INSTITUTO TECNOLOGICO

DE CIUDAD MADERO

“CONTROL DE PROCESOS”
ING. SECUNDINO ARTEAGA RIVERA

*AVANCES DEL PROYECTO*

PROYECTO UNIDAD 4 “CONTROL MULTIVARIABLE”

BARRAGAN GARCIA EFREN MANUEL 16070435

CASTILLO VEGA FRANCO GUADALUPE 16070438
HERNÁNDEZ DE CASTRO EVA LUZ 16070488
SANTANA PERES PABLO ADRIAN 16070469

HORA:
13:00 – 14:00 am

FECHA DE ENTREGA:
03 JUNIO 2020

PERIODO ENERO-JUNIO 2020

INTRODUCCIÓN:
La mayoría de los sistemas (naturales o artificiales) tienen varias variables de medida (salidas) para ser
controladas y varias variables manipulables (entradas), en cuyo caso se dice que son multivariables. Muchos
procesos industriales típicos son de naturaleza esencialmente multivariable: calderas, mezclas, plantas de papel,
columnas de destilación, reactores químicos, intercambiadores de calor, redes de distribución de vapor, sistemas
de aire acondicionado, etc. Un fenómeno único de los sistemas multivariables es la interacción que se presenta
entre sus variables, de tal forma que una variable de entrada afecta a varias variables de salida, lo cual puede
dificultar en gran medida el diseño del sistema de control.
Tradicionalmente los problemas de control de procesos se han abordado mediante lazos de control mono
variables e independientes, donde una variable de medida es controlada con una variable manipulada. En dichos
lazos, el controlador proporcional-integral-derivativo (PID) es el más extendido, ya que se puede entender e
implementar fácilmente. Además, se puede integrar en estructuras de control más avanzadas y bien conocidas
como el control en cascada, control feedforward, control por proporción, etc.
Estos enfoques se han desarrollado a lo largo de varios años de experiencia, y funcionan adecuadamente cuando
las interacciones entre las diferentes variables del proceso son pequeñas. Sin embargo, cuando las interacciones
son importantes, el control de un sistema multivariable se puede volver mucho más difícil

OBJETIVOS:
 Proporcionar métodos, cuya finalidad es el estudio conjunto de datos multivariables, que el análisis
estadístico uní y bidimensional es incapaz de conseguir.

 Tomar una decisión optima dependiendo del contexto de la información disponible por el conjunto de
datos analizados, así como también él dice; o de controladores individuales de lazo simple.

 Definir como aparear las variables de entradas y salidas.

 Definir como diseñar los controladores individuales de lazo simple.

 Reconocer el mejor apareamiento de las variables controladas y manipulables.

VI.17 We like to regulate the composition of distillate and bottom products from a distillation column,
using the reflux flow R and vapor flow in the column V (or equivalently the steam flow rate) as
manipulated variables. Select the pairings between controller outputs and manipulated inputs so that
the resulting loops offer minimum steady – state interaction. The following input – output
relationships for the distillation column have been determined experimentally.

−1.1s −1.0 s
o .60 e 0.5 e
X D ( s )= R ( s )− V ( s)
( 5 s+ 1 )( 2 s +1 ) ( 6 s +1 ) (3 s+1 )

o.30 e−1.3 s ( ) 0.5 e−1.0 s

X D ( s )= R s− V (s)
( 5 s+ 1 )( s+1 ) ( 5 s+1 ) ( s+ 1 )

If the best couplings still possess significant interaction between the control loops, design two
decouplers that produce two noninteracting control loops.

Solución

1.-Generar un modelo de función de transferencia.

[ ]
−1.1 s −1.0 s
0.60 e −0.5 e
XD ( 5 s +1 ) ( 2 s+1 ) ( 6 s +1 )( 3 s+1 ) R ( s )
[ ]= [ ]
XB 0.3 e
−1.3 s
−0.5 e
−1.0 s
V (s )
( 5 s +1 )( s+1 ) ( 5 s+ 1 )( s+1 )

2.-Calcular la matriz ganancia

K ( 0 )= [ KK 1121 K 12
K 22
=][
0.60 −0.50
0.30 −0.50 ]
3.-Calcular la ganancia relativa (RGA) la cual nos proporciona ayuda para obtenerlas interacciones del proceso
y nos recomienda el mejor aparecimiento de las variables controladas y manipuladas.
1 1
λ 11= = =2
K 12 K 21 ( −05 )( 0.3 )
1− 1−
K 11 K 22 ( 0.6 )(−0.5 )
Como λ 11>1; se entiende que para esta situación el lazo cerrado 2 reduce la ganancia entre C1 y M1, por lo
tanto se entiende que hay mas de una interacción entre los arreglos de C1 y M1.

 λ 11= λ 12=2
 λ 12=1−λ 11=1−2=−1
 λ 21=1−λ 11=1−2=−1

[
∆= 2 −1
−1 2 ]
 Estabilidad:

1-1/2-2

 Arreglos para introducir a Simulink:

( A) 0.60 0.60
= −−−−−−−−−−−→ Delay=1.1
K 11 (5 s+1)(2 s +1) 10 s 2+ 2 s+1
(B) −0.50 −0.50
= −−−−−−−−−−−→ Delay=1.0
K 12 ( 6 s+ 1)(3 s+1) 18 S2 +2 s +1

(C) 0.30 0.30

= 2 −−−−−−−−−−−−→Delay =1.3
K 21 (5 s+1)( s+1) 5 s +2 s +1

( D) −0.50 −0.50
= 2 −−−−−−−−−−−−→Delay =1.0
K 22 (5 s+1)( s+1) 5 s +2 s +1

4.-Desarrollar el diseño de desacopladores:

−0. 5−1.0 s
−g12 18 s 2 +2 s+1 0.8333(10 s 2 +2 s+1)−0.1 s 8.333 s2 +1.6666 s +0.8333
gI 1= = = =
g11 0.6 0−1.1 s 18 s2 +2 s +1 18 s2 +2 s +1
2
10 s +2 s+1

−0. 3−1.3 s
−g22 5 s2 +2 s+ 1
gI 2= = =0.6 ¿ ¿
g21 −0.5 0−1.0 s
2
5 s +2 s+ 1
APLICANDO DESACOPLADORES Y CON PI 1 Y 0 CON 100

APLICANDO DESACOPLADORES Y CON PI 1 Y 0 CON 50

Sin desacopladores Pi 1 100

Sin desacopladores Pi 1 50
Sin desacopladores PID 1 100

Sin desacopladores PID 1 200

Sin desacopladores Pi 1 50

Sin desacopladores Pi 1 100

Sin desacopladores PI 1 200

Sin desacopladores Pi 1 150