See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/303446539

Control Difuso para un Sistema de Nivel Implementado en un Autómata

Programable

Conference Paper · August 2010

CITATIONS READS

0 417

2 authors:

M.W. Gutierrez Jesus Lopez

Servicio Nacional de Aprendizaje SENA Autonomous University of the West
4 PUBLICATIONS   0 CITATIONS    42 PUBLICATIONS   104 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Designing a platform for experimentation in microgrids View project

AUTO-MIXER View project

All content following this page was uploaded by Jesus Lopez on 23 May 2016.

The user has requested enhancement of the downloaded file.

XIV Congreso Latino Americano de Control Automático

Control Difuso para un Sistema de Nivel

Implementado en un Autómata Programable

William Gutiérrez Marroquín,

M. Sc. Ingeniería con énfasis en Automática. Centro de Electricidad y Automatización
Industrial C.E.A.I. SENA Regional Valle del Cauca. Colombia.
william.gutierrez@sena.edu.co
Jesús A. López,
Doctor en Ingeniería. Universidad Autónoma de Occidente. Cali. Colombia.
jalopez@uao.edu.co

Resumen

La versatilidad mostrada por los autómatas programables los ha llevado a situarse como los principales
equipos de control de procesos industriales a nivel mundial. La potencialidad de los lenguajes de
programación disponibles para los autómatas programables permite estructurar en ellos estrategias de control
no convencional como la de control inteligente. En este artículo se presenta la implementación de un control
difuso en un autómata programable para controlar un proceso de nivel real. Dicha implementación representa
economía de recursos pues se evita el adquirir módulos adicionales para el autómata programable, además de
abrir las puertas para implementar otras estrategias de inteligencia computacional en estos dispositivos.

Palabras clave: PLC, Control Difuso, Encapsulación de Funciones.

1. Introducción programables permiten a los usuarios desarrollar

La lógica difusa es un técnica perteneciente a la
inteligencia computacional que trata de imitar la
manera como los seres humanos razonamos para
resolver los problemas de la vida diaria. En el
campo del control de procesos la lógica difusa se
ha venido aplicando desde hace varias décadas
mostrando excelentes resultados en el control de
procesos no lineales. [Passino 98]
Los autómatas programables se han constituido en
una herramienta indispensable para el control de
procesos industriales pues, entre otras
características, disponen de módulos de entradas y
salidas, tanto análogas como digitales lo cual hace
viable el control de procesos tanto continuos
como discretos, además la capacidad de
implementar comunicaciones entre los autómatas
a dado origen a lo que se conoce como sistemas
de control distribuido. Las herramientas de
software utilizadas para programar los autómatas
sus estrategias de control haciendo uso de
lenguajes gráficos hasta lenguajes de alto nivel,
logrando así desarrollar estrategias a la medida y
reutilizables. Entre estas estrategias podemos
mencionar el control difuso teniendo de esta
manera el objetivo de este trabajo que consiste en
mostrar la implementación de un controlador
difuso en un autómata programable y su
validación aplicado al control de un proceso real
de nivel. Este artículo se define las siguientes
secciones. Inicialmente se presenta las
características generales de un sistema de control
difuso, a continuación se describe la plataforma de
experimentación, posteriormente se expone el
diseño del controlador difuso, a continuación se
explica la implementación en el autómata
programable del controlador difuso presentado los
resultados obtenidos, en la sección final se
presentan las conclusiones del trabajo
XIV Congreso Latino Americano de Control Automático

2 Características y componentes de un 05]

sistema de control difuso.

Un sistema de control difuso es un algoritmo

de control capaz de interpretar señales de campo,
recibidas a través de los sensores dispuestos en el
proceso y tomar una acción de control conforme a
la base de reglas definidas en su motor de
inferencia, estas acciones son enviadas a los
actuadores los cuales permiten modificar el estado
del proceso. En la Fig. 1 se muestra el diagrama
esquemático de un sistema de control difuso.

Fig. 2. Planta didáctica para la formación

remota en control de procesos.

4. Descripción del sistema de control

difuso implementado

En la implementación del sistema de control se

Fig. 1. Diagrama esquemático de un sistema de define un controlador PI difuso tipo Mandani,
control difuso para controlar el nivel en el tanque TK102 de la
planta didáctica regulando el flujo de entrada al
El módulo de fusificación recibe las señales
mismo mediante la válvula LCV100, en la Fig. 3
provenientes del proceso a través de los sensores y
se muestra el diagrama del proceso controlado.
las convierte en valores difusos, el motor de
inferencia difusa haciendo uso de la base de reglas
genera un conjunto de señales difusas de salida las
cuales son entregadas al módulo de defusicación
el cual entrega señales numéricas a los actuadores
dispuestos en el proceso. [Del Brío 01]

3. Plataforma de experimentación

La plataforma consta de una planta didáctica

compuesta transmisores inteligentes configurables
bajo protocolo Hart, con los cuales se miden las
variables del proceso, válvulas de control
comandadas mediante señales eléctricas de 4 a 20
mA, las cuales reciben las señales del controlador
para modificar el estado del proceso. Se dispone
de un autómata programable de última generación Fig. 3 Diagrama del proceso a controlar
en el cual se implementan las estrategias de
control. Una característica principal que posee En el sistema difuso se establecieron tres variables
esta plataforma es la capacidad de acceso remoto lingüísticas, dos de entrada, el error y la derivada
a través de Internet. En la Fig. 2 se muestra la del error, y una de salida la cual se denominó la
planta de experimentación en la cual se puede válvula. Tanto para las variables de entrada como
observar sus elementos constitutivos. [Victoria para la de salida se definieron cinco valores
XIV Congreso Latino Americano de Control Automático

lingüísticos, Negativo Grande (NG) Negativo
Pequeño (NP), Cero (Z), Positivo Pequeño (PP), y
positivo Grande (PG), para las variables de
entrada y para la variable de salida, CERRADO,
Poco Cerrado (PCERRADO), POCOABIERTO,
ABIERTO y Abierto Grande (ABIERTOGR). El
universo para cada una de las variables
lingüísticas se normalizó, en la Fig. 4 se muestra
la distribución de los valores lingüísticos.
a.
b.
definidas por el usuario, lo cual permite
encapsular la lógica de control usada con más
frecuencia y poderla utilizar en diferentes
proyectos. [RSLogix 06]
Para la implementación del sistema de control
difuso se definieron rutinas encapsuladas para las
funciones de pertenencia de las entradas y las
salidas, para la base de reglas y para el sistema de
defusificación. Esto permitió desarrollar en forma
estructurada la programación del sistema difuso.
En el proceso de fusificación se establece una
relación entre las entradas al conjunto fuzzy y un
conjunto de funciones de pertenencia, para lo cual
hay que tener en cuenta el número de entradas,
tamaño del universo de discurso, forma y número
de los conjuntos fuzzy. En este trabajo se
implementa un controlador fuzzy tipo PD
(Proporcional y Derivativo) para el cual se
requiere minimizar el error y la velocidad de
cambio del error.
Como se puede observar en la Fig. 4, se
implementaron 5 funciones de pertenencia tanto
para la variable lingüística error, como para la
derivada del error, en (1) se muestra la expresión
matemática para la función de pertenencia
gaussiana.

−( x −c) 2

Gaussiana = e 2σ 2
(1)

Donde el parámetro c representa el centro de la

c. campana de Gauss y σ su desviación estándar. El
Fig. 4. Variables y valores lingüísticos, a. rango de estas variables esta dado por el rango de
Conjuntos difuso para el error b. Conjuntos medida de los instrumentos en la planta a
difusos para la derivada del error c. Conjuntos controlar, para este caso el rango de las variables
difusos para la señal de control está representado en porcentaje. [Sivanandam 07]
En el autómata programable utilizado es posible
En la tabla 1 se muestran las reglas definidas en el implementar las funciones definidas por el usuario
motor de inferencia difusa. en diferentes lenguajes entre ellos el Ladder o
escalera. En la Fig. 5 se muestra el código
Tabla 1 utilizado en la implementación de la función de
Reglas de inferencia pertenencia gaussiana la cual se instancia cada vez
NGE NPE ZE PPE PGE con diferentes parámetros.
NGDE CERRADO PCERRADO PCERRADO POCOABIERTO ABIERTOGR
NPDE CERRADO PCERRADO POCOABIERTO POCOABIERTO ABIERTOGR
ZDE CERRADO PCERRADO POCOABIERTO ABIERTO ABIERTOGR
PPDE CERRADO PCERRADO POCOABIERTO ABIERTO ABIERTOGR
PGDE CERRADO PCERRADO POCOABIERTO ABIERTO ABIERTOGR

5. Implementación del sistema difuso

en el autómata programable.
Los autómatas programables de gama alta han
introducido el concepto de código reutilizable,
llamado Add-On Intructions, AOI, instrucciones
Fig. 5 Código para la función de pertenencia
gaussiana.
En la Fig. 6 se muestra la función de pertenencia
XIV Congreso Latino Americano de Control Automático

gaussiana encapsulada. 5.1 Resultados

El sistema de control difuso se carga al autómata

programable, se ajusta un valor deseado de nivel
de 30% luego de ajustar la estrategia de control se
obtiene el comportamiento mostrado en la Fig. 8.
RESPUESTA DEL PROCESO ANTE EL CONTROLADOR DIFUSO
100

90

Fig. 6 Función gaussiana encapsulada. 80

70

La base de reglas está conformada por el conjunto 60

%
50
de reglas lingüísticas, en (2) se presenta la forma 40

de implementar las reglas lingüísticas. 30

20

Si error es NG y Derror es NG entonces la 10

0
300 350 400 450 500 550 600 650
válvula es cerrada. (2) t Segundos

Fig. 8 Respuesta del proceso al controlador

La base de reglas es construida teniendo en cuenta
alguna de las siguientes fuentes de conocimiento:
a. Datos de controladores existentes
implementados con anterioridad.
b. Conocimiento obtenido de expertos que
trabajan en la planta a controlar.
c. Leyes físicas que modelan la dinámica de la
planta.
Para este caso se utilizó el conocimiento acerca de
la planta de un de un experto. En la tabla 1 se
muestra la estructura de la base de reglas
implementadas en este proyecto.
El proceso de defusificación establece una
relación entre el conjunto de señales de control
inferidas en el sistema fuzzy a una señal de
control de tipo numérico. Entre los métodos de
defusificación disponibles el utilizado en esta
implementación es el del promedio del máximo,
difuso. Línea Sólida: Referencia. Línea a
trazos: Señal de Control. Línea Punteada:
Nivel
Como se puede observar en la Fig. 8, se obtiene
un tiempo de establecimiento de
aproximadamente 150 segundos, un máximo pico
del 0% y un error de estado estacionario de cero;
ante un cambio del valor de referencia el sistema
de control lo sigue presentando un máximo pico
de cero, un tiempo de establecimiento de
aproximadamente 90 segundos y un error de
acuerdo a la función de pertenencia de estado
estacionario de cero.
Para efectos de realizar una comparación se
implementa un control PI al proceso,
obteniéndose el comportamiento mostrado en la
Fig. 9.
RESPUESTA DEL PROCESO ANTE UN CONTROLADOR PID

con el cual se determina el valor y’ para la

100

90

variable de salida y la cual tiene un máximo en su 80

función de pertenencia B’, si hay más de un valor 70

60

máximo en la función de pertenencia se toma el

%

50

promedio de ellos. En la Fig. 7 se representa el 40

método de defusificación del promedio del 30

máximo. [Kasobov 98] 20

10

0
200 300 400 500 600 700 800
t Segundos

Fig. 9 Comportamiento del proceso ante un

controlador PI. Línea Sólida: Referencia.
Línea a trazos: Nivel. Línea Punteada: Señal de
Control

Como se puede observar en la Fig. 9 se tiene un

Fig. 7 Método de defusificación promedio del máximo pico aproximado del 7%, un tiempo de
máximo establecimiento de 300 segundos y un error de
estad estacionario del 0%. Al efectuar un cambio
 XIV Congreso Latino Americano de Control Automático

en el punto de referencia el sistema de control lo using Matlab” Springer – Verlag Berlin,

sigue presentando un máximo pico de Heidelberg 2007.
aproximadamente 2%, un tiempo de [Kasobov 98] N. K. Kasobov "Foundation of
establecimiento de 150 segundos y un error de Neural Networks, Fuzzy Systems, and
estado estacionario de 0%. Knowledge Engineering” A Bradfor Book
The MIT Press Cambridge, Massachusetts
London, England. 1998
6. Conclusiones

• El controlador difuso presenta mejor Biografía

desempeño comparado con el controlador
PI.
William Gutiérrez
• Es importante determinar un método de Marroquín Se graduó
sintonía para el control difuso para como licenciado en
alcanzar óptimos desempeños. educación en la
• El uso de funciones definidas por el Universidad del Valle,
usuario en un autómata programable recibe su titulo de
potencializa el desarrollo de estrategias Magister en Ingeniería
de control no convencional como las de con énfasis en
control inteligente. Automática en la misma
• Se economiza dinero al definir el sistema universidad.
difuso en el autómata programable ya Su experiencia profesional incluye veinte años
que no hay necesidad de comprar el como instructor en el SENA, en el área de
sistema de desarrollo que ofrece el automatización de procesos industriales y diez
fabricante. años de docencia universitaria a nivel de pregrado
y posgrado. Ha participado en el congreso de la
Referencias ISA en Brasil Sao Paulo y en pasantías
internacionales, en la escuela de ingeniería de
Metz, Francia, Ingeniería de la formación y una
[Passino 98]. Passino, K. Yurkovich, S. Fuzzy
pasantía técnica en automatización en Mannheim,
Control. Adinson Wesley Longman, Inc.
Alemania. Sus áreas de interés incluyen, entre
Menlo Park, California. (1998)
otras, el control de procesos industriales, las
[Gutiérrez 06] A. A. Gutiérrez, M. E. Sanjuán,
comunicaciones industriales y la inteligencia
"Ecuaciones de sintonización para
computacional.
controladores difusos basadas en modelos de
primer orden más tiempo muerto” Ingeniería
& desarrollo, Enero-Junio 2006.
Jesús Alfonso López Sotelo. Obtuvo su grado
[Gutiérrez 09] W. G. Gutiérrez, "Estudio de
como Ingeniero Electricista de la Universidad del
diferentes técnicas de inteligencia
Valle en 1996, posteriormente se graduó como
computacional para sintonía de acciones de
Magíster en Automática en la misma Universidad
control PID”," Maestría Proyecto de grado,
en el año 1998. En el año 2007 obtuvo su grado
Grupo PSI., Universidad del valle, 2009.
como Doctor en Ingeniería en la Universidad del
[Del Brío 01]B. M. del Brío, A.S. Molina. “Redes
Valle en. Sus áreas de interés son: La inteligencia
neuronales y sistemas difusos”, 2a Edición,
computacional y sus aplicaciones, el control
Alfaomega.2001.
automático, la Identificación de sistemas, la
[Victoria 05] C. Victoria, W. Mantilla, W. G.
enseñanza de la inteligencia computacional y la
Gutiérrez, "Diseño e implementación de una
enseñanza del control automático.
planta didáctica para la Formación Remota
Es miembro profesional de la IEEE y pertenece a
en Control de Procesos” SENA, Regional
la sociedad de inteligencia computacional de la
Valle del Cauca. C.E.A.I. 2005.
IEEE. Actualmente está vinculado a la
[RSLogix 06]“Capability profile RSLogix 5000
Universidad Autónoma de Occidente como
Ad-On Instructions. Publicación 9324
docente de planta y director del programa de
PP04A-EN-P, Noviembre 2006. Disponible
Ingeniería Mecatrónica
en www.ab.com.
[Sivanandam 07] S. N. Sivanandam, S. Sumathi,
S. N. Deepa "Introducction to Fuzzy Logic

View publication stats