Motores de Corriente Continua

Los motores de corriente continua, son máquinas eléctricas capaces de convertir la energía
eléctrica DC en energía mecánica, el funcionamiento básico puede describirse de la siguiente
manera: cuando la corriente pasa a través de la armadura de un motor de corriente continua, se
genera un par de fuerzas debido a la acción del campo magnético y la armadura gira. Las escobillas
fijas de metal o de carbón se mantienen en contacto con el conmutador, que al girar conecta
eléctricamente la bobina a los cables externos. La revolución de la armadura induce un voltaje en
las bobinas de ésta. Este voltaje es opuesto al voltaje exterior que se aplica a la armadura, y de ahí
que se conozca como voltaje inducido o fuerza contra electromotriz. Cuando el motor gira más
rápido, el voltaje inducido aumenta hasta que es casi igual al aplicado. La corriente entonces es
mínima y la velocidad del motor permanecerá constante siempre que el motor no esté bajo carga
y tenga que realizar otro trabajo mecánico que no sea el requerido para mover la armadura. Bajo
carga, la armadura gira más lentamente, reduciendo el voltaje inducido y permitiendo que fluya
una corriente mayor en la armadura.

Tipos de Motores de Corriente Continua

Según (Martínez, 2000), mediante la Figura 1, se ilustra los motores de corriente continua más
utilizados en la práctica. En el caso del motor de excitación separada (Figura 1a), los voltajes del
campo y de la armadura del motor son suplidos y controlados en forma independiente, mientras
que en el motor en derivación o shunt (Figura 1b), ambos embobinados están conectados a una
fuente de voltaje común. Por lo tanto, el control independiente del campo y de la armadura se
logra sólo si se inserta una resistencia en el circuito apropiado, lo cual constituye un método muy
ineficiente de control. En el caso del motor serie (Figura 1c) la corriente es la misma a través de los
embobinados de campo y de armadura, por lo que el flujo del campo es una función de la
corriente. En el motor compuesto acumulativo (Figura 1d) la fuerza magnetomotriz de un campo
serie es una función de la corriente de armadura y está en la misma dirección de la fuerza
magneto motriz del campo shunt.
 Figura 1. Tipos de motores de corriente continua.

Fuente: Martínez G; 2000.

Las características de los motores de corriente continua son profundamente afectadas por el tipo
de excitación (separada, serie, shunt o compuesta). En el motor serie, por ejemplo, puesto que el
embobinado de campo y el de armadura están en serie, sólo habrá flujo en el entrehierro de la
máquina cuando la corriente del inducido o rotor sea diferente de cero (motor cargado
mecánicamente). Por otro lado, siendo el flujo prácticamente proporcional a la corriente de
armadura, el par o torque resultante será una función cuadrática de la corriente. Por esta razón un
motor serie tiende a tener un torque bastante elevado con velocidad angular baja y una velocidad
sumamente elevada cuando el motor es liberado de la carga mecánica. Teóricamente, el motor
serie en vacío tendría una velocidad infinitamente alta, sino fuera por sus pérdidas rotacionales.
Esto hace prohibitivas la transmisiones de la potencia mecánica a desarrollar por el motor
mediante poleas y correas, puesto que en el caso de rotura de las correas el resultado sería un
motor sin carga, lo cual pudiera producir consecuencias catastróficas. Por otra parte, los pares
producidos por el motor serie a baja velocidad lo hacen ideal para algunos tipos de aplicaciones
tales como la tracción eléctrica. Los riesgos de elevadas velocidades con bajas corrientes de carga
pueden solventarse si se provee al motor serie de un arrollamiento de campo independiente o en
derivación que asegure un cierto flujo mínimo, incluso con el motor en vacío. Este es el caso de la
máquina de excitación compuesta de la Figura 1d y la misma tendrá características intermedias
entre el motor serie y el de excitación separada.

Motor de Excitación Separada

Un motor DC con excitación separada (ver Figura 1a) es un motor cuyo circuito de campo es
alimentado por una fuente de potencia separada de voltaje constante. Generalmente la
alimentación de la armadura se conecta al sistema de regulación para el control de velocidad y
toque del motor. La ventaja de este motor es que permite mantener un flujo magnético constante
debido a que la fuente de alimentación del campo es independiente de la tensión aplicada en la
armadura. Las ecuaciones para el estudio de estos motores son:

V a =I A R A + E A V F=I F R F Ec .(2.1)

Métodos de Control de Velocidad de los Motores de Corriente Continua

La relación Velocidad - Torque de los motores de corriente continua indica que la velocidad
puede controlarse mediante cualquiera de los siguientes métodos:
 Control por Voltaje de Armadura.

 Control por Flujo de Campo.

 Control por Resistencia de Armadura.

Control por Voltaje de Armadura

Si el voltaje aplicado a la armadura de un motor de excitación separada se reduce en un monto

pequeño, la corriente de armadura y por tanto el torque desarrollado se reducirá. A medida que el
torque generado por el motor sea menor que el torque de carga, el motor desacelerará
ocasionando que la velocidad ω m(t) y la fuerza contra electromotriz de armadura eg(t) disminuyan,
hasta que finalmente se alcance una velocidad menor a la cual el torque desarrollado iguala al
torque de carga. Si ahora el voltaje aplicado a la armadura de un motor de excitación separada se
reduce en un valor considerable, éste caerá por debajo de la fuerza contra electromotriz eg(t), por
lo que la corriente de armadura se invertirá y el motor actuará como un generador produciendo
un torque negativo (o de signo contrario al anterior). Este comportamiento se mantiene hasta
tanto la velocidad se reduzca a tal punto que la fuerza contra electromotriz eg(t) iguale al voltaje
de armadura va(t) aplicado y el motor continuará desacelerando hasta que el torque desarrollado
iguale nuevamente al torque de carga. Si por el contrario, ahora el voltaje aplicado en la armadura
de un motor de corriente continua se incrementa, tanto la corriente de armadura como el torque
desarrollado aumentarán y el motor acelerará, ocasionando crecimientos en la velocidad y en la
fuerza contra electromotriz, hasta alcanzar una velocidad superior en la cual el torque
desarrollado iguale al torque de carga. Es de hacer notar que los cambios grandes en el voltaje de
armadura producen variaciones también significantes en la corriente de armadura, lo cual pudiera
ocasionar daños en el conmutador del motor o reducir su vida útil. Por ello, es necesario que los
cambios en la velocidad se realicen en forma gradual mediante pequeñas variaciones en el voltaje
de armadura.

Las características Velocidad - Torque de los motores de excitación separada, indican que
cualquier reducción del voltaje de armadura hará que el motor opere en alguna combinación
Velocidad - Torque entre la natural (Va1 = Vanom) hasta Va = 0. En el caso del motor de excitación
separada el valor de la velocidad sin carga (ω msc = ωmo) también cambia y las características
Velocidad - Torque para diferentes voltajes de armadura son líneas paralelas. Puesto que el voltaje
de armadura no puede aumentar más allá del valor nominal estipulado para el motor, éste
método de control de velocidad se emplea para operar al motor por debajo de su Característica
Velocidad - Torque Natural (Va = Vanom). La cualidad más relevante de este método de control de
velocidad es que la naturaleza de la pendiente de la característica Velocidad - Torque no cambia
con las variaciones en la velocidad, por lo que se asegura torque constante, ya que los valores
máximos de corriente y de la capacidad del torque del motor permanecen constantes en los
cambios de velocidad.

Control por Flujo de Campo

Si el campo de un motor de excitación separada que opera a una velocidad particular se debilita,
su fuerza electromotriz inducida se reduce, y debido al bajo valor de la resistencia de armadura, la
corriente aumenta en un monto mucho mayor que la disminución en el flujo del campo. Como
resultado, a pesar del debilitamiento del campo, el torque desarrollado por el motor se
incrementa en una cantidad similar a la de la corriente, excediendo de esta forma el torque de
carga. Este aumento del torque hace que el motor acelere y la fuerza contra electromotriz
aumente. El motor finalmente alcanzará una velocidad superior a la cual el torque generado con el
campo debilitado llega a igualar al torque de carga. El debilitamiento del campo debe realizarse en
forma lenta y gradual a fin de evitar daños que pudieran ser ocasionados por los grandes
aumentos de la corriente. Si por el contrario, cuando se incrementa el campo de un motor de
excitación separada, la fuerza electromotriz inducida aumenta, y algunas veces, supera el valor del
voltaje de armadura aplicado. De esta forma, no sólo se reduce la corriente de armadura, sino que
en ocasiones se invierte. Cuando esto sucede, el motor actúa como generador y transfiere energía
a la fuente del sistema, la cual se obtiene a expensas de la energía cinética del motor y de la carga.
En consecuencia, la velocidad se reduce más rápidamente hasta alcanzar un nuevo valor en el cual
el torque desarrollado por el motor iguale al torque de carga. Las características Velocidad -
Torque de los motores de excitación separada se modifican con el debilitamiento del campo, al
alcanzar ahora una velocidad sin carga superior a la obtenida a campo nominal. De igual forma, la
pendiente de estas curvas características se aumenta a medida que el campo se debilita, por lo
que se puede afirmar que a menor flujo, mayor será la pendiente de la curva característica. Más
aún, una disminución en el flujo pudiera ocasionar un decrecimiento de la velocidad si la demanda
del torque de carga es considerablemente alta.

En el caso del motor de excitación separada la velocidad nominal depende del calentamiento de
las bobinas del campo y de la saturación del circuito magnético. Puesto que a campo nominal los
motores modernos operan con un monto apreciable de saturación del circuito magnético, la
velocidad puede decrecer sólo un poco por debajo de la Característica Velocidad - Torque Natural
(Va = Vanom). La velocidad más alta está limitada por la inestabilidad del motor ocasionada por el
efecto de desmagnetización de la reacción de armadura bajo las condiciones de debilitamiento del
campo y el esfuerzo mecánico del motor. Para un motor de corriente continua en condiciones
normales de fabricación se pueden obtener rangos de velocidad desde 1.5 hasta 2 veces el valor
nominal, y en diseños especiales, hasta 6 veces la velocidad nominal. A objeto de prevenir la
inestabilidad del motor en operación con debilitamiento del campo, se inserta en serie con la
armadura un embobinado de campo pequeño para asistir al embobinado de campo principal.
En los motores de excitación separada la reducción del flujo se obtiene alimentando el campo del
motor mediante un rectificador controlado o a través de un troceador (chopper), dependiendo si
la alimentación principal es alterna o continua, a fin de obtener variaciones en el voltaje entregado
al campo.
Combinación del Control por Voltaje de Armadura y Control por Flujo de Campo

Cuando en un accionamiento se requiere un rango muy amplio de velocidad se combina el control

por voltaje de armadura y el control por campo. El control por voltaje de armadura tiene la ventaja
de mantener la máxima capacidad del torque a todas las velocidades y por tanto se emplea donde
se requiera velocidad ajustable, el control por campo se utiliza sólo para obtener velocidades
superiores que no pueden alcanzarse mediante el control por voltaje de armadura. En estos
accionamientos la velocidad base (ωmbase) se define como la velocidad a voltaje de armadura
nominal a campo nominal y representa la velocidad a la cual el motor gira en su Característica
Velocidad - Torque Natural. El rango de velocidad desde el arranque hasta ω mbase se obtiene
mediante el control por voltaje de armadura manteniendo el flujo del campo constante en su valor
nominal. Puesto que el voltaje aplicado en la armadura no debe exceder el valor nominal,
entonces las velocidades superiores a ω mbase se logran a través del control por flujo de campo,
siempre y cuando la demanda del torque de carga pueda satisfacerse a estas velocidades con la
reducción de la capacidad del torque del motor.

La Figura 2. Ilustra las variaciones de la potencia del motor (Pm) y el torque desarrollado (Tm) del
accionamiento con este tipo de control de velocidad, por debajo y por encima de la velocidad
base. Una excepción a la práctica de no utilizar control por flujo de campo a velocidades inferiores
a ωmbase se hace en accionamientos multi-motores con una alimentación común en la armadura.
Las plantas de papel es un ejemplo típico de este tipo de aplicaciones. La variación combinada de
la velocidad de todos los motores se realiza mediante el control por voltaje de armadura y el
ajuste final más preciso de las velocidades relativas de varios motores se logra a través del control
por flujo de campo.
 Figura 2. Combinación del Control por Voltaje de Armadura y Flujo de Campo en
un Motor de Excitación Separada.

Fuente: Martínez G; 2000.

Control Predictivo basado en Modelo

El Control Predictivo basado en Modelo (MPC) se creó a finales de los setenta y ha tenido
un desarrollo considerable desde entonces; en los últimos años ha alcanzado un nivel
significativo de aceptabilidad industrial en aplicaciones prácticas de control de procesos
(Camacho y Bordons 2004). El MPC es una estrategia de control que se basa en la
utilización de forma explícita de un modelo del proceso para predecir el valor de las
variables controladas a lo largo de un horizonte temporal especificado por el usuario,
calculándose el valor de las variables manipuladas para hacer que en ese horizonte las
variables controladas estén en sus valores de referencia.
El control predictivo basado en modelo se presenta actualmente como una herramienta
atractiva de control, que permite incorporar criterios operacionales a través de la utilización
de una función objetivo y restricciones para el cálculo de las acciones de control.

El MPC se basa principalmente en los siguientes elementos:

 Uso de un modelo matemático del proceso que se utiliza para predecir la evolución
futura de las variables controladas sobre un horizonte de predicción.
 Imposición de una estructura en las variables manipuladas futuras.
 Establecimiento de una trayectoria deseada futura, o referencia, para las variables
controladas.
 Cálculo de las variables manipuladas optimizando una cierta función objetivo o
función de costos.
 Aplicación del control siguiendo una política de horizonte móvil.

La Figura 2 señala mediante un diagrama esquemático del Control Predictivo Basado en

Modelo, que muestra cada uno de los elementos que influyen en la implementación del
mismo.
 Figura 2. Estructura Básica del MPC.

Fuente: Bordons (2000).

El control predictivo tiene como objetivo resolver de forma efectiva problemas de control y
automatización de procesos industriales que se caractericen por presentar un
comportamiento dinámico complicado, multivariable, y/o inestable. La estrategia en que se
basa este tipo de control utiliza un modelo matemático del proceso a controlar para predecir
el comportamiento futuro de dicho sistema, y en base a este comportamiento futuro puede
predecir la señal de control futura que será aplicada al proceso.

Según el tipo de modelo utilizado para representar el proceso a controlar, el control

predictivo o MPC puede ser clasificado como lineal o no-lineal. Los MPC lineales pueden
ser aplicados de manera satisfactoria a procesos con pequeñas y medianas no linealidades.
Para el caso de procesos con fuertes no linealidades, un MPC no lineal puede presentar
ciertas ventajas. Si el diseño del MPC contempla explícitamente el manejo de las
restricciones del proceso, entonces es clasificado como un MPC con manejo de
restricciones. En caso contrario se considera como un MPC sin manejo de restricciones.

El control predictivo basado en modelo permite diseñar, analizar e implementar algoritmos

avanzados de automatización industrial. Como su nombre lo sugiere, controla una planta
objetivo combinando una estrategia de predicción y control. La estrategia de control
compara los estados predichos de la planta con un conjunto de puntos de operación, luego
ajusta los actuadores disponibles para lograr los objetivos respetando las restricciones de la
planta. Tales restricciones pueden incluir la limitación física de los actuadores, límites de
operación segura y límites mínimos de producción. El impulso que motiva al control
predictivo es que la experiencia industrial sugiere que la rentabilidad a menudo impone a la
planta una o más restricciones.

Considérese el diagrama de bloques de una aplicación de control predictivo mostrado en la

Figura 3, el objetivo principal es mantener la salida y en su valor de referencia (“set
point”) r, ajustando la variable manipulada (actuador) u. El bloque identificado como MPC
representa el controlador predictivo basado en modelo diseñado para lograr el objetivo de
control.

Figura 3. Diagrama de bloques de una aplicación de control predictivo.

Fuente: Bemporad (2010)

La aplicación habitual del control predictivo involucra plantas que tienen múltiples entradas
y salidas (plantas MIMO). Adicionalmente a la variable de entrada, u, pueden existir
perturbaciones medibles, v, y no medibles, d.

Las perturbaciones no medibles están siempre presentes; como se muestra en la Figura 3, es

una entrada independiente, no es afectada por el controlador ni la planta; ésta representa
todos los eventos desconocidos e impredecibles que perturban la operación de la planta:
cuando estos eventos ocurren, la única indicación es su efecto en la salida medible y, la cual
es realimentada al controlador.

A continuación se presenta la descripción de cada una de las variables mostradas en la

estrategia de control.

 Perturbación no Medible (d): Perturbación desconocida, pero afecta la salida de la

planta. El control cuenta con realimentación para compensar estas perturbaciones.
 Referencia (r): Valor objetivo de la salida.
 Variable Manipulada (u): Es la señal que el controlador ajusta para lograr los objetivos.
 Perturbación Medible (v): El controlador suministra una compensación en adelanto
para estas perturbaciones para minimizar su impacto en la salida.
 Salida (y): Variable controlada, es la señal que se desea mantener con el punto de
operación, valor real sin ruido.
 Variable Medida (y): variable usada para estimar el valor real.
 Medición de Ruido (z): Representa el ruido eléctrico, errores de muestreo y otros
efectos que perturban la precisión y exactitud de la medición.

El control predictivo requiere de un modelo que identifique la relación o el efecto de v y u

sobre la salida y . El controlador usa el modelo de la planta para calcular el ajuste de u
requeridos para mantener la salida a su valor de referencia. Este cálculo considera el efecto
de cualquier restricción conocida (restricciones en los actuadores o valores de salida). La
especificación de estas restricciones es una característica distintiva del control predictivo y
puede ser particularmente valiosa cuando se controlan plantas de múltiples entradas-salidas,
plantas MIMO.

El controlador predictivo MPC genera un controlador en tiempo discreto el cual toma

acción en intervalos de tiempo discreto. El instante de muestreo corresponde a los instantes
en los cuales actúa el controlador. El intervalo que separa los sucesivos instantes de
muestreo corresponde al periodo de muestreo (también llamado intervalo de control).

En la Figura 4 se muestra el estado de un sistema de control predictivo hipotético de una

entrada y una salida (SISO), el cual ha estado operando por muchos periodos de muestreo.
El entero k representa el instante actual. La última medición de la salida, yk, y las
mediciones previas, yk-1, yk-2,…, son conocidas y se representan por círculos negros.

Figura 4. Estado del controlador en el instante de muestreo k.

Fuente: Bemporad (2010)

En la parte inferior de la Figura 4 se muestran en círculos negros los movimientos pasados

del controlador, uk-4, u k-3,…, u k-1, como se hace usualmente, un retenedor de orden cero
recibe cada movimiento del controlador y lo mantiene hasta el siguiente instante de
muestreo.

Para el cálculo del siguiente movimiento, u k, el controlador opera en dos fases:

Estimación: para hacer un movimiento inteligente el controlador requiere conocer el estado
actual, esto incluye el valor real de la variable controlada y k y cualquier variable interna que
influya en la tendencia futura yk+1, y k+2…, y k+p. Para lograr esto, el controlador usa todas las
mediciones pasadas y actuales y modela el comportamiento u→y, d→y, w→y y z→y.

Optimización: El valor de los puntos de operación, las perturbaciones medibles y las

restricciones se especifican sobre un horizonte finito de instantes de muestreo, k+1, k+2,…,
k+p, donde p (entero finito >1) es el horizonte de predicción. El controlador computa M
movimientos uk, uk+1, uk+2,… uk+M-1, donde M (≥1, ≤ p) es el horizonte de control. El ejemplo
hipotético mostrado en la Figura 4 se tiene p = 9 y M = 4. Los movimientos son una
solución de un problema de optimización con restricciones.

En el ejemplo, los movimientos óptimos (uk) son los cuatro círculos blancos y el
controlador predice que los valores de la salida (yk) resultantes serán los nueve círculos
blancos que se muestran en la parte superior de la Figura 4. Es de notar que ambos, tanto la
señal de control u como la salida y están dentro de sus restricciones, es decir:

umin ≤ uk+j ≤ umax y ymin ≤ yk+i ≤ ymax (1)

Cuando termina el cálculo, el controlador envía el movimiento uk a la planta. La planta

opera con esta entrada constante hasta el siguiente instante de muestreo. El controlador
obtiene entonces nuevas mediciones y desarrolla el ciclo nuevamente.

Optimización y Restricciones

El control predictivo resuelve un problema de optimización que incluye restricciones

implícitas sobre u y y.

Seguimiento del punto de operación (“Set Point Tracking”): Considérese un primer caso
sin restricciones. Un objetivo primario del control es obligar que la salida de la planta siga
un punto de operación deseado. Específicamente, el controlador predice cuanto será la
desviación entre la salida y su punto de operación o “set point” dentro del horizonte de
predicción. El controlador multiplica cada desviación por el peso de la salida, y calcula la
suma ponderada al cuadrado de las desviaciones Sy(k), de la siguiente forma:
 (2)

Donde k es el intervalo de muestreo actual, k+i es el intervalo de muestreo futuro (dentro

del horizonte de predicción), P es el horizonte de predicción, ny es el número de salidas de
la planta, wyj es el peso de la salida j y [rj(k+i)-yj(k+i)] es la desviación predicha en el
instante futuro k+i.

Si wyj>> wyi≠j el controlador hace su mejor ajuste en rj, sacrificando ri si es necesario. Si

wyj=0, el controlador ignora completamente la desviación ri-yj.

Escoger los pesos es un paso crítico; se requiere usualmente variar los pesos para lograr el
comportamiento deseado.

Restricción de la acción de control: Si el controlador se centra exclusivamente en el

seguimiento del punto de operación, podría decidir hacer grandes ajustes en la variable
manipulada. Esto podría ser imposible de lograr. Podría acelerar el desgaste de los equipos
y llevar el sistema de control a la inestabilidad. Por tal motivo, el control predictivo
también monitorea y pondera la suma de los ajustes, calculado de la siguiente manera:

(3)

Donde M es el horizonte de control, nmv es el número de variables manipuladas, ∆uj(k+i-1)

es la predicción del ajuste en la variable manipulada j en futuro intervalo de muestreo k+i-
1, y wj∆u es una ponderación, la cual debe ser cero o positiva. Incrementando wj∆u obliga al
controlador a hacer movimientos más pequeños.

Restricciones
Las restricciones pueden ser estrictas o suaves. Una restricción estricta no debe ser violada.
Desafortunadamente, bajo algunas condiciones la violación de una restricción puede ser
inevitable y un controlador real debe permitirla.

El control predictivo permite suavizar las restricciones, haciendo una violación

matemáticamente aceptable. El diseñador puede especificar el grado de suavidad en cada
caso. El control permite especificar una banda de tolerancia para cada restricción. Si la
banda de tolerancia es cero la restricción es estricta. Al incrementar la banda de tolerancia
se suaviza la restricción.

Estimación del Estado

Al comienzo de cada instante de muestreo el controlador estima el estado actual de la

planta. El conocimiento exacto del estado mejora la exactitud de la predicción, lo cual
mejora el desempeño del controlador.

Si todos los estados de la planta son medidos, el problema de la estimación del estado
podría ser relativamente simple, requiriendo solamente la consideración de los efectos del
ruido en la medición. Desafortunadamente el comportamiento interno de una planta típica
no es medible y el controlador debe estimar sus valores actuales de las mediciones
disponibles.

Modelo de Predicción

El modelo lineal usado por el controlador para la predicción y optimización se muestra en

la Figura 5.

Figura 5. Modelo de predicción.

 Fuente: Bemporad (2010)

El modelo consiste de:

Un modelo de la planta a ser controlada, cuyas entradas son variables manipuladas,

perturbaciones medibles y perturbaciones no medibles.

Un modelo que genera las perturbaciones no medibles.

El modelo de la planta es un sistema lineal invariante en el tiempo (LTI) descrito por las
siguientes ecuaciones:

(4)

Donde x(k) es el vector de estado de la planta (de dimensión nx), u(k) es el vector de
variables manipuladas (de dimensión nu), v(k) es el vector de perturbaciones medibles (de
dimensión nv), d(k) es el vector de perturbaciones no medibles (de dimensión nd), ym(k) es
el vector de salidas medibles y yu(k) es el vector de salidas no medibles. La salida total del
sistema y(k) agrupa ym(k) y yu(k).

Un modelo válido para el controlador predictivo no tiene componente directa de la variable

manipulada u(k) en el vector de salida ym(k).
La perturbación no medible d(k) es modelada como la salida de un sistema LTI:

(5)

El sistema descrito por las ecuaciones arriba es controlado por un ruido Gaussiano aleatorio
nd(k), teniendo media cero y matriz de covarianza unitaria.

Compensaciones

En muchas aplicaciones prácticas, las matrices A, B, C, D del modelo que representa al

proceso para el control, se obtienen linealizando un sistema dinámico no lineal, tal como:

(6)

Esta linealización se hace sobre valores nominales x=x0, u=u0, v=v0, d=d0. En estas
ecuaciones x` denota la derivada en el tiempo (modelo continuo) o x(k+1) (modelo
discreto).

La linealización del modelo tiene la siguiente forma:

(7)

Las matrices A, B, C, D del modelo, se obtienen de las matrices Jacobianas que aparecen en
la linealización. Las dinámicas linealizadas son afectadas por los términos constantes
F = f(x0,u0,v0,d0) y H = h(x0,u0,v0,d0). Por tal razón el algoritmo de control internamente
añade una perturbación medible v=1, así que F y H pueden ser incluidas en Bv y Dv,
respectivamente, como una columna adicional.

Ventajas y desventajas del Control Predictivo Basado en Modelo

La capacidad del Control Predictivo Basado en Modelo para llevar a cabo sistemas de
control altamente eficientes, para operar durante largos periodos de tiempo con escasa
intervención del recurso humano, hace necesario que se resalten las ventajas que posee
sobre otros métodos:

 Compensación intrínseca del tiempo muerto.

 Realización de control por adelanto en forma natural para compensar perturbaciones
medibles.
 Posibilidad de ser usado en procesos cuya dinámica varía de una forma simple a una
más compleja, incluyendo procesos con tiempo muerto muy largos o procesos
inestables.
 Manejo de restricciones que pueden ser incluidas durante el diseño del proceso.
 Metodología abierta basada en ciertos principios básicos, lo cual permite futuras
extensiones.

La desventaja más grande del MPC es la necesidad de tener un modelo apropiado del
proceso, ya que la elaboración del modelo debe recoger o ser lo más fiel a la dinámica real
del proceso, de modo que las predicciones del comportamiento futuro del proceso sean
iguales o aproximadas al comportamiento real. De acuerdo a esto, el desempeño de la
estrategia del MPC se verá afectado por el modelo.
Estrategia de los Controladores Predictivos

La metodología de todos los controladores dentro de la familia MPC se caracterizan por la

descripción de la estrategia que se ilustra en la Figura 6.

Figura 6. Estrategia MPC.

Fuente: Camacho y Bordons (2007).

De la Figura 6 puede indicarse lo siguiente:

 El comportamiento futuro de la salida del proceso para un horizonte determinado N,
llamado horizonte de predicción, se calcula en cada instante de tiempo t usando el
modelo del proceso. Este comportamiento estimado y(t+kt) para k= 1……N
depende de los valores conocidos en el instante t (entradas previas y salida) y de la
secuencia de control futura a ser implementada, u(t+kt).

 La secuencia de control futura se calcula por la optimización de un determinado

criterio, para mantener la salida del proceso lo más cercano posible a la trayectoria
de referencia o “set-point”. El criterio a optimizar usualmente toma la forma de una
 función cuadrática de errores entre el comportamiento futuro de la señal de salida
del proceso y la trayectoria de referencia.

 La señal de control calculada u(t|t) es enviada al proceso, mientras que las señales
calculadas para los próximos intervalos no se implementan, debido a que en el
próximo instante de muestreo y(t+1) es conocida y el paso 1 se repite con este
nuevo valor y toda la secuencia se corre y se actualiza. Por esto la señal en u(t+1|
t+1) es calculada; ésta deber ser diferente a la obtenida en u(t+1|t) por la nueva
información disponible del proceso.

Herramientas Computacionales

MATLAB

MATLAB es un software interactivo para computación numérica y visualización de datos.

Es ampliamente usado por ingenieros de control en el análisis y diseño. Posee además una

extraordinaria versatilidad y capacidad para resolver problemas en matemática aplicada,

física, química, ingeniería, finanzas y muchas otras aplicaciones. Está basado en un

sofisticado software de matrices para el análisis de sistemas de ecuaciones. Permite resolver

complicados problemas numéricos sin necesidad de escribir un programa. MATLAB

integra análisis numérico, cálculo matricial, procesamiento de señales y visualización

gráfica en un entorno completo donde los problemas y sus soluciones son expresados del

mismo modo en que se escribirían tradicionalmente, sin tener que hacer uso de la

programación tradicional.
MATLAB dispone también en la actualidad de un amplio abanico de programas de apoyo

especializados, denominadas cajas de herramientas o “Toolboxes”, que extienden

significativamente el número de funciones incorporadas en el software principal.

Además, también se dispone del programa Simulink, que es un entorno gráfico interactivo

con el que se puede analizar, modelar y simular la dinámica de sistemas.

SIMULINK

Simulink es una herramienta para la simulación de una amplia variedad de sistemas físicos

y matemáticos, inclusive aquellos con elementos no lineales y aquellos que hacen uso de

tiempos continuos y discretos. Como una extensión de MATLAB, Simulink adiciona

muchas características específicas a los sistemas dinámicos, mientras conserva toda la

funcionalidad de propósito general de MATLAB. El ambiente de MATLAB está siempre

disponible mientras se ejecuta una simulación en Simulink.

Simulink tiene dos fases de uso: la definición del modelo y el análisis del modelo. La

definición del modelo significa construir el modelo a partir de elementos básicos

construidos previamente, tales como, integradores, bloques de ganancia o servomotores. El

análisis del modelo significa realizar la simulación y determinar el punto de equilibrio de

un modelo previamente definido.

Simulink usa un ambiente gráfico, lo que hace sencillo la creación de los modelos de

sistemas. Después de definir un modelo, éste puede ser analizado seleccionando una opción

desde los menús de Simulink o introduciendo comandos desde la línea de comandos de

MATLAB. Además, esta herramienta tiene la capacidad de simular sistemas que puedan ser

definidos por ecuaciones diferenciales continuas o ecuaciones diferenciales discretas. Esto

significa que se puede modelar sistemas continuos en el tiempo, discretos en el tiempo o

sistemas híbridos. Simulink usa diagramas de bloques para representar sistemas dinámicos.

Mediante una interfaz gráfica con el usuario se pueden arrastrar los componentes desde una

librería de bloques existentes y luego interconectarlos.

Model Predictive Control Toolbox

La Caja de Herramientas de Control Predictivo de MATLAB (“Model Predictive Control

Toolbox”) o MPC Toolbox, es una colección de programas que ayudan a diseñar, analizar e

implementar algoritmos de automatización avanzada. Al igual que otras herramientas de

MATLAB, cuenta con una conveniente interfaz de usuario, así como una sintaxis de

comandos flexible que permiten una fácil programación.

Un controlador predictivo basado en modelo automatiza una planta objetivo combinando

una estrategia de predicción y control. Un modelo lineal aproximado de la planta suministra

la predicción. La estrategia de control compara las señales predichas por la planta con los

puntos de operación deseados; entonces realiza ajustes en los actuadores disponibles para
lograr los objetivos, respetando las restricciones durante el proceso. Tales restricciones

pueden incluir límites físicos del actuador, límites de operación segura y límites de baja

calidad de producción.

El MPC usa la misma herramienta de modelado dinámico encontrada en el Control System

Toolbox y en el Toolbox de Identificación. Se pueden usar funciones de transferencia,

matrices de espacio de estado o una combinación. Si se utiliza Simulink para modelar la

planta, el MPC provee un bloque controlador. Por ejemplo, se puede linealizar un modelo

no lineal de Simulink, usar dicho modelo para diseñar un controlador predictivo y evaluar

su potencial para controlar el modelo no lineal. Si se determina que el controlador tiene un

buen desempeño, se puede implementar esta estrategia de control en una planta real usando

el Real-Time Workshop.

Bibliografía

BEMPORAD, A.; MORARI, M. y RICKER, L. (2010). Model Predictive Control Toolbox

User’s Guide. The MathWorks, Inc., Natick, U.S.A.

BORDONS, C. (2000). Control Predictivo: metodología, tecnología y nuevas

perspectivas. Universidad de Sevilla, Sevilla. Disponible en:
https://control-ps2316-sept2009.wikispaces.com/file/view/CONTROL+PREDICTIVO.pdf
CAMACHO, E. F., y BORDONS, C. (2007). Control Predictivo: Pasado, Presente y
Futuro. Revista Iberoamericana de Automática e Informática Industrial, Vol. 1, N° 3, pp.
5-24.
Martínez G.; 2000. Rectificadores, Accionamientos para Motores de Corriente Continua y
Controladores de Voltaje Alterno. Primera Edición, Universidad Nacional Experimental Politécnica
“Antonio José de Sucre” Vice-Rectorado Barquisimeto, Barquisimeto, Venezuela.

RODRÍGUEZ, C. (2017). “Control Predictivo de la Sobresaturación en un Proceso de

Cristalización de Azúcar Refinado”. Trabajo de Grado de Maestría, UNEXPO.
Barquisimeto, Venezuela.