Laboratorio de

Control de Procesos
Industriales
Elaborado por: Livington Miranda y Alisson Constantine

Práctica 4
 PRACTICA 4

INIDICE GENERAL
INIDICE GENERAL ........................................................................................................... 1

PRÁCTICA 4: Identificación de la estación de nivel de un tanque ..................................... 2

OBJETIVOS ................................................................................................................... 2

GENERAL .................................................................................................................. 2

ESPECIFICOS ........................................................................................................... 2

INTRODUCCIÓN ........................................................................................................... 2

PROCEDIMIENTO ......................................................................................................... 3

1
 PRACTICA 4

PRÁCTICA 4: Identificación de la estación de nivel de un tanque

OBJETIVOS

GENERAL

 Identificar la función de transferencia del sistema de nivel de un tanque de la

estación de mezcla IPA2.

ESPECIFICOS

 Realizar la adquisición de datos del nivel de tanque.

 Analizar la curva obtenida en Matlab y hallar los parámetros de la función de
transferencia de primer orden.
 Demostrar la efectividad de la técnica de identificación de sistemas aplicada a un
proceso real.
 Reconocer la conveniencia de la aplicación de Matlab para modelamiento y
simulación de sistemas.
 Realizar un óptimo modelo del proceso

INTRODUCCIÓN

Modelo de un sistema

Cuando se requiere conocer el comportamiento de un sistema en determinadas condiciones

y frente a determinadas entradas, se puede recurrir a la experimentación sobre el sistema
y a la observación de sus salidas, sin embargo, en muchos casos la experimentación puede
resultar compleja o incluso imposible de llevar a cabo, por lo cual se hace necesario trabajar
con algún tipo de representación que se aproxime a la realidad del sistema, lo que se
conoce como modelo, permitiendo predecir el comportamiento de un sistema sin
experimentar con él, físicamente.

Métodos de obtención de modelos

Existen dos métodos principales:

2
 PRACTICA 4

1. Modelado teórico. Método analítico que utiliza las leyes básicas de la física para
describir el comportamiento dinámico de un fenómeno o proceso.
2. Identificación del sistema. Método experimental basado en datos reales recogidos
de la planta en estudio para obtener el modelo del sistema.

Identificación de sistemas

El proceso de identificación de sistemas comprende los siguientes pasos:

1. Obtención de datos de entrada – salida. Se debe excitar el sistema mediante la

aplicación de una señal de entrada y registrar la evolución de sus salidas durante
un intervalo de tiempo.
a. Elección de las señales a registrar
b. Elección del tipo de entrada.
c. Elección del periodo de muestreo.
d. Elección del número de muestras a tomar.
2. Tratamiento previo de los datos registrados. Si los datos están acompañados de
ruidos indeseados u otro tipo de imperfecciones puede ser necesario corregir los
datos antes de iniciar con el proceso de identificación.
a. Eliminación de perturbaciones de alta frecuencia
b. Eliminación de datos erróneos
c. Tratamiento de valores en continua (remover medias)
3. Elección de la estructura del modelo. Determinar la estructura deseada para el
modelo.
4. Validación del modelo. Determinar si el modelo obtenido satisface el grado de
exactitud requerido para el sistema analizado.

PROCEDIMIENTO

1. Importar en el workspace de Matlab el archivo datos, el cual contiene los valores de

entrada (Porcentaje de Trabajo) y salida (Nivel [cm]) del sistema.

3
 PRACTICA 4

2. Crear un nuevo script en Matlab, luego declarar dos arreglos in=datos(:,1) y

out=datos(:,2)
3. Declarar un tiempo de muestreo ts=0.3
4. Plotear los arreglos in y out

4
 PRACTICA 4

5. Declarar los puntos de operación del sistema. in_op=39, out_op=mean(out(a:b)), donde

[a,b] es un intervalo cualquiera de la salida en estado estable.
6. Definimos las variables incrementales, in2=in-in_op y out2=out-out_op.
7. Plotear las variables incrementales.

5
 PRACTICA 4

8. Identificar la planta utilizando la herramienta Ident de Matlab. Para ello se ejecutar en la

ventana de comandos ‘Ident’.
9. Damos clic en import data y seleccionamos la opcion: time domain data

10. Se abrirá la ventana de Importar datos la cual debe ser llenada como se muestra a
continuación:

6
 PRACTICA 4

11. Dar clic en Import, y se registrara mydata.

12. Se observa en la interfaz, Working Data y Validation Data. El Working data será utilizado
para identificar la planta, y Validation Data para validar la identificación realizada.
13. En operations seleccionamos select range, y elegimos un rango de datos para la
validación.

7
 PRACTICA 4

14. Damos clic en insert, y se agregara mydatae. Entonces como working data tendremos
a mydatae y como validation data a mydata.

8
 PRACTICA 4

15. Ahora estimaremos la función de transferencia con el working data. En Estimate,

seleccionamos la opción de Process Models, se estimará utilizando un polo real y luego
dos polos reales.

9
 PRACTICA 4

16. Una vez estimadas las funciones de tranferencias P1 y P2, dar clic en model output.
Aparacera una grafica con los porcentajes de semejanza de las FT estimadas con la
planta real.

10
 PRACTICA 4

17. Exportar P1 y P2 al espacio de trabajo. Arrastar P1 y P2 a la casilla To Workspace.

18. Declaramos en Matlab las funciones de transferencia G1=tf(P1) y G2=tf(P2).

11
 PRACTICA 4

19. En Simulink realizar el diagrama de bloques para simular G1 y G2 y comparar las

respuestas de cada planta.

(ADJUNTAR GRAFICA DE COMPARACION)

Respuestas Valor Final Tiempo Estabilización

H_G1 12.89 1113.57

H_G2 12.89 1096.85

CONCLUSIONES

12
 PRACTICA 4

 Por medio de Matlab y el comando “ident” es factible identificar y modelar

un sistema de control de algún proceso, obteniendo datos que muestren
al sistema en funcionamiento, alrededor del punto de operación.
 Por medio de las funciones de transferencia obtenidas se concluyo que
con la función de transferencia P1 tiene un 77.21% de semejanza de la
planta y con la función de transferencia P2 se tiene un porcentaje de
coincidencia de 77.34% con la planta; estos porcentajes de coincidencia
son aceptables.
 Al comparar ambas identificaciones, una con un polo y otra con dos polos
reales, se evidencia que su similitud es bastante clara, ya que su valor final
es el mismo y su tiempo de estabilización varia muy poco.

13