Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Desarrollo 2
1.1 Obtención de punto de operación . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Obtención de Modelo Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Diseño de PID de forma analítica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1 Simulación Modelo No Lineal . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 Simulación Modelo Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Identificación del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.1 Diseño/selección de PID adecuado . . . . . . . . . . . . . . . . . . . . . . 12
Objetivos
Utilizando un sistema de estanque simple:
1
1 Desarrollo
1.1 Obtención de punto de operación
El sistema a trabajar es el de un estanque simple como en 1.1
dh
→0
dt
p
K u a 2g h
⇒ =
A A
q
⇒ K uQ = a 2g hQ
2
1 Desarrollo
Con esto tenemos que el punto de operación se obtiene fijando el voltaje de control u o el
nivel del estanque, h:
p
a 2g hQ
uQ = (1.2)
K
(uQ K )2
hQ = (1.3)
(a 2g )2
p
A = π ∗ R 2 , con R = 0,0295
• ⇒ A = 2,733971007 ∗ 10−3 [m 2 ]
a = π ∗ r 2 , con R = 0,0015
• ⇒ a = 7,068583471 ∗ 10−6 [m 2 ]
K = 2,7 ∗ 10−6 [m 3 /V ]
g = 9,8[m/s 2 ]
0 ≤ u ≤ 10 [V]
0 ≤ h ≤ 0,2 [m]
3
1 Desarrollo
d hQ
→0
dt
K uQ
→0
pA
hQ → 0
4
1 Desarrollo
K
H (s) A
= p
a g
U (s) (s + p )
A 2hQ
K
A
G(s) = p (1.6)
a g
(s + p )
A 2hQ
5
1 Desarrollo
k
G 0 (s) = (1.7)
τs + 1
K
k A K K
⇒ = p = p = (1.8)
τs + 1 (s + p ) A(s + p
a g a g
q
) p A 2h q
A 2hQ A 2hQ a g
p (( p )s + 1)
2hQ a g
C (s)G 0 (s)
G(s) = (1.11)
1 +C (s)G 0 (s)
Ti s + 1 k
Kp
Ti s τs + 1
G(s) = (1.12)
Ti s + 1 k
1 + Kp
Ti s τs + 1
Kp k
(Ti s + 1)
Ti τ
⇒ G(s) = (1.13)
1 + Kp k Kp k
s2 + ( )s +
τ Ti τ
Así, se tiene que el denominador de la función de transferencia del sistema debe ser de
segundo orden, y por lo tanto se propone:
1 + Kp k Kp k
s 2 + 2ξωn s + ω2n = s 2 + ( )s + (1.15)
τ Ti τ
6
1 Desarrollo
1 + Kp k 2τξωn − 1
2ξωn = → Kp = (1.16)
τ k
Kp k Kp k 2τξωn − 1
ω2n = → Ti = → Ti = (1.17)
Ti τ τω2n τω2n
Sobreoscilación:
• M p = 10 %
Tiempo de asentamiento:
• t s = 10[s]
ξπ v
−p
(l n(M p ))2
u
1 − ξ2
u
M p = 100e →ξ = t →ξ = 0,5911550338 (1.18)
π2 + (l n(M p ))2
4 4
ts = →ω = →ω = 0,6766414513[r ad /s] (1.19)
ξω ts ξ
Y por lo tanto:
2τξωn − 1
Kp = = 563,3037834 ≈ 563,304 (1.20)
k
2τξωn − 1
Ti = = 1,718344856 ≈ 1,718 (1.21)
τω2n
(1,718s + 1)
C (s) = 563,304
1,718s
0,1053
G 0 (s) =
75,3766s + 1
7
1 Desarrollo
8
1 Desarrollo
En la figura 1.5 se muestra la respuesta del sistema y su actuación considerando una saturacion
máxima de 10[V]. Al igual que en el caso anterior, la señal de actuación se alcanza a saturar
por casi 2.5[s], sin embargo a pesar de esta sasturación el controlador estabiliza el proceso
tardando aproximadamente 15 segundos.
9
1 Desarrollo
10
1 Desarrollo
En la figura 1.7 y 1.8 se puede ver la respuesta del sistema linealizado en torno al punto de
operacion (5;0.1861).
Para esto se comienza la simulación en un valor de h = 0.1861 y se da un salto escalón de 0.01.
En la figura 1.7 se puede apreciar la respuesta del sistema sin saturacion. En ella el tiempo de
asentamiento es cercano a los 12.5 segundos, sin embargo, considerando el rango de respuesta,
se puede ver que a los 10 segundos el sistema ya alcanzó un valor cercano al 99 % de su valor
de asentamiento.
Considerando el punto de operación, se puede observar que la actuación supera el rango
válido.
En la figura 1.8 se aprecia la respuesta del sistema linealizado considerando una saturación
entre -5[V] y 5[V]. Esto debido a que se linealizó el modelo considerando una actuación en el
punto de operación de 5[V].
En esta situación, al igual que en la figura 1.7, se puede observar más claramente que el
rango de actuación se supera y por lo tanto la actuación se satura. Sin embargo, el tiempo de
asentamiento casi no se vé alterado.
11
1 Desarrollo
Con los datos cargados en Matlab, mediante systemIdentification se obtienen 2 modelos que
se ajusten al proceso.
Se seleccionan dos parecidos al modelo de la planta obtenidos analíticamente.
12
1 Desarrollo
Dado que los dos modelos tienen el mismo porcentaje de ajuste, se selecciona el modelo de la
planta/proceso como:
1,1536
G 0 (s) =
59,122s + 1
Por lo tanto:
k = 1,1536 (1.22)
τ = 59,122 (1.23)
Sobreoscilación:
• M p = 10 %
Tiempo de asentamiento:
• t s = 10[s]
ξπ v
−p
(l n(M p ))2
u
1 − ξ2
u
M p = 100e →ξ = t →ξ = 0,5911550338 (1.24)
π2 + (l n(M p ))2
4 4
ts = →ω = →ω = 0,6766414513[r ad /s] (1.25)
ξω ts ξ
Y por lo tanto:
2τξωn − 1
Kp = = 40,1331484 ≈ 40,133 (1.26)
k
2τξωn − 1
Ti = = 1,71037824 ≈ 1,710 (1.27)
τω2n
13
1 Desarrollo
Figura 1.11: Respuesta y actuación de la Identificación del sistema en Modelo No Lineal, sin
saturación
14
Análisis y comparación de resultados
Al momento del diseño del controlador de una planta o proceso, es importante estudiar
el proceso a nivel físico e identificar claramente las variables y parámetros que lo mode-
lan y caracterizan.
Dado que el proceso trabajado está modelado físicamente por un sistema de primer
orden estable, el controlador PID suficiente para estabilizarlo y llevarlo a un punto de
operación, es un controlador PI.
15
1 Análisis y comparación de resultados
Para mejorar la respuesta del controlador del sistema identificado, es posible mejorar
el modelo del sistema identificado introduciendo para ello otro polo y aumentando el
orden de la planta/proceso. Con esto, se encuentran modelos que se ajustan mejor a las
características de la planta, y que por lo tanto, tienen un mayor porcentaje de ajuste a
los datos obtenidos con LabView. Esto lleva por supuesto, a proponer un controlador
que tenga mayor grados de libertad y por lo tanto, un posible mejor rendimiento.
16