UTP - Lima Centro

Facultad de Ingeniería

TRABAJO DE INVESTIGACIÓN PARA OPTAR POR EL GRADO ACADÉMICO DE BACHILLER EN

INGENIERÍA MECATRÓNICA

DISEÑO E IMPLEMENTACIÓN DE CONTROLADOR PID A UN PROTOTIPO DE CALEFACTOR ELÉCTRICO

DE UNA INSTALACIÓN DOMÓTICA A PACIENTES EN PUNO PARA OPTIMIZAR EL CONSUMO
ENERGÉTICO EL AÑO 2022

Autores
RUMICHE SALINAS, Leonardo Franco (1421436)
SALOMÓN DONAYRE, Jhonny Roy (U19208739)

Docentes
PORTILLO MENDOZA, Pedro Miguel
SOTOMAYOR BELTRAN, Carlos Alberto

Lima, Perú
Octubre - 2022
Dedicatoria (opcional, 1 página)
Agradecimiento (opcional, 1 página)
ÍNDICE GENERAL

RESUMEN..........................................................................................................................1

1. PROBLEMA DE INVESTIGACIÓN................................................................................2

2. OBJETIVO GENERAL Y ESPECÍFICOS..........................................................................2

3. REVISIÓN DE LA LITERATURA ACTUAL......................................................................3

4. MARCO TEÓRICO.......................................................................................................6

5. METODOLOGÍA DE LA INVESTIGACIÓN....................................................................9

5.1. CONDICIONES DEL CONTROL DE TEMPERATURA.....................................................9

6. RESULTADOS Y DISCUSIÓN.....................................................................................21

7. CONCLUSIONES Y RECOMENDACIONES.................................................................23

8. BIBLIOGRAFÍA..........................................................................................................24

ANEXO 1..........................................................................................................................27

ANEXO 2..........................................................................................................................28

ANEXO 3..........................................................................................................................31
 RESUMEN

El desarrollo de esta investigación es aplicar la metodología PID a un prototipo de calefactor

eléctrico, para la regulación de la temperatura y el manejo energético consumido, operando en
climas extremos como las que presenta el departamento de Puno, Perú.
El controlador PID es conocido por ser utilizado más de 20 años en procesos continuos, como en el
campo de manufacturación y/o el control con robots. Se empleará la plataforma de desarrollo
Arduino para la visualización/enlace con los sensores y otros dispositivos, al igual que el software
Matlab para su interacción.
El desarrollo de una etapa de procesamiento de imágenes térmicas nos permitirá conocer las etapas
de operación del controlador sobre el calefactor. Incluso, temas como la transmisión de calor
ayudarán a remarcar y preservar materiales aislantes dentro de las viviendas durante la helada.

Palabras Clave: Control de temperatura, Transferencia de calor (Heat transfer), Control PID, Eficiencia
energética (Energy efficiency), Arduino.
1. PROBLEMA DE INVESTIGACIÓN
1
En las regiones andinas de Perú, es poco común encontrar viviendas que cuenten con un sistema
inteligente o automatizado. El costo elevado, la dificultad de operación del mismo, son algunos de los
motivos por el cual los hogares no emplean esta opción de mejora. Si, existen personas que necesitan
atención constante, cuando la salud es crítica y dificulta al mismo tiempo la movilidad, las
instalaciones automatizadas ayudarían a minimizar estos problemas, asimismo, establecen un margen
de consumo de electricidad óptimo.
Dentro de las técnicas de control conocidas hasta la actualidad, existe una que es de uso habitual en
el ámbito laboral industrial, como la aplicación de controladores proporcional – integral – derivativo
(PID), que proporcionan estabilidad, otorga un margen de seguridad a una determinada operación y
se asimila a sistemas automatizados totalmente personalizados. Por lo tanto, en relación al tema de
investigación y revisión de la literatura, se plantea como cuestión de investigación la siguiente: ¿Cómo
la implementación de un controlador PID a un calefactor eléctrico de un modelo domótico en Puno
optimiza el uso eficiente de la energía consumida en viviendas de pacientes en el año 2022?

2. OBJETIVO GENERAL Y ESPECÍFICOS

2.1. Objetivo general

Precisar si la implementación de un controlador PID a un módulo de calefacción de una instalación

domótica, optimiza el consumo energético en viviendas de pacientes de Puno el año 2022.

2.2. Objetivos específicos

 Detallar el sistema o diagrama de bloques del controlador PID en Matlab.

 Determinar si el modelo Proporcional (P) e Integral (I), contribuyen a la estabilidad y

controlabilidad del calefactor eléctrico a partir de un margen de temperatura

predeterminado.

 Determinar si la aplicación de la etapa Derivativa (D) resulta necesario al controlador PI.

 Verificar si el procesamiento de imágenes contribuye a la optimización del consumo

energético general.

3. REVISIÓN DE LA LITERATURA ACTUAL

2
La domótica, la automatización de las viviendas, hogares inteligentes, son nombres que en común
comparten una estructura o sistema que involucra dispositivos electrónicos y programas que
permiten la comunicación e interacción con datos en tiempo real en un área específica. Estos, a su
vez, presentan patrones que involucran directamente al elevado consumo eléctrico, generando que
sea bajo el porcentaje de las personas que optan por un modelo de automatización o domótica en sus
hogares. Por lo que, se han presentado estudios, aplicando diversas técnicas o propuestas para
reducir este problema [1], [2], [3].
A ello, se detallan no solo los modelos o sistemas que son usualmente utilizados en una instalación
automatizada, sino que, brinda información de cuáles son aquellos elementos que afectan
directamente al consumo excesivo de electricidad. Un punto importante es que se aplican técnicas de
control automatizado, a través de dispositivos de programación, protocolos de comunicación,
arquitecturas de red del Internet de las Cosas (IoT) e Inteligencia Artificial (IA). Por lo tanto, se
muestra que estas metodologías están presentes en modelos de viviendas inteligentes y que están
relacionadas según el tipo de estilo de vida que lleva el o los residentes [3], [4], [5].
Es importante delimitar las metodologías descritas en las investigaciones que examinan la
problemática en sí. En primera instancia, se encontraron estudios que relacionan el uso adecuado y
óptimo de los dispositivos domóticos, con aquellos que presentan una mayor demanda de energía.
Se utiliza el Home Energy Management Systems e IoT (HEMS-IoT), un entorno inteligente que se
encarga del manejo energético, empleando Machine Learning, Big Data y algoritmos de aprendizaje
J48 y API Weka, para encontrar una relación de clasificación en los patrones del consumo energético
[4]. Esta investigación nos detalla que se han unido diversos sistemas inteligentes para optimizar el
uso de los dispositivos electrónicos en un entorno domótico.
Un detalle importante es que muchas de las instalaciones automatizadas en viviendas, no cuentan con
un temporizador de desconexión, es decir, llevan un tiempo de operación indefinido. Por lo que, la
aplicación de un modelo de hogar inteligente que cuente con el uso de una IA e IoT, permite al
usuario acceder a la red de suministro eléctrico desde una aplicación web [3]. Esto beneficiará a la
simplicidad en el uso del sistema automatizado, debido a que, estará cronometrado bajo un margen
de tiempo establecido por el operador. Adicionalmente, se detalla que la Red Neuronal Artificial
(RNA), se entrenó teniendo en cuenta la potencia, el tiempo de uso y el consumo [3]. La plataforma
IoT y el uso de una RNA, brindará detalles específicos, de cuáles son los picos o dispositivos que
sobresalen del resto en relación al consumo de electricidad.
Por otro lado, existen estudios que presentan modelos totalmente personalizados, es decir, son
diseñados y desarrollados para un propósito en particular. Se presenta el sistema de monitoreo

3
ChuchusMOTE, el cual es una rama de sensores y actuadores que se comunican de forma inalámbrica
empleando la comunicación Message Queue Telemetry Transport (MQTT), incorporando módulos
electrónicos que se enlazan con NodeMCU, una plataforma de desarrollo que cuenta con el protocolo
de comunicación MQTT [6]. Esta arquitectura de automatización permite al operador conocer el
comportamiento de toda la red eléctrica y detallar el consumo en cada elemento electrónico.
Asimismo, este sistema muestra las variables energéticas de celdas solares, midiendo valores como la
tensión, corriente, potencia y energía generada [6]. Lo cual, permite generar un plan energético bajo
estas variables y optimizar puntos o nodos que afecten directamente a este problema.
De igual forma, se conocen configuraciones de redes inalámbricas que incorporan el protocolo AODV
multisalto, utilizando microcontroladores de 32 bits, al igual que módulos de enlace o comunicación
que reducirán problemas comunes como, la pérdida de datos, el procesamiento, versatilidad y
escalabilidad en los puntos de transmisión [7]. Esta configuración de red, emplea técnicas de
comunicación, y enlace de dispositivos electrónicos como sensores y actuadores, manteniendo un
margen de inversión bajo, lo que deja una cuestión con respecto a la eficiencia y al consumo
energético del sistema domótico.
Se adiciona a este estudio, sistemas domésticos que utilizan la inteligencia computacional y las redes
de sensores y actuadores inalámbricos (WSAN), para el ahorro energético en sistemas automatizados
de vivienda (HAS) [8]. Logrando así, ser una alternativa de entre muchas otras que brindan sistemas
electrónicos de comunicación entre el operador y su entorno.
Adicionalmente, es necesario mostrar un plan dedicado a la conservación de la energía, teniendo en
cuenta si es una gran área de residencia. Es por ello que, es importante conocer los factores o relación
directa entre el confort interno y el consumo de electricidad, para así mediante un sistema de
obtención de datos en tiempo real basado en IoT, poder analizar estos datos; 3 métodos en
específico, siendo estos algoritmos de agrupación para determinar un patrón del consumo de
electricidad en relación al estilo de vida en viviendas residenciales [5].
Teniendo en cuenta que se han presentado innovaciones tecnológicas o propuestas que ayudan a
mejorar el estándar de vida en una vivienda automatizada, están, por otro lado, los factores o riesgos
que tiene una persona respecto a un modelo automatizado de vivienda. Un riesgo o barrera que
omite la adopción de un hogar inteligente es, la privacidad, seguridad, consumo desmedido de
energía y la dificultad en el manejo de este tipo de tecnología [2]. Es claro que, para considerar la
adaptación de un modelo domótico en una vivienda, el residente tendrá que tener conocimientos
básicos o intermedios según la complejidad de la instalación inteligente.

4
Ahora, si se busca visualizar las mejoras de un sistema automatizado frente a un manejo tradicional
energético, es necesario ampliar la zona de aplicación como en el siguiente ejemplo. Se presenta la
comparación de 2 casos de conservación energética en un Hospital, donde el primero es un sistema
tradicional de microrred y el segundo donde se consideró los sistemas de iluminación, el aislamiento
térmico de la estructura, alrededores y mejorar los puntos de calefacción, ventilación y aire
acondicionado (HVAC) [9]. Este estudio señala que, la optimización de algunos dispositivos
electrónicos favorece considerablemente a la conservación de la energía dentro de una red eléctrica.
Estos puntos en la microrred del hospital, obtuvieron ahorros energéticos considerables de hasta más
de 100.000 SR [9]. Demostrando así que, se lograrán resultados positivos frente al consumo
energético y se reducirán los costos de consumo generado por estos.
Cabe resaltar que, mientras más grande sea el área de aplicación de un modelo automatizado, mayor
será el consumo energético y, por ende, los costos de facturación. De igual forma, si se llegara a
comparar un área residencial con un Hospital, este último sería el que presente más consumo
eléctrico en general. Sin embargo, la dimensión del hospital y el total de camas, son a menudo las
variables para determinar la demanda energética, omitiendo las actividades médicas [10]. Este
estudio nos dice que, son varios los motivos a considerar para poder llevar a cabo un plan para la
optimización de energía, uno de ellos es el clima de residencia.
El enfoque de un modelo automatizado de vivienda es un reto complicado si se piensa considerar
frente a una persona que presente problemas de salud. Es por ello que, se enlaza la interacción de los
pacientes en un entorno domótico bajo el concepto de sistemas de casas inteligentes (SHS) y los
índices fisiológicos de estas personas con interacción tecnológica, para adoptar una perspectiva
neurocientífica [11]. Este estudio nos muestra que, una persona delicada de salud puede enfrentar
posibles comportamientos cognitivos o cambios neurológicos cuando reside en un ambiente con
interacción automatizado.
El uso de Tarjetas programables, sensores, protocolos de comunicación, sistemas multiagentes (MAS)
y las IoT son unas de las alternativas confiables y eficientes cuando se trata de implementar un
sistema completo de automatización inteligente en una vivienda. Inclusive, es recomendable usar una
RNA para contar con una arquitectura de aprendizaje con el fin de mantener un margen de operación
óptimo y contar un con plan energético adecuado.
Es necesario hacer un registro de los dispositivos electrónicos que consumen más energía, antes de
instalar un modelo domótico. De esta forma, se permitirá considerar un plan energético de toda la red
inteligente.

5
Son pocos los estudios de automatización en vivienda de pacientes con dificultad motriz. Una de las
causas es, la reacción cognitiva y neurofisiológica de la persona.

4. MARCO TEÓRICO
4.1. DOMÓTICA

La Real Academia Española (RAE), define domótica como la automatización de un domicilio, utilizando
elementos que ayuden a un operador interactuar con su entorno, evitando toda interacción física con
ellos [17]. Este modelo de automatización está enfocado hacia viviendas, pues, la automatización
hacia un ambiente como un edificio u oficina es definido como inmótica [12].

4.1.1. Confort

Se conoce como la comodidad de la persona en un determinado establecimiento. Una de las

consideraciones para determinar un nivel de confort es, la accesibilidad y fácil interacción a su
alrededor, el monto de inversión o adquisición, entre otras consideraciones [12].

4.1.2. Seguridad

Es una consideración primordial en todo instalación eléctrica – electrónica. El manejo u

operación de una determinada tarea no debe poner en evidencia, la integridad de la persona
operando y la seguridad suya y/o de quienes lo rodean [12].

4.1.3. Comunicación

Los dispositivos electrónicos encargados de una tarea en particular, corresponderán a las

ordenes brindadas por una persona a cargo [12].

4.1.4. Manejo energético

El uso de dispositivos de adquisición de datos permitirá manejar, las variables energéticas y la

supervisión de la red inteligente. Posteriormente, se determina cuáles serán las condiciones de
operación para cada variable.

Además, en una instalación automatizada de vivienda es esencial contar con un interfaz de

comunicación, para el manejo y control total de los dispositivos electrónicos [12].

4.2. Controlador PID

6
La automatización de una determinada operación, sea enfocada a la industria metalúrgica,
farmacéutica, medicina y vivienda, ayuda a reducir considerablemente el tiempo de trabajo extendido
de los dispositivos electrónicos. Asimismo, la aplicación de los controladores PID, otorga estabilidad a
cada detalle automatizado y posee puede contemplar diversos enfoques, como, estudio analítico y
heurístico [13].

4.2.1. Etapa Proporcional

La acción proporcional se conoce como la parte proporcional al error en el control de cierto

proceso. Se consta de una constante Kp como la ganancia estática que multiplica a una
variable de control y a una perturbación de carga. Esta etapa proporcional, cumple el objetivo
de minimizar el error del sistema [13].

4.2.2. Etapa Integral

La acción integral cumple la función de que un punto del estado estacionario coincida con la
salida del proceso. Y, en resumen, es proporcional a la integral del error del sistema.
Detallando que el estado estacionario sea cero [13].

4.2.3. Etapa Derivativa

La aplicación de la acción derivativa es, mejorar la estabilidad presente en lazo cerrado del
sistema. Además, permite predecir el error del proceso.

Muchos de estos controladores y sus configuraciones (PD, PI, I, D, P) mejoran las virtudes de
una determinada operación. De igual forma, estas varían según las necesidades del problema
[13].

4.3. DEFINICIONES BÁSICAS

4.3.1. Control PID

Control Proporcional, Integral y Derivativo. Es una arquitectura de control que nos permite la
regulación de variables como, la temperatura, la potencia de suministro, y el flujo en la red eléctrica
del modelo domótico.

7
4.3.2. IOT

Se define como IoT a Internet de las cosas, o por sus siglas en inglés, Internet of Things. Es la
interacción de dispositivos electrónicos entre sí, enlazados en una red de Internet, para el control y
supervisión de todas las tareas dentro de un entorno inteligente.

4.3.3. HEMS

Se conoce como el Manejo Sistemático de la Energía en Vivienda, o por sus siglas en inglés, Home
Energy Management System. Hace referencia a un modelo de manejo energético de viviendas,
utilizando protocolos de comunicación, base de datos, sensores, tarjetas de programación,
arquitecturas de red, para el cual, otorga un plan energético óptimo, teniendo como referencia el
consumo estándar en casa [14].

4.3.4. SENSORES

Dispositivos electrónicos que permitirán la adquisición de datos, y posteriormente, ser las variables de
medición para la regulación del consumo energético.

4.3.5. MÓDULO DE CALEFACCIÓN

Se contará con un módulo de calefacción prefabricado y adaptado para su control experimental. Su

aplicación asimilará la operación de un horno eléctrico, y permitirá establecer las pruebas
experimentales en la automatización.

4.3.6. MOTRICIDAD

Capacidad que tiene una persona de desplazarse de forma natural o realizar una determinada acción.
En termino médico, la motricidad de una persona se clasifica en 2: motricidad fina y gruesa. El entorno
automatizado aplicada a esta investigación, será sobre pacientes que presentes problemas en su
capacidad motriz gruesa (Dificultad al caminar, correr).

4.3.7. PROCESAMIENTO DE IMÁGENES TÉRMICAS

Se procesan imágenes utilizando técnicas morfológicas y filtros espaciales, para la clasificación de los
estados de operación del módulo de calefacción.

4.3.8. DOMÓTICA

Se emplean múltiples dispositivos electrónicos y tecnologías de control para automatizar un entorno

inteligente.
8
4.3.9. MATLAB – SIMULINK

Software multipropósito para la programación, el análisis de datos, diseño de algoritmos, cálculo

numérico, procesamiento de imágenes, redes neuronales, entre otros. Estas tareas serán detalladas
hacia un modelo domótico.

4.3.10. ARDUINO

Plataforma de programación para el manejo de las variables en el entorno automatizado y datos en

tiempo real.

4.3.11. PROTEUS DESIGN SUIT

Software para el diseño del circuito eléctrico y la simulación sistemática del mismo.

5. METODOLOGÍA DE LA INVESTIGACIÓN
5.1. CONDICIONES DEL CONTROL DE TEMPERATURA

Las condiciones previstas por el momento serán bajo un entorno cerrado por capas o paredes con
aislante térmico. Dentro de los aislantes disponibles se encuentran:

• Lana de vidrio aislante

Es un compuesto de fibras de vidrio que cumplen la función de aumentar la resistencia del acople ante
la temperatura externa.

• Espuma aislante (Poliuretano)

La espuma aislante cumple la función principal de aislar el ruido y la temperatura en interiores. Este
normalmente se aplica durante la construcción de la vivienda por lo que complica su uso.

• Poliestireno expandido

Material reutilizable que cumple un proceso aislante térmico, de bajo costo y con poca fiabilidad de su
consistencia frente a cambios extremos de temperatura.

• Corcho

El corcho es buen aislante térmico, pero la humedad puede debilitar las planchas de los espacios.

9
• Lana Mineral

La lana mineral es el aislante conocido por mantener las partículas de aire entre sus filamentos,
facilitando el aislamiento térmico (mayores a 500ºC). Es utilizado en hornos industriales para el
tratamiento térmico.

De las mencionadas anteriormente se seleccionará la espuma aislante o goma, el cual además de

contar con un efecto aislante de temperatura, muestra buena aceptación frente a la acústica. El costo
es relativamente accesible si consideramos que el área de aplicación será reducida a 1m^3.

Figura1. Piso aislante térmico - goma.

5.2. MODELADO DEL SISTEMA DE CONTROL EN LAZO CERRADO

El siguiente diagrama muestra el control en lazo cerrado del sistema de calentamiento. Se establece
un punto fijo o Setpoint, el cual refleja la temperatura deseada. La temperatura externa es la entrada
al sistema conocida como perturbación o ruido. Se espera que el error sea lo mínimo posible para
contrarrestar los picos de corriente generados por las variaciones de temperatura.

Figura2. Sistema de control del calefactor eléctrico en lazo cerrado. Diagrama elaborado en Visio.
10
Se muestra el ensayo del control PID teniendo como entrada la Temperatura predeterminada o
Setpoint de 22°C, Temperatura externa de 8°C con un sobresalto de 1°C para simular una variación, y
la función de la válvula del calefactor.

El siguiente gráfico muestra un ensayo de control PID para un horno con un Setpoint de 70°C y una
temperatura externa de 50° variando a 55°. La temperatura de salida sigue el margen deseado
después de 60 segundos iniciado el proceso.

Figura3. Gráfica de las señales de entrada (R(s)), salida (Y(s)), Entrada del sistema (U(s)) y la
Temperatura Externa del calefactor – ensayos y pruebas en Matlab.

5.3. MODELO MATEMÁTICO DEL CONTROLADOR PID CON PERTURBACIONES

Para el desarrollo analítico de un sistema térmico se tendrá en cuenta el modelamiento matemático a

través de las ecuaciones de transferencia de calor para conducción y radiación. Partiendo de la
definición de transferencia de calor y los principios de la termodinámica, desarrollamos el modelo
matemático del sistema térmico (Revisar Anexo 3 para ver su representación en Matlab):

Se sabe que:

∆Q
=Q¿ −Qout …(1)
∆t

Q¿ =α Qi

11
Donde α es la relación de la salida del modelo de la planta con la potencia del calefactor (watts) y Qi la
proporción en % de operación.

Qout =k T ( T −T ∞ ) + ϵσA (T 4−T 4∞ )

En la ecuación anterior, se encuentran 2 puntos, el 1° es la ley de enfriamiento de Newton, mientras

que el segundo es la de Stefan-Boltzmann. Se consideran ambas partes debido a que el sistema es por
conducción y radiación.

k T =UA

Kt se define como el valor adimensional de la pérdida distribuida en el ambiente, T la temperatura del

dispositivo emisor de calor.

Reemplazamos los valores de Qin y Qout en la ecuación (1)

∆Q 4 4
=α Qi +UA ( T ∞−T ) +ϵσA (T ∞ −T )
∆t

Su equivalente derivativo sería:

dQ
=α Qi +UA ( T ∞−T ) +ϵσA ( T ∞ −T ) …(2)
4 4
dt

Además, se conoce que el calor expulsado o adherido se representa como:

Q=mc p (T −T ref )

Siendo Cp el calor específico, m la masa del elemento y la diferencia térmica del emisor de calor. Y
derivando en función de T y Tref:

dQ dT T ref
=m c p −mc p …(3)
dt dt dt

Reemplazamos (3) en (2):

dT dT ref 4 4
mcp −mc p =α Qi+UA ( T ∞ −T ) + ϵσA (T ∞−T )
dt dt

Tref es la temperatura de referencia en el proceso y es un valor fijo, es decir, constante. Por lo tanto,
la expresión multiplicando a Tref se anula. Por ende, se resume en la siguiente ecuación:

dT
=α Qi +UA ( T ∞−T ) +ϵσA ( T ∞−T ) …(4 )
4 4
mcp
dt

Donde:
12
 Términos Valores
Temperatura Setpoint (T) 22°C o 295°K
Temperatura Externa T¿) -30°C < T ext < 14°c (8° valor aleatorio promedio)
Potencia de Salida (Q) 0 W < Q < 50 W
Factor de calentamiento (α ) 0.014 W
Calor Específico (Cp) 500 J / Kg-K
Área interna del dispositivo térmico (A) 15 cm^2
Masa (m) 15 g (0.015 kg)
Coeficiente de transferencia térmica (U) 5 W / m^2-K
Emisividad (ϵ ) 0.9
Constante de Boltzmann (σ ) 5.67x10^-8 W / m^2-K^4

Tabla1. Parámetros para el desarrollo del modelo matemático.

El modelo presentado en la ecuación (4) es de carácter no lineal precisamente por el término T 4, cuya
linealización puede resolverse usando series de Taylor. Estas nos permitirán obtener la función de
transferencia de la planta o proceso.

Se tiene:

dT
mcp =α Qi +UA ( T ∞−T ) +ϵσA (T 4∞−T 4 )
dt

Dividiendo toda la expresión entre (m c p)

dT α UA ϵσA 4 4
= Q+ ( T −T ) + m c (T ∞−T )
dt m c p i mc p ∞ p

dT α UA ϵσA 4 4
f ( T , Qi )= = Qi + ( T ∞−T ) + (T ∞−T )
dt m c p mc p m cp

Cuando el sistema se encuentra estable, siguiendo un margen donde la variación de temperatura es

cero, la ecuación (4) queda de la siguiente forma:

4 4
0=α Q i +UA ( T ∞−T ) +ϵσA (T ∞ −T )

0=ϵσA T 4s + UA T s −( α Q is +UA T ∞ s +ϵσA T ∞4 s ) …(5)

La ecuación diferencial es de 4° grado y de las 4 raíces se mantendrán solo las de valor positivo.

13
En la ecuación (6) se encuentra Qis, siendo esta la magnitud de la potencia suministrada al dispositivo

emisor de calor.

Teniendo estas definiciones, procedemos a utilizar las series de Taylor:

dT ∂f ∂f
= ( T −T s ) ¿T ,Q + ( Qi−Qis ) ¿ +f ( T s , Qis )
dt ∂T s is
∂ Qi T , Q s is

dt
= (
dT −UA 4 ϵσA 3
mcp
−
mc p
Ts ∆T+
α
mc p ) ( )
∆ Q+
dT
¿
dt T ,Q s is

Separando:

dt
=
(
d ∆ T −UA 4 ϵσA 3
m cp
−
mc p
T s ∆T +
α
m cp ) ( )
∆Q

Una vez encontrada esta ecuación, procedemos a encontrar la Función de transferencia del proceso
utilizando la transformada de Laplace (s).

( mαc ) ∆Q(s)=( mUAc + 4mcϵσA T ) ∆ T (s)+ ∆T (s) s … (6)

p p p
3
s

Despejamos ∆ T ( s ) y ∆ Q ( s ) para obtener la función de transferencia:

∆ T (s)
=
( )
α
m cp
…(7)
( )
∆ Q( s) UA 4 ϵσA 3
s+ + T
mc p mc p s

Teniendo la función de transferencia del sistema, procedemos a ingresar los valores de la tabla1 y
posteriormente simplificar o aproximar a un modelo real bajo una constante experimental.

∆ T ( s) 0.001867
=
∆ Q( s) s+2.04805 ×10−3

∆ T (s) 0.9111
=
∆ Q( s) 488.269(s)+ 1

∆ T (s ) 0.9111 −20 t
Para un modeloideal se otorgó un retardo de 20 segundos : = e
∆Q( s) 488.269( s)+1

5.4. SINTONÍA DEL CONTROLADOR PID

5.4.1. ZIEGLER NICHOLS

14
La sintonización del controlador PID ayudará a reducir las oscilaciones del controlador y lograr la
estabilidad. Es de carácter heurístico, es decir, no requiere un modelo matemático para el arreglo en el
control [18].

El primer método nos dice que, gráfica de la respuesta de un sistema o planta puede obtenerse de
manera experimental. Si este modelo no cuenta con polos dominantes – complejos conjugados y/o
integradores, la forma gráfica de la respuesta es similar al de una “S”. Donde L es el retardo, y Tao, en
nuestro modelo, para la constante temporal.

Figura4. Gráfica de respuesta de un sistema. Fuente: Ingeniería de Control Moderna – Ogata.

CONTROL Kp τi τd

P τ τ 0
0.9
KL KL
PI τ L 0
0.9
KL 0.3
PID τ 2L τ
1.2 0.9
KL KL

Regla de sintonización de Ziegler – Nichols. Fuente: Ingeniería de Control Moderna – Ogata.

C (s) K e− Ls
=
U (s ) τs+1

15
La función de transferencia del controlador se describe de la siguiente forma y siguiendo la tabla. Y lo
relacionamos con el modelo matemático del sistema térmico obtenido anteriormente.

1
GC ( s )=K p (1+ + τ s)
τi s d

Para el modelo PID:

τ 1
GC ( s )=1.2 (1+ +0.5 L s)
L 2 Ls

( )
2
1
s+
L
GC ( s )=0.6 T
s

−1
En Gc (s) se presenta 2 ceros en S= y un polo en el origen.
L

Figura5. Diagrama de Polos y Ceros.

16
Figura6. Diagrama de Nyquist

Figura7. Diagrama de Bode.

17
 Figura8. Nichols Chart de la respuesta del sistema.

Figura9. Sintonía del controlador con Ziegler & Nichols.

18
5.4.2. MEJORAR LA CARACTERÍSTICA DE RESPUESTA - ASIGNACIÓN DE POLOS

El proceso aparte de contar con una entrada U(s), una perturbación conocida como la temperatura
externa del calefactor será la que condicione las variables de control sobre el sistema.

Figura10. Sintonía del controlador por Asignación de Polos.

Este método de sintonización no es el adecuado para aplicar en este modelo de planta. Su similitud al
control de un modelo PI lo hace muy inadecuado debido a su alta taza de error estacionario. Se estima
que se estabilizaría a más de 10 minutos de operación y aún peor, no llegar al Setpoint establecido.

5.5. SELECCIÓN DE LOS DISPOSITIVOS ELECTRÓNICOS Y DETALLES TÉCNICOS

Los sensores empleados para este proyecto serán seleccionados teniendo en cuenta al calefactor, el
entorno de aplicación y los parámetros físicos como la corriente, voltaje, temperatura y potencia (W).

Para el prototipo del calefactor se emplea un dispositivo emisor de calor. Una resistencia eléctrica o un
módulo de impresora 3D servirá como actuador durante las pruebas.

19
PLACA ARDUINO UNO

Figura11. Placa Arduino UNO. Fuente de la Imagen: https://quartzcomponents.com/products/arduino-

uno-r3-atmega328p-arduino-compatible-no-cable

DESCRIPCIÓN TÉCNICA

- Modelo: UNO
- Microcontrolador: ATmega328P
- Voltaje de operación: 5VDC
- Voltaje de entrada (operación): 7 a 12 VDC
- Voltaje de entrada (limite): 6 a 20 VDC
- Pines análogos (Entrada/Salida): 6
- Pines digitales (Entrada/Salida): 14 (6 de salida PWM)
- Pines digitales PWM: 6
- Corriente DC por entrada y salida (mA): 40 mA
- Corriente DC por 3.3V entrada y salida (mA): 50 mA
- Velocidad de reloj: 16 MHz
- SRAM (KB): 2
- EEPROM: 1KB ATmega328
- Memoria Flash: 32 KB
- LEDs en la tarjeta: On/Off, L (PIN 13), TX, RX
- Dimensiones en mm: 75 – 54 – 12

20
TERMOPAR TIPO K

Figura12. Sensor - Termopar tipo K. Fuente:

https://www.teslaelectronic.com.pe/producto/termocupla-termopar-tipo-k/

DESCRIPCIÓN TÉCNICA

- Rango de temperatura: 0°C – 1024°C

- Tipo de termopar: Serie K
- Longitud del cable: 1 metro / 39,4”
- Voltaje de funcionamiento: 3 – 5.5 VDC
- Resolución de temperatura: 0.25°C
- Rango de compensación de unión fría: -20°C +80°

21
MÓDULO MAX6675

Figura13. Módulo MAX6675. Convertidor de termopar K compensado por unión fría a digital. Fuente:
https://naylampmechatronics.com/sensores-temperatura-y-humedad/331-transmisor-max6675-para-
termocupla-k.html Datasheet: https://www.sparkfun.com/datasheets/IC/MAX6675.pdf

Figura14. Configuración de pines. Fuente: Datasheet modelo MAX6675.

PIN NOMBRE FUNCIÓN

1 GND TIERRA (GROUND)
Cable de aluminio del termopar K. Conectar a tierra de
2 T-
forma externa.
3 T+ Cable cromado de termopar K
4 VCC Suministro positivo (+DC). Bypass con 0.1uF a GND.
5 SCK Entrada de reloj serie (Serial clock input)
Chip select. Establecer CS en bajo para habilitar la
6 CS
interfaz de serie.
7 SO Serial Data Output.
8 N.C. No Connection
Tabla2. Modelo técnico del integrado MAX6675.

22
DESCRIPCIÓN TÉCNICA

- Voltaje de alimentación (VCC y GND): -0.3V a 6 VDC

- SO, SCK, CS, T-, T+ y GND: -0.3V a VCC +0.3V
- Corriente en CO: 50 mA
- ESD Protección (Modelo para protección): +-2000V
5.6. MAQUETA EXPERIMENTAL

El espacio de aplicación del sistema de calefacción será sobre una maqueta con capas internas de
propiedades aislantes. Esto ayudará a evitar pérdidas innecesarias tanto en temperatura interna,
como energética debida a fluctuaciones o perturbaciones.

5.7. DIAGRAMA DE FLUJO PARA EL DESARROLLO DEL CONTROL Y MANEJO DE LAS VARIABLES EN
MATLAB Y ARDUINO

Figura15. Diagrama de flujo simplificado para el control de temperatura del calefactor. Diagrama
elaborado en Visio.

Descripción: El presente diagrama solo es una perspectiva visual de cómo se considerarán 3 estados de
operación del calefactor para el control de temperatura con el modelo PID.
23
5.8. PROGRAMACIÓN

La programación se plasmará en el software Matlab enlazado con Arduino que facilitará la

comunicación con los dispositivos electrónicos de lectura (sensores) y el calefactor eléctrico. Revisar
ANEXO 2.

5.9. INSTRUMENTOS O HERRAMIENTAS UTILIZADAS

5.9.1. MATLAB / SIMULINK

El entorno de programación de Matlab permite realizar ensayos previos del sistema de calefacción
teniendo los datos obtenidos del diseño analítico del controlador PID. El modelo matemático se
presenta en forma de función de transferencia en un script. De igual forma, los valores de las
constantes Kp, Ki y Kd del controlador.

5.9.2. ARDUINO

La plataforma de programación de Arduino manipula los datos obtenidos de los sensores de

temperatura externo e interno del sistema, y enviarlos a Matlab. El módulo MAX6675 ayuda en la
obtención de datos recibidos por el termopar y hacer una conversión análogo/digital de estos. Una
interfaz de la misma plataforma nos arrojará datos de la estabilización de la temperatura Setpoint
definida 22°C, con una perturbación externa de 8°C (Temperatura ambiente)

5.9.3. SENSORES DE TEMPERATURA

Módulo sensor de temperatura para Arduino y/o termopar comercial tipo K. Elemento que nos
permite recopilar los datos del actuador o dispositivo de potencia, el cual emitirá calor al otorgársele
una alimentación preestablecida. Es decir, el termopar recibe las lecturas de emisión térmica (°C) del
actuador (Resistencia eléctrica).

6. RESULTADOS Y DISCUSIÓN

Dentro de los resultados obtenidos se encuentran el diagrama del control PID y la potencia (Q) de
salida en el módulo de calefacción. No obstante, los resultados fueron realizados bajo un margen de
temperatura experimental.

La siguiente imagen muestra como el calefactor se encuentra en una temperatura ambiente de 8°C y
a los 50 segundos inicia el proceso de estabilización al Setpoint de 22°C. El sistema empieza a
estabilizarse después de los 50 segundos debido a que se le otorgó un “retardo” a la función de

24
transferencia del sistema térmico. Esto con el fin de otorgar credibilidad a un proceso real y su
condicionamiento frente a perturbaciones.

Figura16. Estabilidad del calefactor eléctrico con un setpoint definido y una perturbación de 8°C.

Se conoce que cada dispositivo, según su potencia en Watts puede denotar sus efectos en consumo
con respecto del tiempo. Para este estudio, los detalles técnicos especificados en la tabla1.

Figura17. Margen de la potencia de salida del calefactor eléctrico en función del tiempo.

La imagen anterior muestra la potencia saliente del emisor de temperatura y según detalles técnicos
este posee un rango de 0 a 50 Watts. Por lo que este diagrama nos muestra que la potencia entregada
es de 17 y 18 Watts aproximadamente. Reduciendo las oscilaciones a lo largo del minuto 5:30.

A razón de los resultados obtenidos en este estudio, surge la cuestión o discusión del modelo de
control PID frente a otras áreas o modelos relacionados a la eficiencia energética.

25
Los modelos IOT son conocidos por enlazar y automatizar varios dispositivos electrónicos en un área o
entorno inteligente, aclarando que estos ya cuentan con un plan energético predeterminado por el
programador, por ello, el modelo PID necesitaría ser implementado a varios dispositivos para lograr
obtener optimizaciones en el consumo de cada proceso o dispositivo. Teniendo en mente esta
interrogante, se realizaría un modelo experimental comparando varias metodologías frente a este
proceso térmico, y comparar resultados.

Un punto aún indefinido es, la respuesta de los dispositivos frente a condiciones climáticas variables,
esto debido a la ubicación o enfoque del proyecto el cual reside en una Localidad de Puno.

Cabe resaltar que metodologías como las redes neuronales y la inteligencia artificial revisadas en el
estado del arte pueden mostrar mejores resultados frente a la adaptación de un plan energético.

7. CONCLUSIONES Y RECOMENDACIONES

El desarrollo de esta investigación muestra el control PID de un prototipo de calentador, cuyo

propósito es el de manejar, modelar matemáticamente el proceso y optimizarlo para un margen
energético óptimo y adecuado.

- Uno de los principales descubrimientos durante el desarrollo de esta investigación es, la

aproximación de los valores teóricos con los experimentales encontrados durante pruebas y
ensayos. No obstante, las condiciones de operación del sistema son planteadas, desde un
inicio, bajo un régimen de temperatura externa muy baja (-10°C a 8°C), dificultando su
simulación en un modelo físico (maqueta). Por este motivo se mantendrá un Setpoint fijo de
22°C y una perturbación de 14°C.
- La revisión de la literatura y fundamentos teóricos de libros e informes técnicos permitieron
resaltar el manejo de cada objetivo y metodología de la investigación.
- Un avance complementario a este estudio es la incorporación de este proyecto en el área rural
delimitada (Puno). Por lo que se requiere de un establecimiento que corresponda con estas
características térmicas.
- Los dispositivos electrónicos también serán preevaluados para evitar puntos de cortocircuito y
humedad en el circuito. Adicionalmente, se intercambiará el sensor tipo K por uno tipo E que
posee un rango lectura de -40°C a 900°C.

26
8. BIBLIOGRAFÍA

[1] S. Chinthavali et al., “COVID-19 pandemic ramifications on residential Smart homes energy use
load profiles,” Energy and Buildings., vol. 259, p. 111847, Mar. 2022,
https://doi.org/10.1016/j.enbuild.2022.111847.

[2] W. Li, T. Yigitcanlar, I. Erol, and A. Liu, “Motivations, barriers and risks of smart home adoption:
From systematic literature review to conceptual framework,” Energy Research and Social
Science., vol. 80, no. March, p. 102211, 2021, https://doi.org/10.1016/j.erss.2021.102211.

[3] C. G. Pachón Suescun, J. O. Pinzón Arenas, and R. Jiménez Moreno, “Use of ANN for embedded
domotic system based on IoT,” Internatinal Journal of Mathematical Engineering and
Management Sciences, vol. 5, no. 5, pp. 971–984, 2020,
https://doi.org/10.33889/IJMEMS.2020.5.5.074.

[4] I. Machorro Cano, G. Alor Hernández, M. A. Paredes Valverde, L. Rodríguez Mazahua, J. L.

Sánchez Cervantes, and J. O. Olmedo Aguirre, “HEMS-IoT: A big data and machine learning-
based smart home system for energy saving,” Energies, vol. 13, no. 5, Mar. 2020,
https://doi.org/10.3390/en13051097.

[5] K. Matsui, Y. Yamagata, and S. Kawakubo, “Real-time sensing in residential area using IoT
technology for finding usage patterns to suggest action plan to conserve energy,” in Energy
Procedia, 2019, vol. 158, pp. 6438–6445, https://doi.org/10.1016/j.egypro.2019.01.171.

[6] E. Escobar Gallardo and A. Villazón, “Sistema de monitoreo energético y control domótico
basado en tecnología ‘internet de las cosas,” Investigación y Desarrollo, vol. 18, no. 1, pp. 103–
116, 2018, https://doi.org/10.23881/idupbo.018.1-8i.

[7] E. Mendoza, P. Fuentes, I. Benítez, D. Reina, and J. Núñez, “Network of multi-hop wireless
sensors for low cost and extended area home automation systems,” RIAI - Revista
Iberoamericana de Automatica e Informática Industrial, vol. 17, no. 4, pp. 412–423, Sep. 2020,
https://doi.org/10.4995/riai.2020.12301.

[8] G. P. R. Filho, L. A. Villas, V. P. Gonçalves, G. Pessin, A. A. F. Loureiro, and J. Ueyama, “Energy-

efficient smart home systems: Infrastructure and decision-making process,” Internet of Things

27
 (Netherlands), vol. 5, pp. 153–167, 2019, https://doi.org/10.1016/j.iot.2018.12.004.

[9] S. A. Almarzooq, A. M. Al Shaalan, H. M. H. Farh, and T. Kandil, “Energy Conservation Measures

and Value Engineering for Small Microgrid: New Hospital as a Case Study,” Sustainability, vol.
14, no. 4, p. 2390, Feb. 2022, https://doi.org/10.3390/su14042390.

[10] M. Cygańska and M. Kludacz‐Alessandri, “Determinants of electrical and thermal energy

consumption in hospitals according to climate zones in poland,” Energies, vol. 14, no. 22, 2021,
https://doi.org/10.3390/en14227585.

[11] L. Angioletti, F. Cassioli, and M. Balconi, “Neurophysiological Correlates of User Experience in

Smart Home Systems (SHSs): First Evidence From Electroencephalography and Autonomic
Measures Neurophysiological Correlates of UX in SHS,” Frontiers in Psychology |
www.frontiersin.org, vol. 11, no. 411, 2020, https://doi.org/10.3389/fpsyg.2020.00411.

[12] J. Ramón and V. Orte, “Mejora de la eficiencia energética en viviendas domóticas,” Universidad
de la Rioja, 2014. [Online]. Available: http://dialnet.unirioja.es/descarga/tesis/44165.pdf.

[13] K. J. Aström and T. Hägglund, Control PID Avanzado. Ribera del Loira, España: Pearson Education
S.A., 2009.

[14] B. Mahapatra and A. Nayyar, “Home energy management system (HEMS): concept,
architecture, infrastructure, challenges and energy management schemes,” Energy Syst., no.
0123456789, 2019, https://doi.org/10.1007/s12667-019-00364-w.

[15] Á. R. Velásquez Fernández and N. Rey Córdova, Metodología de la Investigación Científica. Lima:
Editorial San Marcos, 2007. [Online]. Available: https://www.editorialsanmarcos.com

[16] R. Hernández Sampieri and C. P. Mendoza Torres, Metodología de la investigación: las rutas
cuantativa, cualitativa y mixta. 2018. [Online]. Available:
http://www.biblioteca.cij.gob.mx/Archivos/Materiales_de_consulta/Drogas_de_Abuso/
Articulos/SampieriLasRutas.pdf

[17] “Domótica”, en Real Academia Española: Diccionario de la lengua española, 23.ª ed., [versión
23.5 en línea]. Consulta: 2 de junio de 2022. Available: https://dle.rae.es/domótico.

[18] K. Ogata, Ingeniería de control moderna. Pearson Education, S.A., Madrid, 2010.

[19] Referencia web para el rango de temperaturas en la región, durante todo el año:

http://portal.munipuno.gob.pe/es/Clima
28
 https://es.climate-data.org/america-del-sur/peru/puno/puno-1013/

[20] Referencia web de los componentes electrónicos:

https://www.mastersi.com.pe/blog/69-que-es-una-termocupla
[21] Referencia web para el aislante térmico en la vivienda:
https://www.volcanperu.com/blog/materiales-aislantes-para-casas
[22] Módulo MAX6675. Convertidor de termopar K compensado por unión fría a digital. Fuente:
https://naylampmechatronics.com/sensores-temperatura-y-humedad/331-transmisor-
max6675-para-termocupla-k.html Datasheet:
https://www.sparkfun.com/datasheets/IC/MAX6675.pdf

29
 ANEXO 1
TABLA CLIMÁTICA / DATOS HISTÓRICOS DEL TIEMPO / PUNO

30
De manera opcional, incluir planos, cuestionarios, gráficos, tablas, etc., que, no siendo fundamentales
para la presentación/explicación de los hallazgos del estudio, sí enriquezcan o profundicen en su
comprensión.

31
 ANEXO 2
CONTROL PID - MATLAB

clc
clear
close all

Ts=8; %Periodo de Muestreo

m1 = menu('Control PID Arduino', 'Ziegler y Nichols', 'Cancelamiento de Polos',...
'Asignación de Polos');

%Modelo del Proceso

k=0.9111;tau=488.269;theta1=20;
theta = theta1 + Ts/2;

G=tf(k,[tau 1]);
G.iodelay = theta1;

%Discretización de la planta
Gd = c2d(G,Ts,'zoh');

switch(m1)
case 1
%Control PID por Ziegler y Nichols
kp=(1.2*tau)/(k*theta);
ti=2*theta;
td=0.5*theta;
incontrolabilidad = theta / tau
case 2
%Control PID por Cancelamiento de polos
tau_d=45;
kp=(tau)/(tau_d*k);
ti=tau;
td=0;
case 3
%Control PID por Asignación de Polos
% Especificaciones de Diseño
Mp=5; %Maximo Pico
ep=sqrt(((log(Mp/100))^2)/(pi^2+((log(Mp/100))^2))); %Factor de
amortiguamiento
% ep=1;
Tlc=220;
if ep<1
Wn=4/(ep*Tlc);
else if ep==1
Wn=5.8335/Tlc;
end
end

P1=2.0*ep*Wn;
P2=Wn^2;

kp=(P1*tau-1)/k;
ti=(k*kp)/(P2*tau);
td=0;
end

% Calculo do controle PID digital

32
q0=kp*(1+Ts/(2*ti)+td/Ts);
q1=-kp*(1-Ts/(2*ti)+(2*td)/Ts);
q2=(kp*td)/Ts;

% Loop de Control
nit=63;
u(1:nit)=0;
r(1:nit)=0;
r(6:nit)=23;
y(1:nit)=8;
e=r-y;
T0 = 8 + 273.15; % K
Ta = 8 + 273.15; % K
Qi=0; % Porcentaje
alpha = 0.014; % W / % heater
Cp = 500; % J/Kg K= 12 / 100^2 Area in m^2
A = 1.5e-3; % Area (m^2)
m = 15e-3; % Kg
U = 50.0; % W/m^2 K
eps = 0.9; % Emissivity
sigma = 5.67e-8; % Stefan-Boltzman
[x0,Tc] = T_ss(eps,sigma,A,U,0,Ta,alpha);
d = round(theta1/Ts);
for k=3:nit
% %Modelo Lineal
t = 0:Ts:(k-1)*Ts;
y=lsim(G,u(:,1:k),t,'zoh')'+8;

%Modelo NO Lineal
% t=((k-1):1:k)*Ts;
% [tsim, Temp] = ode15s(@(tsim,x)energy_bal(tsim,x,u(k-1-d),...
% alpha,Ta,U), t, x0);
% x0 = Temp(end,:);
% y(k)=x0-273.15;

%Error
e(k)=r(k)-y(k);

%PID
u(k) = u(k-1) + q0*e(k) + q1*e(k-1) + q2*e(k-2);

if (u(k) >= 100.0)

u(k) = 100.0;
end
if (u(k) <= 0.0)
u(k) = 0.0;
end

end

t=0:Ts:(nit-1)*Ts;
figure(1)
subplot(211)
plot(t,r,'--r',t,y,'-k','linewidth',2),grid
xlabel('t(s)');
ylabel('T(C)');
legend('Setpoint','Temperatura','location','southeast')
subplot(212)
stairs(t,u,'-k','linewidth',2),grid
xlabel('t(s)');
ylabel('Q(%)');

33
Antes de ejecutar el script anterior es necesario guardar la siguiente función T_ss.m

function [TK,TC] = T_ss(eps,sigma,A,U,Qi,Ta,alpha)

%Equilibrio
p=[eps*sigma*A 0 0 U*A -alpha*Qi-U*A*Ta-eps*sigma*A*Ta^4];
rp=roots(p);
Ts=[];
for i=1:4
if isreal(rp(i)) && rp(i)>0
Ts=[Ts;rp(i)];
end
end
TK=Ts;
TC=TK-273.15;

Ensayos previos con teoría de control digital

clc
clear
close all

s = tf('s');
H =(([0.9111*exp(-20*s)]/[488.269*s+1])); %(función? de transferencia de la planta)

dt = 1; % dt = 0.05;
t = 0:dt:500; % t = 0:dt:8;
y=step(H,t);
dy=diff(y)/dt;
[m,p]=max(dy);
y1=y(p);
t1=t(p);
L=t1-y1/m;
Tao=(y(end)-y1)/m+t1-L;

kp=1.2*Tao/L;
Ti=2*L;
Td=0.5*L;
ki=(kp/Ti);
kd=(kp*Td); %(Calculo de los valores de kp, ki, kd, Ti y Td)

C=tf([kd kp ki],[1 0]); %(Función? de transferencia del control)

Cp = tf(1,[kd/kp kp/ki 1]);
Hlc = feedback(H*C,1); %(Función? de transferencia en lazo cerrado)

figure(1)
pzmap(Cp*Hlc) %(Mapa de polos y ceros)
figure(2)
step(17+(Cp*Hlc*15)) %(Grafica de respuesta del sistema)
figure(3)
bode(Cp*Hlc) %(Diagrama de Bode)
figure(4)
step(Cp*C) %(Grafica de respuesta del control)
figure(5)
nichols(Cp*Hlc) %(Grafica de Nichols)
figure(6)
nyquist(Cp*Hlc) %(Diagrama de Nyquist)

34
 ANEXO 3
(Requiere ajustes)

clc
clear
close all

T0 = 8 + 273.15; % K
Ta = 8 + 273.15; % K
Qi=0; % Porcentaje
alpha = 0.014; % W / % heater
Cp = 500; % J/Kg K= 12 / 100^2 Area in m^2
A = 1.5e-3; % Area (m^2)
m = 15e-3; % Kg
U = 5.0; % W/m^2 K
eps = 0.9; % Emissivity
sigma = 5.67e-8; % Stefan-Boltzman

Qi=0:5:100;

for k=1:length(Qi)
%Equilibrio
[Ts] = T_ss(eps,sigma,A,U,Qi(k),Ta,alpha);
T(k)=Ts;
end

plot(Qi,T-273.15,'linewidth',2)
xlabel('Qi (%)');
ylabel('T (°C)')

Qi=0; % Porcentaje
[Ts,TC] = T_ss(eps,sigma,A,U,Qi,Ta,alpha);
num= alpha/(m*Cp);
den=[1 (U*A+4*eps*sigma*A*Ts^3)/(m*Cp)];
G=tf(num,den)
G=tf(num/den(2),den/den(2))

du=Qi+40;
%% Comparación con modelo No Lineal
[tsim, Tnl] = ode45(@(tsim,x)energy_bal(tsim,x,du,...
alpha,Ta,U), [0 1000], Ts);
u(1:length(tsim))=du;
Tl=lsim(G,u,tsim);

figure
plot(tsim, Tnl-273.15,tsim,Tl+T0-273.15,'--r','linewidth',2)
xlabel('t (s)');
ylabel('T (°C)')
legend('Modelo No Lineal', 'Modelo lineal','Location','southeast')

35
36