K| es el determinante de la matriz de ganancias del modelo del proceso con-
trolado y los Kii son las ganancias de las funciones de transferencia de su diagonal.
Si el NI < 0, el sistema de control multilazo de un proceso multivariable, será
inestable para cualquier conjunto de parámetros de los algoritmos de control de los
controladores.
Sin embargo, si el NI > 0, el sistema de control multilazo puede o no ser estable,
dependiendo de los parámetros de los algoritmos de control de los controladores.
882 21 Control multilazo de los procesos multivariables
Por lo tanto, el que el NI sea positivo, será una condición necesaria pero no
suficiente, para garantizar que el sistema de control multilazo sea estable.
Es necesario entonces que, para la formación de parejas (variable controlada,
variable manipulada) seleccionada, el NI sea positivo, de manera que el sistema de
control multilazo pueda ser estabilizado, con una selección adecuada de los paráme-
tros de los algoritmos de control de los controladores.
El cálculo del NI, solo puede aplicarse cuando los controladores de todos los
lazos de control, tienen modo integral esto es, son PI o PID.
Como la condición de inestabilidad, NI < 0, no depende de los parámetros de
los algoritmos de control de los controladores, esta es una condición de inestabilidad
estructural, esto es, intrínseca al proceso controlado, tal como ha quedado definido
por la selección de las parejas (y, u) hecha.
. ∂ yi /∂ u j uk ,k6= j “ganancia a lazo abierto”
λi j = = . (21.13)
∂ yi /∂ u j y ,k6=i
“ganancia a lazo cerrado”
k
Esto es, por la razón de la ganancia en estado estacionario del modelo del proceso (yi ,
u j ), el proceso del lazo i j, a la ganancia en estado estacionario del proceso aparente
que ve el mismo controlador, cuando todos los otros lazos de control están cerrados.
Por lo tanto, el elemento λi j de la matriz, representa el efecto que tienen los
demás lazos de control sobre la ganancia del proceso controlado, para una pareja
(variable controlada, variable manipulada) dada, por lo que su valor es una medida
de la interacción entre los lazos.
Esta medida de interacción, supone que los lazos de control logran que en estado
estacionario, las variables controladas sean iguales a sus valores deseados, esto es,
todos tienen un error permanente igual a cero.
21.4. Matriz de índices de interacción (RGA) 883
Por otra parte, como se muestra en la figura 21.7, el proceso aparente visto por
el controlador 1, cuando el lazo de de control 2 está cerrado, es
y1 (s) C2 (s)
= P11 (s) − P12 (s)P21 (s) . (21.15)
u1 (s) 1 +C2 (s)P22 (s)
Por lo tanto, la planta vista por el controlador C1 (s) involucra al controlador C2 (s).
En estado estacionario y suponiendo un control perfecto por parte del lazo de
control 2, de (21.15) la ganancia del proceso aparente visto por el controlador 1, es
Analizando los otras posibles parejas para el caso del proceso TITO, se obtiene
que la matriz de ganancias relativas es
1 K11 K22 −K12 K21
Λ2x2 = . (21.18)
K11 K22 − K12 K21 −K12 K21 K11 K22
Por lo tanto, en el caso de un proceso 2x2, solamente se requiere calcular uno de sus
elementos.
884 21 Control multilazo de los procesos multivariables
. 1
λ = λRGA = , (21.21)
1 − K12 K21 /(K11 K22 )
En este caso λ11 = λ22 = 0,20 = 1/5. Esto indica que si las parejas seleccionadas
fueran (y1 , u1 ) y (y2 , u2 ), la ganancia de un lazo de control aumentaría cinco veces
cuando se cierre el otro lazo.
Por otra parte, λ12 = λ21 = 0,80 = 4/5. Esto indica que si las parejas selecciona-
das fueran (y1 , u2 ) y (y2 , u1 ), la ganancia de un lazo de control aumentaría solo 1,25
veces cuando se cierre el otro lazo.
Por lo tanto, deben seleccionarse las parejas (y1 , u2 ) y (y2 , u1 ), esto es, usar u2
para controlar y1 y u1 para controlar y2 .
21.4. Matriz de índices de interacción (RGA) 885
Con base en la matriz de índices de interacción (RGA) (21.22), con λ dado por
(21.21), para el caso de un proceso TITO (21.22), se recomienda:
• λ = 1 - usar las parejas (y1 , u1 ) y (y2 , u2 ), no hay interacción, K12 K21 = 0,
la “ganancia de lazo abierto” es igual a la “ganancia de lazo cerrado”. Sin
embargo, aún siendo K12 K21 = 0 si una de estas dos ganancias, K12 o K21 , es
diferente de cero, existirá entonces una propagación de la perturbación de un
lazo de control al otro -una “interacción en una sola dirección”-.
886 21 Control multilazo de los procesos multivariables
• 0,3 < λ < 0,7 - usar una red de desacopladores, la interacción es fuerte (ver la
sección 21.8).
Por lo tanto, en un proceso TITO, la interacción entre los lazos de control selec-
cionando el emparejamiento (yi , ui ), está caracterizada solo por la razón Z2x2 . Entre
menor sea el valor de la razón de ganancias, menor será la interacción entre los dos
lazos de control.
Para los procesos controlados multilazo de orden superior a dos, no hay una
relación directa entre los elementos de la RGA y el NI.
que la selección de las parejas (yi , u j ) no sea la más adecuada, por omitirse las carac-
terísticas dinámicas del proceso.
Considérese por ejemplo el proceso controlado cuyo modelo está dado por la
matriz de transferencia
−40s −4s
5e e
100s+1 10s+1
P(s) = . (21.30)
−5e−4s 5e−40s
10s+1 100s+1
. Ki j
KNi j = . (21.32)
T∑ i j
Ki j e−Li j s
Pi j (s) = , (21.33)
Ti j s + 1
Ki j
KNi j = , (21.34)
Ti j + Li j
y si son de la forma
ωni2 j Ki j e−Li j s
Pi j (s) = , (21.35)
s2 + 2ζi j ωni j s + ωni2 j
entonces estas son
Ki j
KNi j = . (21.36)
2ζi j /ωni j + Li j
Los elementos de la matriz de ganancias relativas normalizadas (RNGA), corres-
ponderán a la razón de la ganancia normalizada del proceso controlado de un lazo
de control, respecto a la ganancia normalizada del proceso controlado aparente visto
por el controlador, cuando los otros lazos de control operan en automático y están
dados por la expresión
λNi j = KNi j KN −1 ji .
(21.37)
En forma similar al caso de la RGA, en la RNGA se cumple que la suma de los
elementos de una columna y de una fila son 1 (∑ni=1 λNi j = ∑nj=1 λNi j = 1).
Por su parte, la recomendación para la selección de las parejas (variable contro-
lada, variable manipulada), es similar. Deben seleccionarse las parejas cuyo índice
λNi j es positivo y más cercano a 1.
890 21 Control multilazo de los procesos multivariables
Fluido Fluido
caliente frío
LT TT
dH(t) H(t)
A = Qc (t) + Q f (t) − 0 , (21.49)
dt R
21.6. Medición de la interacción utilizando información dinámica 893
Se nota del modelo, que el caudal del líquido caliente qc y el caudal del líquido
frío q f , afectan en la misma forma al nivel h del líquido. Por su parte, el caudal del
líquido frío q f afecta más la temperatura T 0 del líquido, que el caudal del líquido
caliente qc . En forma intuitiva parece que, en este punto de operación, se debe con-
trolar la temperatura del líquido (T 0 ) con el caudal que más la afecta (q f ) y el nivel
(h) con el otro (qc ).
No debe olvidarse que las ganancias de las funciones de transferencia del modelo
lineal, dependen del punto de operación en que este se ha obtenido.
De (21.55) y (21.56) las ganancias estáticas son: K11 = 0,60, K12 = 0,60, K21 =
0,60 y K22 = −2,0, con las que se obtiene la matriz de índices de interacción
0,77 0,23
Λ 75◦C = . (21.59)
0,23 0,77
La interacción es débil y las parejas de las variables deben ser (H, Qc ) y (T, Q f ).
Se manipulará el caudal del líquido caliente para controlar el nivel y el del líquido
frío para controlar la temperatura, tal como se había previsto anteriormente en for-
ma intuitiva de la inspección del modelo.
En este caso, se tiene que el índice de Niederlinski NI75◦C = 0,91 > 0 y el sistema
de control puede ser estabilizado.
¿Qué sucede si, manteniendo el valor deseado del nivel en 1,5 m, se cambia el
valor deseado de la temperatura del líquido en el tanque a 60 ◦C, luego a 57,5 ◦C
y por último a 35 ◦C? ¿Afectará el cambio del valor deseado de la temperatura, la
interacción de los lazos de control? ¡Definitivamente que sí!
Si se mantiene el valor deseado del nivel del líquido en el tanque en Hr = 1,5
m (15 dm) y se varía el valor deseado de su temperatura, los caudales requeridos
del fluido caliente y el fluido frío necesarios para lograr los puntos de equilibrio
correspondientes, se listan en el cuadro 21.1.
A medida que se disminuye el valor de la temperatura deseada Tr , disminuye el
caudal requerido del líquido caliente Qc y aumenta el caudal del líquido frío Q f .
Para estos puntos de equilibrio, la interacción del proceso está dada por las
21.6. Medición de la interacción utilizando información dinámica 895
2009)
e−9s −9e−5s 13e−3s
6s2 +17s+1 s2 +4s+1 3s2 +35s+1
−13s 8e−2s 7e−5s
P(s) = 2s−5e . (21.63)
2 +19s+1 s2 +33s+1 s2 +3s+1
−16e−3s 3e−7s e−11s
s2 +5s+1 s2 +14s+1 3s2 +25s+1
Para este, la matriz de ganancias estacionarias, es
1 −9 13
K = −5 8 7 , (21.64)
−16 3 1
por lo que las parejas (variable controlada, variable manipulada) recomendadas son
(y1 , u3 ), (y2 , u2 ), y (y3 , u1 ). Para esta selección de parejas, el índice de Niederlinski
es NI1 = 1,4537.
Si se toma en consideración la información dinámica, de los modelos del proceso
controlado, se tiene que la matriz de ganancias normalizadas (RNGA), es
−0,0024 0,9237 0,0787
ΛRNGA = −0,0063 0,0829 0,9235 , (21.67)
1,0088 −0,0066 −0,0022
Ajuste iterativo
Una posible forma de ajuste, sería utilizar un procedimiento iterativo esto es, ajustar
los parámetros del algoritmo de control de un controlador (siguiendo el criterio de
diseño seleccionado), preferiblemente el correspondiente a la dinámica más rápida
del proceso, con los demás controladores en modo manual, poner luego el lazo ajus-
tado en automático y proceder a ajustar los parámetros del algoritmo de control de
otro controlador. Seguir este procedimiento hasta completar el ajuste de todos los
controladores.
Una vez realizado esto, volver a ajustar el primer controlador y luego los si-
guientes, hasta que los parámetros de ajuste de todos los algoritmos de control de los
controladores, converjan a valores más o menos constantes.
Esto podría ser un procedimiento muy lento y tedioso y no se garantiza su conver-
gencia, ya que depende del grado de interacción existente entre los diferentes lazos
de control.
• Ganancia
Si 0,50 < λ < 1,50, reducir la ganancia Kp un poco menos de la mitad. Para λ
fuera de este ámbito, reducirla a la mitad.
898 21 Control multilazo de los procesos multivariables
• Tiempo integral
Si 0,50 < λ < 1, multiplicar el tiempo integral por dos. Para λ > 1 no modificar
el Ti .
Planta aparente
-
+ + +
+
+
+ + +
-
• Desacople simplificado
En lugar de seleccionar T11 (s) y T22 (s) y calcular D(s), lo cual requiere la
implementación de los cuatro desacopladores, normalmente se seleccionan ar-
bitrariamente dos elementos de distintas columnas de D(s) y se ajustan los
controladores con base en la matriz de transferencia del proceso aparente T(s)
resultante.
Una forma usual de selección, es hacer dos elementos de distinta columna de
D(s) iguales a 1, con lo que se obtiene
1 −P12 (s)/P11 (s)
D1 (s) = , (21.70)
−P21 (s)/P22 (s) 1
1 1
D2 (s) = , (21.71)
−P21 (s)/P22 (s) −P11 (s)/P12 (s)
−P22 (s)/P21 (s) −P12 (s)/P11 (s)
D3 (s) = , (21.72)
1 1
−P22 (s)/P21 (s) 1
D4 (s) = . (21.73)
1 −P11 (s)/P12 (s)
900 21 Control multilazo de los procesos multivariables
• Desacople parcial
Una forma aún más simple de desacoplamiento, consiste en eliminar los efec-
tos que sobre la variable controlada más importante, tiene el otro lazo de con-
trol, utilizando solo un elemento desacoplador.
Este desacople parcial, se puede lograr seleccionando, por ejemplo, los desaco-
ladores, como
P22 (s)
D12 (s) = − , (21.75)
P21 (s)
D21 (s) = 0. (21.76)
No está de más hacer notar que en este caso, D11 (s) = 1 y D22 (s) = 1.
controlar el nivel del líquido en este (H(t), Q(t)) y el caudal del líquido calefactor
para controlar su temperatura (T (t), Qc (t)).
El sistema de control del nivel del líquido en el tanque, perturba al sistema de
control de su temperatura, pero este último no afecta el nivel del líquido. En este
proceso existe una propagación de la perturbación, como se muestra en forma esque-
mática en la figura 21.11.
Los cambios en la temperatura Ti (t) del líquido de entrada y la temperatura Tci (t)
21.10. Resumen 903
de entrada del líquido calefactor y su caudal Qc (t), no afectan el nivel del líquido en
el tanque. Por otra parte, el caudal Qi (t) de entrada de líquido afecta el nivel H(t) del
mismo, la transferencia de calor W (t) desde la chaqueta calefactora al líquido en el
tanque y por lo tanto, a su temperatura T (t).
Como se puede deducir de la figura 21.11, el modelo linealizado del CSTH debe
incluir funciones de transferencia que representen la relaciones dinámicas UL (s) →
YL (s), UL (s) → YT (s), Qi (s) → YL (s), Qi (s) → YT (s), UT (s) → YT (s), Ti (s) → YT (s)
y Tci (s) → YT (s). Sin embargo, el efecto de los cambios en el caudal Qi (s) de entrada
y el valor deseado Hsp (s) del nivel del líquido en el tanque, son “filtrados” por el
sistema de control de nivel del tanque que incluye al controlador de nivel (LIC).
El proceso controlado “visto” por el controlador de temperatura (TIC), incluye
en su totalidad al sistema de control de nivel.
Por lo tanto, el diseño del sistema de control multilazo de un proceso multiva-
riable como este, en que existe una propagación de la perturbación, se debe realizar
en forma secuencial: 1. con base en los modelos identificados correspondientes, se
deben ajustar los parámetros del algoritmo de control del controlador en el lazo de
control, que introduce la perturbación en el otro −en el caso del CSTH este es el de
nivel−; 2. este sistema de control debe ponerse en operación automática; 3. se deben
identificar los modelos del proceso controlado involucrado en el otro lazo de control
−el de temperatura−; 4. con base en estos nuevo modelos, se deben ajustar los pará-
metros del algoritmo de control del segundo lazo y 5. poner en operación automática
el segundo lazo de control.
La identificación de los modelos del proceso controlado, así como el ajuste de
los controladores del sistema de control multilazo del CSTH, se detallan en Alfaro y
Vilanova (2016).
Para el control del nivel del líquido en el tanque, se utiliza un controlador (LIC)
con un algoritmo de control PI de 2GdL (PI2 ), cuyos parámetros se obtienen utili-
zando el método de ajuste analítico robusto ART2 descrito en la sección 13.4.3 del
Capítulo 13, y para el control de su temperatura, un controlador (TIC) con un algo-
ritmo de control PID Estándar de 2GdL (PID2 ). Como en el caso del ejemplo del
CSTH, resulta ser que en el sistema de control de la temperatura Pd (s) 6= Pu (s), se
emplea entonces el método de ajuste robusto por modelo de referencia MoReRT, tal
como se describe en la sección 16.5 del Capítulo 16.
21.10 Resumen
Para el desarrollo del sistema de control, de los procesos en los cuales hay un con-
junto de variables controladas, para lo que se dispone de otro conjunto de variables
904 21 Control multilazo de los procesos multivariables
manipuladas, debe obtenerse información sobre la interacción entre las variables del
proceso, para poder formar las parejas (variable controlada, variable manipulada).
La interacción entre las variables del proceso, se puede determinar utilizando
la matriz de ganancias relativas (RGA). Si la interacción es débil, se puede diseñar
el sistema de control del proceso multivariable, como un conjunto de sistemas de
control univariables, aunque pudiera ser necesario desintonizar los controladores para
que pueden trabajar bien en conjunto.
Dado que la RGA solo toma en consideración información del proceso contro-
lado en estado estacionario, es conveniente utilizar la matriz de ganancias relativas
normalizadas (RNGA), para incorporar las características dinámicas del proceso, en
la determinación del grado de interacción existente entre los lazos de control.
La selección de las parejas (variable controlada, variable manipulada), debe com-
plementarse con el cálculo del índice de Niederlinski (NI), para verificar que las pa-
rejas seleccionadas no producen un sistema de control inestable.
Si la interacción es fuerte, es necesario utilizar una red de desacopladores para
eliminar, o disminuir en lo posible, la interacción. La efectividad de la red de desaco-
pladores, depende de cuán severas sean las no linealidades del proceso controlado.
En el caso de los procesos multivariables no interactivos, en los cuales existe
sin embargo una propagación de la perturbación, se debe seguir un procedimiento
secuencial para la identificación de los modelos del proceso y el ajuste de los pará-
metros de los algoritmos de control de los controladores utilizados.
21.11 Bibliografía
Ajayi, T. O. y Ogboh, I. S. (2012). Determination of Control Pairing for Higher
Order Multivariable Systems by the use of Multi-Ratios. International Journal of
Scientific & Engineering Research, 3(3):1–5.
He, M.-J., Cai, W.-J., Ni, W., y Xie, L.-H. (2009). RNGA based control system
configuration for multivariable processes. Journal of Process Control, 19:1036–
1042.
McAvoy, T., Arkun, Y., Chen, R., Robinson, D., y Schnelle, P. D. (2003). A new ap-
proach to defining a dynamic relative gain. Control Engineering Practice, 11:907–
914.
Tan, K. K., Wang, Q.-G., Hang, C. C., y Hägglund, T. (1999). Advances in PID
Control. Springer-Verlag London Limited, London, UK.
907
A
Para el análisis y el diseño del sistema de control de un proceso dado, se requiere co-
nocer su comportamiento dinámico. Por lo tanto, es necesario obtener un modelo, ya
sea analítico −modelo paramétrico− o mediante una prueba experimental −modelo
no paramétrico−, a partir de los cuales se determinen los modelos paramétricos re-
queridos para este estudio.
909
910 A Modelos de los procesos controlados para los estudios de control
Ke−Ls L
P(s) = , τL = ∈ {0,05, 0,1, 0,2, 0,5, 1,0, 5,0, 10,0}. (A.1)
Ts+1 T
Ke−Ls L
P(s) = 2
, τL = ∈ {0,05, 0,1, 0,2, 0,5, 1,0, 5,0, 10,0}. (A.2)
(T s + 1) T
K
P(s) = , n ∈ {1, 2, 3, 4, 5, 6, 7, 8}. (A.3)
(T s + 1)n
A.1. Conjunto de modelos de prueba 911
Procesos inestables
• Modelo con polos en el semiplano derecho
K
P(s) = . (A.7)
T 2 s2 − 1
Procesos integrantes
• Modelos con un polo en el origen
Ke−Ls L
P(s) = , τL = ∈ {0,05, 0,1, 0,2, 0,5, 1,0, 5,0, 10,0}. (A.8)
s(T s + 1) T
Cada uno de estos modelos, solo representa la forma en que la señal realimentada
se comporta ante un cambio en la señal de control y se supone han sido obtenidos
en un punto de operación (Ro , Yo , Uo ) estable hipotético, el punto (r = 0, y = 0,
u = 0, d = 0). Por lo tanto, no proveen información sobre otras características del
proceso, como sus no linealidades, su comportamiento en otro punto de operación, o
los requerimientos de robustez para el lazo de control.
Para efecto de las pruebas comparativas que se pudiera desear realizar, se puede
hacer uso de las versiones normalizadas de los modelos anteriores, haciendo K = 1
y T = 1.
Además, como para el análisis no es relevante la escala de tiempo del modelo,
la constante de tiempo T del modelo (unitaria o con cualquier otro valor), puede
considerase expresada en segundos, minutos, u otra unidad de tiempo.
912 A Modelos de los procesos controlados para los estudios de control
Para el control de los procesos representados por muchos de los modelos ante-
riores, como los de primer orden o polo doble más tiempo muerto, los integrantes
o inestables, están disponibles procedimientos o reglas de ajuste de los parámetros
del algoritmo de control del controlador, que pueden utilizarse directamente con la
información (parámetros) del modelo utilizado.
Sin embargo, en el caso del modelo de prueba sobreamortiguado de cuarto orden
(A.4), es necesario obtener modelos de orden reducido (de primer o segundo orden),
que permitan aproximar su comportamiento, con el fin de emplearlos para el ajuste
de los parámetros del algoritmo de control del controlador.
Por lo tanto, para el modelo (A.4), se ajustarán los parámetros de los siguientes
modelos:
Ke−Ls Ke−τL T s
P1 (s) = = , (A.9)
T1 s + 1 τ1 T s + 1
T1 = τ1 T, L = τL T. (A.10)
Ke−Ls Ke−τL T s
P2 (s) = = , (A.11)
(T1 s + 1)(T2 s + 1) (τ1 T s + 1)(τ2 T s + 1)
T1 = τ1 T, T2 = τ2 T, L = τL T. (A.12)
1. Modelo epomtm
τ1 = 1 + 0,5a0 , (A.13)
τL = (0,5 + a0 + a02 )a0 . (A.14)
A.2. Modelos analíticos 913
2. Modelo esomtm
τ1 = 1, (A.15)
0 0
τ2 = (1 + 0,5a )a , (A.16)
τL = (0,5 + a0 )a02 . (A.17)
Modelo
La reacción de Van de Vusse está descrita por las relaciones (Vojtesek y Dostal, 2005)
1k 2 k
A −→ B −→ C, (A.18)
k3
2A −→ D. (A.19)
Proceso isotérmico
Si se considera que la temperatura dentro del reactor Tr y la del líquido enfriador Tc
son constantes -proceso isotérmico-, (A.20) a (A.23) se reducen a
dCA (t) Fr (t)
= [CAi −CA (t)] − k1CA (t) − k3CA2 (t), (A.25)
dt V
dCB (t) Fr (t)
=− CB (t) + k1CA (t) − k2CB (t), (A.26)
dt V
donde los ki son ahora constantes.
En (A.25) y (A.26) se tiene:
• CA - concentración de A,
• CB - concentración de B,
• ki - razones de reacción,
[gmol/L]
rística estática del reactor 8
CA
4
0
0 2000 4000 6000 8000 10000
−2 Fr [L/min]
1.5 CAi =8 [gmol/L]
CAi =10 [gmol/L]
[gmol/L]
CAi =12 [gmol/L]
1.0
CB
0.5
0.0
0 2000 4000 6000 8000 10000
Fr [L/min]
Característica estática
Utilizando (A.27) y (A.28) con los valores de los parámetros (A.29) a (A.33), se
obtiene la curva característica estática del proceso, para tres valores de la concen-
tración de entrada CAi , la cual se muestra en la figura A.2.
A.2. Modelos analíticos 917
[gmol/L]
rística estática del reactor 5
4
(ámbito reducido)
CA
3
0
0 200 400 600 800 1000
Fr [L/min]
1.5
[gmol/L] 1.0
CAi =8 [gmol/L]
CAi =10 [gmol/L]
CB
0.0
0 200 400 600 800 1000
Fr [L/min]
Puntos de operación
En el cuadro A.2 se muestran algunos posibles puntos de operación, determinados a
partir de las ecuaciones en estado estacionario (A.27) y (A.28).
El valor deseado normal para la concentración CA , será CAr = 1,1 g mol L−1 . Para
mantener este valor de CA , cuando CAi = 10 g mol L−1 , se requiere un caudal Fr =
918 A Modelos de los procesos controlados para los estudios de control
Cuadro A.2: Condiciones CBo gmol/L CAi gmol/L CAo gmol/L Fro L/min
en estado estacionario del
reactor 1,117 10 3,0 400,0
1,0 11 2,418 243,84
1,0 10 2,5 291,67
1,0 9 2,63 367,50
1,0 8 2,896 522,72
1,1 10 2,917 380,50
1,1 9 3,188 524,06
1,1 8.5 3,545 713,13
Nótese sin embargo que, dada la característica no lineal del proceso, en la práctica
se seleccionaría una válvula de control con una característica de flujo isoporcentual,
de manera de compensar la no linealidad del proceso.
Se podría argumentar que la característica inherente de la válvula de control se
deforma al instalarla, porque la caída de presión en ella no es constante. Sin embargo,
se podría suponer también, que si la bomba de alimentación del líquido tiene una
curva de cabeza versus caudal bastante plana y está cerca del reactor, y la tubería de
alimentación descarga a la atmósfera dentro del reactor, la caída de presión a través
A.2. Modelos analíticos 919
Característica dinámica
En la figura A.6 se muestra la curva de reacción del proceso, para un cambio escalón
del 10 % en la señal de control U. Esta muestra claramente que el proceso, en su
relación U → Y , tiene una característica de respuesta inversa.
Sin embargo, como se aprecia en la figura A.7, la respuesta a un cambio en la
perturbación CAi (relación D → Y ), no presenta este mismo tipo de comportamiento.
En este proceso, la dinámica entre la señal realimentada (variable controlada) y
la perturbación, es diferente a la existente entre la señal realimentada y la señal de
control (variable manipulada).
A.2. Modelos analíticos 921
70%
Figura A.5: Efecto de las perturbaciones sobre la característica estática del conjunto
actuador, planta y sensor del reactor
(∆U = 10 %)
Y(t)
73
72
71
70
69
0 1 2 3 4 Tiempo, t [min] 5
922 A Modelos de los procesos controlados para los estudios de control
[%]
(∆CAi = 0,50 g mol L−1 )
Y(t)
73
72
71
70
69
0 1 2 3 4 Tiempo, t [min] 5
Modelo linealizado
Para realizar los análisis del comportamiento dinámico del reactor, en torno a un
punto de operación, a partir de (A.25) y (A.26) se obtiene un modelo linealizado,
cuyas ecuaciones, son
dcA (t) Fro CAi −CAo Fro
=− + k1 + 2k3CAo cA (t) + fr (t) + cAi (t), (A.38)
dt V V V
dcB (t) Fro CBo
=− + k2 cB (t) + k1 cA (t) − fr (t), (A.39)
dt V V
fr (t) = Kv u(t), (A.40)
y(t) = Kt cB (t), (A.41)
0,3685(−0,3315s + 1)
y(s)∆ % = u(s)∆ %
(0,4524s + 1)(0,4257s + 1)
5,5516
+ cAi (s)∆ g mol L−1 . (A.42)
(0,4524s + 1)(0,4257s + 1)
+
+
donde
0,3685(−0,3315s + 1)
Pu (s) = , (A.44)
(0,4524s + 1)(0,4257s + 1)
5,5516
Pd (s) = , (A.45)
(0,4524s + 1)(0,4257s + 1)
negativos en la entrada.
Es importante tener siempre presentes, las limitaciones que tienen los modelos
lineales obtenidos en un punto de operación determinado, los modelos nominales.
Estos permiten predecir los cambios en las variables, solo en la vecindad del punto
de operación seleccionado.
Modelo
Un balance de energía en el tanque, establece que la razón de cambio en la energía
dentro del tanque, está dado por la expresión
dT (t)
Cp ρV = Qi (t) − Qs (t) − Qa (t) + Qc (t), (A.46)
dt
donde los flujos de calor, son
Se considerará que la densidad y la temperatura del agua dentro del tanque son
homogéneas y que la temperatura del agua a la salida del recipiente, es igual a la del
líquido en su interior, Ts = T .
Sustituyendo (A.47) a (A.49) en (A.46), se tiene la ecuación
dTs (t) 1
Cp ρV = Cp ρq(t)Ti (t) −Cp ρq(t)Ts (t) − [Ts (t) − Ta (t)] + Qc (t), (A.50)
dt Ra
donde:
• q - caudal de agua por el tanque, 0,05 10−3 m3 s−1 ≤ q ≤ 0,12 10−3 m3 s−1 ,
qo = 0,10 10−3 m3 s−1 ,
• Transmisor de temperatura
donde:
• Calefactor eléctrico
dQc (t)
Tc = −Qc (t) + KcU(t), (A.52)
dt
donde:
dTs (t) 1
Cp ρV = − [Ts (t) − Ta (t)] + Qc (t), (A.53)
dt Ra
Como las pérdidas de calor al medio ambiente son muy pequeñas (el aislante es
casi perfecto), se puede suponer que
dTs (t)
Cp ρV ≈ Qc (t). (A.54)
dt
Característica estática
A partir de (A.50) se tiene, que en estado estacionario
1
Cp ρqo Tio −Cp ρqo Tso − Tao + Qco = 0. (A.55)
Ra
Para los parámetros y valores normales (nominales) de las variables del ejemplo,
se obtiene que la característica estática del proceso, es
para las condiciones correspondientes a los casos de: 1. demanda mínima de ener-
gía {Ti = 24 ◦C, q = 0,05 10−3 m3 s−1 }, 2. demanda normal {Ti = 20 ◦C, q =
0,1 10−3 m3 s−1 } y 3. demanda máxima {Ti = 18 ◦C, q = 0,12 10−3 m3 s−1 }, las
cuales se muestran en la figura A.13.
Como se aprecia de la característica estática del proceso, aunque la relación en-
tre Y y U para una perturbaciones constantes es lineal, estas afectan en una forma no
lineal el comportamiento del proceso si varían. Para evaluar esta influencia, se de-
terminarán las características dinámicas del proceso, en varios puntos de operación
posibles.
A.2. Modelos analíticos 929
Modelo lineal
Si bien las ecuaciones del sensor y transmisor de temperatura (A.51) y del calefactor
eléctrico (A.52) son lineales, el proceso térmico que ocurre en el tanque dado por
(A.50) es no lineal.
Para obtener un modelo lineal del proceso, este se linearizará considerando va-
riaciones de las variables {δ Ts , δ Ti , δ Ta , δ q, δ Qc , u, y}, respecto al punto de
operación {Tso , Tio , Tao , qo , Qco , Uo , Yo }.
El modelo lineal resultante, es
dδ Ts (t) 1
Cp ρV = − Cp ρqo + δ Ts (t) +Cp ρqo δ Ti (t) −Cp ρ[Tso − Tio ]δ q(t)
dt Ra
1
+ δ Ta (t) + δ Qc (t), (A.59)
Ra
y
d2 y(t) dy(t)
TT2 2
+ 2TT + y(t) = KT δ Ts (t), (A.60)
dt dt
dδ Qc (t)
Tc = −δ Qc (t) + Kc u(t). (A.61)
dt
Pasando del dominio del tiempo al de la variable compleja, el proceso controlado
se puede representar por el diagrama de bloques de la figura A.14. Este incluye el
calefactor eléctrico, el tanque de calentamiento y el sensor transmisor de temperatura.
930 A Modelos de los procesos controlados para los estudios de control
Proceso
Transmisor
Calefactor
Figura A.14: Tanque calentador de agua - Diagrama de bloques del proceso contro-
lado
Para su control se interconectará con el controlador por medio de las señales u(s) y
y(s).
El comportamiento dinámico del proceso se evaluará en los tres puntos de ope-
ración listados en el cuadro A.3. El tiempo de residencia medio y las ganancias, para
esos puntos de operación, se listan en el cuadro A.4.
El cambio en el punto de operación del proceso, debido a un cambio en el valor
deseado, o en las perturbaciones, respecto a las condiciones nominales, puede llegar
a hace que el tiempo de residencia medio así como la ganancia del proceso en la
relación U → Y , aumenten en casi un 100 %, mientras que su reducción es menor al
16 %.
A.2. Modelos analíticos 931
y(s)[∆ %] = Pu (s)u(s)[∆ %] + PdTi (s)δ Ti (s)[∆ ◦C] + Pdq (s)δ q(s)[∆ m3 s−1 ] , (A.62)
es entonces
0,735
y(s) = u(s)
(2500s + 1)(30s + 1)(5s + 1)2
5 105
1
+ δ Ti (s) − δ q(s). (A.63)
(2500s + 1)(5s + 1)2 (2500s + 1)(5s + 1)2
Como el efecto de las perturbaciones δ Ti (s) y δ q(s), sobre la variable contro-
lada δ Ts (s) (y(s)), tienen la misma dinámica excepto por su ganancia (debido a su
932 A Modelos de los procesos controlados para los estudios de control
diferente naturaleza física), esto solo afectará la magnitud del error que se produce
en cada caso, por lo que puede realizarse el estudio del comportamiento del control
regulador, empleado cualquiera de estas dos perturbaciones.
donde:
2. Motor
El par producido por el motor, a flujo de combustible máximo, es
" 2 #
ω(t)
T (ω,t) = 1 − β −1 Tm , (A.65)
ωm
donde:
3. Sistema de transmisión
La relación entre la velocidad de rotación del motor y la velocidad de despla-
zamiento del automóvil, es
r 1
v(t) = ω(t) = ω(t), (A.66)
n αn
donde:
4. Fuerza de empuje
El par producido por el motor, se convierte en la fuerza de empuje que mueve
el vehículo, dada por
n
F(t) = T (ω,t)qc (t) = αn T (αn v(t),t)qc (t), (A.67)
r
donde:
donde:
934 A Modelos de los procesos controlados para los estudios de control
donde:
– θ - ángulo de la pendiente de la carretera rad.
– x - desplazamiento, m
• Fr - fuerza de fricción con el pavimento,
Fr (t) = mgCr Sv {signo(v(t) 6= 0), 0}, (A.70)
donde:
– Cr - coeficiente de fricción.
• Fa - fuerza de arrastre del viento
1
Fa (t) = ρaCd Av2 (t), (A.71)
2
donde:
– ρa - densidad del aire, kg m3 .
– Cd - coeficiente que depende del perfil aerodinámico del vehículo.
– A - área frontal del automóvil, m2 .
6. Transmisión
Se supondrá que la transmisión del automóvil es automática de cinco veloci-
dades. Los cambios de engranes se realizan a las velocidades indicadas en el
cuadro A.5.
Debe incorporarse en el modelo, un mecanismo para la selección de la relación
de los engranes, de la caja de cambios automática, con base en la velocidad de
desplazamiento del automóvil y la velocidad de rotación del motor.
A.2. Modelos analíticos 935
• m = 500 kg.
• Tm = 190 N m.
• ωm = 420 rad s−1 (≈ 4000 rpm).
• β = 0,40.
• α = [40, 25, 16, 12, 10].
• Cr = 0,01.
• ρa = 1,3 kg m−3 .
• Cd = 0,32.
• A = 2,4 m2
9. Perfil de la carretera
936 A Modelos de los procesos controlados para los estudios de control
Se supondrá que el vehículo viaja por una carrera recta pero que su perfil (pen-
diente) puede cambiar. El perfil de la carretera, será entonces una de las pertur-
baciones a las que se puede someter el sistema de control. Al establecerlo, se
debe tener en cuenta que en el modelo desarrollado, no se ha incluido ningún
modelo para representar el proceso de frenado del vehículo.
dv(t)
m = αn (v(t))T (ω(t),t)qc (t) − mg sen(θ (x(t))
dt
1
− mgCr Sv {signo(v(t) 6= 0), 0} − ρaCd Av2 (t), (A.74)
" 2
2 #
ω(t)
T (ω,t) = 1 − β −1 Tm , (A.75)
ωm
dx(t)
= v(t), (A.76)
dt
qc (t) = Ka u(t), (A.77)
y(t) = Ks v(t). (A.78)
• Perfil de la carretera
θ (x(t)). (A.80)
Además se tiene:
• Controlador
donde vR es el valor deseado para la velocidad del automóvil, el cual se supone cons-
tante.
A.2. Modelos analíticos 937
" 2 #
αnVo
αn 1 − β −1 Tm KaUo = mg sen(θo ) + mgCrVo + 0,5ρaCd AVo2 . (A.82)
ωm
Modelo analítico
El desarrollo del modelo analítico del vehículo, conduce a la siguiente relación
2g
y(s) ∆Zv (s) I k
= = q o pc q , (A.83)
u(s) ∆V (s) (s + Zo )(s − 2g
2g
Zo )
donde:
– Anchura, 0,60 m,
– Altura, 0,43 m,
– Longitud, 0,70 m,
Modelo
Haciendo un balance volumétrico del líquido en los tanques, se obtiene
dH1 (t) p
A1 = −a1 2gH1 (t) + Qu (t) + γ Qd (t), (A.85)
dt
dH2 (t) p p
A2 = −a2 2gH2 (t) + a1 2gH1 (t) + (1 − γ) Qd (t). (A.86)
dt
LT
1
Sv
Tq2
LT
2
• Ganancia de los transmisores de nivel (0 m a 1,0 m), Ktq1 = Ktq2 = 100 %/m.
Modelo lineal
El modelo lineal del proceso hidráulico, obtenido a partir de (A.85) a (A.90), es
K1
h1 (s) = [qu (s) + γ qd (s)] , (A.91)
T1 s + 1
K2
h2 (s) = [h1 (s) + K1 (1 − γ) qd (s)] , (A.92)
T2 s + 1
qu (s) = Kbu u(s), (A.93)
qd (s) = Kbd d(s), (A.94)
y1 (s) = Ktq1 h1 (s), (A.95)
y2 (s) = Ktq2 h2 (s), (A.96)
donde
s
A1 2H10
T1 = , (A.97)
a1 g
s
A2 2H20
T2 = , (A.98)
a2 g
s
1 2H10
K1 = , (A.99)
a1 g
r
a1 H20
K2 = . (A.100)
a2 H10
El diagrama de bloques del modelo lineal del proceso hidráulico, se muestra en
la figura A.20.
Puntos de operación
Para el control del nivel del líquido en el tanque 2, se han considerado tres posibles
valores deseados. El valor de las variables del proceso en estos puntos, se listan en
el cuadro A.6. Nótese que el nivel del líquido en el tanque 1 en estado estacionario
depende del valor de γ, esto es, de si el caudal de perturbación entra al tanque 1 o al
2.
942 A Modelos de los procesos controlados para los estudios de control
AV Y
AT
Modelo dinámico
El modelo del proceso está dado por (Bequette, 1998, 2003):
dX(t)
V = Xi Q(t) +V r1 (t) − X(t)Q(t). (A.101)
dt
dS(t)
V = Si Q(t) −V r2 (t) − S(t)Q(t). (A.102)
dt
944 A Modelos de los procesos controlados para los estudios de control
3. Otras relaciones
r1 (t)
Y= , (A.103)
r2 (t)
r1 (t) = µ(t)X(t), (A.104)
µ(t)
r2 (t) = X(t). (A.105)
Y
µmax S(t)
µ(t) = . (A.106)
km + S(t) + k1 S2 (t)
Parámetros
Se considerará el caso particular de un biorreactor con los siguientes parámetros
(Bequette, 1998):
• km = 0,12 kg m−3 ,
• k1 = 0,4545 m3 kg−1 ,
• Si = 4,0 kg m−3 ,
• V = 1 m3 ,
• Xi = 0 kg m−3 ,
• Y = 0,4.
Puntos de operación
En estadio estacionario, (A.107) y (A.108) se reducen a
0 1 0 0
µ − Q X = 0, (A.109)
V
1 µ0
Si − S0 Q0 − X 0 = 0,
(A.110)
V Y
µmax S0
µ0 = . (A.111)
km + S0 + k1 (S0 )2
Modelos lineales
Los modelos linealizados en los puntos de equilibrio son:
1. Punto 2 (inestable con polos p21 = −0,30 h−1 , p22 = 0,1698 h−1 )
dx(t)
= −0,0679s(t) − 0,9951q(t), (A.112)
dt
ds(t)
= −0,7500x(t) − 0,1302s(t) + 2,4878q(t), (A.113)
dt
2. Punto 3 (estable con polos p31 = −0,30 h−1 , p32 = −2,2619 h−1 )
dx(t)
= 0,9056s(t) − 1,5301q(t), (A.114)
dt
ds(t)
= −0,7500x(t) − 2,5640s(t) + 3,8255q(t), (A.115)
dt
donde x(t), s(t) y q(t) son variaciones de X(t), S(t) y Q(t) respectivamente, en torno
al punto de operación {X 0 , S0 , Q0 } correspondiente.
Funciones de transferencia
Utilizando el modelo lineal dado por (A.112) y (A.113), o (A.114) y A.115, según
corresponda, junto con (A.116) y (A.117), se tiene
A.2. Modelos analíticos 947
y∆ % (s) K −1,7593
= P2 (s) = = , (A.119)
u∆ % (s) T s − 1 5, 8893s − 1
y∆ % (s) K −0,2028
= P3 (s) = = , (A.121)
u∆ % (s) T s + 1 0,4417s + 1
• Balance de energía
dTs (t)
ρsCpsV = ρcCpc Tc (t)Qc (t) + ρ f Cp f T f (t)Q f (t) − ρsCps Ts (t)Qs (t).
dt
(A.123)
Instrumentos
Para instalarse y utilizarse en los diferentes esquemas de control del tanque de mezcla
cerrado se tendrán los siguientes instrumentos:
TT FT FE
25 25 25
FT TT TT FT FE
20 20 ?V ?V 10 10
FE 10
xx xx
20
de control de la temperatura del líquido de salida, como por ejemplo: un lazo de con-
trol realimentado univariable, un sistemas de control en cascada −seleccionando una
variable controlada secundaria− o uno anticipativo −seleccionando las perturbacio-
nes medidas−, o incluso el de un sistema de control multilazo −de la temperatura y
el caudal del líquido de salida−.
• Variables
• Punto de operación
• Modelo experimental
0,7e−1,17s
G p (s) = . (A.136)
7,2s + 1
0,7e−1,17s
P(s) = , (A.137)
7,2s + 1
con:
• Ganancia: K = 0,7 %/ %,
• Variables
• Punto de operación
• Modelo
0,52e−0,52s
G p (s) = . (A.138)
1,27s + 1
0,65e−0,52s
P(s) = , (A.139)
1,27s + 1
con:
• Ganancia: K = 0,65 %/ %,
Modelo dinámico
Las variables controladas son el nivel del líquido en el tanque y su temperatura a la sa-
lida. Las variables manipulas son el caudal de líquido frío −para controlar el nivel−
y el caudal del vapor de agua por el serpentín −para controlar la temperatura−. La
perturbación es el caudal adicionado de agua caliente.
La instrumentación asociada al tanque incluye: un transmisor de nivel (LT), un
transmisor de temperatura (TT), una válvula de control para manipular el caudal del
agua fría (LV) y una válvula de control para manipular el caudal del vapor de agua
(TV). Se tiene además, una válvula para producir cambios en el caudal del agua
caliente.
Los parámetros del proceso son:
Agua
caliente LV
Agua
fria
TV
Vapor
T
LT
TT
Para los valores normales de las señales realimentadas, se han seleccionado las
siguientes dos condiciones (puntos de operación):
• D2 = 9,375 %,
• Qco2 = 5,21510−5 m3 s−1 ,
• Q f o2 = 3,82310−5 m3 s−1 ,
• ULo2 = 23,15 %,
• UTo2 = 12,5 %.
4,33e−s 30,93
yL (s) = uL (s) + d(s), (A.140)
(268,02s + 1)(3,80s + 1) 268,02s + 1
0,263e−8s −0,438e−9s 0,537e−8s
yT (s) = uT (s) + uL (s) + d(s).
36,60s + 1 (36,60s + 1)(3,80s + 1) 36,60s + 1
(A.141)
Sistema de control
La interconexión del proceso controlado con su sistema de control, establece que las
señales de salida de los controladores, son
YT (s) 0,40e−24s
P(s) = = , (A.144)
UT (s) (13,8s + 1)(6,1s + 1)(3,9s + 1)
A.4 Bibliografía
Åström, K. y Hägglund, T. (2006). Advanced PID Control. ISA - The Instrumenta-
tion, Systems, and Automation Society, Research Triangle Park, NC 27709, USA.
958 A Modelos de los procesos controlados para los estudios de control
FY I/P TY I/P
2 1
FV TV
Líquido 2 1
Líquido
frio caliente
FIC TIC
2 1
FT
2
TT
1
Bittar, A. y Sales, R. M. (1998). H2 and Hinf Control for MagLev Vehicles. IEEE
Contrlol Systems Magazine, páginas 18–25. August.
Long, C., Polisetty, P. K., y Gatzke, E. P. (2004). Globally optimal nonlinear model
predictive control. En 7th IFAC Symposium on Dynamics and Control of Process
Systems (DYCOPS’04). July 5-17, Boston, MA, USA.
Van de Vusse, J. G. (1964). Plug-flow type reactor versus tank reactor. Chem. Eng.
Sci., 19(12):994–996.
Wan Mokhtar, W. M. F., Taip, F. S., Addul Aziz, N., y Mohd Noor, S. B. (2012).
Process Control of Pink Guava Puree Pasteurization Process: Simulation and Va-
lidation by Esperiment. International Journal on Advanced Science Engineering
Information Technology, 4:31–34.
B
B.1 Introducción
B.2 Listados de instrucciones
B.2.1 Funciones de control
B.2.2 Funciones para el despliegue gráfico
B.3 CACSD con python-control
B.4 Bibliografía
961
962 B Biblioteca Python Control Systems
B.1 Introducción
La “Python Control Systems Library” (python-control), provee instrucciones básicas
para el análisis y el diseño de los sistemas de control. Esta biblioteca ha sido ela-
borada como complemento y para el desarrollo de los ejemplos, del libro Feedback
Systems: An Introduction for Scientists and Engineers de Åström y Murray (2008).
Las instrucciones de control de esta biblioteca, junto con las de despliegue grá-
fico de Matplotlib y las de otros paquetes Python que fueran requeridas, proveen lo
necesario para el diseño y análisis de los sistemas de control PID.
Para el desarrollo de los listados de instrucciones y la visualización de las figuras,
se recomienda utilizar un ambiente de desarrollo integrado en Python (IDE - “inte-
grated development enviroment”) como Spyder4 , el cual provee un editor de texto
con código destacado y verificación de la sintaxis, una consola interactiva IPython
para la introducción directa de instrucciones y la visualización de resultados y figu-
ras, el manejo de archivos, un visor de la documentación (ayuda) de las funciones y
otras facilidades.
4 https://github.com/spyder-ide/spyder
B.2. Listados de instrucciones 963
2 2
P(s) = = ,
(10s + 1)(5s + 1)(2s + 1)(s + 1) 100s + 180s + 97s2 + 18s + 1
4 3
2e−5,38s
Pm (s) = . (B.1)
12,05s + 1
# vector de tiempos
t = npy . linspace (0 , 100 , 5001)
# proceso controlado
P1 = pcs . tf (2. , [100. , 180. , 97. , 18. , 1.])
# modelo de primer orden más tiempo muerto
P1m = P1o (2. , 12.05 , 5.38)
# respuestas al escalón de entrada
u = stepsignal (t , 10. , 5.)
to , yp , xo = pcs . forced_response ( P1 , t , u )
to , ym , xo = pcs . forced_response ( P1m , t , u )
# gráfico de las respuestas
plt . figure (2 , facecolor = ' white ' )
plt . plot (t , yp , c = ' r ' , ls = ' -- ' , lw =2 , label = ' $y_p ( t ) $ ' )
plt . plot (t , ym , c = ' b ' , ls = ' - ' , lw =2 , label = ' $y_m ( t ) $ ' )
plt . plot (t , u , c = ' g ' , ls = ' : ' , lw =2 , label = ' $u ( t ) $ ' )
plt . xlabel ( ' Tiempo , t [ s ] ' , fontsize =14)
plt . ylabel ( u ' Se~
n ales ' , fontsize =14)
plt . legend ( loc =7 , frameon = False , fontsize =18)
plt . tight_layout ()
plt . show ()
6 yp(t)
Señales
ym(t)
4 u(t)
0
0 20 40 60 80 100
Tiempo, t [s]
Ejemplo B.3 Python Control - Gráficos para el análisis del sistema de control
En la figura B.4 se muestra el diagrama de bloques de un sistema de control reali-
mentado.
Supóngase ahora, que el proceso que se ha utilizado en los ejemplos anteriores,
se controla con un controlador proporcional.
Se desea dibujar el lugar geométrico de las raíces (de lazo cerrado), cuando
la ganancia proporcional Kp del controlador C(s) varía. Además, se obtendrá el
diagrama de Bode y el diagrama de Nyquist, para el caso particular en que el con-
trolador es C(s) = Kp = 2,5.
Se supondrá, para efectos del ejemplo, que la función de transferencia “exacta”
del proceso controlado se conoce.
El listado de instrucciones para obtener estos tres diagramas (Evans, Bode, Ny-
quist), es
# Sistema de control P
970 B Biblioteca Python Control Systems
0.2
Imaginary
0.0
0.2
0.4
0.6
# proceso controlado
P1 = pcs . tf (2. , [100. , 180. , 97. , 18. , 1.])
# controlador proporcional
C = 1.
# función de transferencia de lazo abierto
L = C * P1
# gráficos para el análisis del sistema de control
# lugar de las raices de Evans
# vector del parámetro K variable
Kv = npy . linspace (0 , 50 , 10000)
pcs . root_locus (L , Kv )
# diagrama de Bode
C = 2.5; L = C * P1
plt . figure (4 , facecolor = ' white ' )
pcs . bode_plot (L , c = ' r ' , lw =2)
# diagrama de Nyquist
# vector de frecuencias
wv = npy . logspace ( -2 , 5 , num =500)
plt . figure (5 , facecolor = ' white ' )
pcs . nyquist_plot (L , wv , c = ' g ' , lw =2)
Magnitude
10 4
10 6
10 8
200
300
1 0 1 2 3 4 5
Figura B.8: Ejemplo B.4 - Sistema de control de dos grados de libertad (2GdL)
972 B Biblioteca Python Control Systems
def lcMtf (P , Cr , Cy ):
# funciones de transferencia del sistema de control
# in : P - ft proceso
# Cr - ft controlador Cr
# Cy - ft controlador Cy
# out : La , Myr , Myd , Mur , Mud
La = Cy * P
Myr = Cr * P /(1 + La )
Myd = P /(1 + La )
Mur = Cr /(1 + La )
Mud = - Cy * P /(1 + La )
return La , Myr , Myd , Mur , Mud
def margestabSm ( La , wi ):
# cálculo del márgen de estabilidad ( Sm )
# in : La - ft lazo abierto
# wi - vector de frecuencias
B.3. CACSD con python-control 973
# out : Sm
S = 1 + La
mS , fS , w = pcs . bode_plot (S , wi , Plot = False )
Sm = npy . min ( mS ); Sm = round ( Sm , 2)
return Sm
0.2
58
L(j )
56
54 0.0
52
50
0.2
0 50 100 150 200 250
60 u(t)
0.4
58 Sm = 0.5
Señales [%]
56 0.6
54
52 0.8
50
1.0
0 50 100 150 200 250 1.50 1.25 1.00 0.75 0.50 0.25 0.00 0.25 0.50
Tiempo, t [s] L(j )
Figura B.9: Ejemplo B.4 - Sistema de control PI2 , curvas de respuesta y robustez
B.4 Bibliografía
Åström, K. J. y Murray, R. (2008). Feedback Systems: An Introduction for Scientists
B.4. Bibliografía 975
Hunter, J., Dale, D., Firing, E., y Droettboom, M. (2016). Matplotlib Release 1.5.1.
Python Control Developers (2017). Python Control Documentation. Control and Dy-
namical Systems, California Institute of Technology, Pasadena, CA 91125 USA.
976 B Biblioteca Python Control Systems