Estefania Angel Clavijo

Laura Berrio

CASO DE ESTUDIO: SISTEMA DE NIVEL

Taller 2. Describe matemática y numéricamente el sistema dinámico

1. Función de transferencia obtenida a partir de los datos. Debe incluir la gráfica obtenida a
partir de los datos tomados

Sabemos que,
y f − y 0 0.04 9−0
k^ = = =1m
u f −u0 0.04 9
τ^ =T 63−T δ
Donde T 63 es el tiempo en que la salida alcanza el63,2 % de y f − y 0
( y f − y 0 )∗0.632=0.0 49*0.632=0.030968 m
como no tenemos retardo T δ =0
τ^ =20.1 s
Por lo tanto, la función de transferencia es
y (s ) k
=
u (s ) τs +1
y (s ) 1
=
u (s ) 20.1 s +1
Estefania Angel Clavijo
Laura Berrio

2. Ecuación diferencial lineal obtenida a partir de las leyes que describen el fenómeno

3. Comparar la constante de tiempo obtenida a partir de los datos con la obtenida del modelo
de base fenomenológica. Concluya al respecto
Del modelo de base fenomenológica tenemos que
θu
θy
G ( s )=
1
s +1
θy
Donde,
θu 1
k= y τ=
θy θy
Remplazando
0.0309 1
k= =1m y τ= =32.36 s
0.0309 θy
k^ =1 m
τ^ =20.1 s

4. (0,6) Comparar la ganancia obtenida a partir de los datos con la obtenida del modelo de base
fenomenológica. Concluya al respecto

5. (1,0) Simulador donde se compara el sistema lineal con el no lineal en Matlab.

Si usamos directamente Matlab la opción que tenemos es trabajar en el dominio del tiempo y usar
ODEs para resolver nuestro problema.

Lo primero que debemos hacer es definir las constantes:

clear all
close all
clc

iflag = 0;

param.g = 9.8; % [m^2/s]

param.A = pi*(((7.2/100)/2)^2); % [m^2]
param.A0 = pi*(((4/1000)/2)^2); % [m^2]
param.A1 = pi*(((4/1000)/2)^2); % [m^2]

Como recomendación las variables de perturbación y variable manipulada la definimos en el archivo

que contiene la ecuación diferencial.
Estefania Angel Clavijo
Laura Berrio

Condiciones iniciales
Definición del estado estacionario

y_EE = eps; % [m]

Tiempo de simulación
Es necesario definir el tiempo de la simulación. En nuestro caso definimos un tiempo inicial = 0 y un
tiempo final = 150 s

tspan = [0 150]; % [s]

Ecuaciones diferenciales
Una vez que el código pasa por esta linea se llama la función dydt

[t,y] = ode45(@dydt, tspan, y_EE, '', param);

Gráfica de la concentración de las especies en el tiempo

Una vez se soluciona la ecuación diferencial, podemos usar los resultados de diferentes maneras.
En nuestro caso nos interesa graficar cómo cambia el nivel del tanque a través del tiempo

plot(t, y, 'LineWidth', 2, 'Color',[1 0.4 0.6])

Warning: Imaginary parts of complex X and/or Y arguments ignored.

title('Ecuación diferencial no linelizada')

xlabel('Tiempo (s)')
ylabel('Nivel en el tanque (m)')
grid minor
Estefania Angel Clavijo
Laura Berrio

Linealización de la Ecuación diferencial

Se utilizará el comando Jacobian para encontrar la ecuación diferencial linealizada

% Estado estacionario
uEE = 4.9/100; % [m]
yEE = 4.9/100; % [m]

% Definición de variables simbólicas

syms U Y

% Función de base fenomenológica

F = ((sqrt(2*param.g))/param.A) * (param.A1*sqrt(U) - param.A0*sqrt(Y));

% Linealización del modelo

thetaY = jacobian(F, Y);
thetaU = jacobian(F, U);

Y = yEE;
U = uEE;

ThetaY = eval(thetaY);
ThetaU = eval(thetaU);

% Matriz de vectores entre 0 y 1 para la gráfica

y1 = 0:0.005:0.1; % Vectores del modelo no lineal
yl = y1 - yEE; % Vectores de desviación
Estefania Angel Clavijo
Laura Berrio

% Función Lineal
Fl = ((sqrt(2*param.g))/param.A) * (param.A1*sqrt(U) - param.A0*sqrt(y1));

% Función No lineal
b = eps; % Intercepto con el eje vertical
Fnl = ThetaY*yl + ThetaU*b;

6. Gráfica donde se compara el sistema lineal con el no lineal. Debe tener título, nombre de
los ejes, numerar los ejes, cuadricula y leyenda

Gráfica Modelo no lineal vs. Modelo lineal

figure
plot(y1, Fl,'LineWidth', 2, 'Color', 'k')
hold on
plot(y1, Fnl,'LineWidth', 2, 'Color', 'r')
title('Modelo no lineal vs. Modelo lineal')
xlabel('Nivel del agua [m]')
ylabel({'Cambio del nivel del agua respecto al tiempo'; 'dy/dt [m/s]'})
legend('Modelo no lineal','Modelo linealizado', "Location","best")
grid minor

Se puede notar que el modelo lineal representa muy bien al modelo no lineal cerca al estado
estacionario

iflag = 1;
Estefania Angel Clavijo
Laura Berrio

return;

Ecuación diferencial
function f = dydt(t,y,param);

Vamos a definir los niveles del agua en los vasos como constantes

deltaU = 4.9/100; % [m]

if t < 25
EE = 0;
else
EE = 1;
end

Finalmente definimos la ecuación diferencial

f = ((sqrt(2*param.g))/param.A) * (param.A1*sqrt(deltaU) - param.A0*sqrt(y)) *

EE;
end