Está en la página 1de 5

Amplitud[V]

Diseño e implementación de controladores discretos para una transmisión hidrostática

Roger Fabián Castro Macías Oscar Mauricio Murillo Rodríguez Maicol Madero Pinzón

Abstract . En este articulo se muestra el diseño e implementación de diversas técnicas de control discreto orientados al control de velocidad de una transmisión hidrostática se denota la eficiencia y contribución que generan software de simulación tales como matlab y labview juntos con sus correspondientes toolboox enfocadas a lógica difusa y caracterización de procesos en la adquisición, procesamiento y diseño de los diversos controladores que serán implementados posteriormente.

1 Introducción

A través de la identificación de modelos

paramétricos es posible encontrar funciones matemáticas que permitan crear una aproximación de un proceso en el dominio del tiempo, la importancia de la adquisición de modelos que se a justen a la dinámica de sistemas reales radica en la simulación y observación del comportamiento de nuestra planta ante diversas entradas y diversos lapsos de tiempo, permitiendo una etapa de diseño con mayor confiabilidad y una implementación expuesta en menor porcentaje a pruebas de fallo y error. La lógica difusa permite enfrentar situaciones del mundo real, complejas y dinámicas , que son planteadas más fácilmente por el lenguaje común que por modelos matemáticos y como se muestra en este articulo presenta mayor flexibilidad ante sistemas dependientes del tiempo.

La utilización de software matemáticos especializados en la rama de control tales como matlab y labview permiten la elaboración de de posibles respuestas de el proceso a ser

controlado y además permite definir cada una de

las variables y constantes que alteraran el dato

adquirido y lo llevaran a entregar la respuesta requerido y así poder alcanzar los diversos de consigna

2. Identificación del sistema

Para observar el comportamiento de nuestro sistema

en lazo abierto se aplica una entrada escalón y se

observa el tiempo de establecimiento y el sobrepaso, este será el punto de referencia para la validación del modelo matemático encontrado.

para la validación del modelo matemático encontrado. Salida del sensor ante diversas entradas Ts= 0.849s; Mp=

Salida del sensor ante diversas entradas

Ts= 0.849s;

Mp= 11.5926;

Ganancia=0.771

Respuestaanteentrada3.5volt

3.5 3 X: 3.051 Y: 3.013 2.5 2 1.5 1 0.5 0 2.6 2.8 3
3.5
3
X: 3.051
Y: 3.013
2.5
2
1.5
1
0.5
0
2.6
2.8
3
3.2
3.4
3.6
3.8
4

Tiempo[S]

Al aplicar dos señales Prbs distintas entre un rango de 0-3 v zona línea de la hidrotransmision y luego de validarlas gracias a la tolboox Ident de matlab obtenemos los siguientes datos.

Modelo AMX2221

Respuesta experimental

Ts =0.878s

Ts =0.849

Mp 10,4

Mp=11.5226

AMPLITUD(V)

AMPLITUD(V) Este modelo nos entrega un besfit de 81,54 % un nivel que nos entrega bastante
AMPLITUD(V) Este modelo nos entrega un besfit de 81,54 % un nivel que nos entrega bastante

Este modelo nos entrega un besfit de 81,54 % un nivel que nos entrega bastante precisión del modelo evaluado con respecto a la salida de las prbs.

del modelo evaluado con respecto a la salida de las prbs. A partir del análisis de

A partir del análisis de residuales obtenemos una respuesta mejorada del modelo anterior así que a pesar de mostrar un besfit menor ese parámetro es compensado por un mejor comportamiento del proceso en el dominio de la frecuencia con un espectro ubicado dentro del rango de tolerancia.

con un espectro ubicado dentro del rango de tolerancia. Este modelo se acopla mejor a la

Este modelo se acopla mejor a la respuesta transitoria su comportamiento es muy similar con un tiempo de establecimiento de 0.878 s difiere muy poco del 0.874 s obtenido en la respuesta , el sobrepaso de 10,4 % mejora el comportamiento del modelo anterior y se acerca más al 11.52% encontrado en la respuesta

y se acerca más al 11.52% encontrado en la respuesta Al implementar el controlador y aplicarle

Al implementar el controlador y aplicarle un setpoint de 4 v obtenemos

RESPUESTA ANTE UNA ENTRADA DE 4 VOLTS

4.5 4 X: 31.7 Y: 4 3.5 3 2.5 2 1.5 1 0.5 0 28
4.5
4
X: 31.7
Y: 4
3.5
3
2.5
2
1.5
1
0.5
0
28
28.5
29
29.5
30
30.5
31
31.5
32
32.5
33

TIEMPO(S)

Ts=3.1 s; Mp=0%; tlevant=0.2s

Finalmente comparamos la planta luego de implementar el controlador ante diversos setpoint y la señal simulada obteniendo:

Reespuest(experimental,Practica) Vs Tiempo 5 10 15 20 25 30 35 40 45 50 55 60
Reespuest(experimental,Practica) Vs Tiempo
5
10
15
20
25
30
35
40
45
50
55
60

Tiempo[s]

Al comparar la respuesta experimental (línea negra) con la simulada (línea azul), se observa un retardo en el tiempo de establecimiento, esto es debido a que la componente derivativa del controlador PID implementado, es muy baja,

4. Diseño controladores Fuzzy

3. Diseño controlador PID

Utilizando la técnica de auto tunnig toolbox obtenemos la siguiente ecuación del controlador:

Diseño

salida, respectivamente)

de conjuntos (error, razón cambio,

Los límites de la razón de cambio se adecuaron a partir de la respuesta transitoria del sistema en lazo abierto. Diseño de conjuntos (Error, razón cambio, Salida)

abierto. Diseño de conjuntos (Error, razón cambio, Salida) Diagrama de bloques del sistema (simulación,

Diagrama

de

bloques

del

sistema

(simulación,

practico.

2

Amplitud[V]

Amplitud[V] Los límites de la razón de cambio se adecuaron a partir de la respuesta transitoria

Los límites de la razón de cambio se adecuaron a partir de la respuesta transitoria del sistema en lazo abierto, los límites de error tienen que ver con el máximo dato censado en el proceso

MANDAMANI ERROR

4.5

4 3 2 1.5 1
4
3
2
1.5
1
3.5 2.5 0.5 0 5 10 15 20 25 30 35 40 45 50
3.5
2.5
0.5
0
5
10
15
20
25
30
35
40
45
50

Tiempo[S]

Al obtener la respuesta experimental y compararla con la respuesta simulada observamos grandes similitudes los tiempos de establecimiento se observan menores en la respuesta experimental sin embargo con practicamente la misma inclinacion en la mayor parte de los escalones se considera confiable la adquisicion de nuestro modelo, a pesar de que muestra un arranque muy variable ante setpoint altos , en estos casos la pendiente varia un poco con respecto a la simulacion obtenida .

Diseño

de

conjuntos

Fuzzy

adaptativo

(labview)

al implementar el controlador se observo que pese

a alcanzar el punto de consigna satisfactoriamente

y ser considerado un sistema rápido en comparación con otros diseños el conjunto de salidas Kp y Kd tuvo una pequeña variación a partir de la simulación ya que contenía un

sobrepaso considerable en algunos setpoint llegando a superar el 25 % en setpoint superiores

a 4 V,conociendo la función de la constante

derivativa de garantizar cambios abruptos en cortos lazos de tiempo fue la variable mayormente modificada disminuyéndose hasta el mismo nivel de la variable proporcional y observando una mejoría en la señal transitoria.

Respuesta (Real, Simulada) Vs Tiempo

4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 5 10 15 20 25
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
5
10
15
20
25
30
35
40
45
50
55
Amplitud[V]

Tiempo[s]

En este diseño pese a seguir la misma trayectoria observamos una mayor diferencia entres las pendientes de la simulacion y respuesta real para alcanzar un mismo punto de consigna ,el sistema experimental presenta una mejoria evidente en los tiempos de establecimiento llevando al sistema a comportarse de maner mas rapida al diseño implementado anteriormente y con la particularidad de generar variacion en la salida ante niveles pequeños de voltaje caso que no pudo ser observado en el controlador PID debido al acople mecanico del sistema real ,genera cierta oscilacion en un principio a partir del arranque del sistema sin embargo al aplicar diversos escalones observamos que no solo en un caso particular se genera sobrepaso.

Diseño Fuzzy Sugeno RESPUESTA REAL Y SIMULADA VS TIEMPO 5 Entradas(Error,R.C) 4.5 4 3.5 3
Diseño Fuzzy Sugeno
RESPUESTA REAL Y SIMULADA VS TIEMPO
5
Entradas(Error,R.C)
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
10
15
20
25
30
35
40
45
50
55
60
65
Salidas(KP,Kd)
Tiempo[s]
Amplitud[V]

La respuesta obtenida por el controlador Sugeno es quizas la mas alejada con respecto a la simulacion presenta tiempos de establecimiento considerablemente menor, al trabajar en proceso de tiempos tan pequeños , ademas la respuesta transitoria se ve afecatada por sobrepasos en la mayoria de puntos de consigna ascendentes, sin embargo el proceso al implementar un controlador fuzzy Sugeno mejoro ante las otras tecnicas de control ,su comportamiento es el mas rapido y quien respondia a menores variacion de voltaje aspecto muy importante en este proceso donde era uno de los principales objetivos a cumplir el cambio de tension ante pequeñas variaciones en la valvula.

Controlador

Ventajas

 

Desventajas

Razón cambio

Acción de control prácticamente lineal y baja

Lentitud

frente

a

del proceso

otros

controladores

 

Alcanza

pto.

Menor

eficacia

Consigna

ante

variaciones

pequeñas

de

tensión

en

Tiempo

establecimiento <

ts

setpoint.

PID

Sin sobrepasos

 

Autoadaptable

Alcanza pto. consigna

Acciones

de

control abruptas

Tiempos

de

establecimiento

Variaciones poco

bajos,Sin

sobrepasos

comunes

en

el

continuos

arranque.

Mayor

flexibilidad

ante

variaciones

pequeñas

en

la

tensión

Sugeno

Alcanza

punto

de

Arranque

poco

consigna

lineal

Menores

tiempo

de

Acción de control otros

mayor a métodos. Presencia sobrepasos setpoints mayores a 2 v

establecimiento.

Mejor

comportamiento

ante

pequeñas variaciones

de setpoints

 

4

3. Conclusiones

Es determinante la buena calidad en el

acople mecánico de los elementos para obtener lecturas que se ajusten de manera fiel a la dinámica

del proceso, de esta forma podemos obtener un modelo matemático que se ajuste a la realidad.

El acondicionamiento de señales permite una adquisición de datos más confiable, y así obtener un modelo matemático más preciso hacia el sistema real. La implementación de filtros digitales a pesar de reducir el ruido en el sistema, no fue suficiente para estabilizar la onda y reducir la variación de tensiones leídas, por tal motivo se implemento un filtro análogo que mejoró la señal leída.

La utilización e implementación de la lógica

difusa genera un aporte indescriptible en el control de procesos industriales, en nuestro caso especifico tenemos que considerar que el modelo no es totalmente lineal y tiene un acercamiento a un sistema no lineal sumado a esto la adquisición de datos no es totalmente confiable al incorporar una variable en la temperatura del aceite que disminuye el torque inducido por el motor al transcurrir su etapa dinámica ,otro aspecto fundamental en este proceso real es el accionamiento mecánico que obstaculiza el

caudal de liquido disminuyendo así el torque a partir de una entrada, esta válvula no reacciona de una manera muy precisa ante pequeñas variaciones en la entrada, es aquí donde la estructura de un controlador fuzzy toma un mejor desempeño ante controloladores PID y sus derivados ya que el controlador fuzzy precisamente está diseñado a partir de la experiencia y del comportamiento del sistema puede desenvolverse mejor ante procesos variantes en el tiempo así la planta tenga variaciones la tendencia del sistema tiende a ser la misma.

El mejor controlador encontrado fue el fuzzy

Sugeno debido a su aporte en la respuesta transitoria encontramos un sobrepaso muy bajo y relativamente despreciable, un tiempo de establecimiento bajo comparado ante otros controladores parámetro que permitió definir que fue la mejor la respuesta transitoria ya que las acciones de control encontradas tenían las mismas tendencias, por ultimo teniendo en cuenta la facilidad de sus salidas reduce la complejidad de código y permite menor dependencia hacia software especializados a la creación de conjuntos Fuzzy.

Bibliografía

[1]

mezclador de embotellado de bebidas gaseosas Carlos Antonio Román Rey Unidades Tecnológicas de Santander.

[2] Análisis sistema reactor mezclador comparación estrategias PID, DMs, FLC y Fuzzy gain

Sistema de control electrónico para un

[3] Transmission control with a fuzzy logic controler, Friedrich Graf, Regensburg, Gregor Probst,Landshut,Hans-Georg Weil.

[4]

Fuzzy expert system for automatic transmission control, Weil,H.-G;Probst,G ;Graf ,F; Siemens AG , Munich