UNIVERSIDAD DE LOS LLANOS, FACULTAD DE CIENCIAS BASICAS E INGENIERIA, 2019
Bancos de Control
C. Angarita-Rodríguez, J. Parra-Curtidor and J. Reyes-Bello
1Resumen— En el presente artículo se pretende explicar o
exponer de forma detallada el proceso por el cual se realizó un
sistema de adquisición de datos e identificación de sistemas de
los denominados bancos de control, que son monitoreados a
partir de un software llamado Gunt Hamburg, el cual puede
controlar varios de estos bancos a partir del cambio de variables
que influyen en el comportamiento de los mismos. Se trabajaron
los bancos de presión, nivel y temperatura, de los cuales se
tomaron todos los datos y se enviaron a través del software a
Excel, para luego basado en todos estos datos, calcular la
función de transferencia tanto en lazo cerrado como en lazo
abierto, usando las herramientas de MATLAB, para realizar el
análisis de cada uno de estos, basado en los datos y las gráficas
tomadas durante el laboratorio.
Palabras claves— Bancos, MATLAB, Identificación de sistemas,
presión, temperatura, nivel, función de transferencia.
Abstract- This article explains how to expose expands process
is processed system is checked system of data acquisition
identifies systems called control banks, which are monitored
from a software called Gunt Hamburg, which can control several
of these banks from the change of variables that influence their
behavior. The pressure banks, the level and the temperature were
worked on, all the data were taken and sent through the software
to Excel, to then be based on all this data, calculate the transfer
function in both closed loop and loop open, using the tools of
MATLAB, to perform the analysis of each of these data, based
on the data and graphs during the laboratory.
Keywords- Banks, MATLAB, System identification, pressure,
temperature, level, transfer function.
I. INTRODUCCIÓN
En el mundo de la ingeniería existen conjuntos o entes, por así
decirlo, que reaccionan a estímulos a los que son expuestos para
establecer el comportamiento del mismo, a este tipo de conjuntos
se les denomina sistema, estos sistemas pueden ser controlados
por otros sistemas que se encargan de mantener los parámetros de
estos para evitar dificultades o fallos en el funcionamiento de los
mismos. Estos son llamados sistemas de control y son muy
importantes cuando existen sistemas grandes que requieren hacer
procesos complejos y que en muchas veces deben cambiar sus
condiciones dependiendo de lo que se requiera. [1]
Existen diversos tipos de control, algunos de ellos son los
denominados bancos de control, que ayudan a establecer un
modelo de un sistema en específico a partir de una serie de valores
medidos al establecer unos parámetros de entrada, los cuales
generan una reacción por parte del sistema, que puede ser
graficada para su posterior análisis.
Esto se realiza a través de un método conocido como
identificación de sistemas, que como se expresa en [2], son
básicamente los estudios de técnicas que persiguen la obtención
de modelos matemáticos de sistemas dinámicos a partir de
mediciones realizadas en el proceso: entradas o variables de
control, salidas o variables controladas y perturbaciones
(ilustración 1).
El enfoque de la identificación se puede realizar en función de la
estructura del modelo, y del comportamiento físico o no del
mismo. Podemos distinguir:
Black-box: los parámetros del modelo no tienen una
interpretación física. Un modelo basado en leyes fundamentales
es muy complicado o se desconoce.
Gray-box: algunas partes del sistema son modeladas basándose
en principios fundamentales, y otras como una caja negra.
Algunos de los parámetros del modelo pueden tener una
interpretación física; a este tipo de modelos también se les conoce
como “Tailor-made”, estimando sólo los parámetros no
conocidos.
White-box: la estructura del modelo se obtiene a partir de leyes
fundamentales. Los parámetros tienen una interpretación física.
Ilustración 1. Identificación de un sistema mediante la
captura de datos.
Existen varios métodos de identificación, como los siguientes:
No paramétricos: reduce los modelos parametrizados a una
familia de funciones candidatas, pero puede asumirse que una
correcta representación del sistema, no puede parametrizarse con
un número finito de parámetros.
Paramétricos: datos obtenidos por muestreo, en un sistema lineal
y estacionario (SLE), entendiendo por:
- Estacionario. Igual respuesta ante una entrada,
independientemente del instante de aplicación.
- Lineal. Si la respuesta a una combinación de entradas, es
idéntica a la combinación lineal de las respuestas de las entradas.
El modelo de un SLE en tiempo discreto (TD), queda descrito por El sistema o la planta se miden en todo momento.
la respuesta al impulso y calculado como la convolución entre la El control tiene información de cómo está la salida (Planta). [4]
entrada y la respuesta al impulso del sistema.
II. METODOS Y MATERIALES.
Esto tiene un criterio o principio de identificación, que consiste A. Definición del proceso y materiales usados.
en consiste en evaluar quién de la familia de modelos candidatos Para el presente laboratorio se realizó la toma de datos de los
se adapta y describe mejor la observación de los datos. Por bancos de control de presión, nivel y temperatura, teniéndose en
consiguiente, la esencia del modelo, será su característica de cuenta las siguientes condiciones:
predicción. 1. Se realizó la adquisición de datos por medio del software
Un ejemplo de esto puede ser el mostrado en aplicaciones de Gunt Hamburg, siendo compatible con los bancos que se
neurocontrol para realizar la identificación de sistemas, con el van a trabajar.
2. Por cada banco se deben realizar 3 tomas de datos con su
objetivo de capturar la dinámica del sistema o su comportamiento.
respectivo gráfico, siendo los dos primeros a entrada
[3].
constante y el tercero a entrada variable.
El control puede realizarse a través de diferentes magnitudes y 3. Para poder hacer el punto anterior, hay que tener en cuenta
sistemas que manejen estas variables, estas pueden ser el nivel, la información brindada por los manuales.
presión y temperatura, entre otras, Basados en el comportamiento 4. Cada banco funciona de forma diferente, para cada caso
del sistema, a medida de que los parámetros que influyen en el tienen instrucciones específicas que deben ser seguidas
cambio de magnitud son alterados también. Por ejemplo, si se 5. Se debe tener en cuenta que el banco de presión debe ser
habla de aplicaciones derivadas de este tipo de sistemas, calibrado antes de tomar los datos, para que no haya errores
podremos notar que son directas e indirectas, las directas son en el mismo.
cuando se controla la magnitud principal y las indirectas son 6. También en el banco de temperatura, se debe dejar
cuando se manipula otra variable en función de la principal. encendido para que él llegue a un punto de temperatura el
cual es el deseado para su funcionamiento.
Existen varios tipos de control los cuales se pueden dividir de la 7. Los datos deben ser exportados para el siguiente punto, por
siguiente manera: lo que se usara Excel para realizarlo.
Control manual: El operador aplica las correcciones que cree 8. Después de haber exportado los datos, se procede a realizar
necesarias. el cálculo de la función de transferencia de cada uno de los
gráficos, usando el software MATLAB para dicho proceso.
Control automático: La acción de control se ejerce sin 9. La función de transferencia resultante es en lazo cerrado,
intervención del operador y su solución es cableada, es decir, por lo que se debe representar en lazo abierto, usando la
rígida, no se puede modificar. formula respectiva.
Control programado: Realiza todas las labores del control
automático, pero su solución es programada. Se puede modificar B. Funcionamiento de los bancos.
su proceso de operación o ley de control.
Banco de Presión
Estos sistemas de control también tienen dos tipos de estructuras, El modelo de presión sirve como trayecto para una regulación. El
que son: modelo no contiene ningún regulador, por lo que se deben realizar
Sistemas de control en Lazo abierto: Aquel en el que ni la salida todos los procesos de regulación o calibración de manera externa.
ni otras variables del sistema tienen efecto sobre el control y no Se usa una comunicación interfaz USB para con el modelo. Para
tiene retroalimentación, además tiene las siguientes el elemento de ajuste se utiliza un compresor que es accionado
características: por un motor DC. El compresor bombea aire a un recipiente de
presión, esta presión es indicada por un manómetro y medida por
Cualquier perturbación desestabiliza el sistema, y el control no un sensor piezoeléctrico el cual pone a disposición una señal de
tiene capacidad para responder a esta nueva situación. tensión para una posible regulación. Con la válvula de purga, se
Ejemplo: el aire acondicionado de un coche. ajusta de forma variable una toma de presión continua. [5]
El sistema o la planta no se miden.
El control no tiene información de cómo está la salida (Planta).
Sistemas de control en Lazo cerrado: En un sistema de control de
lazo cerrado, la salida del sistema y otras variables, afectan el
control del sistema y estos si Tienen Retroalimentación, además
tiene las siguientes características:
Una variación en la salida o en otra variable, se mide, y el
controlador, modifica la señal de control, para que se estabilice,
el sistema, ante la nueva situación.
Ejemplo: el climatizador de un coche.
Figura 1. Banco de control de presión.
Banco de nivel
Como elemento de ajuste sirve una bomba sumergible eléctrica,
la cual transporta agua del depósito al depósito de nivel de
llenado. La bomba debe ser excitada por una señal de ajuste
externa como, por ejemplo, un regulador. El nivel de llenado es
captado con la ayuda de la presión de la columna de agua en el
recipiente. A tal fin, el depósito de nivel de llenado contiene un
tubo ascendente. De su extremo superior, la manguera de aire
transporta la presión al sensor de presión ubicado en el interior
del equipo. Entonces, el nivel de llenado se encuentra como
tensión eléctrica. Con la válvula de purga de accionamiento
eléctrico se puede ajustar el desagüe desde el recipiente mediante
la asignación de la magnitud de anomalía Z. [6]
Figura 2. Banco de control de nivel.
Banco de temperatura.
El elemento de ajuste activo de este modelo es un elemento Peltier
de accionamiento eléctrico, el cual puede ser utilizado para la
calefacción o para refrigeración. Estas dos variantes brindan la
posibilidad de una regulación de 3 puntos. El elemento está
montado entre el cuerpo refrigerador y la barra conductora de
calor. Para el proceso de calefacción se le suministra una tensión
eléctrica con la polaridad correspondiente de tal modo que se
calienta del lado contiguo a la barra. Para refrigerar se cambia la
polaridad de la tensión de tal modo que se enfría del lado contiguo
de la barra. Para que este banco funcione correctamente, se debe
dejar que la temperatura suba hasta la máxima para la adquisición
de datos, de otra forma no funcionará correctamente. [7]
Figura 3. Banco de control de Temperatura.
III. RESULTADOS Y ANÁLISIS
Con la toma de datos de los bancos de control de presión, nivel
y temperatura, se enviaron a través del software a Excel, con
todos estos datos, se realizó el cálculo de la función de
transferencia tanto en lazo cerrado como en lazo abierto, usando
las herramientas de MATLAB, donde se realizó el análisis de
cada uno de estos, basado en los datos y las gráficas tomadas
durante el laboratorio.
Para cada toma de datos el proceso de hallar la función de
transferencia fue el mismo, los mismos pasos a seguir lo único
que teníamos que tener en cuenta era los datos que se estaban
manejando.
Lo primero que se realizaba era la creación de una variable en el
workspace la cual en todas las 9 tomas de datos se llamó “y”.
Esta variable es nuestra salida, dependiendo de los datos
manejados era la presión, el nivel o la temperatura, en los Excel
eran los datos de la salida x. Se prueba en el editor para verificar
que este bien con la función plot(y), se procede a hallar el tiempo
determinado el cual llamamos “t” con la función t=0:0.2:N°; esto
nos quiere decir que empieza el tiempo desde cero con pasos de
0.2 segundos hasta N° dependiendo con que datos está trabajando.
Tanto “y” como “t” tienen que ser del mismo tamaño, se halla la
salida la cual llamamos “u” con la función u=w*ones(size(t)),
donde w es el escalón que se trabaja según los datos que está
manejando, en los casos en que se varia el escalón la forma de
crear la variable “u” fue de la misma manera en que se creó la
variable “y” solo que se toman los datos del Excel de las entradas
“w”. La función plot(t,u,t,y);es para graficar la entrada “u” en
función del tiempo “t” y la salida “y” en función de “t”. Se crea
una variable data= iddata(y,u,0.2); la cual llamamos data solo
como ejemplo ya que en las diferentes tomas de datos tiene otro
nombre, esta variable es del tipo iddata La cual nos pide la salida
“y” , la entrada “u” y el tiempo de muestreo será de 0,2segundos.
Se llama la función "ident” la cual nos abre el system
identification el cual se encarga de tomar la entrada y la salida,
para hallar la función de transferencia más correcta. Al obtener la
más cerca o similar se llama, por ejemplo pueda que sea llamada
como “GLc” luego aplicamos la formula ya que esta es la función
de transferencia en lazo cerrado y con la formula la obtenemos en
𝑮𝑳𝒄
lazo abierto 𝑮 = y así se realizó para las 9 toma de
𝑲𝒑−(𝑮𝑳𝒄∗𝑲𝒑)
datos y se hallaron las 9 funciones de transferencia. Tanto en lazo
cerrado como abierto.

Banco de Presión
 Control de presion1

Grafica 1. Entrada “u” en función de “t” y la salida “y” en

función de “t”.

Figura 4. Grafica de los datos medidos.

Diagrama de tiempo 1

Tabla 1. Reporte de datos en formato Excel.

Código:
plot(y);
t=0:0.2:39.6;
t=t';
u=0.8*ones(size(t))
plot(t,u,t,y);
contpresion1= iddata(y,u,0.2);
ident
tf9
G=tf9/(200-(tf9*200))
Salidas del modelo1.

Como podemos ver la mejor curva que se ajusta a nuestros datos

es la que tiene 4 polos y 4 ceros la cual se llama tf9 es la que tiene
un mejor porcentaje (%) de ajuste, de un 90.74% es el mejor
modelo de función de trasferencia por tal motivo trabajamos con
él.
Función de transferencia en lazo cerrado:
tf9 =

Función de transferencia en lazo abierto:

G=

Grafica 2. Entrada “u” en función de “t” y la salida “y” en

función de “t”.

 Control de presion2

Diagrama de tiempo 2

Figura 5. Grafica de los datos medidos.

Salidas del modelo2.

Tabla 2. Reporte de datos en formato Excel. La mejor curva que se ajusta a nuestros datos es la que tiene 4
polos y 2 ceros la cual se llama tf6 es la que tiene un mejor
Código: porcentaje (%) de ajuste, es de un 80,27% es el mejor modelo de
plot(y); función de trasferencia por tal motivo trabajamos con él.
t=0:0.2:35.6;
t=t'; Función de transferencia en lazo cerrado:
u=0.5*ones(size(t)) tf6 =
plot(t,u,t,y);
contpresion2= iddata(y,u,0.2);
ident
tf6
G=tf6/(250-(tf6*250))
Función de transferencia en lazo abierto:
G=

 Control de presion3

Grafica 3. Entrada “u” en función de “t” y la salida “y” en

función de “t”.

Figura 6. Grafica de los datos medidos.

Diagrama de tiempo 3

Tabla 3. Reporte de datos en formato Excel.

Código:
plot(y);
t=0:0.2:103.2; Salidas del modelo3.
t=t'; La mejor curva que se ajusta a nuestros datos es la que tiene 4
plot(t,u,t,y); polos y 4 ceros la cual se llama tf10 es la que tiene un mejor
contpresion3= iddata(y,u,0.2); porcentaje (%) de ajuste, es de un 88.16% es el mejor modelo de
ident función de trasferencia por tal motivo trabajamos con él.
tf10
G=tf10/(200-(tf10*200)) Función de transferencia en lazo cerrado:
tf10 =
Función de transferencia en lazo abierto:
G=

Banco de nivel
 Control de nivel1
Grafica 4. Entrada “u” en función de “t” y la salida “y” en
función de “t”.

Diagrama de tiempo 4

Figura 7. Grafica de los datos medidos.

Salidas del modelo4.

Tabla 4. Reporte de datos en formato Excel. Como se observa la mejor curva que se ajusta a nuestros datos es
Codigo: la que tiene 3 polos y 1 ceros la cual se llama tf2 es la que tiene
plot(y) un mejor porcentaje (%) de ajuste, es de un 93.79% es el mejor
t=0:0.2:39.6; modelo de función de trasferencia por tal motivo trabajamos con
t=t'; él.
plot(t,y) Función de transferencia en lazo cerrado:
u=10*ones(size(t))
tf2=
plot(t,u,t,y)
controldenivel1= iddata(y,u,0.2);
ident
tf2
G=tf2/(35-(tf2*35))
Función de transferencia en lazo abierto:
G=

 Control de nivel2

Grafica 5. Entrada “u” en función de “t” y la salida “y” en

función de “t”.

Figura 8. Grafica de los datos medidos.

Diagrama de tiempo 5

Tabla 5. Reporte de datos en formato Excel.

Codigo:
Salidas del modelo5.
plot(y);
t=0:0.2:56;
t=t'; Como se observa la mejor curva que se ajusta a nuestros datos es
u=15*ones(size(t)); la que tiene 3 polos y 2 ceros la cual se llama tf5 es la que tiene
plot(t,u,t,y); un mejor porcentaje (%) de ajuste, es de un 97.96% es el mejor
controldenivel2= iddata(y,u,0.2); modelo de función de trasferencia por tal motivo trabajamos con
ident él.
tf5 Función de transferencia en lazo cerrado:
G=tf5/(10-(tf5*10)) tf5=
Función de transferencia en lazo abierto:
G=

 Control de nivel3

Grafica 6. Entrada “u” en función de “t” y la salida “y” en

función de “t”.

Figura 9. Grafica de los datos medidos.

Diagrama de tiempo 6

Tabla 6. Reporte de datos en formato Excel.

Codigo:
plot(y);
t=0:0.2:95.6;
t=t'; Salidas del modelo 6.
plot(t,u,t,y);
controldenivel3= iddata(y,u,0.2); La mejor curva que se ajusta a nuestros datos es la que tiene 3
ident polos y 1 ceros la cual se llama tf2 es la que tiene un mejor
tf2 porcentaje (%) de ajuste, es de un 91.56% es el mejor modelo de
G=tf2/(15-(tf2*15)) función de trasferencia por tal motivo trabajamos con él.
Función de transferencia en lazo cerrado:
tf2=
Función de transferencia en lazo abierto:
G=

Banco de temperatura.
 Control de temperatura1

Grafica 7. Entrada “u” en función de “t” y la salida “y” en

función de “t”.

Figura 10. Grafica de los datos medidos.

Diagrama de tiempo 7

Tabla 7. Reporte de datos en formato Excel.

Código:
plot(y);
t=0:0.2:63.8;
t=t';
u=27*ones(size(t));
plot(t,u,t,y);
contemp1= iddata(y,u,0.2);
ident
tf8
G=tf8/(20-(tf8*20))

Salidas del modelo 7

.
La mejor curva que se ajusta a nuestros datos es la que tiene 3
polos y 1 ceros la cual se llama tf8 es la que tiene un mejor
porcentaje (%) de ajuste, es de un 93.15% es el mejor modelo de
función de trasferencia por tal motivo trabajamos con él.
Función de transferencia en lazo cerrado:
tf8=

Función de transferencia en lazo abierto:

G=

 Control de temperatura2
Grafica 8. Entrada “u” en función de “t” y la salida “y” en
función de “t”.

Figura 11. Grafica de los datos medidos.

Diagrama de tiempo 8

Tabla 8. Reporte de datos en formato Excel.

Código:
plot(y); Salidas del modelo 8.
t=0:0.2:100.4;
t=t'; Como se observa en las salidas del modelo 8, la mejor curva que
plot(t,u,t,y); se ajusta a nuestros datos es la que tiene 4 polos y 3 ceros la cual
contemp3= iddata(y,u,0.2); se llama tf8 es la que tiene un mejor porcentaje (%) de ajuste, es
ident
de un 87.96% es el mejor modelo de función de trasferencia por
tf3
tal motivo trabajamos con él.
G=tf3/(200-(tf3*200))
Función de transferencia en lazo cerrado:
tf8=

Función de transferencia en lazo abierto:

G=

Grafica 9. Entrada “u” en función de “t” y la salida “y” en

función de “t”.
 Control de temperatura3

Diagrama de tiempo 9
Figura 12. Grafica de los datos medidos.

Tabla 9. Reporte de datos en formato Excel.

Salidas del modelo 9.
Código:
plot(y); La mejor curva que se ajusta a nuestros datos es la que tiene 4
t=0:0.2:100.4; polos y 1 ceros la cual se llama tf3 es la que tiene un mejor
t=t'; porcentaje (%) de ajuste, es de un 93.6% es el mejor modelo de
plot(t,u,t,y); función de trasferencia por tal motivo trabajamos con él.
contemp3= iddata(y,u,0.2);
ident Función de transferencia en lazo cerrado:
tf3 tf3=
G=tf3/(200-(tf3*200))
 [5] G. Hamburg, «Kit didáctico para regulación de
Función de transferencia en lazo abierto: presión HSI,» Barsbüttel, 2004.
G= [6] G. Hamburg, «Kit didáctico para regulación de nivel
HSI,» Barsbüttel, 2010.
[7] G. Hamburg, «Kit didáctico para regulación de
temperatura HSI,» Barsbüttel, 2013.

IV. CONCLUSIONES C. Angarita-Rodríguez Estudiante de la Facultad de Ciencias Básicas e

 Se notó que para cada caso los bancos necesitaban un Ingeniería, Programa de Ingeniería Electrónica, Universidad De Los Llanos,
margen de tiempo para su estabilización, estos Ciudad de Villavicencio, Colombia,
cristian.angarita.rodriguez@unillanos.edu.co código: 161003603
dependían de variables o parámetros establecidos por el
usuario y cambiaba con respecto al valor de referencia
mostrado en el momento de arranque de funcionamiento J. Parra-Curtidor Estudiante de la Facultad de Ciencias Básicas e Ingeniería,
de los bancos. Programa de Ingeniería Electrónica, Universidad De Los Llanos, Ciudad de
Villavicencio, Colombia, Jose.parra.curtidor@unillanos.edu.co código:
 Cuando se calcula la función de transferencia, se puede 161003631
observar que para establecer una que se asimile a los
datos que se están manejando, la función depende del J. Reyes-Bello Estudiante de la Facultad de Ciencias Básicas e Ingeniería,
grafico característico de los datos, ya que se realizan Programa de Ingeniería Electrónica, Universidad De Los Llanos, Ciudad de
comparaciones entre el grafico de la función de Villavicencio, Colombia, Jhann.reyes@unillanos.edu.co código: 161003529
transferencia y el anterior mencionado.
 Para este laboratorio, cuando se tiene una entrada
variable se da el caso en que el número de polos de la
función de transferencia aumenta, debido a los cambios
y alteraciones que se presentan en una misma
adquisición de datos, haciendo que su linealidad sea nula
y su grado polinomial, mayor.
 Para determinar la función de transferencia se debe
determinar en lazo abierto si se quiere trabajar este
sistema de control, ya que cuando se halla en lazo
cerrado quiere decir que la salida del sistema está en
contacto con su entrada y para este caso no sucede de
esta forma.

V. REFERENCIAS

[1] X. A. Brotons, «Control predictivo de canales de riego

utilizando modelos de predicción de tipo Muskingum
(primer orden) y de tipo Hayami (segundo orden),»
Revista Universidad politécnica de Catalunya, 2004.
[2] J. R. V. F. Javier Sedano Franco, «Introducción a la
identificación de sistemas,» Revista técnica industrial,
2005.
[3] R. V. Gil y D. G. Páez, «IDENTIFICACIÓN DE
SISTEMAS DINÁMICOS UTILIZANDO REDES
NEURONALES RBF,» Science Direct, vol. 4, nº 2, pp.
33-42, 2007.
[4] P. Turmero, «Monografías,» [En línea]. Available:
https://www.monografias.com/trabajos101/sistemas-
control-regulacion/sistemas-control-regulacion.shtml.
[Último acceso: 09 07 2019].