Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
1. Enunciado
el horno, dada las lecturas de los sensores. Estime además el respectivo intervalo de
incertidumbre de la medida. El sistema debe permitir utilizar toda la información
disponible de los sensores, teniendo en cuenta sus respectivas incertidumbres y el
conocimiento del comportamiento del horno. La estimación debe ser óptima, por lo
menos en el sentido de mínimos cuadrados, y libre de sesgos.
2. Solución Propuesta
A continuación proponemos una metodología de solución lineal basada en el filtro
de Kalman. Nota: Otras metodologías de solución (BBN, DS, EKF, PF, etc) son
aceptables únicamente con la debida sustentación y demostración.
Se sugiere además utilizar GNU Octave© para implementar la solución propuesta.
Si se utiliza Matlab® , favor indicarlo en el reporte. Nota: Otros lenguajes como
Python™ , LabVIEW™ , C/C++ son bienvenidos y permitidos, sin embargo, no se
hará referencia a ellos en clase y el soporte técnico será limitado.
En una simulación, el concepto de tiempo es muy importante. En este caso, el proceso
tiene variaciones importantes en el orden de los minutos, por lo tanto, una opción
razonable es realizar la simulación en el orden de los segundos. Por simplicidad,
simule inicialmente sólo los primeros 10 minutos. Luego generalice para el resto del
proceso.
Sugerencia 1: Seleccione marca, modelo y referencia, para cada uno de los sensores
y utilice los parámetros y características en hoja de datos para la simulación.
Sugerencia 2: El ruido asociado a cada sensor debe ser blanco gausiano y i.i.d.
(independent and identically distributed).
Sugerencia 3: Los datos atípicos son aquellos con desviaciones estándar por encima
de cierto umbral determinado.
Tarea 1. Sistemas de Medición. MIM UTP Página 3 de 9
R = Ro 1 + αT + βT 2 + γT 3 + . . .
Una especialización de esta ecuación genérica está dada por las ecuaciones de Callendar-
Van Dussen
R = Ro 1 + AT + BT 2 + CT 3 (T − 100)
Sin embargo, para rangos de temperatura entre [−200, +800] una aproximación lineal
es suficiente si se acepta un rango de incertidumbre típico del 3 %.
R = Ro (1 + α (T − To ))
Te
Ti
RT = Ro + βTi
Tarea 1. Sistemas de Medición. MIM UTP Página 4 de 9
Y por tanto,
Ti [k + 1] = (1 − Kc ∆t) Ti [k] + Kc ∆tTe [k]
Las NTC son materiales semiconductores resistivos cuyo cambio de resistencia con
respecto a la temperatura tiene pendiente negativa.
Tarea 1. Sistemas de Medición. MIM UTP Página 5 de 9
Algunos modelos, como por ejemplo la NTC H650, pueden leer temperaturas entre
[−40, +650] C con incertidumbres del orden del 0.1 %.
Las ecuaciones de Steinhart-Hart han sido utilizadas y estudiadas por años para
el modelamiento de los termistores, ya que producen resultados sorprendentes. La
forma de tres coeficientes viene dada por
1
= a + b ln R + c ln3 R
T
El tiempo de respuesta es muy bajo (bueno), por lo cual el modelo utilizado es casi
siempre el de orden cero.
2.1.3. Termocupla
En la práctica, los sensores deben ser conectados a los dispositivos de lectura, usual-
mente sistemas digitales con requerimientos eléctricos específicos (interfaz análoga-
digital).
En esta tarea, se puede asumir que existen los dispositivos que adaptan la señal de los
sensores a los sistemas digitales. Estos dispositivos se conocen como acondicionadores
de señal, y en general se compartan como en la figura 3.
Valores típicos para el rango de las interfaces análogo-digital son [−10, +10] Voltios,
o [−5, +5] Voltios. En esta tarea 1, no es necesario simular la digitalización. Para el
caso de la RTD y la NTC, V ar sería resistencia del sensor en ohmnios [Ω], y para el
caso del termopar, sería el voltaje en la salida de la compensación de unión fría.
Tarea 1. Sistemas de Medición. MIM UTP Página 6 de 9
V oltios [V]
max
min
V ar [U]
min max
Donde νi [k] es el ruido de medida asociado con cada sensor i ∈ {1, 2, 3} que de nuevo,
se asume blanco gaussiano con media cero y varianza Ri . Esto es νi [k] ∼ N (0, Ri ).
Sugerencia 11: Que la función tome como parámetros: el tiempo actual y la ma-
triz de covarianzas para la simulación del ruido de proceso. Nota: Se puede
asumir que el tiempo es una variable monotonicamente creciente en intervalos
constantes.
Tarea 1. Sistemas de Medición. MIM UTP Página 9 de 9
Sugerencia 12: Utilice la ecuación dinámica del modelo de espacio de estados del
proceso, ecuación (1), para simular la secuencia de datos.
Sugerencia 13: Para la simulación del proceso, puede ser más conveniente integrar
las ecuaciones de medida en una sola, como la mostrada en la ecuación (2).
Te [k]
1 0 0 Ti [k] + ν2,3 [k]
~z = (2)
0 1 0
Pm [k]
Referencias
[1] Ramón Pallás Areny, Sensores y acondicionadore de señal, 4ta Edición, Alfaomega - Marcombo Editores, 2018.
[2] Yaakov Bar-Shalom, Thiagalingam Kirubarajan, and X.-Rong Li, Estimation with applications to tracking and
navigation, John Wiley & Sons, Inc., USA, 2002.
[3] Surankumar V. Sawai, Vidya Aswar, SadikTamboli, and Meera Khandekar, Mathematical modeling and analysis
of dynamic response of rtd using matlab, International Journal of Advanced Research in Electrical, Electronics
and Instrumentation Engineering 5 (2015), 4499 –4504.
[4] Joseph Wu, A basic guide to rtd measurements, Texas Instruments, 2018.