Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Red
Vol.Reconfigurable
20(1), 111-127 Mediante
(2009) el Modelo de Control Predictivo para Tres Benítez-Pérez
doi:10.1612/inf.tecnol.3959it.07
Resumen
In this work a co-design strategy to a reconfigurable distributed environment using real time
scheduling strategies is presented. The proposal is applied to the study of a three band conveyor belt
and a control system is added to the design using the predictive control model. The bounding of the
response time and the change of scenario based on finite state machines, allow that the time
response be pseudo dynamic and known. It is concluded that the reconfiguration+modelling+design
strategy fulfils the expectations of maintaining certain level of performance although uncertainties are
present due to time delays.
Keywords: predictive control model, re-configurable control, conveyor belt, co-design strategy
INTRODUCCIÓN
Hoy en día las redes presentan un reto en cuanto al acotar el consumo de tiempo entre los nodos
(computadoras) conectados. Varias aproximaciones se han propuesto para modelar estos consumos
de tiempo como los retardos en el contexto del Tiempo Real, presentados en Benítez-Pérez y
García-Nocetti (2005).
El seguimiento de los ”smart sensors'' y la tecnología de los actuadores, quita la necesidad del
control centralizado con ciclos de re-alimentación, actuadores periféricos mudos y se remplazan con
conexiones de un ”databus'' (Benítez-Pérez et al., 1998). Esto da como resultado: instalación
autónoma (Masten, 1997) del actuador, así como control local, auto calibración monitoreo
”saludable” y la disponibilidad de re-configuración.
Varias estrategias para el manejo de retardos de tiempo en las leyes de control han sido estudiadas
por diferentes grupos de investigación. Por ejemplo Nilsson (1998), propone el uso del esquema de
un retardo de tiempo integrado a una estrategia de un control re-configurable basado en la medida
del desempeño proveniente de la estimación de un parámetro del procedimiento del diagnóstico de
fallas. Otra estrategia es la propuesta por Jiang y Zhao (1999), que utilizan los retardos de tiempo
como incertidumbres, que modifican las posiciones de los polos de una ley de control robusto. Izadi-
Zamanabadi y Blanke (1999), presentan un punto de vista interesante, que es una aproximación de
un control con tolerancia a fallas relacionado a un acoplamiento de los retardos de tiempo. El control
re-configurable ha sido estudiado por Blanke et al. (2003), desde el punto de vista de la modificación
estructural, debido a que la aparición de fallas que conllevan hacia una modificación del sistema,
combinando la parte estructural y la parte dinámica, como se ha estudiado en Benítez-Pérez y
García-Nocetti (2005), Benítez-Pérez y García-Nocetti (2001). También se han hecho esfuerzos
tomando los retardos de tiempo debidos a la comunicación como mediciones de variables
determinísticas, en dónde la ley del Modelo de Control Predictivo MCP. Driankov et al. (1994), ven a
los retardos de tiempo como el resultado de la comunicación determinística re-configurable basada
en los algoritmos de planificación. Estos retardos de tiempo son una consecuencia estructural
determinada por la inserción de nuevos elementos en los canales de comunicación, debido a la
aparición de una falla. De hecho la aparición de una falla se toma en cuenta como la pérdida del
elemento periférico relacionado. Específicamente un sensor o un actuador. El resultado de los
efectos de la falla sobre los elementos periféricos, es la pérdida de las medidas relacionadas. En
este caso la estructura de la planta es modificada en términos de las pérdidas de los elementos
periféricos específicos. Una consecuencia obvia es que la estructura de control es modificada.
Habiendo definido la acotación de los retardos de tiempo, en segundo lugar hay que integrar estos
retardos de tiempo al sistema dinámico como lo hacen distintos grupos de investigación como Hong
et al. (2002) y Halevi y Ray (1998).
El reto es saber como los retardos de tiempo globales, debido a los esquemas de comunicación
modifican las respuestas del control local. Aquí el uso de las redes de control (RC) revisa como
modelar el MCP para los actuadores locales considerando los retardos de tiempo aún el caso de la
aparición de fallas. También se han hecho esfuerzos en la estrategia de la re-configuración
utilizando estrategias de lógica difusa como Takagi-Sugeno (Quiñónez-Reyes et al., 2007), y con una
visión holística en cuanto al modelado del sistema dinámico y por el tipo de planificación en tiempo
real y por medio de un autómata que acota los posibles escenarios Hristu-Varsakelis y Levine (2005).
Así mismo existen esfuerzos en el estudio integral de redes y sistemas de control conocidos como
estrategias de co-diseño (Perez et al., 2006) en dónde se busca establecer una relación entre el ldk
de la planificación y el diseño de la ley de control.
Por que los retardos son acotados y se restringen a los algoritmos de planificación. Se han revisado
varias estrategias para hacer la implementación y la integración de las tres principales etapas: El
diagnóstico de fallas y el valor heurístico confiable, la estrategia de la tolerancia a fallas y la
aproximación mediante algoritmos de planificación en Tiempo Real y todas aquellas estrategias
adecuadas para los distintos escenarios a considerar por la presencia de los retardos de tiempo.
Para acompañar dicha integración se propone el control re-configurable, del cual la principal premisa
es mantener al sistema en condiciones seguras, aún cuando se degrade por si solo. Por tanto el
METODOLOGÍA
El desarrollo sistemático del presente artículo define una estrategia básica, que es el conocimiento
del retardo en una Red de Cómputo de Tiempo Real. A partir del conocimiento del retardo de tiempo
en el contexto de un sistema distribuido, es necesario establecer la incorporación de estos a la
dinámica del sistema físico. Para tal efecto se planea la redefinición tanto de la planta como de la ley
de control usando como base una estrategia de predicción como lo es el Control Predictivo por
Modelo. Teniéndose en cuenta que los retardos definidos a través de los diagramas de tiempo
tienden a ser solo escenarios estáticos del comportamiento de la red de comunicación, por lo tanto
es necesario considerar el cambio de contexto en el entorno, dando como resultado diversos
retardos. Con base en esto se propone observar al retardo de tiempo previamente definido a través
de diagramas de tiempo manipulado por medio de diagramas de eventos conocidos considerándose
los factores externos previamente conocidos.
Es importante señalar que los cambios externos son fallas locales en los sensores debido a que no
son estudiados en este trabajo. Elementos tales como la capacidad de aislamiento, detección y el
diagnóstico de la falla quedan fuera del alcance del presente trabajo.
Para llevar a cabo esta aproximación se desarrollo una simulación de un proceso industrial que
consta de 16 nodos entre sensores, actuadores y el controloador. Dicha simulación es implementada
en Matlab/Simulink usando el software llamado TrueTieme. Para definir el desempeño de la red de
comunicaciones, se utiliza el modelo propuesto por el “True Time'' (Lund University, 2007) para fines
de simulación. Con esta estrategia, la simulación se basa en la transacción de mensajes. “True Time''
está compuesto de bloques para el “Simulink''.
Dichos bloques responden a los eventos y a los algoritmos de planificación que se puede modificar
independientemente para cada bloque. La simulación consiste básicamente de los bloques: El
“kernel'' que representa la interfaz entre el modelo dinámico actual y la simulación de la red de datos.
La simulación y la conversión A/D que se transmite por la red. Este “toolbox'' de Matlab provee las
interrupciones necesarias para simular la propagación de los retardos de tiempo así como la
sincronización con la red.
La consideración que debe tomarse en cuenta es la del consumo de tiempo, que no tiene
restricciones aparentes en cada nodo; sin embargo este consumo de tiempo se fija por el
desempeño y sus respectivas prioridades. Como ejemplo se toma el sistema multi-taza que se
propone en el Tabla 1. Teniéndose en cuenta los tiempos de la gráfica de la Figura 1 y el esquema
1 3
de los procesos que se muestran en la Figura 2. En donde de s a s son los nombres de los
sensores, C s ∗ es el tiempo consumido por cada elemento, T ∗ son los periodos relacionados por
cada elemento y τ ∗ son los retardos de tiempo en las comunicaciones.
Tabla 1: Datos utilizados para el ejemplo multivariable. En dónde los retardos en tiempo debido a las
comunicaciones entre los elementos son τ sc (sensor-controlador) y τ ca (controlador-actuador).
s2 c s2 T2 τ s2c
s3 c s3 T3 τ s3c
A1 s1 c A1 +c s1 T A1 τ s1c2
A2 c s1 T A2
C2 c c2 T c2 τ c2A3
A3 c A3 T A3
c s1
cs 2
cs 3
τ s1c
τ s 2c τ c1A1
τ c1A2 c A2
τ s3c
cc 2
c A3
τ c 2 A3
Fig. 1: Diagrama de tiempo relacionado a la Tabla 1
Si sucede una falla local y el módulo de ajuste de fallas está implementado afuera, la etapa afectada
por la falla modifica el desempeño de la comunicación tal como se muestra en la Figura 3 y la Tabla
2. En este caso, nodos nuevos aparecen y un retardo de tiempo esporádico se añade al sistema de
control. Por tanto dos estrategias se necesitan tomar de tal modo que la modificación al algoritmo de
planificación y su respectiva ley de control se lleven al cabo.
cs1
cs 2
cs 3
τ s1c c A1 + cs1
τ s 2c τ s3c cc1
τ FM
τ c1A1
τ c1A2 c A2 cc 2
τ c 2 A3
c A3
Tabla 2: Datos utilizados para el ejemplo multivariable considerando elementos de FM. En dónde los
retardos en tiempo debido a las comunicaciones entre los elementos son τ sc (sensor-controlador) y
τ ca (controlador-actuador).
A1 s1 c A1 + c s1 TA1 τ s1c2
A2 cs1 TA2
C2 cc2 Tc2 τ c2A3
A3 c A3 TA3
Una estrategia común es incorporar los retardos de tiempo al modelo de control predictivo (MCP)
(Camacho y Bordons 1999; Clarke et al. 1987a; Clarke et al. 1987b; Clarke et al. 1989); el objetivo de
esta estrategia es computar la futura secuencia de control, seguida del i-esimo paso óptimo de
predicción. Esto es, que la respuesta de la planta y (t ) en el paso f (t + i / t ) se dirija cerca del
horizonte predicho por f (t +1) . La manera de aproximarse a dicha condición es de seguir la función
objetivo J tal que dependa de las señales y sus incertidumbres presentes y futuras. Esta estrategia
defina al sistema observado como la siguiente expresión lineal:
en dónde [a1 L a na ] son los componentes relacionados a la salida del sistema y [b1 Lbnb ] son los
componentes relacionados a las entradas del sistema y finalmente [c1 L a nc ] son los componentes
relacionados al error del sistema.
N2 N2
J (N 2 , N 0 ) = ∑ δ ( j )( yˆ (t + j/t ) − w(t + j )) + ∑ λ( j )(∆u(t + j − 1))
2 2
(2)
j= N1 j= N1
en dónde N 2 y N 0 son el mínimo y el máximo de los costos del horizonte, δ ( j ) y λ( j ) son las
secuencias de los pasos y w(t + j ) es la trayectoria futura a ser seguida. A partir de esta función
objetivo, es necesario optimizar la respuesta de control futura u (t ) , u (t +1) y así sucesivamente, en
donde la respuesta de la planta y (t + j ) se acerca a w(t + j ) . Desde esta aproximación de control,
los retardos de tiempo son integrados desde los vectores a y b expresados como la representación
del sistema en la Ecuación 1. Varios autores han seguido esta estrategia como Srinivasgupta et al.
(2004), en dónde los retardos de tiempo aleatorios son modelados como procesos estocásticos y
acotados en términos de los elementos de varianza del tiempo permitido. Alternativamente Majanne
(2005), propone el uso de MCP del sistema de red de control, en dónde los retrasos de tiempo son
acotados y estáticos.
El caso de estudio en el que este trabajo se basó ha sido estudiado por diferentes grupos
(Gudmundsson y Goldberg, 1999), el cual incluye 3 bandas transportadoras, 4 actuadores y 12
sensores. Tiene 16 elementos de cómputo que considera al controlador y controlador del bus. En la
Figura 4 se muestra el diagrama de dicha implementación. El procedimiento del ejemplo es el
siguiente: la banda transportadora 1 detecta una caja, tan pronto como se presente ésta, modifica su
velocidad (aumentándola) hasta cierto nivel para transportar la caja lo mas rápidamente posible.
Cuando dicha caja llega a la banda transportadora 2, ésta modifica su velocidad aumentándola a
cierto nivel para transportarla lo más rápidamente posible. Lo mismo sucede con la banda
transportadora 3. El vector del sensor se utiliza para detectar la posición corriente de la caja en
cualesquier banda transportadora. El cuarto actuador tiene la tarea de empujar la caja en turno
cuando llega a su posición.
Conveyor belt 1
Conveyor belt 2
1
s 1
MC MC s12
MC s13 Conveyor belt 3
MC
s21
MC s22 MC
MC MC s23
MC
s14
MC
MC s31 s32
MC
MC
s33
s24 MC
MC
MC s34
Para el caso en el que se cuentan con múltiples cajas, se debe tener la certeza de que las cajas no
choquen entre ellas. Para dar explicación a esto, en la Tabla 3 muestra las modificaciones de las
velocidades, para cada banda transportadora y sus sensores. Para éste caso particular de estudio,
cada banda transportadora tiene dos diferentes velocidades, Alta, y Baja.
Dichas velocidades dependen de la situación de los sensores. La cual se presenta como Bajo y Alto,
representándose mediante un semáforo para determinar la presencia de un objeto. Alto significa la
presencia de una caja, bajo la ausencia de ella. La segunda peculiaridad se relaciona con la
diferencia entre HS como sigue: HS 1 < HS 3 < HS 2 .En dónde la banda transportadora de en medio
es la más rápida, luego le sigue la tercera banda y por último la primera. Como el lector puede darse
cuenta, hay 4 motores, tres para las bandas transportadoras y el cuarto para empujar cualquier
objeto que se presente en su región.
RESULTADOS Y DISCUSIÓN
Basados en el caso de estudio, la respuesta dinámica de los tres actuadores se muestra en la Figura
5. Diferentes velocidades de las bandas transportadoras se muestran, suponiendo que una caja se
presenta durante cierto tiempo. Por ejemplo, la primer banda transportadora presenta un aumento en
la aceleración durante los primeros 3000 s. en comparación con la des-aceleración sufrida durante el
intervalo de los 3000 s. a los 6000 s. Esta aceleración se muestra como un cambio en la pendiente
de la gráfica de la Figura 5. Similares comportamientos son presentados por ambas bandas
transportadoras, como la segunda y la tercera, que son modificadas por que HS 2 es mayor que
HS 3 . Las aceleraciones se normalizan entre los valores máximos y mínimos.
Cuando las bandas transportadoras no son seleccionadas, éstas presentan ya sea una baja en la
velocidad o movimiento nulo. Habiéndose definido las aceleraciones en las 3 bandas, la respuesta a
los 3 actuadores para el desplazamiento se presenta en la Figura 6. Aquí el movimiento de la caja
corriente se presenta en su respectiva banda transportadora. El desplazamiento se muestra en
términos de la distancia tomada por la caja transportada con respecto a cada banda. De otra manera
la respuesta de cada controlador se muestra en la Figura 7. La respuesta de cada controlador se
relaciona como la aceleración variable con respecto a cada banda.
Finalmente la respuesta por cada actuador durante la presencia de una caja en la última parte de la
tercer banda transportadora se muestra en la Figura 8.
La estrategia de diseño a partir del modelado de los retardes de tiempo presenta la ventaja de la
flexibilidad en términos del número de posibilidades con respecto al escenario estático donde los
retardos son únicos y acotados. La re-configuración se vuelve una técnica con estas condiciones. La
principal desventaja es la acotación en los tiempos de consumo y comunicación. En este caso, el
comportamiento del sistema necesita acotarse antes de la ejecución del sistema. Esto se logra
mediante en la gráfica de la definición de los tiempo y la evaluación previa de las modificaciones
corrientes.
Considérese que el modelado local por planta considera un tipo de falla local, la cual consiste en que
un sensor falla sin considerar el tipo de falla. Esto es, se considera que la falla es detectable y
medible. En este caso, la estrategia de la tolerancia de fallas se basa en la utilización de sensores
consecutivos para enmascarar la falla. Como esta aproximación utiliza el procedimiento de
enmascaramiento basado en el ajuste (entre sensores similares), se requiere comunicación extra
para su ejecución. Por lo tanto, esta aproximación provee dos deferentes gráficas de tiempo, una
para cada escenario (con y sin fallas), como se muestra en las Figuras 9 y 10 respectivamente.
A si mismo, la falla en los dispositivos de sensado es estrictamente local y particular a cada sensor.
Lo que se espera es que en particular un sensor se pierda, por tanto la información local con
respecto a la localización de la caja no se presenta completamente. La estrategia de la tolerancia a
fallas que se persigue se relaciona al enmascaramiento de la falla por el acuerdo entre los sensores
vecinos. Los efectos de esta aproximación se relaciona con los retardos de tiempo, como se ve en la
Figura 10. La reconfiguración del control que se persigue ataca los efectos de los retardos de tiempo,
tomando una segunda ley de control que tome en cuenta la aparición de tales retardes de tiempo.
Ambos escenarios son locales con respecto a una banda transportadora. Las otras dos bandas
transportadoras no presentan ninguna condición de falla. Como estos dos escenarios se acotan, se
muestran sus respectivos tiempos de consumo en las Ecuaciones 3 y 4 (Figuras 9 y 10
respectivamente) todo a partir de la Tabla 3:
tt = t s ∗ 4 + t cm
sc
+ tc + ta . (3)
en dónde:
sc
t s es el tiempo de consumo de los sensores, t cm es el tiempo consumido por la comunicación entre el
sensor y el control, tc es el tiempo consumido por el control, t cm es el tiempo consumido por la
comunicación entre el controlador y el actuador , ta es el tiempo consumido por el actuador.
tt = t s ∗ 4 + t cm
sc
+ t cmfsc + t c + t cm + t a . (4)
en dónde:
t cmfsc es el tiempo consumido por la falla del sensor para enviar los mensajes a los vecinos y producir
el acuerdo.
Desde esta acotación del tiempo, incluidos los dos escenarios, es factible implementar algunas
estrategias de control. Un tema importante se relaciona en particular a la falla del sensor de
cualesquier banda. Considerando lo anterior, tres casos son permitidos: Tiene falla local; dos fallas
locales (una por banda); tres fallas locales por banda.
Basados en estas tareas, el escenario mas desfavorable está relacionado a las tres fallas locales que
tienen un impacto en la estrategia de control. Las otras dos configuraciones presentan una
degradación menor para la estrategia global de control. Fuera de esta degradación en el desempeño,
el sistema mantiene un funcionamiento normal debido a la estrategia inherente a la tolerancia de
fallas y a los controladores locales.
Tomando en cuenta estas tres posibles configuraciones, los retardos de tiempo globales y locales se
describen en el Tabla 4.
Como los retardos en el tiempo han sido acotados, el modelo de la planta se define basándose en la
Figura 11.
J1
θ1
J2
θ2
a J3
x1
Ω1
θ3
a x2
τ1 Ω2 a x3
τ2 Ω3
τ3
En este caso la planta presenta dos casos con y sin cajas por cada banda transportadora. Como el
segundo caso es trivial, el primero se expresa por banda transportadora considerando la masa de la
caja (referida como m). Las expresiones de cada banda son:
⎡ &x&1 ⎤ = ⎡ J / m 0 ⎤ ⎡ x&1 ⎤ − ⎡1 / m⎤ τ 1
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ Para la primera banda (5)
⎢⎣θ&1 ⎥⎦ ⎣ J 1 ⎦ ⎢⎣θ1 ⎥⎦ ⎣0 ⎦
y1 = x&1
⎡ &x&2 ⎤ = ⎡ J / m 0 ⎤ ⎡ x& 2 ⎤ − ⎡1 / m⎤ τ 2
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ Para la segunda banda (6)
⎢⎣θ&2 ⎥⎦ ⎣ J 2 ⎦ ⎢⎣θ 2 ⎥⎦ ⎣0 ⎦
y 2 = x& 2
⎡ &x&3 ⎤ = ⎡ J / m 0 ⎤ ⎡ x& 3 ⎤ − ⎡1 / m⎤ τ 3
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ Para la tercera banda (7)
J 3 ⎦ ⎢θ 3 ⎥ ⎣0 ⎦
⎣⎢θ&3 ⎦⎥ ⎣ ⎣ ⎦
y 3 = x& 3
l
x(k +1) = Ax(k ) + ∑ Bik u (k − i )
i=0 (8)
Bik = ∫ exp(A(T − τ ) )Bdτ
en donde l = 1 , porque el máximo número de sensores con retardos de tiempo es justo uno. Por
tanto, la matriz A se expresa como:
A = ⎡exp(J / m) 0 ⎤
⎢ ⎥ (9)
⎢⎣0 exp(J)⎥⎦
1
B0k = ∫ exp( J/m(T − τ ) ) ∗ u(τ )dτ
m (10)
1
B1k = ∫ exp( J/m(T − τ ) ) ∗ u(τ )dτ
m
(
u k = k y k −1 − y kr −1 ) (11)
( ) ( )
N N
y k+1 = cA N xk −( N −1) + cB1 ∑ Ai −1k y k −i − y kr −i + cB0 ∑ Ai −1k y k −i −1 − y kr −i −1 (12)
i=1 i=1
en donde B1 es una parte del retraso de tiempo en cada periodo de muestreo. B2 es el resto de los
retardos. La función objetivo se presenta en la siguiente ecuación sobre un horizonte p .
p
j = ∑ y k+i − y kr+i
2
(13)
i=1
por tanto:
(y )+ ckB ∑ A (y )− y
N N
j = cA xk − N −1 + ckB1 ∑ A
N j −1
k− j −y r
k− j 0
j −1
k − j −1 −y r
k − j −1
r
k +i
(14)
j=1 j=1
re-ordenando términos:
( )(y )− y
N −1
j = cA xk − N −1 + ck ∑ B1 A
N j −1
+ B0 A j −2
k− j −y r
k− j
r
k +i
(15)
j=1
⎛ N −1
dj ⎛
( ⎞
)( ) ( )( )⎞⎟⎟
N −1
= ⎜⎜ 2cA N x k − N −1 +2ck ∑ B1 A j −1 + B0 A j − 2 y k − j − y kr − j − y kr+i ⎟⎟ ⎜ ∑ B1 A j −1 + B0 A j − 2 y k − j − y kr − j
dk ⎝ ⎜
j= 2 ⎠ ⎝ j= 2 ⎠
(16)
en donde K se define como:
y kr+i (17)
− A N xk − N −1
K= c
∑ (B A )( )
N −1
j −1
1 + B0 A j − 2 y k − j − y kr − j
j= 2
Aquí los retrasos de tiempo están compuestos por B1 y B0 . Los únicos retardos de tiempo que se
consideran son los τ sc que tienen el valor de 110 ms. Habiendo mostrado las estructuras de las leyes
de control locales, las leyes de control globales, y habiéndose tomado en cuenta el primer y segundo
caso de la base del escenario sin fallas, como se muestra en la Figura 12, en donde la
reconfiguración es expresada por el manejador formal de eventos. En este caso, dos estados son
posibles con varios elementos, los cuales son manejados por el vector de sensores para cada banda
transportadora, expresadas como: S11≤i≤ N , S12≤i≤ N y S13≤i≤ N respectivamente.
S12≤i ≤ N = 0 S13≤i ≤ N = 0
S11≤i ≤ N = 0
S11≤i ≤ N = 0
S12≤i ≤ N = 0
S2
≠0 S13≤i ≤ N ≠ 0
S11≤i ≤ N ≠ 0 1≤i ≤ N
El efecto de “switcheo'' se desprecia en este escenario sin fallas. En este escenario, dos casos se
definen cuando una caja está presente (caso I y II). Para el caso I el control seleccionado es para
mantener la banda transportadora sin aceleración. Para el caso II (una caja ha sido detectada) se
selecciona el controlador en relación a cierta aceleración, dependiendo de cada banda
transportadora.
Para el caso del escenario con fallas, un nuevo caso aparece para el control global, como se muestra
en la Figura 13, en donde un nuevo estado aparece, tal que este relacionado con la acción deseada
cuando la falla se presenta. El evento necesario para alcanzar cada estado es S 1≤ i≤ N ≠ 0 y la falla
del último evento se compone de la información local proporcionada por cada sensor local con la
relación de condición de medidas aceptables. En este escenario (con fallas), hay otra cosa que se le
denomina caso III. Bajo esta condición, el tercer caso considera una modificación de las leyes de
control locales para hacerle frente a las fallas de los sensores.
S11≤i ≤ N = 0 S2
1≤ i ≤ N =0 S13≤i≤ N = 0
Case I S12≤i ≤ N ≠ 0
Case I S 1
≠0 Case I S13≤i≤ N ≠ 0
1≤i ≤ N
Este caso de estudio presenta dos diferentes controles globales en los cuales la re-configuración del
control se basa sobre el módulo hacedor-decisión, el cual es simple por que depende de la presencia
de fallas y los retardos de tiempo relacionados. Por tanto permutar de un modelo de control a otro es
solo basarse en: si el valor de confidencia es mayor al límite entonces hay condición para una falla
local. Y si S11≤i ≤ N ≠ 0 hay escenario de fallas.
Los resultados finales de las respuestas en error y de las entradas con respecto a las tres bandas
transportadoras se muestran en las Figuras 14 y 15 respectivamente. Para el primer caso (respuesta
del error) existen ciertas perturbaciones por demás no confiables al rededor de los 250 s. para el
caso de la tercer banda, o 720 s. para el caso de la segunda banda, o 630 s. para el caso de la tercer
banda. Estos tres resultados provienen de las apariciones de fallas locales en sensores y sus
respectivas reconfiguraciones de los controladores tomando en cuenta tanto el retardo como la
tolerancia a la falla. Sin embargo presentan sobre pasos negativos de alta frecuencia irrealizables en
la vida real, dado que tienen una ganancia negativa, lo que implica que los motores funcionen como
generadores. Una explicación a este efecto conlleva a pensar en un transitorio no posible y
solamente atenuado por la mecánica propia del sistema.
Por otro lado, para el caso de la Figura 15, las respuestas de las entradas de las tres bandas, son
relacionadas a las entradas de los motores de inducción que las mueven. Como el lector puede
observar, para el caso de la primer banda, existe una pequeña degradación durante el periodo de
tiempo comprendido entre 300-400 s. esto es debido al ``switcheo'' del controlador que actúa como
resultado de una falla local que es posible visualizar en la Figura 15 durante el mismo periodo para la
respuesta del error en la primer banda. Para el caso de la segunda banda, el lector puede visualizar
una perturbación similar pero durante el periodo comprendido de 400-500 s. Por último en el caso de
la tercer banda, esto se visualiza durante el periodo de 500-600 s. También se observa que para la
tercer banda existe una pequeña oscilación durante la respuesta del sistema a la no presencia de
una caja, esto es debido a que el motor se encuentra con una pequeña fluctuación en espera de una
caja.
Fig. 14: Respuesta del error para las tres bandas transportadora
Fig. 15: Respuesta de las entradas de las tres bandas transportadoras respectivas.
CONCLUSIONES
Dado que los retardos de tiempo están acotados en el comportamiento de la red de computadoras
debido a la estrategia de Tiempo Real, y el desempeño de las tareas por el algoritmo de planificación
EDF, sus efectos pueden ser representados en la ley de control como la variación de la matriz B .
Recuérdese que los retardos de tiempo están representados durante la discretización de la planta
afectándose principalmente a la transformación de la matriz B . Esto es posible debido a que los
retardos son menores al periodo de muestreo y solo considerando aquellos presentes en la
comunicación entre sensores y el controlador. Dado que esta aproximación y la selección de la
técnica de modelado del Control Predictivo basado en Modelos, muestra que el desempeño del
sistema no es afectado por esta re-configuración estructural. Se concluye que la estrategia de Re-
configuración-Modelado-Diseño (R.M.D.) cumple con las expectativas de mantener un cierto
desempeño aún cuando existan incertidumbres debidas a los retardos.
Como conclusiones de este trabajo, se tiene que la aproximación de R.M.D. es exitosa al poder
tolerar retardos de tiempo que aparezcan de manera aleatoria y como resultado de una modificación
estructural en la red de cómputo. Cabe señalar que el acotamiento del retardo de tiempo debido a la
red de cómputo usando gráficas de tiempo por escenario, y el “switcheo” entre escenarios con base
a máquinas de estados finitos, permite que estos retardos de tiempo sean conocidos y pseudo-
dinámicos. Con esto se obtiene una representación real del desempeño de una red de cómputo. Así
mismo, este modelo se incorpora a la ley de control a través del diseño de la planta, tomando en
cuenta estos retardos de tiempo. Dicho diseño se lleva a cabo a partir de la modificación de la planta
representada en variables de estado. Es importante mencionar que ante la problemática que
presenta un sistema no lineal como lo son el conjunto de plantas que lo representan en sus distintos
estados, se tomó la estrategia de un controlador MPC que incorpora cada uno de estos casos de
manera integral, evitando así un “switcheo” no deseado. El trabajo futuro debe definirse en términos
de una aproximación de un planificador dinámico el cual es el reto de acuerdo a la capacidad de la
auto-adaptación del desempeño del controlador.
AGRADECIMIENTOS
REFERENCIAS
Blanke, M., M. Kinnaert, J. Lunze y M. Staroswiecki; “Diagnosis and Fault Tolerant Control”; Springer
(2003).
Clarke, D., C. Mohtadi y P. Tuffs; “Generalized Predictive Control Part I. The Basic Algorithm”;
Automatica: 23,(2),137-148 (1987a).
Clarke, D., C. Mohtadi y P. Tuffs; “Generalized Predictive Control Part II. Extensions and
Interpretations”; Automatica: 23(2), 149-160 (1987b).
Clarke, D., C. Mohtadi y P. Tuffs; “Properties of Generalized Predictive Control”: Automatica, 25(6),
859-875 (1989).
Driankov, D., H. Hellendoorn y M. Reinfrank; “An Introduction to Fuzzy Logic Control”; Springer-
Verlag (1994).
Halevi, Y. y A. Ray; “Integrated Communication and Control Systems; Part I- Analysis”; Journal of
Dynamic Systems, Measurement and Control: 110, 367-373 (1988).
Hong, P., Y. Kim, D. Kim y W. Kwon; “A Scheduling Method for Network-Based Control Systems”;
IEEE Transactions on Control Systems Technology: 10(3), 318-330 (2002).
Masten, M.K.; “Electronics: The intelligence in Intelligent Control”; IFAC Symposium on Intelligent
Components and Instrument for Control Applications, Annecy, France, pp. 1-11 (1997).
Majanne Y.; “Model Predictive Pressure Control of Steam Networks”; Control Engineering Practice:
13, 1499-1505 (2005).
Nilsson, J.; “Real-Time Control with Delays”; PhD. Thesis, Department of Automatic Control, Lund
Institute of Technology, Sweden (1998).
Perez D.A., F.U. Moreno y B.C. Montez; “Codesign of CAN Networked Control Systems with Remote
Controllers using Jitter Margin”, IEEE Industrial Electronics, IECON (2006).