Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/283733868
CITATIONS READS
3 4,343
3 authors:
Julio Terron
Universidad de Cádiz
27 PUBLICATIONS 19 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Command and Control, Integration and Training for Interoperable Unmanned Systems (CITIUS). Path Planning Algorithms with Robust and Adatptive Controller for USV.
View project
Unmaned surphace marine vehicles control and methods for obstacle avoidance systems View project
All content following this page was uploaded by Manuel J Lopez on 05 December 2015.
APLICACIÓN AL BUQUE
MODELADO Y SIMULACIÓN
DE SISTEMAS
APLICACIÓN AL BUQUE
Copyright:
Manuel Jesús López Sánchez
Agustı́n Consegliere Castilla
Julio Terrón Pernı́a
Copyright de la edición:
Sección Departamental de Ingenierı́a de
Sistemas y Automática, Tecnologı́a
Electrónica y Electrónica.
C.A.S.E.M., Universidad de Cádiz.
Agradecimientos
Deseamos expresar nuestro agradecimiento a aquellas personas que de una u otra forma
nos han ayudado a la realización de este libro.
En primer lugar a los doctores Kallstrom, Zuidweg, Astrom, Othsu y Amerongen, por
su ayuda en los primeras fases del estudio de la dinámica del buque, ya que nos enviaron
artı́culos y trabajos de gran interés para la comprensión, desarrollo y aplicación de los
modelos matemáticos de los buques.
En nuestra labor docente como profesores del Área de Ingenierı́a de Sistemas y Au-
tomática en la Facutad de Ciencias Náuticas, ası́ como en diferentes cursos de postgrado
de la Universidad de Cádiz, detectamos este problema y empezamos a realizar activi-
dades encaminadas a crear un sustrato sobre el modelado y la simulación, de forma que
ello repercutiera positivamente en la formación de los alumnos.
Sin ser nada pretenciosos, son varios los objetivos perseguidos en este trabajo. Primor-
dialmente se quiere reflejar en él las ideas fundamentales del modelado y la simulación
iii
iv
de sistemas. Por otro lado, al ser nuestra actividad docente colaboradora en la formación
de los estudiantes de Ciencias Náuticas, se pretende complementar los conocimientos
cualitativos que adquieren los alumnos en: a) otras asignaturas, b) en las sesiones de
aprendizaje a bordo de un buque real, o c) con el simulador de navegación del C.A.S.E.M
(Centro Andaluz Superior de Estudios Marinos), con un estudio cuantitativo más pro-
fundo de la influencia de los distintos parámetros y factores que influyen en la dinámica
del buque. Ası́ se le facilita al alumno un enfoque multidisciplinar e integrador de los
conocimientos, además de tratar de motivarlos por los temas relacionados con el modela-
do y la simulación.
Para que el ámbito de aplicación del trabajo sea lo más amplio posible se ha con-
cebido de forma general en cuanto a su estructura y contenido, si bien los ejemplos y
modelos matemáticos que se emplean a lo largo del texto corresponden al buque en di-
ferentes condiciones de navegación y con diversos problemas de control. Sin embargo,
el planteamiento y métodos descritos son generales, por lo que puede servir como texto
de introducción a quienes estén interesados por las técnicas de modelado y simulación de
sistemas. Para ello, el texto se ha estructurado de la siguiente forma:
Finalmente se incluyen unos apéndices que pueden ser útiles para el lector, y que
tratan sobre la deducción de las ecuaciones del movimiento de un buque en el plano
horizontal, el cálculo de funciones de transferencia, el empleo de métodos numéricos
para resolver ecuaciones diferenciales ordinarias, y sobre el análisis orientado a objetos
(AAO). Se incluye un apéndice sobre el análisis orientado a objetos, a fin de que sirva de
introducción al lector que no tenga conocimiento sobre temas basados en la filosofı́a de
la orientación a objetos, y que le pueda servir para el empleo posterior de herramientas de
simulación que se basen en la metodologı́a orientada a objetos.
vi
Índice General
1.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.7 Simnon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8 ACSL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.9 VisSim . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.10 Program CC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
vii
viii ÍNDICE GENERAL
2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
xiii
xiv ÍNDICE DE FIGURAS
3.2 Variables: δ, ψ, u, v, U . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3 Variables: α, φ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
ÍNDICE DE FIGURAS xv
5.10 Respuesta del buque (rumbo) para señal binaria (timón) . . . . . . . . . . 174
6.6 Buque con el timón a la vı́a y bajo los efectos de la mar . . . . . . . . . . 194
6.7 Buque con el timón a la vı́a y bajo los efectos de la mar . . . . . . . . . . 196
ÍNDICE DE FIGURAS xvii
6.8 Buque con el timón a la vı́a y bajo los efectos del viento . . . . . . . . . . 197
6.9 Buque con el timón a la vı́a y bajo los efectos de la corriente . . . . . . . 198
xix
Capı́tulo 1
Introducción al Modelado y la
Simulación
1.1 Introducción
Para entender los estudios comprendidos y objetivos perseguidos en este trabajo hay que
detenerse en la comprensión y alcance de una serie de conceptos fundamentales e inter-
relacionados como son los conceptos de sistema, experimento, modelo y simulación.
Sistema
1
2 CAPÍTULO 1. INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
otros elementos externos (entorno E del sistema). Según este planteamiento, a un sistema
se le puede asociar la terna { C,S,E } (Bunge, 1979; Aracil y Toro, 1993).
Experimento
Modelo
Hay que tener en cuenta que un modelo está siempre relacionado con el par sistema -
experimento. Ası́ cuando se dice: ”el modelo de ese sistema es válido”, hay que interpre-
tar que el modelo es adecuado para un determinado experimento, pero para otro diferente
puede que no lo sea. Ésto implica que el concepto de validación de un modelo siempre
hay que relacionarlo con un experimento o conjunto de ellos a realizar sobre un sistema.
Ningún modelo de un sistema es válido para todos los posibles experimentos, ya que
serı́a una repreducción exacta del sistema real, y por tanto tan complejo con él, en con-
traposición con el principio básico del modelado: la simplificación. Se puede decir que
existen dos términos o palabras claves asociadas al modelado de sistemas: simplificación
y utilidad.
1.2. ALGUNAS DEFINICIONES 3
CARACTERÍSTICAS
DESEABLES COMENTARIOS
DE UN MODELO
1 Simplicidad Debe ser la simplificación del sistema real representado
2 Flexibilidad Se podrán modificar las entradas y someterle
a diferentes experimentos
3 Robustez Las conclusiones deben ser válidas en un amplio
rango alrededor del punto de funcionamiento habitual
4 Adaptabilidad Debe ajustarse a nuevas informaciones de su entorno
5 Totalidad Debe representar todos los aspectos importantes del
sistema, sin dejar de ser simple
6 Accesibilidad Buena comunicabilidad con el usuario
7 Útil El mejor modelo es el más util
Modelado
Simulación
APLICACIONES FINALIDAD
1 Experimentación Utilizando los modelos matemáticos
2 Predicción Para predecir el comportamiento de un sistema cuando
se somete a determinados estı́mulos
3 Enseñanza y Obtener experiencia en la toma de decisiones. Adquirir
”training” ciertas rutinas o hábitos (simuladores)
4 Ayuda al Considera los múltiples elementos y relaciones que
pensamiento aparecen en un sistema, los cuales permiten concentrar
la atención sucesivamente en subconjuntos reducidos de
éstos, y ayudar ası́ al análisis de dicho sistema
5 Etapa previa Evaluar las prestaciones del sistema simulado referidas
al diseño a los objetivos a priori
6 Comparación de Estudio de comportamiento bajo diversas situaciones
estrategı́as
Es posible obtener diferentes modelos para un sistema concreto, según el propósito que
se persiga con el modelado. En este apartado se hace una clasificación particular aten-
diendo al conjunto de ecuaciones que caracterizan al modelo matemático del proceso;
también se describen algunas de las caracterı́sticas de los modelos de tipo simbólico (cual-
itativo, basado en reglas, funcionales y causales); y se consideran los modelos fı́sicos y
analógicos.
por ejemplo una cierta cola de entrada alimenta de piezas a un determinado ma-
nipulador. Los cambios en el estado del proceso se generan por las acciones que
realiza cada entidad.
• Modelado simbólico
Este tipo de modelado se caracteriza por alguna de las siguientes caracterı́sticas: a)
algunas variables del proceso no corresponden a magnitudes fı́sicas, b) los valores
que toman las variables no son valores numéricos, sino simbólicos (por ejemplo:
términos del tipo medio, bajo, muy bajo ...), c) las relaciones entre variables se
expresan por medio de mecanismos basados en la lógica más que en el cálculo
matemático (por ejemplo: si aumenta la temperatura entonces subirá la presión).
Algunos tipos de modelos simbólicos son los siguientes: 1) modelos basados en
reglas, 2) modelos cualitativos, 3) modelos funcionales, y 4) modelos causales. La
modelización simbólica surge fundamentalmente en el ámbito de la inteligencia
artificial.
Las técnicas de modelado y simulación cualitativa tienen una especial utilidad en
los sistemas de control, supervisión y diagnóstico de sistemas complejos (Kuipers,
1986; de Kleer, 1984 ; Forbus, 1984; Moreno, 1992). El programa QSIM imple-
menta en PC un algoritmo de simulación cualitativa propuesto por Kuipers.
3. Evaluación y actualización
4. Simulación
A partir de: a) el conocimiento que se tenga del sistema, b) de una serie de hipótesis de
trabajo, c) de los medios de que se dispongan y d) de los objetivos que se desean cumplir
(definiendo las condiciones de aplicabilidad y limitaciones), se plantea el problema de
modelado y posterior simulación. Para caracterizar esta primera etapa del proyecto, se
puede utilizar una frase de Einstein: Üna formulación adecuada de un problema es inclu-
so más importante que su solución ”.
1. Análisis teórico.
Se realiza al principio, con un estudio de las leyes que gobiernan al sistema y que
caracterizan su comportamiento dinámico y estático. La aplicación de las leyes
conduce al tipo de ecuaciones que definirán el modelo teórico del proceso (ecua-
ciones algebraicas, diferenciales ordinarias y en derivadas parciales). Tal modelo
suele ser complicado por lo que para ser utilizado puede necesitar de algún tipo de
simplificación. Una vez obtenido el modelo teórico simplificado, se procede a su
validación.
2. Análisis experimental
Este emplea las técnicas de identificación de sistemas, basadas en la toma de datos
experimentales de pruebas a las que se somete al proceso real. Supone un tratamien-
to inductivo del problema, y como tal, en general se obtienen como soluciones un
conjunto de posibles modelos que satisfacen las relaciones entre las variables ob-
servadas. Se necesita la colaboración de un análisis deductivo para decidir cual
de todos los posibles modelos es el que más se asemeja en su comportamiento al
sistema real.
1.4. FASES DE UN PROYECTO DE MODELADO Y SIMULACIÓN 9
Entre las ventajas que el modelo experimental tiene sobre el teórico, la más importante
es que permite obtener el modelo de un sistema o proceso del que no se tiene que conocer
necesariamente su fundamentación teórica, es decir: se obtiene un modelo tipo de ”caja
negra”. Otra ventaja es que permite, en sistemas muy complejos, obtener un modelo de
una forma mas económica y rápida, También constituyen una forma de comprobación del
modelo teórico. Las desventajas principales son: 1) el sistema debe ya existir y funcionar,
2) debe someterse el sistema a ensayos que perturben sus condiciones normales de trabajo,
y 3) no proporciona un conocimiento profundo sobre el proceso real.
Puede considerarse que ambos métodos no son antagónicos, sino que mas bien se
complementan; ya que en general, la obtención de un modelo matemático suele ser un
proceso de tipo iterativo en el que de una u otra manera se utilizan ambas técnicas.
Evaluación y actualización
Es una fase tan importante o quizás más que las anteriores, pues consiste en la detección
de errores en los datos, variables, programación, etc. Puede considerarse que abarca tres
aspectos principales:
• Validación: contrastando los resultados de la simulación con los del sistema real.
La actualización del modelo es una tarea a realizar, debido a que este puede cambiar
con el tiempo o también a que cambien las especificaciones del proyecto de simulación y
se necesite para ello cambiar la estructura, parámetros, etc.
Simulación
Una vez que el modelo ha superado todas las fases (ver figura 1.1), se tiene un mode-
lo adecuado para la aplicación de la simulación del sistema real. Cabe distinguir entre
una aplicabilidad con fines de análisis y otra con fines de diseño en su caso. Se pueden
considerar con finalidad de análisis aquellas simulaciones que tienen como objeto la com-
paración de estrategias, la obtención de relaciones funcionales, el adiestramiento o la ed-
ucación. El otro caso se refiere a que el sistema sea factible de ser afectado por un diseño
12 CAPÍTULO 1. INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
La dinámica de sistemas (DS) nace como una técnica que permite analizar los sistemas
y simular su comportamiento. Su inventor fue un ingeniero de sistemas llamado J.W.
Forrester, que desarrolló esta técnica durante la década de los cincuenta. La primera
aplicación consistió en el análisis de la estructura de una empresa norteamericana y el
estudio de unas oscilaciones muy acusadas que se daban en sus ventas. Es destacable
también, que la dinámica de sistemas se empleó en 1970 para el estudio del mundo como
sistema dinámico, que sirvió como base para el primer informe del Club de Roma.
• Nube: representa una fuente o un pozo. Puede interpretarse como un nivel que no
tiene interés y que es prácticamente inagotable.
• Variable auxiliar: una cantidad con un cierto significado fı́sico en el mundo real y
con un tiempo de respuesta instantáneo.
• Variable exógena: variable cuya evolución es independiente de las del resto del
sistema. Representa una acción del medio sobre el sistema.
Un diagrama construido con la ayuda de los sı́mbolos asociados a los elementos ante-
riores se conoce como Diagrama de Forrester o diagrama Dynamo, ya que el DYNAMO
es un lenguaje de simulación basado en los diagramas de Forrester. A partir del diagrama
de Forrester se pueden escribir las ecuaciones del modelo, y posteriormente programadas
en un computador permite la obtención numérica y/o gráfica de la evolución temporal de
las variables de interés.
modelo debe responder a la finalidad del estudio que se pretanda realizar, por lo que en
cada caso ha de elegirse el tipo de estructura que resulte más adecuada. Ası́ por ejemplo,
en un circuito eléctrico se pueden establecer diferentes formas de modelado: 1) mediante
un esquema gráfico o plano (puede ser una buena representación del sistema real, pero no
da información sobre la respuesta del sistema); 2) empleando un conjunto de ecuaciones
algegraico-diferenciales (que sirven para obtener la respuesta, pero no retiene relación
con el problema fı́sico que representa); 3) un diagrama de simulación y/o diagrama de
bloques (simplifica el trabajo de simulación y representación, pero pierde gran parte de las
referencias a la estructura y principios fı́sicos del sistema); 4) mediante el empleo de una
metodologı́a que integra gráficos y notación matemática, conocida como Bond-Graph,
y que mantiene una gran semejanza entre la estructura del sistema real y el modelo, a
la vez que facilita la obtención de modelos de otros tipos (como diagramas de bloques y
conjuntos de ecuaciones) que se pueden deducir mediante una serie de pasos sistemáticos.
La idea original del Bond-Graph (Paynter en los años cincuenta) consiste en realizar
una extensión de las leyes de Kirchoff (de los circuitos eléctricos) a todos los domin-
ios de la Fı́sica. Posteriormente, en los años sesenta se desarrolla el lenguaje ENPORT
(Rosenberg, 1992) que ha ido evolucionando hasta la actualidad. Algunas industrias au-
1.6. MODELADO CON BOND-GRAPH 15
Las ligaduras o (bonds) representan las conexiones entre los elementos del sistema, y
sirven de transmisores entre nodos, por lo que se representan mediante una semiflecha que
enlaza los nodos. Mediante su dirección y su barra de causalidad aportan una información
complementaria.
1.7 Simnon
las ventanas ”Plot Windows”, o de dibujo, donde se realizan las representación gráfica
de las respuestas del sistema dinámico en función del tiempo, o en el plano de fases.
Habitualmente para realizar la programación en Simnon se siguen los siguientes pasos:
• Capacidad para trabajar en tiempo real: dispone de instrucciones con las que se
puede realizar operaciones de adquisición de datos, control en tiempo real y simu-
lación de procesos.
Una vez contruido el modelo hay que obtener de él toda la información necesaria para que
un programa de ordenador sea capaz de hacer la simulación. La asignación de la causal-
idad computacional se refiere a la decisión de qué relación debe emplearse para calcular
cada incognita, a fin de obtener el código final para la simulación. Una caracterı́stica de
los lenguajes de simulación es que en general no permiten relaciones algebraicas mutuas
entre variables, debido a que en ese caso el módulo de ordenación de ecuaciones no puede
determinar una secuencia de ejecución de las ecuaciones del modelo. Un ejemplo sencilo
de bucle algebraico lo consituyen las dos ecuaciones siguientes:
y = f (x)
x = g(y)
1.7. SIMNON 21
donde x debe conocerse antes de calcular y con la primera ecuación, y para la segunda
ecuación se debe conocer y para calcular x; resultando que ninguna ecuación puede resol-
verse sin la otra. La aparición de bucles algebraicos entre variables dentro de un modelo
puede ser indicativo de un procedimiento inadecuado de modelado, o de una elección in-
correcta de las variables (Cellier y Elquist, 1993). Sin embargo, es frecuente e incluso
inevitable la aparición de estos bucles algebraicos como resultado de la interconexión en-
tre diferentes sistemas o partes de un sistema. Para que un lenguaje de modelado resulte
eficiente debe considerar tales casos y realizar la manipulación simbólica necesaria para
resolverlos, tal como hacen los lenguajes Dymola (Elquist et al., 1993) y Omola (Matts-
son et al., 1993). A continuación se muestra un ejemplo de bucle algebraico en Simnon
(SSPA, 1993).
========================================================
CONTINUOS SYSTEM s1 "define sistema s1
INPUT u
OUTPUT y
END
............
............
========================================================
22 CAPÍTULO 1. INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
u[s1] = yr + k * u[s1]
lo cual justifica la denominación de lazo o bucle algebraico. En este caso se puede resolver
sin problema siempre que k = 1; pero en general, la ecuación resultante puede ser no
lineal, en cuyo caso es más difı́cil de resolver. El Simnon no trata los bucles algebraicos,
mostrando en ese caso un mensaje de error. En la figura 1.7 se muestra otro ejemplo de
bucle algebraico, en este caso para Simulink. Si se trata de realizar la simulación del
sistema, aparecerá un mensaje de error, avisando de la existencia de bucles algebraicos.
1.8. ACSL 23
1.8 ACSL
Ejemplo en ACSL
A continuación se presenta el listado del source model (sm) en primer lugar, y en segundo
el del runtime commands (rc) del modelo matemático del movimiento de balance de un
buque. Su dinámica, tal como se describe en el capı́tulo iii, se puede modelar mediante
una ecuación diferencial de la forma,
φ̈ + 2ξωφ φ̇ + φ = Kφ α
ÿ + aẏ + y = 0
======================================================================
PROGRAM mbalan1 DERIVATIVE
!============== modelo matemático de un buque, que describe el
! movimiento de balance para un ángulo de escora
! inicial de 15 grados
CINTERVAL cint = 0.02
!============== define constante del modelo
CONSTANT a = 0.2 , wn = 0.33333
CONSTANT ydin = 0.0 , yin = 15.0
!============== ecuaciones del modelo
ydd = - a * yd - (wn**2) * y
yd = INTEG(ydd,ydin)
y = INTEG(yd,yin)
1.9. VISSIM 25
======================================================================
SET TITLE = ’Movimiento de balance del buque’ SPARE SET TCWPRN=72
!permite salida por pantalla de 3 columnas
!salida por pantalla cada 50*cint = 1 segundo
OUTPUT t,y,yd/NCIOUT=50
PREPARE t,y,yd
START
PLOT y,yd !repuesta temporal de y(t), yd(t)
PLOT/XAXIS=y,yd !respuesta en el plano de fases (y,yd)
SPARE !lista tiempo de ejecución
QUIT
======================================================================
1.9 VisSim
Figura 1.8: Angulo de balance en función del tiempo (ejemplo con ACSL)
objeto u objetos con distintas apariencias se pueden hacer animaciones del sistema
durante la simulación.
Existen una serie de módulos adicionales que amplı́an las posibilidades de VisSim:
• VisSim/Real Time: genera código para usar las tarjetas de entrada/salida con blo-
ques desde la interface gráfica.
1.10. PROGRAM CC 29
1.10 Program CC
Los tópicos de control que trata son: control clásico, sistemas muestreados, con-
trol multivariable, sistemas muestreados con múltiples frecuencias de muestreo, Control
Óptimo y Control Robusto. Emplea las transformadas de Laplace y Z, realiza manipu-
lación simbólica con funciones de transferencia y matrices de funciones de transferencia;
también emplea la representación en el espacio de estados.
G=0.2/(s*(80*s+1))
Gr=0.1*(1+50*s/(0.1*s+1)+1/120*(1/s))
Glc=G*Gr/(1+G*Gr)
time,Glc,3,aut
state
ocf,Glc,Plc
simulation,Plc,1,1,1,1,1500,0.1,10
plot,Plc.Y,tr,auto
simulation,Plc
ya que el resto de parámetros se pueden introducir según se van solicitando por el pro-
grama desde el teclado; y que son: 1) tipo de entrada (en este caso, ”1 − > escalon”),
2) canal de entrada (”1 − > entrada única”, en el caso de sistema multivariable habrı́a
varios canalas de entrada), 3) altura o amplitud de la señal (se toma amplitud unidad),
4) estado inicial (se considera que inicialmente todas las variables de estado son cero),
5) tiempo de simulación (”1500 segundos”), 6) paso de integración (se toma ”0.1 segun-
dos”), 7) cada cuantos cálculos se almacena un dato en el fichero $$Plc.Y para posterior
tratamiento (”cada 10 cálculos”). En la figura 1.11 se tiene la respuesta temporal que se
obtiene en lazo cerrado para un cambio de rumbo tipo escalón unidad. Una utilidad del
CC es que pueden construirse macros de instrucciones (extensión ”.MAC”) que facilita
y flexibiliza el empleo de la potencialidad del programa CC.
Por otro lado, se tiene que Program CC (versión 4): no trabaja con simulaciones de
sistemas no lineales, ni con identificación de parámetros, tampoco emplea manipulación
gráfica de diagramas de bloques. Su mayor atractivo para el control clásico lo supone la
manipulación simbólica de funciones y matrices de transferencia; sin embargo, como ya
se ha mencionado, incorpora también el tratamiento en el espacio de estados y técnicas
avanzadas de control tales como por ejemplo las conocidas H2 , LQG, LQG/LTR, IMC
y H∞ . También es destacable el conjunto de comandos y macros para la obtención de
modelos de orden reducido a partir tanto de su representación entrada-salida como de la
representación matricial en el espacio de estados (Thompson, 1988).
MATLAB (MATrix LABoratoy) se puede considerar que se está convirtiendo en una her-
ramienta software estándar para la comunidad cientı́fica y técnica. Un dato significativo es
1.11. MATLAB Y SIMULINK 31
que la mayorı́a de programas de simulación y diseño tienen en cuenta en sus opciones una
interface para utilizar o crear ficheros de datos compatibles con Matlab. Éste es a la vez
un lenguaje de programación y un entorno para el cálculo numérico, cálculo simbólico
y visualización gráfica. Integra funciones para el análisis numérico, análisis estadı́stico,
factorización y descomposición, procesamineto de la señal y operaciones con matrices,
entre otras muchas utilidades matemáticas (Math Works, 1995).
• Optimization Toolbox
• Spline Toolbox
• Statistics Toolbox
===================================================================
% ROLLMJ1.M
%
% Ejemplo de programa para MATLAB (script file)
% Obtiene la respuesta temporal del movimiento de balance de
% un buque que tiene un angulo de escora inicial de 15 grados
%
%
Kfi=0.2; % ganancia estacionaria
% angulo_de_balance/angulo_de_aletas
1.11. MATLAB Y SIMULINK 33
x00=15/C(2);
X0=[0; x00]; % vector de estado inicial: 15 grados
%
t=0:0.02:50; % tiempo, de 0 a 50 segundos
%
% variable de entrada (aletas replegadas)
u=zeros(size(t));
%
% Simulacion
y=lsim(A,B,C,D,u,t,X0);
%
plot(t,y,’w’) % grafica de respuesta temporal
xlabel(’tiempo (seg)’)
gtext(’angulo de balance (grad)’)
===================================================================
Simulink
Con Simulink se dispone de una clase de ventana denominada block diagram windows
donde se crean la estructura de los modelos en forma de diagrama de bloques editándolos
con el ratón. Los bloques que estructuran los modelos pueden extraerse de la biblioteca de
bloques que contiene Simulink y que están agrupados bajo las leyendas de: Sources,
Sinks, Discrete, Linear, Nonlinear, Connections, Extra. O bi-
en, se pueden crear nuevos, caracterizando su comportamiento con funciones de Matlab,
ya que cualquier función de Matlab puede llamarse e implementarse en Simulink, como
un bloque más.
modelo de Nomoto), y actuador (modelo matemático de la máquina del timón y pala del
timón) (ver capı́tulo iii); 2) controlador basado en la lógica borrosa; 3) elementos de
setpoint, comparador (sum), reloj (variable tiempo), y variables a almacenar en memoria
o espacio de trabajo (workspace). También se tienen tres bloques adicionales que sirven
respectivamente para representar gráficamente los resultados de las simulaciones, para la
actualización del regulador, y para seleccionar el tipo de buque.
En la figura 1.14 se muestran con más detalle los bloques correspondientes al contro-
lador, planta y actuador. En esta figura se pueden ver las constantes de normalización y
desnormalización del controlador, ası́ como un bloque que llama a la función infer.m de la
”fuzzy logic toolbox” (Babuska, 1993), que es la que realiza la inferencia a partir del con-
junto de reglas definido, y proporciona el valor numérico de la variable de control (orden
de timón). Los bloques di (t), do (t) se utilizan para modelar las perturbaciones actuantes
36 CAPÍTULO 1. INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
sobre el sistema.
Como un ejemplo de sistema multivariable (en este caso con tres entradas y tres sal-
idas) se incluye el diagrama de bloques de Simulink de la figura 1.17. En este diagrama
se distinguen los siguientes elementos: 1)elementos de cambio de consigna o set-point y
transductores (de temperatura a tensión eléctrica), 2) elementos para generar las perturba-
ciones, 3) elemento comparador o restador que calcula las señales de error, 4) regulador
multivariable, o también un conjunto de tres reguladores independientes de simple entra-
1.11. MATLAB Y SIMULINK 37
da y simple salida, 5) planta o proceso a controlar G (horno industrial con tres zonas de
calentamiento), 6) electrónica de potencia y actuadores (resistencias eléctricas) Gpot, 7)
grupo de sensores/transductores de temperatura Gs, 8) lı́neas de realimentación negativa
(”feedback”) y 9) lı́neas que van a bloques de variables para almacenar ( en el work space
de Matlab) los valores numéricos que se calculan durante la simulación.
Tanto el código del lenguaje propio de Matlab, como el de Simulink, son interpretados.
Por ello, para sistemas de cierta complejidad puede ocurrir que el tiempo necesario para
realizar la simulación sea considerable. Por ello se acude a la posibilidad de trabajar con
código compilado creando archivos con extensión ”.DLL”, ”.MEX”, o ”.EXE”con alguno
de los compiladores de ”C”con que Matlab puede trabajar. Existen distintas formas de
crear código compilado desde Matlab (versión 4.2c.1):
• Real Time Workshop: permite desde Matlab comunicarse con el exterior a través
de tarjetas de entrada/salida de varios fabricantes. Además produce archivos eje-
cutables ”.exe”para aplicaciones en tiempo no real a partir de diagrama de bloques
diseñado bajo simulink, generando primero código en C del sistema diseñado, que
se compila y enlaza con otras librerı́as para crear el archivo ejecutable ”.exe”.
La otra posibilidad es incluir en el diagrama de bloques los ’drivers’ de la tarjeta
con la que se trabaja y generar un archivo ejecutable que haga uso de la tarjeta para
adquirir y sacar datos analógicos y/o digitales.
1.11. MATLAB Y SIMULINK 39
Una opción más potente con la que puede trabajar Real Time Workshop es mediante
tarjetas basadas en DSP (Digital Signal Processing).
En esta sección se realiza mediante un ejemplo la programación del mismo modelo matemático
en diferentes herramientas para simulación, como son Tutsim, Matlab y Vissim. La idea
es compararlos entre sı́, y ver cómo ha evolucionado la programación basada en un dia-
grama de simulación en los últimos años. Como ejemplo ilustrativo de esto último se han
elegido Tutsim y Vissim.
En este apartado se describen algunas de las cracterı́sticas de la versión 5.0 (año 1986),
y se muestra con un ejemplo el desarrollo necesario para obtener una simulación com-
parándolo con VisSim. El objetivo que se persigue es simplemente que sirva al lector
de ilustración de un ejemplo de programa de simulación situado entre: a) aquellos que
requieren escribir las ecuaciones del modelo matemático (tales como SIMNON y ACSL),
y b) los actuales lenguajes de simulación que emplean la programación visual (como por
ejemplo VISSIM y SIMULINK). El Tutsim (versión 5.0) es más parecido a los segundos,
únicamente que en vez de definir la estructura, bloques y conexiones de forma gráfica o
visual, lo hace definiendo la estructura en forma de código. Una caracterı́stica destacable
del Tutsim es que se diseñó para poder simular sistemas modelados mediante la técnica
Bond Graph, estableciendo unas estructuras de bloques equivalentes a los elementos uti-
lizados en Bond Graph (Applied i, 1986).
1.12. COMPARACIÓN ENTRE LENGUAJES DE SIMULACIÓN 41
τ ÿ + ẏ = Ku
u = uo
ẏ = ẏo = Kuo
τu u̇ + u = Ku uc
si u > 35 entonces u = 35
– Ganancia estacionaria K.
K = 0.4 (grados/segundo)/grados
– Constante de tiempo τ .
τ = 50 segundos
– Ganancia estacionaria Ku .
Ku = 1.0 grados/grados
– Constante de tiempo τu .
τu = 0.5 segundos
Diagrama de simulación
ÿ = (K/τ )u − ẏ/τ
u̇ = (Ku /τ )u − u/τ
uc = A sen(2πF t)
A continuación se dan los pasos a seguir para introducir los datos del modelo matemático
del sistema completo a simular en TUTSIM, realizando a la vez una comparación con el
procedimiento seguido si se emplea VISSIM.
Con VISSIM se elige new del menú file mediante el empleo del ratón. Para intro-
ducir los bloques correspondientes se selecciona blocks, y se van interconectando
gráficamente mediante el ratón que controla el movimiento del cursor en la pantalla.
2. Tras identificar, numerar y asignar las entradas de cada bloque, pasamos a introducir
los parámetros. Para ello, cuando aparezca en pantalla
COMMAND:
se introduce el comando
1.12. COMPARACIÓN ENTRE LENGUAJES DE SIMULACIÓN 45
CP =⇒ ”Asignación de parámetros”
• Horz: 0, 0 1000
significa que se va a representar sobre el eje de abcisas la evolución temporal
comprendida entre t=0 y t=1000 segundos.
• Y1: 10, -15, 15
indica los valores mı́nimo (-15) y máximo (+15) de ordenada para la repre-
sentación de la variable seleccionada (la salida del bloque 10 del diagrama de
simulación).
Con VISSIM se puede emplear un bloque tipo ”plot” a cuyas entradas se
conectan las variables de interés del sistema que se quieran representar gráficamente
tras la simulación. Para ello se selecciona blocks, signal consumer y
finalmente plot. Para indicar tipo de gráfica, lı́mites, etiquetas, tı́tulo, etc.,
se hace doble ”click”en pantalla sobre el bloque ”plot”.
4. Ahora se introducen una serie de parámetros relativos a los cálculos, como son el
tiempo de simulación (”final time”) y el intervalo de cada cuanto tiempo (”delta
time”) se almacenan los datos calculados para posterior representación gráfica o
almacenamiento en fichero. Para ello se utiliza el comando
CT =⇒ ”Change Timing”
Con VISSIM se selecciona del menú principal simulate, y dentro de éste simulation
setup; introduciendo los valores de tiempo de simulación, ası́ como el tipo de
método de integración.
SD =⇒ ”Simulation Display”
SN =⇒ ”Simulation Numeric”
SF =⇒ ”Simulation File”
MF =⇒ ”Matlab File”
SP =⇒ ”Simulation Printer”
Date: / /
Time: /
MODEL:
10.0000 1 FRQ
0.0100
1.0000 2 GAI 1
0.5000 3 ATT 2
4 SUM 3 -6
0.0000 5 INT 4
0.5000 6 ATT 7
-35.0000 7 LIM 5
35.0000
0.4000 8 GAI 7
50.0000 9 ATT 8
10 SUM 9 -13
0.0000 11 INT 10
0.0000 12 INT 11
50.0000 13 ATT 11
Para iniciar la simulación se hace: MF, con lo que los datos de la simulación se
almacenan en un fichero ”.MAT”para MATLAB.
% GRAFIMJ1.M
%
% Programa para visualización de respuesta temporal
% procedente de simulación con TUTSIM, programa:
% dinmj1.sim
% que almacena los datos de simulación en fichero
% datmj1.mat
%
load datmj1.mat
d=datmj1’;
1.12. COMPARACIÓN ENTRE LENGUAJES DE SIMULACIÓN 49
t=dat(:,1);
uc=dat(:,1);
dy=dat(:,1);
clg
hold off
plot(t,uc,t,dy*10)
xlabel(’tiempo (seg)’)
gtext(’dy * 10 (grad/seg)’)
gtext(’u (grad)’)
del sistema:
% DINMJ2.M
%
% Realiza la simulación en MATLAB para un sistema compuesto
% de actuador y planta
% Corresponde al mismo caso (zona lineal) del sistema
% simulado con TUTSIM con el programa dinmj1.sim
%
clc
disp(’*************** DINMJ2.M ***************’)
disp(’ ’),disp(’ ’)
disp(’pulse tecla para continuar’)
pause
clc
%====================================================
% Tiempo de simulación
%====================================================
%====================================================
% Actuador (zona lineal)
%====================================================
Ku=1;
tauu=0.5;
nGm=Ku;
dGm=[tauu,1];
%===================================================
1.12. COMPARACIÓN ENTRE LENGUAJES DE SIMULACIÓN 51
% Proceso o planta
%===================================================
K=0.4;
tau=50;
nG=K;
dG=[tau,1,0];
%==================================================
% Señal de entrada
%==================================================
A=10;
f=0.025;
uc=A*sin(2*pi*f*t);
%==================================================
% Sistema compuesto
%==================================================
nGp= conv(nG,nGm);
dGp= conv(dG,dGm);
dGpd=conv(dGm,[tau,1]);
%==================================================
% Simulaciones
%==================================================
u=lsim(nGm,dGm,uc,t);
y=lsim(nGp,dGp,uc,t);
dy=lsim(nGp,dGpd,uc,t);
52 CAPÍTULO 1. INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
%==================================================
% Almacenamiento de datos
%==================================================
v=[t’,u,y,dy];
save datmj1.dat v /ascii
%==================================================
% Representaciones gráficas
%==================================================
clg
hold off
plot(t,y,’r’,t,u,’r--’,t,dy*5,’r-.’)
xlabel(’tiempo (seg)’)
gtext(’y (grad’)
gtext(’u (grad)’)
gtext(’(dy/dt)*5 (grad/seg)’)
En la figura 1.20 se tiene la respuesta temporal obtenida por la simulación del sistema
descrito anteriormente. En esta figura se muestra la salida (y), la señal de entrada al
sistema (uc ), y la derivada de la variable de salida multiplicada por cinco (5(dy/dt) (para
que sea más visible en la gráfica).
. . . . . . . . . . . .
. . . . . . . . . . . .
Exite una gran variedad de lenguajes de modelado y simulación, que se están actualizando
y ampliando continuamente. En lo que sigue se hace un breve referencia a algunos de
ellos, sin pretender abarcar todos los tipos de software para simulación que existen en la
actualidad.
El sistema emplea la manipulación simbólica para conseguir una simulación más efi-
ciente. Realiza un tratamiento de la asignación de la causalidad computacional, deci-
diendo sobre la relación que debe emplearse para calcular cada incógnita; cosa que en la
mayorı́a de herramientas de simulación comerciales no se suele incluir, siendo necesario
que el modelo contenga explı́citamente la información acerca de su causalidad computa-
cional, lo cual dificulta el modelado modular. Otra caracterı́stica es la de tratamiento de
los bucles algebraicos, que a veces hace una simulación imposible mediante otros pro-
gramas comerciales si no se resuelven por el usuario, y que el Dymola puede resolver de
forma autónoma.
1.13. OTROS LENGUAJES PARA SIMULACIÓN 55
Los lenguajes de simulación para sistemas discretos, por regla general, tienen muy po-
bres prestaciones para poder incorporar un sistema de tiempo continuo en la simulación.
Una de las excepciones la constituye COSMOS (Kettenis, 1989), que es un lenguaje
de simulación para sistemas continuos, discretos e hı́bridos. También hay que destacar
al paquete de software DESIRE (Korn, 1989), que incorpora además prestaciones espe-
ciales para el modelado y simulación de redes neuronales artificiales y sistemas de control
basados en la lógica borrosa.
Hay que mencionar también al MATRIXx como una herramienta software que incor-
pora una serie de prestaciones como son: modelado gráfico y simulación ( SystemBuild),
visualización y análisis matemático orientado a objetos ( Xmath), generación automática
de código para C y Ada ( AutoCode), generador de documentación de forma automática
( Documentlt), y prestaciones en tiempo real para evaluación y testeo de prototipos (
RealSim Series). Existen versiones para Windows 95, Windows NT y Unix (Integrated
56 CAPÍTULO 1. INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
Systems, 1996).
Para finalizar este punto, consideramos necesario destacar que la herramienta de pro-
gramación empleada para desarrollar un proyecto de simulación va a depender de las
necesidades particulares de cada proyecto; si bien hay que destacar las siguientes carac-
terı́sticas deseables: 1) posibilidad de realización de la simulación tanto en tiempo real
como en tiempo acelerado y/o retardado; 2) ejecución de procesos de forma paralela e in-
dependiente (multiproceso), que sirvan para considerar los subsistemas como objetos que
están interconectados pero que su ejecución es independiente (tal y como lo hacen los
sistemas fı́sicos); 3) creación de un programa ejecutable independiente de la aplicación
con la que haya sido desarrollado; 4) posibilitar la conexión con elementos periféricos, a
fin de que la simulación pueda interactuar con el exterior.
Capı́tulo 2
2.1 Introducción
En este capı́tulo se realiza una descripción de la dinámica del buque desde un punto de
vista cualitativo, empleando en ocasiones expresiones y terminologı́a propias del entorno
marino, a fin de utilizar el propio lenguaje con el que está familiarizado el alumno de
Náutica, y que le sirva como puente de unión para los temas siguientes donde se pasa a
una descripción matemática de la dinámica del buque y de las perturbaciones ambientales
que sobre éste actuan. A la vez, le puede servir al lector no conocedor del tema marino,
como una introducción a algunos aspectos relacionados con el buque, para una mayor
motivación y una mejor comprensión de los capı́tulos siguientes.
Para un buque navegando con una cierta velocidad de crucero se tiene que la fuerza de
empuje vertical y el peso son iguales y de sentidos opuestos. El propulsor es el sistema
que proporciona la fuerza de empuje longitudinal, que hace que el buque se desplace
según la dirección del eje x, de un sistema de referencia situado en el propio buque y con
origen en su centro de gravedad (c.d.g), tal y como se muestra en la figura 2.1 (si bien hay
ocaciones en las que se toma como origen del sistema de referencia no el c.d.g, que puede
57
58CAPÍTULO 2. DESCRIPCIÓN DEL COMPORTAMIENTO DINÁMICO DE UN BUQUE
cambiar con la carga, sino otro punto que es el centro de simetrı́a del buque).
La acción del propulsor también puede dar lugar a la aparición de una componente
lateral de velocidad, ya que en muchas ocasiones el buque cuenta con una sóla hélice o con
un número impar de ellas. Debido a ésto, el buque también puede tener una componente
de velocidad angular con respecto al eje z (guiñada). La propulsión de un buque viene
condicionada por el tipo de máquina que posea y por su modo de funcionamiento.
La capacidad de gobierno del buque se debe a la acción de la pala del timón, que al
meterse a una u otra banda provoca sobre el sistema los respectivos momentos o pares de
fuerzas, N y K (ver figura 2.1). Cuando el timón se mete a una banda, en mayor o menor
grado, la respuesta del buque será una caı́da (giro) hacia esa misma banda, producida por
un momento N que provoca el giro del buque con respecto al eje z. El momento K actúa
sobre el buque como consecuencia de la metida de timón y provoca una escora a la banda
contraria hacia la que se mete, provocando un giro con respecto al eje x.
El momento o par de fuerzas, M (ver figura 2.1), causante del movimiento de cabeceo
normalmente no adquiere un valor significativo debido a elementos propios del buque,
2.3. EFECTOS DE LAS OLAS 59
sino que fundamentalmente se debe al efecto de los agentes externos (olas y viento).
También hay que mencionar otros dos efectos a tener en cuenta como son las vibra-
ciones y la sustentación. El primero de ellos no afecta a la dinámica del sistema de forma
sensible, y las fuerzas que las provocan son de muy distinta naturaleza, determinada sólo
en casos muy puntuales (por ejemplo, la cavitación en la hélice). El segundo, puede llegar
a ser significativo en situaciones muy particulares de navegación (aguas someras y aguas
restringidas), y va acompañada de otros fenómenos tales como la alteración del asiento
(Lewis, 1989; Barbudo, 1991).
Los movimientos caracterı́sticos imprimidos por las olas al buque son los conocidos
como guiñada, balanceo y cabeceo (ver figura 2.1). El movimiento conjunto de balance
y cabeceo provoca un movimiento resultante conocido como movimiento de cuchareo.
En el caso en que la mar se reciba por proa o amura, la frecuencia de encuentro del
buque con las olas es lógicamente más alta que con otras direcciones. En este caso las
fuerzas y momentos causantes de la guiñada, deriva y balanceo toman valores inferiores
en comparación con otras situaciones.
Con la mar de aleta o de popa la frecuencia de encuentro con las olas disminuye. En
el caso particular en que la proa y la popa se encuentren en la cresta de una ola, el través
del buque se encontrará en el seno de ésta, y por tanto esa parte del casco desarrollará un
menor momento adrizante, provocando grandes ángulos de balance.
60CAPÍTULO 2. DESCRIPCIÓN DEL COMPORTAMIENTO DINÁMICO DE UN BUQUE
El viento es otro factor muy a tener en cuenta en navegación. Se suele caracterizar por
la superposición de dos componentes. Una es la que corresponde al viento medio, y
que se caracteriza por ser una corriente de aire horizontal y homogénea cuya dirección y
velocidad son constantes. La otra componente, conocida como viento turbulento, consiste
en una fluctuación estocástica.
2.4. EFECTOS DEL VIENTO SOBRE EL BUQUE 61
Las perturbaciones que induce el viento sobre el buque son proporcionales a la su-
perficie de la obra muerta y superestructura enfrentada a él (ver figura 2.5). Conociendo
dichas superficies proyectadas respectivamente sobre los planos yz y xz, se pueden cal-
cular las correspondientes fuerzas y momentos (Iserwood, 1973). El viento ”hace abrir
al buque” hacia la banda de sotavento (hacia donde va el viento).
Para determinar el efecto del viento se determina la posición del centro vélico Cv
(centro geométrico de la superficie proyectada en cada caso). Normalmente la local-
ización del centro vélico está por encima del c.d.g. del buque, y no necesariamente, en
su misma vertical, ni en su plano diametral (plano que contiene al eje z y que pasa por
62CAPÍTULO 2. DESCRIPCIÓN DEL COMPORTAMIENTO DINÁMICO DE UN BUQUE
proa y popa) (ver figuras 2.7 y 2.8). Si se toma este punto como punto de aplicación de la
fuerza que ejerce el viento, aparece un momento que ocasiona una escora hacia la banda
de sotavento. Con respecto a la dirección longitudinal el viento pude hacer que el buque
aproe o que apope según la dirección del viento.
La existencia de una escora trae consigo otros efectos evolutivos sobre el buque, ya
que debido a ella, el centro vélico se distancia más del plano diametral (ver figura 2.8) y
con él la fuerza Xv , que crea un par de fuerzas alrededor del eje z, o lo que es igual un
momento Nv que lleva la proa al viento, el buque orza (ver figura 2.8). Hay que tener
también en cuenta que el centro vélico casi siempre está más cercano a la popa (donde
está la superestructura), por lo que el viento provoca que la proa vaya al viento.
canales de acceso el efecto de la misma se combina con el de la marea, dando lugar a las
corrientes de marea, que a veces pueden alcanzar gran velocidad.
Cuando el buque navega contra corriente, el timón se encuentra con un mayor caudal
de agua incidiendo sobre su pala, lo que hace que el buque responda mucho mejor a las
metidas de timón, mientras que si navega a favor de corriente el caudal será menor, y la
respuesta al timón será más lenta y de menor magnitud que en ausencia de corriente.
El término aguas someras se refiere a situaciones en las que hay poca profundidad
(distancia entre el fondo marino y los fondos planos del casco). Como regla práctica,
se suele considerar que se da la condición de aguas someras cuando la relación son-
da/calado del buque, es igual o inferior a tres.
Los efectos que aparecen en tales situaciones provoca la existencia de una especial
sensibilidad en el gobierno del buque con respecto a la posición del canal en que se
navegue. El buque que navega en este tipo de agua también tiene el fondo del casco
muy próximos al lecho del canal. Mientras mayor sea su velocidad, mayor será la veloci-
dad del flujo de agua que se desplaza bajo el casco, y por tanto hay una disminución en la
2.7. ELEMENTOS DE LA TOMA DE DECISIÓN HUMANA 67
presión que ejerce el agua en esta zona del casco. Este fenómeno se percibe en el buque
a través de un asentamiento, el barco tiene más calado (está más sumergido en el agua).
Como las disminuciones de presión antes mencionadas no son iguales en todas las
partes del casco (entre otras razones debido a que la forma del buque varı́a a lo largo del
eje longitudinal), además de tener más calado también altera su asiento, o lo que es lo
mismo, la diferencia de calados entre proa y popa varı́a. Si es la popa la que más calado
adquiere entonces se dice que experimenta un trimado positivo, pero si es la proa la que
lo hace, entonces se tiene un trimado negativo. Este último caso se produce sobre todo
en aquellos buques con un coeficiente bloque más próximo a 1 que a 0.6 (la relación que
existe entre el volumen de la obra viva y el paralelepı́pedo que lo contiene).
El marino en el puente de gobierno de un buque debe tener en cuenta entre otros factores:
los datos suministrados por la instrumentación, las condiciones metereológicas y el esta-
68CAPÍTULO 2. DESCRIPCIÓN DEL COMPORTAMIENTO DINÁMICO DE UN BUQUE
Ası́ por ejemplo, un buque navegando con mar dura puede estar sometido a movimien-
tos significativos de cabeceo. Con este movimiento es posible que en unas ocasiones parte
o toda la hélice salga del agua y en otras se la proa la que emerja; situación que puede
darse de forma más frecuente cuando se navega a velocidad alta y con la mar de proa. La
hélice puede aumentar su velocidad de giro de forma repentina cuando parte de sus palas
emergen de la superficie del agua, lo cual causa una reducción repentina de la carga del
propulsor, primero, y un incremento de ésta cuando la hélice vuelve a entrar en el agua.
Como consecuencia de ello, se puede dañar la máquina, el eje de la hélice, o ella misma.
2.7. ELEMENTOS DE LA TOMA DE DECISIÓN HUMANA 69
Estos fenómenos, junto con los grandes movimientos que describe el buque en es-
tas condiciones de navegación, son indeseables y el marino intenta evitarlos en lo posi-
ble. Como al aumentar la velocidad tales efectos se acentúan, en la práctica se impone
un lı́mite efectivo de velocidad del buque con mal tiempo. Se pueden considerar como
factores determinantes para la toma de decisión sobre la reducción de la velocidad del
buque los siguientes: los pantocazos, la emersión frecuente de la hélice, y la existencia de
movimientos angulares muy significativos del buque (ángulos de balance y cabeceo), los
cuales pueden poner en peligro la estabilidad del buque.
70CAPÍTULO 2. DESCRIPCIÓN DEL COMPORTAMIENTO DINÁMICO DE UN BUQUE
Capı́tulo 3
3.1 Introducción
En el capı́tulo anterior se han descrito de forma cualitativa los efectos de los distintos
agentes que afectan a la dinámica del buque. En este capı́tulo se pasa a la descripción
matemática de la dinámica del buque, y en el siguiente de las perturbaciones.
A partir de finales de los setenta el empleo de modelos matemáticos hizo que se avan-
zara en el diseño y aplicación de nuevos sistemas de control en la industria naval En este
capı́tulo se presentan los diferentes modelos matemáticos empleados a lo largo del texto.
A partir de las leyes de la mecánica, para un sólido rı́gido con seis grados de libertad (3
rotaciones y 3 traslaciones), se pueden obtener las ecuaciones que gobiernan el movimien-
71
72CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
El sistema de referencia está situado en el buque y no tiene por qué coincidir con el
centro de gravedad del sistema. En las figuras (3.1),(3.2) y (3.3) se muestra el significado
gráfico de las variables más significativas del modelo. Las magnitudes que aparecen en
las ecuaciones anteriores son:
• u, v, w: componentes del vector velocidad referidos a los ejes coordenados (x, y, z).
También se emplean como: Vx , Vy , Vz .
Si sólo se considera el desplazamiento en el plano horizontal y los giros respecto a los ejes
(x, z), el sistema se reduce a un problema de cuatro grados de libertad. Las ecuaciones
del movimiento quedan en ese caso:
⎡ ⎤⎡ ⎤ ⎡ ⎤
(1 − XG ) 0 0 0 u̇ Xtot
⎢ 0 (1 − Yv̇ ) −L(zG
+ Yṗ ) L(xG − Yṙ ) ⎥⎢ v̇ ⎥ ⎢ Ytot ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ⎥⎢ ⎥=⎢ ⎥
⎣ 0 −(zG + Kvv ˙ ) L(kxx − Kṗ )
−L(zG xG + Kṙ ) ⎦⎣ ṗ ⎦ ⎣ Ktot ⎦
0 (xG − Nv̇ ) −L(zG
xG + Nṗ ) 2
L(kzz − Nṙ ) ṙ Ntot
Donde el subı́ndice ”tot” indica las fuerzas y pares totales actuando sobre el casco,
debidos a los efectos: hidrodinámicos, viento, olas y corrientes.
3.2. MODELO MATEMÁTICO DE UN BUQUE 75
A continuación se dan las ecuaciones del modelo que hemos denominado modnl, el
modelo norrb3d se puede obtener del anterior, sin más que eliminar de las ecuaciones
los términos que hagan referencia a las variables relacionadas con el ángulo de balance y
aletas de estabilizadores: φ, p, α.
Las fuerzas y pares hidrodinámicos actuantes en cada eje se determinan de las siguien-
tes expresiones:
76CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
Traslación en el eje x:
2
XH = Xuu u /L + Xuuuu u4 /(L2 g) + (1 + Xvr
)vr + Xup up +
(xG + Xrr
)r2 L + Xuvv|v|
uv 2 | v | +(Xrp
− zG )rpL +
(1 − tp )T + XY Rδ YR δ + 2XF α F αe
Traslación en eje y:
YH = (Yur − 1 + Yur|φ| )ur + 1/ gLYuur u2 r + (Yuv
+ Yuv|φ| )uv +
1/ (L3 g)Yuuv
u2 v + Yuuφ
u2 φ/L + Yup
up + Yv|v| v | v | /L +
LYr|r| r | r | +kT Y T + YR + 2kF Y F
Giro eje z:
NH = (Nur − xG + Nur|φ|
| φ |)ur) + 1/ LgNuur u2 r + Nuuφ
u2 φ/L +
(Nuv + Nuv|φ| | φ |)uv/L + 1/ L3 gNuuv u2 v + Nup
up +
Nv|v| v | v | /L + Nr|r| r | r | +Nv|v| v | r | +
kT N T + kRN YR + 2kF N F
Giro eje x:
KH = (Kur + zG )ur + gLKp p + Kup
up +
LKp|p| p | p | +Kuv uv/L + Ku|v| v | v | /L +
LKr|r| r | r | +Kv|r| v | r | +MS +
kT K T + kRK YR + 2kF K F
Las fuerzas elevadoras, debidas al timón y a una de las aletas estabilizadoras (una
aleta a cada lado), vienen dadas por:
3.2. MODELO MATEMÁTICO DE UN BUQUE 77
YR = (Yuuδ u2 δ/L + YTδ T δ)(1 + SR δ 2 )
F = (Fuuα u2 αe /L)(1 + SF αe2 )
dF p
αe = α + arctg ( )
u
Los ángulos de timón δ y aletas α que se generan como magnitudes de mando a través
de un controlador, ya sea automático o manual, han de ser ejecutados por las respectivas
máquinas del timón y de las aletas estabilizadoras. Estas se modelan como sistemas de
primer orden con saturaciones (ver figura 3.4), dados por:
El par de giro en el eje-x (o par adrizante) MS , dependiente del valor del GM del
buque (y por tanto, esencial para el tema del análisis de estabilidad para un estado de
carga dado), se puede obtener a partir de:
78CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
T = KT4 n2 D4 /∇
con,
KT = KT 0 + KT J J + KT JJ J 2
u(1 − w)
J=
nD
Q = KQ5 n2 D4 /∇
con,
Si se quiere incluir la acción de las hélices ( thrusters) de proa y popa (en su caso), las
fuerzas y momentos ejercidos por los thrusters se añaden a las ecuaciones antes dadas
los términos,
3.2. MODELO MATEMÁTICO DE UN BUQUE 79
la acción de cada thruster se puede modelar como un sistema de primer orden, con una
constante de tiempo mucho menor (del orden del segundo) a la asociada a la dinámica del
buque.
Para determinar la posición del buque en el plano horizontal se tienen las siguientes
ecuaciones cinemáticas, que determinan las componentes del vector velocidad:
M1 ξ˙ = M2 ξ + M3 σ (3.3)
ξ T = [u̇ v̇ ṗ ṙ]
σ T = [α δ]
Figura 3.6: r(t), V (t), φ(t), p(t) para δ = 20◦ , (15 nudos)
Desde el punto de vista del control de un buque se puede decir que hay dos condiciones
de navegación bien diferenciadas:
Figura 3.7: r(t), V (t), φ(t), p(t) para δ = 10◦ , (15 nudos)
variable de control (timón), en cuyo caso los efectos no lineales dominan el com-
portamiento del sistema.
⎡ ⎤⎡ ⎤ ⎡ ⎤⎡ ⎤
m − Yv̇ L(m xG − Yṙ ) 0 v̇ (V /L)a11 V a12 0 v
⎢
⎣ m xG − Nv̇
L(Iz − Nṙ ) 0 ⎦ ⎣ ṙ ⎦ = ⎣ (V /L)a21 V a22 0 ⎦ ⎣ r ⎥
⎥ ⎢ ⎥ ⎢ ⎥⎢
⎦+
0 0 1 ψ̇ 0 1 0 ψ
3.3. MODELOS MATEMÁTICOS LINEALES 83
⎡ ⎤
(V 2 /L)Yδ
⎢ ⎥
⎣ (V 2 /L)Nδ ⎦ δ (3.4)
0
siendo:
donde Yv̇ , Yṙ , Nv̇ , Nṙ , Yv , Yr , Nv , Nr son los coeficientes hidrodinámicos normalizados
(sin dimensiones) en el sistema ”prima”, donde:
m v v̇L
m = 3
, v = , v̇ = 2
ρL /2 V V
Iz rL ṙL2
Iz = , r
= , ṙ
=
ρL5 /2 V V2
Yv Yr
Yv = , Yr =
ρL2 V /2 ρL3 V /2
Nv Nr
Nv = , Nr =
ρL3 V /2 ρL4 V /2
Yv̇ Yṙ
Yv̇ = , Yṙ =
ρL3 /2 ρL4 /2
Nv̇ Nṙ
Nv̇ = , Nṙ =
ρL4 /2 ρL5 /2
Ası́ por ejemplo, si aparece en las ecuaciones un producto del tipo, Nv v (forma sin di-
mensiones), se corresponderá con,
84CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
Nv v
Nv v =
ρL3 V /2 V
Se han dado las ecuaciones del movimiento linealizadas para el sistema prima, igual-
mente se pueden expresar para el sistema prima bis:
⎡ ⎤⎡ ⎤ ⎡ ⎤⎡ ⎤
1 − Yv̇ L(xG − Yṙ ) 0 v̇ (V /L)a11 V a12 0 v
⎢ 2 ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥
⎣ xG − Nv̇ L[(kzz ) − Nṙ ] 0 ⎦ ⎣ ṙ ⎦ = ⎣ (V /L)a21 V a22 0 ⎦ ⎣ r ⎦ +
0 0 1 ψ̇ 0 1 0 ψ
⎡ ⎤
(V 2 /(2L))Yuuδ
⎢ ⎥
⎣ (V 2 /(2L))Nuuδ
⎦δ
0
donde los coeficientes aij vienen dados por,
a11 = Yvv + V /(2 gL)Yuuv
a12 = Yur − 1 + V /(2 gL)Yuur
a21 = Nuv + V /(2 gL)Nuuv
a22 = Nur − xG + V /(2 gL)Nuur
existiendo la siguiente relación entre los parámetros de los sistemas ”prima” y ”prima
bis” que aparecen en las ecuaciones anteriores:
Yv̇ = m Yv̇
3.3. MODELOS MATEMÁTICOS LINEALES 85
Yṙ = m Yṙ
Yv
= m (Yuv + V /(2 gL)Yuuv
Yδ = (m /2)Yuuδ
Yr = m (Yur + V /(2 gL)Yuur
Nv̇ = m Nv̇
Nṙ = m Nṙ
Nv = m (Nuv + V /(2 gL)Nuuv
Nr = m (Nur + V /(2 gL)Nuur
Nδ = (m /2)Nuuδ ,
xG = xG
Iz = m (kzz )2
86CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
φ̈ + a1 φ̇ + a2 φ = bα (3.5)
donde se tiene que los coeficientes de la ecuación se pueden obtener a partir de,
g/LKp
a1 = −
(kx )2 − Kṗ
g
a2 = GM ≡ K2 GM
L2 (kx )2 − Kṗ
2kF K (Fuuα /L) 2
b= u ≡ K3 u 2
L((kxx ) − Kṗ )
2
donde se puede comprobar que la dinámica de balance o del balanceo del buque depende
de su velocidad axial o longitudinal (u) y del valor de su GM .
ψ(s) K1 (τ3 s + 1)
G(s) = = (3.6)
δ(s) (τ2 s + 1)(τ1 s + 1)s
3.4. FUNCIÓN DE TRANSFERENCIA DE UN BUQUE 87
ψ(s) K
G(s) = = (3.7)
δ(s) (τ s + 1)s
El modelo del buque se puede completar con un factor de retardo para tener en cuenta
la dinámica inmodelada (Astrom, 1980), con lo que resulta,
K
G(s) = e−τd s (3.8)
(τ s + 1)s
Se deduce de las ecuaciones (3.7) y (3.4), que los parámetros del modelo lineal (3.7) (a
veces llamado modelo de Nomoto) están relacionadas de forma explı́cita con la velocidad
V del buque:
V0 V
τ = τ0 , K = K0
V V0
En la tabla 3.1 se dan los coeficientes del sistema 3.4 y los parámetros de la función
de transferencia 3.6 para los siguientes buques:
L = 161 m, V = 15 nudos
L = 304 m, V = 16 nudos
L = 321.56 m, V = 16 nudos
ψ̇ = r
Los parámetros aij y bi de esta representación de estado varı́an poco para un mismo
buque y en distintas condiciones de operación, por lo que es una buena aproximación
considerarlos constantes para un buque dado (Astrom y Wittenmark, 1989). La función
de transferencia ψ(s)/δ(s) se puede obtener a partir de la expresión anterior para un buque
determinado, obteniéndose,
K(sτ3 + 1)
G(s) =
s(sτ1 + 1)(sτ2 + 1)
donde,
b
G(s) =
s(s + a)
en la que,
2
2
u u
b = b0 = b2
L L
u
a = a0
L
En la tabla 3.2 se dan los valores de los parámetros K0 , τi0 , b0 , a0 , para tres tipos de
buques.
90CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
K3 u 2
Gφα (s) =
s2 + K1 s + K2 GM
Kωn2
G(s) =
s2 + 2ζωn s + ωn2
2π
ωn = K2 GM , Tn =
ωn
y la ganancia estacionaria K por,
K3 u 2
K=
K2 GM
de forma que si aumenta el GM lo hace también la frecuencia natural de balance, y
disminuye la ganancia estacionaria. Si aumenta la velocidad axial también lo hará la
ganancia estacionaria.
Estabilidad
Para un buque navegando inicialmente en lı́nea recta con un rumbo fijado, se definen
varios tipos de estabilidad (Lewis, 1989) del movimiento (ver figura 3.8):
Maniobrabilidad
Desde el punto de vista dinámico, se puede considerar que cuanto menor sea la constante
de tiempo efectiva de un buque τ , y mayor sea su ganancia estacionaria K, más man-
iobrable o mayor capacidad de maniobra tendrá el buque. Se define el parámetro de
maniobrabilidad de Norrbin como el cociente,
PN = K/2τ
de forma que cuanto mayor sea PN más maniobrable será el buque (Lewis, 1989). Otra
medida útil está relacionada con la curva de evolución; ası́ se define el diámetro de giro
como
Do = 2V /ro
Ejemplo: si se tienen dos buques, B1 y B2, muy similares, navegando con velocidades V1
y V2 y con respectivos parámetros
(K1 , τ1 ), y (K2 , τ2 )
de forma que,
K1 > K2 , τ1 < τ2
V1 = V2 , y K 1 > K2
se tendrá que,
K1 K2
PN 1 = , PN2 =
τ1 τ2
3.6. MODELO MULTIVARIABLE LINEALIZADO 95
cumplen la relación,
P N 1 > PN 2
que indica una mayor capacidad de maniobra del buque B1 que el buque B2.
Una condición de trabajo para la que se puede realizar la obtención del modelo lineal-
izado para una velocidad de curcero V corresponde a,
u = V, v = r = φ = p = δ = α = 0
⎛ ⎞
−0.02720 0.15048 0.00443 0.26255 0
⎜ ⎟
⎜
⎜
0.00250 −0.04043 −0.39268 −0.09381 0 ⎟
⎟
A=⎜
⎜ −0.00128 −0.00129 −0.13732 −0.00204 0 ⎟
⎟
⎜
⎝ 0 1 0 0 0 ⎟
⎠
0 0 1 0 0
⎛ ⎞ ⎛ ⎞
0.06466 0.1747 0. 0
⎜ ⎟ ⎜ ⎟
⎜
⎜
−0.01426 −0.01319 ⎟
⎟
⎜
⎜
0 0 ⎟
⎟
B=⎜
⎜ −0.0007 −0.00554 ⎟
⎟, CT =⎜
⎜ 0 0 ⎟
⎟
⎜
⎝ 0 0 ⎟
⎠
⎜
⎝ 1 0 ⎟
⎠
0 0 0 1
96CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
polos τ (seg)
0
-0.02825 ± 0.30494j 3.27
-0.0081 123.17
-0.1403 7.12
La estructura del sistema multivariable puede verse en la figura (3.9). Las magnitudes
de control son α y δ, ángulos de las aletas estabilizadoras y timón respectivamente, y las
magnitudes a controlar son φ o ángulo de balance (giro en eje x) y ψ ángulo de rumbo
(giro en eje z).
φ(s) G11 (s) G12 (s) α(s)
=
ψ(s) G21 (s) G22 (s) δ(s)
0.4266
G22 =
(s + 9.402s + 7.952)(18.1s2 + s)
2
En la figura 3.10 se muestra la respuesta temporal, para una entrada constante de timón
de 1 grado, del modelo mlmv19 (que tiene una realización en el espacio de estados de
orden 19) que se indica en la figura con Gp, ası́ como de un modelo de orden reducido
(de orden 6), indicado con G en la figura. Como puede comprobarse en la figura, existe
3.7. EL MODELO DE BECH 97
α(s) φ(s)
s - G11 (s) - -
6
- G12 (s)
δ(s) ψ(s)
s - G22 (s) - -
6
- G21 (s)
un fuerte acoplamiento entre las variables de entrada y salida del modelo, ya que para
un ángulo de timón de 1 grado se produce un movimiento muy significativo de balance.
También puede observarse que el modelo de orden reducido aproxima bastante bien el
comportamiento del modelo de orden completo (López, 1994).
A modo de puente de unión entre los modelos lineales y los no lineales, algunos autores
han propuesto incorporar una función no lineal al modelo de Nomoto, de forma que se
modele el comportamiento no lineal manifestado por el buque en la realización de ciertas
maniobras. Algunos de estos modelos matemáticos se describen a continuación en los
siguientes apartados.
El modelo matemático de Bech (ver figura 3.11) tiene en cuenta la relación no lineal
existente entre el ángulo de guiñada y el de timón,
98CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
δ = HB (ψ̇)
HB (ψ̇) = C3 ψ̇ 3 + C2 ψ̇ 2 + C1 ψ̇ + C0
El que C0 sea distinto de cero se puede deber a cualquier asimetrı́a del casco, y/o
debido a que la propulsión del buque se hace con un número impar de hélices creando
una condición de asimetrı́a. La inestabilidad de ruta aparece cuando C1 adquiere valores
negativos.
τ1 + τ2 1 K
r̈ + ṙ + r= (δ + τ3 δ̇)
τ1 τ2 τ1 τ2 τ1 τ2
3.8. EL MODELO SIMPLIFICADO DE NORRBIN 99
τ1 τ2 , τ1 + τ2 , τ3
dependen de los valores de ψ̇ y de δ; mientras que para el caso en que exista una fuerza
de propulsión constante, se tiene que
τ 1 + τ2 K K
r̈ + ṙ + HB (ψ̇) = (δ + τ3 δ̇)
τ1 τ2 τ1 τ2 τ1 τ2
El modelo matemático simplificado de Norrbin es similar al anterior (ver figura 3.12), sólo
que emplea el modelo de Nomoto de primer orden en vez del de segundo orden empleado
en el modelo de Bech; por lo que queda,
τ ψ̈ + HN (ψ̇) = Kδ
100CAPÍTULO 3. MODELADO MATEMÁTICO DE LA DINÁMICA DE UN BUQUE
HN (r) = a3 r3 + a2 r2 + a1 r + a0
El modelo matemático de van Leewen tiene en cuenta la relación no lineal entre el ángulo
de timón y la velocidad angular,
δ = H(r)
tal y como los dos anteriores (de Bech y de Norrbin simplificado), pero además considera
las pérdidas de velocidad del buque durante las maniobras (ver figura 3.13). Se emplea la
velocidad instantanea u para adimensionar, en lugar de la velocidad estacionaria u1 , o la
velocidad de crucero del buque V . Para ello, se definen las siguientes variables:
L
r = ψ̇
u
3.9. EL MODELO DE VAN LEEUWEN 101
Δu
u =
u0
u
ds = dt
L
• u = u0 − Δu es la velocidad instantanea.
• Δu es la pérdida de la velocidad.
dr
τ
+ H(r ) = K δ
ds
du
τu + u = Ku r2
ds
donde se tiene que,
L dr
τ + H(r ) = K δ
u dt
L du
τu + u = Ku r2
u dt
u
ψ̇ = r
L
u = u0 (1 − u )
El modelo matemático de De Keizer supone una generalización (ver figura 3.14) del mo-
delo anterior, y sus ecuaciones vienen dadas por,
3.11. MODELO NO LINEAL DE ABKOWITZ 103
L dr u u
τ + H(r ) = K δ
u dt L L
L du
τu + H(u ) = Ku r2
u dt
La función H(r ) se define igual que antes en el modelo de van Leewen, y H(u ) tiene la
forma,
H(u ) = γ3 u3 + u
El modelo permite la descripción del comportamiento del buque para distintas veloci-
dades y para cualquier ángulo de timón con sólo un valor para cada uno de sus parámetros.
donde,
1 1 1
f1 (u, v, r, δ) = X 0 + Xu du + Xuu du2 + Xuuu du3 + Xvv v 2
2 6 2
1 1 1 1
+ Xrr r + Xδδ δ + Xvvu v du + Xrru r2 du
2 2 2
2 2 2 2
1 2
+ Xδδu δ du + (Xvr + ∇)vr + Xvδ vδ + Xrδ rδ
2
+Xvru vrδu + Xvdu vδdu + Xrdu rδdu
donde,
1
f2 (u, v, r, δ) = Y 0 + Yu0 du + Yuu 0
du2 + Yv v + Yvvv v 3
6
1 2 1 2
+ Yvrr vr + Yvδδ vδ + Yvu vdu
2 2
1 1 1
+ Yvuu vdu + (Yr − ∇u1 )r + Yrrr r3 + Yrvv rv 2
2
2 6 2
1 2 1 2
+ Yrδδ rδ + Yru rdu + Yruu rdu + Yδ δ
2 2
1 1 1
+ Yδδδ δ + Yδvv δv + Yδrr δr2 + Yδu δdu
3 2
6 2 2
1 2
+ Yδuu δdu + Yvrδ vrδ
2
donde:
1 1
f3 (u, v, r, δ) = N 0 + Nu0 du + Nuu
0
du2 + Nv v + Nvvv v 3 + Nvrr vr2
6 2
1 1
+ Nvδδ vδ 2 + Nvu vdu + Nvuu vdu2
2 2
1 1 1
+Nr r + Nrrr r3 + Nrvv rv 2 + Nrδδ rδ 2 + Nru rdu
6 2 2
1 1 1
+ Nruu rdu2 + Nδ δ + Nδδδ δ 3 + Nδvv δv 2
2 6 2
1 1
+ Nδrr δr2 + Nδu δdu + Nδuu δdu2 + Nvrδ vrδ
2 2
f1 (u, v, r, δ)
u̇ =
(∇ − Xu̇ )
De esta forma se plantea el uso del simulador de navegación desde diferentes perspec-
tivas, tales como son los puntos de vista del marino, del ingeniero naval, del armador y
desde la ingenierı́a de sistemas y la automática.
Los ejercicios y condiciones de los mismos son generados desde el puesto del instruc-
tor. Desde él se pueden controlar las diferentes variables de entorno como son: estado de
la mar y viento, lluvia, marea, profundidad, corriente, visibilidad y remolcadores, entre
otras.
6. Una consola de techo con indicadores de: viento, correderas doppler y electro-
magnética, pantallas digitales de rumbo verdadero y magnético, velocidades de
caı́da de proa y popa, revoluciones de la hélices y distancia navegada.
7. Siete pantallas translúcidas formando un arco de 210 grados de visión con 7 proyec-
tores.
3. Autopiloto.
4.1 Introducción
Para realizar el estudio de la dinámica del buque mediante simulación por computador es
necesario considerar las perturbaciones ambientales que sobre él actuan. La principales
perturbaciones son debidas al viento, corrientes y olas. En este capı́tulo se describen
diferentes formas de modelar matemáticamente tales perturbaciones, a fin de poderlas
utilizar a la hora de realizar una simulación por ordenador.
Los movimientos de un buque están influenciados por distintos factores ambientales. Los
tres principales pueden considerarse el viento, olas y corrientes. Una forma útil de ten-
er en cuenta las perturbaciones ambientales, imprecisión en sensores y otros efectos, es
por medio de la superposición de señales estocásticas (W1 , W2 ), constantes (Wc1 , Wc2 )
y senoidales (Ws1 , Ws2 ) actuando sobre el sistema (Astrom y Wittenmark, 1989). Este
es el procedimiento empleado habitualmente en las simulaciones realizadas con modelos
lineales.
Se consideran dos tipos de perturbaciones estocásticas: una que actúa sobre el pro-
111
112 CAPÍTULO 4. MODELOS MATEMÁTICOS DE LAS PERTURBACIONES
Ẋp (t) = Ap Xp (t) + Bp Up (t) + Γ [W1 (t) + Wc1 (t) + Ws1 (t)]
σw11 0
covar[W1 ] =
0 σw12
σw21 0
covar[W2 ] = (4.2)
0 σw22
0 0
covar[W1 , W2 ] =
0 0
con,
W1 (t) = [w11 (t), w12 (t)]T , W2 (t) = [w21 (t), w22 (t)]T
La perturbación W1 (t) se utiliza para modelar los siguientes tipos de factores (Mendel,
1987; Astrom, 1980):
1. Perturbaciones de fuerzas y pares actuando sobre el sistema (efecto del viento, olas,
corrientes y otros factores posibles)
Otra forma de tener en cuenta los efectos de las perturbaciones ambientales es como
se describe a continuación, y supone una alternativa que se emplea en las simulaciones
con los modelos no lineales (MODNL , NORRB 3 D , ABKO 3 D) descritos a lo largo del texto.
Kvi = lw Yvi
114 CAPÍTULO 4. MODELOS MATEMÁTICOS DE LAS PERTURBACIONES
La velocidad relativa del viento y sus componentes en los ejes fijados al buque se
calculan de,
σ = 0.2Vvi
116 CAPÍTULO 4. MODELOS MATEMÁTICOS DE LAS PERTURBACIONES
El efecto del mar sobre el movimiento de un buque puede considerarse integrado por
dos componentes. Una denominada mar regular y la otra mar aleatoria, estocástica
o irregular. Empleando la teorı́a de olas gravitatorias (Price and Bishop, 1974) y una
aproximación lineal, se obtienen soluciones útiles para caracterizar en simulación el mar
regular. Si se suponen las siguientes condiciones:
• Las olas se pueden aproximar por una onda progresiva con un frente de onda sufi-
cientemente extenso.
• El agua es incompresible.
4.4. EFECTO DE LAS OLAS 117
H
ξ(x0 , t) = cos(kx0 − ωt)
2
siendo,
4π 2 2π
k= 2
, λ= , ω = 2π/Tola
gTola k
sen b sen c
Xola = 2aB s(t)
c
sen b sen c
Yola = −2aL s(t)
b
2 c cos c − sen c b cos b − sen b
Nola = ak B sen b 2
− L2 sen c ξ(t)
c b2
118 CAPÍTULO 4. MODELOS MATEMÁTICOS DE LAS PERTURBACIONES
con:
μola = π − (γola − ψ)
siendo γola la dirección de propagación de las olas, lola es el brazo del par de balance,
μola es el ángulo en que llegan las olas observado desde el buque (ver figura 4.1), y ωe
la frecuencia angular de encuentro de las olas observadas a bordo:
Las ecuaciones anteriores son las empleadas en las simulaciones con los modelos
matemáticos no lineales MODNL , ABKO 3 D , NORRB 3 D a la hora de tener en cuenta el
efecto del mar regular.
2
691 H1/3 691
S(ω) = 4 5 exp(− 4
)
Tola ω 2 Tola ω4
siendo Tola el perı́odo medio y H1/3 la altura significativa (ver figura 4.2) de las
olas irregulares (Amerongen, 1981; Price y Bishop, 1974). A partir del conocimiento de
4.4. EFECTO DE LAS OLAS 119
8.1 · 10−3 g 2
Sζζ (ω) = exp(−0.74(g/V ω)4 )
ω5
donde V es la velocidad del viento a una altura de 19.5 metros sobre el nivel del mar.
120 CAPÍTULO 4. MODELOS MATEMÁTICOS DE LAS PERTURBACIONES
Las dos formas mas utilizadas del espectro de olas son las adoptadas por el Interna-
tional Towing Tank Conference (ITTC), y por el International Ship Structure Congress
(ISSC). Ambas formas están basadas en la forma general del espectro de Pierson-Moskowitz:
A
Sζζ (ω) = exp(−B/ω 4 )
ω6
3.11
A = 8.1 · 10−3 y B = 2
(4.3)
H1/3
2
173H1/3 691
A= , y B=
T14 T14
m0
T1 = 2π
m1
∞
mn = ω n Sζζ (ω)dω
0
2
n = 2, A(n) = , para el espectro del ITTC
π
8
n = 4, A(n) = , para el espectro del ISSC
3π
1/2
(ω − ωo )2
Sζζ (ω) = A exp −
0.054(ω − ωo + 0.265)
donde se tiene,
1/2
A = 0.186 10−5 Vvi4 , ωo = 6.287(1.94Vvi + 2.5 10−7 Vvi4 )−1
Esta versión corresponde al espectro dado por el British Towing Tank Panel (BTTP), y
tiene la expresión,
1/2
(ω − ωo )2
Sζζ (ω) = A exp −
0.065(ω − ωo + 0.265)
donde se tiene,
A = 21.5(0.0625Vvi − 0.442)2
ωo = 6.142(0.1545Vvi + 7.389)−1
we2
Gf (s) =
s2 + 2ζωe s + ωe2
A partir de los datos experimentales tomados por diferentes autores, de las olas en di-
ferentes condiciones ambientales, se puede establecer un relación que ligue de forma
aproximada la altura de ola previsible, H, con la velocidad del viento Vvi (Price y Bishop,
1974):
H = 1.5 + 0.015Vvi2
Por otro lado, también se puede obtener una expresión aproximada a partir de los datos
experimentales, que relacione la velocidad del viento con el perı́odo de ola Tola :
donde u, v son las componentes de la velocidad del buque con respecto al agua. La
corriente produce unas perturbaciones (fuerzas Xcorr , Ycorr , y momento Ncorr ) sobre el
buque dadas por (Kallstrom, 1979):
Xcorr = m vcorr ψ̇
Ycorr = −m ucorr ψ̇
Ncorr = −m ucorr ψ̇xG
** Nota aclaratoria **
En este capı́tulo (perturbaciones sobre el buque), ası́ como en el anterior (modelos matemáticos
del buque) se ha optado por mantener la nomenclatura habitual que aparece en los textos
relacionados con la materia. Sin embargo, la nomenclatura empleada puede cambiar, tal y
como se hace en el siguiente capı́tulo sobre identificación de sistemas, ya que por afinidad
con la nomenclatura empleada en identificación y control se emplea una simbologı́a de-
terminada para indicar por ejemplo: la señal de entrada (u), la señal de salida (y), etc.,
lo cual no debe llevar a ninguna confusión, ya que en cada caso se conoce el significado
fı́sico de las variables empleadas.
126 CAPÍTULO 4. MODELOS MATEMÁTICOS DE LAS PERTURBACIONES
5.1 Introducción
127
128 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
obtener modelos que sirvan para incrementar el conocimiento cientı́fico que se tenga sobre
el sistema, 2) para realizar estimaciones o predicciones, y 3) para control. En el caso de
un buque, se puede decir que se presentan los tres objetivos anteriores, dado que: 1) por
un lado se puede mejora el conocimiento sobre los complejos efectos hidrodinámicos que
se dan sobre el casco; 2) se pueden realizar simulaciones que estimen el comportamiento
del buque en diversas condiciones de navegación; y 3) si se proyecta diseñar un nuevo
sistema de control, por ejemplo para el gobierno del rumbo y la reducción del movimiento
de balance, puede utilizarse el modelo identificado durante las fases de diseño y análisis.
En este capı́tulo se van a tratar los métodos de identificación de sistemas para la ob-
tención de un modelo matemático de un sistema dinámico, y en particular para un buque.
En general, existen dos metodologı́as de obtención de modelos matemáticos de sistemas
dinámicos:
diferencia del caso de los aviones, para los buques no han dado todos los buenos
resultados que cabrı́a esperar (Lewis, 1989), por lo que han de combinarse con los
métodos experimentales para obtener modelos matemáticos adecuados.
• Tienen un rango de validez limitado (son válidos para unas condiciones de op-
eración dadas, para un cierto tipo de entrada, etc.)
• Proporcionan poco o ningún conocimiento sobre las leyes fı́sicas que describen al
sitema (ya que en muchos casos los parámetros del modelo do tienen un significado
fı́sico).
• En muchos casos, se pueden obtener de una forma relativamente sencilla, sobre todo
si se dispone de algoritmos eficientes para el cálculo; por ejemplo las ”toolboxes”
para Matlab de identificación de sistemas (Ljung, 1988; Kollar, 1995).
• Se debe seleccionar una estructura adecuada. Cosa que puede ser un problema
difı́cil, sobre todo si la dinámica del sistema es fuertemente no lineal.
• Los datos de medida están afectados por imprecisiones y ruidos que han de tenerse
en cuenta.
130 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
Los métodos paramétricos suponen una estructura dada para el modelo, y obtienen los
5.1. INTRODUCCIÓN 131
El capı́tulo está organizado como sigue: en primer lugar se describen los métodos
basados en la respuesta temporal para algunas señales tipo, y en particular para el buque
mediante las maniobras de espiral y la curva de reacción. A continuación se pasa a
describir algunos de los métodos experimentales sobre modelos a escala empleados en
Canales de Experiencias Hidrodinámicas. También se describen algunos métodos basa-
dos en la respuesta en frecuencia, transformadas de Fourier y los métodos de correlación.
Se continua con la descripción de algunos métodos que se basan en la minimización del
error de predicción y el filtro de Kalman.
• Salto o escalón. Señal caracterizada por la amplitud del cambio o salto instantáneo
teórico, que en la práctica no es tal, pero se puede conseguir una buena aproxi-
mación.
• Binaria pseudoaleatoria (PRBS). Señal que toma dos únicos valores, que varı́an
según un perı́odo, una amplitud y una longitud (existen algoritmos para generar este
tipo de señal por ordenador). Esta señal es de tipo determinista, sin embargo sus
propiedades estadı́sticas hacen que se aproxime al ruido blanco.
El empleo del tipo de señal dependerá del método que se emplee para la identificación.
En cualquier caso la idea que subyace es que el sistema sea excitado con la mayor riqueza
posible, a fin de que se puedan identificar todos sus modos asociados. A mayor riqueza
de la señal de entrada, mejor aproximación se puede obtener en general.
2. Se pone el timón a +δ0 grados (estribor), y se espera hasta que se alcance el estado
estacionario ψ̇ ≡ r = cte.
7. Se repite el proceso, pero ahora desde −δ0 grados (babor) hasta +δ0 grados (estri-
bor). Si el buque es direccionalmente inestable, entonces se producirá un comporta-
miento tı́pico de un sistema con histéresis, caracterizado por la propiedad descrita
en el punto 5.
Un sistema con este comportamiento se caracteriza por tener un doble punto de
equilibrio (dependiente de las condiciones iniciales) para los valores de ángulos de
timón de la zona de histéresis, por lo que para ángulos de timón dentro de dicha zona
5.4. MÉTODOS TIPO CURVA DE REACCIÓN 135
se tienen dos posibles valores de la velocidad angular. Esto puede verse en las fig-
uras 5.4 y 5.5, que muestran la velocidad angular estacionaria del buque para dife-
rentes ángulos de timón. El buque corresponde a un petrolero de 350.000 toneladas
(Kallstrom, 1982), y las simulaciones se han realizado con Simnon utilizando el
modelo matemático no lineal de Norrbin NORRB 3 D mencionado en el capı́tulo III
(ver también las simulaciones realizadas para un buque de la clase Mariner del
capı́tulo V).
Por tanto, la maniobra de espiral sirve para: 1) calcular la relación no lineal entre δ y
r, 2) determinar la estabilidad direccional, y 3) analizar la posible existencia de histéresis.
Para ciertos propósitos, tales como el diseño de reguladores basados en la teorı́a de control
de sistemas lineales, interesa disponer de modelos lineales que aproximen el comporta-
miento de un sistema que funciona en la cercanı́a a unas condiciones de operación dadas.
En ese caso se puede realizar la linealización de las ecuaciones del modelo matemático (si
se dispone de ellas), o por otro lado, emplear los métodos de identificación de sistemas.
136 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
En cualquier caso, hay que hablar de variables de desviación, entendiendo con ello que el
modelo matemático obtenido sólo representa al sistema cuando éste opera en la cercanı́a
del punto de trabajo para el cual se ha especificado, y que las ecuaciones matemáticas
relacionan desviaciones o incrementos, con respecto a los valores nominales, de las vari-
ables.
7. Para determinar las constantes de tiempo, retardos y ceros (en su caso) de la función
de transferencia del sistema, se emplea en general un procedimiento gráfico, o un
análisis de regresión. Dicho procedimiento va a depender del orden elegido para el
sistema (Seborg et al., 1989; Smith y Corripio, 1994).
K
G(s) = e−τd s
τs + 1
τd + τ = Ao /K
Se traza en la gráfica una recta perpendicular al eje temporal y que pasa por t = τd +
τ , y se calcula el área A1 entre dicha recta el eje temporal y la curva de respuesta.
Se obtiene τ de,
τ = 2.7183A1 /K
138 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
τ = 3(t2 − t1 )/2, τd = t2 − τ
Para modelar sistemas que se caractericen por tener una respuesta sobreamortiguada
(ξ ≥ 1, que no tienen oscilación para respuesta a una entrada tipo escalón), o del tipo
subamortiguado (0 < ξ < 1, que tienen oscilación para una entrada de tipo escalón),
se emplean las funciones de transferencia equivalentes que se dan a continuación, y que
corresponden a un sistema de segundo orden y un elemento de retardo (por ejemplo, para
describir la relación existente entre el ángulo de aletas estabilizadoras y el ángulo de ba-
lance de un buque, o también para considerar la dinámica inmodelada de alta frecuencia):
Kωn2
G(s) = e−τd s
s + 2ξωn s + wn
2 2
K
G(s) = e−τd s , τ = 1/wn
τ s + 2ξτ s + 1
2 2
√ 2π/T
1−ξ 2
Mp = e−ξπ , ωn = √
1 − ξ2
la respuesta del sistema alcanza el 20 % y el 60 % del valor estacionario, t20 y t60 repec-
tivamente, y utilizar una gráfica con la que se obtienen ξ y τ a partir del cociente t20 /t60 .
K
G(s) =
(τ1 s + 1)(τ2 s + 1)
se puede emplear por ejemplo del método de Harriott. Este método consiste en obtener el
instante de tiempo en el que el sistema alcanza el 73 % del valor estacionario, t73 , a partir
del que se calcula la suma de las constantes de tiempo asociadas,
τ1 + τ2 = t73 /1.3
Otra forma de calcular los parámetros de una función de transferencia dada es medi-
ante el procedimiento de regresión no lineal. Empleando un algoritmo de optimización
como el de Powell (Press et al., 1990), se obtiene el conjunto de parámetros que mini-
mizan la suma de los cuadrados entre las medidas experimentales y las de un modelo con
una estructura dada (por ejemplo, de segundo orden subamortiguado).
Se fija el modelo a escala del buque a un dispositivo de remolque, de forma que no posea
movimiento de guiñada, y se le hace avanzar paralelo al eje longitudinal del canal con
142 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
un cierto ángulo de deriva, β; por lo que la velocidad de abatimiento (v) viene dada por,
v = V sen(β)
En este caso, el modelo se sujeta a un brazo que gira alrededor de un eje fijo con velocidad
angular constante r. Para un ángulo de deriva nulo, se pueden obtener Yr y Nr ; y para un
ángulo de deriva dado, β, se pueden también obtener Yv y Nv .
1 k=0
δ(k) =
0 k=
0
∞
y(k) = u(k − n)h(n)
n=0
∞
h(k)
G(z) = = Z{h(k)}
k=0 zk
Igualmente, conocida G(z) = N (z)/D(z) puede obtenerse h(k) dividiendo los poli-
nomios N (z) y D(z):
N (z)
= h(0) + h(1)z −1 + h(2)z −2 + · · ·
D(z)
Obtención de FIR
Parámetros de Markov
Para un sistema de tiempo discreto de simple entrada y simple salida (SISO) descrito
en el espacio de estado mediante las ecuaciones matriciales,
y coinciden con los elementos de la FIR del sistema. Para el caso de un sistema multivari-
able (MIMO) la expresión (5.1) da matrices, Hi , en vez de escalares, hi , cuyas dimensiones
son no × ni , siendo ni el número de entradas y no el número de salidas del sistema.
Para determinados estudios interesa formar una matriz M (conocida como matriz de
Hankel) cuyos elementos corresponden a los parámetros de Markov,
⎡ ⎤
hi hi+1 hi+2 ... hi+j
⎢ ⎥
⎢ hi+1 hi+2 ... ... ... ⎥
⎢ ⎥
⎢ ⎥
M [i, j] = ⎢
⎢
hi+2 ... ... ... ... ⎥
⎥
⎢ .. .. .. .. .. ⎥
⎣ . . . . . ⎦
hi+j ... ... ... hi+2j
⎡ ⎤
h1 h2 h3 h4
⎢ h2 h3 h4 h5 ⎥
M [1, 3] = ⎢
⎢
⎥
⎥
⎣ h3 h4 h5 h6 ⎦
h4 h5 h6 h7
El método basado en la respuesta a escalón finita (FSR) es similar al método FIR visto en
la sección anterior, salvo que emplea una secuencia de entrada tipo escalón ( step) unidad
caracterizada por:
u(k) = 1, ∀k≥0
Para otra secuencia de entrada arbitraria, la respuesta temporal viene determinada por,
n
y(k) = gj Δu(k − j − 1), Δu(k) = u(k) − u(k − 1)
j=0
j
gj = hi , (j = 1, 2, ..., n; g0 = 0)
i=1
hj = gj − gj−1 , (j = 1, 2, ..., n; h0 = 0)
Para el caso de un sistema con acción integral, en el que se considera que la pendiente
de la respuesta del sistema a la señal step permanece constante a partir de un determinado
ciclo de muestreo n,
n
y(k) = gj Δu(k − j) + gn u(k − n + 1)
j=0
que es válida tanto para sistemas estables como para sistemas con acción integral.
5.8. ANÁLISIS DE CORRELACIÓN 147
Para una señal estocástica de tiempo discreto u(k), se define su función de autocor-
relación como,
1 N
Ru (τ ) = u(k)u(k − τ ), (N → ∞)
N k=1
1 N
Ryu (τ ) = y(k)u(k − τ ) (N → ∞)
N k=1
1 N
Ryu (τ ) = y(k) u(k − τ )
N k=1
1 N
Ru (τ ) = u(k) u(k − τ ) = Ru (0)δ(τ ), Ru (0) = σu2
N k=1
Ryu (τ )
h(τ ) =
σu2
L
h(τ ) = Ryu (τ )
a2 T (L + 1)
Según las relaciones que se consideren entre y(k), u(k) y e(k) (ver figura 5.8), se van
a determinar diferentes denominaciones que se dan a continuación:
A(z)y(z) = e(z)
5.9. MODELOS DE SISTEMAS ESTOCÁSTICOS 149
y(z) = C(z)e(z)
A(z)y(z) = C(z)e(z)
• Modelo autorregresivo de media móvil con acción integral (ARIMA) ( Auto Re-
gressive Integrated Moving Average),
B(z) C(z)
y(z) = u(z) + e(z)
F (z) D(z)
• Test-F.
• Test de incorrelación, RN .
1 N
VN (θ̂) = e2 (k, θ̂)
N k=1
Test-F
Para utilizar este test, se define la variable F que relaciona los valores de V para dos
modelos identificados con los números de parámetros respectivos, p1 y p2 como,
VN1 − VN2
F=N
VN2
Se puede utilizar el siguiente test para la selección de la estructura u orden del modelo:
para un nivel de significación de α (los valores tı́picos de α están comprendidos entre 0.01
y 0.1), el modelo de menor orden (modelo 1) es elegido frente al modelo de mayor orden
(modelo 2) si se cumple la relación,
Criterio FPE
El criterio de error de predicción final FPE ( final prediction error) se puede utilizar
como una medida para comparar modelos identificados con diferentes técnicas y/o con
diferentes órdenes. Para un vector de parámetros de dimensión p y N muestras se define
como,
1 + p/N
FPE = VN (θ̂N )
1 − p/N
de forma que cuanto menor sea el valor de FPE mejor será la estimación.
Este test emplea las autocorrelaciones normalizadas RNi de los errores de predicción e(k)
para N muestras:
1 N
R(0)
R(0) = e2 (k), RN (0) =
N k=1 R(0)
1 N
R(i) = e(k)e(k − i) i = 1, 2, ..., nA , ...
N k=1
5.10. VALIDACIÓN DEL MODELO IDENTIFICADO 153
R(i)
RN (i) = , i = 1, 2, ..., nA , ...
R(0)
2.17
| RN (i) |≤ √ , i≥1
N
para justificar de igual forma los datos experimentales, se debe elegir el de menor orden.
Lo cual está en concordancia con el ”sentido común”de no emplear más parámetros de
los necesarios para describir un sistema dinámico. Este principio afirma además que en
el caso supuesto, el modelo de menor orden será el que proporcione la mayor exactitud.
θT = [a1 . . . an b1 . . . bn ]
son necesarios 2n medidas para calcular θ. Ası́, en el ciclo k, la respuesta del sistema
viene dada por,
y(k) = ϕ(k)T θ
y(k) = ϕ(k)T θ
y(k + 1) = ϕ(k + 1)T θ
... ...
y(k + 2n − 1) = ϕ(k + 2n − 1)T θ
Y (k) = Ψ(k) θ
Para obtener θ basta con calcular el producto de la inversa de la matriz Ψ(k) (de orden
2n) por el vector Y (k):
N
J= e2 (k) (5.2)
k
Si los parámetros del sistema no varı́an, basta con realizar la operación anterior una
vez, pero si éstos cambian, se hará necesario su cálculo cada ciclo de muestreo (como
se requiere por ejemplo en los controladores adaptativos auto ajustables); cosa que no
resulta atractiva dado que hay que realizar la inversión de un matriz de orden 2n. De ahı́
la utilidad de los métodos recursivos de identificación que se describen en el apartado
siguiente.
156 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
N
J= w(k)e2 (k)
k
w(k) = γ N −k , 0<γ≤1
de forma que a mayor distancia temporal de la medida del ciclo actual, menor importancia
se le asigna; por ello se conoce al parámetro γ como factor de olvido. En caso de γ = 1
se dice que ”el identificador tiene una memoria infinita”.
Si se quieren evitar el cálculo de matrices inversas cada ciclo de muestreo para estimar
θ̂, se pueden emplear los métodos recursivos de identificación de sistemas. Los métodos
recursivos aprovechan parte de los cálculos realizados en un ciclo de muestreo para el
siguiente, por lo que el cálculo de los parámetros en un ciclo dado se realiza de la forma,
A continuación se dan los pasos a seguir para realizar un algoritmo recursivo 1 que
denominamos AIMCR. Algunos de los pasos se ilustran con un ejemplo aclaratorio, que
supone una función de transferencia a estimar de la forma,
y(z) b1 z + b2
= 2
u(z) z + a1 z + a2 z
Algoritmo AIMCR
α, γ, θ̂, P = αI, ó P = Po
Ej.:
θ̂T (k − 1) = [â1 â2 b̂1 b̂2 ]
P (k − 1)ϕ(k)
L(k) =
γ + ϕT (k)P (k − 1)ϕ(k)
9. Vuelve al paso 2.
Algoritmo AIMCRDSFC
2. Lectura de los nuevos valores y(k), u(k) y actualización del vector de medidas
ϕ(k).
F (k) = ΣT (k − 1)ϕ(k)
P (k) = ΣT (k)Σ(k)
e(k)2
γ(k) = 1 − [1 − ϕT (k)K(k)]
Γ0
1
Γ0 = σ02 N0 , γmin = 1 −
N0
El factor de olvido variable (Fortescue et al., 1981) se emplea para reducir la memoria
del identificador y mejorar la adaptación a los posibles cambios en el proceso. Si se
considera el caso γ = 1 se tiene un identificador RLS con memoria infinita, por lo que
la matriz P (k) decrecerı́a monótonamente provocando que la disminución de la ganancia
del estimador K(k), llegase al extremo de no ser capaz el algoritmo de adaptarse a los
cambios en el sistema.
Para mejorar la capacidad de la adaptación y evitar que un valor pequeño de los ele-
mentos de la matriz de covarianza haga poco sensible el algoritmo a posibles cambios en
los parámetros, se incorpora la restricción de que si su traza decrece de un valor determi-
nado, se le sume una matriz definida positiva R = μP (k + 1), con 0 < μ < 1.
En este apartado se ilustra con un ejemplo la forma de aplicar los métodos de identifi-
cación anteriores a un sistema no lineal, y se mencionan algunos métodos útiles para el
modelado de sistemas no lineales.
Si debido a la dinámica del sistema éste debe representarse por modelos no lineales,
habrá que elegir de entre las distintas formas de representación de sistemas lineales aquel
que mejor se adecue al problema concreto.
En caso de que se conozca a priori que un sistema a identificar se caracteriza por tener
la acción integral (como por ejemplo la función de transferencia que relaciona el ángulo
162 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
1. Se toma,
z
G(z) = G (z)
z−1
2. Se hace,
y se realiza la identificación con los datos {y (k)} y {u (k)}, obteniéndose G (z);
finalmente
z
G(z) = G (z)
z−1
Este procedimiento es menos aconsejable que el anterior para medidas con elevado
nivel de ruido, ya que realmente implica una derivada, que actua como amplificador
del ruido.
b1 z 2 + b2 z + b3
G(z) = 3
z + a1 z 2 + a2 z + a3
habrı́a que determinar tres parámetros del denominador y otros tres del numerador. Pero si
se aplica alguno de los dos métodos anteriores, habrı́a que estimar los tres del numerador,
pero sólo dos parámetros del denominador,
ya que se sabe que el sistema tiene acción integral (denominador nulo para z = 1), y por
tanto:
1 + a1 + a2 + a3 = 0
Los algoritmos de identificación trabajan con los valores incrementales (u(k), y(k)) de
las señales de entrada y salida (U (k), Y (k)) con respecto a los valores de continua U00
e Y00 . Por ello estos valores deben ser calculados o cancelados. A continuación se dan
varias formas para tenerlo en cuenta (Isermmann et al., 1993; Landau, 1990).
Con este método no es necesario conocer los valores de continua si se emplea como
variables de entrada-salida para realizar la identificación,
donde u, y representan los valores de desviación con respecto a las condiciones de trabajo
de las variables respectivas U00 , Y0 0,
Una forma simple de obtener U00 e Y00 es mediante el cálculo de sus valores medios para
una serie de N medidas,
1 N
1 N
U00 = u(i), Y00 = y(i)
N i=1 N i=1
o bien de forma recursiva,
1
U00 (k) = U00 (k − 1) + (U (k) − U00 (k − 1))
k
1
Y00 (k) = Y00 (k − 1) + (Y (k) − Y00 (k − 1))
k
Y (k) = −a1 Y (k − 1) − a2 Y (k − 2) − · · · − an Y (k − n) +
b1 U (k − d − 1) + b2 U (k − d − 2) + · · · + bn U (k − d − n)
se obtiene que,
En este apartado se describen algunos de los procedimientos más usuales para la iden-
tificación de la dinámica de un sistema mediante técnicas que utilizan el dominio de la
frecuencia. Estas incluyen: 1) análisis de Fourier, 2) prueba senoidal, 3) prueba senoidal
mejorada, 4) prueba del pulso y 5) análisis espectral.
Transformadas de Fourier
como,
1 N
UN (ω) = √ u(n)e−jnω
N n=1
2π
ω= K, K = 0, · · · , N − 1
N
y por tanto,
2π 1 N
2π
UN ( · K) = √ u(n)e−jn N ·K
N N n=1
F DF T 2π
{u(k)} −→ UN ( · K), K = 0, · · · , N − 1
N
2π 2π
Su (ω) = UN ( · K) · UN∗ ( · K)/N
N N
YN (ω)
GN (ejω ) =
UN (ω)
Prueba senoidal
u(t) = A cos(ωt)
y(t) = B cos(ωt + ϕ)
conocidos ϕ y |G(ejω )|, se puede obtener G(s) a partir de la evaluación de los diagramas
de Bode; pudiéndosse, en principio, determinar la función de transferencia de un proceso
de cualquier orden. Esta prueba se utiliza extensamente en la determinación de funciones
de transferencia de sensores, transmisores y actuadores de válvulas de control (Smith y
Corripio, 1991); si bien su empleo en el caso de sistemas de dinámica relativamente lenta
168 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
{u(k)} = {ejkω }
∞
∞
y(k) = ej(k−n)ω h(n) = ejkω e−jnω h(n) = ejkω · G(ejω )
n=0 n=0
o lo que es lo mismo,
Y (ω) = U (ω)G(ω)
N
G(ejω ) = e−jω h(k)
k=0
N
N
ICN (ω) = y(k) cos ωk, ISN (ω) = y(k) sin ωk
k=1 k=1
obteniéndose,
5.16. IDENTIFICACIÓN EN EL DOMINIO DE LA FRECUENCIA 169
IC2 N (ω) + IS2N (ω)
|G(ejω )| =
N A/2
u(t) = A cos(ωt)
En la prueba del pulso se sustituye la señal senoidal por un pulso, caracterizado por tres
parámetros: forma, amplitud y duración. En la práctica el más usual es el pulso rectangu-
lar (Smith y Corripio, 1991). Al igual que en las pruebas de la señal escalón y senoidal, la
amplitud del pulso debe de escogerse de magnitud adecuada, de forma que sea lo suficien-
temente grande para mejorar las medidas, pero que a la vez no sea tan grande que haga no
cumplir la aproximación lineal que se considera para obtener la función de transferencia.
La elección de la duración del pulso depende de las constantes de tiempo del proceso
que se prueba, y no debe ser tan corta como para que no haya tiempo de que el proceso
reaccione, o tan larga que haya tiempo para que la respuesta alcance el estado estacionario
antes de que se complete el pulso.
Con la prueba del pulso se puede obtener un diagrama de Bode para una sóla prueba,
siendo su duración considerablemente menor que la necesitada en la prueba de la senoide.
El cálculo de la respuesta en frecuencia se obtiene, en este caso, mediante el empleo de
las transformadas de Fourier de las señales de prueba u y de respuesta y:
Y (ω)
G(ejω ) =
U (ω)
170 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
Análisis espectral
1 N
Ru (τ ) = u(k)u(k − τ ) (N → ∞)
N k=1
1 N
Ryu (τ ) = y(k)u(k − τ ) (N → ∞)
N k=1
N
Su (ω) = Ru (τ )e−jωτ
τ =−N
N
Sy (ω) = Ry (τ )e−jωτ
τ =−N
N
Syu (ω) = Ryu (τ )e−jωτ
τ =−N
donde G(ejω ) corresponde a la respuesta en frecuencia del sistema, o respuesta para en-
tradas de la forma u(k) = ejkω ; que en el caso de que se conozca G(z), se puede obtener
de forma analı́tica haciendo la sustitución z = ejω .
Este teorena es útil de cara a la obtención de una señal estocástica con un determinado
espectro, de utilidad por ejemplo para modelar la compoenente aleatoria de las olas. Dice
lo siguiente:
Para una Sy (ω) racional es posible encontrar una factorización espectral de la forma:
tal que G(z) ( con z = ejω ) contiene sus polos y ceros dentro del cı́rculo unitario del
plano complejo (sistema estable y de fase mı́nima).
Por ello el teorema de representación viene a expresar que una señal con un espectro
dado S(ω) (racional), puede obtenerse a partir de la respuesta de un sistema dinámico a
una entrada de ruı́do blanco (ver figura 5.9).
Si se tienen las densidades espectrales Syu (ω) y Su (ω), se puede calcular la respuesta
en frecuencia,
Syu (ω)
G(ejω ) =
Su (ω)
172 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
ψ(s)
G(s) = = Gp (s)e−τd s (5.3)
δ(s)
K(τ3 s + 1)
Gp (s) = (5.4)
(τ1 s + 1)(τ2 s + 1)s
K
Gp (s) = (5.5)
s(τ s + 1)
Se tiene en cuenta la limitación mecánica del actuador (timón), empleando unas sat-
uraciones de ±δmax grados, y de ±δ̇max grados/segundo. Para el término de retardo se
emplea una aproximación de primer orden:
1− τd
s
e−τd s ≈ 2
(5.6)
1+ τd
2
s
Como consecuencia de ello, los modelos lineales empleados van a ser de fase no
mı́nima (con al menos un cero inestable), de cuarto orden si se emplea 5.4 y de tercer
orden si se emplea 5.5.
Se puede demostrar, tanto desde el punto de vista teórico (Astrom, 1980), como de
forma experimental (Kallstrom, 1979; Kallstrom y Astrom, 1981; Othsu et al., 1992) que
un proceso tipo ARMAX sirve para describir de forma adecuada tanto la dinámica del
buque (en maniobras que no requieran grandes valores del ángulo de timón en magnitud
y en tiempo de aplicación) como las perturbaciones ambientales.
Ası́ por ejemplo, si se considera el modelo 5.5, una versión de tiempo discreto del
sistema, junto con las perturbaciones será de la forma,
A(z −1 ) = 1 + a1 z −1 + a2 z −2 + a3 z −3
B(z −1 ) = b1 z −1 + b2 z −2 + b3 z −3
C(z −1 ) = 1 + c1 z −1 + c2 z −2 + c3 z −3
Figura 5.10: Respuesta del buque (rumbo) para señal binaria (timón)
τef ectivo
Tm ≈ , y si Tm > 10 seg, entonces Tm = 10 seg.
10
Para el buque MODL 2 (capı́tulo III), con velocidad de crucero V = 7.81 m/s, τd = 3
seg., y pertrubaciones (ruidos) sobre el proceso V1 y la medida o sensores V2 , caracteriza-
dos por las varianzas,
Este caso se refiere al modelo no lineal (MODNL) descrito en el capı́tulo III. Las
condiciones condiciones ambientales y de navegación empleadas para la identificación
son: altura de ola de 3 metros, ángulo de llegada de las olas de 45 grados, velocidad del
viento de 5 m/s, y velocidad de crucero del buque de 15 nudos. Se obtiene el vector de
parámetros estimado siguiente:
Uno de los objetivos que persigue este tipo de identificación es la de obtener un modelo
matemático útil para el diseño de reguladores. Estos reguladores deben ser robustos, en
el sentido de que deben de tener en cuenta las condiciones reales de operación. Para ello
se suelen especificar ciertas condiciones de robustez, que se refieren a cómo el sistema
va a tolerar determinados tipos de errores de modelado o incertidumbres. Se utilizan los
márgenes de ganancia y fase convencionales, ası́ como otros indicadores de robustez y
comportamiento que se derivan de la teorı́a relacionada con el control robusto.
El control del rumbo y del movimiento de balance de un buque constituyen dos pro-
blemas en los que el control robusto tiene una gran aplicabilidad (López, 1994), dada la
cantidad de factores que van a influir sobre el sitema. Por ello, el diseño de un autopiloto
que sea robusto frente a las variaciones en la planta, a las condiciones ambientales, y a
los errores de modelado, va a ser fundamental. A continuación se exponen algunas prue-
bas obtenidas (López, 1994) empleando los resultados de la identificación en lazo abierto
antes realizada con el MODNL, ası́ como en lazo cerrado (ver figura 5.11) empleando el
método de mı́nimos cuadrados recursivo (RLS), y un controlador LQG / LTR - I descrito en
(López, 1994).
En las figuras 5.12 y 5.13 se tienen respectivamente las respuestas temporales del
sistema para cambios de rumbo de ±5 grados, con mar en calma y sin viento, y con
perturbaciones (mar y viento dados antes). En la figura 5.14 se tiene el comportamiento
para un cambio de rumbo de ±90 grados. A pesar de que para realizar esta maniobra la
señal de control (ángulo de pala del timón) toma valores muy grandes, llegando incluso
a saturarse, el controlador proporciona un comportamiento adecuado al sistema. Hay que
tener en cuenta que en esta maniobra se pone de manifiesto la naturaleza no lineal del
5.17. APLICACIONES DE IDENTIFICACIÓN 177
Parámetros del buque
-
Diseño Identificador
Parámetros
del regulador
?
Set-Point - timón rumbo
Regulador - Buque -
-
sistema MODNL, haciendo que durante su realización el sistema sea no lineal y variable
en el tiempo (ya que el buque experimenta pérdidas significativas de velocidad).
figura 5.11).
En la figura 5.16 se tiene como varı́an los parámetros obtenidos por identificación en
lazo cerrado y on-line mediante el algoritmo recursivo RLS. En la figura 5.17 puede verse
cómo el identificador detecta el cambio 2 que se produce en la dinámica del buque, y por
tanto el controlador se adapta y mejora el comportamiento del sistema con respecto al
obtenido con un regulador fijo.
donde V1 y V2 son en general vectores de variables estocásticas, que sirven para modelar
las perturbaciones de este tipo y los ruidos actuantes sobre el proceso (V1 ) y sobre los sen-
sores (V2 ) respectivamente, los cuales quedan caracterizados por sus respectivas matrices
de covarianza:
se supone además que la condición inicial x(0) es un vector estocástico incorrelado con
V1 (k) y V2 (k), caracterizado por,
182 CAPÍTULO 5. IDENTIFICACIÓN DE SISTEMAS. APLICACIÓN AL BUQUE
E{x(0)} = x0
Una vez que se han establecido las ecuaciones del sistema, se plantea el problema de
encontrar la matriz óptima (o secuencia de matrices óptimas) Kop (k) que minimiza una
medida de los errores entre el vector de estado estimado x̂, y el vector de estado real x:
Wo = WoT ≥ 0
Qo Mo
Wo =
MoT Ro
A continuación se dan las soluciones a este problema para dos tipos del observador de
estado: tipo predictor, y el tipo filtro. En ambos casos se emplea la teorı́a del filtro de
Kalman, por lo que se suelen conocer como Filtros de Kalman (KBF) versión Predictor
y versión Filtro respectivamente, si bien en ambos casos lo que se está calculando es un
Observador de Estados óptimo.
5.18. OBSERVADOR DEL VECTOR DE ESTADO 183
En esta versión (KBF predictor) las ecuaciones del estimador de estados son:
donde la matriz Kop es la ganancia del observador predictivo, que se obtiene resolviendo
la ecuación algebraica de Riccati siguiente:
y posteriormente,
También puede resolverse de forma iterativa por medio de un algoritmo recursivo que
implemente los siguientes cálculos:
Po (0) = P0
En este caso (KBF versión filtro) las ecuaciones recursivas del estimador de estados vienen
dadas por,
ŷ(k) = Cξ(k)
donde la matriz Kop se obtiene de la misma forma que en el caso de la versión predictor,
y la relación entre las matrices de ganancia Kof y Kop es,
Kop = AKof
El filtro de Kalman se puede emplear tanto para los sistemas lineales como para los
no lineales, y puede utilizarse tanto para estimar variables de estado como parámetros
(Mendel, 1987). Si para un modelo paramétrico se consideran como variables de esta-
do los parámetros a determinar, y se obtiene una representación de estado del sistema,
mediante un estimador de estados (filtro Kalman) es posible encontrar los valores de los
parámetros que minimizan los errores de estimación.
siendo w(t) y v(t) señales estocásticas que se consideran ruidos que afectan al estado,
x(t), y a la medida y(tk ) correspondiente al instante de muestreo tk . Se supone que los
ruidos están caracterizados por sus respectivas matrices de covarianza,
tk
x̂(tk /tk−1 ) = x̂(tk−1 /tk−1 ) + f [x̂(τ /tk−1 ), u(τ ), τ ]dτ
tk−1
ŷ = C x̂(tk /tk−1 )
2. Fase de corrección:
ŷ = C x̂(tk /tk )
El método del filtro Kalman extendido se ha aplicado por Abkowitz para la identifi-
cación de los coeficientes hidrodinámicos de un buque, obteniéndose unos resultados sat-
isfactorios (Lewis, 1989). En dicho trabajo se consideraban los coeficientes hidrodinámicos
como los parámetros del sistema, y las magnitudes δ, ψ, r, u, y v como variables de estado
de partida (ver figura 5.18). Posteriormente el vector de estado se ampliaba incorporando
los coeficientes hidrodinámicos a estimar. El filtro de esta forma puede obtener las estima-
ciones tanto de las componentes del vector de estado de partida, como de los coeficientes
hidrodinámicos.
Capı́tulo 6
6.1 Introducción
A la largo de los capı́tulos anteriores del texto se han presentado los resultados de algunos
ejemplos de simulaciones obtenidas tanto para modelos no lineales como linealizados.
En unos, para ver la forma de programación con una cierta herramienta software de simu-
lación como ACSL, CC, SIMNON o VISSIM (capı́tulos I y III). En otros, para ver algunas
aplicaciones de las técnicas de identificación de sistemas para el diseño de controladores
para el gobierno del rumbo de un buque (capı́tulo V).
Con las simulaciones que se presentan con ABKO 3 D se trata de analizar el comporta-
miento del buque simulado en diferentes maniobras, ası́ como el efecto de las perturba-
ciones ambientales, no empleando ningún tipo de sistema de control. Sin embargo, las
simulaciones realizadas con MODNL presentan por un lado los resultados del empleo de
un regulador escalar (o de simple entrada simple salida) para la reducción del movimien-
to de balance del buque navegando entre olas, y por otro los resultados obtenidos con un
regulador multivariable para el control del rumbo y la disminución del ángulo de escora
en la realización de grandes maniobras. El análisis de este modelo matemático y de los
187
188 CAPÍTULO 6. SIMULACIONES POR COMPUTADOR
resultados del empleo de distintos reguladores para el control del rumbo se puede com-
pletar con las simulaciones presentadas como ejemplos a lo largo de los capı́tulos III y
V.
Las maniobras se realizan con una velocidad inicial de 7.8 m/s (algo más de 15 nudos).
El tiempo que tarda el timón de estar a la vı́a a estar a 35 grados a una banda es de 10
segundos (3.5 grad/seg). Adicionalmente se considera un retardo inicial en la respuesta
6.2. ANÁLISIS DE LA DINÁMICA 189
que tener en cuenta que los resultados de la maniobra de zig-zag son dependientes de la
velocidad del buque, de modo que cuando aumenta la velocidad del buque disminuye el
tiempo en alcanzar los primeros 20 grados y aumenta el sobreángulo.
de las perturbaciones: viento, olas y corrientes (ver capı́tulos II y IV). Una descripción
cualitativa de estos efectos puede encontrarse en textos que traten el tema de maniobras
y teorı́a del buque (Costa, 1991; Barbudo, 1991; Bonilla, 1979).
En las simulaciones se considera que el buque navega entre olas con una velocidad inicial
de 7.8 m/s (algo más de 15 nudos), y no se trata de corregir el rumbo con la acción del
timón, el cual se mantiene fijo a la vı́a. Se toma un valor de altura de la ola de 3 metros,
con una velocidad de propagación (mar regular) de 10 m/s.
En la figura 6.6 se muestra la evolución del buque cuando la mar es recibida de través
por el costado de estribor. Se observa cómo al principio la tendencia natural de buque de
caer a estribor sigue produciéndose, sin embargo, su trayectoria se mantiene para luego
caer a babor. Se puede apreciar cómo varı́a el rumbo a lo largo de los 500 segundos de
simulación, y las fluctuaciones de la velocidad angular o de caı́da, r. La velocidad axial
o longitudinal, u, del buque también experimenta oscilaciones debidas a las guiñadas del
buque.
En las simulaciones que tienen en cuenta el efecto del viento se se tiene en cuenta lo
siguiente: 1) se considera que el vector viento referido a tierra tiene sentido contrario al
de la velocidad inicial del buque; 2) se toma una velocidad del viento de 13 m/s, (algo
más de 25 nudos); 3) el área sobre la linea de flotación en el plano xz es de 1600m2 ; y 4)
la constantes Ĉy y ĈN toman los valores -1.00 y -0.1 respectivamente (ver capı́tulo IV).
En la figura 6.8 se muestra la trayectoria que describe el buque (para una velocidad
6.2. ANÁLISIS DE LA DINÁMICA 193
Figura 6.6: Buque con el timón a la vı́a y bajo los efectos de la mar
6.3. CONTROL DE RUMBO Y BALANCE 195
de crucero , de 7,81 m/s y con el timón a la vı́a) cuando está afectado por un viento de
las caracterı́sticas dadas anteriormente. Al comienzo de la simulación se aprecia que la
trayectoria del buque va cerrándose al viento, ésto es debido a que la perturbación ha
actuado sobre él de forma repentina y su reacción es la de orzar. En la gráfica también se
aprecia que la velocidad angular de caı́da, r, al comienzo de la maniobra adquiere un valor
grande a estribor durante un corto perı́odo de tiempo, a pesar de que el viento lo recibe
por esa misma banda. A continuación se estabiliza muy rápidamente en la banda de babor
con un valor considerablemente menor que el máximo que alcanzó en la otra banda. Ésto
hace que la tendencia inicial de la trayectoria vaya anulándose hasta describir la traslación
del buque a babor. Se manifiestan por tanto, dos efectos: 1) el de orzar al comienzo de la
simulación por la actuación repentina de la perturbación; y 2) el de traslación y caı́da del
buque a babor de forma continuada, lo que hace que en la fase estacionaria el buque se
vaya abriendo del rumbo original con una velocidad angular r constante.
Efecto de la corriente
Las azones de la inercia presentada por la industria naval hay que buscarlas en diversos
factores, tales como son: la mayor duración de los barcos comparados con los aviones, la
resistencia a intentar nuevas técnicas cuando los métodos tradicionales han probado tener
196 CAPÍTULO 6. SIMULACIONES POR COMPUTADOR
Figura 6.7: Buque con el timón a la vı́a y bajo los efectos de la mar
6.3. CONTROL DE RUMBO Y BALANCE 197
Figura 6.8: Buque con el timón a la vı́a y bajo los efectos del viento
198 CAPÍTULO 6. SIMULACIONES POR COMPUTADOR
Figura 6.9: Buque con el timón a la vı́a y bajo los efectos de la corriente
6.3. CONTROL DE RUMBO Y BALANCE 199
Los primeros autopilotos para el guiado automático de barcos eran simples disposi-
tivos en los que el error de rumbo se utilizaba para producir una orden al servosistema del
timón proporcional al error de rumbo. Posteriormente se modificó incluyendo el efecto
derivativo para mejorar la respuesta transitoria y el efecto integral para corregir los er-
rores estacionarios. Debido a su simplicidad, fiabilidad y coste, los autopilotos PID aún
se mantienen en la mayorı́a de barcos.
Ha sido el perı́odo de finales de los setenta y durante la década de los ochenta, cuando
la mejora del sistema de control de los buques ha experimentado un notable incremento
en investigación y desarrollo, pudiéndose encontrar la justificación en razones tales como:
1. Las continuas subidas del precio del petróleo y la búsqueda de la reducción del
coste en los transportes.
Por otro lado, ha demostrado ser de gran utilidad, tanto para buques de la Marina
Mercante como para los de la Armada, el que adicionalmente al problema del control del
rumbo de un buque (problema de simple entrada y simple salida o escalar), se considere
el empleo de sistemas activos de estabilización para la regulación del movimiento de
balance; lo cual da lugar a un problema de control multivariable (sistema con dos entradas
y dos salidas). Si bien, en la mayorı́a de sistemas instalados a bordo se tratan como dos
problemas de control independientes, en el sentido de que los reguladores se diseñan de
forma independiente entre sı́, sin tener en cuenta el carácter vectorial de la planta. Entre
las razones que justifican el empleo de sistemas de control del movimiento de balance
pueden destacarse:
200 CAPÍTULO 6. SIMULACIONES POR COMPUTADOR
2. No tener que desviarse en exceso de una ruta dada debido a unas condiciones am-
bientales adversas.
Para ello, se pueden emplear diferentes técnicas (Lewis, 1989): 1) sistemas de depósitos
o tanques de agua; 2) utilización del timón como sistema de estabilización del balance (
Rudder Roll Stabilisation, RRS); y 3) la que ha resultado ser más eficaz, al menos para ve-
locidades superiores a 12 nudos, que utiliza superficies de control o aletas estabilizadoras
(Lloyd, 1989).
El problema del control de un buque puede interpretarse según la filosofı́a del control
robusto, dado la gran cantidad de factores que van a influir en la incertidumbre del modelo
de la planta, entre los que cabe destacar:
1. Velocidad de crucero.
2. Estado de carga.
? ?
Dinámica
del buque
6 6
Perturbaciones Otros
ambientales factores
4. Profundidad.
Desde el punto de vista del control de un buque se puede decir que hay dos condiciones
de navegación bien diferenciadas:
BUQUE
- -
ángulo de ángulo de
timón (δ) rumbo (ψ)
1. Un regulador LTR ( Loop Transfer Recovery) multivariable (un regulador que gen-
era las órdenes de forma simultánea para el timón y para las aletas estabilizadoras,
teniendo en cuenta el acoplamiento existente entre las diferentes variables) cuyo
objetivo es reducir el ángulo de escora o de inclinación con respecto a la vertical
(reducir la interacción), a la hora de realizar una maniobra que requiera grandes
metidas de timón (López, 1994).
2. Dos reguladores escalares independientes: un PID para regular el rumbo, y un regu-
lador IMC ( Internal Model Control) para reducir el movimiento de balance debido
a las olas (López et al., 1996).
En la figura 6.12 se muestra la respuesta del buque para un cambio de consigna de 180
grados; en la que se tiene el siguiente significado de las variables: y2 ≡ cambio de rumbo,
y1 ≡ ángulo de balance, u1 ≡ ángulo de aletas estabilizadoras, u2 ≡ ángulo de timón.
Como puede verse, el comportamiento es excelente: no produce una sobreoscilación apre-
ciable y la interacción con la otra variable a controlar es muy baja, si se compara con los
resultados obtenidos para la misma maniobra empleando un controlador monovariable
(ver figura 6.13). La importancia de este controlador estriba en que al reducir el ángulo
de inclinación o balance (también denominado de escora) durante la maniobra, se mejora
la robustez del sistema frente a un ángulo de escora excesivo, que circunstancialmente
puede a su vez provocar un desplazamiento de la carga y por tanto un fuerte cambio en las
caracterı́sticas que determinan la estabilidad del buque, aumentando el peligro de vuelco.
6.3. CONTROL DE RUMBO Y BALANCE 203
El objetivo del regulador IMC (ver figura 6.3) diseñado es atenuar de forma suficiente
el efecto de las perturbaciones, de forma que el movimiento de balance se reduzca con-
siderablemente en comparación con el caso en que no se empleen estabilizadores. Para
ello se emplea una medida denominada porcentaje de reducción del balance ( percentage
roll reduction, PRR):
Momento
de balance
Planta
Estabilizadores (buque)
?
- Gm - m - G
Momento
de estabilizadores
K m
Gs
6− Angulo
Controlador Sensor de balance
0 (gyro)
Figura 6.14: Diagrama de bloques de sistema de control con estabilizadores
6.3. CONTROL DE RUMBO Y BALANCE 205
En la figura A.1 se pueden observar dos sistemas de coordenadas, uno con el origen
fijo en tierra, y el otro, con su origen en el centro de gravedad del buque. El ángulo ψ, o
de guiñada es el ángulo que abre la proa respecto al eje xo . El ángulo (β) existente entre
el eje longitudinal del buque y el vector velocidad del centro de gravedad es el ángulo
de deriva. Cuando el buque va trazando en su movimiento una trayectoria curvilinea el
ángulo de deriva coincide con el ángulo formado entre la proa y la dirección del vector
velocidad del centro de gravedad en ese instante. El eje xo se toma como positivo en el
sentido del movimiento del buque; el eje zo se toma perpendicular al plano xo yo , y el eje
yo se considera positivo a estribor.
X = ∇ẍOG
Y = ∇ÿOG
N = Iz ψ̈ (A.1)
207
208 APÉNDICE A. ECUACIONES DEL MOVIMIENTO EN EL PLANO
• X, Y son las fuerzas totales actuantes sobre el buque en las direcciones x, y respec-
tivamente.
• ∇ es el desplazamiento total del buque.
• N es el momento o par de fuerzas resultante.
• Iz es el momento de inercia.
• ψ es ángulo de guiñada, que en caso de coindir el eje xo con el Norte, correponde
al rumbo.
X = Xo cos ψ + Yo senψ
y para las componentes del vector velocidad, V del centro de masas se obtiene,
donde u y v son las componentes de V con respecto a los ejes móviles x, y respectiva-
mente. Por tanto se tiene que,
X = Δ(u̇ − v ψ̇)
Y = Δ(v̇ + uψ̇)
que junto con la tercera ecuación de A.1 constituyen las ecuaciones del movimiento del
buque en el plano horizontal (tres grados de libertad), referidas al sistema de referencia
móvil con origen en el centro de gravedad del buque; donde no se han considerado los
movimientos de balance, desplazamiento vertical y cabeceo. Queda por tanto,
X = Δ(u̇ − v ψ̇)
N = Iz ψ̈
210 APÉNDICE A. ECUACIONES DEL MOVIMIENTO EN EL PLANO
La expresión A.4 se ha obtenido para el caso en que el origen del sistema de coor-
denadas, O, se encuentre en el c.d.g. del buque. Sin embargo, la localización del centro
de gravedad no es constante, sino que cambia con la condición de carga, por ello, y tam-
bién porque ciertos cálculos quedan más simplificados, se suele emplear como origen del
sistema de refencia móvil el punto de intersección de los planos de simetrı́a del buque.
∂Y ∂Y
Y = Fy (u1 , v1 , u̇1 , v̇1 , ψ̇1 , ψ̈1 ) + (u − u1 ) + (v − v1 ) + ...
∂u ∂v
∂Y
+(ψ̈ − ψ̈1 )
∂ ψ̈
∂X ∂X
X = u̇ + (u − u1 )
∂ u̇ ∂u
211
∂Y ∂Y ∂Y ∂Y
Y = v+ v̇ + ψ̇ + ψ̈
∂v ∂ v̇ ∂ ψ̇ ∂ ψ̈
∂N ∂N ∂N ∂N
N = v+ v̇ + ψ̇ + ψ̈
∂v ∂ v̇ ∂ ψ̇ ∂ ψ̈
Para buques convencionales se tiene que los coeficientes Yṙ y Nv̇ tienen valores rela-
tivamente insignificantes, por lo que pueden despreciarse (Lewis, 1989). Para pequeñas
metidas de timón, la acción del timón queda incorporada mediante los términos Nδ δ y
Yδ δ, con lo que las ecuaciones anteriores quedan:
donde,
A partir de A.6 se puede deducir (Lewis, 1989) que una condición para la estabili-
dad dinámica de ruta (o estabilidad asintótica de las ecuaciones diferenciales lineales del
movimiento) del buque viene dada por,
sin más que analizar las condiciones para que las soluciones de la ecuación caracterı́stica
de la ecuación diferencial linealizada tengan las partes reales negativas.
Apéndice B
Funciones de transferencia
La transformada de Laplace para una función de tiempo continuo f (t) se define como,
∞
L{f (t)} = F (s) = f (t)e−st dt
0
y la transformada Z para una función f (kTm ) de tiempo discreto con perı́odo de muestreo
Tm , de la siguiente forma,
∞
Z{f (kTm )} = F (z) = f (kTm )z −k
k=0
213
214 APÉNDICE B. FUNCIONES DE TRANSFERENCIA
est −→ z
t −→ kTm
−→
f (kTm ) = Z −1 {F (z)}
para calcularlas en un caso particular se pueden emplear diferentes métodos que se pueden
consultar en textos especı́ficos (Kwakernaak y Sivan, 1991; Papoulis, 1977; Spiegel,
1971)
Algunas propiedades
Linealidad
Retardo temporal
L{e−at f (t)} = F (s + a)
Escala temporal
B.1. TRANSFORMADAS DE LAPLACE Y Z 215
t
L{f ( )} = aF (as)
a
Derivada
d
L{f ( f (t))} = sF (s) − f (0)
dt
d2
L{f ( 2
f (t))} = s2 F (s) − sf (0) − f (0)
dt
Derivada de orden n
dn
L{f ( f (t))} = sn F (s) − sn−1 f (0) − sn−2 f (0) − · · ·
dtn
· · · − sf (0) − f (0)
Integral
F (s) f (t)dt|t=0
L{ f (t)dt} = +
s s
Valor final
Valor incial
Integral de convolución
t t
f1 (t) ∗ f2 (t) = f1 (t − τ )f2 (τ )dτ = f1 (τ )f2 (t − τ )dτ
0 0
Sumatoria de convolución
k
f1 (kTm ) ∗ f2 (kTm ) = f1 (kTm − hTm )f2 (hTm )
h=0
k
f2 (kTm − hTm )f1 (hTm )
h=0
Traslación temporal
Algunas aplicaciones
1. Las ecuaciones diferenciales ordinarias lineales de coeficientes constantes las
transforma en ecuaciones polinómicas más fáciles de tratar (transformada L).
B.2. FUNCIÓN DE TRANSFERENCIA 217
ψ̈ + aψ̇ = bδ
ψ(s) b b
= 2 =
δ(s) s + as s(s + a)
218 APÉNDICE B. FUNCIONES DE TRANSFERENCIA
ψ(s)
G(s) =
δ(s)
se puede obtener la respuesta del sistema para una entrada dada, δ(t). Dado que,
y(k) = Z −1 {G(z)u(z)}
b b1 z −1 + b2 z −2
−→
s(s + a) 1 + a1 z −1 + a2 z −2
siendo,
a1 = [1 + e−aTm ], a2 = e−aTm
b b
b1 = − (1 − aTm − e−aTm ), b2 = − (1 − e−aTm − aTm e−aTm )
a2 a2
b1 z + b 2
G(z) =
z2 + a1 z + a2
ψ(z) = G(z)δ(z)
queda,
despejando ψ(k) se obtiene la expresión recursiva siguiente, que sirve para calcular la
respuesta (rumbo) en el ciclo actual (k) a partir de la respuesta (rumbo) y de la entrada
(timón) en los ciclos anteriores ((k − 1) y (k − 2)):
Esta ecuación en diferencias (y por tanto G(z)) también se puede obtener directa-
mente a partir de datos experimentales de la entrada y la salida, mediante el empleo de las
técnicas de identificación de sistemas. Lo mismo es aplicable a la ecuación diferencial (y
por tanto G(s)) del sistema de tiempo continuo (ver capı́tulo V).
Se elige para ello unas variables (variables de estado que constituirán el vector de
estado) de forma que sus derivadas aparezcan en función de dichas variables de estado.
La elección de las variables de estado es totalmente arbitraria por lo que no habrá una
única representación de estado. Se suelen elegir como tales, magnitudes fı́sicas represen-
tativas del sistema y medibles a ser posibles.
ψ̈ + aψ̇ = bδ
x1 = ψ, x2 = ψ̇
se obtiene,
x˙1 = x2
x1 ψ
x= =
x2 ψ̇
0 1 x1 0
ẋ = + u
0 −a2 x2 b
x1
y= 1 0
x2
términos no lineales (para el caso de representar a un sistema no lineal). Por ello la repre-
sentación de estado constituye un tipo de formulación general, a diferencia de la función
de transferencia que se define para el caso de sistemas LIT (lineales e invariantes en el
tiempo). De forma similar se procederı́a para el caso del sistema de tiempo discreto, en
cuyo caso quedarı́a:
• Tiempo continuo:
• Tiempo discreto:
B T = [0 · · · 0 1]
B T = [0 bm · · · b0 ]
C = [1 0 · · · 0], D=d
Para una función de transferencia estrictamente propia (el grado del numerador es
inferior al del denominador) se tiene que d = 0, y por tanto D = 0 en las expresiones
anteriores.
224 APÉNDICE B. FUNCIONES DE TRANSFERENCIA
Si se tiene que el modelo matemático del sistema viene dado a partir de una ecuación
diferencial de orden n de la forma,
x1 = y − β0 u
x2 = ẋ1 − β1 u
x3 = ẋ2 − β2 u
···
xn = ẋn−1 − βn−1 u
β0 = β0
β1 = b1 − a1 β0
β2 = b2 − a1 β1 − a2 β0
···
βn = βn − a1 βn−1 − · · · − an−1 β1 − an β0
B.3. REPRESENTACIÓN DE ESTADOS 225
B T = [β1 β2 · · · βn−1 βn ]
C = [1 0 · · · 0], D = β0
x2 (k) = x1 (k + 1) − β1 u(k)
x3 (k) = x2 (k + 1) − β2 u(k)
···
En este apartado se resumen algunas de las técnias empleadas para obtener un modelo de
tiempo discreto a partir de uno de tiempo continuo. Básicamente se pueden separar en
dos grupos: 1) los basados en la aproximación de la evolución temporal de ambo
G(z) = Z[G(s)]
(b) Señal escalón o salto. Equivale a la conocida como aproximación del man-
tenedor de orden cero, ZOH ( zero order hold).
z 1
G(z) = Z G(s)
z−1 s
(c) Señal de rampa y escalón superpuestos
z z 1 1
G(z) =Z + G(s)
(z − 1) z − 1
2 Tm s 2 s
o de forma simplificada,
z2 1 + sTm
G(z) = Z G(s)
(z − 1)2 Tm s2
2. Métodos basados en técnicas de integración numérica de las ecuaciones diferen-
ciales que definen al sistema de tiempo continuo.
En estos métodos se sustituye el operador derivada (s en la función de transferencia
G(s)) por una transformación, dependiendo ésta de la aproximación empleada para
realizar la integración numérica. Algunos de los utilizados son:
1
Donde se pone Z[F (s)], lo que se quiere indicar es que se hace Z[L−1 {F (s)}]
B.4. DISCRETIZACIÓN DE SISTEMAS DE TIEMPO CONTINUO 227
de forma que si se toman sólo los dos primeros términos de la serie del de-
nominador, queda:
1
z=
1 − Tm s
que equivale a la expresión de arriba si se despeja s.
(c) Método de integración trapezoidal o de la transformación bilineal.
2 z−1
s= (B.1)
Tm z + 1
Esta transformación también puede obtenerse a partir del desarrollo de Taylor
de,
de forma que si se toman sólo los dos primeros términos de la serie del nu-
merador y denominador, queda:
1 + Tm s/2
z=
1 − Tm s/2
ok
228 APÉNDICE B. FUNCIONES DE TRANSFERENCIA
Apéndice C
C.1 Introducción
Una vez que se ha obtenido el modelo matemático del sistema bajo estudio, es necesario
realizar una simulación por computador para un tiempo determinado. Para ello previa-
mente se deben de colocar las ecuaciones del modelo matemático de forma adecuada, a
fin de que pueda implementarse en un programa de ordenador.
En ambos casos (tanto con la herramienta de programación visual, como con la de pro-
gramación convencional) el usuario puede especificar el método de integración numérica
empleado para resolver los sistemas de ecuaciones diferenciales que constituyan el mo-
delo matemático, el paso de integración y el tiempo de simulación.
229
230 APÉNDICE C. MÉTODOS NUMÉRICOS PARA SIMULACIÓN
En este apéndice únicamente nos limitamos a los métodos de Euler, de Euler mod-
ificado (o trapezoidal), y de Runge-Kutta de segundo y cuarto orden. Lo que se pre-
tende con ello es que sirva de introducción al lector no familiarizado con estos métodos
numéricos, a la vez para que se puedan utilizar estos algoritmos en lenguajes de progra-
mación de propósito general (tales como Pascal, C o Fortran), ası́ como con el propio
Matlab. Es de destacar que conviene que el usuario de los programas de simulación de
sistemas dinámicos (tales como ACSL, Simnon, Simulink o Vissim) conozca al menos los
fundamentos de los algoritmos de integración numérica de ecuaciones diferenciales más
usuales que se emplean, ya que puede darse la circunstancia de que el usuario seleccione
un cierto algoritmo de entre varias opciones de un menú sin saber muy bien lo que está
haciendo.
En lo que sigue se van a considerar únicamente los sistemas descritos por ecuaciones
diferenciales ordinarias. Se parte también de la idea de que el modelo matemático previ-
amente se ha transformado en un sistema de ecuaciones diferenciales de primer orden de
la forma,
x = f (x, t)
donde,
2. Se inicializan variables.
5. Se almacenan (en memoria interna o en disco) las variables de interés, y/o se pre-
sentan parcialmente en pantalla y/o impresora.
6. Se actualizan variables
El método de Euler proporciona un error local de truncamiento (es decir, el error por
cada paso de integración individual) que es del orden de h2 .
donde k corrresponde a cada paso de integración que se realice de una secuencia total
de N pasos: k = 0, 1, 2, ..., N . Siguiendo con la misma nomenclatura utilizada con
anterioridad, las ecuaciones (C.2) se pueden poner como,
con, tk+1 = tk + h.
f (1) = f [x(tk ), tk ]
h
x(tk+1 ) = x(tk ) + (f (1) + f (2) )
2
k1 = hf [x(tk ), tk ]
j−1
kj = hf [x(tk ) + cjr kr , tk + hdj ]
r=1
p
x(tk+1 ) = x(tk ) + bj kj
j=1
k1 = f [x(tk ), tk ]
h
x(tk+1 ) = x(tk ) + (k1 + k2 )
2
k1 = f [x(tk ), tk ]
k4 = f [x(tk ) + k3 , tk + h]
h
x(tk+1 ) = x(tk ) + (k1 + 2k2 + 2k3 + k4 )
6
tsim − t0
N=
h
Para asegurar que los errores no crezcan de forma progresiva con el tiempo se requiere
que el método numérico empleado para resolver un problema de simulación concreto sea
estable. Como se ha dicho, el error en cada paso de integración con el método de Euler
es del orden de magnitud de h2 . Este error se conoce como error local de truncamiento,
ya que únicamente informa sobre la precisión del cálculo en cada paso individual, pero
no de la forma en que se propaga dicho error a lo largo de una secuencia de pasos de
integración. Este error acumulado es difı́cil de determinar a priori, ya que el error de un
paso afecta a la precisión del siguiente de una forma que es en general compleja.
ẋ(t) = Ax(t)
donde a, b, c, d son constantes que dependen de las condiciones iniciales y de los valores
de los parámetros a1 , a2 . Se puede verificar que r1 , r2 corresponden a los valores propios
de la matriz A.
−a1 −a2
A=
0 1
| r1 |
fr =
| r2 |
C.5. PRECISIÓN, ESTABILIDAD Y RIGIDEZ 237
Desde el punto de vista numérico los sistemas con ecuaciones rı́gidas (stiff equa-
tions) presentan problemas, ya que si se elije un paso de integración fijándose en la con-
stante de tiempo más pequeña, ello provocará un aumento muy considerable en el tiempo
de cómputo. Pero sin embargo, los modos asociados a la dinámica rápida del sistema
adquieren muy rápidamente su estado estacionario en comparación con el resto de mod-
os, por lo que se está gastando tiempo de máquina innecesariamente. Por ello, se emplean
para este tipo de sistema métodos numéricos con paso de integración variable y métodos
especı́ficos para sistemas rı́gidos (Press et al., 1990; Lindfield y Penny, 1995).
238 APÉNDICE C. MÉTODOS NUMÉRICOS PARA SIMULACIÓN
Apéndice D
Términos marinos
Arrufo: Lı́nea curva más elevada en los extremos que en el centro en el sentido proa-
popa como consecuencia de la flexión del casco al estar sostenido a modo de viga en los
extremos por dos crestas de ola.
Obra muerta : Parte del casco del buque que se extiende desde la proa hasta la popa entre
la borda y la lı́nea de flotación.
Obra viva: Parte del casco del buque que se extiende desde la proa hasta la popa entre la
lı́nea de flotación y la quilla.
DIRECCIONES:
239
240 APÉNDICE D. TÉRMINOS MARINOS
Sotavento : Costado del buque resguardado del viento y opuesto por tanto a aquel sobre
el cual incide el mismo.
Banda : cada una de las partes o mitades del buque comprendidas entre el plano diametral
y uno y otro costado.
Desplazamiento : El peso del buque y que varı́a con la carga que lleva a bordo (coincide
con el peso del volumen de agua desalojada o desplazada).
Aproado : Condición del buque cuando tiene más calado a proa que en popa.
Arribar : Enmendar el rumbo del buque de manera que el viento sea más largo que antes.
Derivar : Seguir el buque un rumbo distinto del que señala su proa, debido a la existencia
de una corriente.
241
Empopada: Navegación que hace el buque recibiendo el viento y la mar por la popa.
A sotavento : Dirección en que apunta la caña del timón cuando se pretende hacer orzar
el buque.
Cabecear : Mover alternativamente hacia arriba y abajo la proa del buque cuando navega
con mal tiempo.
Pantocazo : Golpe brusco y violento que da el buque con el pie de roda contra la super-
ficie del agua y más particularmente en el seno no de la ola.
Perı́odo de balance: Tiempo empleado por un buque que está inclinado a una banda hasta
que lo está con el mismo ángulo inclinado a la otra.
Abrirse del viento: Aumentar el ángulo que forma la proa con el viento.
Amurado por babor : Dı́cese del buque que navega recibiendo el viento por el costado
de babor.
Virar por redondo: Cambiar el buque de amura en que recibe el viento pasando la popa
en la dirección en que sopla.
• Curva de evolución: Trayectoria descrita por el centro de gravedad del buque, cuan-
do se mete el timón a una banda.
PROPULSIÓN
OLAS
E.1 Introducción
Desde el punto de vista del modelado de un sistema complejo, es muy conveniente di-
vidir el sistema en partes y modelarlas separadamente. Posteriormente habrı́a que decidir
sobre la plataforma para la implementación del modelo del sistema, a fin de que fuera rel-
ativamente sencillo modificarlo, integrar diferentes modelos obtenidos por separado para
constituir el modelo del sistema completo, etc.
245
246 APÉNDICE E. NOCIONES DEL ANÁLISIS ORIENTADO A OBJETOS
Existe un cierto desacuerdo entre los diferentes autores, que trabajan en el desarrollo y
aplicación de las técnicas orientadas a objetos, acerca de las caracterı́sticas precisas que
requiere un enfoque orientado a objetos. Sin embargo, sı́ hay acuerdo en que han de in-
cluirse cuatro aspectos fundamentales: identidad, clasificación, polimorfismo y herencia.
La clasificación es una propiedad que significa que los objetos con la misma estruc-
tura de datos ( atributos) y comportamientos ( operaciones) se agrupan para formar una
clase.
• Operación: es una acción o una transformación que se lleva a cabo o que se aplica
a un objeto. Por ejemplo, la operación ”controlar” se puede entender de forma
diferente (polimorfismo) en las clases de objetos buque y avión.
• Evento o suceso: es algo que transcurre durante un perı́odo de tiempo. Por ejem-
plo: ”el piloto pasa a modo automático”, o también: ”el buque sale con destino a
Canarias”.
• Estado: Los objetos disponen de estado y éste viene dado por los atributos. El
estado queda caracterizado por las acciones que llevan a cabo sobre otros objetos,
o sobre ellos mismos. Va parejo al concepto de independencia que implica que la
única forma que tiene un objeto de cambiar su estado es a través de las acciones de
sus propios métodos.
Cada objeto de la clase buque puede ser manipulado mediante la recepción de men-
sajes de otros objetos. Ası́ por ejemplo el buque podrı́a ser: propulsado por el objeto
máquina, empujado por el objeto corrientes, o por el objeto viento, y gobernado por el
objeto timón.
Los tipos de objetos son importantes porque son los que crean los bloques con-
ceptuales para la construcción del modelo. En este nivel se plantea la necesi-
dad de encontrar los distintos objetos relevantes del sistema y que compondrán
el modelo. A pesar de que es necesario tener un minucioso conocimiento del
problema, normalmente se consigue encontrar los objetos y sus componentes
con preguntas sencillas del tipo (ver figura E.3):
∗ ¿Donde buscar?
∗ ¿Qué buscar?
∗ ¿Qué considerar?
∗ ¿Qué poner en duda?
∗ ¿Como nombrar los objetos?
Pero sobre todo, la identificación de un objeto debe basarse en reconocer al-
gunas de sus propiedades más relevantes. En nuestro caso se tratarı́a de iden-
tificar los objetos relevantes del sistema buque ( timón, máquina, hélice, etc.)
y de las perturbaciones (olas, viento, etc.).
Por otra parte es importante definir y nombrar las asociaciones entre los obje-
tos”(ver figura E.4). En estas asociaciones se representan los enlaces entre ob-
jetos mediante lineas con una simbologı́a especı́fica para sus extremos, y con
mensajes, convenientemente colocados, se expresan su relación semántica y
el sentido de su lectura. Un ejemplo de interpretación de este diagrama serı́a:
el buque tiene de üno a varios”timones, y el timón gobierna a un ”sólo”buque
252 APÉNDICE E. NOCIONES DEL ANÁLISIS ORIENTADO A OBJETOS
(ver figura E.4). Estos diagramas tienen la ventaja de ser muy claros y cogni-
tivos, ya que en definitiva son mapas conceptuales que facilitan la compren-
sión del sistema.
– La organización de los objetos en clases y subclases.
Se organizan en jerarquı́as. Las jerarquı́as son una de las vı́as del sentido
común del hombre para organizar la información. Una de las más conocidas es
la de generalización cuyo resultado es distinguir un objeto como más general
de un objeto más especı́fico (figura E.2). Son importantes porque ayudan a
definir las clases, subclases, y la herencia entre objetos.
– La obtención de los objetos compuestos.
Otra caracterı́stica jerárquica también importante es la de composición (o en-
samblaje), que proporciona la idea de como un todo se descompone en partes.
Son las que describen la estructura de un sistema y lo importante ahora es
identificar a que estructura pertenece cada objeto. Sirven en planificación,
funcionamiento y mantenimiento de sistemas técnicos (lista de partes o com-
ponentes). Un ejemplo de la estructura de ensamblaje del sistema buque viene
en la figura E.5
Buque
Rumbo
Eslora
Manga
Puntal
Calado
Velocidad
Superficies proyectadas sobre los planos yz y xz
de la obra muerta del buque
Valor del GM
Coeficiente bloque
Timón
Área eficaz de la superficie de la pala
Localización del timón
Velocidad del servomotor
Ángulo de metida de la pala y a que banda
Lı́mites fı́sicos de posición y velocidad angulares
• Análisis funcional.
El análisis o modelo funcional describe aquellos aspectos del sistema que tratan
de las transformaciones de los valores, funciones, correspondencias, restricciones
y dependencias funcionales. El modelo funcional describe lo que hace el sistema,
independientemente de la forma y de cuando se lleve a cabo. El diagrama funcional
se representa mediante diagramas de flujo de datos, los cuales muestran las depen-
dencias entre los valores y el cálculo de valores de salida a partir de los de entrada
y de funciones, sin considerar cuando se ejecutan las funcones.
Resumen
Olas
Dirección
Velocidad de propagación
Perı́odo
Altura
Tipo: regular, aleatoria, tendida, de viento
Densidad del agua de mar
Viento
Dirección
Velocidad
Densidad del aire
Tipo: medio y turbulento
Todo ésto puede aportar mayor facilidad para el modelado, una comunicación interdisci-
plinar más fluı́da, clara y flexible, con una mayor capacidad de mejora, facilitando una
integración del conocimiento de tipo cualitativo con el cuantitativo. Es también un forma
de análisis previa a la programación orientada a objetos empleando herramientas soft-
ware de modelado y simulación de sistemas dinámicos tales como el Omola y Dymola, o
lenguajes especı́ficos de programación orientados a objetos de propósito general como el
Visual C++, el Visual Basic o el Delphi.
Bibliografı́a
[AmeU75] J. Amerongen and A.J. Udink Ten Cate (1975), Model. Reference Adaptive
Autopilots for Ships, Automatica, Vol. 11, pp 441-449
[Ame90] J. Amerongen, P.G.M. Klugt and H.R. Nauta Lemke (1990), Rudder Roll
Stabilization for Ships, Automatica, Vol. 26, No. 4.
[AmeN82] J. Amerongen and H.R. Nauta Lemke (1982), Rudder Roll Stabilization,
Fourth International Symposium on Ship Operation Automation, Genova
(Italy).
[AsEy71] K.J. Astrom and P. Eykoff (1971), System Identification–A Survey, Automa-
tica, Vol. 7.
[As83] K.J. Astrom (1983) Theory and Applications of Adaptive Control-A Survey,
Automatica, Vol.19, No. 5.
259
260 BIBLIOGRAFÍA
[As80] K.J. Astrom (1980), Design of Fixed Gain and Adaptive Ship Steering Au-
topilots Based on the Nomoto Model, Department of Automatic Control,
Lund Institute of Technology, Lund (Sweden).
[AsKa76] K.J. Astrom and C.G. Kallstrom (1976), Identificacion of Ship Steering Dy-
namics, Automatica, Vol. 12.
[Babu93] R. Babuska (1993), Fuzzy Toolbox for Matlab. User manual, Humusoft.
[Bank96] J. Banks, J.S. Carson, B. L. Nelson (1996), Discrete Event System Simula-
tion, Prentice Hall.
[BeG72] W.B. Berlekom and T.A. Goddard (1972), Maneuvering of large tankers,
Trans. Society of Naval Architects and Marine Engineers, 80, New York.
[BeTD74] W.B. Berlekom, P. Tragardh and A. Dellhag (1974), Large tankers - wind
coefficients and speed loss due to wind and sea, Trans. Royal Institution of
Naval Architects 117, 41, London.
[Bon79] A. Bonilla (1979), Teorı́a del Buque, Librerı́a San José, Carral, 19, Vigo.
BIBLIOGRAFÍA 261
[BroB92] J.F. Broenink, J. Bekkink and P.C. Breedveld, (1992). Multibond-graph ver-
sion of the CAMAS modelling and simulation environment. Bond Graph for
Engineers, IMACS’92.
[GaSm96] P. Gawthrop and L. Smith (1996), Metamodelling. Bond Graphs and Dy-
namic Systems, Prentice Hall.
[Cell92] F.E. Cellier (1992), Hierarchical non-linear bond graphs: a unified method-
ology for modeling complex physical systems, Simulation, April, pp. 230-
248.
[Cell92a] F.E. Cellier (1992a), Bond Graphs - The Right Choice for Educating Stu-
dents in Modeling Continuous Time Systems, Proceedings Western Simula-
tion Multiconference on Simulation in Engineering Education, January 22-
24, Newport Beach, Calif. pp. 123-127.
[Cell92b] F.E. Cellier (1992b), Integrated continuous system modeling and simulation
environments. Chapter in D.A. Linkens (Ed.): CAD for Control Systems,
Marcel Dekker, Inc.
[Cell92d] F.E. Cellier (1992d), Hierchical non-linear bond graphs: a unified methodol-
ogy for modeling complex physical systems, Simulation, pp 230-248, April.
[CelE92] F.E. Cellier and H. Elmqvist (1992), The Need for Automated Formula Ma-
nipulation in Object Oriented Continuous System Modeling, Proceedings
CACSD’92, IEEE Computer Aided Control System Design Conference. Na-
pa, California, March 17-19.
[CelE93] F.E. Cellier and H. Elmqvist (1993), Automated Formula Manipulation Sup-
ports Object-Oriented Continuos-System Modeling, IEEE Control Systems,
April, pp. 28-38.
[CelEO93] F.E. Cellier, H. Elmqvist and M. Otter (1993), Modeling from Phisycal Prin-
ciples, Curso de verano de la UNED.
262 BIBLIOGRAFÍA
[Cel93b] F.E. Cellier (1993), Object-Oriented Modeling: Means of Dealing with Sys-
tem Complexity. Curso de verano de la UNED.
[CerOL85] A.G. Cerezo, A. Ollero y M. Losada (1985) Sistema de identificación en
lı́nea de procesos y su aplicación al estudio de la dinámica de corrosión,
Automática e Instrumentación, Noviembre, pp. 181-186.
[CYour91] P. Coad and E. Yourdon (1991), Object-Oriented Analysis, Computing Se-
ries, New Jersey.
[Cons92] A. Consegliere (1992) Modelado, Simulación y Control del Comportamiento
Dinámico del Buque, Proyecto Fin de Carrera, Dpto. de Ingenierı́a de Sis-
temas y Automática, Facultad de Ciencias Náuticas, Universidad de Cádiz.
[ConsL96] A. Consegliere, M. J. López y M. Haro (1996), Entorno de programación
visual para controladores borrosos y análisis de estabilidad con la función
descriptiva. II Jornadas de Informática, Almuñecar (Granada), pp 407-416.
[Cos91] J. B. Costa (1991), Tratado de maniobra y tecnologı́a naval, Apdo. 25, 07860
San Francisco Javier, Formentera (Baleares).
[Coug91] D.R. Coughanowr (1991), Process Systems Analisys and Control, McGraw
Hill.
[Cre87] A. Creus (1987), Simulación y Control de Procesos por Ordenador, Mar-
combo.
[Dav92] W.D.T. Davies (1992), System Identification for Self-Adaptive Control,
Wiley-Interscience.
[DeBe94] H. Demuth and M. Beale (1995), Neural Network Toolbox, The Math Works
Inc.
[DriHR] D. Driankov, H. Hellendoorn and M. Reinfrank (1993), An introduction to
fuzzy control, Springer Verlag.
[Elq93] H. Elmqvist (1993), Dymola Lenguage Rationale, Curso de verano de la
UNED .
[ElOC95] H. Elmqvist, M. Otter and F.E. Cellier (1995), Inline integration: a new
mixed symbolic/numeric approach for solving differential-algebraic equa-
tion systems, Proc. ESM’95, European Simulation Multiconference, Prague,
pp. xxiii-xxxiv.
[Eyk74] P. Eykhoff (1974), System Identification, London, John Wiley and Sons.
[Forb84] K.D. Forbus (1984), Qualitative Process Theory, Artificial Intelligence, Vol.
24 pp. 7-83.
[For81] T.R. Fortescue, L.S. Kershenbaum and B.E. Ydstie (1981), Implementation
of Self-tuning Regulators with Variable Forgetting Factors, Automatica, Vol.
17, No. 6, pp 831-835.
[FWha82] D.J. Freeman, R. Whalley and M.G. Waugh (1982), Ship Motion and Com-
puter Control Fourth International Symposium on Ship Operation Automa-
tion, Genova (Italy).
[GawS96] P. Gawthrop and L. Smith (1996), Metamodelling. Bond Graphs and Dy-
namic Systems, Prentice Hall.
[Godf93] K.R. Gpdfrey (1993), Perturbation Signals for System Identification, Engle-
wood Cliffs, Prentice Hall.
[GooP77] G.C. Goodwin and Rl.L. Payne (1977), Dynamic System Identificacion: Ex-
periment Design and Data Analysis, Academic Press.
[Gop84] M. Gopal (1984), Modern Control System Theory, Wiley Eastern Limited.
[HGri95] N.A. Hickey, M.J. Grimble, M. Johnson, R. Katebi and D. Wood (1995), H-
infinity Fin Roll Stabilisation Control System Design, CAMS’95, Trondheim,
Norway, pp. 304-311.
[HuH92] D.R. Hush y B. Horne (1992), An overview of neural networks. Part II: Dy-
namic networks, Informática y Automática, vol. 25-2, pp 17-31.
[Ish72] R.M. Isherwood (1972), Wind Resistance of Merchant Ships, The Royal In-
stituion of Naval Architects.
[Ka79] C.G. Kallstrom (1979), Identification and Adaptive Control Applied to Ship
Steering, Thesis.
[KaAs79] C.G. Kallstrom, K.J. Astrom, N.E. Thorell, J. Eriksson and L. Sten (1979),
Adaptive Autopilots for Tankers, Automatica Vol. 15.
[KaNo80] C.G. Kallstrom and N.H. Norrbin (1980) , Performance Criteria for Ship
Autopilots, Symposium on Ship Steering Automatic Control, Genova (Italy).
[KaOt82] C.G. Kallstrom and P. Ottosson (1982) , The Generation and Control of Roll
Motion of Ships in Close Turns, Fourth International Symposium on Ship
Operation Automation, Genova (Italy).
BIBLIOGRAFÍA 265
[KaTh92] C.G. Kallstrom and K. Theorén (1992), Turning Controller for Ships,
CAMS’92, IFAC, Genova (Italy).
[KarMR90] D.C. Karnopp, D.C. Margolis and R.C. Rosenberg (1990), System Dynam-
ics: A unified approach, 2nd ed., John Wiley and Sons.
[Kett92] D.L. Kettenis (1992), COSMOS: A simulation language for continuos, dis-
crete and combined models, Simulation, 58(1), pp. 32-41.
[Klee84] J. de Kleer and J.S. Brown, Qualitative Physics Based on Confluences. Arti-
ficial Intelligence, Vol. 24, pp. 7-83.
[Koll95] I. Kollar (1995), Frequency Domain System Identification Toolbox, The Math
Works Inc.
[KuiF87] B. Kuipers and A. Farquhar (1987), QSIM: A Tool for Qualitative Simula-
tion. Internal Report: Artificial Intelligence Laboratory, The University of
Texas, Austin.
[KwSi91] H. Kwakernaak and R. Sivan (1991), Signal and Systems, Prentice Hall.
[LzeCN91] J. Landaluze, J. Calzada, C.F. Nicolas, J.L. Pacho and R. Reyero (1991),
Modelización Bond-Graph de un robot con Articulación y Brazo flexibles
como Base para el desarrollo de Controladores Robustos, II Congreso AER,
Zaragoza 11-15 Noviembre.
[Lan90] I.D. Landau (1990), System Identificacion and Control Design, Prentice Hall.
[LauLi92] A.J. Laub and J.N. Little (1986), Control System ToolBox, The MathWorks,
Inc.
266 BIBLIOGRAFÍA
[Lew89] E.V. Lewis (1989), Principles of Naval Architecture, Vol. I, II, and III,
SNAME.
[LiPe95] G. Lindfield and J. Penny (1995), Numerical Methods Using Matlab, Ellis
Horwood.
[LiSh88] J. Little and L. Share (1988), Signal Processing Toolbox, The MathWorks,
Inc.
[Lj87] L. Ljung (1987) System Identification: Theory for the User, Prentice Hall.
[LopTe92] M.J. López y J. Terrón, (1992) Curso de Modelado y simulación por orde-
nador., ICE Universidad de Cadiz.
[LopTH96] M. J. López, J. Terrón and M. Haro (1996), Robust Roll Motion Regulator
Based on IMC Structure. 13th World Congress of IFAC, International Fed-
eration of Automatic Control. San Francisco, CA, USA, Vol. C, pp. 1-6.
[LopHa96] M.J. López y M. Haro (1996), Sı́ntesis μ/H∞ para Autopiloto Robusto. XVII
Jornadas de Automática, Santander, pp. I-75 a I-96.
[Lor95] E.N. Lorenz (1995), La esencia del caos. Un modelo cientı́fico para la dis-
paridad de la naturaleza. Editorial Debate.
[Llo89] A.R.J.M. Lloyd (1989), Seakeeping: Ship Behaviour in Rough Weather, Ellis
Horwood Limited.
[MATL93] The Math Works Inc. (1993), MATLAB High-Performance Numeric Compu-
tation and Visualization Software, for Microsoft Windows.
BIBLIOGRAFÍA 267
[MATL96] The Math Works Inc. (1996), MATLAB edición estudiante, versión 4, Guı́a
de Usuario.
[MattS92] S.E. Mattsson and G. Soderlind (1992), A new technique for solving hig-
index differential-algebraic equations using dummy derivatives, IEEE Sym-
posium on Computer-Aided Control System Design, CACSD’92, Napa, Cal-
ifornia.
[MatAA92] S.E. Mattsson, M. Andersson and K.J. Astrom (1992), Object-Oriented
Modeling and Simulation. Chapter in D.A. Linkens (Ed.): CAD for Control
Systems, Marcel Dekker, Inc.
[MatA92] S.E. Mattsson and M. Andersson (1992), The Ideas Behing OMOLA, Pro-
ceedings CACSD’92, IEEE Computer Aided Control System Design Con-
ference, CACSD’92, Napa, California.
[Men87] J.M. Mendel (1987) Lessons in Digital Estimation Theory, Prentice Hall.
[MGri92] A.C. Messer and M.J. Grimble (1992), Robust Track Keeping Control,
CAMS’92 ,IFAC, Genova (Italy).
[MiGa91] E.L. Mitchel and J.S. Gauthier (1991), ACSL: Advanced Continuous Simu-
lation Language, User Guide and Reference Manual, Mitchel and Gauthier
Assoc., 73 Junction Square, Concord, Mass. 01742.
[Mont92] J.M. Montero (1992), Modelización y simulacioón del comportamiento del
buque en aguas tranquilas con aplicación a estudios de maniobras en puerto,
Tesis Doctoral, Centro de Estudios y Experimentación de Obras Públicas
(CEDEX), Madrid.
[Moo81] B.C. Moore (1981), Principal Component Analysis in Linear Systems, IEEE
Trans. Automat. Contr., Vol. AC-26.
[Mor93] J. Moreno (1993), Modelado Cualitativo. Aplicaciones Navales, Tesis Doc-
toral, Universidad de Sevilla.
[NarA89] K.S. Narendra and A.M. Annaswamy (1989), Stable Adaptive Systems, Pren-
tice Hall.
[NarA90] K.S. Narendra and K. Parthasarathy (1990), Identification and Control of
Dynamical Systems Using Neural Networks, IEEE Transanctions on Neural
Networks, vol. 1, no. 1, March, pp 4-27.
[NCell93] A. Nebot, F.E. Cellier and F. Mugica (1993), Modeling the Thermal Be-
haviour of Biosphere 2 in a Non-Controlled Environment Using Bond
Graphs, Curso de verano de la UNED.
268 BIBLIOGRAFÍA
[OOht92] H. Oda, K. Othsu, M. Sasaki, Y. Seki, T. Hotta (1992), Rudder Roll Stabiliza-
tion Control System through Multivariate Auto Regressive Model, CAMS’92
,IFAC, Genova (Italy).
[OtEC93] M. Otter, H. Elmqvist and F.E. Cellier (1993), Modeling fo multibody sys-
tems with the object oriented modeling language Dymola, Proc. NATO/ASI,
Computer-Aided Analisys of Rigid and Flexible Mechanical Systems, Troia,
Portugal, Vol. 2, pp. 91-110.
[PiMo63] W.J. Pierson and L. Moskowitz (1963), A proposed Spectral Form for Fully
Developed Wind Seas Based on the Similarity Theory of S.A. Kitagorodskii,
Department of Meteorology and Oceanography Geophysical Sciences Lab-
oratory, New York University.
[PrBi74] W.G. Price and R.E.D. Bishop (1974), Probabilistic Theory of Ships Dynam-
ics, Cahpman and Hall.
BIBLIOGRAFÍA 269
[PFTV90] W.H. Press, B.P. Flannery, S.A. Teukolsky and W.T. Vetterling (1990), Nu-
merical Recipes: The Art of Scientific Computing.
[Rob92] G.N. Roberts (1992) Ship Roll Damping Using the Rudder and Stabilising
Fins, CAMS’92, IFAC, Genova (Italy).
[Rob93] G.N. Roberts (1993) A method to Determine the Applicability of Rudder Roll
Stabilisation For Ships, 12th World Congress IFAC, Sydney (Australia).
[RobSA96] G.N. Roberts, M.T. Sharif, A. Agarwal and R. Sutton (1996), H∞ Optimisa-
tion Technique to the Design of a Combined Steering/Stabiliser System for
Warships, IFAC, 13th Triennial World Congress, San Franciso, USA, Vol.
8c-01 3, pp. 291-296.
[Ros92] R.C. Rosenberg, (1992), A concise history of ENPORT. Bond Graph for En-
gineers, IMACS’92.
[SeEM89] D.E. Seborg, T.F. Edgar, D.A. Mellichamp (1989), Process Dynamics and
Control, John Wiley and Sons.
[SSPA93b] SSPA (1993), Simnon for Windows, SSPA Systems, Lund, Sweden.
[Tho88] P.M. Thompson (1988), Program CC, Tutorial and User’s Guide, Systems
Technology, Inc.
[VisS95] Visual Solutions, Inc. (1995), VisSim, User’s guide, Westford, MA 01886.
[Wang94] L.X. Wang (1994), Adaptive Fuzzy Systems and Control, Prentice Hall.
[WhaZ92] R. Whalley and Z. Zeng (1992), Ship Steering and Roll Regulation,
CAMS’92 ,IFAC, Genova (Italy).
[WCell93] M. Wiener and F.E. Cellier (1993), Modeling and Simulation of a Solar En-
ergy System by Use of Bond Graphs, Proceedings of the 1993 SCS Western
Simulation Multiconference, pp. 301-306, Hyatt Regency La Jolla, La Jolla,
California.
[WiMM92] M.J. Willis, G.A. Montague, C. di Massimo, M.T. Tham and A.J. Morris
(1992), Artificial Neural Networks in Process Estimation and Control, Auto-
matica, Vol. 28, no. 6, pp. 1181-1187.