PRUEBA No.

4 FINAL - INTRODUCCIÓN AL CONTROL DE PROCESOS BIOLÓGICOS 3010632

TALLER EVALUABLE

1. Modelado del proceso y diseño del controlador de forma convencional (sintonización Ziegler
Nichols)

Diseño de un sistema de control de P de segundo orden a partir de datos experimentales

1.1 Grafique los datos en Python y proponga un modelo empírico para dichos datos.

Figura 1: Curva de reacción de la presión en el oleoducto ( Datos experimentales y modelado)

1.2 Determine gráficamente o mediante una optimización numérica los parámetros Ku, Tao, dseta y d si
modeló los datos con una ecuación de segundo orden en su forma canónica. Compare sus resultados con
los dados por el profesor

1.3 Convierta la ecuación de 2º orden a 2 ecuaciones de primer orden.

A partir de la ecuación de 2º se obtienen las siguientes ecuaciones:

𝑑𝑦
=𝑧
𝑑𝑡
𝑑𝑧 2346.4699 − 𝑦 + 494.3315 ∗ 𝑢 − 2 ∗ 0.1434 ∗ 0.1044
=
𝑑𝑡 0.1044 ∗∗ 2
1.4 Diseñe y sintonice el controlador de la forma convencional (Ziegler-Nichols).
Para el controlador PID para el sistema del oleoducto, se calcularon las constantes Kp y Kd con los valores
obtenidos en la optimización. Se sintoniza el controlador manualmente multiplancado Ku por 0.00002. Se
perturbó el valor del setpoint de la siguiente manera:

if t[i]<3:
ysp=2400
if t[i]>3 and t[i]<4:
ysp=2560
if t[i]>4:
ysp=2600

Figura 2: Controlador PID de la presión del oleoducto.

Figura 3: Error calculado del controlador PID.

Como se puede observar en la figura 3, el controlador diseñado es eficiente ya que a medida que se
presentan los perturbaciones en el setpoint este logra estabilizarse con el paso del tiempo. De lo anterior se
puede concluir que los datos obtenidos en la optimización permitieron ajustar el sistema para disminuir el
porcentaje de error.
1.5 ¿Cómo diseñaría y sintonizaría su controlador si tuviera varias ecuaciones de primer orden? Por ej. la
dinámica de oxígeno en un biorreactor con Bacillus turingiensis mostrada en clase. Ilustre claramente el
procedimiento. Use las ecuaciones y explique cuál sería la variable controlada, la manipulada, la (s)
perturbación (es), etc.

Para el caso del oleoducto, las ecuaciones con las cuales se puede modelar el sistema son las siguientes:

𝑑𝑦
=𝑧
𝑑𝑡

𝑑𝑧 2346.4699 − 𝑦 + 494.3315 ∗ 𝑢 − 2 ∗ 0.1434 ∗ 0.1044

=
𝑑𝑡 0.1044 ∗∗ 2
Estas dos ecuaciones de primer orden se obtuvieron a partir de la ecuación de segundo orden y se
programan en un mismo ciclo . En este sistema la variable controlada (y) es la presión al interior y la variable
manipulada (u) es el flujo. De acuerdo con la variación de flujo se puede observar como varía la presión, es
decir, cuando se aumenta el flujo la presión en el oleoducto aumenta. Con los datos experimentales
obtenidos se calculan los valores de Tao y Ku, Kp, y Kd que permitirán modelar el sistema.

2. Control de un nivel de un tanque (flujo por gravedad) y obtención de Ku y Tao mediante funciones
de transferencia.

Se tiene un tanque de almacenamiento de una solución acuosa, cuyo flujo se da por acción de la gravedad.
Mediante un balance de materia y un balance de energía mecánica (considerando la apertura de una válvula
de salida), la variación del nivel del tanque con el tiempo (dL/dt), se representaría con las siguientes
ecuaciones:

dL/dt = dy/dt = (v1/A) - (v2/A) # variación del nivel del tanque

v2 = u * Cv * np.sqrt(g*y) # Flujo de salida del tanque [m^3/s]

y = L, nivel del tanque (m)

v1 y v2, flujos de entrada y salida del tanque (m^3/s)
Cv, coeficiente de la válvula de salida
u = pv, porcentaje de apertura de la válvula en la salida del tanque (%).
np.sqrt, función de raíz cuadrada librería Numpy
g, gravedad (9.81 m/s^2)

Considerando los siguientes parámetros para el modelo:

A=5 # Área del tanque [m^2]

g = 9.81 # Gravedad [m/s^2]
Cv = 0.0005 # Coeficiente de flujo [m^2]
v1 = 0.1 # Flujo de entrada del tanque [m^3/s]
h=3 # Altura del tanque [m]

2.1 Simule el tanque anterior con flujo por gravedad, luego simule una curva de reacción, para esto perturbe
el sistema anterior abriendo la válvula de salida desde un 50 a 60%.
 Figura 4: Nivel del tanque por gravedad (y), perturbación (válvula de salida de 50 a 60%) y error. (Sin
linealizar)

2.2. Linealice la ecuación anterior mediante las series de Taylor (indicaciones dadas previamente) y
considere como valores de referencia o de “estado estacionario” yo y uo. Luego, simule en el mismo código
de 2.1 la ecuación linealizada, con valores:

pvo = uo = 50%
yo = 1.0 m
Figura 5: Nivel del tanque por gravedad sin linealizar (y) y linealizado (ylin), perturbación (válvula de salida
de 50 a 60%) y error linealizado y son linealizar.

2.3 Plantee las ecuaciones en espacio de estados para el sistema anterior. Esto es:

Espacio de estado

Reemplazando en la ecuación queda

𝑢1
𝑥 = [−0.00613001][𝑥1 ] + [−0.00040008 0.2] [ ]
𝑢2
𝑢1
𝑦 = [1.0][𝑥1 ] + [0 0] [ ]
𝑢2

2.4 Obtenga y plantee la función de transferencia para el sistema anterior. Identifique además los parámetros
Tao y Ku para el control de nivel, y analice la estabilidad del sistema.
Función de transferencia

(array([[ 0. , -0.00040008]]), array([1. , 0.00613001]))

La ecuación de transferencia queda

𝑌(𝑆) 0𝑠 − 0.00040008 𝑘𝑢
= =
𝑈(𝑆) 𝑠 + 0.00613001 𝜏𝑠 + 1
1
𝜏= = 163.1318709
0.00613001
0.00040008
𝐾𝑢 = − = 0.0652658
0.00613001

2.5 Diseñe el controlador PID para el nivel del tanque con el modelo no lineal.

𝑑𝑒𝑙𝑡𝑎𝑦 1.6 − 1
𝐾𝑢 = = = −0.06
𝑑𝑒𝑙𝑡𝑎𝑢 50 − 60
𝑦 = 0.6 ∗ 𝛥𝑦 = 0.6 (1.6 − 1) = 0.3 + 1 = 1.36
𝜏 = 109.5037

2.5.1 Simule el controlador PID con los parámetros obtenidos en el numeral 2.4 (es decir, con la función de
transferencia) y compárelo con el controlador usando los parámetros obtenidos con la curva de reacción
(numeral 2.1). Es decir, compare el controlador con los parámetros de Ziegler Nichols calculados con a) Tao
y Ku obtenidos en la función de transferencia y b) Tao y Ku obtenidos con la curva de reacción (sin
sintonizarlos aún).
 a. Figura 6: Control PID del tanque por gravedad usando los parámetros de la función de
transferencia (Sin sintonizar)

b. Figura 7: Control PID del tanque por gravedad usando los parámetros de la curva de reacción
(Sin sintonizar)

Tabla 1. Evaluación del controlador para el nivel de un tanque a partir de la curva de reacción y función
de transferencia – sin sintonizar aún.
 Controlador τ Ku Kp Kd Ki ysp Tr Overshoot Tp Ts ess

- -
0.492 0.000
- 7666 6575
PID -0.06
0.036 4999 1202
109.
9999 9273 2.4- 72,46 0,67 102,9 168,3
Curva de 5037 m/%a
%ape 9 8966 1.8 m 8s 81 s 728 s
reacción s pertur
rtura
a
/m %ape m/%
rtura apert
*s/m ura*s
- - -
0.039 0.798 0.000
-
PID 1594 5199 4800
0.065
163. 7999 0448 9600
2658
Con función 1318 9999 3891 8020 2.4- 73,82 114,2 106,2
0,72561
de 709 997 4 4658 1.8 m 44 s 344 s 919 s
m/%a
transferencia s
pertur
%ape %ape m/%
a
rtura rtura apert
/m *s/m ura*s

2.5.2 Usando los parámetros con función de transferencia, simule y sintonice su controlador, suponiendo
que se presentaran variaciones en el flujo de entrada y el set-point.

if t[i]<=1000:
v_1 = 0.1
ysp = 2.4
else:
v_1 = 0.05
ysp = 1.8
 Figura 8: Control PID del tanque por gravedad usando los parámetros de la función de transferencia
(sintonizado)

Complete la siguiente tabla (escriba las dimensiones correspondientes de cada magnitud).

Tabla 2. Evaluación del controlador para el nivel de un tanque a partir de la función de transferencia.

Contr. τ Ku Kp Kd Ki ysp Tr Oversh Tp Ts ess

oot

- - - - - 2.4 -
163.13 0.0652 0.0234 39.9 4.3208 1.8
18709 658 9568 2599 6407
m
PID s m/%ap %apert %ap m/%ap
ertura ura /m ertur ertura*
a s
*s/m

Análisis de resultados punto 2.

En la figura 5. Se puede apreciar que el modelo lineal y no lineal no difieren demasiado, siendo un poco
mejor el lineal ya que tiende a tener un error un poco más pequeño en comparación con el no lineal.

Del punto 2.5.1 se puede concluir que es mejor usar los parámetros encontrados con la FT (función de
transferencia) (figura 6) ya que al comparar el control PID con la FT y el control a partir de los datos
obtenidos por la curva de reacción (figura 7), se puede observar claramente que con los datos sacados de
la curva el sistema es mucho más inestable ya que tiende a oscilar más y a demorarse bastante a llegar a
un estado estacionario, en comparación el PID con los parámetros de la FT donde el sistema solo tiene una
pequeña oscilación en presencia de perturbaciones pero rápidamente llega al valor del set point.

Por este motivo fue mucho más conveniente realizar la sintonización usando los parámetros obtenidos por
la FT (2.5.2) donde modificando las ecuaciones de Ziegler Nichols multiplicando kp y ki por valores menores
a 1 (0.6 y 0.2 respectivamente ) y el kd por 50 se obtuvo una sincronización bastante buena para controlar
el sistema ya que se eliminan los picos del flujo en presencia de las perturbaciones (Figura 8).