Modelos Matemáticos

de Sistemas de Control
MATERIA: CONTROL DE PROCESOS

PROFESOR: Dr. JUAN ISMAEL PADRÓN PÁEZ

CONTENIDO

1. Modelado de Procesos

2. Modelos en la forma de Función de Transferencia

3. Modelos de Convolución o Respuesta a un impulso.

4. Modelos en Espacio de Estados

2
1. Modelado de Procesos

El Concepto de un Modelo en Ingeniería de Procesos

¿Qué es un “modelo”?

“Un modelo (M) para un sistema (S) y un experimento (E) es

cualquier representación para la cual M puede ser aplicado
para contestar preguntas acerca de S” (Minsky, 1965).

Modelo en ingeniería de procesos

“Una representación matemática (M) de un sistema físico (S)

para un propósito específico (P) y experimento (E)”.

3
1. Modelado de Procesos

El proceso de Modelación

Problema 1 Problema
del mundo matemático
real

2
4

Solución
Interpretación matemática
3

4
1. Modelado de Procesos
Un procedimiento sistemático de modelación

Definición Un proceso iterativo*

del problema
Características
del sistema
Datos del
problema
Construcción
del modelo
Solución
del modelo
Verificación
Calibración del modelo
y validación * Process Modelling and Model Analysis
(2001), Ian Cameron, Katalin Hangos,
del modelo Academic Press.

5
1. Modelado de Procesos

Clasificación de los Modelos*

* Process Modelling and Model Analysis (2001), Ian Cameron, Katalin Hangos, Academic Press.

6
1. Modelado de Procesos

EJEMPLO 1 (Proceso térmico):

• Considere el tanque con agitación continua ilustrado en la

Figura 1, se tiene interés en conocer la forma en que responde
la temperatura de salida, 𝑇(𝑡) , a los cambios en la
temperatura de entrada, 𝑇𝑖 (𝑡).

• En este ejemplo se supone que los flujos volumétricos de

entrada y salida, la densidad de los líquidos y la
capacidad calorífica de los líquidos son constantes y que
se conocen todas estas propiedades.

• El líquido en el tanque se mezcla bien y el tanque está bien

aislado, es decir, el proceso es adiabático.

7
1. Modelado de Procesos

Figura 1*. Proceso térmico.

* Control automático de procesos: teoría y práctica (1997), Carlos A. Smith, Armando B. Corripio, Limusa.

8
1. Modelado de Procesos

EJEMPLO 2 (Proceso con reacción):

• En un reactor de mezcla perfecta (Figura 2), de volumen

constante e igual a 1 𝑚3 , se produce la siguiente reacción de
orden cero:

𝐴→𝑃+𝑄

• En la que 𝑘 vale 0.1 𝑚𝑜𝑙 · 𝐿−1 · ℎ−1. Se alimenta un caudal de

500 𝐿/ℎ con una concentración en 𝐴 de 0.5 𝑚𝑜𝑙/𝐿. Encontrar la
función que relacionará la concentración de 𝐴 con el tiempo
cuando la concentración de 𝐴 en el reactor es de 0.8 𝑚𝑜𝑙/𝐿 y
suponiendo que la densidad es constante.

9
1. Modelado de Procesos

Figura 2*. Reactor de mezcla perfecta.

10
1. Modelado de Procesos

EJEMPLO 3 (Bioreactor):

• Asuma que tiene un bioreactor de lote alimentado donde la

biomasa X crecerá y simultáneamente producirá un producto
P. La reacción biológica se puede representar en una forma
simplificada como:

𝑐é𝑙𝑢𝑙𝑎𝑠
𝑆𝑢𝑏𝑠𝑡𝑟𝑎𝑡𝑜 𝑚á𝑠 𝑐é𝑙𝑢𝑙𝑎𝑠 + 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜

• La estequiometría del bioreactor puede ser muy compleja y

depende de muchos factores. Para el proceso considerado,
existe solo un nutriente limitante S, y solo un producto P. Los
siguientes coeficientes de rendimiento pueden ser definidos
basados en la reacción estequiométrica:

11
1. Modelado de Procesos

EJEMPLO 3 (Bioreactor):

𝑚𝑎𝑠𝑎 𝑑𝑒 𝑐é𝑙𝑢𝑙𝑎𝑠 𝑓𝑜𝑟𝑚𝑎𝑑𝑎𝑠

𝑌𝑆𝑋 =
𝑚𝑎𝑠𝑎 𝑑𝑒 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜

𝑚𝑎𝑠𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑓𝑜𝑟𝑚𝑎𝑑𝑜

𝑌𝑆𝑃 =
𝑚𝑎𝑠𝑎 𝑑𝑒 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜

• Se asume que los rendimientos son constantes durante la

fermentación. Solo consideraremos el crecimiento celular, es
decir, solo la fase de crecimiento exponencial. La tasa de
crecimiento de la biomasa por unidad de volumen se puede
expresar como sigue:

𝑟𝑔 = 𝜇 ∙ 𝑋
12
1. Modelado de Procesos

EJEMPLO 3 (Bioreactor):

𝑋 es la concentración de biomasa (𝑘𝑔/𝑚3 ). Se supone que la tasa

de crecimiento específico de las células (𝜇) depende del sustrato
limitante 𝑆, y esta relación se puede describir por la ecuación de
Monod:

𝑆
𝜇 = 𝜇𝑚𝑎𝑥 ∙
𝐾𝑆 + 𝑆

Se aplican los siguientes supuestos:

• El reactor está perfectamente mezclado.

• Se puede asumir la operación isotérmica del reactor.
• La densidad del líquido es constante.
13
1. Modelado de Procesos

EJEMPLO 3 (Bioreactor):

• El caldo de fermentación en el bioreactor puede ser

aproximada como un líquido homogéneo.
• La tasa de formación del producto por unidad de volumen 𝑟𝑝 se
puede expresar como:

𝑌𝑆𝑃
𝑟𝑝 = ∙ 𝑟𝑔 = 𝑌𝑋𝑃 ∙ 𝑟𝑔
𝑌𝑆𝑋

• La corriente de alimentación no contiene células (𝑋𝑓 = 0) y

tampoco producto (𝑃𝑓 = 0).
• El producto solo se forma durante la fase de crecimiento del
reactor.

14
1. Modelado de Procesos

Figura 3*. Representación de un reactor de lote alimentado

(semicontinuo).

15
1. Modelado de Procesos

All models are wrong ….

…. some are useful !

… George Box

16
2. Modelos en la forma de Función de Transferencia

u S y
x
 Entradas, u y = S[u,d]
 Salidas, y
 Estados, x (SISO, MIMO, entre
otros)
 Perturbaciones, d

17
2. Modelos en la forma de Función de Transferencia

Función de Transferencia

En la teoría de control, a menudo se usan las funciones de

transferencia para caracterizar las relaciones de entrada-
salida de componentes o de sistemas que se describen mediante
ecuaciones diferenciales lineales invariantes en el
tiempo.

DEFINICIÓN: La función de transferencia de un sistema

descrito mediante una ecuación diferencial lineal e invariante en
el tiempo se define como el cociente entre la transformada de
Laplace de la salida (función de respuesta) y la transformada de
Laplace de la entrada (función de excitación) bajo la
suposición de que todas las condiciones iniciales son
cero.
18
2. Modelos en la forma de Función de Transferencia

La función de transferencia se representa generalmente por:

𝑌(𝑠) 𝐾 𝑎𝑚 𝑠 𝑚 + 𝑎𝑚−1 𝑠 𝑚−1 + ⋯ + 𝑎1 𝑠 + 1

𝐺 𝑠 = =
𝑋(𝑠) 𝑏𝑛 𝑠 𝑛 + 𝑏𝑛−1 𝑠 𝑛−1 + ⋯ + 𝑏1 𝑠 + 1

donde:

𝐺(𝑠)= representación general de una función de transferencia

𝑌 𝑠 = transformada de Laplace de la variable de salida
𝑋(𝑠)= transformada de Laplace de la función de forzamiento o
variable de entrada

𝐾, a, b son constantes

19
2. Modelos en la forma de Función de Transferencia

• En general, la unidad de s es el recíproco de la unidad de la

variable independiente que se usa en la definición de la
transformada de Laplace. En la dinámica y control del
proceso la variable independiente es el tiempo y, en
consecuencia, la unidad de s es 1/tiempo.

• La función de transferencia define completamente las

características de estado estacionario y dinámico, es decir, la
respuesta total de un sistema que se describe mediante una
ecuación diferencial lineal.

20
2. Modelos en la forma de Función de Transferencia

Las siguientes son algunas propiedades importantes de las

funciones de transferencia:

• La función de transferencia es una propiedad de un sistema,

independiente de la magnitud y naturaleza de la entrada o
función de excitación.

• La función de transferencia de un sistema es un modelo

matemático porque es un método operacional para
expresar la ecuación diferencial que relaciona la variable de
salida con la variable de entrada.

• Una vez establecida una función de transferencia, proporciona

una descripción completa de las características dinámicas
del sistema, a diferencia de su descripción física.

21
2. Modelos en la forma de Función de Transferencia

Continuación

• Si se desconoce la función de transferencia de un sistema,

puede establecerse experimentalmente introduciendo
entradas conocidas y estudiando la salida del sistema.

• En las funciones de transferencia de los sistemas físicos

reales, la potencia más alta de 𝑠 en el numerador nunca es
mayor a la del denominador; en otras palabras, 𝑛 ≥ 𝑚.

• Si la potencia más alta de s en el denominador de la función

de transferencia es igual a 𝑛, el sistema se denomina sistema de
orden 𝑛 − é𝑠𝑖𝑚𝑜.

22
2. Modelos en la forma de Función de Transferencia

EJEMPLO 4:

El modelo dinámico para un tanque con agitación que describe la

temperatura de salida 𝑇(𝑡) a los cambios de temperatura de
entrada 𝑇𝑖 (𝑡) se presenta a continuación:

𝑑𝑇(𝑡) 𝑞𝐶𝑝 𝑇𝑖 𝑡 − 𝑇(𝑡)

=
𝑑𝑡 𝑉𝐶𝑣

donde 𝑞 , 𝐶𝑝 , 𝐶𝑣 y 𝑉 son constantes. Obtenga la función de

transferencia del tanque con agitación a partir de la ecuación
ത
anteriormente presentada cuando (a) 𝑇 0 = 0 y (b) 𝑇 0 = 𝑇.

23
2. Modelos en la forma de Función de Transferencia

Diagramas de bloques

• Un sistema de control puede tener varios componentes.

Para mostrar las funciones de cada componente en la
ingeniería de control, por lo general se usa una
representación denominada diagrama de bloques.

• James Watt introdujo por primera vez estos diagramas de

bloques cuando aplicó el concepto de control por
retroalimentación a la máquina de vapor.

• A diferencia de una representación matemática puramente

abstracta, un diagrama de bloques tiene la ventaja de indicar
de forma más realista el flujo de las señales del sistema real.

24
2. Modelos en la forma de Función de Transferencia
• En general, los diagramas de bloques constan de cuatro
elementos básicos: flechas, puntos de sumatoria, puntos de
derivación y bloques (Figura 12).

• Las flechas indican, en general, el flujo de información;

representan las variables del proceso o las señales de control.

• Los puntos de sumatoria representan la suma algebraica

de las flechas que entran (𝐸 𝑠 = 𝑅 𝑠 − 𝐶(𝑠)).

• El punto de bifurcación es la posición sobre una flecha, en

la cual la información sale y va de manera concurrente a otros
puntos de sumatoria o bloques.

• Los bloques representan la operación matemática, en

forma de función de transferencia.
25
2. Modelos en la forma de Función de Transferencia

Figura 4*. Elementos de un diagrama de bloques.

* Control automático de procesos: teoría y práctica (1997), Carlos A. Smith, Armando B. Corripio, Limusa.

26
2. Modelos en la forma de Función de Transferencia

Cualquier diagrama de bloques se puede tratar o manejar de

manera algebraica; en la Figura 5 se muestran algunas reglas del
algebra de los diagramas a bloques, las cuales son importantes
siempre que se requiere simplificar los diagramas de bloques.

Figura 5*. Reglas del

álgebra de los
diagramas de bloques.

* Control automático de
procesos: teoría y práctica
(1997), Carlos A. Smith,
Armando B. Corripio, Limusa.

27
2. Modelos en la forma de Función de Transferencia

EJEMPLO 5: Esquematice el diagrama a bloques para las

ecuaciones siguientes:

a)
𝑇(𝑠) 1
=
𝑇𝑖 (𝑠) 𝜏𝑠 + 1

b)
𝐾1 𝐾2
𝑇 𝑠 = 𝑇 𝑠 + 𝑇 (𝑠)
𝜏𝑠 + 1 𝑖 𝜏𝑠 + 1 𝑠

28
3. Modelos de Convolución o Respuesta a un impulso
Considérese la salida (respuesta) de un sistema para una entrada
impulso unitario cuando las condiciones iniciales son cero.

Como la transformada de Laplace de la función impulso unitario

es la unidad, la transformada de Laplace de la salida del
sistema es.

𝑌 𝑠 =𝐺 𝑠

La transformada inversa de Laplace de la salida obtenida

mediante la ecuación anterior proporciona la respuesta-impulso
del sistema. La transformada inversa de Laplace de 𝐺(𝑠), o bien

ℒ −1 𝐺 𝑠 =𝑔 𝑡

se denomina respuesta-impulso.
29
3. Modelos de Convolución o Respuesta a un impulso

Esta respuesta 𝑔(𝑡) también se denomina función de

ponderación del sistema.

De este modo, la respuesta-impulso 𝑔(𝑡) es la respuesta de un

sistema lineal a una entrada impulso unitario cuando las
condiciones iniciales son cero. La transformada de Laplace de esta
función proporciona la función de transferencia.

Por tanto, la función de transferencia y la respuesta-impulso de

un sistema lineal e invariante en el tiempo contienen la misma
información sobre la dinámica del sistema.

Por lo tanto es posible obtener información completa sobre las

características dinámicas del sistema si se excita el sistema con
una entrada impulso y se mide la respuesta.

30
4. Modelos en Espacio de Estados

Teoría de control moderna

• La tendencia moderna en los sistemas de ingeniería es

hacia una mayor complejidad, debido sobre todo a que se
requieren tareas más complejas y buena precisión.

• Los sistemas complejos pueden tener múltiples entradas y

múltiples salidas y pueden ser variantes en el tiempo.

• La teoría moderna de control, que es una nueva aproximación

al análisis y diseño de los sistemas de control complejo, se ha
desarrollado desde 1960.

• Esta nueva aproximación se basa en el concepto de estado.

31
4. Modelos en Espacio de Estados
Teoría de control moderna frente a teoría de control
convencional
• La tendencia de control moderna contrasta con la teoría de
control convencional en que su formulación es aplicable a
sistemas de múltiples-entradas, múltiples-salidas, que pueden
ser lineales o no lineales, invariables en el tiempo o variables en
el tiempo.

• Mientras que la teoría convencional sólo es aplicable a

sistemas de una entrada-una salida invariantes en el tiempo.

• Además, la teoría de control moderna es esencialmente una

aproximación en el dominio temporal, mientras que la
teoría de control convencional es una aproximación en el
dominio de la frecuencia compleja.
32
4. Modelos en Espacio de Estados

Definiciones

Estado: El estado de un sistema dinámico es el conjunto de

variables más pequeño (llamadas variables de estado), de
forma que el conocimiento de estas variables en 𝑡 = 𝑡0 , junto con
el conocimiento de la entrada para 𝑡 ≥ 𝑡0 , determinan
completamente el comportamiento del sistema en cualquier 𝑡 ≥
𝑡0 .

Obsérvese que el concepto de estado no está limitado a

sistemas físicos. Es aplicable a sistemas biológicos, sistemas
económicos, sistemas sociales y otros.

33
4. Modelos en Espacio de Estados

Definiciones

Variables de estado: Las variables de un sistema dinámico son

las variables que constituyen el menor conjunto de variables que
determinan el estado del sistema dinámico.

Si al menos se necesitan 𝑛 variables 𝑥1 , 𝑥2 , … , 𝑥𝑛 para describir

completamente el comportamiento de un sistema dinámico (de
forma que una vez que la entrada para 𝑡 ≥ 𝑡0 está dada y el estado
inicial en 𝑡 = 𝑡0 está especificado, el estado futuro del sistema
está determinado completamente), entonces tales 𝑛 variables son
un conjunto de variables de estado.

Obsérvese que las variables de estado no necesitan ser físicamente

medibles o cantidades observables.
34
4. Modelos en Espacio de Estados

Definiciones

Vector de estado: Si se necesitan 𝑛 variables de estado para

describir completamente el comportamiento de un sistema dado,
entonces esas 𝑛 variables de estado se pueden considerar como las
𝑛 componentes de un vector 𝒙.

Este vector se denomina vector de estado. Un vector de estado

es, por lo tanto, un vector que determina unívocamente el
estado del sistema 𝒙(𝑡) en cualquier instante del tiempo 𝑡 ≥ 𝑡0 ,
una vez que se conoce el estado en 𝑡 = 𝑡0 y se especifica la entrada
𝑢(𝑡) para 𝑡 ≥ 𝑡0 .

35
4. Modelos en Espacio de Estados

Definiciones

Espacio de estados: El espacio 𝑛-dimensional cuyos ejes de

coordenadas están formados por el eje 𝑥1 , eje 𝑥2 ,…, eje 𝑥𝑛 , donde
𝑥1 , 𝑥2 , … , 𝑥𝑛 son las variables de estado, se denomina espacio de
estados. Cualquier estado se puede representar como un
punto en el espacio de estados.

Ecuaciones en el espacio de estados: En el análisis en el

espacio de estados se centra la atención en los tres tipos de
variables que aparecen en el modelado de los sistemas
dinámicos; las variables de entrada, las variables de salida y las
variables de estado.

36
4. Modelos en Espacio de Estados

Si se define*

* Ingeniería de control moderna (2010), Katsuhiko Ogata, Pearson Educación.

37
4. Modelos en Espacio de Estados

Las Ecuaciones anteriores se convierten en:

𝒙ሶ 𝑡 = 𝒇 𝒙, 𝒖, 𝑡

𝒚 𝑡 = 𝒈(𝒙, 𝒖, 𝑡)

Donde, la primera Ecuación es la ecuación de estado y la segunda

Ecuación es la ecuación de la salida.

Si las funciones vectoriales 𝑓 y/o 𝑔 involucran explícitamente el

tiempo t, el sistema se denomina sistema variante con el tiempo.

38
4. Modelos en Espacio de Estados

Si se linealizan las Ecuaciones anteriores alrededor del estado de

operación, se tienen las siguientes ecuaciones de estado y de
salida linealizadas:

𝒙ሶ 𝑡 = 𝑨 𝑡 𝒙 𝑡 + 𝑩 𝑡 𝒖 𝑡

𝒚 𝑡 = 𝑪 𝑡 𝒙 𝑡 + 𝑫 𝑡 𝒖(𝑡)

donde 𝑨(𝑡) se denomina matriz de estado, 𝑩(𝑡) matriz de entrada,

𝑪(𝑡) matriz de salida y 𝑫(𝑡) matriz de transmisión directa.

Si las funciones vectoriales 𝒇 y 𝒈 no involucran el tiempo 𝑡

explícitamente, el sistema se denomina sistema invariante con
el tiempo.

39