1
Proyecto final de modelado, control PID y
simulación
J. Perdomo1, M. Adames1, M. Andrés1, Coautor: PhD. Sergio E. Pinto C1
1
Universidad de Panamá
Abstract— consists of the analysis, resolution and
representation of different multiple input and multiple
output systems to which control methods must be applied
to obtain stable systems.
Keywords— Control, PID, modeling, simulation, systems
Resumen— consiste en el análisis, resolución y
representación de distintos sistemas de tipo múltiples
entrada y múltiples salidas a los cuales se les debe aplicar
métodos de control para poder obtener sistemas estables.
Palabras clave— Control, PID, modelado, simulación,
sistemas
I. INTRODUCCIÓN
E
STE artículo describe desde los fundamentos teóricos
hasta la aplicación práctica del control PID para la
respuesta en sistemas automatizados; se busca que bajo
diversos métodos utilizados para aplicar control, estos puedan
marcar la diferencia en los sistemas propuestos para su
desarrollo y debido análisis, junto con el modelado y
simulación obtener respuestas eficientes sobre la estabilidad o
control sobre las variables propuestas para este.
II.MARCO TEÓRICO
Los sistemas de control son un grupo de elementos
interrelacionados y diseñados para lograr una meta específica,
es decir, este estilo de sistema efectúa acciones en dispositivos
con la finalidad de regular, guiar o dirigir el comportamiento
de un sistema en un ambiente definido.
Es posible encontrar un sistema de control en varios
dispositivos de diverso orden, ya sea eléctrico, neumático,
mecánico, entre otros; cada aparato funciona como base para
que los sistemas de control ajusten el comportamiento de este
y pueda mantener una cierta condición o estado de un sistema,
ya sea su temperatura, presión, velocidad, etc.
Asimismo, dichos sistemas pueden ser controlados manual o
automáticamente, sin embargo, a pesar de que hacen uso de
distintos aparatos, los sistemas de control tienen que seguir
una lógica de al menos 3 elementos base:
 Una variable que se busca controlar, como el
producto cuando se coloca en los contenedores
industriales
 Un actuador, cuando se ejecuta la acción de una
máquina como bomba mecánica o eléctrica
 Un punto de referencia o ‘set-point’, que es cuando
se determina el límite.
Los sistemas de control están compuestos por sensores,
actuadores, controladores, dispositivos de entrada y salida,
unidades de procesamiento de datos, unidades de control y
unidades de memoria; es por eso por lo que son útiles en las
siguientes aplicaciones: mega industrias modernas, refinerías
de petróleo, plantas de gas, fábricas de papel, plantas de
distribución eléctrica, infraestructuras de telecomunicaciones.
Añadido a esto los sistemas de control son usado para
controlar una gran variedad de procesos, como máquinas
industriales, equipos eléctricos, sistema de seguridad, sistemas
de calefacción y refrigeración, y sistemas de información.
El objetivo de los sistemas de control es detectar cualquier
cambio que haya en el proceso que se controla, pero también
deben mantener ese proceso dentro de unos límites
preestablecidos; en ocasiones, estos límites pueden ser
variables, como la temperatura, la presión o el nivel de
líquido.
Un lenguaje específico y algoritmos proporcionan una
retroalimentación que, algunas veces, sirve para controlar el
proceso, llegando a utilizar los siguientes tipos de sistemas de
control dependiendo de cuál sea el objetivo por alcanzar.
Los sistemas de control de lazo abierto se caracterizan por
carecer de información o de retroalimentación sobre la
variable a controlar, de manera que la salida no depende de la
entrada, por lo que este estilo de sistema se suele emplear en
procesos y dispositivos en donde la variable es predecible,
dando lugar a que haya márgenes de error.
Los sistemas de control de lazo cerrado son todo lo contrario
al bucle abierto, pues el control de la información sobre la
variable sí está presente, habiendo incluso retroalimentación
sobre los estados que se van ejerciendo, de forma que la
información sobre la variable trabaja de forma estratégica y no
hay cabida para los errores.
A. Sistema de tanques
Un Sistema multivariable de tanques se refiere a un Sistema
físico compuesto por varios tanques interconectados, donde
cada tanque contiene un líquido y está equipado con sensores
y actuadores.
 2

La característica de multivariable se refiere al hecho de que C ( s ) Ke−Ls

presenta múltiples parámetros a considerar, generalmente los
niveles de líquidos en los diferentes tanques, los cuales están
interrelacionados y que deben ser controladas
simultáneamente para lograr un comportamiento deseado del
sistema en su conjunto.
El controlar el nivel y el flujo entre tanques es un problema
básico de control en procesos industriales, estos procesos
requieren líquidos siendo bombeados y tanques de
almacenamiento, desde donde serán impulsados a otros
procesos. En ocasiones estos fluidos serán procesados
químicamente o mezclados en otros tanques de tratamiento,
pero sin importar el proceso siempre el nivel de los tanques
debe ser controlado, y el flujo entre los tanques debe ser
regulado. A menudo los tanques son acoplados y los niveles
interactúan entre sí, y esto también tiene que ser controlado.
B. Sistema de carro
Sistema que presenta varios carros interconectados que se
mueven en una vía o red de vías interconectadas. Cada carro
posee su propio conjunto de sensores y actuadores para medir
y controlar diversas variables como velocidad, posición,
aceleración, entre otros.
El objetivo del sistema de control sería coordinar los
movimientos de estos carros de manera eficiente y segura.
G p ( s )= =
U ( s ) τs+1
Posterior se pueden obtener los parámetros del sistema de
primer orden con retardo de la siguiente forma: el retardo y la
constante de tiempo se obtiene dibujando la tangente en el
punto de inflexión de la curva sigmoidal y determinar las
intersecciones de la línea tangente con el eje del tiempo y el
eje donde c ( t ) =K .
También se puede obtener respuesta aproximando a un
sistema de segundo orden sobreamortiguado a dinámicas
semejantes a un sistema de primer orden.
B. Método de Ziegler-Nichols de lazo cerrado
Para este método inicialmente se coloca la parcela integral y
derivativa en cero y únicamente se comienza a aumentar
experimentalmente la ganancia proporcional del controlador
paulatinamente hasta conseguir prácticamente una onda
senoidal pura, es decir una respuesta oscilatoria con una
amplitud constante.
Con el valor obtenido para la respuesta oscilatoria con una
amplitud constante, lo que nos indica que dicha ganancia que
consiguió esa respuesta será nuestra ganancia límite, ganancia
última o ganancia crítica ‘Ku’ y a partir del gráfico se calcula
el periodo crítico ‘Pu’.

III.METODOLOGÍA
C.Método de estabilidad de Routh-Hurwitz
Para el análisis y desarrollo de los problemas propuestos se
Utilizando este método para determinar la estabilidad del
utilizaron los siguientes métodos:
sistema de control, se toma un polinomio, es decir la ecuación
característica o denominador de la función de transferencia de
A. Método de Ziegler-Nichols en lazo abierto lazo cerrado.
Este método indica que el controlador se coloca en modo
manual para poder generar una variación del tipo escalón en la Tenemos que asumir que el criterio de estabilidad de Routh-
propia salida del controlador PID. Hurwitz será un algoritmo el cual se resuelve secuencialmente
de la siguiente forma:
n
Esto indica que la planta o función de transferencia del s
sistema, en su entrada recibirá una entrada del tipo escalón s
n−1
unitario y a partir de la respuesta de salida se obtienen los n−2
parámetros del PID. A este método también se le conoce como s
n−3
la curva de reacción del Ziegler-Nichols. s

Un requerimiento es que el sistema tenga un comportamiento s

n
an a n−2 a n−4
del tipo sigmoidal o forma de S, esto quiere decir que la
respuesta no puede tener sobre impulsos en lazo abierto, ni s
n−1
a n−1 a n−3 a n−5
demostrar una dinámica integradora que crezca s
n−2
b1 b2 b3
constantemente con el tiempo. n−3
c1 c2 c3
s
La curva ‘S’ esta definida por 2 constantes, que son el retardo
El criterio consiste en observar la primera columna de la tabla
en el tiempo ‘L’ y por la constante de tiempo ‘τ’, esto quiere
que nos indica el número de polos o raíces inestables en donde
decir que viene dado por un sistema de primer orden con
el número de cambios de signo en la primera columna
retardo, cuya función de transferencia es:
corresponde al número de polos inestables que posee el
sistema.
 3

r1 = 50;
IV. RESULTADOS r2 = 50;
r3 = 50;
Desarrollo del problema propuesto de tanque: a1 = 0.0285;
a2 = 0.0457;
a3 = 0.0914;
% Definir matrices del sistema
A = [-1/(r1*a1) 0 0;
1/(r1*a2) -1/(r2*a2) 0;
0 1/(r2*a3) -1/(r3*a3)];
B = [1/a1; 0; 0];
C = [0 1 1];
D = 0;
% Obtener TF
Gs = simplify(C * inv(s * eye(size(A)) - A) * (B + D));
% Mostrar matriz
disp("G(s) =");
disp(Gs);
disp("G(s) =");
pretty(Gs);
%------------------------------------
% Datos para controlador
% Primer método:
Fig. Modelo de los tanques k = 1; %valor del escalón de entrada
l = 1.5; %valor intersección
t = 23.5; % valor de retardo
disp("primer metodo");
Variables que controlar: kp = t/(k*l)
h3 y q3(t) (altura del último tanque y flujo de salida). disp("---------------------");
kp = 0.9 * (t/(k * l))
Modelado matemático de los tanques: ki = 1*(l/0.3)
disp("---------------------");
Primer tanque: kp = 1.2 * (t/ (k*l))
ki = 1/(2 * l)
kd = 0.5 * l
% Segundo método:
ku = 250; % ganancias hasta sistema cuasiestable
tu = 0.101; % Tiempo para un periodo de ku
disp("segundo metodo");
kp = 0.5 * ku
disp("---------------------");
kp = 0.45 * ku
ki = 1/(tu/1.2)
disp("---------------------");
Segundo tanque: kp = 0.6 * ku
ki = 1/(tu/2)
kd = tu/8

% tercer método:
ku = 3682.2910; % Calcular ku
tu = 2.5523; % Calcular tu
disp("Tercer metodo");
kp = 0.5 * ku
disp("---------------------");
kp = 0.45 * ku
ki = 1/(tu/1.2)
Tercer tanque: disp("---------------------");
kp = 0.6 * ku
ki = 1/(tu/2)
kd = tu/8

Descripción del código:

En la primera sección se definen variables y variables
simbólicas. Las variables son nombres que se usan para
Matrices del sistema: almacenar valores numéricos o de otros tipos. Las variables
simbólicas son nombres que se usan para representar
expresiones matemáticas simbólicas, como funciones,
polinomios, matrices, etc. En esta sección, se define una
variable simbólica s, que se usará para representar la variable
compleja de la transformada de Laplace. También se definen
seis variables numéricas: r1, r2, r3, a1, a2 y a3, que se usarán
para definir las matrices del sistema.
En la segunda sección se definen las matrices del sistema. Las
matrices son arreglos bidimensionales de números o de otros
tipos de datos. En esta sección, se definen cuatro matrices: A,
B, C y D, que se usan para representar la forma de espacio de
estados de un sistema dinámico. La forma de espacio de
estados es una forma de modelar el comportamiento de un
sistema en función de sus variables de estado y sus entradas y
salidas. La ecuación general de un sistema en forma de
Código utilizado en Matlab para obtener los resultados: espacio de estados es:
ẋ (t )= A x ( t ) + Bu ( t )
% Variables y variables simbólicas
syms s
 4

y ( t ) =C x ( t ) + Du ( t )
Donde x(t) es el vector de estado, u(t) es el vector de entrada,
y(t) es el vector de salida, y A, B, C y D son las matrices de
estado, entrada, salida y transmisión directa, respectivamente.
En la tercera sección se obtiene la función de transferencia del
sistema. La función de transferencia es una forma de
representar la relación entre la entrada y la salida de un
sistema en el dominio de la frecuencia compleja. La función
de transferencia se obtiene aplicando la transformada de
Laplace a la ecuación de salida del sistema y resolviendo para
Fig. Grafica de la segunda derivada
la razón entre la salida y la entrada. La ecuación general de la
función de transferencia de un sistema en forma de espacio de
estados es:
G ( s )=C ( sI− A )( B+ D )
Donde s es la variable compleja de la transformada de
Laplace, I es la matriz identidad, y G(s) es la función de
transferencia. En esta sección, se usa la función “simplify”
para simplificar la expresión de la función de transferencia, y
se almacena el resultado en la variable Gs.
La cuarta sección muestra la matriz de la función de
transferencia. En esta sección, se usan las funciones “disp” y Fig. L y t.
“pretty” para mostrar el valor de la variable Gs en la ventana
Se obtuvo lo siguiente de la segunda derivada:
de comandos. La función “disp” muestra el valor de una
variable sin formato, mientras que la función “pretty”muestra L= 1.5 t= 23.5
el valor de una variable con un formato más legible. Utilizando los valores obtenidos y los resultados de código presentados
La quinta sección define datos para el controlador. El anteriormente, se construyeron los diferentes sistemas de PD, PI, PID:
controlador es un dispositivo o un algoritmo que se usa para
regular el comportamiento de un sistema, modificando su
entrada en función de la salida deseada. En esta sección, se
definen tres métodos para diseñar un controlador
proporcional-integral-derivativo (PID) para el sistema. Un
controlador PID es un tipo de controlador que usa tres
parámetros: la ganancia proporcional (kp), la ganancia integral
(ki) y la ganancia derivativa (kd). La ecuación general de un
controlador PID es:
Fig. diagrama de bloque de PD.
de ( t )
u ( t )=k p e (t ) +k i∫ e (t ) dt+ K d
dt
Donde u(t) es la entrada del sistema, e(t) es el error entre la
salida deseada y la salida real del sistema, y τ es una variable
de integración.
Resultados obtenidos:

Primer método:

Fig. Gráfica de PD

Fig. Segunda derivada para obtener L y t.

Fig. diagrama de bloque de PI.

 5

1
K i=
2∗L
L
Kd=
2
Segundo método:

Fig. Gráfica de PI.

Fig. Sistema de obtención de datos

Fig. diagrama de bloque de PID.

Fig. Grafica de obtención de periodo y tiempo ultimo

De esta gráfica se obtienen los siguientes valores:

K u=250t u=0.101
Utilizando los valores obtenidos y los resultados de código
presentados anteriormente, se construyeron los diferentes
sistemas de PD, PI, PID:

Fig. Gráfica de PID.

Este método usa el valor del escalón de entrada (k), el valor

de intersección (l) y el valor de retardo (t) para calcular los
parámetros del controlador PID. Estos valores se pueden
obtener a partir de la respuesta al escalón del sistema, que es la
salida del sistema cuando la entrada es una función escalón. Fig. diagrama de bloque de PD.
El valor de intersección es el valor de la salida del sistema
cuando el tiempo es cero, y el valor de retardo es el tiempo
que tarda la salida del sistema en alcanzar el 50% del valor
final. En este método, se calculan tres posibles combinaciones
de parámetros del controlador PID, usando las siguientes
fórmulas:
Para un sistema PD:
t Fig. Gráfica de PD.
K p=
K∗L
Para un sistema PI:

k p=0.9∗ ( K∗Lt
)
K =k (
0.3 )
L
i

Para un sistema PID: Fig. diagrama de bloque de PI.

K p=1.2
t
K∗L ( )
 6

1
K i=
Tu
2 ( )
Tu
Kd=
8
Tercer método:
Fig. Gráfica de PI. Este método es similar al segundo método, pero usa otros
.
valores de Ku y Tu los cuales se calculan de forma diferente;
estos se obtienen mediante el teorema de estabilidad de Routh
Hurwitz. En este método, se usan las mismas fórmulas que en
el segundo método para calcular los parámetros del
controlador PID.
Cálculos de Ku y Tu:

Fig. diagrama de bloque de PID.

Fig. Gráfica de PID.

Este método usa la ganancia (Ku) hasta que el sistema se

Fig. diagrama de bloque de PD.
encuentre en un estado cuasiestable y el tiempo para un
periodo de ku (Tu) para calcular los parámetros del
controlador PID. La ganancia del sistema para lograr que el
este alcance un estado cuasiestable, es la ganancia máxima,
esta puede aplicar al sistema sin que se vuelva inestable, y el
tiempo para un periodo de Ku es el tiempo que tarda la salida
del sistema en completar un ciclo cuando la ganancia es igual
a ku. En este método, se calculan tres posibles combinaciones
de parámetros del controlador PID, usando las siguientes
fórmulas: Fig. Gráfica de PD.
Para un sistema PD:
Ku
K p=
2
Para un sistema PI:
0.45
k p=
Ku
1 Fig. diagrama de bloque de PI.
K i=
( )
Tu
1.2
Para un sistema PID:
K p=0.6 ( K u )
 7

Fig. Gráfica de PI.

Fig. diagrama de bloque de PID.

Segundo carro:

Fig. Gráfica de PID.

Desarrollo del problema propuesto de carros con masa:
Tercer carro:

Fig. Modelo de los carritos sin fricción

Las variables que se obtendrán a la salida de este sistema Con este sistema de ecuaciones podemos crear diversas
serán: combinaciones para obtener las matrices de espacio de estado:
X 3 =dezplazamiento Ẍ 3= Aceleraci ó n
Matrices del sistema 4x4:
Modelo matemático:

Primer carro: Matrices del sistema 6x6:

 8

disp("#############################################");
%------------------------------------
%| Datos para controlador |
%------------------------------------
%reemplazar los valores de las variables que conforman el PID.
%#######################################
% Primer método:
k = 1; %valor del escalón de entrada
l = 1.5; %valor intersección
t = 23.5; % valor de retardo
disp("primer metodo");
kp = t/(k*l)
disp("---------------------");
kp = 0.9 * (t/(k * l))
ki = 1*(l/0.3)
disp("---------------------");
kp = 1.2 * (t/ (k*l))
ki = 1/(2 * l)
kd = 0.5 * l
disp("---------------------");
%#######################################
% Segundo método:
ku = 250; % ganancias hasta sistema cuasiestable
tu = 0.101; % Tiempo para un periodo de ku
disp("segundo metodo");
kp = 0.5 * ku
disp("---------------------");
kp = 0.45 * ku
ki = 1/(tu/1.2)
disp("---------------------");
kp = 0.6 * ku
Código utilizado en Matlab: ki = 1/(tu/2)
kd = tu/8
disp("---------------------");
% Variables y variables simbólicas %#######################################
syms s; % tercer método:
k1 = 5; ku = 3682.2910; % Calcular ku
k2 = 4; tu = 2.5523; % Calcular tu
k3 = 4; disp("Tercer metodo");
c1 = 2; kp = 0.5 * ku
c2 = 2; disp("---------------------");
c3 = 2; kp = 0.45 * ku
m1 = 4; ki = 1/(tu/1.2)
m2 = 5; disp("---------------------");
m3 = 5; kp = 0.6 * ku
%################################################################# ki = 1/(tu/2)
% sistema de matriz [6 x 6] del problema dado kd = tu/8
%################################################################# disp("---------------------");
A = [0 1 0 0 0 0; %#######################################
(2*k1)/(m1) k1/m1 0 (2*c1)/m1 c1/m1 0;
0 0 1 0 0 0;
0 (k3-k2)/m2 (k2-k3)/m2 0 (c3-c2)/m2 (c2-c3)/m2;
0 0 0 0 0 1;
Descripción del código:
0 k3/m3 k3/m3 0 c3/m3 c3/m3]; Está dividido en tres métodos donde los mismos calculan los
B = [0; 0; 0; 0; 0; 1/m3];
C = [0 0 1 0 0 1]; valores de las constantes proporcional (kp), integral (ki) y
D = 0;
% Obtener TF derivativa (kd) del controlador PID, usando diferentes
Gs = simplify(C * inv(s * eye(size(A)) - A) * (B + D));
% Mostrar matriz
métodos basados en la respuesta del sistema a un escalón de
disp("#############################################"); entrada. Los métodos son:
disp("G1(s) =");
pretty(Gs);
disp("#############################################"); Primer método: Método de Ziegler-Nichols de lazo abierto;
%#################################################################
% sistema de matriz [4 x 4] del problema dado basado en la respuesta temporal. Este método usa el tiempo de
%#################################################################
A = [0 1 0 0;
retardo (t), el tiempo de subida (l) y la ganancia del escalón (k)
(k3-k2)/m2 (k2-k3)/m2 (c3-c2)/m2 (c2-c3)/m2;
0 0 0 1;
para calcular las constantes del PID según las siguientes
k3/m3 k3/m3 c3/m3 c3/m3]; fórmulas:
B = [0; 0; 0; 1/m3];
C = [0 1 0 1]; Para un sistema PD:
D = 0;
% Obtener TF
t
Gs = simplify(C * inv(s * eye(size(A)) - A) * (B + D));
% Mostrar matriz K p=
disp("#############################################"); K∗L
disp("G2(s) =");
pretty(Gs); Para un sistema PI:

( K∗L )
disp("#############################################");
t
%
%#################################################################
sistema de matriz [4 x 4] de ejemplo dado k p=0.9∗
%#################################################################
A = [0 1 0 0;

K =k (
0.3 )
(k2-k1)/m1 (c2-c1)/m1 (-k2)/m1 (-c2)/m1;
0 0 0 1;
L
k2/m2 c2/m2 -k2/m2 -c2/m2]; i
B = [0; 0; 0; 1/m2];
C = [0 0 1 1];
D = 0;
Para un sistema PID:

( K∗L
t
)
% Obtener TF
Gs = simplify(C * inv(s * eye(size(A)) - A) * (B + D));
% Mostrar matriz
K p=1.2
disp("#############################################");
disp("G3(s) =");
pretty(Gs);
 9

1
K i=
2∗L
L
Kd=
2

Segundo método: Método de Ziegler-Nichols de lazo cerrado;

basado en la respuesta en frecuencia. Este método usa la
ganancia crítica (ku) y el periodo crítico (tu) del sistema
cuando está al borde de la inestabilidad para calcular las
constantes del PID según las siguientes fórmulas: Fig. Modelo y grafica en Simulink de la matriz [4 x 4] del problema dado.

Para un sistema PD:

Ku
K p=
2
Para un sistema PI:
0.45
k p=
Ku
1
K i=
( )
Tu
1.2
Fig. Diagrama de bloque matriz [4 x 4]

Para un sistema PID:

K p=0.6 ( K u )
1
K i=
Tu
2 ( )
Tercer método: Método matemático, usa la ganancia del
escalón (k), el tiempo de retardo (t) y el tiempo de subida (l)
Fig. Grafica de la matriz [4 x 4]
para calcular las constantes del PID se utilizan las mismas
ecuaciones que en el segundo método, pero las variables de
Ku y Tu se obtienen mediante el método de estabilidad de
Routh Hurwitz:

Sección en Simulink y graficado de los modelos:

Fig. Diagrama de bloque matriz [6 x 6]

Fig. Diagrama de bloque matriz [4 x 4]

Fig. Grafica de la matriz [6 x 6]


V. CONCLUSIONES
Los controladores PID son un tipo de controlador de
realimentación que ajustan la salida de un sistema en función
del error entre la entrada deseada y la salida medida. Su
utilidad radica en que permiten obtener un control preciso y
estable de variables como la temperatura, la velocidad, la
posición o la presión. Algunos consejos a tomar en cuenta a la
hora de implementarlos son: elegir adecuadamente los valores
de las constantes proporcional, integral y derivativa; sintonizar
el controlador mediante métodos experimentales o analíticos;
y verificar el comportamiento del sistema ante posibles
perturbaciones o cambios en las condiciones de operación. En
este experimento se pudo realizar el control de manera
correcta en el sistema de tanques, pero en el sistema de carro
con masas, resortes y amortiguadores no se puedo realizar
bien el sistema de controlador, Este sistema se llegó a
comparar con un sistema de ejemplo que se nos fue
proporcionado para comprobar los resultados obtenidos y la
respuesta de este sistema no fue la esperada.
BIBLIOGRAFÍA
[1] Diego Gerardo Mogrovejo Marchán. (2017). Diseño e implantación de
un sistema de cuatro tanques interconectados con control PID robusto
multivariable. Universidad Politécnica Salesiana, Cuenca – Ecuador. [En
línea]. Disponible:
https://dspace.ups.edu.ec/bitstream/123456789/14138/1/UPS-CT006961.pdf
[2] Sergio Andrés Castaño Giraldo. (s.f.). Sintonía de Control PID usando
Ziegler-Nichols. Control Automático Educación. [En línea]. Disponible:
https://controlautomaticoeducacion.com/control-realimentado/ziegler-nichols-
sintonia-de-control-pid/#Ziegler_y_Nichols_-_Metodo_2_Lazo_Cerrado
[3] Sergio Andrés Castaño Giraldo. (s.f.). Criterio de Estabilidad de Routh-
Hurwitz. Control Automático Educación. [En línea]. Disponible:
https://controlautomaticoeducacion.com/control-realimentado/criterio-de-
estabilidad-de-routh-hurwitz/#Criterio_de_Estabilidad_de_Routh-Hurwitz
[4] Ogata, K. (2016). Modern Control Engineering. Pearson.
Jorge Perdomo M. C. Nacido en
Carabobo, Estado Lara, Venezuela en el
año 2001. Graduado en el bachiller en
ciencias en el Instituto América, en
2019, actualmente se encuentra
terminando la carrera de ingeniería en
electrónica y comunicaciones, en la
Universidad de Panamá. Desde 2022
hasta la actualidad, ha trabajado en una empresa dedicada a la
robótica y a la programación, llamada FUNDESTEAM
Panamá y FUNDESTEAM Venezuela realizando labores de
programación, tutorías de robótica y desarrollo de proyectos,
tanto empresariales como de robótica. Durante este mismo
periodo de tiempo realizó un curso de formación en
programación en Python llamado, Samsung Innovation
Campus (SIC). En el año 2023, realizó la labor de
Juez/organizador en el evento mundial de robótica (WRO)
celebrado en Panamá.
María Adames I. G. Nacida en La
Chorrera, Panamá Oeste, Panamá en el año
10
2003. Graduada en bachiller en ciencias de la Esc. Sec. Pedro
Pablo Sánchez, en 2020, actualmente está cursando la
licenciatura en ingeniería electrónica y comunicación en la
Universidad de Panamá. Ha sido participe de eventos
nacionales e internacionales tales como Hackaton Copa
Airlines 2023, celebrada en Panamá y Cumbre Internacional
de Liderazgo ‘AVANCE’ 2022 con sede en Hotel Wyndham
de Albrook (actual hotel Marriot). En el año 2023 fue
moderadora en las olimpiadas mundiales de robótica, ‘WRO
2023’, con sede en el Panana Convention Center en la ciudad
de Panamá.
Miguel Andrés J. B. Nació en Panamá
Centro, Panamá, en el año 2000.
Graduado de bachiller en ciencias en la
Escuela Stella Sierra en 2018.
Actualmente, cursa la licenciatura en
Ingeniería Electrónica y Comunicación en
la Universidad de Panamá. Desde el
pasado año trabaja en la instalación de sistemas de
refrigeración centralizados para una microempresa llamada
FN Pro Services.
PhD. Sergio E. Pinto C. Es un ingeniero
en comunicaciones y electrónica con un
doctorado en ingeniería en sistemas de
control por la Universidad de Strathclyde
en Reino Unido. Ha sido profesor e
investigador en varias instituciones
académicas y ha participado en eventos
científicos de alto nivel. Su experiencia abarca los campos de
electrónica, control e instrumentación, con especial énfasis en
las redes neuronales, la lógica difusa, los sistemas neuro-
difusos y los algoritmos genéticos. Ha trabajado en
aplicaciones industriales relacionadas con la energía, la
refrigeración, la química, la alimentación, la automotriz y el
tratamiento de aguas residuales. Su área de investigación
actual incluye el modelado, los sistemas de control, la
inteligencia artificial, los controladores adaptables, los
sistemas de control tolerantes a fallas biológicamente
inspirados, los sistemas mecatrónicos y robóticos. También
tiene interés en las plantas de generación de energía basadas
en recursos renovables y el diseño e implementación de
vehículos eléctricos híbridos. Actualmente, es investigador
líder en varios proyectos de investigación.