03 A Sistemas Discretos PDF

1.
Discretización
1. Discretización __________________________________________________ 1
1.1. Por qué estudiar los sistemas discretos _______________________________________________________________________________ 2
1.2. Historia __________________________________________________________________________________________________________ 3
1.3. Futuro ___________________________________________________________________________________________________________ 7
1.4. Características del Control Digital ___________________________________________________________________________________ 9
1.5. Sistema Discreto _________________________________________________________________________________________________ 14
1.6. Ecuaciones Diferenciales y en Diferencias ____________________________________________________________________________ 15
1.7. Transformada de Laplace de una Secuencia __________________________________________________________________________ 18
1.8. Transformada en Z _______________________________________________________________________________________________ 20
1.9. Operador Desplazamiento _________________________________________________________________________________________ 22
1.10. Algunas Funciones de Transferencia _______________________________________________________________________________ 25
1.11. Relación de Polos y Ceros Continuos y Dicretos ____________________________________________________________________ 28
1.12. Discretización Aproximada _______________________________________________________________________________________ 30
1.13. Aproximación Basada en la Función de Transferencia ________________________________________________________________ 30
1.1.1. Aproximación de Euler y Tustin ___________________________________________________________________________________________________ 31
1.14. Elección del Período de Muestreo _________________________________________________________________________________ 35

1.15. Referencias _____________________________________________________________________________________________________ 38
03 a Sistemas Discretos.doc 1
1.1. Por qué estudiar los sistemas discretos
Hoy en día es impensable implementar un lazo de control sin un elemento digital de
cálculo
rk uk u(t) y(t)
Computador CDA Proceso
-
CAD Sensor
yk
1.2. Historia
 1950: Período Inicial. Primeras computadoras de procesos. Grandes. Gran consu-
mo. Poca fiabilidad.
 1956: Texaco: 26 caudales, 72 temperaturas y 3 composiciones. Suma en 1 ms,
multiplicación en 20 ms. TMEF ó MTBF 50 a 100 hs solo para la cpu. No exis-
ten modelos en tiempo real. Escasos sensores. Rechazo a las nuevas tecnologías.
 1962: Imperial Chemical Industries (Inglaterra): 224 entradas, 129 válvulas. Con-
trol Digital Directo (CDD o DDC). Suma 0,1 ms, multiplicación en 1 ms. TMEF
1000 hs. Se reemplazan tableros de instrumentos por teclado y pantallas. Fácil
reconfiguración.
 1965: Minicomputadoras. Circuitos integrados. Reducción de costos y tamaños.
Más rápidos y fiables. Suma 0,002 ms, multiplicación 0,007ms. TMEF 20000 hs.
Aplicable a proyectos pequeños. Crecen las aplicaciones de 5000 a 50000 en 5
años. Costo medio (1975) 10000 dólares. Costo del proyecto a 100000 dólares.
 1975: Microcomputadoras. Costo medio de 500 dólares. Consumo despreciable.
Control dedicado. Desarrollo de la teoría de control.
 1980: PLC. Secuenciamiento Lógico. Control Distribuido.
1.3. Futuro
Se prevén avances en:
 Conocimiento del proceso: Lentos pero constantes. Recolección de datos.
 Técnicas de medición: Sensores inteligentes. Incorporan computadores a bordo.
 Tecnología de computadores: El más importante. VLSI. Comunicaciones. Pre-
sentación de la información. Nuevos lenguajes. Arquitectura.
 Teoría de control: Identificación de sistemas. Algoritmos de control. Optimiza-
ción. Control adaptativo. Control inteligente. Sistemas multivariables.
Pero no se podrá despegar el futuro de esta temática del avance de los computado-
res digitales.
1.4. Características del Control Digital
 No existe límite en la complejidad del algoritmo.
 Facilidad de ajuste y cambio.
 Exactitud y estabilidad en el cálculo.
 Uso del computador con otros fines (alarmas, archivo de datos, administración,
etc.).
 Costo vs. número de lazos.
 Tendencia al control distribuido o jerárquico.
1. Sistemas Discretos
Los Modelos de Sistemas Discretos parecen una buena opción para el análisis.
Un ejemplo de estos modelos son los algoritmos de computación
 Solución Iterativa
¡Error! No se pueden crear objetos modificando códigos de campo.
algoritmo
¡Error! No se pueden crear objetos modificando códigos de campo.
Por ejemplo si ¡Error! No se pueden crear objetos modificando códigos de campo., la solución es ¡Error! No se pueden crear objetos modifi-
cando códigos de campo.
2.5
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10
 Control PI
while control_automatico
r=lectura_referencia
y=lectura_variable_controlada
e=r-y % cálculo del error
u= ¿??????? % cálculo de la variable manipulada
escritura_ variable_manipulada
tiempo_de_espera
end
 Control Proporcional
u= Kp*e % cálculo de la variable manipulada
tiempo_de_espera
end
 Control PI
i=i+T*e/Ti
u=kp*(e+i) % cálculo de la variable manipulada
tiempo_de_espera
end
1.5. Sistema Discreto
{uk} {yk}
Sistema
Discreto
Sumador
 
k
 y k  = u i [1.1]
i=1
Promediador
1
 y k  =   u k -1 + u k + u k+1   [1.2]
3 
1.6. Ecuaciones Diferenciales y en Diferencias
Sea la ecuación diferencial
dy  t 
 ay  t   bu  t 
dx
y   k  1 T   y  kT 
 ay  kT   bu  kT 
T
y   k  1 T   1  aT  y  kT   bTu  kT 
ó
yk 1  1  aT  yk  bTuk
Integración
t
1
y t    u  t  dt [1.3]
TT 0
k 1
1
y  kT    Tu  iT 
TT i 0
k
1
y   k  1 T    Tu  iT 
TT i 0
T [1.4]
y   k  1 T   y  kT   u  kT 
TT
ecuación en diferencia:
T
y   k  1 T   y  kT   u  kT 
TT
en general
yk 1  a1 yk    an yk 1 n  b0uk 1  b1uk    bmuk 1m
ó
yk 1   a1 yk    an yk 1n  b0uk 1  b1uk    bmuk 1m o
1.7. Transformada de Laplace de una Secuencia
Secuencia  xk , muestreo de una señal continua, se puede escribir como una sumato-
ria de impulsos modulados por los elementos de la secuencia,

xk   x kT  (t - kT) [1.5]
k=0
se define su transformada de Laplace como


Ls  s    x kT e  kTs [1.6]
k=0
es periódica respecto de s con período   2 T

Todas las singularides se repiten.


1

1.8. Transformada en Z
Solo se define para secuencias

Z   xk    X  z   xz k
k
[1.7]
k= 
donde z es una variable compleja.

La Transformada en Z de la secuencia impulso es
 k   1,0,0, [1.8]
 z  1 [1.9]
de una secuencia
xk   1, a, a 2 , [1.10]
  k
X  z  a z
k= 
k k
   az 1 
k= 
[1.11]
1
que converge para z  a y en cuyo caso la sumatoria resulta X  z  
1  az 1
Propiedades
Linealidad:
Z  af  bg   aZ  f   bZ  g  [1.12]
Desplazamiento
Z  qd f   z d Z  f  [1.13]
Valor Inicial
lim  f k   lim Z  f  [1.14]
k 0 z 
Valor Final
lim  f k   lim 1  z 1  Z  f  [1.15]
k  z 1
si 1  z 1  Z  f  no tiene ningún polo fuera del círculo unidad.
1.9. Operador Desplazamiento
Es el equivalente discreto al operador diferencial p  d
dt
La secuencia debe ir desde  a 
El muestreo es T  1
Operador Adelanto
qf k  f k 1
Operador Retardo
q 1 f k  f k 1
Para análisis de estabilidad conviene Operador Adelanto
Para causalidad, Retardo
Las operaciones con ecuaciones en diferencias se reducen a operaciones algebraicas
Es fácil confundirlo con la Transformada en Z así como se confunde s con p.
No son exactamente iguales.
Es útil para manejar ecuaciones en diferencias grandes. Sea el sistema
yk  na  a1 yk  na 1    ana yk  b0uk nb    bnb uk
na  nb
q na
  
 a1q na 1    ana yk  b0 q nb  b1q nb 1    bnb uk
A  q   q na  a1q na 1    ana
B  q   b0 q nb  b1q nb 1    bnb
A  q  yk  B  q  u k
o
yk B  q 

uk A  q 
expresado en función del operador retardo
yk  a1 yk 1    ana yk na  b0uk d    bnb uk d nb [1.16]
con d  na  nb exceso de polos. Polinomio recíproco

A*  q   1  a1q na 1    ana q na  q na A  q 1  [1.17]
[1.16] se puede escribir

A*  q 1  yk  B*  q 1  uk d [1.18]
yk q B  q 
d 1

uk A  q 1 
1.10. Algunas Funciones de Transferencia
Equivalencia entre la función de transferencia continua y el sistema muestreado con
bloqueador de orden cero
S s S q b q  b2 respuesta al
G s 
E s
G  q   2 1
E  q  q  a1q  a2 resp. impulsional g  t 
escalón
1 1  t 
Ste p Re sponse
From: U( 1)
1.4
1.2
T
1
Amplitude
0.8
To: Y(1)
0.6
s q 1 1 0.4
0.2
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time ( sec.)
Ste p Response
From: U( 1)
0.5
0.45
0.4
1 T 2  q  1 0.35
0.3
Amplitude
To: Y(1)
0.25
2
s2 2  q  1 t
0.2
0.15
0.1
0.05
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time (sec.)
e  sT q 1 retardo
Ste p Response
From: U( 1)
1
0.9
K 1  e  K
T

0.8
0.7
0.6
Amplitude
To: Y(1)
T
0.5
Ke  0.4
 s 1 T

0.3
qe 0.2
0.1
0
0 1 2 3 4 5 6
Time (sec.)
Ste p Res pons e
From: U( 1)
10
1 1
 aT  1  e  aT  q  1  e  aT  aTe  aT 
8
a 1
7
1  e aT 
6
Amplitude
a a
To: Y(1)
5
s s  a a
4
q  1  e  q  e  aT
2  aT 3
0
0 1 2 3 4 5 6 7 8 9 10
Time (s ec .)
Ste p Res pons e

From: U( 1)
 b 1  e  aT   a 1  e bT   a 1  e  bT  e  aT  b 1  e  aT  e  bT
0.5
0.45
0.4
ab  q ab
0.35
   bebT  aeaT 
0.3
ba ba
Amplitude
To: Y(1)
0.25
 s  a  s  b    ba 0.15
0.2
q 2   e aT  e  bT  q  e  
 a  b T 0.05
0.1
0
0 1 2 3 4 5 6
Time (s ec .)
  bT c 1  e bT  c 1  e  aT   Ste p Res pons e
 e  e  aT 
From: U( 1)
 
1.2
 q  c e a bT  b  c e  aT  c  a e  bT
1
sc  b a 0.8
1
ba b a  b a a  b   b  c  e bT   a  c  e aT 
Amplitude
ab
0.6
 
To: Y(1)
 s  a  s  b 
0.4
  ba 0.2
  0
-0.2
q   e  e bT  q  e  
 a b T
0 5 10 15 20 25 30
2  aT Time (s ec .)
  0 



b1  1  e 0T  cos 0 1   2 T 
0 1  

2
sen  0 1   2 T    Ste p Res pons e
From: U( 1)
1.4
1.2
 02    0
     
1
b2  e 20T  e 0T  0
sen  0 1   2 T  cos  0 1   2 T  e0t sen  0 1   2 t
Amplitude
0.8
To: Y(1)
s 2  2 0   02   1 2  1 2
0.6
 0  0.4
0.2
 
0
0 5 10 15 20
 0T 2
a1  2e cos  0 1   T Time (s ec .)
a2  e20T
1
b1 
0 1   2 
e 0T sen  0 1   2 T  
1

e 0t sen  0 1   2 t    0.7
0.6
Ste p Response
From: U( 1)
2
1
0.5
s b2  b1
0.4
0.3
Amplitude
To: Y(1)
0.2
s  2 0   02
2
 1 2 
0.1
 
0
 0T 2
a1  2e cos  0 1   T   tan 1  
-0.1
-0.2
   -0.3
0 5 10 15 20
20T   Time (sec.)
a2  e
Significado de la Función de Transferencia:
Ejemplo:
yk 2 1  e 
0,1
Y s 2 0,1904
G s   , T  0,1seg , G q   
U s s 1 uk q  e 0,1 q  0,9048
yk  q  0,9048   0,1904uk
yk 1  0,9048 yk  0,1904uk
k U Y
0 0 0
1 1 0
2 1 0,1904
3 1 0,3627
4 1 0,5185
5 1 0,6596
6 1 0,7872
1.11. Relación de Polos y Ceros Continuos y Dicretos
N s N  z
Tenemos una G  s   continua y una G  z   discreta.
Ds D z
¿Existe relación entre los polos y los ceros de una y otra?

La relación es
zi  e siT [1.19]
Plano S Plano Z
Plano S Plano Z Plano S Plano Z 
N N


N N 
la transformación es z  e sT .
Ejemplo 1.1. Sistema de Segundo Orden
02
[1.20]
s 2  20 s  02
los polos en Z son las raíces de
z 2  a1 z  a2  0 [1.21]
con

a1  2e 0T cos 0 1   2 T  [1.22]
a2  e 20T
los polos varían con T
1.12. Discretización Aproximada
Muchas veces ya existe un controlador analógico
Se intenta reproducir su comportamiento
Con un período de muestreo pequeño se puede solucionar.
1.13. Aproximación Basada en la Función de Transferencia
Se intenta aproximar G  s 
u(t) u(kt) y(kt) y(t)
CAD Algoritmo CDA
text
Reloj
1.1.1. Aproximación de Euler y Tustin
aproximación de derivada como una diferencia en adelanto (método de Euler)
dx  t  x t  T   x t  q 1
px    x t  [1.23]
dt T T
como una diferencia hacia atrás
dx  t  x  t   x  t  T  q  1
px    x t  [1.24]
dt T qT
en transformadas significa reemplazar
z 1 z 1
s o s  [1.25]
T zT
que corresponden a un desarrollo en serie truncado
Para el método de Euler
z  e sT  1  sT [1.26]
para la diferencia hacia atrás
1
z  e sT  [1.27]
1  sT
Otra aproximación: el método trapezoidal o método de Tustin
sT
1
z  e sT  2 [1.28]
sT
1
2
Se reemplaza directamente s por alguna de sus aproximaciones:
Euler
z 1
s  [1.29]
T
diferencia hacia atrás
z 1
s  [1.30]
zT
Tustin o bilineal
2 z 1
s  [1.31]
T z 1
de este modo se obtiene
H  z   G  s  [1.32]
La figura muestra el mapeo del semiplano negativo de s
Plano Z
Diferencia en Adelanto Diferencia en Atraso Tustin
Ejemplo:
Misma función de transferencia que antes,
Y s 2
G s  
U s s 1
Esta función de transferencia viene de la ecuación diferencial,

dy  t 
  y  t   2u  t 
dt
Si reemplazamos la derivada por su aproximación,
y  kT  1  y  kT 
  y  kT   2u  kT   y  kT  1  y  kT 1  T   2Tu  kT 
T
yk 1  1  T  yk  2Tuk
para T  0,1seg ,
yk 2T 0,2 yk 2 1  e0,1 0,1904

G q    , Comparar con G q   
uk q  (1  T ) q  0,9 uk q  e0,1 q  0,9048
1.14. Elección del Período de Muestreo
Recordar: sistema muestreado es más deficiente que el continuo.
La elección del período de muestreo depende:
comportamiento requerido
dinámica propia del sistema
perturbaciones
actuadores
sensores
cómo fue modelado
Período de muestreo muy grande
Imposibilita la reconstrucción
Mucho tiempo en lazo abierto
Período de Muestreo muy corto
Incrementa la carga del computador
Introduce errores numéricos
Si el sistema tiene retardo
T  1  1 td [1.33]
4 8
Una buena medida es expresar el muestreo en función del tiempo de crecimiento Tr
introduciendo
Tr
Nr  [1.34]
T
es el número de muestras en el tiempo de crecimiento.
Para una senoide pura, de acuerdo al teorema de Shannon, N r  0,32
Este es el límite inferior, pero la reconstrucción de Shannon es complicada
Para un sistema de primer orden, el tiempo de crecimiento es la constante de tiempo.
Suena lógico elegir
Nr  2  4
Para un sistema de segundo orden, el tiempo de crecimiento es
1  tan
Tr  e   cos [1.35]
0
También se elige N r  2  4
Dependiendo del tipo de proceso
Caudal 1seg
Presión 5 seg
Nivel 10 seg
Temperatura 20 seg
Otra forma de elegir el período de muestreo es:

T 
10
1.15. Referencias
2. Åström, Karl J.: Computer Controlled Systems. Theory and Design,
Prentice Hall – 1997
3. Aracil Santonja, R.: Sistemas Discretos de Control, Universidad Politécnica
de Madrid – 1980
4. Isermann, R.: Digital Control Systems, Springer Verlag – 1981
5. Papoulis, A: Sistemas Digitales y Analógicos, Marcombo – 1978
6. Stephanopoulos, G: Chemical Process Control. Prentice-Hall – 1984. Caps. 26
a 30
7. Seborg, D., Edgar, T., Mellichamp, D. Process Dynamics and Control – Wiley –
2nd Ed. 2004 – Cap 17.
8. Kuo, B: Discrete Data Control Systems, Prentice Hall – 1970
9. Tou, : Digital and Sampled Data Control Systems, Mac Graw Hill – 1959
10. Proakis, J.G. & Manolakis, D.G.: Tratamiento Digital de Señales: Prin-
cipios, Algoritmos y Aplicaciones, Traducción de Digital Signal Processing:
Principles, Algorithms and Applications, 3rd. edition, Prentice Hall, Englewood
Cliffs, UK., 1998.

03 A Sistemas Discretos PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

03 A Sistemas Discretos PDF

Cargado por

Copyright:

Formatos disponibles

1.

1.14. Elección del Período de Muestreo _________________________________________________________________________________ 35

se define su transformada de Laplace como

es periódica respecto de s con período   2 T

donde z es una variable compleja.

si 1  z 1  Z  f  no tiene ningún polo fuera del círculo unidad.

con d  na  nb exceso de polos. Polinomio recíproco

[1.16] se puede escribir

Ste p Res pons e

  bT c 1  e bT  c 1  e  aT   Ste p Res pons e

20T   Time (sec.)

¿Existe relación entre los polos y los ceros de una y otra?

N N 

para la diferencia hacia atrás

La figura muestra el mapeo del semiplano negativo de s

Diferencia en Adelanto Diferencia en Atraso Tustin

Esta función de transferencia viene de la ecuación diferencial,

yk 2T 0,2 yk 2 1  e0,1 0,1904

Otra forma de elegir el período de muestreo es:

También podría gustarte