Está en la página 1de 13

Control de Velocidad de una Banda Transportadora

Alejandro Abril, Ronald Pucha y John Romero,


Ing. Mecatrónica
Universidad Politécnica Salesiana
Cuenca, Ecuador
aabril@est.ups.edu.ec, rpucha@est.ups.edu.ec, jromerob1@est.ups.edu.ec

Resumen—En el siguiente informe se realizo la implantación HIL (Hardware -in-the-Loop) para el control de velocidad de una
banda transportadora, la cual la parte del hardware será la ganancia proporcional conectada a la tarjeta de adquisición de datos, esta
ganancia estará representada por un potenciómetro acoplado a un circuito amplificador no inversor, la representación de la parte del
software será la función de transferencia G(s) en lazo abierto simulada en LabVIEW, esta función de transferencia está en tiempo
continuo la cual se realiza la discretización de la misma en G(z) con un tiempo de muestro de 0.0001s y con el método ZOH, esto se lo
realiza debido a que la ganancia del controlador externo que lee el software Labview esta muestreada y con la discretización se realiza
la comunicación (esta comunicación es de tipo serial) tanto del hardware (Arduino) como el software (Labview), con lo cual se realiza la
correcta implantación de HIL para representar el comportamiento del sistema.

Palabras clave—Control, Banda, Controlador, Sistema, Discreto

I. INTRODUCCION (HEADING 1)
En varios procesos industriales integrales, el control de la velocidad de las bandas que transportan materia prima, elementos y
productos finales, se vuelve esencial para optimizar continuamente un proceso productivo o el transporte de material hasta un área
de empaquetamiento o de suministro; si controlamos de la velocidad a la que se mueven los elementos en una banda
transportadora, se pueden gestionar los intervalos de tiempo de llegada, la cantidad de material que cae a una tolva cada cierto
tiempo y algunas otras variables que son útiles para aumentar la producción, disminuir perdidas u optimizar y reducir los tiempos
que le toma concluir a un proceso.
En el austro existe un temor en la industria al implementar cualquier tipo de actualización tecnológica; a pesar de que los
estudios, pruebas y evidencias muestren que se logra una mejora significativa en los procesos que se manejan a nivel industrial y
que los procesos que posee actualmente no abastecen la demanda del mercado, impidiendo que la empresa se desarrolle; se sigue
sin confiar en que la solución es una actualización y se opta por aumentar la carga del personal y la cantidad de personal. Es
entendible la posición que muestra la industria ante una actualización tecnológica, debido a que en la mayoría de veces supone
una inversión grande, que parece no tener un fácil amortizamiento; para lograr el cambio de opinión se necesitan resultados
reales, es por esto que se recurre a las simulaciones, donde los modelos se ingresan en un software, con los parámetros necesarios
para obtener resultados sin la necesidad de implementar directamente los procesos,[1-2] sin embargo, una simulación no
representa el comportamiento real de los dispositivos, ya que pueden influir variables que se desprecian en el modelo pero, bajo
ciertas circunstancias, ya sea humedad, calor, cambios de temperatura, cambios de presión entre otros, suponen una alteración en
el funcionamiento de estos elementos. Existen algunas técnicas y niveles de simulación que pueden ser útiles para obtener
resultados de diferentes procesos de control como: Modelo en la simulación de lazo (MILS), software en la simulación de lazo
(SILS), Procesador en la simulación de lazo (PILS) y hardware en la simulación de lazo (HILS) [3], la cual está típicamente
asociada con el ensayo en tiempo real de software y hardware del controlador en un sistema de lazo cerrado en el que la planta no
está físicamente presente, sino que es emulada por un modelo, aunque pueden estar también físicamente otros dispositivos; o
extender el concepto para pruebas de diferentes componentes. [4]
HILS es muy versátil, debido a su infinidad de propuestas, se puede poner a prueba dispositivos físicos en entornos con
características extremas, las cuales es muy difícil lograr en la realidad, pudiendo así observar o verificar su comportamiento y
fiabilidad para realizar cualquier operación, encontrando también los parámetros óptimos reales en los que su funcionamiento es
el más eficiente o cuando empieza a diferir de un funcionamiento deseado, otorgando la posibilidad de diseñar controladores de
acuerdo con las características reales que posee el dispositivo bajo prueba. Existen muchas formas de conseguir un controlador de
velocidad óptimo para un motor, en este caso se utilizará un controlador por variación de ganancia conectado a una simulación
con el modelo de una banda transportadora, es decir, se utilizará HILS para visualizar el comportamiento de una banda ante
diferentes ganancias que puede proporcionar el controlador, el cual está implementado físicamente y conectado como entrada para
la simulación del lazo de control. Utilizando HILS se puede observar también cómo reaccionaría un motor ante perturbaciones de
carga que demandan más o menos torque y debido a la parametrización de la simulación, se puede probar con diferentes motores
(características del motor) para comandar la banda, obteniendo así una mejor visión de las características necesarias que debe
tener el motor para que el control sea lo más eficiente posible.
En la sección 2 de este documento se presenta los modelos matemáticos ingresados en el software para la simulación, así
como la simulación del sistema. Los resultados obtenidos en la simulación se presentan en la sección 3 y finalmente se presentan
las conclusiones obtenidas a partir de los resultados y algunas pautas a mejorar en próximos trabajos.

II. MODELADO Y SIMULACION

Fig 1. Esquemático del proyecto

A. Modelos matemáticos.

1) Actuator

Fig 2. Esquemático de motor DC conectado a una banda transportadora.

Ecuaciones dinámicas lineales del motor:

En donde:
Va: voltaje de armadura del motor
eg: fuerza contra electromotriz
kv: constante de voltaje del motor
kt: constante de par de torsión del motor
ia: corriente del inducido
Td: par de torsión
J: Inercia total, combinación motor/carga
B: amortiguamiento equivalente total, respectivamente de la combinación motor/carga
W: velocidad angular del motor.

Aplicamos la transformada de Laplace a las ecuaciones dinámicas del motor:

Convertidor =
Fig 3. Diagrama de bloques del motor.

Función de transferencia queda expresada de la siguiente manera:

2) Sensor de retroalimentacion
Un encoder es un sensor de posición, que mediante dos canales entrega una señal cuadrada cada uno, para su procesamiento por el
sistema do control. El número de pulsos determina la posición exacta de eje. Los canales entregan dos señales desfasadas que se
usas para conocer el sentido de giro del eje.
Considerando el número de pulsos que proporciona el encoder por vuelta, se puede determinar la velocidad de giro del motor.
El sensor de posición se modela mediante un factor de proporcionalidad , dicho factor equivale al número de unidades
realimentadas por radián de rotación o milímetro de desplazamiento lineal.
El desarrollo del modelo se da mediante la consideración del número de pulso que entrega este en cada vuelta. Debido a que las
señales que entrega el encoder están desfasadas un cuarto de ciclo, el controlador de movimiento puede dividir cada ciclo del
sensor en cuatro conteos de cuadratura y así obtener una resolución final de conteos por revolución. Puesto que cada giro
equivale a radianes, la ganancia del sensor resultante es:

Kf

Fig 4. Bloque del encoder

3) Planta (Banda transportadora)


Para que el movimiento circular de los motores se convierta en un desplazamiento lineal se utilizara poleas,
cuya base da origen a las bandas transportadoras. Para su estudio, se considerara que el momento de inercia
equivalente que ve el eje del motor es igual a la masa trasladada por la cinta, M, por el radio de la polea al
cuadrado.

Mp

Fig 5. Banda transportadora


: Masa de la polea
M: masa del cuerpo a transportar.
r: radio de la polea

Dejando expresado en función de la velocidad angular WL

Transformando a Laplace:

4) Sistema

Fig 6. Diagrama de bloques general del sistema

5) Lazo abierto

Fig 7. Sistema en lazo abierto

6) Lazo cerrado:

En donde:
Kc=
B. Simulación.
Con los valores de la Tabla 1, se obtiene:

Fig 8. Respuesta al escalon de G(s)

Fig 9. Respuesta al escalón de T(s), con una ganancia K=1

TABLA I. VALORES SIMULACIÓN.

Kv If Rm Lm K2 τa τm B Mp M R kf
0.257 1 1.783 0.01672 1 0.009377 0.095152 2.64*10^-4 0.05 0.1 0.03 (60/(2*3.1416))*0.05
Fig 10. Lugar de las raíces sistema en lazo cerrado.

TABLA II. PARAMETROS DE T(S): RESPUESTA TRANSITORIA Y ERROR EN ESTADO ESTABLE.

Error
ζ Wn Tr Tp %OS Ts estado
Kp=1
estable
0.1556 286.74 0.0049s 0.0119 60.9657 0.0896 0.89

TABLA III. PARAMETROS DE T(S): RESPUESTA TRANSITORIA Y ERROR EN ESTADO ESTABLE CON VARIOS VALORES DE KP
Error
Tr(s) Tp(s) %OS Ts(s) estado
estable
Kp=1 0.0049 0.0119 60.9657 0.0896 0.89
Kp=3 0.0026 0.00723 72.3 0.0896 0.741
Kp =5 0.00204 0.00578 77.2 0.0874 0.6331
Kp=0.1 0.00679 0.0175 45.8 0.088 0.98
Kp=0.5 0.00508 0.0134 54.5 0.0846 0.97
Si ahora lo que varía es la masa entonces tenemos:
Fig 10. T(s) con una masa de 1Kg, con una ganancia Kp=1

Fig 11. T(s) con una masa de 5Kg, con iuna ganancia Kp=1

C. Analisis de resultados de simulación.


El en el lugar de las raíces en la Fig 10, se observa que el sistema únicamente con variación de ganancia, nunca pasa a la
inestabilidad, se puede observar que el mínimo overshoot con variación de ganancia es de 45.8% con ganancia cero, y a
medida que se va aumentando la ganancia Kp, este overshoot va creciendo, por lo tanto si se requiere un overshoot del
20% en el sistema es imposible lograrlo únicamente con variación de ganancia.
En la tabla 3 se observa que nuestro tiempo de respuesta es de 0.0896, y este se mantiene con ganancias mayores a 1 y
menores a 1, entonces con variación de ganancia el tiempo de respuesta no varía, lo único que varía es el coeficiente de
amortiguamiento que va disminuyendo a medida que aumentamos la ganancia Kp, y aumenta mientras se disminuye la
ganancia.
Se observa que cuando se varia la masa el sistema cambia totalmente ya que esta masa es una perturbación al sistema,
mientras aumenta la masa el coeficiente de amortiguamiento crece, los tiempos de respuesta aumentan, sin embargo no
pierde la estabilidad en ningún punto.
III. DISEÑO E IMPLEMENTACION DEL HIL

Para la implementación de HIL al proyecto, utilizaremos como tarjeta de adquisición de datos Arduino Uno con las cual
realizaremos la comunicación de tipo serial con el software LabVIEW.

Fig 12. Tarjeta de adquisición de datos


Fig 13. Software
Para realizar la comunicación entre Arduino y LabVIEW, se instala el paquete de interfaz para Arduino a LabVIEW y
posteriormente se carga el programa (LIFA_Base.ino) al Arduino.

Fig14. Instalación de paquete a LabVIEW y cargado de programa a Arduino

Dentro de la impletamentacion de HIL, el arduino representa la tarjeta de adquesion de datos del controlador (Ganancia
proporcional Kp) y labview representa Funcion de Transferencia de nuestra planta (Banda Transpotadora).
Para representar la ganacia propocional se utilizo un circuito, la cual consta de un potenciometro acoplado a un circuito
amplificador no inversor , el circuito para la ganacia proporcional Kp varia desde 1v hasta 5v

Fig 15. Esquema circuito para control proporcional

TABLA IV. ELEMENTOS QUE UTILIZAR PARA EL CIRCUITO


R1 Potenciometro 20k
R2 Resistencia 5.1k
Amplificador no inversor Lm324
Vg Input 1v
Vo Output 1v – 5v

Salida del circuito Vo se conecta al pin 0 de entrada analógica del Arduino, teniendo así lo que será el hardware.

Fig16. Esquema conexión entre circuito y Arduino

El software LabVIEW será la planta la cual su Función de Transferencia en lazo abierto la cual estará simulada simulada

Fig 17. Función de transferencia G(s) a simular en labview

Para lo cual LabVIEW cuenta con su librería de control y simulación que puede simular sistemas dinámicos, diseñar
controladores sofisticados e implementar sus sistemas de control

Fig 18. Librería a utilizar para implementar la FT en Labview

Fig19. Diagrama de bloques de todo el sistema implementado en Labview tiempo continuo


El bloque “Transfer Function” Con tiene la Función de transferencia G(s) tiempo continuo.
Como tenemos que el controlador es externo, su valores o ganancias estarán muestreadas lo cual nos hace difícil la conexión o
implementación con el esquema anterior, lo que tendremos que hacer que la G(s) en tiempo continuo discretizarla a una G(z) que
satisfaga las siguientes condiciones:
1. Que G(z) represente un sistema lineal discreto.
2. G(z) fuese una discretización exacta de G(s) para cualquier entrada u(t), en el sentido de que el sistema discretizado tenga la
misma salida y(t) de G(s) en los instantes de muestreo, y(kT), cuando la entrada del sistema discreto sea la discretización de u(t),
es decir u(kT).
Esta discretización se la pude realizar en labview mediante la utilización de un bloque en la librería control y simulación llamado
“Cd Convert Continuos to Discrete”, Que toma la FT de G(s) y la discretiza para tener G(z), pero se tiene que establecer algunos
parámetros para esta discretización como es el Tiempo de muestro y el método a utilizar para la discretización

Fig 20. Ubicación de bloque de discretización

Fig 21. FT discretizada G(z) mediante los parámetros establecidos


Fig 22 Esquema diagrama de bloques de todo el sistema implementado en Labview tiempo discreto

El bloque “Discrete Transfer Function” Con tiene la Función de transferencia G(z) tiempo discreto ya generada anteriormente.
Ahora se le puede implantar el controlador de ganancia proporcional externo, esto mediante la utilización de una variable local “K
proporcional” que ingresa la ganancia externa que entrega el circuito controlador mediante la comunicación entre Arduino y
labview.

Fig 23. Implementación HIL (Arduino +LabVIEW) para control de velocidad de banda transportadora

La primera grafica es la respuesta al escalon del sistema en tiempo continuo con una masa de M =5Kg y Kp=1.
La segunda grafica corresponde respuesta al escalon del sistema discretizado con los mismos parametros, con lo cual se puede
decir que G(z) es igual a la G(s)

IV. RESULTADOS DEL SISTEMAS DE CONTROL EN TIEMPO REAL


En las gráficas de labview con un potenciómetro que varía la ganancia proporcional de 0 a 5, los resultados que obtenemos son
muy cercanos a los obtenidos en las simulaciones en matlab únicamente que se debe colocar un tiempo de muestreo adecuado a la
ecuación discreteada que obtuvimos, en nuestro caso de 0.001s.
Para una variación de ganancia de kp=1 se observan los parámetros en el Tabla 1, y los mismos valores o muy cercanos se
obtienen en labview.
En la tabla 2 evidenciamos, diferentes valores de kp y los parámetros de cada uno que como se puede comprobar se obtiene lo
mismo en las gráficas del HIL.
Finalmente cuando se varía la masa de la carga a transportar la gráfica sufre un cambio, y esta se evidencia tanto en la simulación
Fig 10 y Fig 11 como en labview, el coeficiente de amortiguamiento crece y la gráfica no oscila tanto, además los tiempos de
asentamiento aumentan.
Fig 24. Masa 1Kg con Kp=1

Fig 25. Masa 3Kg con Kp=1


Fig 25. Masa 5Kg con Kp=1

V. CONCLUSIONES Y RECOMENDACIONES
La simulación mediante HIL es un recurso muy valioso para comprobar el funcionamiento de diferentes dispositivos a controlar,
utilizando elementos físicos y de software, donde sus parámetros pueden variarse con relativa facilidad y combinarse, buscando la
mejor configuración posible para cada dispositivo. Ya que se utiliza elementos reales, se determinar las características y alcance
real de estos, y no solamente aproximaciones, que por más cercanas a la realidad que sean no reflejan como el dispositivo se
comportaría en un entorno real. También se puede exigir a los dispositivos mediante simulaciones con parámetros extremos para
observar cual es el límite y bajo qué circunstancias se puede mejorar el rendimiento de los dispositivos bajo prueba.

REFERENCIAS

[1] Wei Dai, Ping Zhou, Dayong Zhao, Shaowen Lu, Tianyou Chai, “Hardware-In-The-Loop Simulation Platform For Supervisory Control Of Mineral Grinding
Process” Powder Technology 288 (2016) pp 422-434
[2] Chung Duc Tran, Rosdiazli Ibrahim, Vijanth Sagayan Asirvadam, Nordin Saad , Hassan Sabo Miya, “Internal Model Control For Industrial Wireless Plant
Using Wirelesshart Hardware-In-The-Loop Simulator” ISA Transactions 75 (2018) pp. 236-246
[3] Kamali C, Shikha Jain, “Hardware In the Loop Simulation for a Mini UAV” IFAC-PapersOnLine 49-1 (2016)pp. 700–705
[4] Boris Fischer, Uwe Jassmann , “A General Framework For A Control-Based Design Of Power And Mechanical Hardware-In-The-Loop Systems” IFAC
PapersOnLine 50-1 (2017) pp. 10957–10963

También podría gustarte