CIBIM

CIBEM
Actualidad de la Ingeniería Mecánica en Iberoamérica
Atualidade da Engenharia Mecânica Ibero-América

Federación Escuela de
Iberoamericana
Ingeniería
de Ingeniería
Mecánica Mecánica
 9

D. Operación y Mantenimiento de Maquinaria ---

27. Mantenimiento
28. Aspectos medioambientales
29. Reacondicionamiento

E. Mecánica Computacional ---

30. Mecánica de sólidos computacional (CSM)
31. Dinámica de fluidos computacional (CFD)
32. Transferencia de calor
33. Otras

F. Formación, Historia y Desafíos ---

34. Formación e historia en Ingeniería Mecánica
35. Emprendimiento en Ingeniería Mecánica
36. Industria 4.0
 8

Índice
Pag.

A. Ciencias Aplicadas a la Ingeniería Mecánica 22

1. Mecánica general - Mecánica experimental
2. Vibraciones mecánicas y acústica
3. Mecánica del medio continuo
4. Mecánica de fluidos
5. Termotecnia – Termodinámica
6. Energía
7. Sistemas de Representación – CAD
8. Estructuras
9. Mecatrónica - Electromecánica – Automatización
10. Instrumentación
11. Materiales y Metalurgia
12. Tribología
13. Biomecánica – Bioingeniería

B. Diseño y Concepción de Máquinas y Componentes ---

14. Síntesis y análisis de mecanismos
15. Vehículos
16. Maquinaria de elevación y transporte
17. Máquinas herramienta
18. Otras máquinas
19. Diseño de elementos de máquina

C. Fabricación de Componentes y Máquinas ---

20. Procesos de fabricación
21. Planificación y control de la fabricación
22. Producción industrial
23. Fabricación automatizada (CAM)
24. Control de calidad
25. Ensayos y verificaciones
26. Metrología
 7

Emilio Velasco Sánchez Jerson Fabian Maldonado Moreno

Carlos Eddy Valdez Salazar Maria Eugenia Muñoz Amariles
Anahí Velázquez Silva Raul Andres Serrano Bayona Daniela
Carina Vásconez Núñez Kim Christin Tschiersch
Ricardo Yáñez Valdez
Edmilson Otoni Correa
Julian Arnaldo Avila
Angela Beatrice Dewes Moura
Marcelo Acacio de Luca Rodrigues
Eduardo Diez
Angie Lizeth Espinosa Sarmiento
Jorge Isaac Fajardo Seminario
Marcelo Fajardo Pruna
Carlos Frajuca
Edry Antonio Garcia Cisneros
Homero Jiménez Rabiela
Mario Wolfart Júnior
de C. Fernandes de Lima
Frederico Romagnoli Silveira Lima
Luis Mora Rodriguez
Ulises Medina Uzcátegui
Carlos Alexandre J. Miranda
Carlos de Castro Nobrega
Beethoven Narváez Romo
Manuel Ochoa González
Alvaro Ochoa Villa
Pedro Agustin Ojeda Escoto
Jose Luis Otegui
Jesús Palacios Gallegos
Miguel Pleguezuelos González
José Alfonso Pámanes García
Carolina Quintero Ramírez
Marcio Andrade Rocha
Francesc Ferrando Piera
José Manuel Riesco Ávila
Richard Senko
Fernando Mauricio Tello Oquendo
Aristides Rivera Torres
Adelino Trindade
Guillermo Urriolagoitia Sosa
Mónica Urízar Arana
Renato Bortholin
Marcelo Becker
Miguel Cerrolaza
Juan Manuel Muñoz Guijosa
Carlos Andrés Trujillo Suárez
William Arnulfo Aperador Chaparro
John Faber Archila Díaz
Oscar Fernando Avilés Sánchez
Carlos Ramón Batista Rodriguez
Elkin Gregorio Flórez Serrano
Jesus Manuel Gutierrez Bernal
Luz Karime Hernandez Gegen Rita
Héctor Enrique Jaramillo Suárez
Jesús Antonio Ramírez Pastran Jose
Arly Dario Rincón Quintero Luis
Juan Manuel Rodríguez Prieto
Edgar Alonso Salazar Marín Juraci
Jorge Luis Chacon Velasco
Jose Ivan Hurtado Hidalgo David
Jorge Enrique Meneses Florez
Jorge Luis Cardenas
Adolfo Leon Arenas Landinez
Francisco Saldivia Saldivia Manuel de
Oscar Rodolfo Bohorquez Becerra
Julio Andres Pedraza Avella
Carlos Daniel Barrera
Daniel Felipe Chaparro
Adrian Pablo Cisilino
Christian Jeremi Coronado Rodriguez
Jorge Guillermo Diaz Rodriguez
Miguel Arlenzo Duran
Oscar Francisco Farias Fuentes
Gabriel Fernando Garcia Sanchez
Mariano Artes Gomez
Julian E. Jaramillo
Raul Lugo Leyte
 CIBIM
CIBEM
Cartagena 2019

Actualidad de la Ingeniería Mecánica en Iberoamérica

Atualidade da Engenharia Mecânica Ibero-América

Federación
Iberoamericana Escuela de
de Ingeniería Ingeniería
Mecánica Mecánica
CIBIM 2019

Editor
Manuel del Jesús Martínez, Dr.

Presidente
Julian Ernesto Jaramillo Ibarra, Dr.

ISBN: 978-958-52438-6-6
Primera edición: noviembre de 2019

Diseño, diagramación e impresión:

División de Publicaciones UIS
Carrera 27 calle 9, Ciudad Universitaria
PBX: (7) 6344000, ext. 2196
Bucaramanga, Colombia
publicaciones@uis.edu.co

Prohibida la reproducción parcial o total de esta obra, por

cualquier medio, sin autorización escrita de los autores.
 XIV Congreso Iberoamericano de
Ingeniería Mecánica – CIBIM 2019
XIV Congresso Ibero-Americano Em Engenharia
Mecânica – CIBEM 2019

Comité Organizador Presidente

Julian Ernesto Jaramillo Ibarra, Dr.

Integrantes

Manuel del Jesús Martínez, Dr. Jorge Enrique Meneses Flórez, MsC.
David Alfredo Fuentes Díaz, Dr. Alberto David Pertuz Comas, Dr.
Jorge Luis Chacón Velasco, Dr.

Comité Ejecutivo FEIBIM

Presidente Vocal 1º

Francisco Aparicio Izquierdo, Dr. Antonio Augusto Fernandes, Dr.

Vice-Presidente 1º Vocal 2º
José Luis San Román, Dr. Gustavo J. Cazzola, Dr.

Vice-Presidente 2º Vocal 3º
Christian J.R. Coronado, Dr. Raúl Lugo Leyte, Dr.

Vice-Presidente 3º Vocal 4º
Kurt Paulsen Moscoso, Dr. María Eugenia Muñoz Amariles, Dra.

Secretario General Vocal 5º

José Luis Muñoz Sanz, Dr. Oscar Francisco Farias Fuentes, Dr.

Tesorero Vocal 6º
Fabricio Esteban Espinoza, Dr. Luis Carlos Martinelli Jr, Dr.
 Comité Científico
Manuel del Jesús Martínez
Waldir Antônio Bizzo
Katia Tannous
Gilberto C. González Parra
Angel Diaz Rodriguez
Manuel Tur Valiente
Eugenio Giner Maravilla
José Martínez Casas
José Ródenas García
Fuenmayor Fernández
Francisco Denia
Asenssi Oliva
Rafael Royo Pastor
Emilio Navarro Peris
José Gonzalvez Maciá
Thiago Gamboa Ritto
Alejandro Roldán
Daniel Cortés
Luis A. Távara Mendoza
Federico Paris
Adrián Pablo Cisilino
Rodrigo Panosso Zeilmann
David Abellán López
Hector Miguel Aguila Estrada
Enrique Alcalá Fazio
Alfredo Alvim de Castro
Cledumar Amaral Araujo
Arturo Barba Pingarron
Jayanta Kumar Banerjee
Leonardo Bonacini
Martin Dario Castillo
Jesús Casanova Kindelán
Carlos Eduardo Castilla Alvarez
Daniela Bahiense de Oliveira
Carlos Borras Pinilla
Nestor Raul D’croz Torres
Pedro José Díaz Guerrero Miguel
Omar Armando Gelvez Arocha
Isnardo González Jaimes
Octavio Andrés González Estrada
Ricardo Alfonso Jaimes Rolon Juan
Abel Antonio Parada Corrales Javier
Alberto David Pertuz Comas
William Pinto Hernández
Jabid Eduardo Quiroga Méndez
Yesid Javier Rueda Ordoñez
Javier Rúgeles Peréz
Leonidas Vásquez Chaparro
Diego Fernando Villegas Bermúdez
Heller Guillermo Sanchez Acevedo
Carlos Alberto Romero Piedrahita
Luz Adriana Mejia Calderon
Sandra Patricia Cuervo Andrade
Sebastian Durango Idarraga
Omar López
Juan Miguel Mantilla
Sonia Rincón
Johann Barragán Gómez
Carlos Alberto Graciano
Whady Felipe Flórez Escobar
Rogelio Hecker
Max Suell Dutra
Fernando Castro
Mario Luiz Tronto
Ingrid Argote
Clayton Torres
 653

Con
gres
2482. SIMULACIÓN DE DIFERENTES CONTROLES EN TIEMPO DISCRETO PARA UN o
SISTEMA GRÚA PLUMA Iber
oam
Daniela Margarita Hurtado Duque1, Juan Camilo Guachetá Alba 2, Mauricio Felipe Mauledoux Monroy 3, Oscar eric
Fernando Avilés Sánchez 4, Robinson Jimenez Moreno 5 ano
de
1Grupo de investigación DAVINCI, Departamento de ingeniería en mecatrónica, Universidad Militar Nueva Granada, Colombia. Inge
Email: u1802721@unimilitar.edu.co nierí
2
Grupo de investigación DAVINCI, Departamento de ingeniería en mecatrónica, Universidad Militar Nueva Granada, Colombia.
a
Mec
Email: u1802715@unimilitar.edu.co
3
ánic
Grupo de investigación DAVINCI, Departamento de ingeniería en mecatrónica, Universidad Militar Nueva Granada, Colombia.
a
Email: mauricio.mauledoux@unimilitar.edu.co
4
4 Grupo de investigación DAVINCI, Departamento de ingeniería en mecatrónica, Universidad Militar Nueva Granada, Colombia.

Email: oscar.aviles@unimilitar.edu.co
5 Grupo de investigación DAVINCI, Departamento de ingeniería en mecatrónica, Universidad Militar Nueva Granada, Colombia.

Email: robinson.jimenez@unimilitar.edu.co

Resumen

El sistema grúa-pluma es un mecanismo utilizado para desplazar cargas de un lugar a otro en procesos industriales, donde
se busca que la movilización sea realizada en el menor tiempo posible, sin descuidar la estabilidad del sistema,
especialmente el de la carga. Se realiza el modelado matemático correspondiente al sistema, y se plantean diferentes
controladores, con el fin de encontrar el que presenta el mejor desempeño en términos del error y la robustez del sistema
en simulación, para constatar su buen comportamiento ante perturbaciones y a cambios paramétricos de la planta. Se
utiliza la técnica de control tipo cascada, donde se le da prioridad a la estabilidad de la carga (ángulo del péndulo), los
controladores propuestos cumplen el parámetro de diseño, igualmente se comprobó que los controladores son capaces de
soportar adecuadamente las perturbaciones en posición lineal y en ángulo, especialmente los controladores por anulación
de planta y servosistema.

Palabras clave: Control en cascada, Discretización, Grúa pluma, Modelado, Perturbaciones.

Abstract

The mobile gantry crane system is a mechanism used to move loads from one place to another in industrial processes,
where the mobilization is carried out in the shortest possible time, without neglecting the stability of the system, especially
that of load. The mathematical modeling corresponding to the system is carried out, and different controllers are proposed,
in order to find the one that presents the best performance in terms of the error and the robustness of the simulation system,
to verify its good behavior against perturbations and parametric changes of the system. The cascade-type control
technique, where priority is given to the stability of the load (pendulum angle), the proposed controllers fulfill the design
parameter in transporting the load keeping the angle of the latter as small as possible, also it was found that the controllers
can adequately support the disturbances in linear and angular position, especially the controller by system override and
servo system.

Keywords: Cascade control, Discretization, Mobile gantry crane, Modeling, Perturbations

Introducción llevar la carga de un lugar a otro en el menor tiempo

La importancia del sistema grúa-pluma radica en el
amplio uso que tiene en la industria, donde los procesos
deben de ser eficientes para evitar el derroche del dinero;
un balanceo descontrolado en la carga se traduce en una
carga dinámica adicional para la grúa y por ende se
reduce la eficiencia de trabajo [1]. El control de las
oscilaciones de la grúa no es algo nuevo, los intentos por
posible reduciendo las oscilaciones han dejado el
sistema más susceptible a cambios paramétricos y a
perturbaciones del entorno [2]. En un sistema como el
presentado es variante en el tiempo, por lo cual requiere
un control dinámico, donde se infiere un valor estimado
de los estados a partir de la dinámica del sistema y de los
valores o mediciones realizadas por transductores [3],
este rango es especialmente útil sí el objetivo de control
 654

Con
gres
se encuentra dentro de este, y por ende no es necesario
o
rediseñar el controlador [4]. Wang y Chen propusieron
Iber
controlador de dos grados de libertad, donde le dan igual
oam
importancia a las oscilaciones y a la distancia objetivo
eric
[5], no obstante, el controlador de mayor uso en el
ano
mercado y en la industria es el PID [6], este controlador
de
es ampliamente conocido al reducir el factor de
Inge
amortiguamiento y reducir el error en estado
nierí
estacionario de un sistema [7], pero no por esto es,
Figura 1: Modelo del sistema grúa pluma. Fuente: a
necesariamente, el de mejor desempeño.
elaboración propia Mec
ánic
El controlador diseñado por el lugar geométrico de las
Se establece la definición de la energía cinética y de la a
raíces permite obtener resultados en poco tiempo y
energía potencial como se muestra en las ecuaciones 1 y 4
resulta útil, al conocer la forma en la que deben de
2 respectivamente.
modificarse los polos y ceros en lazo abierto para que la
respuesta cumpla con las especificaciones de 1 1
comportamiento del sistema, adicionalmente el cálculo 𝑇 = (𝑚 + 𝑀)𝑥̇ 2 + 𝑚𝑙2 𝜃̇ 2 − 𝑚𝑥̇ 𝑙𝜃̇ 𝑐𝑜𝑠(𝜃) (1)
2 2
de este controlador es igual para tiempo discreto y
continuo, teniendo en cuenta que el límite de estabilidad 𝑉 = −𝑚𝑔𝑙(1 − 𝑐𝑜𝑠(𝜃)) (2)
del eje 𝑗𝜔 del plano s, queda modificado al círculo
unitario en el plano z [8][9]. Existen controladores que Con estas definiciones se determina el Lagrangiano del
solo funcionan en tiempo discreto como lo son anulación sistema descrito en la ecuación 3.
de planta y anulación de planta por oscilaciones muertas
𝐿 = 𝑇 – 𝑉 (3)
(Dead Beat), estos métodos buscan hallar el controlador
en un menor tiempo, cumpliendo con las 1 1 ̇
𝐿 = (𝑚 + 𝑀)𝑥̇ 2 + 𝑚𝑙2 𝑥̇ 2 − 𝑚𝑥̇ 𝑙𝜃 cos(𝜃)
especificaciones deseadas, el resultado tiende a ser 2 2
satisfactorio si se tiene un conocimiento adecuado del + 𝑚𝑔𝑙(1 − 𝑐𝑜𝑠(𝜃)) (4)
sistema [10].
𝜕 𝜕𝐿 𝜕𝐿
( )− = 𝐹𝑁𝐶 (5)
𝜕𝑡 𝜕𝑞̇ 𝜕𝑞
En este documento se plantean diversos controladores en
tiempo discreto, implementados en el lazo de Se calculan las derivadas parciales de la ecuación 4
retroalimentación para mejorar el rendimiento del respecto a la posición y velocidad, tanto angular como
sistema [11], y aplicando la técnica de control en lineal, las cuales se ven expresadas en la ecuación 5,
cascada, con el fin de encontrar el de mejor obteniendo las ecuaciones 6 y 7 que describen el
comportamiento en simulación. comportamiento del sistema, donde 𝛽1 es la viscosidad
traslacional y 𝛽2 es la viscosidad rotacional.

Metodología 𝐹 = (𝑀 + 𝑚)𝑥̈ − 𝑚𝑙𝜃̈ 𝑐𝑜𝑠(𝜃) + 𝑚𝑙𝜃̇ 2 𝑠𝑖𝑛(𝜃) + 𝛽1 𝑥̇ (6)

2𝛽2 𝜃̇
𝑥̈ 𝑐𝑜𝑠(𝜃) = 𝑙 𝜃̈ + 𝑔 𝑠𝑖𝑛(𝜃) + (7)
2.1. Modelado 𝑚𝑙

Dado que la fuerza que se ejerce en el sistema es

Inicialmente se estableció el modelado del sistema que
aplicada mediante un motor, se describe tal y como se
se muestra en la figura 1, donde M es la masa del carro,
muestra en la ecuación 8, posteriormente se reemplaza
m la masa de la carga, θ el ángulo formado por la carga
las ecuaciones 6 y 7 con el fin de encontrar las
respecto al centro del carro, L es la longitud del péndulo,
ecuaciones que describen el comportamiento de las
x el desplazamiento el eje horizontal, g la gravedad y F
aceleraciones del sistema.
la fuerza aplicada sobre el sistema.
𝐹 = 𝐾𝑒 ∗ 𝑉 (8)

𝐾𝑒 ∗ 𝑉 − 𝛽1 𝑥̇ − 𝑚𝑙𝜃̇ 2 𝑠𝑖𝑛(𝜃) − (𝑚 + 𝑀)𝑔𝑡𝑎𝑛(𝜃)

𝜃̈ =
(𝑀 + 𝑚)𝑙
− 𝑚𝑙𝑐𝑜𝑠(𝜃)
𝑐𝑜𝑠(𝜃)
2(𝑀 + 𝑚)𝛽2 𝜃̇
− 𝑀𝑙 (9)
(𝑀 + 𝑚)𝑙
− 𝑚𝑙𝑐𝑜𝑠(𝜃)
cos(𝜃)
 655

Con
gres
le da prioridad a la segunda variable, es decir a la
o
2 ̇2
estabilidad de la carga, con el fin de cumplir con el
𝐾𝑒 ∗ 𝑉 ∗ 𝑙 − 𝛽1 𝑥̇ − 𝑚𝑙 𝜃 𝑠𝑖𝑛(𝜃) − (𝑚 + 𝑀)𝑙𝑔𝑡𝑎𝑛(𝜃) Iber
𝑥̈ = desplazamiento del sistema, a la velocidad propuesta por
(𝑀 + 𝑚)𝑙 − 𝑚𝑙𝑐𝑜𝑠 2 (𝜃) oam
2(𝑀 + 𝑚)𝛽2 𝜃̇
el usuario.
eric
− 𝑀 + 𝑔 𝑡𝑎𝑛(𝜃)
(𝑀 + 𝑚)𝑙 − 𝑚𝑙𝑐𝑜𝑠 2 (𝜃)
ano
2𝛽2 𝜃̇ de
+ (10) Inge
𝑚𝑙𝑐𝑜𝑠(𝜃)
nierí
Se suponen ángulos pequeños para el sistema de tal a
forma que se reescriben nuevamente las ecuaciones 9 y Mec
10. ánic
a
2(𝑀 + 𝑚)𝛽2 𝜃̇ Figura 4: Diagrama de bloques del control en cascada 4
𝐾𝑒 ∗ 𝑉 − 𝛽1 𝑥̇ −
𝜃̈ = 𝑀𝑙 (11)
(𝑀 + 𝑚)𝑙 − 𝑚𝑙 para el sistema. Fuente: elaboración propia

2(𝑀 + 𝑚)𝛽2 𝜃̇ Para realizar el calculo de los controladores se hace uso

𝐾𝑒 ∗ 𝑉 ∗ 𝑙 − 𝛽1 𝑥̇ −
𝑀 2𝛽2 𝜃̇
𝑥̈ = + (12)
(𝑀 + 𝑚)𝑙 − 𝑚𝑙 𝑚𝑙
Se realizaron mediciones experimentales sobre un
sistema físico, el cual se expone en la figura 2, con el fin
de determinar las constantes que definen la dinámica del
sistema. Los valores obtenidos se encuentran en la figura
3, los cuales son necesarios para ser aplicadas sobre el
modelo presentado en las ecuaciones 11 y 12.
del software Matlab®, donde para cada caso se
especifica que el control de la estabilidad de la carga
debe de responder con mayor velocidad que el control
de posición de la grúa. La programación se observa en
el seudocódigo de la figura 5.
Con el fin de determinar cuál de los controladores
cumple de manera más optima el desplazamiento del
sistema, manteniendo la estabilidad de la carga, se
realiza la simulación de cada uno de ellos, para lo cual
se implementa el diagrama de bloques de la figura 4.
Cada simulación se compara a una señal escalón que
imita el desplazamiento de la grúa de un lado a otro.

Para el cálculo de cualquier controlador, es necesario

fijar sus objetivos de control, los cuales están dados por
parámetros de respuesta en el comportamiento, como lo
son el tiempo de establecimiento del sistema y el
coeficiente de amortiguamiento. Cabe recalcar que, en
un control en cascada, la frecuencia de muestreo de cada
control dará la prioridad sobre las señales a controlar,
Figura 2: Sistema grúa pluma. Fuente: elaboración además del coeficiente de amortiguamiento. Dado esto,
propia
se establece un tiempo de establecimiento de la señal de
distancia de 3 segundos y un coeficiente de
amortiguamiento de 0.7; mientras que para la señal de
ángulo se establece un tiempo de establecimiento de 0.5
segundos y un coeficiente de amortiguamiento de 0.9.
Dichos parámetros expresan una prioridad en la
Figura 3: Constantes de la planta. Fuente: elaboración estabilidad del ángulo, con una rápida respuesta de este,
propia y un comportamiento sub-amortiguado en la distancia de
la grúa pluma.
2.2. Control

Al tener dos variables, distancia de la grúa y ángulo del

péndulo, en necesario aplicar la técnica de control en
cascada, cuya estructura se muestra en la figura 4, el cual
se define como la configuración donde la salida de un
controlador de realimentación es el punto de ajuste para
otro controlador de realimentación [12], en este caso se

Figura 5: Seudocódigo general para hallar controles.
Fuente: elaboración propia
*Para cada controlador este paso se realiza de manera
diferente.
A continuación, se enuncian los diferentes controladores
que se proponen, estos obedecen a los de mayor uso e
implementación en los sistemas físicos, adicionalmente
se muestran los seudocódigos usados para el cálculo de
las constantes de cada uno de ellos.
 PID continuo-discreto, este es de los
controladores mas utilizados en tiempo
continuo para sistemas analógicos, el tiempo de
muestreo para la discretización depende del
tiempo de respuesta del sistema, pero suele ser
diez veces más rápido que el tiempo de
establecimiento.
Figura 6: Seudocódigo PID continuo-
discreto. Fuente: elaboración propia
 PID discreto-discreto, este controlador es una
alternativa del PID continuo-discreto para ser
aplicado en los sistemas discretos, se diferencia
del anterior, al discretizar el sistema desde el
principio y de esta forma, hallar el controlador,
el tiempo de muestreo es igual que el utilizado
en PID continuo-discreto.
Figura 7: Seudocódigo PID discreto-
discreto. Fuente: elaboración propia
 Compensador por lugar geométrico de las
raíces, este método es ampliamente utilizado en
plantas análogas y digitales por la facilidad de
cálculo, sí se tiene un conocimiento de la
ubicación de los polos y ceros del sistema, el
tiempo de muestreo es diez veces más rápido
que el tiempo de establecimiento.
656
Con
gres
o
Iber
oam
eric
ano
de
Inge
nierí
a
Figura 8: Seudocódigo Compensador Mec
LGR. Fuente: elaboración propia ánic
a
 Compensador en frecuencia, este controlador 4
es calculado con métodos gráficos, es
ampliamente utilizado y el tiempo de muestreo
es diez veces más rápido que el tiempo de
establecimiento.
Figura 9: Seudocódigo Compensador
Bode. Fuente: elaboración propia
 Anulación de planta, este método para hallar el
controlador es de uso exclusivo para sistemas
discretos, y es muy utilizado al permitir el
comportamiento deseado, el tiempo de
muestreo es diez veces más rápido que el
tiempo de establecimiento.
Figura 10: Seudocódigo Anulación de
planta. Fuente: elaboración propia
 Anulación de planta por oscilaciones muertas,
este controlador es útil al anular parcialmente
términos de la función de transferencia, el
tiempo de muestreo es n veces más rápido que
el tiempo de establecimiento, donde n es el
orden del denominador del sistema.
Figura 11: Seudocódigo dead beat.
Fuente: elaboración propia
 Servosistema, este controlador es el de mayor
robustez, responde de manera óptima en
términos de velocidad y desempeño. Para este
caso no aplica el seudocódigo presentado en la
 657

Con
gres
figura 5, la programación de este se observa en
o
la figura 12. El tiempo de muestreo es
Iber
cincuenta veces más rápido que el tiempo de
oam
establecimiento.
eric
ano
de
Inge
nierí
a
Figura 12: Seudocódigo servosistema. Mec
Fuente: elaboración propia ánic
a
2.3. Evaluación 4

Para determinar que controlador cumple de manera más

eficiente según los parámetros dados, se realiza un Figura 13: Respuesta de distancia en controles ante
análisis grafico del comportamiento de cada controlador entrada escalón. Fuente: elaboración propia
frente a un desplazamiento horizontal. De igual manera
se realiza un análisis numérico para determinar el
esfuerzo de control, ecuación 13 y el error cuadrático
medio de los controladores haciendo uso de la ecuación
14, con estos datos se obtienen argumentos a la hora de
implementar un controlador [13].
𝑇 +∞
𝐸∞ ≜ lim ∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ |𝑥(𝑡)|2 𝑑𝑡 (13)
𝑇→∞ −𝑇 −∞

𝑁𝑚

𝐸𝑐 = ∑ |𝑢(𝑛)|2 (14)
0

Donde 𝑥(𝑡) es señal de error en tiempo continuo y 𝑢(𝑛)

es la señal de control en tiempo discreto.

Resultados
La simulación de los controladores previamente
calculados se realiza mediante diagrama de bloques en
la herramienta Simulink®. En las figuras 13 y 14 se
observa el comportamiento de los controladores ante una
entrada escalón, la cual simula una referencia de
distancia donde su valor mínimo corresponde a 0 cm, y
10 cm corresponde a su valor máximo, el periodo de la
señal es de 20 segundos.
Figura 14: Respuestas de distancia en controles ante
entrada escalón. Fuente: elaboración propia
Los controladores de anulación de planta, dead beat y
servosistema, son los que gráficamente, presentan los
mejores comportamientos, no obstante anulación de
planta, cumple los requisitos de manera más apropiada
es al presentar un tiempo de establecimiento de 2.86
segundos, y un comportamiento subamortiguado. Para
corroborar la estabilidad que presenta la carga, que es el
principal objetivo, se analizó el comportamiento del
ángulo para los controladores de mejor desempeño como
se observa en la figura 15.
 658

Con
gres
comprueba que el controlador por anulación de planta es
o
el controlador óptimo para el sistema grúa pluma al
Iber
presentar los mínimos valores en los criterios.
oam
eric
ano
de
Inge
nierí
a
Mec
ánic
a
4

Figura 15: Respuestas de ángulo en controles ante

entrada escalón. Fuente: elaboración propia

Con el análisis del ángulo se comprueba que se minimiza

la oscilación del péndulo generada por el movimiento de Figura 17: Señales de error ante entrada escalón.
la plataforma móvil, el control por anulación de planta Fuente: elaboración propia
solo presenta una amplitud en su pico de 0.2 grados,
valor que representa una correcta estabilidad en la carga. Tabla 84. Mediciones de esfuerzo de control y error
cuadrático medio en controladores.
En la metodología, se expresó que las señales de control
y error de los controladores involucran dos criterios que Controles Ec [V²] Ee [cm²·s]
permiten determinar la eficiencia y el funcionamiento Continuo 2.27E+05 133.5
optimo de cada controlador. En la figura 16 se plasman Discreto 2.32E+04 255.8
las señales de control de los controladores seleccionados
anteriormente, donde anulación de planta presenta el LGR 2.19E+04 331.9
máximo sobreimplulso. Frecuencia 4.14E+04 455.5
Anulación 5.07E+03 95.66
Dead Beat 5.09E+04 234.5
Servosistema 1.62E+04 150.5

Conclusiones

El modelado de sistemas mecánicos permite aterrizar

problemas que se presentan en la industria, como lo es
la estabilidad en un sistema grúa pluma, y facilita
enfrentar dicho problema con métodos de control en
tiempo discreto.

Con todos los controladores propuestos, se logró que la

Figura 16: Señales de control ante entrada escalón.
Fuente: elaboración propia
En la figura 17 se observan las señales de error de estos
tres controladores, donde estas presentar error en estado
estacionario igual a cero, igualmente se infiere de la
grafica que el control por anulación de planta es el más
rápido y con una estabilización suave, respecto al
controlador por servosistema. En la tabla 1 se exponen
las mediciones de esfuerzo de control y error cuadrático
medio para cada uno de los controladores, en donde se
plataforma móvil llegase a la referencia dada, no
obstante, es claro que para un sistema grúa pluma, las
oscilaciones presentadas por los controles PID, es sus
dos modalidades, no son aceptables, a pesar de ser los
controladores de mayor uso. Todos los controladores
cumplieron el objetivo de priorizar la minimización del
tiempo y la amplitud de las oscilaciones de la carga.
Los controladores de mejor desempeño en la simulación
fueron servosistema, anulación de planta y dead beat,
donde el mejor de ellos resultó anulación de planta al
cumplir los objetivos de control, y adicionalmente es el

de menor consumo de potencia y mínimo error
cuadrático.
Referencias
[1] Zhengyan Zhang, D. Chen and Min Feng,
"Dynamics model and dynamic simulation of overhead
crane load swing systems based on the ADAMS," 2008
9th International Conference on Computer-Aided
Industrial Design and Conceptual Design, Kunming,
2008, pp. 484-487.
[2] H. Ye, J. Zhai and X. Mo, "Anti-swing Switching
Control for Overhead Cranes," 2010 International
Conference on System Science, Engineering Design and
Manufacturing Informatization, Yichang, 2010, pp. 38-
41.
[3] H. Sira-Ramírez, R. Márquez, F. Rivas-Echeverría,
O. Llanes-Santiago. Control de Sistemas No Lineales.
Mayo 2004.
[4] R.M.T. Raja Ismail, M.A. Ahmad, M.S. Ramli y
F.R.M. Rashidi, “Nonlinear Dynamic Modelling and
Analysis of a 3-D Overhead Gantry Crane System with
Payload Variation”, Third UKSim European
Symposium on Computer Modeling and Simulation,
2009, pp. 350-354.
[5] X. Wang and Z. Chen, "Two-degree-of-freedom
sliding mode anti-swing and positioning controller for
overhead cranes," 2016 Chinese Control and Decision
Conference (CCDC), Yinchuan, 2016, pp. 673-677.
[6] P. Podržaj, "Contionuous VS discrete PID
controller," 2018 IEEE 9th International Conference on
Mechanical and Intelligent Manufacturing
Technologies (ICMIMT), Cape Town, 2018, pp. 177-
181.
[7] F. Golnaraghi, B. C. Kuo, Automatic Control
Systems, 9th Ed: John Wiley & Sons, INC, 2010.
[8] K. Ogata, Ingeniería de control moderna , 5ta Ed.,
Madrid: Pretince Hall Hispanoamérica, 2010.
[9] K. Ogata, Sistemas de control en tiempo discreto, 2a
Ed., México D. F: Pretince Hall Hispanoamérica, 1996.
[10] B. C. Kuo, Digital Control Systems, 2nd Ed., New
York: Oxford University Press, 1992.
[11] L. Yi, X. Ma. Swinging Crane Project. The
University of Adelaide. 2014 Disponible:
https://www.eleceng.adelaide.edu.au/students/wiki/proj
ects/index.php/Projects:2014s280_Swinging_Crane_Pr
659
Con
gres
oject. [Último acceso: 3 de Marzo 2019]
o
Iber
[12] C. Montero, D. Guanipa, J. Molleda, M. Osorio, J.
oam
Vivas, N. Heredia, “Control en cascada”. Disponible en:
eric
https://dinamicaycontrol.files.wordpress.com/2012/03/r
ano
esumen-control-cascada.pdf [Último acceso 15 de Mayo
de
2019]
Inge
nierí
[13] J. P. Gonzáles, “Análisis de la Energía de la Señal
a
de Control y el Error a Sistemas Linealizados
Mec
Imlementando GPC y DMC”. Universidad Nacional de
ánic
Colmbia. Dieciembre del 2005
a
4
Palabras clave: Control en cascada, Discretización,
Grúa pluma, Modelado, Perturbaciones.
El sistema grúa-pluma es un mecanismo utilizado para
desplazar cargas de un lugar a otro en procesos
industriales, donde se busca que la movilización sea
realizada en el menor tiempo posible, sin descuidar la
estabilidad del sistema, especialmente el de la carga. Se
realiza el modelado matemático correspondiente al
sistema, y se plantean diferentes controladores, con el
fin de encontrar el que presenta el mejor desempeño en
términos del error y la robustez del sistema en
simulación, para constatar su buen comportamiento ante
perturbaciones y a cambios paramétricos de la planta. Se
utiliza la técnica de control tipo cascada, donde se le da
prioridad a la estabilidad de la carga (ángulo del
péndulo), los controladores propuestos cumplen el
parámetro de diseño, igualmente se comprobó que los
controladores son capaces de soportar adecuadamente
las perturbaciones en posición lineal y en ángulo,
especialmente los controladores por anulación de planta
y servosistema.