Está en la página 1de 27

Universidad Católica

“Nuestra Señora de la Asunción”


Sede Regional Asunción
Facultad de Ciencias y Tecnologı́a

Departamento de Ingenierı́a
Electrónica e Informática
Carrera de Ingenierı́a Electrónica

Automatización
Ing. Enrique Vargas PhD.

Paredes, Javier <javier.90@gmail.com>


Ramı́rez, Pedro <pedroramirez22@gmail.com>

TRABAJO FINAL
CONTROL DE LEVITACIÓN NEUMÁTICA
11 de febrero de 2014
ÍNDICE 2

Índice
1. Objetivo General 3
1.1. Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . 3

2. Introducción 3

3. El flujo de los fluidos 3


3.1. La tasa de flujo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2. Ecuación de Continuidad . . . . . . . . . . . . . . . . . . . . . . 4
3.3. Número de Reynolds,flujo laminar, flujo turbulento . . . . . . . . 4
3.3.1. Flujo Laminar . . . . . . . . . . . . . . . . . . . . . . . . 4
3.3.2. Flujo Turbulento . . . . . . . . . . . . . . . . . . . . . . . 4
3.3.3. Número de Reynolds . . . . . . . . . . . . . . . . . . . . . 4
3.3.4. Número de Reynolds Crı́ticos . . . . . . . . . . . . . . . . 5
3.4. Fuerzas debido a los fluidos . . . . . . . . . . . . . . . . . . . . . 5
3.4.1. Fuerza de Arrastre . . . . . . . . . . . . . . . . . . . . . . 5
3.4.2. Ecuación Integrodiferencial de la Planta . . . . . . . . . . 6
3.4.3. Caracterización de Constantes de la Ecuación no−lineal . 7
3.4.4. Solución de la Ecuación no−Lineal con Matlab . . . . . . 9

4. Control Lugar de Raı́ces 10


4.1. Procedimiento de Diseño . . . . . . . . . . . . . . . . . . . . . . . 11
4.2. Simulación de la Respuesta al Step . . . . . . . . . . . . . . . . . 13
4.3. Respuesta con el Compensador Implementado . . . . . . . . . . . 14
4.4. Discusión sobre el valor del tiempo de muestreo . . . . . . . . . . 15
4.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

5. Control PID 16
5.1. Procedimiento de Diseño . . . . . . . . . . . . . . . . . . . . . . . 16
5.2. Sintonı́a del Controlador PID . . . . . . . . . . . . . . . . . . . . 16
5.3. Simulación de la Respuesta al Step . . . . . . . . . . . . . . . . . 18
5.4. Respuesta con el Compensador Implementado . . . . . . . . . . . 19
5.5. Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

6. Control DeatBeat 20
6.1. Diseño del Compensador . . . . . . . . . . . . . . . . . . . . . . . 21
6.2. Implementación del Compensador . . . . . . . . . . . . . . . . . 21
6.3. Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

7. Control vı́a ubicación de polos 22


7.1. Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1 Objetivo General 3

8. Control Estimador de Predicción 23


8.1. Estimador de Predicción . . . . . . . . . . . . . . . . . . . . . . . 24
8.2. Procedimiento de Diseño . . . . . . . . . . . . . . . . . . . . . . . 24
8.3. Implementación del estimador de predicción . . . . . . . . . . . . 25
8.4. Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

9. Control Kalman 26
9.1. Procedimiento de diseño . . . . . . . . . . . . . . . . . . . . . . . 26
9.2. Implementación del Controlador . . . . . . . . . . . . . . . . . . 27
9.3. Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1. Objetivo General
Comprender e implementar los controles clásicos y modernos.

1.1. Objetivos Especı́ficos


Modelado de una planta de levitación neumática.
Aplicar los controles clásicos y modernos para mejorar las respuestas a
excitaciones.

2. Introducción
El efecto de que un cuerpo se suspenda en el aire sin contacto fı́sico se
denomina levitación, la cual es el resultado de una fuerza que contrarresta el peso
del cuerpo u objeto levitante. En este caso de estudio, se tratará la levitación
neumática. Esta clase de levitación opera las variaciones en la presión ejercida
por gases, en este caso el aire, para mantener objetos suspendidos en posición
estable. Esta levitación debe garantizar los siguientes efectos sobre el objeto:
Una fuerza que contrarreste el peso del cuerpo (la fuerza de gravedad que actúa
sobre el objeto que levita) y para que se halle en suspensión estable, es necesaria
una fuerza adicional que contrarreste cada pequeño desplazamiento del objeto
en levitación.

3. El flujo de los fluidos


3.1. La tasa de flujo
La cantidad de fluido que pasa por un sistema por unidad de tiempo puede
expresarse por medio de Q, El flujo volumétrico es el volumen de fluido
que circula en una sección por unidad de tiempo, y se calcula con la siguiente
ecuación:

Q = Aυ (1)
3.2 Ecuación de Continuidad 4

donde A es el área de la sección y υ es la velocidad promedio del flujo.

3.2. Ecuación de Continuidad


El método de cálculo de la velocidad de flujo en un sistema de ductos cerrados
depende del principio de continuidad. La cantidad de fluido que circula a través
de cualquier sección en cierta cantidad de tiempo es constante, es decir:

Figura 1: Continuidad dentro de un tubo de radio variable suponiendo que el


fluido es incomprensible(ρ1 = ρ2 ).

ρ1 A1 υ1 = ρ2 A2 υ2 (2)
Es válido para todos los fluidos, ya sean gases o lı́quidos.

3.3. Número de Reynolds,flujo laminar, flujo turbulento


3.3.1. Flujo Laminar
Es cuando el flujo parece suave y estable. La corriente tiene un diámetro casi
uniforme y hay poca o ninguna evidencia de que sus distintas partes se mezclan.
A éste se le denomina flujo laminar, término derivado de la palabra lámina 1 ,
debido a que el fluido parece moverse en láminas continuas con poca o ningúna
mezcla de una capa con las adyacentes.

3.3.2. Flujo Turbulento


Ocurre cuando los elementos del fluido parecen mezclarse en forma caótica
dentro de la corriente. Ésta es la descripción general de un flujo turbulento.

3.3.3. Número de Reynolds


El comportamiento de un fluido, en particular en lo que se refiere a las
pérdidas de energı́a, depende de que el flujo sea laminar o turbulento.
Se demuestra en forma experimental y se verifica de modo analı́tico, que el
carácter del flujo en un tubo redondo depende de cuatro variables: la densidad
del fluido ρ, su viscosidad η, el diámetro del tubo D y la velocidad promedio
del flujo υ.
1 Layer
3.4 Fuerzas debido a los fluidos 5

Osbome Reynolds fue el primero en demostrar que es posible pronosticar el


flujo laminar o turbulento si se conoce la magnitud de un número adimensional,
al que hoy se le denomina número de Reynolds (NR ). La ecuación siguiente
muestra la definición básica del número de Reynolds:
υDρ υD
NR = = (3)
η ν
donde, υ es la velocidad media del flujo, D el diámetro del tubo, ρ es la
densidad del fluido, η es la viscosidad del fluido y ν es la viscosidad cinemática
del fluido.
Los flujos tienen números de Reynolds grandes debido a una velocidad el-
evada y/o una viscosidad baja, y tienden a ser turbulentos. Aquellos fluidos
con viscosidad alta y o que se mueven a velocidades bajas, tendrán números de
Reynolds bajos y tenderán a comportarse en forma laminar.

3.3.4. Número de Reynolds Crı́ticos


Si el número de Reynolds para el flujo es menor que 2000, éste será laminar.
Si el número de Reynolds es mayor que 4000, el flujo será turbulento. En el
rango de números de Reynolds entre 2000 y 4000 es imposible predecir qué flujo
existe; por tanto, le denominaremos región crı́tica.
Supondremos lo siguiente:
Si NR < 2000, el flujo es laminar.
Si NR > 4000, el flujo es turbulento.

3.4. Fuerzas debido a los fluidos


3.4.1. Fuerza de Arrastre
Arrastre es la fuerza sobre un cuerpo ocasionada por el fluido que opone
resistencia en la dirección del movimiento del cuerpo.
Por lo general, se expresan las fuerzas de arrastre en la forma:

FD = CD (ρυ 2 /2)A (4)


Los términos en esta ecuación son los siguientes:

CD es el coeficiente de arrastre. Se trata de un número adimensional que


depende de la forma del cuerpo y su orientación con respecto a la corriente de
fluido.

ρ es la densidad del fluido. Debido a que la densidad de los liquidos es


bastante mayor que la de un gas, el orden general de magnitud de las fuerzas
de arrastre sobre objetos que se mueven en el agua es mucho mas grande que
para los objetos que se mueven en el aire. La compresibilidad del aire afecta un
poco su densidad.
3.4 Fuerzas debido a los fluidos 6

υ es la velocidad de la corriente libre del fluido en relacion con el


cuerpo. En general, no importa si el que se mueve es el cuerpo o el fluido.

A es algún area caracterı́stica del cuerpo. El área de interés sea superficie


transversal máxima del cuerpo, que suele recibir el nombre de área proyectada.

El término combinado ρυ 2 /2 es la presión dinámica. Observe que la


fuerza de arrastre es proporcional a la presión dinámica y, por tanto, es propor-
cional al cuadrado de la velocidad.

3.4.2. Ecuación Integrodiferencial de la Planta


Para hallar la ecuación integro-diferencial que describe el movimiento de la
pelota dentro del tubo, se aplica la segunda ley de Newton de las fuerzas que
actúan sobre la misma, que son el Empuje, Fuerza de Arrastre y Peso.

E + FD − W = mp ap (5)
E es el empuje o principio de arquı́medes, dado por:

ρa Vp g (6)
ρa es la densidad del aire, Vp es el volumen de la pelota(volumen del lı́quido
desplazado) y g es la aceleración de la gravedad.
FD es la fuerza de arrastre, dado en la ecuación 4.
W es el peso de la pelota, dado por:

W = mp g (7)
mp es la masa de la pelota, y g es la aceleración de la gravedad.
La ecuación serı́a entonces:

ρa Vp g + CD (ρa υr2 /2)A − mp g = mp ap (8)


υr2
es la velocidad relativa de la pelota con respecto al flujo de aire(ya que
una se mueve respecto a la otra, es decir hay movimiento tanto del flujo como de
la pelota, por lo tanto no hay un valor absoluto, sino relativo), en otras palabras:
dx
υr = υf − υp = υf − (9)
dt
dx
dt es la velocidad de la pelota y υf es la velocidad del flujo.
3.4 Fuerzas debido a los fluidos 7

La ecuación final quedarı́a


"  2 #
CD dx d2 x
ρa V p g + ρ a υf − A − mp g = mp 2 (10)
2 dt dt
Como se puede ver, esta ecuación es no-lineal, se debe resolver la ecuación
integro-diferencial de la forma x = f (υf ) para poder hallar la función de trans-
ferencia del sistema, En palabras simples, se debe tener la posición de la pelota
en relación a la velocidad del flujo que hay dentro del tubo.

3.4.3. Caracterización de Constantes de la Ecuación no−lineal


En el laboratorio se llevaron a cabo ciertos experimentos para hallar el valor
del coeficiente de arrastre definido en 3.4.1, los pasos fueron:

1. Hallar el valor de revoluciones por minuto(RPM) del motor al cual la


pelota quedaba en un lugar levitando.
2. Relacionar el valor de RPM del motor con la velocidad de flujo dentro del
tubo (υf ).

El primer paso se pudo hallar sin problemas, dando por resultado 4389
RPM, el datasheet del motor utilizado puede obtenerse en el siguiente LINK
que puede girar hasta 9000RPM.
Ahora el problema era relacionar el valor de los RPMs del motor con la
velocidad del flujo, relacionar estos términos es bastante complicado, pues hay
demasiados parámetros que hay que tener en cuenta, como la cantidad de aspas
del motor, la longitud, el ángulo de ataque, etc. investigando se pudo hallar que
hay relaciones generales de los motores los cuales sirven para nuestro problema,
el documento se puede hallar pinchando en el siguiente LINK. La ecuación a
utilizar serı́a la siguiente:
RP M2
CF M2 = CF M1 (11)
RP M1
Como sabemos, CFM (Cubic feet per minute, the volume of air moved per
minute) o como definimos en este texto Q en otra unidad de medida, definida
en el apartado 3.1, como además sabemos, el flujo esta relacionado con el área y
la velocidad del flujo, por lo tanto tenemos resuelto el problema, algunos datos
obtenidos del datasheet del motor son.

Flujo Volumétrico del motor (Q = 2,991[m3 /s]).


Diámetro del tubo DT = 0,09[m]

En la sección 3.2, se habló de la ecuación de continuidad, se repite aquı́ la


expresión para facilidad:

ρ1 A1 υ1 = ρ2 A2 υ2 (12)
3.4 Fuerzas debido a los fluidos 8

ρ1 = ρ2 = ρa que el la densidad del aire(fluido dentro del tubo). Por lo tanto,


aplicando todas las ecuaciones mencionadas, se halla que el valor de la velocidad
del flujo a la cual la pelota queda levitando en una posición determinada dentro
del tubo está dado por:

υL = 7,8359[m/s] (13)
υL es llamado velocidad lı́mite. En la velocidad lı́mite, la bola experimenta
una fuerza neta de cero, por lo tanto de la ecuación 10, se tiene que el segundo
miembro es cero, de aquı́ se puede hallar la expresión para la velocidad lı́mite,
el cual es:
s
2g(mp − ρa V )
υL = (14)
CD ρa A
El único término que desconocemos aquı́ es CD , por lo tanto, al despejar y
aplicar todos los valores conocidos, tenemos que:

CD = 3,03701 (15)
Una vez que tenemos este valor, nos queda un último término, el cual es el
número de Reynolds, según [4] Pag: 525, la expresión del coeficiente de arrastre
(CD ) en función del número de Reynols para una esfera lisa, está dado por la
siguiente aproximación:

24 2,6( N5R ) NR
0,411( 263000 )−7,94 NR0,8
CD = + + + ( ) (16)
NR 1 + ( N5R )1,52 NR
1 + ( 263000 )−8 461000
La curva graficada con Mathematica, es la siguiente:
100

10

0.1

0.1 10 1000 105

Figura 2: Coeficiente de Arrastre en función del número de Reynolds.

Se puede ver que el número de Reynolds es aproximadamente NR ≈ 15,5.


3.4 Fuerzas debido a los fluidos 9

Conclusión Se puede concluir de acuerdo al valor anterior y a la condición


de flujo laminar/turbulento dada en la sección 3.3.4, la planta tiene las carac-
terı́sticas de un flujo laminar.

3.4.4. Solución de la Ecuación no−Lineal con Matlab


La ecuación no-lineal dada en 10, puede ser resuelta con simulink, mediante
el siguiente esquemático.

Figura 3: Esquemático para Linealizar con Simulink

Donde se puede ver que no se tiene en cuenta la dinámica del motor, haciendo
correr el script dado en el siguiente LINK, dando los valores iniciales a los
integradores para trabajar en pequeña señal (x0 = 0,35[m] y υL = 7,8359[m/s])
el cual es el punto de equilibrio del sistema, la función de transferencia de la
planta serı́a:

X(s) 0,454
H(s) = = (17)
Vf (s) s(s + 0,454)
Mediante la herramienta del Ident del matlab, también se halló la función
de transferencia de la planta, considerando la dinámica del motor, el cual fue:
0,79509
H(s) = (18)
(s + 1,411)2 (s + 0,4387)
El cual se puede ver que el término de 1/(s + 1,411)2 pertenece a la dinámica
de caida libre de la pelota, como la de un satélite que es de 1/s2 , y el otro
término, (s + 0,4387) pertenece a la dinámica del motor, donde el motor puede
ser representado como 1/(s+a)(s+b), en este caso aparece sólo el polo dominante
del motor.
La función de transferencia de la ecuación 18 es la que se utilizará durante
todo el análisis del trabajo.
4 Control Lugar de Raı́ces 10

4. Control Lugar de Raı́ces


Resulta necesario investigar los efectos de la ganancia del sistema o del peri-
odo de muestreo del sistema sobre la estabilidad absoluta y relativa del sistema
en lazo cerrado. Para estos fines, el método del lugar geométrico de raı́ces es
muy útil.
La respuesta en lazo cerrado de la planta es:

Step Response
1

0.9

0.8

0.7

0.6
Amplitude

0.5

0.4

0.3

0.2

0.1

0
0 5 10 15 20 25
Time (seconds)

Figura 4: Respuesta en lazo abierto de la planta

Los parámetros de la planta en lazo cerrado son:

Rise Time 5,74seg.


Setting Time 10,6seg.

Final Value 0,91.

Se puede ver que tiene un error en estado estable, lo que buscamos es bajar
unas 4 veces el tiempo de establecimiento, para que la respuesta sea más rápida
y que el error en estado estable sea cero, que tenga un sobrepaso no mayor al
5 % y que tenga un factor de amortiguamiento de ζ = 0,707.
4.1 Procedimiento de Diseño 11

4.1. Procedimiento de Diseño


1. Obtener la función de transferencia del sistema
2. Graficar el lugar geométrico de raı́ces (rlocus) de la planta original de
manera a saber su comportamiento en lazo cerrado.
3. Graficar las lı́neas de amortiguamiento constante ζ y de ωn constante de
manera a establecer un área determinada de funcionamiento deseado. Para
sistemas con dos polos dominantes, el área que cubre ζ y de ωn es suficiente
criterio de diseño.
4. Ubicar los polos del sistema dentro del área deseada introduciendo un
controlador adecuado.
Si el lugar geométrico de raı́ces pasa por el lugar deseado, darle la
ganancia necesaria de manera que los polos en lazo cerrado se ubiquen
en ese punto.
Introduciendo un polo dominante en el sistema de manera a que se
ajuste al comportamiento.
Cancelar un polo no deseado con un cero del controlador y luego
ubicar otro polo (del controlador) en el lugar deseado
5. Obtener la respuesta al escalón de manera a determinar la conformidad
en el dominio del tiempo.
6. Ejecutar los dos pasos anteriores hasta obtener la respuesta temporal sat-
isfactoria.
7. Implementar el controlador.

El punto por donde debe pasar el LR que cumple con las condiciones se
puede ver en la figura 5, las condiciones son las siguientes:

Tiempo de establecimiento 4 veces menor.


Zita ζ = 0,707.
Sobrepaso máximo de SM = 5 %.
Error en estado estable cero.

El compensador hallado está dado por:

K(z − 0,9891)(z − 0,9653)2


T s = 0,025seg. (19)
(z − 1)(z − 0,8988)(z − 0,4768)
El valor de la ganancia para estas condiciones que pasa por el punto dado
en la gráfica, esta dado por:

K = 170,5015 (20)
4.1 Procedimiento de Diseño 12

Figura 5: Punto por donde debe pasar el LR que cumple con todas las condi-
ciones.

Lo que se realizo para hallar el compensador fue de tener un polo en z = 1


eliminando uno de los polos dobles, para que la respuesta a un step tenga un
error en estado estable de cero, luego se iban jugando con las ubicaciones de
los otros 2 polos para que cumpla con las condiciones dadas y además sea un
punto del LR, se ha debido mover 2 polos a la vez, ya que un solo polo no podı́a
cumplir con todas las condiciones dadas a la respuesta del sistema.
4.2 Simulación de la Respuesta al Step 13

4.2. Simulación de la Respuesta al Step


La simulación de la respuesta a un escalón esta de la planta con el compen-
sador, esta dado por:

Step Response
1.4

1.2 System: sistema_compensador


Peak amplitude: 1.02
Overshoot (%): 2.3 System: sistema_compensador
At time (seconds): 1.98 Settling time (seconds): 2.2

System: sistema_compensador
Rise time (seconds): 0.927
0.8
Amplitude

0.6

0.4

0.2

0
0 0.5 1 1.5 2 2.5 3 3.5
Time (seconds)

Figura 6: Respuesta del Sistema con el Compensador al Step.

Se puede ver que la respuesta tiene los siguientes valores:

Rise Time 0,927seg.


Setting Time 2,2seg.
Final Value 1.

Overshoot 2,3 %.

Para hacer un poco más rápida la respuesta se puede hacer ganar un poco
más al valor de K dado en 20 para obtener un sobrepaso mayor, pero se volverı́a
mas oscilatoria la respuesta.
4.3 Respuesta con el Compensador Implementado 14

4.3. Respuesta con el Compensador Implementado


La respuesta de la planta con el compensador implementado puede verse en
la gráfica 7:

Figura 7: Respuesta a un Escalón de la Planta con el Compensador

Los valores de la respuesta serı́an de aproximadamente:

Rise Time 1seg.


Setting Time 2,5seg.
Overshoot 1,0 %.

Se puede ver que el valor de la salida tiende al del set. point, pero que oscila
alrededor del mismo, esto es por el error del sensor de ultrasonido, que según
el datasheet serı́an de cerca de 2cm. La respuesta cumple bastante bien con las
condiciones para este tipo de control clásico.
4.4 Discusión sobre el valor del tiempo de muestreo 15

4.4. Discusión sobre el valor del tiempo de muestreo


De acuerdo a la gráfica dada en 4 se puede hallar el tiempo de subida del
mismo, en la pág. 215 de [2], dice lo siguiente “se debe muestrear de ocho a
diez veces durante un ciclo de las oscilaciones senoidales amortiguadas de la
salida del sistema en lazo cerrado, si es que éste está sub-amortiguado. Para
sistemas sobre-amortiguados, pruebe de ocho a diez veces durante el tiempo de
levantamiento de la respuesta escalón”., además a esto hay que agregar que
nuestro sensor de ultrasonido el cual se puede ver el datasheet pinchando en
el siguiente LINK, tiene un retardo grande el cual meterá dentro del lazo, los
valores medidos ya deben “estar actualizados” para cuando el micro-controlador
acceda a los datos, para no “leer” valores falsos, como la longitud del tubo es
de 0,7[m] la distancia total que recorrerá la señal ultrasónica será el doble de
la longitud del tubo (en el peor caso), el tiempo que tardarı́a esta señal serı́a
del orden de unos 4500µs o 4,5ms, además del código adicional que corre en el
micro-controlador.
Como nuestro sistema es uno sobre-amortiguado, y el tiempo de subida es
de aproximadamente 10 segundos, se optó por utilizar un valor de tiempo de
muestreo de:

Ts = 0,025s (21)
Si bien según lo explicado anteriormente el tiempo de Ts = 0,1 bastarı́a(10
veces el tiempo de subida), probando este valor en el laboratorio se podı́a notar
que el control no le podı́a “seguir” a la dinámica de la planta, es decir que se
aplicaba el esfuerzo de control en intervalos de tiempo muy grandes y la pelota
oscilaba bastante(obviamente agrandar el tiempo de muestreo hace que el sis-
tema tienda a ser inestable), por lo tanto bajando un poco el tiempo de muestreo
se utilizó el ya mencionado, esto sı́, teniendo en cuenta que está limitado por
los retardos del sensor y el tiempo procesamiento del micro-controlador.

4.5. Conclusiones
Se pudo ver que se obtuvo una respuesta bastante buena, con el tiempo de
establecimiento deseado, solo que la bola oscilaba un poco en torno el set point,
esto es por la incertidumbre del error que tiene el sensor de ultrasonido, pero se
pudo ver que seguı́a bastante bien a la señal de entrada, con respecto al tiempo
de muestreo se pudo ver que al aumentar, los polos de la planta tendı́an a z = 1,
y para este caso el valor de K para ubicar los polos en el punto donde cumple
las condiciones era muy elevado, es decir se necesitaba un esfuerzo de control
muy grande, por lo tanto se pudo hallar el valor de T s donde el esfuerzo no sea
demasiado y que además se pueda seguir a la dinámica de la planta.
5 Control PID 16

5. Control PID
El principio básico del PID es actuar sobre la variable a ser manipulada a
través de una apropiada combinación de las tres acciones de control: proporcional
(P), donde la acción de control es proporcional a la señal de error, la cual es la
diferencia entre la entrada y la señal de realimentación; integral (I), donde la
acción de control es proporcional a la integral de la señal de error y la acción
derivativa (D), donde la acción de control es proporcional a la derivada de la
señal de error.
El controlador PID es un caso especial de controlador de adelanto−atraso de
fase. La acción del control PD, que afecta la región de alta frecuencia, aumen-
ta el ángulo del adelanto de fase y mejora la estabilidad del sistema, ası́ como
también incrementa el ancho de banda del sistema (lo que mejora la velocidad
de respuesta). Esto es, el controlador PD se comporta de una manera similar
al compensador de adelanto de fase. La acción de control PI afecta la parte de
baja frecuencia y, de hecho, aumenta la ganancia en baja frecuencia al mejorar
la precisión en estado permanente. Por lo tanto, el controlador PI actúa como un
compensador de atraso de fase. La acción de control PID es una combinación
de las acciones de control PI y PD. Las técnicas de diseño para los contro-
ladores PID básicamente siguen los correspondientes a los compensadores de
adelanto−atraso de fase.
Un controlador proporcional KP tiene efecto reduciendo el tiempo de subida,
si bien lo reduce, no elimina el error en estado estable por completo. Un con-
trol integral KI tendrá dicho efecto, o sea, eliminará el error en estado estable,
pero empeorará la respuesta transitoria. Un control derivativo KD tendrá efec-
to aumentando la estabilidad del sistema, reducirá el sobrepaso y mejorará la
respuesta transitoria, pero el controlador se verá mayormente afectado por el
ruido de medida.

5.1. Procedimiento de Diseño


Existen varios métodos de diseño y sintonı́a del PID, algunos de ellos son el
método de Zieger-Nichols (Z-N) y métodos basados en la curva de reacción los
cuales están limitados para cierto tipo de plantas. Consisten en la obtención de
parámetros de la respuesta al escalón del sistema en lazo cerrado y lazo abierto
respectivamente, para luego aplicar fórmulas empı́ricas y obtener las constantes
del PID. Una vez obtenidas, se implementa el controlador y se hacen ajustes si
fuesen necesarios.

5.2. Sintonı́a del Controlador PID


Control PID de plantas [1] Es posible aplicar diversas técnicas de diseño
con el fin de determinar los parámetros del controlador que cumpla las especi-
ficaciones del transitorio y del estado estacionario del sistema de lazo cerrado.
El proceso de seleccionar los parámetros del controlador que cumplan con
las especificaciones de comportamiento dadas se conoce como sintonı́a del con-
5.2 Sintonı́a del Controlador PID 17

+ Compensador PID Planta


Figura 8: Control PID de una planta.

trolador. Ziegler y Nichols sugirieron reglas para sintonizar los controladores


PID(esto significa dar valores a Kp , Ti y Td ) basándose en las respuestas de
escalón experimentales o en el valor de Kp que produce estabilidad marginal
cuando sólo se usa la acción de control proporcional.
El método consiste en la respuesta de la planta ante un escalón unitario, se
obtiene de manera experimental, si la planta no contiene integradores ni polos
complejos conjugados, la curva de respuesta escalón unitario puede tener la
forma de S.
La curva en forma de S se caracteriza por dos parámetros: el tiempo de
retardo L y la constante de tiempo T .

Tipo de controlador Kp Ti Td
T
P L ∞ 0
PI 0,9 TL L
0,3 0
PID 1,2 TL 2L 0.5L

Cuadro 1: Regla de sintonı́a de Ziegler-Nichols basada en respuesta escalón de


la planta.

Zieglers y Nichols sugirieron establecer los valores de Kp , Ti y Td de acuerdo


a la fórmula que se muestra en la Tabla 1.
5.3 Simulación de la Respuesta al Step 18

5.3. Simulación de la Respuesta al Step


Ajustando los parámetros del PID se obtuvo la siguiente respuesta:

3.5

2.5

1.5

0.5

0
0 5 10 15 20 25 30

Time offset: 0

Figura 9: Respuesta Simulada de la Planta con controlador PID

Los valores de las constantes del PID fueron las siguientes:

Kp = 0,6
Ti = 2

Td = 5

Se puede ver que tiene un tiempo de establecimiento de aproximadamente


10 segundos, y un error en estado estable de cero.
5.4 Respuesta con el Compensador Implementado 19

5.4. Respuesta con el Compensador Implementado


La respuesta al escalón de la planta con el controlador PID esta dado por la
siguiente gráfica:

Figura 10: Respuesta al escalón de la planta con Controlador PID

Con esta respuesta se puede ver que tiene un valor de tiempo de establec-
imiento de alrededor de 9 segundos, y un error bastante pequeño pero oscilatorio
en torno a la referencia.

5.5. Conclusión
Se pudo ver que la respuesta en estado estacionario seguı́a muy bien a la
referencia, pero oscilaba un poco en torno al mismo, por lo ya dicho del error
que posee el sensor de ultrasonido, se fueron ajustando los valores de cada
parámetro hasta obtener una respuesta, ésta es un poco más lenta del control
por lugar de raı́ces, pero también se ajusta muy bien a este tipo de control
clásico, no se implemento el anti-windup. Aparte del método de Ziegler-Nichols
para el ajueste, empı́ricamente se probó, ajustando primeramente la ganancia
proporcional, hasta obtener una respuesta rápida pero no tan oscilatoria, con
un pequeño error en estado estable, luego se ajusto la ganancia integral hasta
obtener un error en estado estable ı́nfimo, y por último la ganancia derivativa
para evitar un poco las oscilaciones de la respuesta, el compensador PID es un
controlador bastante bueno y con un ajuste bastante rápido, hasta sin conocer
la dinámica del sistema se puede obtener un ajuste tan fino con una respuesta
bastante precisa.
6 Control DeatBeat 20

6. Control DeatBeat
Este control obligará la secuencia de error, cuando este sujeta a un tipo
especı́fico de entrada en el dominio del tiempo, para llegar a cero después de
un número finito de perı́odos de muestreo y, de hecho, a convertirse en cero y
mantenerse en cero después del número mı́nimo posible de perı́odos de muestreo.
Si la respuesta de un sistema de control en lazo cerrado a una entrada escalón
muestra el tiempo de asentamiento mı́nimo posible (es decir, cuando la salida
alcanza su valor final en un tiempo mı́nimo y se queda ahı́), sin error en esta-
do permanente y ninguna componente oscilatoria entre instantes de muestreo,
entonces este tipo de respuesta se conoce comúnmente como respuesta con os-
cilasciones muertas. Se desea diseñar un controlador digital GD (z) tal que el
sistema de control en lazo cerrado muestre el tiempo de asentamiento mı́nimo
posible, con un error en estado permanente de cero, en respuesta a un entrada
escalón.
Se define la función de transferencia pulso en lazo cerrado deseado como
F (z):

C(z) GD (z)G(z)
= = F (z) (22)
R(z) 1 + GD (z)G(z)
Lo que se busca es que la función de transferencia pulso GD (z) satisfaga la
ecuación anterior, es decir:

F (z)
GD (z) = (23)
G(z)[1 − F (z)]
Las condiciones para que sean fı́sicamente realizbles pueden enunciarse com
sigue:

1. El grado del numerador de GD (z) debe ser igual o menor que el grado del
denominador.

2. Si la planta Gp (s) incluye en atraso de transporte eLs , entonces el sistema


en lazo cerrado diseñado debe involucrar por lo menos la misma magnitud
de atraso de transporte.
3. Si G(z) se expande a una serie en z −1 , el término elevado a la potencia
menor de la expansión serial de F (z) en z −1 debe ser por lo menos igual
de grande que el correspondiente a G(z).

La función de transferencia pulso del controlador digital no deberá incluir


polos inestables para cancelar ceros de la planta que ocurran fuera del cı́rculo
unitario.
6.1 Diseño del Compensador 21

6.1. Diseño del Compensador


Cumpliendo todas las condiciones anteriores, se halló la función de transfer-
encia del compensador con oscilasciones muertas.

8184,1z(z − 0,9571)(z − 0,8684)2


(24)
z(z + 3,441)(z − 1)(z + 0,2469)

6.2. Implementación del Compensador


La respuesta obtenida del compensador diseñado es el siguiente:

Figura 11: Respuesta de la planta con el compensador con el método de oscila-


ciones muertas.

6.3. Conclusión
Se puede ver que la respuesta con el control de oscilaciones muertas es lento,
porque se necesitaba demasiado esfuerzo de control para obtener la respuesta
en la cantidad mı́nima de pasos. lo cual era imposible realizarlo fı́sicamente.
También se tuvo problemas en la ganancia, donde se tuvo que modificar un
poco para que el sistema no sature, la respuesta es bastante buena como se
puede ver en la gráfica, el valor en estado estacionario sigue a la referencia.
7 Control vı́a ubicación de polos 22

7. Control vı́a ubicación de polos


Este método consiste en diseñar y ubicar los polos del sistema en lazo cerrado
en localizaciones deseadas en el plano z. Para eso, se debe cumplir el concepto de
controlabilidad, solo entonces será posible seleccionar los polos en lazo cerrado
deseados en el plano z o las raı́ces de la ecuación caracterı́stica en las ubicaciones
deseadas.
El diseño de ubicación de polos se reduce a la determinación de la matriz
de ganancia de realimentación de estado deseada. Se deben elegir localizaciones
adecuadas para los polos en lazo cerrado y luego, determinar aquella matriz de
ganancia de realimentación de estado que de como resultado los polos en lazo
cerrado especificados.
Esta matriz de realimentación de estado se lleva a cabo mediante el uso
de variables de estado estimadas más que con las variables de estado reales.
Sin embargo, a modo de demostración del método, se supone que todas las
variables de estado son medibles y se encuentran disponibles para realizar la
realimentación.

7.1. Conclusión
Este método de control no se puede implementar, ya que lo que se mide es la
posición de la pelota, se deberı́a tener estados como la velocidad de la pelota y
la aceleración, si bien esto se puede hallar con la primera y segunda derivada de
la posición de la pelota, serı́a mejor utilizar un control con estimador de estados,
que se verá en las secciones siguientes, es decir no se dispone de sensores para
tener el valor de la velocidad de la pelota y la aceleración por ejemplo, por lo
tanto no cumple con la condición ya mencionada.
8 Control Estimador de Predicción 23

8. Control Estimador de Predicción


En los sistemas reales de control, no todas las variables de estado estarán
disponibles para su realimentación, entonces, para poner en práctica un diseño
basado en realimentación de estado, será necesario estimar las variables de es-
tado no medibles, la cual puede ser efectuada mediante el uso de estimadores
de estado.
Un estimador de estado es un subsistema del sistema de control que lleva a
cabo una estimación de las variables de estado, a partir de las mediciones de
las variables de salida y de control. Un diagrama de bloques de un sistema de
control con estimador se puede observar en forma de diagrama de estados en la
Figura .

Figura 12: Sistema de variables de estado con estimador.


8.1 Estimador de Predicción 24

8.1. Estimador de Predicción


A fin de poder estimar dichas variables de estado, el estimador debe ser
capaz de obtener x(k + 1) en términos de y(k), y(k − 1), ..., y(k − n + 1) y
u(k), u(k − 1), ..., u(k − n + 1), esto es, estimar el siguiente estado midiendo
las variables de salida y la de control. En otras palabras, el sistema debe ser
completamente observable.
Es conveniente que el estado real x(k) y el estimado xb(k) sean tan próximos
como posible.

8.2. Procedimiento de Diseño


Considerando el sistema de control de variables de estado. Se supone que el
sistema es de estado completamente controlable y observable. Se diseña un esti-
mador de estados de modo a poder llevar a cabo en la práctica la realimentación
de estados.

1. Diseñar primeramente los polos deseados en lazo cerrado del sistema.


2. Seleccionar los polos del observador deseados.
3. Determinar la matriz Ke dependiendo del estimador que se desee uti-
lizar, de manera a obtener estos polos. Es posible utilizar la fórmula de
Ackerman modificada para el cálculo de la matriz de realimentación del
estimador, Ke .
4. Implementar el controlador.
8.3 Implementación del estimador de predicción 25

8.3. Implementación del estimador de predicción


La respuesta del sistema al diseño del control por estimador de estados es:

Figura 13: Respuesta Estimador de Predicción

8.4. Conclusión
La respuesta del sistema por este método es bastante mas precisa que en
control clásico, se puede ver como las oscilaciones que tenı́an en los controles
anteriores son casi totalmente eliminados, además se mejora el tiempo de asen-
tamiento del sistema.
También se realizó varias matrices de ganancia de realimentación del ob-
servador Ke basandonos en varias ecuaciones caracterı́sticas deseadas distintas.
Para cada una de las matrices diferentes, se llevó a cabo pruebas de simulación
a fin de evaluar el desempeño resultante del sistema. La selección de la mejor
matriz Ke se reduce a un punto intermedio entre una respuesta rápida y la
sensibilidad a perturbaciones y ruido.
9 Control Kalman 26

9. Control Kalman
El filtro de Kalman es un conjunto de ecuaciones matemáticas que provee una
solución computacional eficiente del método de los mı́nimos cuadrados. Es muy
potente en varios aspectos: soporta estimación del pasado, presente y aún de los
estados futuros y puede seguir haciéndolo aún cuando la naturaleza precisa del
sistema modelado es desconocida.
Se considera la planta discreta:

x(k + 1) = Ax(k) + Bu(k) + B1 w(k) (25)


con ecuación de medida:

y(k) = Cx(k) + v(k) (26)


Donde el ruido del proceso w(k) y de medida v(k) son procesos aleatorios
con media cero.
Esto es, w(k) = v(k) = 0 y no tienen correlación temporal o ruido blanco,
poseen covarianza o niveles de ruido cuadrático definidos por:

w(k)wT (k) = Rw v(k)v T (k) = Rv (27)


El filtro estima el proceso en un tiempo y obtiene la realimentación de la
medida (con ruido) en otro. Los procesos son llamados actualización entre las
medidas y actualización en el tiempo de medida. La actualización entre las
medidas es la encargada de proyectar el siguiente estado considerando el ruido
de la planta y la actualización en el tiempo de medida es responsable de la
realimentación, incorporando la medida actual junto con la salida estimada para
de nuevo volver a la actualización entre las medidas.

9.1. Procedimiento de diseño


Se supone que el sistema es de estado completamente controlable y observ-
able. Se diseña un estimador de estados óptimo de modo a poder llevar a cabo
en la práctica la realimentación de estados óptima.

1. Diseñar las matrices de peso Q1 y Q2 de modo a determinar la ganancia


K óptima del sistema de realimentación de estados.
2. Dar valores a Rw y Rv y calcular la matriz de realimentación óptima L.

3. Implementar el controlador.
9.2 Implementación del Controlador 27

9.2. Implementación del Controlador


La respuesta del sistema con el control con el filtro de kalman, está dado
por:

Figura 14: Respuesta del sistema con el Control con el filtro de Kalman

9.3. Conclusión
La respuesta del compensador es bastante buena, como se puede ver la salida
tiene una oscilación con respecto a la referencia, se tuvo dificultad para dar los
pesos, se halló el valor pico máximo en el sensor de ultrasonido y de acuerdo a
eso se pudo definir v(k), el error de medida.

Referencias
[1] Ingenierı́a de Control Moderna, 4o Edición, Katsuhiko Ogata, Prentice Hall.

[2] Sistemas de Control en Tiempo Discreto, 2o Edición, Katsuhiko Ogata,


Prentice Hall.
[3] Evaluación de Algoritmos de Control Digital Industrial, Tesis, Piero Codas
Morselli.

[4] Mecánica de Fluidos, 6o Edición, Robert L. Mott.

También podría gustarte