6 MODELOS DINAMICOS EMPIRICOS PARA CONTROL DE PROCESOS142 Control e insirumentacién de procesos quimicos 6.1, Introduccion Los modelos dindmicos basados en los prin- cipios fisicoquimicos fundamentales pueden lle- gar a ser tan complejos que su utilizacién para disefiar sistemas de control resulta préctica- mente inviable 0 no aconsejable. Piénsese, por ejemplo, que un modelo dinamico de una co- lumna de destilacién con 50 platos y 10 compo- nentes requeriré més de 1,000 ecuaciones dife- renciales. Ademds habria que disponer de los pardmetros que caracterizan el equilibrio de fa- ses en cada plato, la eficacia de los mismos y su hidraulica, El esfuerzo que requiere obtener es- tos pardmetros, plantear las ecuaciones y resol- verlas, slo esta justificado en casos muy par- ticulares, como por ejemplo, cuando se desea conocer el comportamiento dindmico en un amplio rango de condiciones de operacién. En este capitulo se presenta una alternativa empirica para la obtencién de modelos dina- micos de procesos quimicos. Esta altemnativa se conoce con el nombre de identificacién 0 carac- terizacidn empérica. Los modelos resultantes de aplicar este método empirico describen, de for- ma aproximada, la relacién dindmica entre cier- tas variables de entrada y salida seleccionadas. En el caso de una columna de destilacién, por ejemplo, el modelo que seria necesario obtener con la finalidad de disefiat el azo que controle Ia calidad del destilado (Figura 7.3), es el que relaciona el caudal de reflujo (variable de en- trada) con la composicién del destilado (varia- ble de salida). La caracterizacién empirica de un proceso parte de la formulacién de un modelo lineal simple, con unos pocos parémetros a ajustar, con el que se puedan aplicar técnicas bien cono- cidas y probadas de disefio de sistemas de con- trol. Los pardmetros del modelo se ajustan utili- zando los datos obtenidos en experiencias con- sistentes en someter al proceso a pequenos cambios en las variables de entrada (manipula- bles) en torno a las condiciones nominales de operacién. Este procedimiento general es, en esencia, una linealizacidn experimental y, por ello, el modelo resultante sélo seré vélido en tuna regidn estrecha en torno a las condiciones experimentales, Sin embargo, como ya se ha di- cho anteriormente, estos modelos lineales son de gran utilidad en Ja sintesis de sistemas de control. Por otro lado, el modelo empirico asi obtenido incluye la dinémica de todos los ele- mentos existentes entre la sefial o variable de entrada que se perturba y Ia variable de salida 0 sefial medida que se registra, es decir, incluye la dindmica del elemento final de control, la pro- pia dinémica del proceso y la dinémica del sen- sor-transmisor. Esto, lejos de set un inconve- niente, es una gran ventaja ya que proporciona toda la informaci6n necesaria para disefiar el sis- tema de control. El éxito de esta aproximacién empirica al modelado dinémico de procesos requiere satis- facer los principios generales del disefto de ex- periencias y del ajuste de modelos. En este capf- tulo se describirdn los dos métodos més utiliza- dos en la identificacién empfrica, el método de Ja curva de reaccién basado en un procedimien- to grafico y el método estadéstico basado en Ia aplicacién de técnicas estadisticas para deter- minar los pardmetros del modelo. 6.2, Metodologia general Para obtener un modelo empitico que ca- racterice adecuadamente el comportamiento dinémico de un proceso, es necesario seguir un procedimiento sistemético que consta bésica- mente de los siguientes pasos: Disefiar las experiencias a realizar. Ejecutar las experiencias programadas en las condiciones adecuadas Determinar el tipo de modelo adecuado. Estimar los parametros. Evaluar el modelo. Verificar el modelo. pe aus EI disefio de las experiencias requiere 1a consideracién de los aspectos que se describen a continuacién:Copitulo 6: Modelos dinémicos empiricos pra control de procesos 143 — Establecer las condiciones nominales de operaci6n en torno a las cuales se harén las experiencias. — Especificar las variables de entrada que se van a perturbar y la magnitud de los cambios que se efectuardn. — Seleccionar las variables de salida que deben ser registradas asi como, en su ca- s0, 1 intervalo de muestreo. — Especificar la duracién de cada expe- riencia. A la luz de lo expuesto es claro que el disefio. experimental requiere un conocimiento previo, aunque sea aproximado, de la respuesta dindmi- ca del proceso. Esta informacién se obtiene re- copilando experiencias previas 0 efectuando al- gunas pruebas preliminares. Por otro lado, se debe tener presente que durante la ejecucién de las experiencias es nor- mal que se produzcan perturbaciones no con- trolables, cuyos efectos se superpondrén al pro- ducido por la variable de entrada objeto del en- sayo. En un calentador continuo de agua, por ejemplo, puede variar la temperatura de entra- da del agua mientras se estd registrando la res- puesta de la temperatura de salida ante un cam- bio en Ia abertura de Ia valvula de vapor. Los datos de temperatura que se tomen en esas con- diciones no reflejarin exclusivamente el efecto del cambio en el caudal de vapor, sino la suma de los efectos de ambos cambios. Es esencial, por tanto, tener informacién de los cambios que se produzcan en todas las variables de entrada a lo largo de cada experiencia para evaluar su va- lidez. Aunque existen procedimientos con los que se determina una estructura apropiada para el modelo, en base a los datos experimentales re- istrados, lo usual en modelos dinémicos de aplicacién en el control de procesos es adoptar un modelo esténdar simple, cuya bondad se examina en la fase de evaluacién. En el mode- lado empirico de procesos quimicos se suelen utilizar modelos lineales de bajo orden (prime- ro o segundo) con tiempo muerto. Ello se debe a que la respuesta tipica de un proceso quimi- co, con multiples capacidades en serie y tiem- pos muertos de circulacién o medida, se puede aproximar con suficiente precisién por la que tiene un modelo de esas caracteristicas. Para estimar los parémetros del modelo con los que se consigue un buen ajuste a los datos experimentales, se presentan en este capitulo dos métodos, un método grafico basado en la curva de reaceién y un método estadistico. Si como es usual el modelo elegido es el de un tema de primer orden con tiempo muerto, los parémetros a calcular son tres: la ganancia es- tética, la constante de tiempo o retardo de pri- mer orden y el tiempo muerto o retardo puro. La evaluacién del modelo consiste en deter- minar cémo de bien se ajustan las predicciones del modelo a los datos experimentales utiliza- dos para calcular sus parémetros. Esta evalua- cién se realiza generalmente comparando gré- fica o numéricamente la respuesta del modelo con la respuesta del proceso. La verificacién del modelo con datos obte- nidos en experiencias adicionales es un paso que no suele Hlevarse a cabo. Sin embargo, es claro que resulta muy recomendable verificar la bondad del modelo con experiencias realiza- das en otros momentos y comprobar asi que las variaciones tipicas que experimenta cualquier planta de proceso a Io largo del tiempo no in validan el modelo obtenido. 6.3, El método de la curva de reaccion Este método es aplicable a procesos cuya respuesta a cambios en escalén en las variables de entrada sea de tipo sigmoidal (en “ese” ten- dida). Este tipo de respuesta es, como se ha di- cho en capitulos anteriores, la respuesta tipica de la mayorfa de los procesos quimicos. El mé- todo de la curva de reaccién utiliza un modelo de primer orden con tiempo muerto cuya fun- cién de transferencia general es ésta: ys) Kent u(s) 1¥es (0)144 Conirol e instrumeniacién de procesos quimicos En la Figura 6.1 se muestra la respuesta de este modelo a un cambio en escalén en la variable de entrada u(t). El método de la curva de reac- cién consiste entonces en determinar los paré metros del modelo (X, 7, 1,,) que mejor ajustan la respuesta del mismo a la respuesta del pro- ceso real. La aplicacién de este método requie- re llevar a cabo las siguientes acciones: — Llevar el proceso a las condiciones nomina- les de operaci6n de régimen permanente. — Con el controlador en manual, ejecutar un cambio en escalén en la sefial que va al elemento final de control. — Registrar la evolucién de la variable de salida (sefial de salida del sensor-trans- misor) hasta alcanzar el nuevo estado de régimen permanente. — Realizar los célculos apropiados para ob- tener los pardmetros del modelo. 6.3.1. Determinacién de los pardmetros de! modelo La determinacién de los parémetros se basa en dos caracteristicas especfficas de la respues- ta del sistema de primer orden con tiempo muerto: el cambio final que experimenta la va- riable de salida y la velocidad inicial de cam- bio. Ante un escalén de magnitud A esa res- puesta, para ¢>,, es la siguiente: se) = KA = ett donde y(s) representa la desviacién respecto del valor inicial de régimen permanente j. El cambio que habra experimentado la variable de salida y(0) al alcanzar el nuevo estado de ré- gimen permanente es éste: ay imy()= KA (63) La maxima pendiente de la curva se da en ¢ = ,, justo cuando arranca Ia respuesta: » dt De acuerdo con la ecuacién (6.3), la ganancia K del modelo se determina entonces dividiendo el cambio Ay experimentado por la variable de sali- da por la magnitud A del escalén de entrada: K=AY A Conocidas estas dos caracteristicas de la res- puesta a un escalén de un sistema de primer or- kA 5 (6.4) Figura 6.1, Respuesta de un modelo de primer orden con tiempo muerte.Copitulo 6: Modelos dinémicos empiricos para control de procesos 145 en con tiempo muerto, se trata ahora de util zarlas en la determinacién de los pardmetros Ty + del modelo del proceso real. Para ello existen varios procedimientos alternativos. El método de la maxima pendiente (Figura 62), propuesto originalmente por Ziegler y Nichols, consiste en obtener la constante de tiempo a partir de la tangente a la curva de reaccién en el punto de inflexién (tangente de maxima pendiente). Ha- ciendo uso de la ecuacién (6.4) que relaciona el valor de t con la maxima pendiente de la res- puesta del sistema de primer orden, se tiene: Ay. S, donde S,, es la maxima pendiente medida sobre la curva de reaccién. Finalmente, el tiempo muerto f,, se evaltia a partir de la interseccién de la tangente de pendiente 5,, con el valor ini- cial de la variable de salida (Figura 6.2). Una variante de este método se basa en que Ja respuesta a un escaldn de un sistema de pri- mer orden sin tiempo muerto aleanza el 63.2% de su valor final en un tiempo ¢ = 7. Trasladan- do esta consideracién al sistema de primer or- den tiempo muerto (ecuacién (6.2)) resulta: iy (63) siendo fg, el tiempo necesario para que la res- puesta del modelo de primer orden con tiempo muerto alcance el 63,2% de su valor final. Mi- diendo entonces ,, sobre la curva de reaccién (Figura 6.2) y calculando ¢,,, por el procedi- miento antes descrito, se obtiene facilmente la constante de tiempo 7. El principal inconveniente de estas dos va- riantes del método de la maxima pendiente ra- dica precisamente en trazar la tangente de ma- xima pendiente, especialmente en aquellos ca- sos en los que la sefial correspondiente a la variable de salida tenga mucho ruido o presente un comportamiento extremo (pendiente muy grande o muy pequeiia). Para solventar esta di- ficultad se ha propuesto calcular f,, y ta partir de los tiempos necesarios para alcanzar un 28,3, y un 63,2% del valor final de la respuesta. El sistema de primer orden sin tiempo muerto tar- da un tiempo ¢= 73 en alcanzar el 28,3% de la respuesta final; en efecto: Ay 0,283=1- 1% KA Por tanto, para el sistema de primer orden con tiempo muerto se puede escribir: ma tl3 tee (6.6) 28% Figura 6.2, Determinacién de K, ty , sobre la curva de reaccién.146 Combinando las ecuaciones (6.5) y (6.6) se ob- tiene: tg) Fn = tag ~ que son las ecuaciones de céleulo de ty 1, a partir de los tiempos fy. y t4, medidos sobre la curva de reaccién del proceso. Ejemplo 6.1 La Figura 63 muestra como disminuye la bume- dad de salida de un solido en un secadero de bandas cuando la sefial que lega a la vélvula que manipula cl caudal de combustible (valvula de “aire para abrir”) se inctementa en 4 mA. Se desean obtener los paré- metros de un modelo de primer orden con tiempo muerto que describa e] comportamiento dindmico del proceso. Asumiendo que el valor final de la humedad del Sélido es 3%, la ganancia estética seré ésta: Control ¢ instrumentacién de procesos quimicos Para obtener la constante de tiempo y el tiempo muerto se utilizarén los dos métodos gréficos descti- tos en el texto. A) Método de la méxima pendiente Trazando la tangente a la curva de reaccién de maxima pendiente se tiene que el punto de corte de Ja misma con el valor inicial de la humedad se pro- duce para t= 2. Por tanto el tiempo muerto es t,, = 2 min, La pendiente de esta tangente es la siguiente: 2-04 %/min ¥, por tanto, la constante de tiempo queda asf B) Método tay Midiendo sobre Ja curva de reaccién el tiempo transcurrido hasta alcanzar el 63,2% de la respuesta taa=3.40 5.0 45 40 humedad (2) ‘3.7 (63.2%) 35 tes tiempo (rin 5 6 7 8 8 10 méxime_pendiente 4 Ps daiwa daheactien TSmexima pendiente Figura 6.3. Curva de reacci6n de un secadero de bandas,Capitulo 6: Modelos dinémicos empiricos para control de procesos final (Ay = —1,26%) resulta f,5 = 5,35 min. Haciendo lo propio con el 28,3% (Ay = -0,57%) se obtiene un tiempo igual a 3.4 min. Por tanto: 3 (45 tog) =2,93 min ro Xionns)=293 2,43 min Nétese que los resultados obtenidos por ambos mé- todos no son iguales. La Figura 6.3 muestra la res- puesta del modelo con los dos conjuntos de paréme- ros obtenidos. Como cabia esperar, el método fg, ~tyy, que no Tequiere trazar la tangente de méxima pendiente, ofrece un mejor resultado. 6.3.2. Limitaciones del método de la curva de reaccién EI método de la curva de reaccién se basa, como se ha visto, en efectuar un cambio instan- tineo (escalén) en la variable de entrada. Este tipo de cambio puede lograrse facilmente cuan- do se trata de una variable manipulada sin mas que provocarlo en la sefial que llega al elemento final de control a través del controlador puesto en manual, Sin embargo, cuando se trata de mo- delar la relacién dindmica entre una variable de perturbacién y una variable de salida resulta dificil, si no imposible, provocar cambios en es- calén. Otro aspecto importante es la magnitud del escalén de entrada. Si es demasiado pequefio el efecto sobre la variable de salida también lo se- r4y tanto el ruido como las variaciones inevita- bles en otras variables de entrada tendrén una influencia notable en la curva de reaccién que se obtenga, Por otro lado, la magnitud del cam- bio tampoco puede ser muy grande debido a la no-linealidad de la mayoria de los procesos qui- micos y a la perturbacién que ello provocaria en el normal funcionamiento de la planta. Para comprobar si la no-linealidad es un problema se 147, suele recomendar realizar cambios de igual magnitud pero de distinto signo y comprobar que la diferencia en los parémetros K, ty ,, cal- culados con una y otra respuesta no es significa tiva. En el caso de que lo fuera podria optarse por adoptar la media aritmética como valor re- presentativo de los mismos. En relacién con la duracién de cada expe- riencia se recomienda que como minimo sea igual a 1,, + 41, Naturalmente esta cuestin s6lo puede ser comprobada a posteriori, a menos que se disponga de datos aproximados basados en experiencias pasadas o preliminares. Como Jos procesos quimicos suelen ser lentos, las ex- periencias pueden durar decenas de minutos y durante ese intervalo de tiempo no es extrafio que se produzcan cambios significativos en otras variables de entrada que, como se ha di- cho antes, afectarian a los resultados obteni- dos. Una forma de comprobar este extremo consiste en provocar al final de la experiencia un cambio de igual magnitud pero de signo opuesto en la variable de entrada. Si la variable de salida no vuelve al valor que tenfa antes de realizar el primer cambio, es claro que habré habido otros cambios y que los resultados ob- tenidos no serén fiables. La idoneidad del modelo lineal de primer orden con tiempo muerto puede chequearse comparando la respuesta real del proceso, es decir, la curva de reacciGn, con la respuesta del modelo. $i el ajuste no es bueno o si cambios en escalén de diferente magnitud y signo con- ducen a valores diferentes de los tres paréme- tros, este modelo lineal simple deberd ser cues- tionado. 6.4. Métodos estadisticos A diferencia con el método de la curva de reaccién, que esta limitado a modelos de primer orden con retardo puro y a cambios en escalén en las variables de entrada, los métodos estadis- ticos pueden aplicarse a otros tipos de modelos y 2 otros tipos de cambios en las variables de148 Control e instrumentacién de procesos quimicos entrada con lo que, potencialmente, son capa- ces de obtener mejores modelos empiricos. En este tema se presentara un método esta~ distico simple que, no obstante, permite alean- zar resultados suficientemente buenos para el propésito que se persigue. que no es otro que el de obtener un modelo satisfactorio para di- sefiar el sistema de control. Para aplicar este método estadistico simple es preciso realizar las siguientes acciones: — Llevar el proceso a las condiciones nomi- nales de régimen permanente. — Provocar una perturbacién en la variable de entrada del tipo que se quiera, pero que cause un efecto apreciable en la va- riable de salida. — Obtener valores de las variables de en- trada y salida con un intervalo de mues- treo constante, no siendo necesario espe- rar a alcanzar un nuevo estado de régi- men permanente. —Seleceionar el modelo dinémico lineal con el que se quiere describir el compor- tamiento del proceso, — Ajustar los pardmetros del modelo que se haya seleccionado, aplicando el méto- do de los minimos cuadrados. El método simple que a continuacién se de- sarrolla, requiere convertir Ia ecuacion diferen- ial correspondiente al tipo de modelo elegido en una ecuacién algebraica en diferencias. Para ello se dispone de una poderosa herramienta como es la transformada z. No obstante, aqui se utilizard un procedimiento mas simple, pero también apropiado, para mostrar cémo se utili- za el método estadistico. Por otro lado, y con el mismo propésito de mostrar de forma sencilla cdmo se aplica el método estadistico, también se utilizard en esta ocasidn el modelo de primer orden con retardo puro, cuya representacién matemética en el dominio del tiempo es ésta: a) ay(e (61) Ku(t-t,) En esta ecuacién, tanto la variable de salida y(f) como la variable de entrada u(?), represen- tan desviaciones respecto de los valores nomi- nales de régimen permanente, Asumiendo que 1,, ¢ un mtltiplo del intervalo de muestreo At, esto es, f,, = At y que u(t) permanece constan- te durante el intervalo de muestreo, la integra- cidn de Ia ecuacién (6.7) entre t,y 4, + At, con- duce a esta forma: Vier da: (68) siendo b=K(1-a) Sin fuese conocido, para calcular a y b a partir de una tabla de valores experimentales de y,,,, ¥;Y tq bastaria con aplicar una simple técnica de regresién lineal (ajuste por minimos cuadra- dos) para la cual se dispone de abundante soft- ware. Obtenidas las constantes @ y 6, el caleulo de ry K es inmediato (69) (6.10) El problema queda entonces reducido a la de- terminacién de 1 que es, como se ha dicho, un niimero entero. Una forma sencilla de hacerlo es repetir el cdlculo de a y 6 para diferentes valores de m y adoptar aquel con el que se consiga el mejor ajuste a los datos experimen- talesCopitule 6: Modelos dinémicos empiricos para control de procesos Eemplo 6.2 EI Cuadro 6.1 muestra la evolucién que experi- sent6 la temperatura en un reactor cuando se in- crement6 la concentracién de entrada de reactive. Se puede asumir que a lo largo de la experiencia no sembié ninguna de las restantes variables de entra- &. Aplicando el método estadistico se desean ajus- sar los pardmetros de un modelo de primer orden con tiempo muerto. Para aplicar el método estadistico es necesario en primer lugar escribir los datos correspondientes a las variables de entrada y salida como desviaciones sespecto de los valores nominales de operacién. El valor inicial de la variable de entrada es 35% y el de ta variable de salida se puede asumir que es 65 °C. Por tanto, los datos deberdn ser convertidos de acuerdo con las siguientes relaciones: =u -35 Yi=H- 65 A continuaci6n hay que asumir un valor para el tiempo muerto igual a un miiltiplo del intervalo de muestreo. En el Cuadro 6.1 se observa que la entra- da en escalén se produce para r= 12 min y que la respuesta arranca claramente 6 minutos después ((= 18 min). En consecuencia se asume en principio que el tiempo mucrto es tres veces el intervalo de mues- treo (n = 3). El cuadro siguiente muestra los datos una vez transformados y ordenados en la forma adecuada para aplicar el método estadistico. 149 Cuanko 6.2. Muestreo % 9 Ye 1 0,35 ° 0,30 2 0,30 0 0.41 3 ot ° 0,28 4 0,28 ° 0,45 5 OAs ° 0,32 6 0,32 ° 0,03 z 0,03 0 0,04 8 0,04 0 0,32 9 032 0 0,22 10 0,22 a 1,32 n 1132 a 2,33 Introduciendo estos datos en una hoja de cétculo y aplicando un método de regresi6n lineal mailtiple para ajustar los pardmetros de la ecuacién (6.8) se. ha obienido: a=0,7664 b=0,1725 con un coeticiente de correlacién 7? = 0,973. Repi- tiendo este proceso con n = 2.y n= 4¢ obtienen coc- ficientes de correlacién mas bajos por lo que se acepta n = 3, es decir, un tiempo muerto de 6 min. Una vez conocidos a y 6, utilizando las ecuaciones (69) y (6.10) se tiene: 2 = 15,03. mi ney min 0.1725 OATS 0.738 °C) 70,7664 71738 °C/% En la Figura 64 se compara la respuesta del proceso con la del modelo observéndose que Ia concordan- (CUADRO 6.1, Respuatia de un reactor © un combio on la concentracién de entrada (Ejemplo 6.2). Tiempo | Entrada | Salide | Tiempo | Entrodo | Salida | Timpo | Enrada | Solide (ein) te ec (rin) i) Fe) (ont re re) ° 35 64,65 18 43 66,32 36 43 70,27 2 35 64,70 20 a 67,33 38 43 70.97 4 35 65,41 2 43 67.92 40 43 71:30 6 35 65.28 2 4a 68,45 42 43 71,30 a 35 64,55 26 4a 69,09 44 43 7051 10 35 65,32 28 43 70,00 46 43 69,86 12 a3 64,97 30 43 70,25 48 43 70,86 4 43 64.96 32 43 69,78 50 43 71,20 16 4a 64,68 34 43 65,22 32 43 71,00150 Controle insirumentacién de proceses quimicos cia es aceptable, lo que permite concluir que el mo- delo de primer orden con tiempo muerto es adecua- do para este proceso. 6.4.1. Consideraciones sobre al método estadistico Aunque en el ejemplo precedente se ha uti- lizado una entrada en escalén es importante re- cordar que puede utilizarse cualquier tipo de entrada que produzca un efecto apreciable so- bre la variable de salida. Este hecho es particu- larmente importante cuando se desea obtener el modelo dinémico que relaciona una pertur- bacién no manipulable (pero medible) con una variable de salida. Al igual que con el método de Ia curva de reaccién es importante que el ruido no tenga una magnitud comparable al efecto que producen los ‘cambios realizados o experimentados por las va- riables de entrada. Si ast fuera habria, que utli- zar métodos estadisticos mas complejos que caen fuera del contexto de esta obra. En relacion con la duracién de la experien- cia, es conveniente que la variable de salida al- cance como mfnimo un 63% de su valor final para poder estimar la ganancia estdtica con precision suficiente. Por tiltimo, es claro que el tiempo muerto no puede ser estimado con una precisién superior a Ia del intervalo de muestreo utilizado. Como re- gla general se recomienda que el intervalo de miuestreo sea AS 0,1 (t+ 1,,)- 6.5. Observaciones finales y conelusiones El modelo lineal de primer orden con tiem- po muerto es apropiado para procesos cuya respuesta a un escalén sea de tipo sigmoidal Aunque la mayorfa de los procesos exhiben es- te tipo de respuesta, hay algunos que presentan una respuesta subamortiguada con oscilaciones © una respuesta inversa. Para estos procesos se requiere una estructura de modelo diferente asi como métodos estadisticos més complejos. temo ( \ curve ae reaccion respuesta de! modelo 30 Figura 6.4. Respuesta de wn reactor a un cambio ei -n la concentracién de entrada (Ejemplo 6.2).Capitulo 6: Modelos Otra técnica de identificacién de procesos gue no se discute en esta obra se basa en deter- sainar experimentalmente la respuesta en fre- cuencia, Para ello habria que introducir cambios Snusoidales de distinta frecuencia en las varia~ bles de entrada y medir la amplitud y el éngulo de fase en las variables de salida, Esta técnica, gue puede ser muy titil para sistemas fisicos (cir- cuitos eléctricos por ejemplo) no suele aplicarse 2 procesos quimicos por las perturbaciones que ocasionaria en la planta. Una alternativa més aconsejable para obtener la respuesta en fre- cvencia del proceso se basa en la ransformada de Fourier, con la que seria posible utilizar cual- quier tipo de entrada como en los métodos esta- disticos. Los métodos presentados en este capitulo se han desarrollado para modelar relaciones dind- micas entre variables en procesos no controla- 151 dinémicos empiricos para control de procesos dos, esto es, con el sistema de control en ma- nual. Existen, sin embargo, otros métodos de identificacién en iinea capaces obtener los paré- metros del modelo mientras el proceso estd siendo controlado. Estos métodes han permiti- do desarrollar técnicas avanzadas de control co- mo el control adaptativo. A modo de conclusién es importante recor- dar que los modelos dinémicos son s6lo aproxi- maciones al comportamiento dindmico real del proceso, ya que ni la estructura del proceso es tan simple como la del modelo, ni los parame- tros de éste se pueden determinar con exacti- tud, Esto no ha impedido que los sistemas de control disefiados en base a estos modelos fun- cionen correctamente. Las técnicas de disefio son suficientemente robustas como para hacer frente a errores en la caracterizacién del com- portamiento dindmico de proceso. PROBLEMAS PROPUESTOS 1. Utilizar el método t,, — fs para ajustar el modelo correspondiente al reactor cuya respuesta dindmi- ca se recoge en el Cuadro 6.1 (Bjemplo 6.2). La Figura 6.5 muestra Ia respuesta a un escalén de magnitud Aw = 1 en ¢= I min del sistema cuya funcién de transferencia e 5 oe sty a) Obtener mediante el método de la maxima pendiente los parémetros de un modelo de primer orden con tiempo muerto. 10 20 30 480 Figura 6.5. Respuesta a un escalén en = 1 de un sistema de cuarto orden.152 ) Obtener mediante el método tty, los paré- metros de un modelo de primer orden con tiempo muerto. Los datos incluidos en el Cuadro 6.3 muestran la respuesta numérica de un sistema de primer or- den con tiempo muerto a una entrada en escalén de magnitud Au =2 en ¢=0. Aplicando el método estadistico obtener los parémetros K, Ty 1,, del sistema. Por qué no es posible aplicar el método yy fg Beste ca507 Los datos del Cuadro 64 se han tomado mues- treando cada 0,5 min la humedad del sélido se- Control e instrumentacién de procesos quimicos cado en el secadero de banda del Ejemplo 6.1 Recordando que esa curva de reaccién corres- ponde a un ineremento de 4m en la variable de entrada (sefial a la valvula de combustible), ajus. tar los pardmetros del modelo de primer orden con tiempo muerto aplicando el método estadis. tico. Comparar estos parémetros con los obteni dos on el Ejemplo 6.1. Los datos del Cuadro 6.5 corresponden a la res- puesta del sistema de cuarto orden del Problema 2. Aplicando el método estadistico obtener los parémetros de un modelo de primer orden con tiempo muerto, (CUADRO 6.3, Respuedia de un sistema de primar orden con tiempo mustto Tiempo Tiempo Tiemes i Tiempo ida Solida Salida lide fminy | Set {rin} rin) {min} Sel jo ° 10 ° 20 3,935 3.0 6321 | 02 o 12 0.952 22 4780 32 6671 | oa 0 iv 1813 2a 5,034 34 6,988 08 ° 16 2592 26 5,507 36 7275 08 0 13 37300 28 5,934 38 7,534 CuapR0 6.4, Respuesta de un tecedero de bonds. Tiempo | Humedsd | Tiempo Times | Humeded | Tiempo | Humedad imi) |) (rir| Irn) cel {rin} 6) { 0 5,00 3.0 6.0 355 90 3,07 os 5,00 35 65 345 85 3,03 1.0 495 40 7.0 3735 10.0 3,30 15 493 45 75 3.25 10,5 299 20 485 50 80 315 25 470 55 as 310 CUADRO 6.5, Respuesta de un sistoma de cvarto orden, Tiempo Tiempo Tiempo Tiempo @ i 6) Yn be) Ym (i Ym ° 0,00 8 1.07 16 370 24 474 1 0.00 9 143 7 391 25 479 | 2 900 10 180 18 410 26 4183 3 0,03 nu 217 9 426 7 4,87 4 0,10 2 253 20 439 28 4:89 5 0.25 13 297 21 451 29 492 6 0.47 14 317 22 460 30 494 7 074 15 345 23 468