Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INDENTIFICACION DE
SISTEMAS MULTIVARIABLES
EN MATLAB
INTEGRANTES:
-BRIONES RIVERA PIER 1423225497
-CRUZ RODRIGUEZ ANGELO RAUL 1423225605
-ESPINOZA DIAZ RENZO FRANCISCO 1423215135
-LOAYZA DIAZ JEAN PAUL 1423215198
-UBILLUS MORENO LUIS 1123210013
INTRODUCCION
¿Qué es?
En este caso las variables de salida son las temperaturas en el frente y fondo del horno, y
las variables manipuladas el caudal de gas aplicado al quemador y la posición de la clapeta
de salida de gases
ALTERNATIVAS DE CONTROL
Existen distintas formas de solucionar el problema del control de sistemas
multivariables:
A. Tres aproximaciones desde la perspectiva monovariable
Pueden ser :
1. No paramétricas
2. Paramétricas
Técnicas de identificación no
paramétrica
Se caracterizan mediante gráficos, diagramas o representaciones que
describen las propiedades dinámicas mediante un número no finito de
parámetros
Algunos de estos métodos son:
1.- Objetivo:
Determinar el vector k para el control por realimentación de estado de un
sistema determinado, con función de transferencia conocida y polos deseados.
2.- Contenido Teórico:
2.1.- Definición de Estado
El estado de un sistema dinámico es el conjunto más pequeño de variables (llamadas variables de estado) tal
que, el conocimiento de esas variables en un determinado instante t0 junto con el conocimiento de los valores
de la señal de entrada para los instantes t >= t0, permite determinar el comportamiento y evolución del
sistema para cualquier instante de tiempo t >= t0.
La dinámica de un sistema se puede describir en función del valor del vector de estados y de la señal de
entrada (asumiendo que el sistema es no autónomo) mediante unas ecuaciones que tendrán la forma:
2.4.- Discretización de las ecuaciones de estado continúa
Para un sistema continuo en espacio de estados:
𝑥̇ = 𝐴𝑥 + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷𝑢
Al discretizar el sistema con un tiempo de muestreo T se obtiene:
𝑥((𝑘 + 1)𝑇) = 𝐺(𝑇)𝑥(𝑘𝑇) + 𝐻(𝑇)𝑢(𝑘𝑇)
Quedando la ecuación de salida como:
𝑦(𝑘𝑇) = 𝐶𝑥(𝑘𝑇) + 𝐷𝑢(𝑘𝑇)
2.7.- Realimentación del estado
En esta sección se presenta una estrategia de control que permite elegir la
situación de los polos de bucle cerrado del sistema, mediante la
realimentación lineal del vector de estados. Se verá que la condición necesaria
para que esto se pueda conseguir es que el sistema sea controlable. Por otra
parte, se asume que todas las variables de estados son accesibles, es decir, se
puede medirlas directamente sin tener que estimarlas por otros
procedimientos.
Dado un sistema discreto lineal, invariante y controlable, en el que se supone
el estado es medible (figura 2):
El control por realimentación del estado es:
𝑢(𝑘) = 𝑟(𝑘) − 𝐾𝑥(𝑘)
Es decir, la señal de control se obtiene de la realimentación negativa del vector de estados
multiplicado por una cierta matriz de ganancias K. Este tipo de ley de control se la denomina
usualmente realimentación del vector de estados. Con esta ley de control el sistema en bucle
cerrado quedará como en la figura 3.
Identificación de Sistemas Multivariables: MIMO
SISTEMAS MIMO
Son sistemas con varias entradas y salidas, en los que una entrada afecta a varias salidas y
recíprocamente una salida es afectada por varias entradas.
Entradas
Salidas
Identificación de un Sistema MIMO en un Ejemplo Practico:
La mayoría de los procesos industriales requieren el control sobre más de una variable, como el caso de un
circuito de molienda (pulverización y a la dispersión del material sólido, ya sean granos de alimentos,
piedras o cualquier otro material sólido) semiautógena, donde se puede pensar en distintas variables:
Variables a controlar como la granulometría del producto, la densidad a la entrada del hidrociclón o el
caudal de salida .
Variables que pueden ser manipuladas, como el caudal de agua añadida al sumidero y el caudal másico de
entrada de mineral al molino.
Formas de resolver problemas de control de sistemas multivariables
A. Se puede reducir a diseñar cada lazo de control de manera independiente del resto de los lazos (es
decir, sin tomar en cuenta la presencia del resto de los lazos de control).
B. Para resolver el problema del control de sistemas multivariables, nos basamos en el uso de un sólo
controlador que acciona simultáneamente todas las variables manipuladas cuando alguna o algunas
variables controladas se alejan de su punto de ajuste. Este tipo de control se conoce como control
centralizado. De esta forma se consigue compensar el efecto de las interacciones.
C. Control Predictivo: Otra estrategia de control es cuando se emplean controladores predictivos como
controladores locales, debido a que mientras alguno de ellos está resolviendo su propio problema de
optimización, está también intercambiando información sobre sus predicciones con los demás
controladores. Esto le permite a cada controlador tener alguna idea de cuál es el camino probable que
seguirá alguna dinámica que pueda influenciarlo directamente, y poder tomar acciones correctivas
posiblemente antes de que las perturbaciones actúen.
EL DESACOPLAMIENTO
Cuando las interacciones entre lazos son fuertes, las
técnicas de control de una entrada y una salida no
ofrecen buenos resultados. Hay que acudir a técnicas de
control multivariable que son muy complejas. La más
accesible es la basada en desacopladores: elementos de
control que reducen la intensidad de las interacciones.
Objetivo: eliminar o reducir las iteraciones de cada
variable de entrada con las variables de salida distintas
de la que controla.
Control multivariable
El controlador recibe señales de todas las salidas y simultáneamente calcula todas las señales de control
teniendo en cuenta la interacción
En un sistema MIMO el efecto de cada entrada sobre cada una de las salidas describe el modelo matemático
del problema.
Ejemplo de identificación de sistemas multivariables con diferentes señales de entradas 2X2 Usando Simulink
de Matlab
Se trata de un sistema multivariable con dos entradas y dos salidas, descrito por las ecuaciones en el espacio
de estado siguientes:
Funciones de
Diagrama de Transferencia
bloques del
sistema
Se realizó la simulación con ayuda del Simulink del Matlab según el siguiente esquema para obtener los
datos necesarios para la identificación:
El criterio de error fue el error medio absoluto, es decir, el valor medio de los
valores absolutos de las diferencias entre ambas salidas.