Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DEFINICIÓN:
VARIABLES PERTURBACI
DE ESTADO Y ONES DEL
DETERMINAC ESTADO
IÓN DE LOS INICIAL Y DE
PUNTOS DE LAS
EQUILIBRIO ENTRADAS AL
SISTEMA.
Análisis de linealidad tanque cónico
Jairo Vargas Caleño
jairocale@yahoo.com
La salida corresponde al nivel (h) de agua en el tanque.
Resumen: en este articulo se
presenta el análisis de linealidad de un
tanque cónico; el objetivo consiste en
analizar y verificar la respuesta del
sistema así como realizar la
identificación a través de el algoritmo
de mínimos cuadrados y el Toolbox de
Matlab® IDENT.
que s
2. MODELO TANQUE CONICO La altura del tanque es de 0.5 m y el
La Figura 1., muestra un tanque para ángulo alfa es de 20°. En la practica el
alm acenam iento de agua con nivel de agua puede ser determinado
geometría cónica [1]. La entrada de de forma proporcional con la presión
control es el flujo de entrada (Qin) en la en el fondo del tanque.
tubería superior del tanque.
Para el nivel h el volumen es:
Pág. 7
1
V ( h ) 3 . r 2 (h).h
(1.2) h
dh Qin k out . 2
dt .tan .h .tan
2 2
3 (1.3)
D o n d e B . tan 2
Derivando con respecto al tiempo,
dV (h) 1 dh (1.4)
dt . . tan 2 h3 .
3 dt
dV ( h ) dh
. tan 2 . h 2 .
(1.5) Figura 2. Modelo de bloques del
dt dt sistema
f h 02
Ahora analizando el denominador se
Qin . tan2 tiene un polo negativo.
(1.9)
~ ~ s 6.7 *10 3 0
L o q u e l l e v a a: a b ~
h (1.10) s 6.7 *10 3
h
Qi n
Esto nos indica que el sistem a
2h 3 5 / 2
~ h
2 es estable en este punto.
~h 0 in,0
3 k out .h 0 0 ~
.Q
. tan 2
h Q in
2 . tan
2
. tan 2
Punto de operación No. 2.
(1.11)
Donde: y ~
h~ h h 0 Qin , 0 (h 0 , Q i n ) (0.4m, 6.3246 *10 5 m3 ) :
Q in Q i n ,0
s
(1.12) a 0.0012 , b 15 .0175
h~ 0.0012 * ( h h 0 ) 1 5 .0175 * (Q i n Q i n ,
(1.14)
0 )
Función de transferencia
h 0 0.2m y
~ ~
Q i n kout * h 0 0 .0 0 01 * 0 .2 4.4721e - 005 H~ ( s ) 15 .
Q (
0175 s ) ( s 0.0012 )
m3
(h 0 , Q i n ,0 ) (0.2m, 4.47 *10 5 ): De igual manera el sistema linealizado
s
en este punto tiene un polo
a 6.7 *10 3
, b negativo por lo tanto es estable.
h60.07
~ 6.7 *10 3 * ( h h 0 ) 60 .07 * (Q i n Q i n ,
0 )
5. IDENTIFICACION DEL SISTEMA
h~ 6.7 *10 3 * ~h 60.07 * ~ (1.13)
Qi n La identificación [2][3][4] del sistema
se realiza alrededor del segundo punto
Pág. 1
0
de operación (ho=0.4 m) empleando
el toolbox ‘Ident’ de Matlab.
Pág. 1
1
Realizando ahora identificación
el algoritmo de Mínimos y
em pleando un regresor de primer
orden, se obtiene
cuadrados
~
H~ ( z )
Q(z)
1.965 z 0.9997
0.4
0.35
0.3
0.25
0.2
Figura No. 9. Resultados obtenidos
para un sistema con dos polos 0.15
0.1
~
H (s) 5890 .1721
0.05
~
s ) Q ( s ) (1 0.029184 * s)(1 4094 .3758 *
0
0 1 2 3 4 5 6 7 8
4
aproximación del 55.36%, se identifica Figura No. 11. Respuesta del sistema
ahora una función con un polo y un estimado con mínimos cuadrados
cero.
5. CONCLUSIONES
Se logro obtener el modelo analítico
(ecuación diferencial) y el modelo en
diagramas de bloques que describen el
comportamiento dinámico del sistema
propuesto. Para ello se genero una
colección de datos provenientes de
pruebas experimentales simuladas
empleando el diagrama de bloques, se
determinaron los parámetros para
varias funciones con ayuda de la caja
Figura No. 10. Resultados obtenidos de herramienta ‘Ident’ de Matlab y
para un sistema con un polo y un cero. empleando el algoritmo de mínimos
cuadrados.
~
H~ ( s ) 6169 * (1 83 51 .4 * s )
Sin em bargo, se encontraron varias
Q(s) (1 15622 * s )
inconvenientes en los procesos de
sim ulación entre los que el m ás
importante consistió en el número de
Pág. 1
2
cifras significativas que se empleaban
en los valores registrados,
especialmente, de la variable de
entrada. Este factor influyo
drásticamente al momento de usar un
regresor de segundo orden, puesto que
el rango de la variable de generaba
inconsistencias al momento de calcular
las diferentes matrices.
6. BIBLIOGRAFIA
1M. Norgaar O, Ravn, N.K., Poulsen
and L.K Hansen, Neural Networks For
Modelling and Control of dinamic
Systems.
Pág. 1
3