SISTEMAS DE CONTROL NO LINEALES

DEFINICIÓN:

Podemos definir a los sistemas no lineales como la diferencia que

hay de los movimientos, cambios , perturbaciones, entre la entrada
y salida de un sistema.

Control no lineal. El control no lineal recibe su nombre del tipo

de sistema (no lineal) sobre el que se quieren saber ciertas
variables. ... Dichas ecuaciones no lineales, representan una
invarianza en el tiempo por cada una de las variables de estado que
representan el sistema.
 PROCEDIMIENTO PARA
CONSEGUIR LA LINEALIDAD
 SISTEMAS NO LINEALES:

Están definidos mediante ecuaciones no

lineales

No cumplen con el principio de superposición

y homogeneidad.

Son variantes en el tiempo, por lo que se

representan mediante ecuaciones
diferenciales
UN SISTEMA NO LINEAL SE
PUEDE ESCRIBIR EN LA
LLAMADA:
En el proceso no es posible encontrar una solución
analítica e igual para todos los sistemas, por lo que
frecuentemente se recurre a la simulación o calculo
numerico de esta, aunque en la actualidad ya existen
distintas técnicas para su proceso de estos sistemas
no lineales, veamos:
 • Linealización aproximada
• Linealización extendida
• Linealización exacta

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.

Palabras Clave: anális is lineal, no Figura No. 1. Tanque cónico

lineal, estabilidad, linealización,
identificación. Qin es una variable controlable y
cualquier cambio afecta de inmediato
el sistema. Para el análisis se limita el
1. INTRODUCCION flujo de entrada en el intervalo:
El presente artículo muestra el proceso
para el análisis de linealidad de un 0 ≤ Qin ≤ 4*10-4 m3/s. (1.0)
sistema clásico como lo es un tanque
de alm acenam iento de líquido con
geometría cónica. El trabajo se dividió El caudal de salida (Qout), es
en cinco partes principales: 1) controlable y se debe a la no
Selección y modelamiento matemático hidrostática. Se asume caudal de
presión
de la planta, 2) Prueba de linealidad, salida turbulento:
3) Linealización del modelo en un
punto de operación, 4) Identificación h
modelo
de un del sistema empleando el Q out  k out . (1.1)
toolbox Ident de Matlab y 5)
Conclusiones. Experimentalmente se ha encontrado
kout  10 4 m5 /2

2. MODELO TANQUE CONICO
La Figura 1., muestra un tanque para
alm acenam iento de agua con
geometría cónica [1]. La entrada de
control es el flujo de entrada (Qin) en la
tubería superior del tanque.
que s
La altura del tanque es de 0.5 m y el
ángulo alfa es de 20°. En la practica el
nivel de agua puede ser determinado
de forma proporcional con la presión
en el fondo 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

Si se observa la Figura 1.0., se tiene .h 2

h  2 .k .h1/ 2
que: dh inh  2 .Qout
dt   .tan  2  .tan 2
co r (h) 
tan   
ca h dh inh  2 .Q2 out .h3 / 2
dt   .tan   .tan 2 
Donde r(h) es el radio del tanque. h k
Finalm ente se obtiene la siguiente
Solucionando para h: r ( h )  h. tan  relación:

Reemplazando r(h) en 1.2:

dh
h dt  f (h, Q
in ) 
B .h
1 in k out
.h  3 / 2
V (h)    . tan 2 .h3
1 B
.Q
(1.8)
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


El volum en del tanque lo podem os

expresar como:

dV ( h ) dh
  . tan 2  . h 2 .
(1.5) Figura 2. Modelo de bloques del
dt dt sistema

Solucionando para dh/dt:

3. PRUEBAS DE LINEALIDAD
dh 1 El punto de partida en el análisis de un
 (1.6)
sistema de control generalmente es
dt  . tan 2 un modelo matemático como el
 .h 2 se tiene:
Ahora por la ecuación (1.8), donde las
mostrado
entradas y salidas del sistem a se
dh relacionan com o un conjunto de
h (1.7) ecuaciones diferenciales y/o en
= Q i n  Q o u t  Q i n  k out .
dt diferencia. La mayoría de los modelos
Sustituyendo (1.6) en (1.7): matemáticos son no lineales lo que les
da cierto grado de complejidad, sin
embargo, tales fenómenos no lineales
dh 1 (Qin  k out . h )

dt  . tan 2 Pág. 8
 .h 2
se pueden reducir y describir mediante
modelos lineales.
Cuando se dice que un sistema es
lineal [2] nos referimos a sistemas que
cumplen simultáneamente las
propiedades de homogeneidad y
superposición.
La homogeneidad quiere decir que
cuando la entrada de un sistema dado
es modificada por un valor, la salida del
sistema varía en la misma proporción.
La propiedad de superposición se
cumple cuando la señal a la salida del
sistema es igual a la suma de las
salidas generadas por diferentes
señales en la entrada.
La prueba de linealidad se realiza
empleando tres señales de entrada U1,
U2 y U3 tal y como se muestra en la
Figura No. 3.
Figura No. 3. Pruebas de linealidad
Las graficas de la Figura No. 4.,
corresponden a la respuesta del
sistema ante una entrada paso de una
unidad.
Figura No. 4. Respuesta del sistema
La grafica superior corresponde a la
respuesta del sistema ante la entrada
U1, la grafica del medio la respuesta
ante la entrada U2 y la grafica inferior
la respuesta ante la entrada U3. En
este caso Y2 no equivale a 2Y1 lo que
indica que no se cum ple con
la propiedad de
hom ogeneidad
Y3=Y1+Y2 cuando U3=y U1+U2 no
corresponde a la suma punto a punto
de las acciones de U1 y U2 por
separado (propiedad de superposición).
De esta forma se puede concluir que el
sistema tiene un comportamiento no
lineal.
Este resultado permite demostrar que
el sistema 2 no corresponde a un
sistema lineal ya que no se satisfacen
las propiedades de homogeneidad y
superposición.
4. LINEALIZACION DEL MODELO
La Linealización [3] del modelo se
realiza alrededor de uno o varios
puntos de operación los cuales se
seleccionan de forma arbitraria o
Pág. 9
corresponden a puntos críticos del La función de transferencia
sistema. Para ello se utiliza Series de es entonces:
Taylor. En este caso, se llevara a cabo s *
~ 3 ~ ~
en dos puntos para los cuales se quiere H (s)   6 . 7 *10 * H ( s )  6 0 .07 *
Q(s)
un comportamiento lineal y se realiza
calculando la derivada parcial de la ~ ~ ~
s * H ( s )  6 . 7 * 1 0  3 * H ( s )   6 0 .07 *
función con respecto a  h y Qin: Q(s)
~ ~
H ( s) ( s  6 . 7 * 1 0  3 )   6 0 .07 * Q ( s )
5 /
f  2h0 3 .Q
 in,0  3 k out
0
.h 2 ~
h  . tan 2 2  . tan 2 
H~ ( s )

60 .
(1.8)
 Q(s)
07 s  6 . 7 *10 3

f h 02
 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 )

Punto de operación No. 1.

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.

Figura No. 5. Identificación del sistema

alrededor de
ho= 4 m

Figura No. 6. Respuesta del sistema

alrededor de en: h o = 4 m y Q i n o =
6.3246e-5 m3/s.

Figura No. 8. Resultados obtenidos

para un sistema de primer orden

La función estimada para el sistema es

entonces:
~
H~ ( s ) 6129 .15

Q(s) 3422 . 9 3 s  1

Ahora, realizando el mismo

Figura No. 7. Toolbox Ident de Matlab procedimiento se estima una función
de transferencia con dos polos

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

Como se obtuvo un porcentaje de

x10

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.

El proceso de identificación alrededor

del punto de operación mostro un
comportamiento aceptable y se pudo
verificar que el sistema mantiene un
comportamiento lineal en los puntos
próximos a es te valor.

6. BIBLIOGRAFIA
1M. Norgaar O, Ravn, N.K., Poulsen
and L.K Hansen, Neural Networks For
Modelling and Control of dinamic
Systems.

2Apuntes clase de Sistemas lineales y

no lineales, Universidad Distrital,
Profesor Ing. Andrés Escobar, Ing. Jairo
Soriano, 2010.

3OGATA, Katsuhiko, Ingenieria de

control moderna, Editorial Pearson,
México, 1998.

4Ayuda Matlab V7.1.0.246 (R14)

Service Pck 3.

Pág. 1
3