Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AL
CONTROL
AUTOMÁTICO
INTRODUCCIÓN
AL
CONTROL
AUTOMÁTICO
Marcela N. Gatti
Facundo Quiñones
Rubén H. Milocco
AÑO 2016
EDUCO
UNIVERSIDAD NACIONAL DEL COMAHUE
Gatti, Marcela Noemí
Introducción al control automático / Marcela Noemí Gatti ; Facundo Quiñones ;
Rubén Horacio Milocco. - 1a ed. - Neuquén : EDUCO - Universidad Nacional del
Comahue, 2016.
174 p. ; 29 x 21 cm.
ISBN 978-987-604-458-5
1. Sistemas Dinámicos 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Modelado de Sistemas Dinámicos . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Ecuación de conservación . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Ejemplos de Sistemas Dinámicos . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Variables de Estado y Ecuación de Estado . . . . . . . . . . . . . . . . . . 10
1.5. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6. Diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.1. Álgebra de los diagramas de bloques . . . . . . . . . . . . . . . . . 19
1.7. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.8. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2. Respuesta Temporal 25
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2. Solución analı́tica de sistemas lineales . . . . . . . . . . . . . . . . . . . . . 26
2.3. Solución por la transformada de Laplace . . . . . . . . . . . . . . . . . . . 31
2.3.1. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.2. Transformada de Laplace de funciones muy utilizadas . . . . . . . . 35
2.3.3. Relación entre la variable s y el operador derivada . . . . . . . . . . 38
2.3.4. Solución de la ecuación de estados . . . . . . . . . . . . . . . . . . . 39
2.4. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4.1. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4.2. Propiedades de los Diagramas de bloques en el dominio de s . . . . 44
2.5. Ecuación de estado a partir de funciones de transferencia . . . . . . . . . . 45
2.6. Respuesta temporal de sistemas tı́picos . . . . . . . . . . . . . . . . . . . . 47
2.6.1. Sistemas de primer orden . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6.2. Sistemas de segundo orden . . . . . . . . . . . . . . . . . . . . . . . 49
2.6.3. Sistemas de orden mayor que dos . . . . . . . . . . . . . . . . . . . 52
2.6.4. Demora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.7. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.8. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3. Sistemas realimentados 57
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2. Realimentación de sistemas naturales . . . . . . . . . . . . . . . . . . . . . 60
3.3. El principio de la realimentación . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4. Elementos tecnológicos empleados en el lazo de control . . . . . . . . . . . 61
3.5. Sistemas de control automático . . . . . . . . . . . . . . . . . . . . . . . . 64
5
3.5.1. Función de transferencia de lazo cerrado . . . . . . . . . . . . . . . 65
3.5.2. Error de estado estacionario . . . . . . . . . . . . . . . . . . . . . . 65
3.6. Sistemas realimentados de primer orden . . . . . . . . . . . . . . . . . . . 68
3.7. Sistemas realimentados de segundo orden . . . . . . . . . . . . . . . . . . . 72
3.8. Sistemas realimentados de tercer orden . . . . . . . . . . . . . . . . . . . . 77
3.9. Sistemas realimentados de tercer orden con un cero . . . . . . . . . . . . . 78
3.10. Sistemas realimentados de orden mayor que dos . . . . . . . . . . . . . . . 81
3.11. Efecto del tiempo muerto o demora . . . . . . . . . . . . . . . . . . . . . . 82
3.12. Estabilidad de un sistema dinámico lineal . . . . . . . . . . . . . . . . . . . 84
3.12.1. Determinación de la ganancia lı́mite . . . . . . . . . . . . . . . . . . 84
3.12.2. Criterio de estabilidad de Routh . . . . . . . . . . . . . . . . . . . . 84
3.13. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.14. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4. Respuesta en frecuencia 91
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2. Respuesta en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2.1. Respuesta de un sistema LTI ante entradas sinusoidales . . . . . . . 92
4.2.2. Respuesta de un sistema de primer orden . . . . . . . . . . . . . . . 93
4.2.3. Respuesta de sistemas de orden mayor ante entradas sinusoidales . 94
4.3. Representación Gráfica de la Respuesta en Frecuencia . . . . . . . . . . . . 98
4.3.1. Diagrama logarı́tmico o Diagrama de Bode . . . . . . . . . . . . . . 98
4.3.2. Diagramas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.3.3. Criterio de estabilidad de Nyquist . . . . . . . . . . . . . . . . . . . 111
4.4. Margen de fase y de ganancia . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.5. Ajuste de controladores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.5.1. Control proporcional . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.5.2. Compensador adelanto-atraso . . . . . . . . . . . . . . . . . . . . . 121
4.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.7. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Bibliografı́a 164
Capı́tulo 1
Sistemas Dinámicos
5. Economı́a: El proceso debe trabajar en los niveles óptimos de mı́nimo gasto económi-
co y máximo beneficio.
Para cumplir estos objetivos se debe constituir el sistema de control, que está formado
por personas (diseñadores de planta, operadores de planta) y equipos (dispositivos de me-
dida, válvulas, controladores, ordenadores). Para cumplir los requerimientos mencionados
anteriormente, el sistema de control debe lograr lo siguiente:
1
2 CAPÍTULO 1. SISTEMAS DINÁMICOS
En este libro, el cual se compone de cinco capı́tulos, se busca dotar al alumno de las
herramientas que le permitan no sólo entender el comportamiento dinámico de un proceso,
sino también proponer un esquema de control del mismo. Para alcanzar este objetivo
se ha estructurado este libro en cinco capı́tulos: i) Sistemas Dinámicos, ii) Respuesta
temporal, iii) Sistemas realimentados iv) Respuesta en frecuencia y v) Controladores PID
Industriales. Cada uno de los capı́tulos propone una ejercitación variada la cual permitirá
que el alumno pueda aplicar y comprender la teorı́a expuesta.
1.1. Introducción
En un sentido amplio, un sistema es un conjunto coherente de elementos asociados
en forma tal que es capaz de cumplir con un objetivo dado: producir energı́a, acumular
materia, separar, transportar, etc. Estamos interesados en conocer el comportamiento de
ese sistema en diferentes situaciones, y cómo, la interacción entre sus partes determinan
su evolución temporal. Por el momento definiremos a un sistema como una caja negra
con una o varias entradas y con una o varias salidas, de manera que las salidas son una
respuesta causal a los cambios en la entrada. Un esquema se representa en la Figura 1.1.
La única restricción que imponemos es la de causalidad.
Lo que
Cap1 podemos distinguir a esta altura son: el sistema propiamente dicho y las va-
Fig1
riables de entrada y salida del mismo. Cuando nos referimos a variables, nos referimos a
cantidades variables en el tiempo como presión, distancia, temperatura, caudal, tensión,
etc. Lo primero que haremos es una clasificación de los distintos tipos de sistemas. Un
sistema es siempre una de las dos alternativas que se describen en los siguientes items:
Cap1 Fig2
1.1. INTRODUCCIÓN 3
Modelos Teóricos:
Las principales caracterı́sticas de estos modelos se dan a continuación:
Están constituidos por un conjunto de ecuaciones diferenciales ordinarias o a de-
rivadas parciales, con el tiempo como variable independiente, que relacionan las
variables del sistema en cada instante.
Las ecuaciones que los componen se basan en principios fisicoquı́micos involucrados
en el proceso (conservación de energı́a, leyes cinéticas, ecuaciones termodinámicas,
etc.).
Cap1 Fig1
1.2. MODELADO DE SISTEMAS DINÁMICOS 5
Cap1 Fig2
El grado de complejidad del modelo debe estar en relación al uso que se pretenda
del mismo. En ciertos casos es conveniente emplear un modelo reducido el cual se
obtiene eliminando los términos que menos influyen en su respuesta. Trabajar con
un modelo reducido permite disminuir el costo computacional a costa de la precisión.
En este libro vamos a tratar fundamentalmente este tipo de modelos.
Modelos Empı́ricos:
En los modelos entrada/salida o tipo caja negra no se conocen los estados sino la
relación dinámica que existe entre la entrada y la salida.
Se caracterizan por un alto poder predictivo pero una escasa capacidad explicativa,
es decir, reproducen el funcionamiento del sistema razonablemente bien pero no
permiten saber por qué el sistema funciona ası́.
Entre los modelos empı́ricos se pueden citar, por ejemplo, las redes neuronales (Flórez
López, Fernández Fernández, 2008), interpolación Kriging, co-kriging (Stein, 2012), etc.
Energı́a total que entra − Energı́a total que sale = Energı́a acumulada
(1.1)
Pe dt − Ps dt = dE
Notar que cada diferencial de energı́a es el producto entre una potencia y un diferen-
cial de tiempo. Entendiéndose como la potencia instantanea aplicada multiplicada por
el diferencial de tiempo en el que se aplica esa potencia. Es importante destacar que la
cantidad de ecuaciones que forman el sistema son iguales a la cantidad de acumulaciones
que ocurren en el mismo. A continuación se verán diferentes ejemplos para ilustrar la
implementación de la Ecuación de conservación y de esta manera obtener el modelo del
sistema.
Q, Ca0
Q, Ca
Al reactor
Ca0 + Ca
Q/V ʃ
-1
1
−ln(Ca0 − Ca (t)) = t+C (1.4)
τ
C es la constante de integración. Si se considera que para t = 0 Ca = 5g/L y Q = 30L/min
y Ca0 = 10gr/L para t ≥ 0 entonces se tiene la siguiente ecuación:
1
Ca (t) = 10 − 5e− τ t (1.5)
La solución de la ecuación 1.3 para una entrada arbitraria de Ca0 , nos da la variación de
la concentración de salida Ca en el tiempo. Por ejemplo si suponemos que Ca0 es constante
hasta un tiempo t1 y luego aumenta abruptamente a otro valor, la concentración variará
de la forma que se muestra en la Figura 1.5.
Aquı́ podemos ver que el sistema responde dinámicamente con un transitorio, que
luego desaparece, alcanzando un nuevo estado estacionario. También se puede apreciar
que Ca (t) es una variable temporal del sistema, en tanto que Q y V son constantes del
sistema. Si hemos medido bien estas constantes, la respuesta del sistema real, coincidirá
exactamente con la simulación del modelo del sistema.
10
8
Ca gr/L
5
0 5 10 15 20 25 30 35 40 45 50
t min
Cap1Fig5
Figura 1.5: Respuesta al escalón del sistema de tanque de mezclado
dN
= (b − m)N (1.6)
dt
Ya que bN y mN son las razones de suministro y pérdida de la población, respecti-
vamente, esperamos que la población disminuya con el tiempo si mN es mayor que bN ;
N aumenta cuando mN es menor que bN ; y N permanece constante cuando mN = bN
(estado de equilibrio). Un análisis simple se aplica si los parámetros b y m son constantes.
Tomando r = b − m = constante, reescribimos la ecuación anterior como:
dN
= rN (1.7)
dt
Si el valor inicial N0 de la población N (t) en un momento especı́fico t = t0 se conoce,
entonces la solución de la ecuación diferencial de primer orden anterior es:
Z Z
1 dN
dN = rdt ⇒ = rdt ⇒ ln N = rt + C0 ⇒ N = N0 ert (1.8)
N N
Si graficamos N (t) en función del tiempo según la ecuación 1.7 vemos que la población
crece exponencialmente (explosión demográfica maltusiana) cuando m es menor que b (es
decir r positiva), que permanece constante si b = m y que cae a cero si b < m. Esto se
muestra en la Figura 1.6, A y B.
En un ecosistema real, aún si una especie se aisla completamente de las otras, los
parámetros b y m del sistema varı́an con el tiempo. Si b y m dependen de N como se
muestra en la Figura 1.6-C, entonces hay dos estados de equilibrio, que son: P1 y P2 .
En este caso son posibles cuatro tipos diferentes de respuestas. Si la población inicial
es igual a N1 o a N2 , la cantidad total de individuos permanece constante con el tiem-
po puesto que las razones de nacimientos y defunciones están exactamente balanceadas
en estos dos puntos (los puntos de equilibrio). Si la población inicial es mayor que N2 ,
podemos observar en la Figura 1.6-C que la razón de defunciones excede a la razón de
9
8
1.3. EJEMPLOS DE SISTEMAS DINÁMICOS 9
Ca gr/L
7
5
0 5 10 15 20 25 30 35 40 45 50
t min
Cap1Fig5
50 80
45
70
40
60
35 B
50
30
r>0
B,M
25 40
N
20 M 30
15
20
10
5
10 r=0
r<0
0 0
0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
N t
A B
2 12
1.8
10
1.6 M
1.4
I
N2 8
1.2
P II
2
B,M
1 6
N
0.8 B
N1 4
0.6
0.4
P 2
1
0.2
III
0 0
0 5 10 N1 15 N2 20 25 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
N t
C D
ẋ = Ax(t) + Bu(t)
(1.11)
y(t) = Cx(t) + Du(t)
Las matrices A, B, C y D son matrices de elementos constantes llamados parámetros
del sistema. El orden del sistema esta dado por el número de variables de estado presentes
en él. Dentro de un mismo sistema es posible definir diferentes variables de estado pero
su número total siempre es el mismo, ya que el número de acumulaciones en un sistema
dado es siempre el mismo. Una combinación lineal de variables de estado no es un nuevo
estado ya que no representa una nueva acumulación.
A continuación veremos dos ejemplos en los cuales el sistema tiene dos acumulaciones,
es decir es de segundo orden y, por lo tanto, necesita dos variables de estado para su
representación. Veamos en primer lugar el modelado de un intercambiador de calor:
c2, x2
u1, w1 c1, x1
R
u2, wdel
Figura 1.7: Esquema 2
intercambiador de calor
Luego las ecuaciones del balance de calor correspondiente están dadas por :
c2, x2
u1, w1 c1, x1
12 CAPÍTULO 1. SISTEMAS DINÁMICOS
Es decir:
f1 (x(t), u(t), t) = (1/C1 R)x2 − (1/C1 R)x1 + (1/C1 )w1 u1 − (1/C1 )w1 x1
f2 (x(t), u(t), t) = (1/C2 R)x1 − (1/C2 R)x2 + (1/C2 )w2 u2 − (1/C2 )w2 x2
En el ejemplo, notemos que las ecuaciones 1.12 son no lineales dado que se multiplican
variables entre sı́: caudales (w1 , w2 ) por temperaturas de entrada (u1 , u2 ) y variables de
estado (x1 , x2 ).
Si se considera que los caudales w1 , w2 son constantes, entonces las ecuaciones 1.12
pueden ser escritas empleando matrices con coeficientes constantes de la forma:
−1/(RC1 ) − w1 /C1 1/(RC1 ) w1 /C1 0
A= ;B =
1/(RC2 ) −1/(RC2 ) − w2 /C2 0 w2 /C2
y = [1 0] x
Veamos otro ejemplo:
C0, q
x1, V1
q
x2, V2 q
Cap1 Fig8
Figura 1.8: Esquema del sistema de tanques continuos.
y = [0 1] x
Tanto en el Ejemplo 3 como el 4, hemos modelado al sistema con dos ecuaciones
diferenciales, cada una representando un balance. Decimos entonces que estos sistemas
son de segundo orden. Dentro de un mismo sistema es posible definir diferentes variables
de estado pero su número total siempre es el mismo, ya que el número de acumulaciones
en un sistema dado es siempre el mismo. Una combinación lineal de variables de estado
no es un nuevo estado ya que no representa una nueva acumulación. Se verá un ejemplo
para evidenciar este hecho.
X2
X1
X3
x˙2 = K1 x1 x2 − K2 x2 (1.14)
x2 es la acumulación que resulta de la diferencia entre lo que entra (personas sanas que
enferman en una cantidad proporcional a los contactos) y lo que sale (enfermos que quedan
aislados), que suponemos es una proporción
X2 dada por la constante K2 de la gente enferma
x2 . Por otro lado la gente que queda aislada es la simple acumulación de lo que entra
desde x2 :
X1
X3x˙3 = K2 x2 (1.15)
por lo tanto el conjunto de ecuaciones que definen al modelo será:
x1 + x2 + x3 = N
x˙2 = K1 x1 x2 − K2 x2 (1.16)
x˙3 = K2 x2
(K1 x1 − K2 ) = r en el caso del problema de crecimiento de la población. Nótese que el
número deFig9
Cap1 variables de estado son dos x1 y x2 ; en tanto que x3 es una combinación lineal
de las anteriores, no es una variable de estado. La evolución de la epidemia puede ser
descripta con un sistema de segundo orden. Se podrı́an haber elegido como variables de
estado x1 ; x3 o también x2 ; x3 , pero siempre las variables son dos. Esto es debido a que el
sistema es cerrado, es decir N = constante, y en consecuencia no puede haber (según está
planteado el problema) tres acumulaciones, pues el número N ya no serı́a constante. Otro
aspecto importante para destacar, es que en este ejemplo no podemos formar una matriz
A de elementos constantes. Esto es debido a que el sistema es no lineal en la acumulación
debida a x2 la cual posee un término que contiene un producto de variables de estado.
Un diagrama en bloques de este conjunto de ecuaciones se muestra en la Figura 1.10.
Notemos que sólo x2 y x3 son variables de estado, en tanto que x1 queda expresada por una
suma y resta de x2 , x3 y la constante N . Es interesante observar aquı́ que si |K1 x1 (0)| <
K2 , donde x1 (0) es el número de personas susceptibles al comenzar la infección, esto es
x1 (0) ∼
= N (casi todos), entonces no hay crecimiento en la epidemia, esto significa que si
la proporción de gente que se aisla es mayor que la de enfermos que se genera, entonces
la epidemia no evolucionará (por ejemplo, servicio de sanidad social eficiente y de gran
capacidad, medicina preventiva, etc.).
La Figura 1.11 A muestra la evolución dinámica de una población con un total de
700 habitantes, 70 están aislados y queda sólo uno enfermo y 629 sanos. La suma de las
2
X20
1.4. VARIABLES DE ESTADO Y ECUACIÓN DE ESTADO 15
Cap1Fig10
Figura 1.10: Diagrama en bloques de la evolución de una epidemia
tres curvas en todo momento es igual a 700. Sin embargo debemos notar que el número
de muertos es proporcional a x3 . En la Figura 1.11 B se observa que aumentando K2 , se
logra obtener una mejora, y en la Figura 1.11 C aumentando aún más K2 se logra reducir
considerablemente el número de afectados.
Se verá a continuación un sistema de orden mayor que dos.
700
X
1 X
600
3
500
400
X
300
200
X
100 2
0
0 10 20 30 40 50 60 70 80 90 100
t
A
700
X X
1
600 3
500
400
X
300
200
100 X
2
0
0 10 20 30 40 50 60 70 80 90 100
t
B
700
X
1
600
500
400
X
300
X
200
3
100
X
2
0
0 10 20 30 40 50 60 70 80 90 100
t
1.5. Linealización
En este libro nos dedicamos a los sistemas lineales, por tanto, en aquellos casos de sis-
temas no lineales o con no linealidades suaves, vamos a ver un método de Linealización.
Este método consiste en lograr un sistema lineal que se comporte igual al no lineal para
pequeñas variaciones de las variables alrededor de un punto de funcionamiento. Fuera de
ese entorno de validez, la linealización falla en representar al verdadero sistema produ-
ciendo resultados erróneos. La suposición básica es que la respuesta de la aproximación
lineal representa la respuesta del proceso en la región cercana al punto de operación, al-
rededor del cual se realiza la linealización. En esta sección veremos cómo un sistema no
lineal puede llevarse a una forma lineal. Veremos en primer término un caso sencillo de
linealización estática.
10
s 1/2
9
s=f(e)
8
∆s
7
6
∆e
1 5
X
3
e0=1
2
0
0 10 20 30 40 50 60 70 80 90 e 100
e0=1 t
Cap1Fig12
Figura 1.12: Sistema no lineal y su linealización
Sea
√ un sistema de una entrada y una salida dada por una función no lineal de la forma
s = e que se muestra en la Figura 1.12. Obviamente éste es un sistema no lineal ya que
no cumple con el principio de superposición. Para linealizar a este sistema alrededor de
un punto de funcionamiento estacionario e0 , es decir derivadas temporales igual a cero,
aplicamos el desarrollo de la serie de Taylor alrededor de este punto:
df (e)
s = f (e) = f (e0 ) + |e (e − e0 ) + · · · términos de orden superior (1.17)
de 0
Eliminando los términos de orden superior, nos quedamos con la parte lineal. Como
se ve en la figura, esta parte lineal se corresponde con la recta tangente al punto de
linealización. Se puede observar entonces que la aproximación lineal sólo es válida para
18 CAPÍTULO 1. SISTEMAS DINÁMICOS
pequeñas variaciones alrededor del punto. Para variaciones grandes, el sistema linealizado
se aparta demasiado del sistema real. Para que efectivamente el sistema quede lineal,
debemos poner el origen de coordenadas en el punto de linealización. Para ello podemos
expresar a la función válida para incrementos alrededor del punto e0 de la siguiente forma:
df (e)
f (e) − f (e0 ) = ∆f (∆e) ∼
= |e ∆e (1.18)
de 0
√
En el ejemplo queda f (∆e) = ∆e/(2 e0 ), linealizando alrededor de e0 = 1 ⇒ f (∆e) =
∆e/2. Los términos ∆f y ∆e se denominan variables de desviación. La variable de des-
viación se define como la diferencia entre el valor de la variable o señal y su valor en el
punto de operación.
En el caso ahora de sistemas dinámicos no lineales de orden ”n”, podemos utilizar el
mismo principio, con la diferencia que aplicamos el desarrollo de Taylor de una función
de varias variables en un punto de equilibrio (x0 , u0 ) del sistema. Los puntos de equilibrio
de un sistema dinámico son todos aquellos en que se cumple que ẋ = 0. Para ver la
linealización en el caso de sistemas dinámicos, veamos un sencillo ejemplo de un sistema
de primer orden ẋ = f (x, u). El desarrollo de la serie de Taylor de la función derivada
entorno al punto (x0 , u0 ) queda:
∂f (x,u) ∂f (x,u)
ẋ = f (x0 , u0 ) + ∂x
|x0 ,u0 (x − x0 ) + ∂u
|x0 ,u0 (u − u0 )+
(1.19)
+términos de orden superior
˙ tenemos que la
Como en los puntos de equilibrio f (x0 , u0 ) = 0, y como ẋ = ∆x,
ecuación anterior queda:
˙
∆x(t) = A∆x(t) + B∆u(t)
(1.21)
∆y(t) = C∆x(t) + D∆u(t)
donde los elementos de las matrices de constantes A; B; C; D se obtienen calculando las
siguientes derivadas parciales evaluadas en el punto x0 ; u0
∂f1 (x, u)/∂x1 · · · ∂f1 (x, u)/∂xn
A=
.. .. ..
(1.22)
. . .
∂fn (x, u)/∂x1 · · · ∂fn (x, u)/∂xn
∂f1 (x, u)/∂u1 · · · ∂f1 (x, u)/∂ur
B=
.. .. ..
(1.23)
. . .
∂fn (x, u)/∂u1 · · · ∂fn (x, u)/∂ur
∂h1 (x, u)/∂x1 · · · ∂h1 (x, u)/∂xn
C=
.. .. ..
(1.24)
. . .
∂hm (x, u)/∂x1 · · · ∂hm (x, u)/∂xn
1.6. DIAGRAMAS DE BLOQUES 19
∂h1 (x, u)/∂u1 · · · ∂h1 (x, u)/∂ur
D=
.. .. ..
(1.25)
. . .
∂hm (x, u)/∂u1 · · · ∂hmn (x, u)/∂ur
Como ejercicio para verificar el procedimiento, compruebe que en el Ejemplo 3, las
ecuaciones 1.12 dan efectivamente las matrices A y B que se muestran en ese ejemplo
cuando se consideran los caudales de entrada w1 y w2 como constantes.
Sumador Bloque
+ +
R(t) + E(t) M(t)
G
-
C(t) M(t) Punto de
Flecha Bifurcación
+
Figura 1.13: Elementos del diagrama de bloques
Las flechas y los bloques de la Figura 1.13 representan la siguiente expresión matemáti-
ca: M (t) = G(E(t)) = G(R(t) − C(t)). A continuación se dan algunas reglas útiles válidas
para sistemas LTI (Lineales e invariantes en el tiempo).
Cap1Fig13
20 CAPÍTULO 1. SISTEMAS DINÁMICOS
1. Y=A-B-C
B C B
- - -
A + + Y B - + Y A + Y
- + -
C A C
A Y A Y A Y
G1 G2 G2 G1 G1G2
3. Y = G1 ( A – B )= G1 (A) – G1 (B)
B
-
A + + Y A + Y
G1 G1
B -
G1
A + Y A + Y
G1 G2/G1 G1
+
+
G2
5. Y = G1 (A) + G2 (B)
A + Y
G1
B +
G2
Figura 1.14: Reglas del álgebra de los diagramas de bloques de sistemas lineales e inva-
riantes en el tiempo.
A X B A B
G F
±
Y
H
X=A±Y
G
Si Cap1BFig
=15G (X) =⇒ B= 1∓GH
= F (A)
Y = H (B)
1.7. Conclusiones
En esta sección hemos tratado a los sistemas dinámicos, comenzando con su clasifi-
cación. Hemos visto una serie de ejemplos de cómo obtener un modelo matemático de
un sistema real. Esta formulación matemática consiste en un conjunto de ecuaciones di-
ferenciales y un conjunto de ecuaciones algebraicas, que en forma general quedan de la
forma:
ẋ = F (x(t), u(t), t)
y = H(x(t), u(t), t)
De ahora en más trataremos con casos lineales e invariantes en el tiempo, por lo que
esta última ecuación nos debe quedar muy presente.
Finalmente hemos estudiado los elementos y el álgebra de los diagramas de bloques,
como ası́ también el Teorema de Mason. Estas herramientas son de gran utilidad en los
esquemas de control y se utilizarán en las siguientes unidades.
±
Y
H
22 CAPÍTULO 1. SISTEMAS DINÁMICOS
1.8. Problemas
1. Si una válvula tiene una caracterı́stica no lineal entre movimiento del vástago y
apertura, ¿Es un sistema estático o dinámico?
5. Considérese un tanque agitado completamente lleno de agua y que tiene una entrada
Cap1 Fig16
y salida Problema
constante 5 de la Figura 1.17, donde la temperatura de entrada θ1
de agua
es una entrada. La temperatura de salida θ2 es igual a la temperatura del agua en
el tanque. Si la temperatura de entrada es alta y el contenido del tanque está frı́o
hay una diferencia en el flujo de calor transportado por el agua que entra y sale del
tanque. ¿A dónde va esta diferencia de energı́a? ¿Hay alguna analogı́a (cualitativa)
entre la temperatura del tanque y el nivel del lı́quido del tanque con escape ? (ayuda:
plantear los balances dinámicos).
7. Dos tanques con escape están colocados en cascada como se muestra en la Figura
1.18. Obtener las matrices A, B, C y D de la ecuación de estado y de salida.
8. Las temperaturas y las capacidades térmicas de dos cámaras separadas por una pa-
red conductora (ver Figura 1.19) son x1 , C1 , x2 y C2 , respectivamente. A la primera
cámara se le suministra calor a razón de u1 (t) (Kcal/min). La ley de enfriamiento
de Newton se aplica a los flujos de calor Q1 , Q2 y Q3 (Kcal/min). Estos se muestran
en la figura por flechas que indican la dirección del flujo positivo
x1 − x 2 x1 − u2 x2 − u 2
Q1 = ; Q2 = ; Q3 =
R1 R2 R3
donde u2 =temperatura ambiente y Ri =resistencia de la i-esima pared (◦C min/Kcal)
Obténganse las matrices A y B para la ecuación vectorial de estados. Discútase la
analogı́a con un sistema eléctrico, un sistema de concentración de algún compuesto
quı́mico y un sistema de población.
9. De acuerdo a la ecuación maltusiana dN (t)/dt = rN (t), una población N (t) “ex-
plota” cuando r es una constante positiva.
24 CAPÍTULO 1. SISTEMAS DINÁMICOS
P.F. Verhulst modificó esta ecuación en 1938 tomando a r como una función lineal
de N (t)
N (t)
r = k1 (1 − )
N1
donde k1 y N1 son constantes positivas. Determı́nense los estados de equilibrio ¿Es
estable este sistema?
Capı́tulo 2
Respuesta Temporal
2.1. Introducción
Hasta ahora hemos planteado las ecuaciones diferenciales de distintos sistemas lineales,
y si bien hemos mostrado el comportamiento del modelo propuesto a través de su respuesta
temporal, no hemos dicho nada respecto de cómo se obtiene esa respuesta o solución del
sistema de ecuaciones diferenciales. Tanto la respuesta del sistema a excitaciones forzadas
desde la entrada, como la de tipo libre, (sin entrada y con condiciones iniciales no nulas),
puede obtenerse analı́ticamente. En este capı́tulo trataremos el problema de obtener la
solución de las ecuaciones diferenciales que describen un sistema dado.
Una división fundamental entre sistemas lineales y no lineales permite la utilización de
distintas técnicas para obtener la solución del sistema. Básicamente hay dos procedimien-
tos a seguir: la solución analı́tica y la simulación por computadora digital. La solución
analı́tica de ecuaciones diferenciales no lineales es en general compleja de obtener. Para
este caso la simulación por computadora digital es el camino más apropiado. En cambio,
si el sistema es lineal, existen soluciones analı́ticas relativamente sencillas como hemos
visto. Un camino alternativo para los sistemas no lineales es el de linealizar alrededor de
algún punto de trabajo y aplicar al sistema linealizado la solución de sistemas lineales.
Los sistemas lineales también pueden ser resueltos vı́a simulación (o solución numérica).
En la Figura 2.1 puede verse un esquema sobre las posibles vı́as de solución del problema.
En aquellos casos en que un sistema lineal está sujeto a perturbaciones de tipo aleatoria,
la solución analı́tica es imposible, por lo que se debe recurrir a una solución numérica por
computadora. Sin embargo debemos hacer notar que la solución analı́tica posee un valor
didáctico valioso, ya que permite desarrollar una base conceptual sobre el comportamiento
de los sistemas dinámicos lineales muy útil para la comprensión de la problemática del
control de procesos. En el transcurso de este capı́tulo veremos ejemplos sobre la respuesta
de un sistema dinámico cuando aplicamos a la entrada una señal tan sencilla como un
escalón. Esto que parece un caso didáctico, no es tal, ya que en la mayorı́a de los procesos
industriales, se utiliza este tipo de excitación en forma muy frecuente como lo son por
ejemplo los cambios de un punto de operación a otro, o perturbaciones como una variación
abrupta de ingreso o salida de producto.
En la sección 2 veremos la solución analı́tica por el método de la diagonalización,
también veremos otra forma de solución analı́tica utilizando la transformada de Laplace
en la sección 3. En la sección 4 veremos la definición de la función de transferencia. En la
sección 5 se explica cómo llevar una función de transferencia a la forma de la ecuación de
estados y en la sección 6 veremos las respuestas temporales de funciones de transferencia
25
26 CAPÍTULO 2. RESPUESTA TEMPORAL
LINEALES NO LINEALES
𝐱̇ (t) x(t)
B + ∫ C +
u(t) y(t)
La solución general consiste en obtener x(t) cuando el sistema posee una entrada
forzante u(t) y también un estado inicial del vector de estado x0 . La solución de la
ecuación de estados puede obtenerse fácilmente si definimos la exponencial de una matriz
como una suma infinita equivalente a la expansión en serie de la exponencial de un escalar,
es decir:
2.2. SOLUCIÓN ANALÍTICA DE SISTEMAS LINEALES 27
1 22 1
eAt = I + At + A t + · · · + An tn + · · · (2.1)
2! n!
Nótese que la exponencial de una matriz sólo tiene realización si la matriz es cuadrada,
dando como resultado otra matriz cuadrada. En base a la definición anterior, y utilizando
la propiedad (deAt /dt) = AeAt = eAt A podemos establecer la siguiente igualdad:
d(e−At x) dx
= e−At ( − Ax) = e−At Bu (2.2)
dt dt
integrando en ambos lados respecto del tiempo se tiene que:
Z t
−At
e x(t) = x0 + e−Aτ Bu(τ )dτ (2.3)
0
donde τ es una variable de integración. Por último, multiplicando por eAt ambos miembros
tenemos la solución buscada:
Z t
At
x(t) = e x0 + eA(t−τ ) Bu(τ )dτ (2.4)
0
Se mostrará el procedimiento para un sistema libre, es decir cuando las entradas for-
zantes u(t) en la ecuación de estados son nulas. En este caso la ecuación para los estados
queda dada por:
d(x)
= Ax (2.9)
dt
Posteriormente generalizaremos el caso en que existen entradas forzantes. Reempla-
zando x(t) por x∗ (t) en la ecuación diferencial obtenemos:
d(T x∗ )
= AT x∗ (2.10)
dt
o sea:
d(x∗ )
= T −1 AT x∗ (2.11)
dt
T −1 AT debe ser diagonal, de la forma Λ = T −1 AT , (ecuación 2.5). Escribiendo a T
en una forma más conveniente, tenemos:
Es decir que estamos interesados en encontrar los λi y los vi que cumplan con la
condición dada por la ecuación 2.13. Para ello, debemos encontrar la solución no trivial
de 2.13. Según las propiedades de matrices, la solución no trivial sólo se da si se cumple
la siguiente condición para el determinante:
|λi I − A| = 0 (2.14)
A esta altura podemos decir que los λi se llaman autovalores y los v i autovectores de
la matriz A, y que existen tantos autovalores y autovectores como orden del sistema. Una
vez hallada la matriz T es posible diagonalizar a la matriz A. Finalmente la solución libre
de x(t) queda expresada como:
2.2. SOLUCIÓN ANALÍTICA DE SISTEMAS LINEALES 29
eλ1 t x∗1 (0)
eλ2 t x∗2 (0)
x∗ (t) = eΛt x∗0 = ; x∗0 = T −1 x0 (2.15)
..
.
eλn t x∗n (0)
Entonces la solución para el verdadero vector de estados es:
Ejemplo 2.1
Hallar la solución del siguiente sistema, cuando se lo libera desde las condiciones
iniciales x0 de los estados.
ẋ1 −3/2 3/2 x1 x1 (0) 1
= ; =
ẋ2 1/6 −3/2 x2 x2 (0) 1
2. Cálculo de la matriz T
Para hallar la matriz T debemos encontrar los autovectores de A resolviendo la
ecuación 2.13. Para el primer autovalor se tiene:
30 CAPÍTULO 2. RESPUESTA TEMPORAL
1 −1 0 −3/2 3/2 v11
(λ1 I − A)v = − =0
0 −1 1/6 −3/2 v21
lo cual se cumple para todo v11 = 3v21 . Podemos elegir arbitrariamente el siguiente
autovector:
1 v11 3
v = =
v21 1
3. Diagonalización de la matriz A:
−1 −1 0
Λ=T AT =
0 −2
x∗1 (0)
1 1 3 1 2/3
= =
x∗2 (0) 6 −1 3 1 1/3
Hemos visto como encontrar la solución x(t) por medio de la diagonalización cuando
el sistema responde libremente a condiciones iniciales. Al considerar el caso general de
tener una entrada forzante u(t), la ecuación de estado transformada queda dada por:
2 1
(-t)
2e 0.9
1.5
0.8 X
2
0.7
1
0.6
X 2/3e(-t)
2
1
0.5 0.5
x
x
1
0.4
0
0.3
-0.5
-e(-2t)
0.2
1/3e(-2t)
0.1
-1 0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t t
donde se asume que f (t) existe solo para t > 0 y donde s = σ + jω es una variable
compleja.
La transformada de Laplace de una función f (t) existe si la integral de Laplace con-
verge. La integral convergerá si f (t) es seccionalmente continua en cada intervalo finito
en el intervalo t > 0 y si es de un orden exponencial conforme t tiende a infinito. Se dice
que una función f (t) es de orden exponencial si existe una constante r real positiva tal
que la función:
e−rt |f (t)|
32 CAPÍTULO 2. RESPUESTA TEMPORAL
tiende a cero conforme t tiende a infinito. Si el lı́mite de la función e−rt |f (t)| tiende a cero
para r > rc y el lı́mite tiende a infinito para r < rc , el valor de rc , se denomina abscisa de
convergencia, y define la region de convergencia (ROC, por sus siglas en inglés). La ROC
es la región del plano complejo en donde la transformada F (S) existe. En este libro, solo
trataremos el caso de señales que son cero para tiempos negativos, y por ende, siempre la
ROC estará a la derecha de la abscisa de convergencia. Sin embargo en el caso general,
siempre debe definirse la ROC junto con la F (s).
Para la función f (t) = Ae−αt se tiene:
y en general:
tn−1 t1 t n
F (s) X f −k (0)
Z Z Z
L ··· f (τ )dτ dτ1 · · · dτn−1 = n +
0 0 0 s k=1
sn−k+1
7. Teorema de valor inicial: es la contraparte del teorema de valor final. Este teorema
nos permite encontrar el valor de f (t) en t = 0+ directamente, a partir de la trans-
formada de Laplace de f (t). El teorema de valor inicial no proporciona el valor de
f (t) exactamente en t = 0, sino en un tiempo ligeramente mayor que cero.
El teorema de valor inicial se plantea del modo siguiente: si f (t) y df (t)/dt se pueden
transformar por el método de Laplace y si existe lı́ms→∞ sF (s), entonces, el valor
que adopta la función f (t) cuando el tiempo tiende a cero es el mismo que el de
sF (s) cuando s tiende a infinito:
f (t) F (s)
1
2 Escalón unitario u(t) s
1
3 t s2
tn−1 1
4 (n−1)!
(n = 1, 2, 3, ...) sn
5 e−at 1
s+a
6 te−at 1
(s+a)2
7 tn e−at (n = 1, 2, 3 ...) n!
(s+a)n+1
e−at −e−bt 1
8 (b−a) (s+a)(s+b)
9 1
ab
[1 + 1
a−b
(be−at − ae−bt )] 1
s(s+a)(s+b)
ω
10 sen(ωt) s2 +ω 2
s
11 cos(ωt) s2 +ω 2
12 e−at sen(ωt) ω
(s+a)2 +ω 2
p 2
ωn
14 √ωn e−ζωn t sen(ωn 1 − ζ 2 t) s2 +2ζωn s+ω 2
2
1−ζ
√
p 1−ζ 2
15 √−1 e−ζωn t sen(ωn 1 − ζ 2 t − Φ), Φ = tan−1 ζ s
s2 +2ζωn s+ω 2
2
1−ζ
√
2 2
−1 1−ζ ωn
p
−ζωn t
16 1− √1 e 2
sen(ωn 1 − ζ t + Φ), Φ = tan ζ s(s2 +2ζωn s+ω 2 )
1−ζ 2
En todos los casos consideramos que f (t) = 0 ∀ t < 0. Por ende, la ROC en cada
caso es la región a la derecha de la menor parte real de todos los polos de F (s).
2.3. SOLUCIÓN POR LA TRANSFORMADA DE LAPLACE 35
Función escalón
Este es un cambio súbito de la variable en un tiempo igual a cero; dicha función se
ilustra gráficamente en la figura 2.4, y se representa algebraicamente mediante la expre-
sión:
Z ∞
A t≥0 A
f (t) = ⇒ F (s) = Ae−st dt =
0 t<0 0 s
Si A=1 es un escalón unitario.
6
f(t)
A
-
t
Figura 2.4: Función escalón de altura A
O lo que es lo mismo:
A t − to ≥ 0
f (t − to ) =
0 t − to < 0
Aplicando la propiedad número 5, la transformada de Laplace queda:
A
L{f (t − to )} = e−sto L{f (t)} = e−sto
s
Función Pulso
Se trata de una función pulso con área A ∗ t0 , la cual se muestra en la figura 2.5:
6
f(t)
A
-
t0 t
Figura 2.5: Función pulso de altura A
36 CAPÍTULO 2. RESPUESTA TEMPORAL
f2 (t) = f1 (t − to )
Finalmente la transformada de Laplace de f (t) resulta:
A
1 − e−sto
L{f (t)} =
s
L{δ(t)} = 1
La función impulso unitario es un pulso ideal de amplitud infinita y duración cero cuya
área es la unidad, en otras palabras, un pulso de área unitaria con toda ella concentrada
en un tiempo igual a cero, ver Figura 2.6.
2.3. SOLUCIÓN POR LA TRANSFORMADA DE LAPLACE 37
6
f (t) ∞
6
-
0 t
Figura 2.6: Función impulso unitario
Función rampa
La función rampa tiene la siguiente expresión:
f (t) = Kt, t ≥ 0
la cual se muestra en la Figura 2.7. La transformada de esta función está dada por:
Z ∞
Kte−st dt
L{f (t)} =
0
El término de la derecha se puede resolver de la siguiente forma:
Z ∞ −st
Kte−st ∞ K ∞ −st
Z
Ke K
|0 − dt = e dt = 2
−s 0 −s s 0 s
6
f(t)
Kt
-
t
Figura 2.7: Función rampa
Función exponencial
La transformada de la función exponencial se muestra a continuación:
f (t) = e−at , t ≥ 0,
Z ∞
1
e−at e−st dt =
L{f (t)} =
0 a+s
Veremos un ejemplo de aplicación de la transformada de Laplace para resolver ecua-
ciones diferenciales
38 CAPÍTULO 2. RESPUESTA TEMPORAL
Ejemplo 2.2
Dada la siguiente ecuación diferencial, hallar la solución.
d2 x dx
+ 3 + 2x = 5u(t); ẋ(0) = 2; x(0) = −1
dt dt
donde u(t) es una función escalón. Aplicando las propiedades 1 y 3 de la transformada
de Laplace a la ecuación diferencial, tenemos:
reemplazando y despejando:
−s2 − s + 5 5 5 3/2
X(s) = = − +
s(s + 1)(s + 2) 2s s + 1 s + 2
5 3
x(t) = − 5e−t + e−2t
2 2
d2 x dx
+ 3 + 2x = 5u(t)
dt dt
la cual en el campo transformado, considerando condiciones iniciales nulas, es:
d
s→
dt
d2
s2 →
dt2
Z
1
→ dt
s
2.4. FUNCIÓN DE TRANSFERENCIA 39
x(t) = L−1 [(sI − A)−1 ]x(0) + L−1 [(sI − A)−1 BU(s)] (2.21)
Veamos en un ejemplo cómo se obtiene la solución por este método:
Ejemplo 2.3
Tomemos el mismo caso del ejemplo 2.1
( −1 )
x1 s + 3/2 −3/2 1
= L−1 [(sI − A)−1 ]x(0) = L−1
x2 −1/6 s + 3/2 1
x1 −1 s + 3/2 3/2 1 1
=L
x2 1/6 s + 3/2 (s + 1)(s + 2) 1
2 −1
− s+2
x1 −1 s+1
=L 2/3 1/3
x2 s+1
− s+2
Aplicando ahora la antitransformada de Laplace tenemos:
trata de un caso multivariable, es decir varias entradas y salidas para estado inicial nulo.
Despejando de la ecuación 2.22, tenemos:
Y(s) = G(s)U(s)
(2.23)
G(s) = C(sI − A)−1 B + D
G(s) es una matriz función de transferencia de tamaño m × r que relaciona las m
salidas con las r entradas. Cada elemento de la matriz G(s) representa una componente
que relaciona cada entrada con cada salida. Desde ya que si hubiera una sola entrada y
una sola salida, la matriz G(s) tendrı́a un solo elemento. En forma general cada elemento
de G(s) lo podemos escribir como:
gn (s)
gij = gdijij (s)
gnij (s) = polinomio numerador en s (2.24)
gdij (s) = polinomio denominador en s
Dado que el determinante |sI − A| aparece en el denominador de todos los gij (s),
el polinomio |sI − A| es llamado polinomio caracterı́stico del sistema. En tanto que la
ecuación |sI − A| = 0 es llamada ecuación caracterı́stica. Las raı́ces del polinomio |sI −
A| son los polos del sistema. Notemos que los autovalores de A se calculan obteniendo
las raı́ces justamente de este determinante, por lo tanto los polos del sistema son los
autovalores de la matriz A del sistema. Por otro lado, las raı́ces del numerador de gij (s)
se denominan ceros del sistema, ya que para esos valores de s, la función se hace cero.
Veamos algunos ejemplos en donde se muestra la forma de obtener una función de
transferencia.
El sistema queda resuelto como un conjunto formado por una ecuación diferencial para
la acumulación y una algebraica para la caracterı́stica estática nivel/caudal de la siguiente
forma:
w1 R(1 + w2 R + RC2 s) w2 R
G1 (s) = ; G2 (s) =
∆ ∆
donde
s2 + 2s + 5 = (s + 1 + j2)(s + 1 − j2)
Si la función G(s) contiene un par de polos complejos conjugados, es conveniente no
expandir G(s) en las fracciones parciales acostumbradas, sino expandirlas en la suma de
una función seno amortiguada y una función coseno amortiguada. Si se tiene en cuenta que
s2 + 2s + 5 = (s + 1)2 + 22 y nos remitimos a las transformadas de Laplace de e−α sen(ωt)
y e−α cos(ωt), rescritas a continuación:
ω
L e−α sen(ωt) =
(s + α)2 + ω 2
y
s+α
L e−α cos(ωt) =
(s + α)2 + ω 2
La G(s) se puede expresar como una suma de una función seno amortiguada y una
función coseno amortiguada para lo cual se reescribirán la función de transferencia de la
siguiente forma:
2.4. FUNCIÓN DE TRANSFERENCIA 43
10 + 2(s + 1) 2 s+1
G(s) = 2 2
=5 2 2
+2
(s + 1) + 2 (s + 1) + 2 (s + 1)2 + 22
Si se aplica a este sistema una entrada impulso unitario, dado que su transformada de
Laplace es la unidad, entonces Y (s) = G(s). Si se calcula la antitransformada de Laplace
2 1
L−1 a la expresión2eanterior
(-t) se obtiene: 0.9
1.5
0.8 X
2
0.7
1
−t −t0.6
y(t) = 5e sen(2t) + 2e cos(2t), para t ≥ 0
X 2/3e(-t)
2
1
0.5 0.5
x
x
1
Se observa que la parte oscilatoria se debe a los términos sen(ωt) y cos(ωt) mientras
0
0.4
0.3
figura 2.8 se muestran tres situaciones de respuesta oscilatoria, en las cuales la frecuencia
-1
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
de la oscilación está dada por
t ω y la envolvente por σ, el signo
t de esta última establece
la estabilidad de la respuesta oscilatoria.
Cap2Fig3
1 2
0.8
1.5 =0
0.6 <0 1
0.4
0.5
0.2
0 0
-0.2
-0.5
-0.4
-1
-0.6
-1.5
-0.8
-1 -2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t t
150
100 >0
50
-50
-100
-150
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t
N (s)/D(s). Consideremos que estos polinomios poseen grado “m” y “n” respectivamente,
entonces la función de transferencia puede escribirse como:
N (s) nm sm + · · · + n0
G(s) = = n (2.32)
D(s) s + dn−1 sn−1 + · · · + d0
donde los ni y los di son constantes reales. El orden del sistema es igual al orden del
polinomio denominador D(s). El grado de N (s) es siempre menor o igual que el grado
de D(s) para el caso de sistemas causales. El caso lı́mite para un sistema fı́sicamente
realizable es cuando el orden del numerador es igual al del denominador, y corresponde al
caso en que la matriz D de la ecuación de estados es distinta de cero. Esto significa que
hay una influencia directa de la entrada sobre la salida del sistema. El hecho de que el
numerador tenga un orden mayor que el denominador, indica que el sistema tiene términos
derivativos puros. Una función de transferencia de este tipo no es fı́sicamente realizable
ya que necesita energı́a infinita para reproducir saltos abruptos, aún siendo de amplitud
infinitesimal. Es decir, el modelo que se obtenga a partir de esta función de transferencia,
será útil sólo para funciones de entrada que sean suaves, es decir continuas y derivables
en todo punto.
Para obtener la transformada inversa de Laplace de esta función, es posible expandir
a G(s) en una suma de fracciones parciales de la forma:
N1 N2
X Ai X Bi s + Ci
G(s) = + 2 + ω2)
+K (2.33)
i=1
s + s i i=1
((s + σ i ) i
Y (s) n0
G(s) = = G(s) = (2.34)
U (s) s + d0
Operando obtenemos:
dy
+ d0 y = n0 u (2.36)
dt
Tomando a y como estado del sistema y = x tenemos:
ẋ = −d0 x + n0 u
(2.37)
y=x
Se observa en la ecuación 2.37 que el autovalor de la matriz A = −d0 , es igual al polo
de la función de transferencia dada por la ecuación 2.34. Un diagrama de bloques de este
sistema se muestra en la figura 2.9 el cual se presenta en el dominio de la variable s.
U(s) Y(s)
n0 +
1/s
-
d0
Cap2 Fig9
La función de transferencia de un primer orden puede tener, también, un término de
primer orden en el numerador:
0
Y (s) n1 s + n0 n0 0
= G(s) = = n1 + ; n0 = n0 − n1 d0 (2.38)
U (s) s + d0 s + d0
En la figura 2.10 se muestra un diagrama en bloques de éste sistema. Por analogı́a con
el caso anterior, las ecuaciones de estado de éste sistema son:
0
ẋ = −d0 x + n0 u
(2.39)
y = x + n1 u
Para el caso de sistema de segundo orden, la construcción del vector de estados se
realiza de forma muy similar. Consideremos un sistema simple de segundo orden, esto es
con una constante en el numerador:
Cap1Fig11
Cap2 Fig9
46 CAPÍTULO 2. RESPUESTA TEMPORAL
n1
+
U(s) Y(s)
n0 + +
1/s
-
d0
Figura 2.10: Diagrama en bloques de un sistema de primer orden con la entrada influyendo
directamente en la salida
Cap2 Fig10
Y (s) n0
= G(s) = 2 (2.40)
U (s) s + d1 s + d0
Para esta función de transferencia, podemos realizar dos diagramas en bloques posibles,
que se muestran en la figura 2.11.
-d1
-d0 a
-d1
-d0 b
Las ecuaciones para cada caso, figura 2.11(a) y 2.11(b) son respectivamente:
ẋ1 −d1 1 x1 0 x1
= + u; y = [1 0] (2.41)
ẋ2 −d0 0 x2 n0 x2
y
2.6. RESPUESTA TEMPORAL DE SISTEMAS TÍPICOS 47
ẋ1 0 1 x1 0 x1
= + u; y = [n0 0] (2.42)
ẋ2 −d0 −d1 x2 1 x2
Finalmente veamos que ocurre cuando tenemos una función de transferencia de orden
arbitrario tanto en el denominador como en el numerador según la ecuación 2.32. Podemos
obtener dos representaciones normalizadas, una de ellas de la forma:
0 1 0 ··· 0 0 0
ẋ1
0 0 1 ··· 0 0
x1
0
.. .. .. .. .. .. .. .. + ..
. = u;
. . . . . .
. .
ẋn 0 0 0 ··· 0 1 xn 0
(2.43)
−d0 −d 1 −d 2
· · · −d n−2 −d n−1 1
x1
y = [n0 · · · nm · · · 0] ...
xn
Integrador puro
La función de transferencia del integrador puro está dada por la propiedad 4 de la
transformada de Laplace, esto es G(s) = 1/s. Dentro de este tipo de sistemas podemos
citar a todo aquel que se presenta como un acumulador de todo lo que entra, por ejemplo
un recipiente sin orificio de salida al cual le ingresa un caudal y aumenta su nivel o un
capacitor al cual le ingresa una corriente y aumenta su tensión. La respuesta al escalón
está dada por:
Step Response
3
2.5
y(t) (−), u(t) (−−)
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3
t (sec)
Figura 2.12: Respuesta de un integrador puro para una entrada escalón
Step Response
k 1
0.8
T2
y(t) (-), u(t) (--)
0.6 0.63 k
0.4
0.2
0
0 5 10 15 20 25
t (sec)
Figura 2.13: Respuesta temporal de un sistema de primer orden con T1 = 0 para una
entrada escalón
Caso en que T1 < T2 . En este caso puede verse que debido al camino directo de
la entrada sobre la salida, el salto inicial de la respuesta es mayor que en el caso
anterior. La figura 2.14 muestra esta respuesta temporal
Caso en que T1 > T2 . En este caso, la influencia directa de la entrada sobre la salida
se refleja en un valor inicial mayor aún que en el caso anterior. Notemos que la
evolución temporal siempre es una exponencial de constante de tiempo T2 , ligada al
polo del sistema. En la figura 2.15 se muestra esta respuesta.
Caso en que T1 < 0. En este caso vemos que la influencia directa de la entrada
sobre la salida hace que para la respuesta al escalón, inicialmente, la respuesta sea
de sentido inverso al valor de estado estacionario final. A este efecto se lo denomina
de respuesta inversa y se corresponde a sistemas con un cero real positivo. Casos
tı́picos de sistemas que poseen respuesta inversa son el nivel de agua en calderas,
quema de bagazo en hornos, potencia de una turbina hidráulica. En la figura 2.16
se muestra la respuesta de este tipo de sistemas.
Step Response
k 1
0.8 T
2
y(t) (-), u(t) (--)
0.6
0.4
0.2 k T /T
1 2
0
0 5 10 15 20 25
t (sec)
Figura 2.14: Respuesta temporal de un sistema de primer orden con T1 < T2 para una
entrada escalón
Step Response
1.8 k T /T
1 2
1.6
1.4 k
T2
y(t) (-), u(t) (--)
1.2
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25
t (sec)
Figura 2.15: Respuesta temporal de un sistema de primer orden con T1 > T2 para una
entrada escalón
2.6. RESPUESTA TEMPORAL DE SISTEMAS TÍPICOS 51
Step Response
k 1
0.8
0.6 T
2
0.4
y(t) (-), u(t) (--)
0.2
-0.2
-0.4
-0.6 k T /T
1 2
-0.8
-1
0 5 10 15 20 25
t (sec)
Figura 2.16: Respuesta temporal de un sistema de primer orden con T1 < 0 para una
entrada escalón
la entrada del segundo), un horno con dos etapas de acumulación de calor, un circuito
con dos capacitores o dos inductores, entre otros. Por otro lado, los sistemas de segundo
orden que poseen polos complejos conjugados, poseen una respuesta de tipo oscilatoria.
Sistemas que poseen este tipo de patrón de respuesta son los sistemas interactuantes,
como por ejemplo dos tanques interconectados, una masa con resorte o un circuito RLC
etc.
El sistema de segundo orden puede ser generalizado como:
Y (s) k
G(s) = =
U (s) ω2
s + ω2ξn s + 1
1 2
n
kωn2
G(s) = (2.49)
s2 + 2ξωn s + ωn2
donde ωn es la frecuencia natural no amortiguada, y ξ es el factor de amortiguamiento
relativo del sistema.
El comportamiento dinámico del sistema de segundo orden se describe a continuación
en términos de dos parámetros ξ y ωn . Las raı́ces del sistema están dadas por:
p
s1,2 = −ξωn ± ωn ξ2 − 1 (2.50)
En la figura 2.17 se muestra el plano de s en el cual se puede apreciar una raı́z del
sistema.
1−
n
− 0
Step Response
=0
1.8
1.6
1.4
= 0.5
1
=1
0.8
= 1.2
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
t (sec)
Figura 2.18: Curvas de la respuesta al escalón de un sistema de segundo orden ante una
entrada en escalón
sistemas de orden uno y dos. Note que la resolución matemática puede aplicarse de la
misma manera, el procedimiento es realizar una descomposición en fracciones parciales
para obtener la antitransformada de cada sumando. Luego la solución será la suma de
las soluciones individuales de cada sumando. Cada sumando tendrá algunas de las formas
vistas en los distintos casos analizados en esta sección.
2.6.4. Demora
Los sistemas que presentan una demora son aquellos relacionados con los fenómenos de
transporte. Ejemplo de ellos puede ser una cinta transportadora, un ducto por el que fluye
un caudal, etc. La transformada de Laplace de estos sistemas está dada por la propiedad
número 5 de la sección 2.3.1.
2.7. Conclusiones
Hemos visto en este capı́tulo la solución a los sistemas dinámicos lineales, causales e
invariantes en el tiempo. Se han visto dos formas de obtener la solución, una en el dominio
del tiempo a través de la diagonalización y otra a través del uso de la transformada de
Laplace. En ambos casos la solución es la misma y está dada como una sumatoria de
modos pesados con coeficientes de la forma Tij eλi t . Cada modo es de tipo exponencial en
el tiempo si el autovalor es real. Si el autovalor es complejo, entonces habrá otro que es
su conjugado, de manera que en la respuesta ambos están presentes dando en su conjunto
un modo oscilatorio. Hemos definido la relación funcional entre la entrada y la salida
utilizando el operador de la transformada de Laplace llamada función de transferencia
y se han expuesto patrones de funciones de transferencia de diferentes procesos con su
respuesta temporal.
Se han dado las herramientas básicas para introducirnos a partir del próximo capı́tulo
en el problema del control de los sistemas dinámicos.
54 CAPÍTULO 2. RESPUESTA TEMPORAL
2.8. Problemas
1. Pruébese que la tangente a una respuesta exponencial en cualquier instante intersec-
ta el valor final asintótico de la respuesta T unidades de tiempo después del punto
de tangencia, donde T es la constante de tiempo.
1
C1 = 1 , C2 = 1 , R1 = 1 , R2 = R3 = 2
A las variables de estado de este sistema se les aplica una transformación lineal
x(t) = T x∗ (t). El sistema queda descripto entonces por la ecuación de estado trans-
formada:
Demostrar que la función de transferencia que relaciona u(t) con y(t) en las ecua-
ciones (2.55) y (2.56) es la misma. Explicar porqué.
dx2
= px2
dt
y de otro sistema de primer orden para el cual x2 actua como entrada
2.8. PROBLEMAS 55
dx1
= px1 + bu(t) , u(t) = x2 (t) , b = 1
dt
n2 s2 + n1 s + n0
G(s) = (2.57)
s 3 + d2 s 2 + d1 s + d0
y u
C1, X1 C2, X2
w w
n2 s2 + n1 s + n0
G(s) = (2.58)
s2 + d1 s + d0
a) Simular, empleando una herramienta de simulación como Simulink de Matlab, es-
ta función de transferencia para una entrada escalón, dando valores a los coeficientes
n2 , n1 , n0 , d1 y d0 para los siguientes casos:
Sistemas realimentados
3.1. Introducción
En este capı́tulo y en lo que resta del curso trataremos el problema de control au-
tomático de sistemas lineales. Existen principalmente dos tipos de problemas de control
que deben resolverse: el asociado a las perturbaciones que influyen en el comportamiento
del proceso y el seguimiento del valor en el cual se desea que éste se mantenga. El proble-
ma de control consiste en lograr que la evolución dinámica de un proceso se aproxime lo
mejor posible a un comportamiento deseado. La aproximación debe lograrse a pesar de
las incertidumbres y la presencia de perturbaciones externas no controlables que actúan
sobre el proceso y sobre las mediciones de la salida.
Si se conoce como será la y(t) salida del proceso
A1 cuando aplicamos una entrada y, además,
hemos establecido cuál debe ser el comportamiento deseado,A2 entonces la forma más simple
Valor de estado
de resolver el problema estacionario
de control es invertir la relación entrada - salida. Esta inversión nos
permitirá calcular la entrada u(t) necesaria para que la salida y(t) se comporte como se
desea. Esta modalidad de control se llama: control de lazo abierto. Un sistema de control de
este tipo se muestra en forma generalizada en la figura 3.1. En esta figura todas las señales
están representadas por sus transformadas de Laplace: R(s) = L(r(t)), t U (s) = L(u(t))
e Y (s) = L(y(t)). El denominado proceso consiste en la función de transferencia de un
sistema al cual leCap3 Prob9
queremos controlar la salida Y (s) a través de su entrada U (s). El
control es un dispositivo en mayor o menor medida inteligente que deberá tomar la acción
necesaria para llevar a la variable Y (s) a un valor deseado R(s). La entrada al controlador
es el valor deseado de la salida.
Valor Salida ó
deseado de Variable
la salida controlada
Control Proceso
R(s) U(s) Y(s)
Variable de
control
Figura 3.1: Esquema de control de lazo abierto
57
58 CAPÍTULO 3. SISTEMAS REALIMENTADOS
(u1 − x1 )
w2 = w1 (3.1)
x1 − u2 − w1 R(u1 − x1 )
Como todos los valores a la derecha de la ecuación 3.1 son conocidos, el controlador
está compuesto sencillamente por la misma ecuación 3.1. Fijando el valor deseado de x1
(x1 (t) = r(t)) en la ecuación, podemos obtener el caudal w2 requerido. (No confundir R
= resistencia al paso del calor de la pared del intercambiador con R(s) = transformada
de Laplace del valor deseado).
El controlador anterior sólo será efectivo en estado estacionario, es decir luego de
concluidos los transitorios. Si se quiere que este controlador intervenga también en el
transitorio, deberá pensarse en una estrategia al respecto. Una puede ser utilizar la función
de transferencia del proceso G(s) entre w2 y x1 . Empleando la inversa de ésta, podrı́a
obtenerse la señal necesaria para que la variable x1 llegue al valor deseado tan rápido
como se quiera, esto es, la señal de control esta dada por:
1
W2 (s) = X1 (s) (3.2)
G(s)
con lo cual
1
X1 (s) = G(s)W2 (s) = G(s) R(s) = R(s) ⇒ x1 (t) = r(t)
G(s)
Hallando luego la antitransformada de W2 (s) cuando X1 (s) es un escalón (salto abrup-
to al nuevo valor deseado de x1 ), se tiene la señal de control w2 (t) tal que la salida
controlada del proceso x1 (t) salte abruptamente al valor deseado.
Si bien este tipo de controlador puede utilizarse en muchos casos, posee varias desven-
tajas que a continuación detallaremos.
Si hay perturbaciones sobre la variable controlada, el controlador no es capaz de
eliminarla.
Termómetro
Ojo Ojo
Mano
V
,
Válvula
Voltímetro
se muestra en la figura 3.3. Se aprecia en esta figura que la temperatura x1 se mide con
el termómetro, medida que es detectada por el ojo del operador. El hombre realiza una
comparación con el valor deseado de dicha temperatura r(t) y decide qué hacer, es su
cerebro el que decide qué acción tomará (si cierra o abre la válvula y en qué proporción),
posteriormente la acción será realizada por su mano que es el actuador, dado que es el
que toma contacto con la válvula para realizar la acción. Este es claramente un sistema
de lazo cerrado, ya que la posición de la válvula, y por lo tanto el caudal w2 depende de la
salida del sistema o variable controlada x1 . Decimos que este sistema está realimentado.
A diferencia del caso de control de lazo abierto, este sistema si se puede controlar frente
a variaciones de la planta o perturbaciones. Finalmente un paso más avanzado consiste
en diseñar un sistema tecnológico capaz de ejercer la misma función que el operador, o
mejor aún.
Medición
Operador
(km − 1)
ẏ = y
l
Donde “l” es el tiempo de vida medio de un neutrón. Note que el modo del sistema
(km−1)
es e l y en consecuencia si el moderador no es suficiente la constante km puede ser
mayor que la unidad, en cuyo caso la realimentación se torna positiva con la consecuente
caracterı́stica inestable del sistema.
Otros ejemplos de realimentación natural son la regulación de temperatura del cuerpo
humano, o la acción de tomar un objeto con la mano. En este último caso, la posición de
la mano es la variable de salida, que es medida por la vista. La señal visual la recibe el
cerebro que envı́a una orden a los músculos para corregir la posición de la mano. Si hay
un obstáculo, esta realimentación permite corregir nuevamente la posición.
Moderador
W, Us W: caudal.
Ue: temperatura
de entrada
Us: temperatura de
salida
W, Ue
Us>Ue
Reactor nuclear
Incremente la variable manipulada cuando la variable de salida del proceso es más baja
que su valor deseado (o set-point) y disminuya la variable manipulada cuando la variable
del proceso es más grande que el set-point.
Actuador
Válvula
Se observa que para implementar un lazo tecnológico son necesarios los siguientes
componentes básicos:
fuentes de corriente y tensión. A modo de ejemplo, en la figura 3.6 se muestra una válvula
de diafragma utilizada comúnmente en esquemas de control.
Definiciones
Ahora es necesario definir algunos de los términos que se usan en el campo del control
automático de proceso. El primer término es la variable controlada, ésta es la variable
que se debe mantener o controlar dentro de algún valor deseado. El segundo término
es el punto de control, de consigna, de referencia o set-point, es el valor que se desea
tenga la variable controlada. La variable manipulada o variable de control que se utiliza
para mantener a la variable controlada en el punto de control (punto de fijación o de
régimen). Finalmente, cualquier variable que ocasiona que la variable de control se desvı́e
del punto de control se define como perturbación; en la mayorı́a de los procesos existe
64 CAPÍTULO 3. SISTEMAS REALIMENTADOS
Una vez definidos los diferentes elementos que se emplean en un lazo de control, en
la próxima sección veremos sistemas de control automático, es decir, el estudio de la
realimentación y su implementación tecnológica. Es importante destacar que el control
por realimentación es una técnica muy simple, que compensa todas las perturbaciones.
Cuando la variable controlada se desvı́a del punto del control por la influencia de una
perturbación, el controlador cambia su salida para que la variable regrese al punto de
control. El circuito de control no detecta qué tipo de perturbación entra al proceso, úni-
camente trata de mantener la variable controlada en el punto de control y de esta manera
compensar cualquier perturbación. Sin embargo, también es importante tener en cuenta
que la realimentación puede compensar la perturbación una vez que la variable controlada
se ha desviado del punto de control, es decir, la perturbación se debe propagar por todo
el proceso antes de que la pueda compensar el control por realimentación.
V(s)
Gper(s)
+ Y(s)
R(s) E(s) U(s) +
+ + +
Gc(s) Gv(s) Gp(s)
-
B(s)
H(s)
que alimenta la función de transferencia del actuador (Gv (s)) quien a su vez genera la
señal o variable manipulada U (s). El sistema a controlar o proceso, está representado por
una función de transferencia Gp (s). La salida Y (s) es la respuesta de este sistema a la
entrada U (s) a través de la función Gp (s) y a la entrada de perturbación V (s) a través
de la función Gper (s). El camino de realimentación puede tener, o no, un elemento H(s)
que representa la función de transferencia del sensor trasmisor de la variable controlada.
La diferencia entre R(s) y B(s) es el error E(s) = R(s) − B(s) que se realimenta al
controlador.
donde: G(s) = Gc (s)Gv (s)Gp (s) se denomina función de transferencia de lazo abierto. El
término lazo abierto para la función G(s), describe la respuesta de la planta incluido el
controlador, sin la realimentación.
Como regla general, se puede establecer que la función de transferencia entre una
entrada y una salida de un sistema cerrado puede obtenerse utilizando el teorema de
Mason, que establece que la función de lazo cerrado es igual al producto de las funcio-
nes de transferencias del camino directo dividido 1 + las del camino del lazo cerrado
Gc (s)Gv (s)Gp (s)H(s) si la realimentación es negativa. Nótese en consecuencia que lo que
cambiará entre las distintas entradas (en esta caso hay dos: R y V ) es sólo el camino
directo mientras que el denominador será el mismo e igual a 1 + Gc (s)Gv (s)Gp (s)H(s)
(ver ecuación 3.3) al que llamamos polinomio caracterı́stico del sistema de lazo cerrado.
Las raı́ces del polinomio caracterı́stico son los polos del sistema a lazo cerrado, y por lo
tanto definen la dinámica del sistema de lazo cerrado. La ecuación caracterı́stica se puede
obtener a partir de la matriz Alc de la ecuación de estados del lazo cerrado (ver capı́tulo
2, ecuación 2.23) por medio de la siguiente expresión:
Que la variable de salida del sistema siga al valor deseado en la forma más precisa
posible. Este objetivo se llama precisión del lazo de control.
Que la variable de salida del sistema no se vea afectada por la presencia de posibles
perturbaciones. Este objetivo se denomina rechazo a perturbaciones.
66 CAPÍTULO 3. SISTEMAS REALIMENTADOS
donde hemos considerado H(s) = 1. Podemos ver que si la ganancia del controlador es
Gc (0) = kc , y haciendo que kc → ∞, la ecuación (3.5) queda:
R0
eee = lı́m (3.10)
s→0 1 + Gc (s)Gv (s)Gp (s)
lo cual queda:
R0 R0
eee = = (3.11)
1 + Gc (0)Gv (0)Gp (0) 1 + Ke
donde Ke = Gc (0)Gv (0)Gp (0) es la ganancia estática del lazo.
Más aún, puede obtenerse el error de estado estacionario porcentual como:
Reemplazando el error por la expresión obtenida en 3.5, tenemos que el error porcentual
de estado estacionario es:
R0 R0 R0
eee = lı́m 100 % = 100 % = 100 % (3.13)
s→0 1 + G(s) 1 + G(0) 1 + Ke
con G(s) = Gc (s)Gv (s)Gp (s).
Ahora analicemos el caso en que un escalón de amplitud V0 aparezca en la entrada de
perturbación (considerando la entrada de valor deseado nula), en cuyo caso, el error está
dado por:
Gper (s)
E(s) = − V (s) (3.14)
1 + Gc (s)Gv (s)Gp (s)
Entonces, el error de estado estacionario está dado por:
Gper (s) V0
eee = lı́m s − (3.15)
s→0 1 + Gc (s)Gv (s)Gp (s) s
lo cual resulta en:
Gper (s)
eee = lı́m − V0 (3.16)
s→0 1 + Gc (s)Gv (s)Gp (s)
Gper (0)V0
eee = − (3.17)
1 + Gc (0)Gv (0)Gp (0)
Gper (0)V0
eee = − (3.18)
1 + Ke
Se puede definir un error porcentual de la siguiente forma:
Gper (0)V0
eee = − 100 % (3.19)
1 + Ke
En este caso, al igual que en el anterior, si Ke >> 1 el error entre la salida y el valor
deseado tiende a cero, es decir que se elimina la influencia de la perturbación en estado
estacionario. Note que en este esquema el valor deseado es cero y la salida coincide con la
señal de error (ver figura 3.7, si R(s) = 0 ⇒ Y (s) = E(s)).
68 CAPÍTULO 3. SISTEMAS REALIMENTADOS
Sin embargo, como ya hemos mencionado anteriormente ganancias altas pueden dar
sistemas inestables a lazo cerrado. Para analizar esto en detalle, veremos sistemas reali-
mentados de primer, segundo y mayor orden cuando son realimentados con una ganancia
estática (Gc (s) = Kc ) también llamada control proporcional.
V(s) Ku
+
R(s) E(s) U(s) τ s+1 + Y(s)
+ + +
Kc Kv Kp
τ s+1
-
Kc Kv Kpτ(τ2 s+1
1 s+1)
Ku
Y (s) = R(s) + V (s) (3.21)
1+ Kc Kv Kpτ(τ2 s+1
1 s+1)
1 + Kc Kv Kpτ(τ2 s+1
1 s+1)
Kc Kv Kp (τ1 s + 1) Ku (τ2 s + 1)
Y (s) = R(s) + V (s) (3.22)
τ2 s + 1 + Kc Kv Kp (τ1 s + 1) τ2 s + 1 + Kc Kv Kp (τ1 s + 1)
Kc Kv Kp Ku
1+Kc Kv Kp 1
(τ s + 1) 1+Kc Kv Kp 2
(τ s + 1)
Y (s) = (τ2 +Kc Kv Kp τ1 )s
R(s) + (τ2 +Kc Kv Kp τ1 )s
V (s) (3.23)
1+Kc Kv Kp
+ 1 1+Kc Kv Kp
+ 1
Si llamamos
Kc Kv Kp
Klc =
1 + Kc Kv Kp
3.6. SISTEMAS REALIMENTADOS DE PRIMER ORDEN 69
Ku
Kulc =
1 + Kc Kv Kp
y
τ2 + Kc Kv Kp τ1
τlc =
1 + K c K v Kp
Entonces
1 (1 + Kc Kv Kp )
s=− =−
τlc τ2 + Kc Kv Kp τ1
el cual es una función de Kc . Esto significa que el polo del sistema de lazo cerrado tendrá
un valor que depende de la ganancia del controlador. Notemos que si la ganancia del
controlador aumenta indefinidamente, la función de transferencia entre Y (s) y R(s) dada
por la ecuación (3.22) da la unidad, lo que significa que el polo de lazo cerrado y el cero
de lazo abierto se cancelan mutuamente en (3.24). Es decir Klc → 1 y τlc → τ1 . Además
Kulc → 0 lo cual indica que el lazo cerrado puede reducir significativamente el efecto de
la perturbación.
Para el sistema de primer orden:
!
1 V0 V0
eee = lı́m s τ s+1 eee = (3.25)
s→0 1 + Kc Kv Kp τ2 s+1 s
1
1 + K c Kv Kp
De esta expresión se obtiene que el cero de lazo cerrado es s = −0,5 y el polo de lazo
cerrado está dado por la siguiente expresión:
1 + Kc 1
s=− =
5 + 2Kc τlc
Podemos dibujar en el plano complejo de la variable s, la ubicación del polo y del cero a
medida que la ganancia del controlador Kc varı́a desde cero a infinito.
Esta función tiene un polo de lazo abierto en s = −0,2. En la figura 3.9 se muestra
este diagrama en donde puede observarse que el polo recorre toda una trayectoria para
cancelarse finalmente con el cero de lazo abierto según explicamos previamente. Las flechas
indican el corrimiento de la raı́z a medida que Kc aumenta. Con una cruz × se indica el
polo de lazo abierto (s = −0,2) y con un ◦ se indica el cero de lazo abierto (s = −0,5)
que coincide con el polo de lazo cerrado cuando Kc → ∞.
s = σ + jw jw
− , − , σ
A este tipo de diagramas lo llamamos lugar de las raı́ces y brinda información valiosa
sobre la trayectoria de los polos de lazo cerrado del sistema controlado. Se puede observar
que si el sistema de primer orden a lazo abierto y su inversa es estable, y la ganancia del
controlador es positiva, entonces el lazo cerrado siempre será estable ya que el polo del
sistema nunca se pasa al semiplano real positivo. Recordemos que si un polo está ubicado
en el semiplano real positivo, dará modos inestables (capı́tulo 2). Podemos concluir que
un sistema de primer orden, con polo y cero de lazo abierto estables, admite ganancias
muy elevadas sin que sea inestable.
En el caso que el cero está en el semiplano derecho, habrá un valor lı́mite de Kc que
hará que el polo de lazo cerrado se pase al semiplano derecho en su camino hacia el cero.
En este caso el sistema será inestable para valores de Kc mayores que ese valor lı́mite.
Otro aspecto de interés que debemos puntualizar es que si el cero del sistema se
encuentra en valores negativos muy grandes, a medida que el polo va a alcanzarlo cuando
se aumenta la ganancia, el sistema de lazo cerrado se hace más rápido. Esto es porque la
constante de tiempo del sistema de lazo cerrado se achica a medida que el polo se aleja
del origen (la constante de tiempo es la inversa negativa del polo o autovalor del sistema).
Esto pone en evidencia una propiedad muy importante de los sistemas realimentados que
consiste en aumentar la velocidad de respuesta dinámica.
3.6. SISTEMAS REALIMENTADOS DE PRIMER ORDEN 71
Por último observemos que la función de transferencia del sistema que corresponde a la
entrada de perturbación, se hace cero a medida que aumenta la ganancia del controlador,
sin que el sistema se torne inestable.
Ejemplo 3.1:
Veamos un ejemplo de un sistema cuya función de transferencia es de primer orden.
Supongamos que tenemos la estructura de control como en la figura 3.8 donde Kv = 1,
el controlador es un proporcional (Gc = Kc ) y las transferencias de la planta (Gp ) y de la
perturbación (Gv ) son:
2 0,75
Gp (s) = ; y Gv (s) = (3.29)
5s + 1 5s + 1
La función de transferencia de lazo cerrado será:
2Kc 0,75
1+2Kc 1+2Kc
Y (s) = 5 R(s) + 5 V (s) (3.30)
1+2Kc
s+ 1 1+2Kc
s+ 1
Veamos la respuesta al escalón para diferentes valores de Kc . En la figura 3.10 se
muestra la respuesta y(t) para una entrada escalón unitaria en el valor deseado r(t)
cuando varı́a Kc . Observe qué ocurre con el error de estado estacionario cuando aumenta
Kc .
1
0.9
Kc=6
0.8
0.7
0.6
Amplitud
0.5 Kc=2
0.4
Kc=1
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.10: Respuesta de y(t) para una entrada escalón en el valor deseado.
En la figura 3.11 se muestra la respuesta y(t) para una entrada de escalón unitaria de
la perturbación v(t). ¿Qué ocurre al aumentar la constante del controlador? Se observa
que al aumentar el valor de Kc disminuye el error de estado estacionario ante una entrada
escalón en el valor deseado, y se reduce el efecto de la perturbación. Debido a que el
sistema es estable con inversa estable, teóricamente podrı́a aumentarse el valor de Kc
hasta obtener un error en estado estacionario tan chico como se quiera, aunque esto
tiene limitaciones prácticas y tecnológicas (no es posible diseñar un amplificador con una
ganancia excesivamente alta por ejemplo).
72 CAPÍTULO 3. SISTEMAS REALIMENTADOS
0.25
Kc=1
0.2
0.15
Amplitud Kc=2
0.1
0.05
Kc=6
0
0 0.5 1 1.5 2 2.5
t (seg)
que realimentamos con una ganancia Kc según se muestra en la figura 3.12. Se observa la
presencia de una perturbación que afecta a la salida.
V(s) Ku
+
R(s) E(s) U(s) Kp + Y(s)
+ + Kc (T s + 1)(T s + 1) +
-
Figura 3.12: Esquema realimentado de un sistema de segundo orden con control propor-
cional.
Kc Kp 2
Y (s) = (T1 T2 )s2 +(T1 +T2 )s+(1+Kc Kp )
R(s) + Ku (T1 T2(T)s12T+(T
2 )s +(T1 +T2 )s+1
1 +T2 )s+(1+Kc Kp )
V (s) (3.31)
3.7. SISTEMAS REALIMENTADOS DE SEGUNDO ORDEN 73
Aquı́ observamos que las raı́ces del denominador o ecuación caracterı́stica, son de la
forma:
s 2
T1 + T2 T1 + T2 1 + Kc Kp
s1,2 = − ± − (3.33)
2T1 T2 4T1 T2 T1 T2
Es decir que la parte real se mantiene constante, para un T1 y T2 dados, pero la parte
imaginaria cambia según sea el valor de Kc . Un gráfico del lugar de raı́ces para este caso
se muestra en la figura 3.13.
jw
s = σ + jw
− / − / σ
La parte imaginaria de las raı́ces tienden a +∞ y a −∞ para cancelarse con los ceros
del sistema a lazo abierto respectivamente. Los dos ceros de este sistema están desde luego
en el infinito de C. Puede parecer extraño que este sistema tenga ceros en infinito pero
notemos a la función de transferencia le podemos agregar en el numerador un término
(−T s + 1) con T → 0. Sin embargo este indica un cero en 1/T → ∞. De la misma forma
podemos agregar un término (T s + 1) en el numerador en el cual 1/T → −∞. En general,
si el denominador de la función tiene r raı́ces más que el numerador, habrá r ceros en ∞.
Al aumentar Kc habrá r polos que tienden a ∞.
T1 + T2 1 + Kc Kp
s2 + s+ = s2 + 2ξωn s + ωn2 (3.34)
T1 T2 T1 T2
donde las raı́ces quedan expresadas como:
p
s1,2 = −ξωn ± ωn (ξ 2 − 1) (3.35)
Notemos que si ξ < 1 las raı́ces son complejas conjugadas dando modos oscilatorios
según se vio en el capı́tulo 2. Al valor ξ se lo denomina factor de amortiguamiento ya que
está relacionado con la atenuación de las oscilaciones. Si el factor de amortiguamiento es
cero, las oscilaciones son sostenidas. A medida que aumenta el factor de amortiguamiento
las oscilaciones se atenúan.
Podemos ver entonces que aumentando la ganancia del controlador, el sistema, aún sin
pasarse al semiplano derecho, puede oscilar en forma indeseable, puesto que el lugar de
raı́ces se desplaza hacia ξ menores, (oscilaciones más atenuadas), por lo que en este caso la
ganancia no puede aumentar en forma indefinida como en el caso de primer orden. En el
caso de sistema de segundo orden, necesariamente habrá un error de estado estacionario
cuando se utiliza un controlador con una ganancia estática (control proporcional). La
frecuencia ωn se denomina frecuencia natural del sistema, y es la que determina el periodo
de oscilación del sistema de lazo cerrado.
De la ecuacion 3.34 vemos que:
r
1 + Kc Kp T1 + T2
ωn = , ξωn = (3.36)
T1 T2 2T1 T2
En la figura 3.14 se muestra el lugar de raı́ces en función de ξ y ωn .
La respuesta al escalón de un sistema con raı́ces complejas está dado por:
√
e(−ξωn t) sen(ωn 1−ξ 2 t−ϕ)
y(t) = 1 + √
1−ξ2
donde (3.37)
√
1−ξ 2
ϕ = tan−1 −ξ
;
De la ecuación 3.37 se observa que:
jw
±ω 1−
− / − / σ
−ξ ω
Ejemplo 3.2:
Veamos un ejemplo, ahora de segundo orden, descrito por las siguientes funciones de
transferencia:
2
Gp (s) =
(3s + 1)(s + 1)
0,65
Gper (s) =
(3s + 1)(s + 1)
(3.38)
2Kc 0,65
(3s+1)(s+1) (3s+1)(s+1)
Y (s) = 2Kc
R(s) + 2Kc
V (s)
1 + (3s+1)(s+1) ) 1 + (3s+1)(s+1) )
2Kc 0,65
Y (s) = R(s) + V (s)
(3s2 + 4s + 1 + 2Kc ) 2
(3s + 4s + 1 + 2Kc )
Veamos la respuesta al escalón del sistema. Para ello analizamos que ocurre si ingresa
un escalón en el valor deseado y en la perturbación:
1.8
Kc=40
1.6 Kc=25
1.4 Kc=12
1.2
Amplitud
0.8
Kc=4
0.6
Kc=2
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.16: Respuesta temporal y(t) ante una entrada escalón unitario del valor deseado.
0.16
0.14
0.12 Kc=2
0.1
Amplitud
0.08 Kc=4
0.06
0.04 Kc=12
Kc=25
0.02 Kc=40
0
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.17: Respuesta temporal y(t) ante una entrada escalón unitario en la perturbación.
En la figura 3.18 se muestra el lugar de las raı́ces del sistema. Cuando se cierra el lazo,
las raı́ces varı́an hasta alcanzar el punto medio entre los polos de lazo abierto. A partir de
este valor las raı́ces pasan a ser complejas, a medida que Kc aumenta la parte imaginaria
tiende a ± ∞.
Root Locus
0.4
0.3
0.2
Imaginary Axis
0.1
-0.1
-0.2
-0.3
-0.4
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2
Real Axis
Kp
Gp (s) = ;
(T1 s + 1)(T2 s + 1)(T3 s + 1)
Kc Kp Ku
(T1 s+1)(T2 s+1)(T3 s+1) (T1 s+1)(T2 s+1)(T3 s+1)
Y (s) = R(s) + V (s)
1 + (T1 s+1)(TK2cs+1)(T
Kp
3 s+1)
1 + (T1 s+1)(TK2cs+1)(T
Kp
3 s+1)
con
Y (s) Kc Kp
= ;V = 0
R(s) (T1 T2 T3 )s + (T1 T2 + T1 T3 + T2 T3 )s2 + (T1 + T2 + T3 )s + 1 + Kc Kp
3
Y (s) Ku
= ;R = 0
V (s) (T1 T2 T3 )s + (T1 T2 + T1 T3 + T2 T3 )s2 + (T1 + T2 + T3 )s + 1 + Kc Kp
3
Ejemplo 3.3:
Consideremos a modo de ejemplo la siguiente función de transferencia de la planta:
0,332
Gp (s) =
(s + 1)(0,5s + 1)(0,33s + 1)
En lazo abierto (Kc = 0) las raı́ces son: -1, -2, y -3. Considerando Kv = 1, la ecuación
caracterı́stica es:
0,165s3 + 0,995s2 + 1,83s + 1 + Kc Kp = 0 El lugar de raı́ces de este ejemplo obtenido con
Matlab se muestra en la figura 3.19. Se observa que al ser un sistema de tercer orden sin
ceros dos ramas del lugar de raı́ces cortan al eje imaginario en dos puntos, lo cual indica
que a partir de un determinado valor de Kc el sistema será inestable. El valor de Kc que
hace que las raı́ces estén sobre el eje imaginario es el máximo valor que puede tomar la
ganancia y en el ejemplo considerado es Kcmax = 30.
En la figura 3.20 se muestra la respuesta temporal y(t) para un escalón en el valor
deseado, del ejemplo de tercer orden, empleando diferentes valores de Kc . En la figura 3.21
se muestra la respuesta temporal y(t) para el caso de un escalón en la perturbación. Se
aprecia que al aumentar el valor de Kc , disminuye el error de estado estacionario, aumenta
la velocidad de respuesta, y disminuye el efecto de las perturbaciones. Se observa además
que al emplear el valor de la Kcmax el sistema oscila de manera sostenida y que al emplear
valores más elevados que la constante máxima el sistema se vueve inestable. Esto ocurre
porque los polos del sistema tienen parte real positiva cuando la ganancia del controlador
es superior al valor de Kcmax .
Root Locus
5
2
Imaginary Axis
-1
-2
-3
-4
-5
-8 -7 -6 -5 -4 -3 -2 -1 0 1
Real Axis
3.5
3 Kc=35
2.5
2
Kc=10
Amplitud
1.5
0.5
-0.5 Kc=2
Kc=30
-1
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.20: Respuesta temporal y(t) ante una entrada escalón de valor deseado.
80 CAPÍTULO 3. SISTEMAS REALIMENTADOS
0.7
0.6
0.5 Kc=2
0.4
Amplitud
Kc=10
0.3
0.2
0.1
Kc=30 Kc=35
-0.1
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.21: Respuesta temporal y(t) ante una entrada escalón en la perturbación.
Kp (Ta s + 1)
Gp = (3.39)
(T1 s + 1)(T2 s + 1)(T3 s + 1)
Kc Kp (Ta s + 1)
Y (s) = R(s) (3.40)
(T1 s + 1)(T2 s + 1)(T3 s + 1) + Kc Kp (Ta s + 1)
Nos podemos plantear la siguiente cuestión ¿El sistema de lazo cerrado es estable?:
Depende de la posición del cero respecto de los polos de la función de transferencia en
lazo abierto.
Retomemos el ejemplo anterior, y vamos a agregarle un cero. Analizaremos que ocurre
cuando variamos Ta , para ello consideremos que T1 , T2 , y T3 toman los valores 1, 1/2 y
1/3 respectivamente y Kc Kp = 1. Se observa en la figura 3.22 las variaciones significativas
que se producen en el lugar de raı́ces del sistema.
Note como a medida que el cero se aleja del origen hacia −∞ pierde influencia sobre
los polos del sistema produciendo que el lugar de las raı́ces pasen al semiplano derecho
del plano complejo.
3.10. SISTEMAS REALIMENTADOS DE ORDEN MAYOR QUE DOS 81
Ta =0.4 Ta =0.2
5 20
Imaginary Axis
10
0 0
-10
-5 -20
-4 -2 0 2 -6 -4 -2 0 2
Ta =0.15 Ta =0.1
40 40
Imaginary Axis
20 20
0 0
-20 -20
-40 -40
-10 -5 0 5 -15 -10 -5 0 5
Real Axis Real Axis
0 00 0
Donde m son los ceros reales; m son los ceros complejos conjugados; n son los polos
00
reales y n son los polos complejos conjugados. Cada uno de los polos del sistema de lazo
cerrado se mueven en el plano complejo a medida que aumenta el valor de Kc . El lugar
de raı́ces sigue ciertas reglas de comportamiento que podemos resumir en las siguientes:
Los polos de lazo cerrado se cancelan con los de lazo abierto del sistema a medida
de Kc → ∞.
Si Gp (s) tiene n polos, entonces el lugar de raı́ces tiene n ramas asintóticas, con
Kc > 0.
Ahora puede aplicarse el mismo razonamiento que en los casos de primer y segundo
orden vistos en las secciones precedentes para obtener el lugar de raı́ces de todo el conjunto.
Cómo en la mayorı́a de los casos, cuando aumenta la ganancia el sistema se torna inestable
(los polos del sistema pasan al semiplano real positivo dando los modos inestables). No es
posible aumentar excesivamente la ganancia del controlador. Esto hace que nos alejemos
de las condiciones ideales que establecimos en la ecuación 3.6. En consecuencia, el error
de estado estacionario será distinto de cero y se evidencia el compromiso entre estabilidad
y precisión para el diseño del controlador.
82 CAPÍTULO 3. SISTEMAS REALIMENTADOS
Kp e−Ls
Gp = (3.42)
Ts + 1
−Ls 1 − 12 Ls
e = (3.43)
1 + 12 Ls
Kp (1 − 12 Ls)
Gp = (3.44)
(T s + 1)(1 + 12 Ls)
Kc Kp (1− 12 Ls)
(T s+1)(1+ 12 Ls)
Glc (s) = Kc Kp (1− 12 Ls)
(3.45)
1+ (T s+1)(1+ 21 Ls)
1 1 1
T Ls2 + ( L + T − LKc Kp )s + 1 + Kc Kp = 0 (3.46)
2 2 2
Al aumentar Kc , el término lineal se hace negativo, entonces aparece una raı́z positiva.
Ejemplo 3.4:
Esquematicemos este hecho con un ejemplo, para ello consideremos el sistema con
demora:
2e−0,75s
Gp = (3.47)
5s + 1
K =6
c
1.5
1
Amplitud
0.5
Kc=5.5
0
Kc=2
-0.5
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.23: Primer orden con demora. Respuesta temporal al escalón en el valor deseado.
Root Locus
4
2
Imaginary Axis
-1
-2
-3
-4
-2 0 2 4 6
Real Axis
La inestabilidad aparece en los sistemas con demoras debido al retardo que se produce
entre la acción de control y la medición de la misma.
En la mayorı́a de los casos analizados anteriormente hemos visto que aumentando la
ganancia del controlador el sistema tiende a ser inestable, es decir, los polos del sistema
pasan al semiplano real positivo dando modos inestables. Es decir que no es posible, en
la mayorı́a de los casos, aumentar excesivamente la ganancia del controlador. Esto hace
que nos alejemos de las condiciones ideales que establecimos en la ecuación 3.6. El error
84 CAPÍTULO 3. SISTEMAS REALIMENTADOS
1 + G(s)Kc = 0
Donde G(s) incluye todas las funciones de transferencia del lazo excepto la ganancia del
controlador Kc . Nos interesa el valor de Kcmax que hace que el sistema esté en el lı́mite de
la estabilidad. Obtener el Kcmax consiste en determinar el valor de Kc que hace que algún
polo esté en el eje imaginario del plano s. Es decir que existirá algún ω = ωc que hace que
la ecuación caracterı́stica tenga alguna solución con parte real nula y parte imaginaria
igual a jωc . Luego para calcular el valor de Kcmax debemos resolver la siguiente ecuación:
−1
1 + G(jωc )Kcmax = 0 ⇒ G(jωc ) = (3.48)
Kcmax
Donde se ha cambiado s por jωc porque los polos (valores de s que hacen que la
ecuación caracterı́stica se iguale a cero) que nos interesan están sobre el eje imaginario.
Notemos que, para que las raı́ces de la ecuación caracterı́stica estén en el eje jω:
−1
Im {G(jωc )} = 0; Re {G(jωc } = (3.49)
Kcmax
1
|G(jωc )| = y ∠G(jωc ) = −180◦ (3.50)
Kcmax
Por lo tanto de estas dos ecuaciones podemos despejar el valor de ωc (altura a la cual
el lugar de raı́ces corta al eje imaginario) y el valor de Kcmax .
deben ser distintos de cero y del mismo signo. Esta es una condición necesaria pero no
suficiente. La segunda nos da la condición de suficiencia y consiste en realizar un arreglo
con los coeficientes y verificar ciertas condiciones.
El criterio de estabilidad de Routh nos dice si existen o no raı́ces con parte real
positiva en una ecuación polinomial, sin tener que obtenerlas en realidad. Este criterio de
estabilidad sólo se aplica a los polinomios con una cantidad finita de términos.
El procedimiento denominado criterio de estabilidad de Routh, es el siguiente:
Escribir el polinomio caracterı́stico en s de la siguiente forma:
d0 sn + d1 sn−1 + · · · + dn−1 s + dn = 0 (3.51)
donde los coeficientes son cantidades reales. Se supone que dn 6= 0, es decir, se ha
quitado cualquier raı́z igual a cero.
Si cualquiera de los coeficientes es cero o negativo en la presencia de por lo menos
un coeficiente positivo, hay una o más raı́ces que son imaginarias o que tienen parte
real positivas (primera condición ya mencionada anteriormente).
Si todos los coeficientes son positivos, agrupar los coeficientes del polinomio en filas
y columnas de acuerdo con el siguiente esquema:
sn d0 d2 d4 d6
sn−1 d1 d3 d5 d7
sn−2 e1 e2 e3 e4
sn−3 f1 f2 f3 f4
sn−4 g1 g2 g3 g4
.. .. ..
. . . . .
s2 h1 h2 . .
s1 i1 . . .
s0 j1 . . .
Los coeficientes e1 , e2 , . . . son calculados del siguiente modo:
d1 d2 −d0 d3
e1 = d1
d1 d4 −d0 d5
e2 = d1
d1 d6 −d0 d7
e3 = d1
···
La evaluación de ei continúa hasta que las restantes sean todas ceros. Se sigue de la
misma forma para las demás filas según:
e1 d3 −d1 e2
f1 = e1
e1 d5 −d1 e3
f2 = e1
e1 d7 −d1 e4
f3 = e1
···
Este proceso continúa hasta haber completado la n-ésima fila. El conjunto completo
de los coeficientes es triangular. El criterio de Routh entonces dice que la cantidad
de raı́ces del polinomio caracterı́stico con partes reales positivas es igual al número
de cambios de signo de los coeficientes de la primera columna del conjunto.
86 CAPÍTULO 3. SISTEMAS REALIMENTADOS
Ejemplo 3.5:
Se desea saber cuándo un sistema de tercer orden con polinomio caracterı́stico de la
forma:
d0 s3 + d1 s2 + d2 s1 + d3 = 0 (3.52)
es estable. Para eso hallaremos la condición que deben cumplir los coeficientes para que
las raı́ces queden siempre en el semiplano izquierdo. La primera condición es que todos los
coeficientes sean mayores que cero. Para la segunda condición, el conjunto de coeficientes
del criterio queda como:
s3 d0 d2
s2 d1 d3
d1 d2 −d0 d3
s1 d1
.
s0 d3 .
La condición de que todas las raı́ces tengan parte real negativa está dada por: d1 d2 >
d0 d3 ; d0 > 0; d1 > 0; d2 > 0; d3 > 0.
Ejemplo 3.6:
Veremos ahora si la ecuación caracterı́stica dada por: s4 + 2s3 + s2 + 4s1 + 4 = 0 es
estable. Dado que todos los coeficientes son positivos, veremos el arreglo de Routh:
s4 1 1 4 0
s3 2 4 0 .
s2 −1 4 0 .
s1 12 0 . .
s0 4 0 . .
. 0 . . .
En este sistema hay dos raı́ces en el semiplano derecho del plano “s”, pues hay dos cambios
de signo.
Caso especial:
Si el término de la primera columna de cualquier renglón es cero, pero los términos
restantes no son cero, o no hay términos restantes, el término cero se sustituye con un
número positivo muy pequeño y se evalúa el resto del arreglo. Por ejemplo, considere la
ecuación: P (s) = s3 + 2s2 + s + 2 = 0 El arreglo de coeficientes es:
s3 1 1
s2 2 2
1
s ≈0
s0 2
3.13. CONCLUSIONES 87
3.13. Conclusiones
En este capı́tulo hemos presentado el sistema en lazo cerrado, y hemos estudiado las
ventajas de utilizar el control por realimentación. También hemos presentado el compro-
miso entre precisión y estabilidad para el diseño del controlador. Hemos visto el control
por realimentación más sencillo que se conoce que es el control proporcional, es decir,
cuando el controlador es sólo una ganancia estática. Este tipo de control fue analizado
para los casos de sistemas de primer, segundo y órdenes mayores. La evolución dinámica
del sistema de lazo cerrado queda dada por los polos de la ecuación caracterı́stica que fue-
ron analizados según el método del lugar de raı́ces. Hemos definido una medida del error
entre el valor deseado y el valor real de la variable controlada que es el error de estado
estacionario. Esta es una medida incompleta de la precisión, ya que sólo tiene en cuenta
el apartamiento de la variable respecto de su valor de estado estacionario. Una medida
más completa, además de considerar el error de estado estacionario, es tener en cuenta el
error producido en los transitorios. Esto conduce a controladores más elaborados, algunos
de los cuales se verán en este curso. Finalmente, se presentó el criterio de estabilidad de
Routh como una herramienta para conocer si un sistema en lazo cerrado será inestable a
partir de su ecuación caracterı́stica, sin la necesidad de calcular sus raı́ces.
3.14. Problemas
1. El proceso de intercambio de calor del ejemplo 1.3 se controla a lazo abierto según
la figura 3.1. Los parámetros del proceso son: C1 = C2 = 1 Kcal/◦ C ; R =
1◦ Cseg/Kcal.
w1 se mantiene constante en 1Kcal/◦ Cseg y las temperaturas de entrada se man-
tienen constantes en u1 = 30◦ C y u2 = 75◦ C.
El sistema se encuentra funcionando en estado estacionario con x1 = 45◦ C.
a)Calcular w2 de estado estacionario para las condiciones dadas.
b)Calcular el w2 necesario para que el valor de x1 en estado estacionario cambie a
50 ◦ C.
c)Simular el proceso con el w2 calculado en b). En la simulación el parámetro w2 se
cambia al nuevo valor en t = 10segs. y en t = 80segs. se añade una perturbación
escalón (no medible) a u1 .
Extraer conclusiones, en base a la simulación, sobre cómo la perturbación afecta a
este sistema de control. Proponga posibles soluciones.
3. Un sistema inercial con fuerza como entrada y desplazamiento como salida (es decir,
un integrador doble) tiene un lazo de realimentación positiva, lo que significa que
la fuerza aumenta en proporción al aumento del desplazamiento. Dibujar el lugar
geométrico de las raı́ces.
4. Un sistema de nivel de lı́quido mostrado en la figura 3.25 posee un control propor-
cional.
a) Determinar la matriz A del sistema de lazo cerrado con control proporcional
(ganancia kc ).
b) Determinar el rango de kc para que el sistema sea estable.
u
Kc
C1 C2
y=x3
x1 x2
R3
R2 R1
C3
x3
R4
5. Las funciones
Cap3de transferencia
Problema 4 siguientes se usan para aproximar una demora:
1− 12 Ls (Ls)2 −6Ls+12
G1 (s) = 1+ 21 Ls
, G2 (s) = (Ls)2 +6Ls+12
.
1
G(s) =
s(T s + 1)(2s + 1)
se realimenta con un control proporcional Kc . Usando el criterio de Routh, encontrar
el valor de Kc para cada T que haga que el sistema de control esté en el lı́mite de
la estabilidad. Graficar en un plano Kc , T .
3.14. PROBLEMAS 89
1 − 12 s
Gp (s) =
(1 + s)(1 + 12 s)
1
G(s) =
(s + 1)(s + 3)
10. Simular el sistema del problema anterior para una entrada escalón unitario en el
valor deseado. Realizar la simulación para los valores de kc hallados y comprobar
los valores de la relación de amplitud por perı́odo y del error de estado estacionario.
Extraer conclusiones sobre los pro y los contra de ajustar el controlador proporcional
con cada uno de los valores de kc .
90 CAPÍTULO 3. SISTEMAS REALIMENTADOS
Step Response
Y(t)
0.5
Valor de
estado 0.4
estacionario Q)
"C
::1
0.3
E
<(
0.2
0.1
1 2 3 4 5 6 7 8
t
Figura 3.26: Problema 9
Capı́tulo 4
Respuesta en frecuencia
4.1. Introducción
En este capı́tulo se estudiará la respuesta en frecuencia de los sistemas dinámicos li-
neales e invariantes en el tiempo, que es una de las técnicas más populares para el análisis
y diseño de lazos de control de sistemas lineales. Una ventaja del enfoque de la respuesta
en frecuencia es que las pruebas necesarias son, en general, sencillas y pueden ser muy
precisas con el uso de generadores de señales senoidales que se obtienen con facilidad y un
equipo de medición preciso. En general, las funciones de transferencia de los componen-
tes complicados se determinan experimentalmente mediante pruebas de la respuesta en
frecuencia. El capı́tulo está organizado de la siguiente manera, comenzaremos por definir
la respuesta en frecuencia de un sistema lineal e invariante en el tiempo (LTI) causal.
Veremos su representación gráfica en diagramas logarı́tmicos y en diagramas polares. Con
estas herramientas estudiaremos la estabilidad y detallaremos el criterio de estabilidad de
Nyquist. Definiremos el margen de ganancia y el margen de fase, como una medida de
la estabilidad de un lazo de realimentación. Veremos el diseño de controladores más ela-
borados que el simple controlador proporcional. Las herramientas dadas en este capı́tulo
son indispensables para comprender los controladores industriales utilizados en control de
procesos que se verán en detalle en el capı́tulo 5.
91
92 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
G(jω) es una constante compleja cuyo valor depende de la frecuencia ω y que está rela-
cionada con la respuesta al impulso del sistema por la siguiente expresión:
Z +∞
G(jω) = g(τ )e−jω(τ ) dτ (4.4)
0
La exponencial compleja es una función propia del sistema LTI. Se denomina función
propia a una señal de entrada para la cual la salida temporal es dicha entrada multiplicada
por una constante (posiblemente compleja), ver ecuación 4.3.
Ahora consideremos que la entrada forzante es senoidal (es decir una suma de expo-
nenciales complejas) dada por:
1 jωt 1
u(t) = sen(ωt) = e − e−jωt (4.5)
2j 2j
La respuesta temporal se puede obtener a partir de la integral de convolución:
Z +∞
1 jω(t−τ ) 1 −jω(t−τ )
y(t) = g(τ ) e − e dτ (4.6)
0 2j 2j
la cual se puede expresar de la siguiente manera:
Z +∞ Z +∞
1 −jωτ 1
y(t) = ejωt g(τ )e dτ − e−jωt g(τ )ejωτ dτ (4.7)
2j 0 2j 0
1 jωt 1
y(t) = e G(jω) − e−jωt G(−jω) (4.8)
2j 2j
4.2. RESPUESTA EN FRECUENCIA 93
A0 kp
yp (t) = √ sen(ωt − tg −1 (ωT )) (4.15)
1 + ω2T 2
La salida yp (t) es una señal sinusoidal de la misma frecuencia que la señal de en-
trada, pero de diferente amplitud y fase.
Es decir que un sistema lineal e invariante en el tiempo sometido a una entrada sinu-
soidal, da como salida, después de extinguidos los transitorios, otra señal sinusoidal de la
misma frecuencia (ω) pero con amplitud y fase cambiadas (ver Figura 4.2). La amplitud
de la salida está afectada por el módulo de la función de transferencia cuando en ella se
94 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
Y (jω)
|G(jω)| = ; ∠G(jω) = ∠ Y (jω) (4.16)
X(jω) X(jω)
n(s) n(s)
G(s) = = . (4.17)
d(s) (s + s1 )(s + s2 )...(s + sn )
Considerando que el proceso es sometido a una entrada de tipo sinusoidal, de la forma:
Aω
u(t) = Asen(ωt) −→ U (s) = (4.18)
s2 + ω2
Entonces la salida queda expresada como:
n(s) Aω
Y (s) = G(s)U (s) = (4.19)
d(s) s2 + ω 2
El estudio se limitará exclusivamente a sistemas LTI estables. Para estos sistemas
las partes reales de las raı́ces del polinomio d(s) tienen valores negativos, esto permitirá
analizar la respuesta en estado permanente del proceso y además se podrán suponer
condiciones iniciales nulas ya que se extinguen a medida que t 7→ ∞. Supongamos, sin
perdida de generalidad, que Y (s) tiene únicamente polos distintos, entonces el desarrollo
en fracciones parciales de la salida puede expresarse como:
4.2. RESPUESTA EN FRECUENCIA 95
n(s) Aω a ā b1 b2 bn
Y (s) = 2 2
= + + + + .... + (4.20)
d(s) s + ω s + jω s − jω s + s1 s + s2 s + sn
A |G(jω)| e−j∠G(jω)
a=− (4.26)
2j
De manera similar se tiene que:
A |G(jω)| e+j∠G(jω)
ā = lı́m (s − jω)Y (s) = (4.27)
s→+jω 2j
De este modo la salida permanente en el dominio transformado queda expresada como:
Note que una vez extintos las diferentes componentes exponenciales transitorias, la
salida es una señal sinusoidal de igual frecuencia que la de entrada pero de diferente
amplitud y fase, de igual manera que ocurre con los sistemas de primer orden.
De las deducciones anteriores podemos destacar una serie de conclusiones, a saber:
96 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
Supongamos que tenemos un sistema LTI y lo excitamos con una entrada perı́odica
como la onda cuadrada que se muestra en la figura 4.3. Si queremos conocer la salida no
podemos usar estrictamente la respuesta en frecuencia ya que la entrada no es una señal
sinusoidal pura. Sin embargo, es posible aproximar esta señal utilizando una combinación
lineal de señales sinusoidales relacionadas armónicamente cuya frecuencia fundamental es
ωf = 2π/T = 2π/2 = π, resultando en:
u(t)
−1 1 t[seg]
−1
X∞
u(t) = ak sen {(2k + 1)πt} (4.31)
k=0
donde
4
ak = k = 0, 1, ....∞. (4.32)
(2k + 1)π
Si como aproximación se consideran los primeros cuatro términos (esto equivale a truncar
la sumatoria en)
XN
N = 3; u(t) ≈ ak sen {(2k + 1)πt} , (4.33)
k=0
4.2. RESPUESTA EN FRECUENCIA 97
Entonces:
4 1 1 1
u(t) ≈ sen(πt) + sen(3πt) + sen(5πt) + sen(7πt) (4.34)
π 3 5 7
1
G(s) = (4.35)
Ps + 1
se tiene que:
1
|G(jω)| ≈ p ; ∠G(jω) = − tan−1 (P ω) = Φ(ω) (4.36)
(P ω)2 +1
4 X
y(t) ≈ |G(jnπ)|sen(nπt + ∠G(jnπ)) (4.37)
π n=1,3,5,7
Supongamos que el polo del sistema está en s = −5, es decir P = 0,2, entonces reempla-
zando en 4.36 se tiene que:
2.5
u(t)
2 Aproximmación u(t), N=3
Aproximmación u(t), N=14
1.5
0.5
-0.5
-1
-1.5
0 1 2 3 4
segundos
Respuesta a u(t)
6
Rta. con aprox. N=3
Rta. con aprox. N=14
4
-2
-4
0 1 2 3 4
Figura 4.5: Comparación de la respuestasegundos
del sistema cuando se utilizan las aproximaciones
para u(t).
log | ( )| | ( )|
2 100
1 10
0 1
−1 0.1
−1 0 1 2 log
0.1 1 10 100
1. Ganancia K.
Una vez que nos familiarizamos con las trazas logarı́tmicas de estos factores básicos, es
posible utilizarlas con el fin de construir una traza logarı́tmica compuesta para cualquier
forma de G(jω). Una manera de hacerlo es factorizando la función de transferencia G(s) en
elementos básicos, trazando las curvas para cada factor y agregando curvas individuales en
forma gráfica, ya que agregar los logaritmos de las ganancias corresponde a multiplicarlos
entre sı́. El proceso de obtener la traza logarı́tmica se simplifica todavı́a más mediante
aproximaciones asintóticas para las curvas de cada factor. Si es necesario, es fácil hacer
correcciones a una traza aproximada, con el fin obtener una precisa.
100 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
La ganancia K:
G(jω) = K
La constante K es invariante en frecuencia, y se tiene:
Bode Diagram
1
10
Ganancia positiva
Magnitude (abs)
Ganancia negativa
0
10
-1
10
180
Phase (deg)
90
-90
-180 0 1
10 10
Frequency (rad/sec)
1
|G(jω)| = (4.42)
ω
∠G(jω) = 0 − tan−1 (ω/0) = 0 − 90 = −90 (4.43)
|G(jω)| = ω (4.44)
∠G(jω) = tan−1 (ω/0) = 90 (4.45)
4.3. REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA 101
Bode Diagram
1
10
Magnitude (abs)
(j)-1
0
10 j
-1
10
180
Phase (deg)
90
-90
-180 0 1
10 10
Frequency (rad/sec)
Es fácil observar que las diferencias en las respuestas en frecuencia de los factores 1/jω
y jω estriban en los signos de las pendientes de las curvas de magnitud logarı́tmica y en
los signos de los ángulos de fase. Si la función de transferencia contiene el factor (1/jω)n
o (jω)n la magnitud logarı́tmica se convierte, respectivamente, en:
Para (1/jω)n :
log(|(1/jω)n |) = −nlog(|jω|) = −nlog(ω) (4.48)
∠(1/jω)n = n(0 − tan−1 (ω/0) = −n90 (4.49)
Para (jω)n :
log(|(jω)n |) = nlog(|jω|) = nlog(ω) (4.50)
∠(jω)n = n(tan−1 (ω/0) = n90 (4.51)
102 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
1
= −tan−1 (ωT )
∠ (4.53)
1 + jωT
Notemos que para las frecuencias bajas tales que ω << 1/T , la amplitud se aproxima
asintóticamente a la unidad (cero Db), y que para frecuencias altas tales que ω >>
1/T , la amplitud se aproxima asintóticamente a (1/ωT ), es decir que si el gráfico es
en escala logarı́tmica, para altas frecuencias la amplitud decae con pendiente -1 y si
está en Db, corresponde a -20Db por década de frecuencia. Esto puede comprobarse
inmediatamente realizando el log(1/ωT ) y obteniendo la derivada de éste respecto del
log(ω). Una representación de diagrama de Bode de este sistema se muestra en la figura
4.9. A la frecuencia cero el ángulo de fase es cero, a la frecuencia ω = 1/T , la fase es
de -45 grados, y en infinito, la fase vale -90 grados. Se puede calcular el error que se
produce al trazar el diagrama por ası́ntotas. De esta manera puede trazarse por un lado
el diagrama de magnitud mediante las ası́ntotas. Por otro lado para el diagrama de fase,
puede utilizarse una aproximación mediante una recta de pendiente −45◦ /década, que
cruza a la curva verdadera en ω = 1/T .
Bode Diagram
0
10
Magnitude (abs)
-1
10
-2
10
0
Phase (deg)
-30
-60
-90
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Figura 4.9: Curva de logarı́tmo de la amplitud, junto con ası́ntotas y ángulo de fase de
(1 + jωT )−1 , con 1/T = 3.
El mismo análisis puede ser realizado para G(jω) = (1 + jωT ), en este caso se tiene
que:
p
|G(jω)| = 1 + (ωT )2 ∠G(jω) = tan−1 (ωT ) (4.54)
El diagrama de amplitud y fase y la aproximación por ası́ntotas puede verse en la
figura 4.10.
4.3. REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA 103
Bode Diagram
2
10
Magnitude (abs)
1
10
0
10
90
Phase (deg)
45
0
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Figura 4.10: Curva de logarı́tmo de la amplitud, junto con ası́ntotas y ángulo de fase de
(1 + jωT ), con 1/T = 3.
1
G(jω) = (4.55)
[1 + 2ξ(jω/ωn ) + (jω/ωn )2 ]
y se puede observar en la figura 4.11 para distintos valores del factor de amortigua-
miento ξ. El módulo de la respuesta en frecuencia de este sistema está dado por:
104 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
1 1
= p (4.56)
|[1 + 2ξ(jω/ωn ) + (jω/ωn )2 ]| (1 − (ω/ωn )2 )2 + (2ξ(ω/ωn ))2
Figura 4.11: Curva de logaritmo de la amplitud, junto con ası́ntotas y ángulo de fase del
factor cuadrático.
Se puede tener una curva de respuesta en frecuencia asintótica del módulo, al igual que
en los casos anteriores, observando que para frecuencias bajas respecto de la frecuencia
natural (ω ωn ), la ası́ntota es una lı́nea horizontal en el valor uno (cero en Db), y que
para frecuencias mucho mayores que la natural (ω ωn ), la ası́ntota es una recta con
pendiente -2, o -40Db por década. La ası́ntota de altas frecuencias corta a la de bajas
frecuencias en ω = ωn . Cerca de la frecuencia natural se produce un pico de resonancia,
en donde el factor de amortiguamiento ξ cumple un papel determinante.
El ángulo de fase del factor cuadrático está dado por:
" ω
#
2ξ
1 ωn
∠ = − tan−1 (4.57)
[1 + 2ξ(jω/ωn ) + (jω/ωn ) ]2 1 − ωω22
n
Sistemas de circuito abierto inestable (polos positivos), por ejemplo, algunos reac-
tores quı́micos exotérmicos o un péndulo invertido.
En la figura 4.13 se muestra el diagrama de Bode de dos sistemas de primer orden con un
cero, uno de fase mı́nima (con cero en el semiplano izquierdo) y otro de fase no mı́nima
(con cero en el semiplano derecho). En Bode
mbosDiagram
casos, el módulo es unitario para todas las
frecuencias:
Magnitude (abs)
1 + jωT 1 − jωT
G1 (jω) = ; G2 (jω) = ; 0 < T1 < T (4.59)
1 + jωT1 1 + jωT1
45
0
Phase (deg)
-45
G1(j)
-90
G2(j)
-135
-180
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Factores (jω)±1 :
G(j0) = ∞∠ − 90◦
G(j∞) = 0∠ − 90◦
La traza polar se observa en la figura 4.14 a. Luego, la traza polar de un factor derivativo
es el eje imaginario positivo. El análisis es análogo al del factor integral (ver figura 4.14
b).
Im Im
0
Re ∞
=∞
0
Re
0
=0
(a) (b)
1
G(jω) = (4.60)
1 + jωT
108 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
Es decir, la gráfica de G(jω) es una circunferencia de radio 1/2 centrada en 1/2. Luego,
si analizamos G(jω) para 0 < ω < ∞ la gráfica será la parte inferior del semicı́rculo.
Algunos valores particulares para G(jω):
G(j0) = 1∠0◦
√
G(j1/T ) = 1/ 2∠ − 45◦
G(j∞) = 0∠ − 90◦
Im
0 0,5 =0
Re
=∞
= 1/
Im
∞
=0
Re
0 1
Factores cuadráticos
G(j0) = 1∠0◦
G(j∞) = 0∠ − 180◦
(4.63)
La forma exacta de una traza polar depende del valor del factor de amortiguamiento
relativo ξ, pero la forma general de la traza es igual tanto para el caso subamortiguado
(0 < ξ < 1) como para el caso sobreamortiguado (ξ > 1), ver figura 4.17.
Notemos que si 0 < ξ < 1 se tiene que G(jωn ) = 2ξ1 ∠ − 90 y entonces la gráfica polar
cortará al eje imaginario negativo en 2ξ1 . En cambio, para el caso sobreamortiguado, ξ toma
valores bastante mayores que la unidad y la intersección de la gráfica con el eje imaginario
se aproxima al origen, generando un gráfico que se aproxime a una circunferencia (como
en el caso de un polo simple). Esto es coherente ya que para un sistema fuertemente
amortiguado las raı́ces son reales y una es mucho mayor que la otra. Para este tipo de
sistemas el efecto de la raı́z más pequeña predomina sobre la otra y por ende el sistema
tiende a comportarse como uno de primer orden.
Demora
Un sistema con una demora pura de L segundos puede escribirse como G(jω) =
e−jωL . Observemos que el módulo de esta función de transferencia es uno para todas
las frecuencias y su fase es una función lineal de ω. Es decir, a medida que aumente la
frecuencia, la fase aumentará. Recuerde que una fase de 360◦ equivale a una fase de 0◦ ,
por lo tanto la gráfica será un cı́rculo de radio uno, centrado en el origen, ver figura 4.18.
110 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
|G(jω)| = 1 ∀ω
∠G(jω) = ωL
Im
=0
0
Re
1
aumento
Para frecuencias bajas, el retardo e−jωT y el atraso de primer orden 1/(1 + jωT ) se
comportan en forma similar ya que ambos son tangentes entre sı́ en ω = 0 (ver figura
4.19).
4.3. REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA 111
Im
=∞ =0
0
Re
Ahora, supongamos que al sistema lo excitamos desde el valor deseado con una onda
sinusoidal de una frecuencia ωc tal que el sistema de lazo abierto posea, a esa frecuencia,
una retardo de fase de -180 grados. Se aprecia en la figura 4.20 que la ganancia del lazo a
esa frecuencia ωc está dada por Kc |G(jωc )|. Tres son las posibilidades de las oscilaciones
del lazo. Una es que la ganancia del lazo abierto a esa frecuencia sea menor que la unidad,
en cuyo caso la onda se atenuará hasta extinguirse (este caso corresponde a un sistema
estable a lazo abierto). Otra cosa que puede ocurrir es que si la ganancia del lazo a esa
frecuencia es mayor que la unidad, la sinusoide se amplifique y crezca indefinidamente
(el sistema es inestable). Una tercera posibilidad, es cuando la ganancia es unitaria, en
tal caso la sinusoide se mantiene y el sistema está en el lı́mite de la estabilidad. Esta
explicación conduce a establecer que la condición para que un sistema en lazo cerrado sea
estable es que a la frecuencia ωc (frecuencia a la cual el sistema en lazo abierto produce
un retardo de fase de -180 grados) llamada frecuencia crı́tica, la ganancia del lazo debe
ser menor que la unidad. Sin embargo debemos demostrar que esta condición derivada en
forma intuitiva es correcta. Para ello se presenta el denominado criterio de estabilidad de
112 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
Nyquist.
Para analizar la estabilidad de los sistemas de control lineales, se elije un contorno
cerrado en el plano complejo s que encierre todos los polos y ceros que tengan parte real
positiva, es decir que M sea más grande que el mayor módulo de todos los polos y ceros
que estén en el semiplano derecho (ver figura 4.21).
jw
Plano s
B
jM
M
A C
0 σ
−jM
D
Pc = N + P0 . (4.64)
4.3. REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA 113
K
G(s) =
(s − s1 )(s − s2 )(s − s3 )
con s1 , s2 y s3 son números reales negativos. Deseamos saber si realimentando en forma
unitaria y negativa a esta función de transferencia, el sistema de lazo cerrado resultante
será estable. El procedimiento a seguir es el que sigue:
Calculamos ahora el número de vueltas que realiza un vector que con base en -1 gira
en el sentido de las agujas del reloj sobre el diagrama de Nyquist, a medida que se
recorre toda la trayectoria (trayectoria de frecuencias crecientes). En este ejemplo
obtenemos N = 0.
Por último calculamos el número de polos de lazo cerrado con parte real positiva, es
decir Pc = N + P0 = 0, ya que P0 = 0. Concluimos que no hay polos de lazo cerrado
con parte real positiva, por lo cual el sistema de lazo cerrado es estable.
Veamos ahora qué ocurre en este mismo ejemplo cuando la ganancia K aumenta. Si
aplicamos los mismos pasos que se describieron anteriormente, obtenemos un diagrama de
Nyquist como el que se muestra en el gráfico de la derecha de la figura 4.22. El número de
vueltas da N = 2, luego resulta Pc = 2, lo que significa que hay dos polos en el semiplano
derecho del plano s, con lo que el sistema de lazo cerrado para esa ganancia es inestable.
Finalmente podemos decir que si la ganancia del lazo K fuese exactamente Kcmax ,
entonces estarı́amos en el lı́mite de la estabilidad Kcmax G(jωc ) = −1. Si este fuera el
caso, el diagrama de Nyquist cortarı́a al eje real negativo en −1 + j0. Tenemos entonces
que a la frecuencia crı́tica ωc la función de transferencia G(s) tiene una fase de −180◦ y
una ganancia unitaria. Luego, para valores de K menores a Kcmax tenemos el caso de la
izquierda de la figura 4.22 en que el número de vueltas es N = 0 =⇒ Pc = 0. Para K
mayores a Kcmax tenemos el caso de la derecha de la figura 4.22 donde N = 2 =⇒ Pc = 2.
114 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
8
1
6
4
0.5
Imaginary Axis
Imaginary Axis
2
0 0
-2
-0.5
-4
-6
-1
-8
-1.5 -10
-1 0 1 2 0 5 10
Real Axis Real Axis
Figura 4.22: Diagrama de Nyquist del sistema del ejemplo 4.2. Izquierda: ganancia pe-
queña. Derecha: ganancia grande.
Donde si son los polos del sistema de lazo abierto y los sj son los polos de lazo cerrado.
Ahora bien, notemos que un factor como (s − p) es un vector en el plano s. El ángulo de
ese vector cambia a medida que nos movemos en una trayectoria particular de s (como
por ejemplo la de la figura 4.23 (a)). Este vector da una rotación completa de 2π radianes
si se encuentra dentro del contorno cerrado en donde se realiza la trayectoria. En cambio
si se encuentra fuera del contorno de esa trayectoria, el ángulo de rotación es nulo (figura
4.23 (b)).
La relación de fase para la ecuación caracterı́stica está dada según la ecuación 4.65,
esto es:
n
X n
X
∠(1 + G(s)) = ∠(s − sj ) − ∠(s − si ) (4.66)
j=1 i=1
jw jw
B B
jM jM
A C A C
0 0 σ
−jM D −jM D
(a) (b)
Figura 4.23: Vector (s − p) que recorre una trayectoria en el plano s. M es más grande
que el mayor módulo de todos los polos y ceros que están en el semiplano derecho. a) Polo
dentro de la trayectoria, b) polo fuera de la trayectoria.
Para los polos de lazo abierto si , al recorrer la trayectoria de la figura 4.23 tendremos
que los vectores (s−si ) realizarán una rotación completa de 2π radianes para aquellos
si que estén en el semiplano derecho. La fase de toda la sumatoria se obtendrá
entonces multiplicando 2π por el número de polos de lazo abierto que están en el
semiplano derecho P0 .
La fase de 1 + G(s) estará dada por el número de vueltas de N que dé el diagrama
de 1 + G(s) alrededor del origen, al recorrer la variable s la trayectoria de la figura
4.21, multiplicado por 2π.
Esto significa que si se recorre un ciclo completo a lo largo del entorno cerrado semi-
infinito en sentido de las agujas del reloj, el ángulo total de rotación de la ecuación
caracterı́stica tiene la siguiente relación:
Hay uno o varios rodeos antihorarios de punto −1 + j0. En este caso el sistema de
lazo cerrado es estable si la cantidad de rodeos antihorarios es igual a la de polos de
G(s) en el semiplano derecho de s; en caso de no serlo, el sistema es inestable.
Hay uno o varios rodeos del punto −1+j0 en sentido horario. En este caso el sistema
de lazo cerrado es inestable.
Podemos ver que las condiciones que se obtuvieron al principio, en forma intuitiva, en
el sentido que para que el sistema de lazo cerrado sea estable era necesario que la ganancia
del lazo a la frecuencia crı́tica sea menor que la unidad, pueden ser derivadas en forma
rigurosa a través del criterio de Nyquist.
Casos Especiales: G(s) involucra polos y/o ceros sobre el eje s = jω.
jw
Plano s
D
jM
M
C
B E
A σ
≪1
−jM
F
k k
G(ejθ ) ∼
= jθ = e−jθ = K2 e−jθ
e
K2 tiende a ∞ y el ángulo θ varı́a de 90 a −90◦ .
◦
jw
−1 0 σ
K grande
K
K pequeño
Figura 4.25: Diagramas polares del sistema del ejemplo 4.2 para tres valores distintos de
K.
118 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
En la figura 4.26 (b) se muestra gráficamente el margen de fase para dos casos
distintos. El margen de fase puede ser visualizado también en un diagrama de Bode
según se indica en la figura 4.26 (a) para los mismos dos casos.
1 1
Kg = = (4.69)
|G(jωc )| ρ−180
Ejemplo 4.3
Un sistema tiene la siguiente función de transferencia:
1
G=
s(s + 1)(s + 5)
Obtener los márgenes de fase y ganancia del sistema cuando se realimenta con un
control porporcional K para los casos de K = 10 y K = 100. En la figura 4.27 se grafica
un diagrama de bode del sistema de lazo abierto para los dos valores de K. De la misma
figura se pueden obtener los márgenes buscados . El margen de fase y ganancia cuando la
ganancia es 10 está dado por:
- Margen de fase γ = 21◦ .
- Margen de ganancia Kg = 2,51 = 8Db.
Para el caso en que la ganancia es de 100, los valores obtenidos son:
- Margen de fase γ = −30◦ .
- Margen de ganancia Kg = 0, 251 = −12Db.
4.5. AJUSTE DE CONTROLADORES 119
Entonces el sistema será estable para una ganancia de 10 pero será inestable para una
ganancia de 100.
Se hace notar que los valores recomendados para un lazo de control es de un margen
de fase mayor o igual a 30 grados, y un margen de ganancia mayor o igual que 2.
100
80
60
40
Magnitude (dB)
20
-20
-40
-60
-80
-100
-90
-135
Phase (deg)
-180
-225
-270
-2 -1 0 1 2
10 10 10 10 10
Bode Diagram
A Frequency (rad/sec)
100
80
60
40
Magnitude (dB)
20
-20
-40
-60
-80
-100
-90
-135
Phase (deg)
-180
-225
-270
-2 -1 0 1 2
10 10 10 10 10
B Frequency (rad/sec)
1 1
Kc ρ−180 = ⇒ Kc = (4.70)
2 2ρ−180
Con este valor de Kc queda asegurado el margen de ganancia deseado.
4. En este paso debemos verificar el margen de fase. Para ello consideramos el diagrama
de Bode del lazo abierto dado por Kc G(s) donde el valor de Kc es el obtenido en el
paso previo. Este nuevo diagrama es el mismo que el de G(s) salvo que cambia la
escala del módulo, que queda afectada por el valor de Kc . Luego, determinamos la
frecuencia ωx , que es la frecuencia en donde el módulo vale la unidad. Verificamos
que el margen de fase sea igual o mayor que el deseado, por ejemplo 30 grados. Si
no se cumple, entonces debemos reducir la ganancia del controlador de manera que
se cumpla. Finalmente esa será la ganancia que llevará el controlador.
Puede resultar que con el valor de ganancia obtenido para cumplir con los requeri-
mientos de márgenes de fase y ganancia, el error de estado estacionario definido en el
capı́tulo 3 sea demasiado grande. El control proporcional solo no puede mejorar este error
sin empeorar la estabilidad del lazo. Veremos entonces otros tipos de controladores más
elaborados.
fase positiva en el lazo de control. Este controlador amplifica la zona de altas frecuencias
y aporta fase positiva, permitiendo aumentar la frecuencia crı́tica del lazo y ası́ la rapidez
del sistema. Si en cambio, T1 < T2 , su respuesta en frecuencia es de la forma que se indica
en la figura 4.29 y se lo denomina controlador por atraso. Este controlador aumenta
la ganancia en bajas frecuencias y aporta un retardo de fase. Por lo general se utiliza
para reducir el error en estado estacionario. Veremos cómo se utilizan estos controladores
analizándolos por separado.
Bode Diagram
-1
-2
Magnitude (dB)
-3
-4
-5
-6
20
15
Phase (deg)
10
0
-2 -1 0 1
10 10 10 10
Frequency (rad/sec)
Bode Diagram
-1
-2
Magnitude (dB)
-3
-4
-5
-6
-7
-8
0
-5
Phase (deg)
-10
-15
-20
-2 -1 0 1
10 10 10 10
Frequency (rad/sec)
2. Con esta ganancia, trazar el diagrama de Bode de lazo abierto, o sea de: Kc G(s).
Determinar el margen de fase y de ganancia.
1
Kg = (4.72)
ρ−180 Kc T1 /T2
Notemos que la relación T1 /T2 ya queda fija.
1. Determinar la relación α = (T1 /T2 ) para lograr el ángulo de adelanto de fase deseado.
Esto se calcula conociendo la siguiente relación:
1−α
sen(φ) = (4.73)
1+α
Donde φ es el máximo ángulo de adelanto que se obtiene con el controlador (ver
figura 4.20). Con este procedimiento queda fijado el valor de la relación T1 /T2 .
2. Ubicar a la frecuencia 1/T1 de manera que la frecuencia central (en escala logarı́tmi-
ca) entre 1/T1 y 1/T2 coincida con la frecuencia a la cual se le quiere modificar la
fase.
Hemos visto cómo ajustar controladores más elaborados que el simple control pro-
porcional. Sin embargo, es posible que queramos obtener las ventajas de anular el error
de estado estacionario y además aumentar la frecuencia crı́tica del sistema. Para esto es
posible utilizar ambas acciones en conjunto. Esto se verá en el próximo capı́tulo cuando
se analicen los controladores PID.
4.6. Conclusiones
En este capı́tulo hemos desarrollado el conocimiento de respuesta en frecuencia de
un sistema dinámico. Las herramientas que se derivan son fundamentales para el análisis
de la estabilidad de un lazo de control, como también para el diseño del controlador.
Hemos derivado el criterio de Nyquist, el cual permite establecer las condiciones para la
estabilidad del lazo.
Se estudió el problema del control proporcional y se introdujo el control por adelanto
y por atraso. Estas dos formas de control no van separadas, pues junto con el control
proporcional, forman uno de los controladores más difundidos en la industria, que se
llama Control proporcional + integral + derivarivo y que desarrollaremos en el capı́tulo
que sigue.
Por último pero no menos importante, el concepto de respuesta en frecuencia, permite
realizar la identificación experimental de un sistema del cual no conocemos su caracterı́sti-
ca dinámica. Este tema no será abordado en este curso, pero sus derivaciones prácticas
son enormes por lo que recomendamos leer bibliografı́a al respecto.
4.7. Problemas
1. De los datos obtenidos en la prueba de la respuesta en frecuencia, se dedujeron
los siguientes valores para las relaciones de amplitud de entrada-salida para las
frecuencias de quiebre:
1 − Ts
G(s) =
1 + Ts
¿ Es éste un sistema de fase mı́nima?
1
G(s) =
(1 + s)(1 + 2s)
a) Obtener el valor de la ganancia kc del controlador integral para la estabilidad
lı́mite.
b) Determinar el valor de kc que satisfaga un margen de ganancia de 2 y el que
satisfaga un margen de ganancia de 4.
c) Determinar el valor de kc que satisfaga un margen de fase de 30◦ y el que satisfaga
un margen de fase de 50◦ .
d) Simular el sistema con el controlador a lazo cerrado, empleando una herramienta
de simulación como Simulink de Matlab, cuando se aplica un escalón unitario al
valor deseado r, para los valores de kc hallados en los incisos anteriores. Simularlo
también para un valor de kc que haga que el sistema de lazo cerrado sea inestable.
kc e−s
G(s) =
s
donde el tiempo muerto se toma como una unidad de tiempo. Determı́nese la ga-
nancia para la estabilidad lı́mite. Dibújese el diagrama de Nyquist de la función de
transferencia de lazo abierto.
7. Dado el sistema
k
G(s) =
(s + 1)(s + 2)(s + 3)
a) Qué valores de k llevan a un margen de ganancia de 6 db? Resolver este problema
en forma analı́tica, no gráfica.
126 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
k
G(s) =
s(0,1s + 1)(s2 + 0,2s + 1)
Determinar el k que satisface los criterios de margen de ganancia = 2 y de margen
de fase = 30◦ .
9. Dada la siguiente función de transferencia de lazo abierto
k
G(s) =
s(0,2s + 1)(0,08s + 1)
a) Obtener la ganancia k para la condición de margen de fase 30◦ . Para esta ganancia
obtener la frecuencia crı́tica.
b) A la función de transferencia se la compensa con un controlador por adelanto
con Kc = 0,1, T1 = 0,2 y T2 = 0,02. Obténgase la ganancia k y la frecuencia crı́tica
para la condición de margen de fase 30◦ . Decir cuáles son las ventajas y desventajas
obtenidas respecto del inciso a).
c) A la función de transferencia se la compensa con un controlador por atraso con
Kc = 1, T1 = 3 y T2 = 30. Obténgase la ganancia k y la frecuencia crı́tica para
la condición de margen de fase 30◦ . Decir cuáles son las ventajas y desventajas
obtenidas respecto del inciso a).
10. Un controlador que posee las ventajas de los controladores por atraso y adelanto
es el controlador PID que se estudiará en detalle en el Capı́tulo 5. Considerar la
siguiente función de transferencia:
e−0,5s
G(s) =
(s + 1)(0,5s + 1)(0,1s + 1)
a) Determinar la ganancia del controlador proporcional kc tal que cumpla un margen
de ganancia de 8db y un margen de fase de 30◦ .
b) Reemplazar el controlador proporcional por un controlador PID cuya ley escrita
en forma de producto es:
1
Gc (s) = kc 1 + (Td s + 1)
Ti s
Seleccionar los valores de Ti y de Td de manera tal que los dos retardos dominantes
del proceso (constantes de tiempo más lentas) sean cancelados. Determinar el valor
de kc tal que se cumpla un margen de ganancia de 8db. Comprobar que la frecuencia
crı́tica es más alta que la del sistema de control proporcional (esto se debe a la acción
derivativa que aumenta la velocidad del lazo). Verificar, además, que la ganancia
de bajas frecuencias se incrementa indefinidamente debido a la acción integral (esto
hace que se elimine el error de estado estacionario).
Capı́tulo 5
5.1. Introducción
En el ambiente industrial, y en particular para controlar procesos térmicos y quı́micos,
se emplean casi con exclusividad los controladores PID. Esto se debe a que han demostrado
un comportamiento robusto y su ajuste es relativamente sencillo. Dada la amplia difusión
de este controlador, una parte importante de este capı́tulo está dedicado a su estudio.
P(s)
R(s) + E(s) U(s) Y(s)
Gc(s) Gp(s) +
-
Cap5 Fig1
5.2. Acciones P, I y D
El controlador PID surge como consecuencia de la combinación de tres acciones básicas
de control: acción proporcional, integral y derivativa. A los fines de recordar los efectos
de estas tres acciones considérese el esquema de control indicado en la figura 5.1 donde
E(s) de transferencia del U(s)
Gp (s) representa la función P + sistema cuya variable de salida y(t) se
desea controlar y Gc (s) representa la función de transferencia del controlador; r(t) es el
valor deseado, valor de referencia o set point de la variable controlada y p(t) representa
posibles perturbaciones; e(t) es la señal de error (diferencia entre el valor deseado r(t) y
la variable controlada y(t)), y u(t) es la señal de control que genera el controlador para
anular ese error. I
127
128 CAPÍTULO 5. CONTROLADORES PID INDUSTRIALES
5.2.1. Acción P.
Esta acción de control se analizó en el capı́tulo 3, ahora recordemos algunas cuestiones
básicas de este controlador. Si la acción del controlador es proporcional tendremos que la
señal de control será proporcional al error:
E(s) 1
= , (5.2)
R(s) 1 + kc Gp (s)
donde Gp (s) la podemos suponer en forma general como un cociente de polinomios en
s:
1 + n1 s + · · · + nm s m
Gp (s) = kp (5.3)
1 + d1 s + · · · + dn sn
Si aplicamos un escalón al valor deseado (R(s) = 1/s) y calculamos el error de estado
estacionario por el teorema del valor final (para esto suponemos que el sistema es estable):
1 1 1
lı́m e(t) = lı́m sE(s) = lı́m s = . (5.4)
t→∞ s→0 s→0 1 + kc Gp (s) s 1 + kc kp
Como ya vimos en el capı́tulo 3, vemos que el error de estado estacionario sólo se
puede anular haciendo muy grande la ganancia del controlador proporcional, pero esto
puede ocasionar que el sistema se torne inestable.
Como conclusión de la acción proporcional podemos decir que tiene el inconveniente
de poseer error de estado estacionario u offset y que el ajuste implica un compromiso
entre disminuir este error y la estabilidad del lazo.
En resumen, cuando se incrementa K:
Note que para que haya una señal de control el error deberı́a ser distinto de cero. Por
esta razón se adiciona un valor fijo Uo de manera que para un valor deseado constante se
pueda usar el control proporcional sin error. Sin embargo, si se cambia el valor deseado
aparece un error.
5.2.2. Acción I.
Debido a las limitaciones del controlador proporcional, presentamos ahora la acción
integral. En este controlador, la señal de control es la integral (acumulación) de la señal
de error, es decir:
Z t
u(t) = k1 e(τ )dτ (5.5)
0
5.2. ACCIONES P, I Y D 129
E(s) 1 s
= k
= (5.6)
R(s) 1 + s Gp (s)
1 s + k1 Gp (s)
Vemos que al aplicar un escalón en r(t) el error de estado estacionario es:
lı́m e(t) = 0
t→∞
Ası́ con acción integral un pequeño error positivo siempre dará como resultado una
acción de control creciente y un error negativo dará una acción decreciente sin importar
que tan pequeño sea el error. Por tanto, el error en estado estacionario debe ser cero.
Es decir, el controlador integra (acumula) el error hasta que el sistema llega a un punto
de equilibrio. Si el sistema es estable este punto de equilibrio se logra cuando el error se
anula. Por lo tanto este controlador es capaz de lograr una señal de control aún cuando
el error es cero.
Como inconveniente fundamental, la acción integral pura presenta un efecto desestabi-
P(s)de transferencia
lizador importante debido al retardo de fase de 90◦ que posee su función
(Capı́tulo 4).
R(s) + E(s) una acción U(s)
En resumen, cuando se introduce Integral: Y(s)
el error de estado estacionario seGanula
G (s)
c(s) para valores finitos
p de T , +
i
-
en la medida que reducimos Ti la respuesta se vuelve más rápida pero también
más oscilatoria, inclusive podemos hacer que el sistema de lazo cerrado se vuelva
inestable.
1 t
Z
Cap5 Fig1 u(t) = kc e(t) + e(τ )dτ (5.7)
Ti 0
El hecho de sumar una acción proporcional a la acción integral tiene el efecto de
reducir el retardo de fase respecto de la acción integral pura. Esto tiende a disminuir la
inestabilidad producida por la acción integral sola.
E(s) U(s)
P +
Cap5Fig2
130 CAPÍTULO 5. CONTROLADORES PID INDUSTRIALES
de(t)
e(t + Td ) ∼
= e(t) + Td , (5.9)
dt
claramente, la señal de control es una estimación del error en el tiempo Td hacia
adelante, donde la estimación se obtiene por extrapolación lineal.
Sin embargo, esto es válido hasta cierto punto y si las señales no están contaminadas
con ruido.
La idea es incluir una acción que haga que la señal de control se incremente con la
pendiente del error más que con su valor actual (o con su acumulación). En términos
de la respuesta en frecuencia, la acción derivativa aporta fase positiva, es decir,
disminuye el retardo de fase del lazo. Esto permite que la frecuencia crı́tica aumente
con lo que el lazo cerrado se torna más rápido. Un aspecto negativo de esta acción es
que provee un módulo creciente en frecuencias altas amplificando las perturbaciones
de alta frecuencia que darán, inevitablemente, oscilaciones indeseadas al actuador.
5.2. ACCIONES P, I Y D 131
1 t
Z
de(t)
u(t) = kc e(t) + e(τ )dτ + Td (5.10)
Ti 0 dt
U (s) kc (1 + Ti s + Ti Td s2 )
Gc P ID (s) = = (5.11)
E(s) Ti s
kc
k̃c =
r
Ti
T̃i =
r
T̃d = Td r
2
r= p
1+ 1 − 4Td /Ti
E(s) U(s)
Kc sTd +
1/(sTi)
Cap5Fig3
|Gc|
-1/dec 1/dec
k� c
ω
1 1
�i
T �d
T
< Gc
+90
0
ω
-90
Cap5fig4
Figura 5.4: Respuesta en frecuencia del controlador PID ideal.
Kp
0,632Kp
k� c
5.3. AJUSTE DE LOS PARÁMETROS DEL CONTROLADOR PID 133
ω
5.3.
1
Ajuste de los parámetros del controlador PID
1
�d derivativo T . Al
�itiempo de integración T y el tiempo
Notemos que para emplear un controlador PID necesitamos conocer o calcular tres
T
parámetros: la ganancia k , el
c i T d
cálculo de estos parámetros se lo conoce como ajuste del controlador.
Para la selección de estos parámetros pueden utilizarse métodos empı́ricos, analı́ticos
o gráficos. Entre los primeros tenemos los métodos de Ziegler y Nichols, dentro de los
G
segundos tenemos el método de margen de fase y los terceros se basan en el diagrama de
< Bodec de la respuesta en frecuencia.
5.3.1.
+90 Métodos de Ziegler y Nichols
Ziegler y Nichols propusieron dos métodos que dan un conjunto de reglas para el ajuste
de los controladores PID. Debe tenerse presente que un conjunto de reglas es óptimo para
un conjunto de suposiciones, y una de ellas en particular es la estructura del proceso. En
ambos se pretende obtener un 25 % de sobreelongación máxima en la respuesta al escalón.
0
ω
Primer método de Ziegler y Nichols o de lazo abierto
Este método se aplica a procesos cuya respuesta temporal al escalón tiene forma de
“S”(ver figura 5.5). Si la respuesta no exhibe esta forma, el método no es pertinente. Si
-90 no contiene integradores ni polos dominantes complejos conjugados, la curva de
la planta
respuesta escalón unitario puede tener esta forma. El primer método de Ziegler y Nichols
se basa en registrar la respuesta a un escalón unitario del sistema a lazo abierto, para
luego ajustar los tres parámetros de un modelo de primer orden con retardo dado por:
Cap5fig4 Kp −sL
Gp (s) = e (5.13)
Ts + 1
Kp
0,632Kp
0.238Kp
tb tc td
ta
L
T = 1,5(tc − tb ); L = tc − T ;
cuya respuesta al escalón es:
c(t) = Kp 1 − e(t−L)/T
(5.14)
Los parámetros obtenidos permiten definir la constante de tiempo y el retardo de un
sistema equivalente de primer orden con demora. A partir de dichos parámetros Ziegler y
Nichols recomiendan la utilización de los siguientes valores:
Controlador K Ti Td
1 T
Control P Kp L ∞ 0
Recordar que el método de Ziegler y Nichols es empı́rico. Este método considera que los
sistemas cuya respuesta al escalón tienen forma de “S” se los puede aproximar empleando
un integrador en serie con una demora. A este tipo de sistemas se les ajusta un PID para
que la respuesta al escalón tenga relación de amortiguación 1/4.
+ Kc max Proceso
-
A)
Pu
y(t)
B)
Cap5fig6
Controlador K Tit Td
Estas son algunas de las razones por las cuales los métodos de Ziegler- Nichols son tan
populares. Sin embargo, los métodos tienen algunas deficiencias como las que se detallan
a continuación:
Fueron elegidas para lograr una tasa de atenuación de 1/4. Esto da como resultado
un buen rechazo de las perturbaciones pero también un sistema de lazo cerrado muy
poco amortiguado y con pobres márgenes de estabilidad.
Los métodos de Ziegler – Nichols suelen lograr mejores resultados cuando se diseñan
controladores PID que cuando se diseñan controladores PI.
Un parámetro que suele utilizarse para establecer el rango de validez de los métodos
de sintonı́as es el cociente v = L/T . En general, los mejores resultados se obtienen
en procesos donde el parámetro v está entre 0,1 y 1.
El ajuste de los parámetros del controlador por medio de las reglas de Ziegler Nichols
puede ser mejorado significativamente usando otros métodos.
5.3. AJUSTE DE LOS PARÁMETROS DEL CONTROLADOR PID 137
A
A/4
y(t)
U(t)
A)
2 psi
U(t) Y(t)
Proceso
Y(t)
2
(pulg)
1.26 B)
0.48
1 + kc Gp1 Gp2 = 0
las raı́ces de esta ecuación son los polos de lazo cerrado del sistema.
Recordemos del capı́tulo 3 que, si un sistema está en el lı́mite de estabilidad, sus polos
dominantes están sobre el eje imaginario. Por lo tanto se debe cumplir que:
1
={Gp1 (jwc )Gp2 (jwc )} = 0 y <{Gp1 (jwc )Gp2 (jwc )} = −
kc max
donde = significa parte imaginaria y < parte real.
kc max es la ganancia crı́tica del controlador proporcional y wc es la frecuencia del ciclo
lı́mite. Encontramos estos valores:
kp1
= =0
(−3,5wc2 + 1) + jwc (3,5 − wc2 )
p 2π
⇒ wc = 3,5 ⇒ Pc = = 3,4
wc
5.3. AJUSTE DE LOS PARÁMETROS DEL CONTROLADOR PID 139
c2, x2
P=u1, w1 c1, x1 y A)
R
c Gp2
u=u2, w2
R
Gc
P
G1 B)
R + U + Y c
Gc Gp1 Gp2
+
-
1.5
Temperatura 1
0.5
0
0 5 10 15 20 25
t (seg)
Figura 5.10: Respuesta al escalón del intercambiador de calor con control PID
Step Response
2.5 Kc max=11.26
1.5
Temperatura
0.5
Kc
0
-0.5
-1
0 1 2 3 4 5 6 7 8 9 10
t (sec)
cos Θw1
kc = Re(Gc (jw)) = |Gc (jw1 )| cos Θw1 = (5.19)
|Gp (jw1 )|
1 sin Θw1
kc Td w1 − = Im((Gc (jw)) = |Gc (jw1 )| sin Θw1 = (5.20)
Ti w1 |Gp (jw1 )|
Por consiguiente, conocida la función de transferencia Gp (jw) del sistema, los paráme-
tros kc , Ti y Td del controlador PID pueden ser elegidos para cumplir los requerimientos
de margen de fase a una determinada frecuencia w1 . Puede observarse que se dispone de
un grado de libertad para determinar kc , Ti y Td , ya que se dispone de sólo dos ecuaciones
para tres incógnitas.
Es importante hacer notar que si las ecuaciones 5.19 y 5.20 se verifican en forma
simultánea, variar Td y Ti implica variar el margen de ganancia sin modificar el de fase.
En algunos casos se selecciona Td = αTi , como en las reglas de Ziegler-Nichols, donde
α = 0,25. Pero conforme se seleccione el valor de M F , se obtendrán resultados diferentes
que los obtenidos mediante el método de Ziegler-Nichols.
142 CAPÍTULO 5. CONTROLADORES PID INDUSTRIALES
2. Ajustar el valor de T̃i de manera que el conjunto P+I aporte no más de 3 a 5 grados
de fase (negativa) en la frecuencia crı́tica y que permita aumentar la ganancia en
bajas frecuencias (anulación del error de estado estacionario).
desarrollo se fue acumulando una gran experiencia en el diseño de los controladores PID y
se les fueron incorporando modificaciones que mejoraron sus caracterı́sticas. Como hemos
dicho, una derivada pura no puede implementarse porque es un no causal, además de
otorgar una amplificación muy grande del ruido de medición. La ganancia de la acción
derivativa debe ser, por lo tanto, limitada. Esto se puede hacer aproximando la función
de transferencia sTd de la siguiente manera:
sTd
sTd ≈ (5.21)
1 + sTd /N
Esta función de transferencia aproxima bien la derivada a bajas frecuencias pero la
ganancia es limitada a altas frecuencias. N tı́picamente está en el rango de 3 a 20.
La función de transferencia del PID queda entonces:
1 sTd
U (s) = kc 1 + + E(s) (5.22)
Ti s 1 + sTd /N
Esta función de transferencia tiene igual número de polos que de ceros, por consiguiente
es realizable.
Otra forma de limitar la alta ganancia de la acción derivativa es agregar a la función de
transferencia del PID ideal un polo de alta frecuencia en (−N/Td ) de la siguiente manera:
kc 1
U (s) = 1+ + sTd E(s) (5.23)
1 + sTd /N Ti s
Este controlador también es realizable ya que contiene igual número de polos que de
ceros.
El diagrama de Bode del mismo se muestra en la figura 5.12 donde se ve que está
limitada la ganancia a altas frecuencias.
|Gc|
-1/dec
1/dec
k� c
1 1 𝑁𝑁 ω
�
Ti �
Td �
Td
< Gc
+90
0
ω
-90
Cap5Fig12
Figura 5.12: Respuesta en frecuencia controlador PID fı́sicamente realizable
144 CAPÍTULO 5. CONTROLADORES PID INDUSTRIALES
Computadora
Reloj
Cap5Fig13
Figura 5.13: Sistema controlado por computadora
La computadora toma la señal convertida como una secuencia de números {y(tk )},
procesa las mediciones usando un algoritmo, y da como salida una nueva secuencia de
números {u(tk )}. Esta secuencia de números es convertida en una señal analógica u(t)
por un conversor digital analógico (D-A). El conversor D-A produce una señal continua
en la salida a partir de un valor digital en la entrada. Para esta tarea puede utilizarse
un mantenedor de orden cero. Este es un dispositivo que mantiene de manera constante
(durante un perı́odo de muestreo) el valor de la muestra hasta que ingresa una nueva
muestra al conversor (figura 5.15).
5.5. CONTROLADORES PID DIGITALES 145
y(t)
y(tk)
y(h)
y(2h) y(5h y(6h)
y(0)
y(3h) y(4h)
0 h 2h 3h 4h 5h 6h t
u(kh)
u(t)
0 h 2h 3h 4h 5h kh t
Tanto el muestreo como la conversión (D-A) deben estar sincronizados, y esto se logra
utilizando un reloj en la computadora. Los conversores A-D y D-A se encuentran imple-
mentados comercialmente en plaquetas de adquisición de datos, que se conectan en el
interior de la computadora, y que realizan las funciones descriptas. En la figura 5.16 se
muestra, como ejemplo, una plaqueta comercial RS232/485 que posee las siguientes ca-
racterı́sticas: 16 entradas analógicas, 2 salidas analógicas, 16 entradas digitales, 4 salidas
digitales y velocidad de muestreo programable hasta 30 kHz (h = 33,3µ seg). Además de
realizar las conversiones A-D y D-A posibilitando entradas y salidas analógicas, permite
adquirir y emitir señales digitales que posibilitan llevar a cabo operaciones como: secuen-
ciar eventos, monitorear el sistema a través de contactos (por ejemplo fines de carrera),
emitir alarmas, realizar control lógico, encender o apagar motores, etc.
La tarea de diseñar un controlador digital es desarrollar un algoritmo que realice los
cálculos apropiados a partir de la secuencia muestreada de la salida del proceso {y(tk )} y
dé como resultado una secuencia de números {u(tk )}. Ésta señal digital luego de ser con-
vertida a forma analógica, será la señal de control que actúa sobre el proceso a controlar.
Este algoritmo es implementado como un programa en la computadora digital.
Existen varios métodos de diseño de controladores digitales. El método que veremos
aquı́ es el utilizado en los controladores PID disponibles en el mercado, y consiste en
aproximar un controlador analógico por uno digital con propiedades similares. Es también
posible usar métodos de diseño digital que permiten explotar completamente el potencial
del control por computadoras, pero estos métodos están fuera del alcance de este capı́tulo.
Para realizar la aproximación se emplean los operadores que se describen a continuación.
5.5.2. Operadores
Al trabajar con ecuaciones diferenciales lineales suele usarse el operador diferencial
p. Este operador aplicado a una variable temporal da como resultado la derivada en el
tiempo de esa variable:
dx(t)
p x(t) = (5.24)
dt
Es de utilidad notar la relación que existe entre el operador diferencial p y la variable
compleja s de la transformada de Laplace, sin embargo conceptualmente son distintos ya
que el operador p actúa sobre una señal en el tiempo dando como resultado la derivada de
la misma, mientras que la variable compleja s multiplica a un polinomio (escrito también
en s) dando como resultado otro polinomio de mayor orden. Veamos la siguiente ecuación
diferencial:
d2 x dx
2
+ 3 + 2x = u(t)
dt dt
utilizando el operador p la ecuación diferencial queda de la forma:
p2 x + 3px + 2x = u
la transformada de Laplace de la ecuación diferencial es:
2
dx dx
L +L 3 + L[2x] = U (s)
dt2 dt
⇒ s2 X(s) + 3sX(s) + 2X(s) − x0 (0) − sx(0) − 3x(0) = U (s)
5.5. CONTROLADORES PID DIGITALES 147
Obsérvese que los primeros tres términos de la ecuación transformada son similares a
la forma operacional de la ecuación reemplazando p por s y x(t) por X(s).
En los sistemas discretos se utiliza el operador adelanto q que tiene la siguiente pro-
piedad:
cuales permiten realizar el control de múltiples lazos. En estos casos se usa una compu-
tadora o red de computadoras con plaquetas de adquisición de datos como la mostrada
en la figura 5.16 para implementar el control. Estos paquetes de software tienen varias fa-
cilidades, una de ellas es la interfaz con el operador que se efectúa por medio de pantallas
en monitores de computadora y en donde se muestra en formas de diagramas de barras
o de diagramas temporales, la evolución de las distintas variables del proceso. Una de
estas pantallas, de un software comercial, se muestra en la figura 5.17. La pantalla que se
muestra es del software SCADA acrónimo de Supervisory Control And Data Acquisition
(Supervisión, Control y Adquisición de Datos). Este es un software para computadoras
que permite controlar y supervisar procesos industriales a distancia. Facilita la retroali-
mentación en tiempo real con los dispositivos de campo (sensores y actuadores), y controla
el proceso automáticamente. Provee de toda la información que se genera en el proceso
productivo (supervisión, control de calidad, control de producción, almacenamiento de
datos, etc.) y permite su gestión e intervención. Normalmente los monitores que permiten
supervisar el funcionamiento del proceso están instalados en salas de control.
El controlador descripto por la ecuación 5.22 puede ser discretizado usando los métodos
de aproximación vistos. La acción PID del controlador analógico 5.22 la dividimos en cada
una de sus acciones básicas y las aproximamos por separado.
1 sTd
U (s) = kc 1 + + E(s) = P (s) + I(s) + D(s) (5.29)
Ti s 1 + sTd /N
Parte proporcional : debido a que es una parte puramente estática no hay conversión
alguna:
Td kc Td N
⇒ D(kh) = D(kh − h) + [e(kh) − e(kh − h)] (5.32)
Td + N h Td + N h
Teniendo en cuenta las ecuaciones 5.30, 5.31 y 5.32, el controlador PID digital se puede
expresar usando el operador q, de la siguiente forma:
!
h Td q−1
u(kh) = kc 1 + + Td
e(kh) (5.33)
Ti (q − 1) h + Td /N q − N h+T
d
Una primera ventaja del algoritmo de velocidad es que si la computadora digital falla,
los actuadores interpretan una salida cero del controlador como “sin cambio” y retienen
sus últimas posiciones. Además los conversores D-A requieren menos precisión (menos
bits) debido a que el rango de los tamaños que un cambio de la señal de control puede
tomar en un solo paso es usualmente mucho más pequeño que el rango de valores absolutos
que puede tener la señal de control.
(b2 q 2 + b1 q + b0 )
u(kh) = e(kh) (5.35)
(q 2 + a1 q + a0 )
donde los coeficientes b2 , b1 , b0 , a1 y a0 se obtienen fácilmente de la ecuación 5.33.
Aplicando las propiedades de los operadores q y q −1 podemos escribir:
A las ecuaciones del tipo de la 5.36 se las denomina ecuaciones a diferencias y son
el equivalente en los sistemas discretos de las ecuaciones diferenciales en los sistemas
continuos.
5.6.1. Reset-windup
Todo controlador y elemento accionador real presenta una región de saturación. Por
ejemplo, una válvula presenta un comportamiento lineal estático entre dos zonas de satu-
ración, cuando está completamente abierta y cuando está completamente cerrada (figura
5.19 A). Si u representa la señal de comando de la válvula y m representa la apertura de
la misma, hay una región l donde m varı́a linealmente con u. Si la válvula está funcio-
nando en c (completamente cerrada) disminuciones de u mas allá de ubajo no ocasionan
efecto alguno en m, y si está funcionando en a (completamente abierta) aumentos de u
por encima de ualto tampoco ocasionan variaciones en m.
α
m(t)
l A)
c
ubajo ualto u(t)
B)
P
e(t) + u(t)
+
I
Cap5 Figura
fig19 5.19: A) Saturación, B) Controlador PI con saturación
0.5
0
0 5 10 15 20 25
t
60
5.7. AJUSTE DE PID DIGITALES 153
Ante una perturbación que produzca un error apreciable, el controlador satura inme-
diatamente debido a su acción proporcional u1 (t). La acción integral u2 (t) no presenta
respuesta inmediata pero comienza a integrar el error. Notar que, continuar con esta in-
tegración, es inútil ya que el controlador está saturado (salida constante). Puede suceder
que la amplitud que toma este error integrado inútilmente sea muy grande. Para que el
integrador disminuya su salida (“des-integre”) es necesario que el error cambie de signo.
A causa de esto se producirán inevitablemente sobrepicos en la variable controlada pa-
ra que se produzca un error de signo cambiado de suficiente magnitud que haga que el
controlador vuelva a su zona operativa (sin saturación).
Algoritmos antireset-windup
Una posibilidad de evitar el fenómeno de reset-windup es parar la integración cuando
el actuador se satura. Una forma de implementar esto en un programa es colocando
una sentencia condicional en el algoritmo tal que el término integral se actualice
sólo si la salida del controlador está entre los valores ubajo y ualto , donde el actuador
no se encuentra saturado, y que en caso contrario, mantenga el último valor hasta
tanto vuelva a estar entre esos valores. En el problema 5.9 puede verse un ejemplo
de simulación del funcionamiento de un controlador sin antireset-windup y de uno
con antireset-windup.
5.6.2. Bumpless
Normalmente, en los procesos industriales, el sistema a controlar es llevado al punto
de trabajo bajo la acción de control manual. Una vez alcanzada la zona de operación,
el sistema pasa a ser controlado en forma automática (se cierra el lazo de control). Para
que la transición de control manual a automático se produzca sin sobresaltos debe veri-
ficarse que las variables del controlador presenten los estados adecuados. Es ası́ que, en
los controladores industriales, se implementan algoritmos, denominados de “Bumpless”,
cuyo objetivo es ir adecuando los estados del controlador a medida que se ejerce la acción
de control manual.
Caudal 1a3
Nivel 5 a 10
Presión 1a5
Temperatura 10 a 20
154 CAPÍTULO 5. CONTROLADORES PID INDUSTRIALES
de control, la cual es de tipo escalera. Esto se debe a que el conversor D-A mantiene la
señal entre instantes de muestreo (ver figura 5.15). En el anexo se muestra la pantalla de
Simulink del programa empleado para realizar estas simulaciones.
1.5
1
c(t)
0.5
0
0 5 10 15 20 25
t
60
50
40
30
u(t)
20
10
−10
0 5 10 15 20 25
t
Figura 5.20: Respuesta del intercambiador de calor con PID digital, h = 0,02 segundos
1.5
c(t)
0.5
0
0 5 10 15 20 25
t
20
15
10
u(t)
−5
0 5 10 15 20 25
t
Figura 5.21: Respuesta del intercambiador de calor con PID digital, h = 0,2 segundos
156 CAPÍTULO 5. CONTROLADORES PID INDUSTRIALES
1.5
c(t)
1
0.5
0
0 5 10 15 20 25
t
15
10
5
u(t)
−5
−10
0 5 10 15 20 25
t
Figura 5.22: Respuesta del intercambiador de calor con PID digital, h = 0,4 segundos
2
c(t)
−1
−2
0 5 10 15 20 25
t
30
20
10
u(t)
−10
−20
0 5 10 15 20 25
t
Figura 5.23: Respuesta del intercambiador de calor con PID digital, h = 0,6 segundos
5.8. Conclusiones
En este capı́tulo se han visto los aspectos conceptuales de los controladores PID, como
ası́ también las caracterı́sticas de cada acción (proporcional, integral y derivativa) por
separado. Se han descripto métodos para su ajuste. También se ha estudiado el contro-
lador PID digital. El diseño de este último se obtuvo de la aproximación del controlador
analógico, el cual se emplea en los controladores digitales comerciales. Por último se han
discutido algunos aspectos prácticos de los controladores PID. Debe tenerse presente que
en las implementaciones industriales se pueden encontrar distintas versiones, las cuales tie-
nen incorporadas diferentes modificaciones que les confieren determinadas caracterı́sticas.
5.9. PROBLEMAS 157
5.9. Problemas
1. Sea un proceso con la siguiente función de transferencia:
1
Gp (s) =
(s + 0,2)(s + 0,3)(s + 0,5)
2. a) Para el proceso del problema anterior obtener los ajustes de un controlador PID
por el segundo método de Ziegler y Nichols calculando kc max y Pc en forma analı́tica.
Comprobar estos valores por simulación.
b) Simular el sistema con el controlador PID calculado para entrada escalón en el
valor deseado.
50
45
Temperatura (°C)
40
35
30
25
0 100 200 300 400 500 600 700 800 900 1000 1100
t (min)
x1
x2
Cap5 Prob8
Figura 5.25: Sistema de dos tanques
qent
A)
u
href h
Regulador
qsa
qent
1
B)
Cap5 Prob9
Anexo: Programas en Matlab y
Simulink
En este Anexo se dan los comandos utilizados en el programa Matlab para generar las
figuras citadas.
Figura 2.12
A=tf([1],[1 0]);
figure(1);hold;plot([0:5],ones(1,6));step(A,[0:5]);hold;
Figura 2.13
T1=0;T2=1;k=5;
A=k*tf([T1 1],[T2 1])
figure(1);hold;plot([0:0.1:5],ones(1,51));step(A,[0:0.1:5]);hold;
Figura 2.18
wn=5; chi=1.2;
A=tf([wn2 ],[1 2*chi*wn wn2 ]);
chi=1;
B=tf([wn2 ],[1 2*chi*wn wn2 ]);
chi=0.5;
C=tf([wn2 ],[1 2*chi*wn wn2 ]);
chi=0;
D=tf([wn2 ],[1 2*chi*wn wn2 ]);
figure(1);hold;
plot([0:25],ones(1,26),’--k’,’LineWidth’,1);
step(A,’k’,2);
step(B,’k’,2);
step(C,’k’,2);
step(D,’k’,2);
xlabel(’t’);ylabel(’y(t) (-), u(t) (--)’);xlim([0 2]);ylim([0 2]);
161
162
Kc=[1 2 6];
figure(1);
hold;
for i=1:3
Klc=Kc(i)*2/(1+Kc(i)*2);
a=Kc(i);
taulc=5/(1+Kc(i)*2);
Gvd=tf([Klc],[taulc 1]);
figure(1);step(Gvd);
end
figure(2);
hold;
for i=1:3
Kulc=0.75/(1+Kc(i)*2);
Gu=tf([Kulc],[taulc 1]);
figure(2);step(Gu);
end
Figura 5.10
kc=6.75;
Ti=1.7;
Td=0.425;
r=2/(1+sqrt(1-4*Td/Ti));
kcm=kc/r;
Tim=Ti/r
Tdm=Td*r;
Gp2=tf([ 1],[0.5 1]);
Gp1=tf([ 1],conv([2 1],[1 1]));
GcPID=kcm*tf([Tdm 1],[Tdm/20 1])*tf([Tim 1],[Tim 0]);
sys=feedback(GcPID*Gp1,Gp2);
figure(1);hold;
step(sys);
xlabel(’t’);ylabel(’Temperatura’);xlim([0 25]);ylim([0 2]);
-5
0 5 10 15 20 25
Figura 5.11 t
40
kc=[1 4 6.75 11.25];
Gp2=tf([201],[0.5 1]);
Gp1=tf([ 1],conv([2 1],[1 1]));
u(t)
0
figure(2);hold;
for i=1:length(kc)
-20
sys=feedback(kc(i)*Gp1,Gp2);
step(sys,’k’,10,[0:5]);
end -40
0 5 10 15 20 25
xlabel(’t’);ylabel(’Temperatura’);xlim([0 10]);ylim([-1 3]);hold;
t
Cap5fig23 h=0.6
Figuras 5.20, 5.21, 5.22 y 5.23
Figura 5.27: Respuesta del intercambiador de calor con PID digital, Pantalla de Simulink
Bibliografı́a
Åström K.J., Murray R.M. Feedback Systems: An Introduction for Scientists and
Engineers. Second Edition. Princeton University Press. www.cds.caltech.edu/ mu-
rray/amwiki/index.php/Main Page, 2016.
Coughanowr, D.R. , LeBlanc, S.E. Process Systems Analysis and Control Third
Edition. McGraw-Hill Chemical Engineering Series. New York, 2009.
Florez Lopez, R., Fernández Fernández, J.M. Serie Metodologı́a y análisis de da-
tos en ciencias sociales. Las redes neuronales artificiales: fundamentos teóricos y
aplicaciones prácticas. Oleiros. La Coruña. Netbiblo, 2008.
Marlin, T.E. Process Control –Designing Processes and Control Systems for dynamic
Performance. Ed.Mc Graw-Hill,inc. Unitated States, 1995.
Stein, L.S. Interpolation of Spatial Data: Some Theory for Kriging. Springer Science
& Business Media. New York, 2012.
165