CONTROL DIGITAL

CARRERA: MECATRÓNICA

TEMA : DISEÑO Y CONSTRUCCION DE UN

CONTROLADOR PID ANALOGICO MEDIANTE UN
PENDULO INVERTIDO.

NOMBRE:
 CASTRO ANDRES
 LARA JUAN CARLOS
 MARTINEZ STALYN

NIVEL : SEPTIMO

PARALELO :B

DOCENTE : Dr. VICTOR ANDALUZ

MARZO-JULIO 2019
1. Objetivos
1.1. Objetivo General
 Diseñar y construir un controlador PID analógico mediante
para un péndulo invertido
1.2. Objetivo Específicos
 Analizar las señales de entrada, salida, error proporcionadas
al excitar el sistema del péndulo invertido
 Aplicar la lógica de circuitos para la implementación de
controladores proporcionales, integrales y diferenciales.
 Diferenciar la conducta de un sistema comandado por un pide
y de la función de transferencia obtenida experimentalmente.
2. Marco teórico
2.1. Controlador PID
El control automático asienta sus bases esencialmente en el
concepto de realimentación. Este concepto se concreta en una
estructura de control en la cual el controlador se puede entender
como un operador, que, en función de la salida deseada de la planta,
y la salida real medida, proporciona la acción de control a aplicar
sobre el sistema.
Si bien existen muchos tipos de control basados en este principio, el
control proporcional, derivativo e integral (PID), es el que mayor
implantación tiene en la industria de procesos. Dicho control consiste
esencialmente en obtener la acción de control como la suma de tres
términos: término proporcional, término derivativo y término integral.
[ CITATION San12 \l 12298 ]
2.2. Variables de control
El objetivo del control es medir el valor de la variable controlada del
sistema para aplicar correcciones a través de la variable controlada
del sistema para aplicar correcciones a través de la variable
manipulada para obtener un valor deseado.

 Variable Controlada: La variable controlada es la cantidad o

condición que se mide y se controla.
 Variable Manipulada: La variable manipulada es la cantidad o
condición que el controlador modifica para afectar el valor de la
variable controlada.
 Planta: La planta normalmente es un conjunto de partes que
trabajan juntas con el objetivo de realizar una operación en
particular.
 Perturbación: Es una señal que tiende a afectar la salida del
sistema, desviándola del valor deseado.
 Sensor: Es un dispositivo que convierte el valor de una
magnitud física (presión, flujo, temperatura, luminosidad, etc.) en
una señal eléctrica codificada ya sea en forma analógica o
digital.

Figura 1. Controlador PID

Para implementar el control es necesario determinar lo que el

usuario desea obtener de dicho controlador, previo a la
implementación del controlador en la planta modelada, es preciso
determinar todos los elementos que intervienen en este control, así
como la descripción del proceso.

Figura 2. Diagrama de bloque.

 2.3. Métodos de Sintonización de un Controlador PID
2.3.1. Método De Ziegler y Nichols En Lazo Cerrado o de la
Oscilaciones Sostenidas
El Método consiste en obtener la respuesta de la señal medida a
una perturbación (por ejemplo un pulso en el set point) con
controlador proporcional. Se observa la respuesta y si es
amortiguada, se incrementa la ganancia hasta lograr Oscilaciones
Sostenidas (oscilación con amplitud constante). La ganancia del
controlador (proporcional) en este caso se denomina “Ganancia
Última” y se nota Kcu y el período de la oscilación se llama
“Período Último” u. Los valores recomendados de sintonización
son:

Figura 3. Señal proporcional

Figura4. Tabla de controlador PID

3. Modelación y validación
A través de la aplicación del software MatLab existe un método que nos
ayuda a identificar o estimar un modelo matemático (función de
transferencia) de una planta (ejemplo motor dc) sin necesidad de
conocer los parámetros técnicos de la planta o de conocerla realmente,
entonces habría que considerarlo como un proceso desconocido al cual
a través de su adquisición de datos podremos encontrar un modelo con
un grado de compatibilidad alto.
Para este fin la herramienta “ident” de Matlab nos permite configurar
para lograr la identificación de forma exitosa, para este caso se
identificará a un sistema prototipo de segundo orden, para ello se
tienen en cuenta los pasos en la siguiente secuencia:
 Inicializamos Matlab y creamos un vector dentro del Command
Windows para colocar los datos de entrada y salida obtenidos
en la experimentación, de la siguiente forma:

Figura5. Datos proporcionados por Ident

 Luego llamamos a la plataforma guide de Ident colocando su

nombre dentro de la pantalla de Command Windows, posterior
mente se desplegará la siguiente pantalla

Figura6. Lugar de trabajo Ident.

 En la figura 6 se despliega la pantalla damos clic en la opción

‘‘Import Data’’ y buscamos la opción ‘‘Time domain data’’,
damos clic y se despliega la siguiente pantalla:
 Figura 7. Nominación de vectores

En pantalla de la figura 7 colocamos el nombre de los vectores

con los datos de entrada donde dice Input y los datos de salida
en Output, damos clic en Import y cerramos la pantalla
 Una ves cargado los datos en la pantalla aparecerá una
pequeña grafica que confirma que los datos se han cargado con
éxito, como muestra en la ilustración:

Figura 8. Pantala de trabajo Ident.

 Posterior mente para halla la función de transferencia damos

clic en ‘‘Estimate’’, donde buscamos la opción ‘‘Transfer
Función Model’’, damos clic y nos pregunta de cuantos ceros y
polos queremos estimar.
 Figura 9. Sistema para determinar la función de transferencia.

 Esperamos a que compile el sistema, para verificar la

compilación al lado derecho aparecerá una pequeña grafica que
permite visualizar la función de transferencia al igual que la
gráfica de comportamiento

Figura 10. Identificación del sistema Ident.

 Finalmente, para poder visualizar los polos, su gráfica, la

función de transferencia, etc. Basta con dar clic a las diferentes
opciones de ‘‘Model Views’’
 4. Diseño del controlador
4.1. Esquema electrónico

Figura 11. Esquema electrónico simulado en Proteus.

5. Simulación

Figura 12. Esquema electrónico simulado en Proteus.

6. Experimentación

Fases para sintonización del controlador PID.

Para la parte del control proporcional tenemos los siguientes datos como se muestra en las
figuras 13:

Figura 13. Diagrama control proporcional simulado en Proteus.

Para la parte integral:

Observamos la figura 14 el cual es nuestro controlador integral diseñado en el software

Proteus.

Figura 14. Diagrama control integral simulado en Proteus.

Para la parte derivativa:

De la misma manera se observa el controlador derivativo en la figura 15 el cual es simulado en

Proteus.

Figura 15. Diagrama control derivativo simulado en Proteus.

Resumiendo tenemos los siguientes datos:

RC =10 k

R=1k
R F=1 k

CC 1=10 uF =CC 2=10 uF

R H =10 k

RG =1 k

Nuestro controlador viene dado en función de las constantes K p , K i , K d en la ecuación (1):

Ki
C ( s ) =K p + + K d s(1)
s
De donde tendremos que la parte proporcional que viene dada por K pserá igual a:

R F (R C C C 1+ R D C C 2)
K p= (2)
RG RD C C 2

La parte integran K i será igual a:

RF
K i= (3)
RG RC C C 2

Y la parte derivativa K d será igual a:

RF RD C C1
Kd= (4)
RC

7. Validación

Figura 16. Señal proporcional generada por Ident.

Para realizar la sintonización de nuestra planta de péndulo invertido se

realizó probando con todos los controles en cero como se muestra en la
figura 13.

Figura 17. Controladores en cero (Autores, 2019).

Como se muestra en la figura 14 se busca el set point que en nuestro caso
el ideal será 90°. Donde nuestra señal de set point será semejante a la del
error. Por tener error cero.

Figura 18. Grafica de set point en 90° (Autores, 2019).

Se procede sintonizar las variaciones para estabilizar con los controladores

tnto integral y derivativo. En la cual con la ayuda de las graficas de simulink
podemos observar si

8. Conclusiones
 Se diseñó un controlador PID analógico del péndulo invertido por
medio del software Proteus, el cual con la función de
transferencia obtenido se calculó el valor para las señales
amplificadores operacionales de Kp, Ki y Kd.

9. Referencias