IMPLEMENTACIÓN DE UN SISTEMA PID DE CONTROL

EDDY YOHANNA MARTÍNEZ ROA 1161203

JAIME MORENO BETANCURT 1161059

Presentado a, IE. PhD. FRANCISCO E. MORENO GARCIA

CONTROL DIGITAL

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER

FACULTAD DE INGENIERÍA

INGENIERÍA ELECTRÓNICA

SAN JOSÉ DE CÚCUTA

2019
 INTRODUCCIÓN

Las técnicas y herramientas didácticas que se emplan en los laboratorios tiene como

finalidad el refuerzo, la conformación y ejecución de los diferentes aspectos que hacen

parte de la asignatura. De forma que se desarrolle un pensamiento flexible, dinámico,

audaz, independiente, persistente, divergente y original en su formación como

profesional. Los sistemas de control en tiempo discreto se diferencian de los sistemas en

tiempo continuo, en que las señales en algún o algunos puntos del sistema de control,

están en forma de pulsos o codificados digitalmente. Se Puede dividir éstos sistemas, en

sistemas de control de datos muestreados y sistemas de control digital. En los sistemas de

datos muestreados las señales en el sistema se encuentran en forma de pulsos digitales,

mientras que en un sistema de control digital, se refiere a la utilización en sí, de un

controlador digital, como una computadora, microcontrolador o cualquier sistema digital.

Los sistemas de datos muestreados, solo reciben información durante instantes

específicos, por lo que fuera de estos instantes el sistema no tiene información alguna del

proceso controlado.

Herramientas a utilizar

Para este laboratorio se debe tener en cuenta los componentes que están presentes en el

módulo (tanque), teniendo en cuenta variables tales como el voltaje con el cual el módulo

trabaja y de esta forma realizar la toma de datos, donde se obtendrán las funciones de

transferencia y trabajar con la planta, el acondicionador y el sensor que harán parte del

modelamiento, todo ello con la ayuda de la herramienta informática Matlab, con el fin de

que al momento de modelar dicha planta se pueda hacer el control de esta misma. Además
de esto para el desarrollo de esta práctica se hizo uso de lo siguiente: Computador para

hacer las respectivas consultas y para el manejo de la herramienta Matlab y Arduino,

Protoboard, circuito acondicionador, Arduino, unidad IPA1.

DESARROLLO DE LA PRÁCTICA

Función de transferencia de la planta

Se encontró la función de transferencia en el ident.

𝑚(𝑠)
̇
𝐺𝑝(𝑠) =
𝑉𝑎(𝑠)

Graficas de los datos

Función de la planta
Función de transferencia del acondicionador
𝑉𝑎(𝑠)
𝐴(𝑠) =
𝑃𝑊𝑀

Graficas de los datos

Función del acondicionador
Función de transferencia del sensor
𝑉𝑟𝑒𝑡𝑟𝑜(𝑠)
𝐻(𝑠) =
𝑚(𝑠)
̇

Graficas de los datos

Función del sensor

Funciones de transferencia del sistema analisis sin controlador

Funcion de transferencia del sistema en lazo abierto continua(TFas) y discreta(TFaz)
Funcion de transferencia del sistema en lazo cerrado continua(TFcs) y
discreta(TFcz)

Grafica de la funion de transferencia del sistema lazo cerrado en continua y

discreta

Lugar Geometrico de las raices

Polos de la funcion de transferencia discreta del sistema en lazo cerrado
Aplicando pzmap a malla cerrada

Aplicando rlocus a malla abierta

Estabilidad de Jury

Ecucion caracteristicas
1.003 z^2 - 1.626 z + 0.6589

Evaluando las tres condiciones de jury

F(z) CONDICION RESULTADO
F(1)>0 0.0359>0 CUMPLE
((-1)^n*F(1))>0 3,2879>0 CUMPLE
|A0|<1 0.6589<1 CUMPLE
 Método de Routh-Hurwitz

Ecuación característica:
1.003 z^2 - 1.626 z + 0.6589

Aplicando transformada bilineal:

𝑊+1
𝑍=
𝑊−1

Y (z)= 1.003*(w+1)^2 - 1.626*(w-1)*(w+1) + 0.6589(w-1)^2

Y (z)=0.0059*w^2+0.7482*w+3.2579

W^2 0.0059 3.2579

W^2 0.7482 0
W^2 3.2579 0

Como no hay cambio de signo en la columna principal el sistema es: ESTABLE

Constante de error de posición estática Kp

𝐾𝑝 = lim (𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑝𝑙𝑎𝑛𝑡𝑎(𝐺𝑝𝑧(𝑧)))

𝑧−−>1

0.03451 z + 0.03451
GpZ =
z − 0.837

Kp=187/445
Kp=0.42022

Error de actuación en estado permanente en respuesta a una entrada escalón

unitario
𝟏
𝐞𝐬𝐬 =
𝟏 + 𝑲𝒑

𝐞𝐬𝐬 = 𝟎. 𝟕𝟎𝟒𝟏𝟏
Constante de error de velocidad Kv.

(1 − 𝑧 −1 )(𝐺𝑝𝑧(𝑧))
𝐾𝑣 = lim(
𝑧→1 𝑇𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜
1 3927 ∗ 𝑧 3927
(𝑧 − 1) ∗ ( 10000 + 100000) ∗ 5
𝐾𝑣 = lim
𝑧→1 8131
(𝑧 − 10000)

𝐾𝑣 = 0
syms z

x= (0.03451z + 0.03451)/ (z-0.837);

y= ((1-(z) ^(-1))*(x))/(0.01);
Limit(y,z,1)

Tiempo de estacionamiento

0.00148 ∗ 𝑧 2 + 0.0002767 ∗ 𝑧 − 0.001203

𝐾𝑣 =
1.003 ∗ 𝑧 2 − 1.626 ∗ 𝑧 + 0.6589

Sobre paso máximo Mp

Al ser una función de primer orden no se presenta un Mp

Tiempo pico Tp

Al ser una función de primer orden no se presenta un Tp

Análisis con el controlador.

Par hallar los parámetros Kp, Ki, Kd del controlador, se hizo uso de la herramienta

computacional MATLAB y su app PID Tuner, el cual nos permite hacer el análisis en

malla abierta de la función de transferencia y por consiguiente nos da los resultados de

los parámetros.

Obtenido una vez los resultados de los parámetros procedemos hacer el análisis del

sistema SISO.

c=pid(Kp,Ki,Kd) %Controlador
T=feedback(C*TFcs,1) %Vuelve a hacer la funcion
step(T)%grafica
Código en Matlab.

z=tf('z');
s=tf('s');

%Gps= 0.3757/(s + 0.8876);

%As=1.181/(s + 29.09);
%Hs=72.34/(s + 34.8);
Gps=0.4332/(s + 1.031);
As=0.03769;
Hs=1.803;
Gpz=c2d(Gps,0.2,'tustin');
TFcz=(Gpz*As)/(1+Gpz*As*Hs)% Malla cerrada discreta
TFcs=(Gps*As)/(1+Gps*As*Hs)% Malla cerrada continua
TFaz=Gpz*As% Malla abierta en discreta
TFas=Gps*As% Malla abierta en continua
%step(Gps);step(Gpz);
hold on;
%step(TFcz);
%%step(TFcs);
hold off
%polos y zeros
Polo=pole(TFcz)
Zero=zero(TFcz)

Kp=91.6986;
Ki=175.784;
Kd=0 ;

pidTuner(TFcs,'pid') %%Para ver los valores de K

c=pid(Kp,Ki,Kd)%%//Guardar en vector?
T=feedback(c*TFcs,1)%%//Vuelve a hacer la funcion
step(T)%%//grafica

Grafica de la función de transferencia del sistema lazo cerrado en continua y

discreta

Lugar Geometrico de las raices

Polos de la funcion de transferencia discrecta del sistema en lazo cerrado

Aplicamos rlocus a malla abierta

Aplicamos pzmap a malla cerrada

Sobre paso máximo Mp

El sistema tiene un sobre poco de 0.06

Tiempo pico Tp

El tiempo con en el que alcanza el pico máximo es de 1.67 s

Conclusiones

- Se observó que el comando de Matlab “ident”, al ingresar datos obtenidos

mediante muestras, ayuda a identificar el modelo matemático más adecuado para

el sistema, ya que con este se pueden manipular los zeros y los polos y obtener

una respuesta de sistema más eficiente.

- Se aprendió manejar y modelar la unidad didáctica IPA1, y sus consideraciones

de la variable de salida flujo volumétrico y la variable de entrada, y el voltaje

aplicado a la bomba P100.

- Los comandos “step”, ”rlocus” y “pzmap” ayudan a identificar si el sistema es

estable , que tan rápido es, y el rango de valores manipulables para obtener una

respuesta de sistema específica, Matlab permite realizar los métodos de

estabilidad sin usar métodos matemáticos.

Recomendaciones

- Como el tiempo de muestreo ahora es constante, no se necesita calcular

permanentemente las constantes de sintonización de esta forma se ahorran

cálculos cada vez que se procese el PID.

- Tener en cuenta que es posible mejorar la gestión de los tiempos de muestreos

mediante interrupciones, pero queda a cargo de la implementación y prueba de

este concepto.