RamirezAcostaChristianFelipe2012 PDF

CONTROL DE UN SISTEMA DE TANQUES INTERACTUANTES NO LINEALES DESDE EL
ENFOQUE DE SISTEMAS DINAMICOS HIBRIDOS
CHRISTIAN FELIPE RAMIREZ ACOSTA
PONTIFICIA UNIVERSIDAD JAVERIANA

FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRÓNICA
BOGOTÁ, D.C.
2012
CONTROL DE UN SISTEMA DE TANQUES INTERACTUANTES NO LINEALES DESDE EL
ENFOQUE DE SISTEMAS DINAMICOS HIBRIDOS
CHRISTIAN FELIPE RAMIREZ ACOSTA
TRABAJO DE INVESTIGACION
MAESTRIA EN INGENIERIA ELECTRONICA
DIRECTOR:
IE. DIEGO ALEJANDRO PATIÑO GUEVARA, PH. D.

DEPARTAMENTO DE ELECTRÓNICA
BOGOTÁ, D.C.
2012
MAESTRIA EN INGENIERIA ELECTRONICA
RECTOR MAGNIFICO: Padre Joaquín Sánchez García S.J.
DECANO ACADÉMICO: Ing. Luis David Prieto Martínez
DECANO DEL MEDIO UNIVERSITARIO: P. Sergio Bernal S.J.
DIRECTOR DE MAESTRIA: Ing. Cesar Leonardo Niño, Ph.D.
DIRECTOR DEL PROYECTO: Ing. Diego Alejandro Patiño Guevara, Ph.D.

ARTICULO 23 DE LA RESOLUCIÓN No. 13 DE JUNIO DE 1946
“La universidad no se hace responsable de los conceptos emitidos por sus alumnos en sus
proyectos de grado. Solo velará porque no se publique nada contrario al dogma y la moral católica
y porque los trabajos no contengan ataques o polémicas puramente personales. Antes bien, que
se vea en ellos el anhelo de buscar la verdad y la justicia”
Artículo 23 de la resolución No. 13, del 6 de

julio de 1946, por la cual se reglamenta lo
concerniente a tesis y exámenes de grado
en la Pontifica Universidad Javeriana.
TABLA DE CONTENIDO
LISTA DE FIGURAS................................................................................................................................ 8
INTRODUCCION ................................................................................................................................. 10
1. DESCRIPCION GENERAL DEL SISTEMA DE TANQUES................................................................. 12
1.1. INSTRUMENTACION DEL SISTEMA .................................................................................... 13
1.1.1. MEDIDOR DE CAUDAL ....................................................................................................... 13
1.1.2. TRANSMISOR DE PRESIÓN DIFERENCIAL........................................................................... 13
1.1.3. TRANSMISOR DE PRESIÓN MANOMÉTRICO ..................................................................... 14
1.1.4. MEDIDOR DE NIVEL CAPACITIVO ...................................................................................... 14
1.1.5. MEDIDOR DE NIVEL POR RADAR DE ONDA GUIADA ........................................................ 14
1.1.6. SWITCH DE NIVEL VIBRATORIO ......................................................................................... 15
1.1.7. VÁLVULA GLOBO DE CONTROL ......................................................................................... 15
1.1.7.1. ACTUADOR DIAFRAGMA RESORTE............................................................................ 15
1.1.8. VÁLVULA DE BOLA ............................................................................................................. 16
1.1.8.1. ACTUADOR PIÑÓN CREMALLERA .............................................................................. 16
1.2. COMUNICACIÓN DEL SISTEMA ........................................................................................ 16
1.2.1. PROFIBUS DP ..................................................................................................................... 17
1.2.2. PROFIBUS PA ..................................................................................................................... 17
1.2.3. COMUNICACIÓN ENTRE SISTEMA DE TANQUES Y PC ....................................................... 18
1.3. MODOS OPEREACION ....................................................................................................... 18
1.3.1. MODO OPERACIÓN A ........................................................................................................ 18
1.3.2. MODO OPERACIÓN B ........................................................................................................ 19
2. MODELADO DE UN SISTEMA NO LINEAL COMO UN SISTEMA DINAMICO HIBRIDO............... 20
2.1. OBTENCIÓN DE LOS DATOS ............................................................................................... 20
2.1.1. ELECCIÓN DE LAS SEÑALES A MEDIR................................................................................. 20
2.1.2. ELECCIÓN DEL TIPO DE ENTRADAS ................................................................................... 21
2.1.3. ELECCIÓN DEL PERIODO DE MUESTREO ........................................................................... 21
2.2. IDENTIFICACIÓN MODELO PWARX.................................................................................... 21
2.2.1. ALGORITMOS..................................................................................................................... 22
2.2.1.1. CLASIFICACIÓN INICIAL.............................................................................................. 22
2.2.1.2. REFINAMIENTO ......................................................................................................... 23
2.2.1.3. ESTIMACIÓN DE LA REGIÓN DE OPERACION............................................................ 24
2.3. VALIDACIÓN DEL MODELO ................................................................................................ 25
2.3.1. FIT ......................................................................................... ¡Error! Marcador no definido.
3. CONTROL PARA SISTEMAS DINAMICOS HIBRIDOS ................................................................... 26
3.1. ESTABILIDAD EN LOS SISTEMAS DINAMICOS HIBRIDOS .................................................. 26
3.1.1. FUNCION MULTIPLE DE LYAPUNOV .................................................................................. 27
3.2. DISEÑO DE LA LEY DE CONTROL ........................................................................................ 27
3.2.1. FORMULACIÓN DEL PROBLEMA........................................................................................ 28
3.2.2. CONTROL POR ESTABILIZACIÓN ........................................................................................ 29
4. IDENTIFICACION DEL SISTEMA DE TANQUES EN MODO A COMO UN SISTEMA DINAMICO
HIBRIDO. ............................................................................................................................................ 30
4.1. VALIDACIÓN DEL MODELO DINÁMICO........................................................................... 30
4.1.1. VÁLVULA DE CONTROL CV 01........................................................................................... 32
4.1.2. CARACTERÍSTICA INSTALADA DE LA VÁLVULA CV 01 ....................................................... 33
4.2.1. SEÑALES A MEDIR.............................................................................................................. 34
4.2.2. TIPO DE ENTRADAS ........................................................................................................... 34
4.2.3. TIEMPO DE MUESTREO ..................................................................................................... 35
4.3.1. MODELO PWARX PARA EL TK-01 ..................................................................................... 35
4.3.1.1. ALGORITMOS............................................................................................................. 36
4.3.1.2. ESTIMACIÓN DE LA REGIÓN DE OPERACION ............................................................ 37
4.3.2. MODELO PWARX PARA EL TK-02....................................................................................... 37
4.3.2.1. ALGORITMOS............................................................................................................. 38
4.3.2.2. ESTIMACIÓN DE LA REGIÓN ...................................................................................... 39
4.4. VALIDACIÓN DEL MODELO PWARX ................................................................................... 40
4.4.1. FIT ...................................................................................................................................... 40
4.5. REPRESENTACIÓN DEL MODELO PWARX EN ESPACIO DE ESTADOS ................................ 41
5. IDENTIFICACION DEL SISTEMA DE TANQUES EN MODO B COMO UN SISTEMA DINAMICO
HIBRIDO. ............................................................................................................................................ 46
5.1. VALIDACIÓN DEL MODELO DINÁMICO ........................................................................... 46
5.1.1. VÁLVULA DE CONTROL CV 01........................................................................................... 48
5.2.1. SEÑALES A MEDIR.............................................................................................................. 48
5.2.2. TIPO DE ENTRADAS ........................................................................................................... 49
5.2.3. TIEMPO DE MUESTREO ..................................................................................................... 49
5.3.1. MODELO PWARX PARA EL TK-01 ..................................................................................... 49
5.3.1.1. ALGORITMOS............................................................................................................. 50
5.3.2. MODELO PWARX PARA EL TK-02....................................................................................... 52
5.3.2.1. ALGORITMOS............................................................................................................. 52
5.4. VALIDACIÓN DEL MODELO PWARX ................................................................................... 53
5.4.1. FIT ...................................................................................................................................... 53
5.5. REPRESENTACIÓN DEL MODELO PWARX EN ESPACIO DE ESTADOS ................................ 55
CONCLUSIONES ................................................................................................................................. 59
BIBLIOGRAFÍA .................................................................................................................................... 60
LISTA DE FIGURAS
Figura 1- Diagrama P&ID del Sistema de Tanques ............................................................................ 12

Figura 2- Principio de medición del medidor capacitivo ................................................................... 14
Figura 3 - Actuador diafragma resorte .............................................................................................. 15
Figura 4 - Acción del actuador. (a) Procedimiento para abrir (b) Procedimiento para cerrar ........ 16
Figura 5 - Red de comunicación del sistema de tanques de la Figura 1........................................... 17
Figura 6 – Red de comunicación entre el Sistema de tanques y PC.................................................. 18
Figura 7- Estabilidad de los SDH ........................................................................................................ 26
Figura 8 - Estabilidad de un sistema a través de funciones múltiples de Lyapunov. Numero de
sistemas 2. La línea continua representa el sistema activo en el instante de tiempo . .................. 27
Figura 9 – Lazo de control para el SDH.............................................................................................. 28
Figura 10-Sistema de tanques en modo de operación 4 .................................................................. 30
Figura 11 - Datos Entrada - Salida Modo 4........................................................................................ 31
Figura 12 - Diferencia entre el sistema real y el sistema simulado ................................................... 31
Figura 13 - Sistema real y Simulado con los parámetros estimados ................................................. 32
Figura 14 - Válvula de Control ........................................................................................................... 32
Figura 15 - Experimentos en la válvula de control ............................................................................ 33
Figura 16 - Característica instalada de la válvula de control ............................................................. 34
Figura 17-Modelo a Identificar. Entradas y Salidas ........................................................................... 34
Figura 18- Adquisición de datos experimentales del sistema de tanques en el modo A ................. 35
Figura 19-Datos experimentales para la identificación de TK-01 ..................................................... 36
Figura 20-Identificación inicial del TK-01, donde cada marca representa un submodelo ............... 36
Figura 21 - Identificación final de TK-01, donde cada símbolo representa un submodelo.............. 37
Figura 22 - Regiones de operación para el sistema PWARX de TK-01 .............................................. 37
Figura 23 – Datos experimentales para la identificación de TK-02 ................................................... 38
Figura 25- Identificación final de TK-02, donde cada símbolo representa un submodelo, para un
total de 2 submodelos....................................................................................................................... 39
Figura 26 - Regiones de operación del modelo PWARX de TK-02.................................................... 39
Figura 29-Modelo PWARX TK-01, FIT=88.7398%. Sistema Real en rojo, Modelo PWARX en negro 40
Figura 37 - Control para el SDH, diseñado a través del Teorema 3 .................................................. 43
Figura 38 - Control Conmutado, Utilizando el Teorema 1 ................................................................ 44
Figura 39 - Sistema de tanques en de modo operación 3 ............................................................... 46
Figura 40 - Datos Entrada -Salida modo 3 ......................................................................................... 47
Figura 41-Diferencia entre el modelo simulado y el modelo real..................................................... 47
Figura 42 - Sistema real y simulado con los parámetros estimados ................................................. 48
Figura 43 - Modelo a Identificar. Entradas y Salidas ......................................................................... 48
Figura 44- Adquisición de datos experimentales del sistema de tanques en el modo B.................. 49
Figura 45-Datos Experimentales para la identificación de TK-01 .................................................... 50
Figura 46 - Identificación inicial del TK-01, donde cada marca representa un submodelo ............. 50
Figura 48 - Identificación final para TK-01, se observa la región de operación para cada submodelo.
........................................................................................................................................................... 51
Figura 49 - Datos Experimentales para la identificación de TK-02 ................................................... 52
Figura 50 - Identificación preliminar de TK-02 .................................................................................. 52
Figura 51- Identificación final de TK-02............................................................................................. 53
Figura 54 - Modelo PWARX TK-01, FIT=93.18%. Sistema Real en rojo, Modelo PWARX en negro... 54
Figura 55 - Modelo PWARX TK-02, FIT=87.3273%. Sistema Real en rojo, Modelo PWARX en negro
........................................................................................................................................................... 54
Figura 56 - Modelo PWARX TK-01, FIT=91.79%. Sistema Real en rojo, Modelo PWARX en negro... 54
Figura 57 - Modelo PWARX TK-02, FIT=76.36.04%. Sistema Real en rojo, Modelo PWARX en negro
........................................................................................................................................................... 54
........................................................................................................................................................... 54
........................................................................................................................................................... 54
........................................................................................................................................................... 55
........................................................................................................................................................... 55
Figura 62 - Controlador para el modo 3, obtenido con el Teorema 4 .............................................. 56
Figura 63 - Implementación control para el modo 3 ........................................................................ 57
Figura 64 - Implementación control para el modo 3 ....................................................................... 57
Figura 65 – Implementación control para el modo 3 ........................................................................ 58
10
INTRODUCCION
Actualmente, los computadores, las redes digitales y los sistemas embebidos son cada vez más
complejos. Esto hace necesario un análisis profundo del acople entre los componentes que están
basados en la lógica digital y los sistemas físicos que son, por naturaleza, continuos. La teoría
clásica de sistemas dinámicos es, por lo tanto, insuficiente debido a que se basa en sistemas
descritos matemáticamente mediante ecuaciones diferenciales (caso continuo) o ecuaciones de
diferencias (caso discreto).
La comunidad científica ha comenzado a estudiar recientemente los sistemas que incluyen

variables de estado continuas y discretas simultáneamente y además están acopladas entre si.
Estos sistemas se denominan comúnmente Sistemas Dinámicos Híbridos (SDH) y debido a su
reciente aparición, el modelado y el posterior control de los mismos, tiene muchos aspectos
teóricos y prácticos aún no resueltos, por lo que su estudio representa muchos beneficios en el
área. Actualmente, no existe ningún método general que permita el análisis de estabilidad, la
identificación, el control y el diseño de observadores para los SDH.
En este proyecto se expone un sistema de tanques interactuantes no lineal visto desde el enfoque
de los sistemas dinámicos híbridos. Los tanques interactuantes son considerados como
dispositivos ampliamente utilizados en todo tipo de industria y en muchas ocasiones requieren un
control de alta precisión tanto de flujo de líquido circulante como del nivel de llenado. Debido a la
naturaleza del sistema, los tanques obedecen a un comportamiento no lineal que generalmente
se aproximan a una dinámica lineal y estas aproximaciones conllevan a leyes de control que no son
completamente apropiadas. Una razón para usar los SDH es la reducción de complejidad del
modelo en orden, y en lugar de tener que representar la dinámica a partir de un conjunto de
ecuaciones diferenciales no lineales, se puede representar el mismo sistema por medio de un
conjunto de ecuaciones simples de comportamiento lineal que por medio de conmutaciones
controladas o autónomas entre estas emulan el comportamiento no lineal de un sistema. Los SDH
son capaces de tener en cuenta los aspectos no lineales en el modelo y por lo tanto producir
estrategias de control mucho más precisas.
Los esfuerzos recientes en la investigación de sistemas dinámicos híbridos típicamente se

centran en el análisis del comportamiento dinámico de los mismos y tienen como meta el diseño
de controladores con una estabilidad y funcionamiento garantizado. Se han analizado algunas
formas de modelamiento mediante sistemas lineales a tramos y sistemas dinámicos mixtos,
además del diseño de estrategias de control utilizando modelos de control predictivo [1] , [2], [3].
Este tipo de control, generalmente, se basa en un conocimiento exacto del modelo del sistema.
Por lo tanto, cuando los parámetros del modelo no se encuentran bien identificados, las señales
de control pueden ser erróneas. Por el lado de la estabilidad en los SDH se ha comprobado que el
problema de regulación alrededor un valor de referencia puede resolverse mediante teoremas
de estabilidad [4], en donde el uso de estos métodos realmente busca una ley de control por
realimentación de estados capaz de estabilizar el sistema independiente de la conmutación y no
se interesa en buscar la mejor forma de conmutar entre los subsistemas posibles.
Otras técnicas interesantes, que han sido últimamente desarrolladas, se basan en control óptimo
[5], [6] y más específicamente en control predictivo. El control predictivo [7], [8] es una de las
herramientas más usadas y más conocidas para sistemas híbridos. Sin embargo, requiere como
11
parámetro el horizonte de predicción, el cual implica resolver diferentes programas de

optimización en cada instante de muestreo y, por lo tanto, la señal de control podría no estar
disponible en tiempo real. Por esto, diversas técnicas han tratado de resolver esta dificultad, bien
sea interpolando las soluciones óptimas con redes neuronales [9], [10] o formulaciones basadas en
programación dinámica mixta y tablas denominadas de “look-up” [5], [11], [12]. Una de las
consecuencias de las interpolaciones es la pérdida de la característica óptima de la solución que se
aplica al sistema. Por último, las técnicas que se basan en la teoría de pasividad [13], [14] permiten
controlar el sistema por modos deslizantes [15], [16].
Este proyecto pretende trabajar con un sistema de tanques interactuantes que hace parte de un
trabajo de grado realizado en la Universidad Javeriana llamado “Ingeniería Detallada, Modelado
y Simulación De Un Sistema De Tanques Interactuantes No Lineales (2010)”. Este trabajo al igual
que este proyecto hace parte de un trabajo de investigación del grupo CEPIT [17] “Avances En El
Control De Sistemas Dinámicos Híbridos. Aplicación En Sistemas De Tanques Interactuantes No
Lineales (2009)” financiado por la vicerrectoría.
Para el desarrollo de este trabajo de grado se plantea como objetivo general formular estrategias
de control que permitan solucionar el problema de regulación del nivel del agua alrededor de una
referencia en un sistema de tanques interactuantes no lineal, visto como un sistema dinámico
hibrido. Y como objetivos específicos los siguientes:
1. Encontrar un modelo matemático (Identificar) de cada uno de los modos de operación del
sistemas de tanques como un sistema dinámico hibrido.
2. Aplicar una ley de control basada en una realimentación de estados conmutada [4], para
cada uno de los modelos identificados.
3. Comparar el desempeño de las estrategias de control para sistemas dinámicos híbridos

con el desempeño de las técnicas de control clásico en el sistema de tanques
interactuantes.
12
1. DESCRIPCION GENERAL DEL SISTEMA DE TANQUES
El sistema está compuesto por cuatro tanques en total (Figura 1), uno de ellos será el tanque de
reserva (TK-003) donde estará contenido todo el volumen de agua del que se dispondrá. Existen
otros dos tanques que son los elementos de análisis, los cuales tendrán un caudal de entrada en la
parte superior y un caudal de salida a través de un orificio situado en la parte inferior en ambos
casos (TK-01 y TK-02). Por último, está el tanque (TK-04) que tiene la función de retardar el
caudal de entrada en alguno de los dos tanques de interés y por medio de una válvula se puede
escoger el paso de caudal entre línea directa o por el tanque de retardo. Cabe anotar que los
tanques forman un circuito hidráulico cerrado en donde el agua circula todo el tiempo sin salir del
sistema. Por otra parte el sistema posee una bomba hidráulica que genera la energía necesaria
para hacer circular al agua por todo el circuito, venciendo las columnas de agua, la fricción en la
tubería y en los demás equipos instalados en la línea. En la Tabla 1 se puede observar las
características de cada uno de los tanques.
Figura 1- Diagrama P&ID del Sistema de Tanques
El sistema tiene ocho modos de operación, en primer lugar están los modos en que el sistema
puede trabajar con alguno de los dos tanques de interés (TK-001 o TK-002), ya sea por línea directa
13
o por el retardo; y en segundo lugar se encuentran los modos en que los tanques de interés se
comunican entre sí, formando un sistema interactuante.
Tanque No Lineal Tanque Cilíndrico Tanque de Reserva
Radio(mm) 600 300

Altura(mm) 700 500
Largo(mm) 1000
Ancho(mm) 700 900
Tabla 1 - Especificaciones Tanques
1.1. INSTRUMENTACION DEL SISTEMA

El sistema cuenta con un completo grupo de instrumentación que permite adquirir información en
tiempo real, acerca de variables de proceso como nivel, presión y caudal. Toda la instrumentación
se comunica a través del protocolo de comunicaciones industriales PROFIBUS a un PLC
(Programmable logic controller) con el que cuenta el sistema, permitiendo una completa
automatización de la planta, y dando la posibilidad de aplicar diferentes técnicas de control al
sistema. Entre los dispositivos se encuentran: transmisor de caudal, transmisores de nivel, switch
de nivel, transmisores de presión y válvulas.
1.1.1. MEDIDOR DE CAUDAL

El medidor de caudal (FT 01), ubicado en la línea de descarga de la bomba centrifuga, tiene la
función de comunicar al controlador, en tiempo real, cual es la cantidad de flujo volumétrico que
pasa por esa tubería. Uno de los propósitos de este medidor es hallar la curva característica de la
válvula de control LCV 01 (Porcentaje de apertura Vs Caudal) y la curva característica de la bomba
hidráulica (Presión Vs Caudal).
El medidor de caudal (FT 01) es del tipo electromagnético, este tipo de medidores se basan en el
principio de Faraday que establece que la fuerza electromotriz inducida en un elemento conductor
que se mueve a lo largo de un campo magnético, es proporcional a la velocidad del conductor de
interés. En el medidor electromagnético, el líquido que pasa a través del medidor cumple el papel
de conductor, por lo que la fuerza electromotriz inducida en el fluido, debido al campo magnético
generado por las bobinas ubicadas en el interior del medidor, es proporcional a la velocidad de
desplazamiento y por consiguiente al caudal.
1.1.2. TRANSMISOR DE PRESIÓN DIFERENCIAL

Este instrumento se encarga de medir la diferencia de presión aplicada en dos puntos opuestos.
Este sensor convierte la presión diferencial en un cambio de resistencia, el cual representa un
cambio en una señal de 4 a 20 mA o a una señal digital proporcional a la presión diferencial o a la
raíz cuadrada de la presión diferencial.
14
El transmisor de presión PT02 está ubicado aguas arriba y aguas abajo de la válvula de control LCV
01 y tiene la función de medir la caída de presión diferencial sobre la válvula, en tiempo real, este
dato permite la comprobación del modelo y caracterización del sistema. Con los datos
transmitidos desde este transmisor también se puede obtener la curva característica de la válvula.
1.1.3. TRANSMISOR DE PRESIÓN MANOMÉTRICO

Un transmisor de presión manométrica con un sello remoto se puede utilizar para medición de
presión ya sea en una tubería o tanque del proceso.
El transmisor de presión PT 01 va a ser posicionado en la descarga de la bomba centrífuga y se
encargará de transmitir al controlador, en tiempo real, la presión en este punto. Este transmisor
tendrá dos propósitos, en primer lugar realizar la caracterización del comportamiento de la bomba
y en segundo lugar alertar al controlador en caso que la bomba este alcanzando su presión
máxima de operación y así realizar una parada de emergencia.
1.1.4. MEDIDOR DE NIVEL CAPACITIVO

LT 02 es un medidor de nivel capacitivo, este mide la capacitancia del condensador formado por el
electrodo sumergido en el líquido y las paredes del tanque. El valor medido de la capacitancia
depende linealmente del nivel del líquido en el tanque (Figura 2).
Figura 2- Principio de medición del medidor capacitivo
La capacidad del condensador es influenciada principalmente por tres factores:
1. Distancia de las superficies de los electrodos.

2. Tamaño de la superficie de los electrodos.
3. Tipo de dieléctrico entre los electrodos.
Aquí los electrodos y la pared del depósito son las placas del condensador. El producto es el
dieléctrico. La capacidad del condensador aumenta a medida que crece el recubrimiento de los
electrodos a causa de la elevada constante dieléctrica del producto en comparación con el aire.
Por las condiciones de la geometría del tanque 2 (TK 002) se determina que el principio de
medición que más se ajusta a las necesidades del proceso es la medición por medio de un
transmisor de nivel capacitivo. Este transmisor tendrá como función comunicar al controlador, de
manera continua, el nivel actual de agua en el tanque en un rango proporcional de 0 – 100.
1.1.5. MEDIDOR DE NIVEL POR RADAR DE ONDA GUIADA

LT 01 es un medidor de nivel por radar, su funcionamiento se basa en las propiedades físicas del
fluido del cual se va a medir el nivel. Están conformados por una onda guía que se extiende hacia
la superficie inferior del elemento en donde se realiza la medición, como por ejemplo un tanque.
La onda guía está unida a la unidad de radar (sensor), de manera tal que la señal que se emite a
través de ésta, sea reflejada debido al cambio en la constante dieléctrica del medio de
propagación. Estos medios de propagación pueden ser el líquido o el medio que se encuentre
dentro del tanque. Posteriormente, la onda reflejada se detecta y se relaciona el tiempo de viaje
15
con la distancia recorrida y de esta manera se detecta el nivel del líquido. Una característica
general de la onda de pulso es que varía de 100 MHz a 1.5 GHz.
1.1.6. SWITCH DE NIVEL VIBRATORIO

El switch de nivel vibratorio se usa como interruptor de nivel universal en líquidos. Detecta de
una forma fiable y con precisión de milímetros cuando se alcanza un determinado nivel. Se puede
usar en depósitos y tuberías en cualquier posición de instalación. El equipo también se puede usar
como detector de lleno o vacío, como protección contra sobrellenado, protección contra marcha
en seco o protección en bombas.
El switch de nivel LS 03 está ubicado de manera horizontal en uno de los costados del tanque de
reserva (TK 003). La función de este instrumento es asegurar que la bomba centrifuga tenga una
altura de agua adecuada para su funcionamiento. En el momento que el nivel de agua en el
tanque este por debajo del nivel necesario para que la bomba opere correctamente, el transmisor
envía una señal al controlador para apagar la bomba.
1.1.7. VÁLVULA GLOBO DE CONTROL

La válvula globo CV 01 con la que cuenta el sistema es una Baumann modelo 54-24 688 de FISHER
y sus características son:
 Diámetro del cuerpo de la válvula de ½”

 Coeficiente de flujo Cv=6
 Bench range de 5 – 15 psi
La válvula globo está instalada en la línea de descarga de la bomba, después del transmisor de
presión y de flujo y está conformada por un actuador y posicionador para controlar la apertura de
la válvula proporcionalmente.
La válvula se dimensiona según las siguientes variables: el máximo y mínimo flujo, presión máxima
de entrada y salida, coeficiente de flujo Cv y algunas características físicas del fluido como la
viscosidad, densidad, presión de vapor entre otros. Estas características corresponden a las del
agua que es el fluido con el cual se va a trabajar.
1.1.7.1. ACTUADOR DIAFRAGMA RESORTE

El actuador diafragma resorte está basado en el movimiento de un resorte que se deforma bajo la
acción de la señal de aire proporcionado procedente del controlador o convertidor electro-
neumático. Los resortes empujan el vástago hacia abajo en caso de acción directa o lo empuja
hacia arriba si es de acción inversa. El movimiento del vástago se contrarresta con la acción del
resorte (Figura 3)
Figura 3 - Actuador diafragma resorte

16
1.1.8. VÁLVULA DE BOLA

La válvula de bola CV 02 está situada entre los tanques cilíndrico y no lineal, lo que permite
controlar el flujo de agua que pasa de un tanque al otro cuando se realice el experimento
interactuante. La válvula está conformada por varios instrumentos que permiten que sea
automatizada y controlada desde el PLC.
1.1.8.1. ACTUADOR PIÑÓN CREMALLERA

En su modo de funcionamiento, el vástago es una cremallera que acciona un piñón y transforma el
movimiento lineal en un movimiento giratorio, hacia la izquierda o hacia la derecha, según el
sentido del émbolo. Los ángulos de giro corrientes pueden ser de 45˚, 90˚, 180˚, 290˚ hasta 720˚.
Es posible determinar el margen de giro dentro del margen total por medio de un tornillo de
ajuste que modifica la posición de la carrera del vástago. El par de giro está en función de la
presión, de la superficie del embolo y de la desmultiplicación. Para abrir la válvula, el aire
suministrado a la entrada de “2” expulsa los pistones hacia el exterior, comprimiendo los muelles,
expulsando el aire por la entrada “4” y se obtiene un giro contrario al de las manecillas el reloj,
según la Figura 4.a.
Para cerrar la válvula se deja de suministrar presión de aire (fallo de aire) en la entrada “2”,
ocasionando que los muelles empujen los pistones hacia adentro, expulsando el aire por la
entrada “2” y se obtiene un giro en sentido de la agujas del reloj, según la Figura 4.b.
(a) (b)
Figura 4 - Acción del actuador. (a) Procedimiento para abrir (b) Procedimiento para cerrar
1.2. COMUNICACIÓN DEL SISTEMA

Toda la instrumentación se comunica a través del bus de campo PROFIBUS a un PLC (Controlador
Lógico Programable). Este sistema permite establecer la comunicación entre el sistema de control
y los dispositivos instalados en el sistema de tanques a través de un único cable. Esta
comunicación se caracteriza por la transferencia cíclica de datos de proceso y la transmisión
acíclica de alarmas, parámetros y datos de diagnóstico.
Gracias a su estructura modular con tecnologías de transmisión complementarias, este es un

protocolo de comunicación unificado y con múltiples perfiles de aplicación (por ejemplo.
Dispositivos PA y Dispositivos DP), PROFIBUS es un bus de campo ampliamente utilizado tanto en
la industria manufacturera como en la industria de procesos.
17
1.2.1. PROFIBUS DP
PROFIBUS DP desarrollado para altas velocidades de transmisión de datos (hasta 12 Mbits/s) y
tiempos de reacción reducidos (hasta 1 ms) es una solución excelente para el control directo de
dispositivos inteligentes de campo, por ejemplo arrancadores de motor, accionamientos,
analizadores, reguladores de proceso o paneles.
1.2.2. PROFIBUS PA
PROFIBUS PA, permite transmitir por el mismo cable los datos digitales y alimentar al sistema con
energía, utilizando cables bifilares y aplicando la tecnología de transmisión MBP (Manchester
Coded; Bus Powered). La velocidad de transmisión es de 31,25 kbits/s relativamente pequeña
comparándolo con el tiempo típico de comunicación de un transmisor que es aproximadamente
de 10 ms. Esto permite implementarse prácticamente en todas las aplicaciones típicas en la
industria de procesos.
Dado que el sistema de tanques cuenta con dispositivos PROFIBUS PA y PROFIBUS DP es

necesario un modulo acoplador denominado DP/PA Link con el fin de alimentar y adaptar la
velocidad de transmisión entre los dispositivos. El DP/PA Link opera como esclavo en PROFIBUS DP
y como maestro en PROFIBUS PA. Visto desde el PLC, el DP/PA Link es un esclavo modular cuyos
módulos constituyen los dispositivos PROFIBUS PA.
Identificados los componentes que conforman al sistema de tanques y el bus de campo a utilizar,
la de la red de comunicación que se implemento fue una de tipo árbol, como se muestra en la
siguiente Figura 5.
Figura 5 - Red de comunicación del sistema de tanques de la Figura 1
En la Figura 5 se puede observar los componentes Profibus PA que son: actuador de la válvula,
sensor de presión diferencial, sensor de presión manométrica, Sensor de nivel del tanque TK-01
(Radar de onda Guiada), Sensor de nivel del tanque TK-02 (Medidor de nivel capacitivo), Sensor de
flujo magnético. Y los componentes Profibus DP que son; el modulo de entradas y salidas
digitales utilizado para la activación de alarmas de seguridad en el sistema y el acoplador DP/PA,
que como se explico anteriormente permite la comunicación entre los dispositivos PA y DP.
La siguiente tabla muestra las direcciones de memoria asignadas en el PLC para cada uno de los
dispositivos, por medio de estas se obtienen los datos de proceso del sistema y permite modificar
el porcentaje de apertura de la válvula globo CV-01.
18
VARIABLE DE PROCESO DIRECCION MEMORIA PLC DESCRIPCION

Presión diferencial PID 587 Presión Diferencial
Presión manométrica PID 557 Presión Manométrica
Flujo PID 517 Flujo Magnético
Nivel Tanque lineal PID 567 Nivel Capacitivo (TAK 2)
Nivel tanque no lineal PID 577 Nivel Onda Guiada (TAK 1)
Posición válvula PID 592 Datos del posicionador
Set point Válvula PQD 522 Establece la posición válvula
Status Set point PQB 526 Confirmación set point
Tabla 2 - Direcciones memoria PLC
1.2.3. COMUNICACIÓN ENTRE SISTEMA DE TANQUES Y PC

Con el objetivo de realizar una comunicación entre el PLC y el PC que permita el análisis de las
variables de proceso y la implementación de leyes de control en el sistema de tanques, se opta por
establecer una comunicación OPC. Esta infraestructura de comunicación es una aplicación típica
en el área industrial y consta de 3 componentes que son; fuentes de información (PLC, DCS, RTU,
Protocolos, Bases de Datos, Hojas de Cálculo, etc.). Un servidor OPC el cual es una aplicación de
software encargado de realizar la interfaz entre las fuentes de información y el tercer componente
conocido como Cliente OPC, que en este caso es Labview, el que será el usuario final de la
información, La red de comunicación entre el sistema de tanques y el PC se puede observar en la
siguiente grafica Figura 5.
Figura 6 – Red de comunicación entre el Sistema de tanques y PC
1.3. MODOS OPEREACION
1.3.1. MODO OPERACIÓN A

Este modo de operación, el sistema es interactuante, con un caudal de entrada a través del orifico
ubicado en la parte superior del tanque cilíndrico. Este caudal de entrada genera un caudal de
salida a través del orificio ubicado en la parte inferior del tanque cilíndrico, el cual por la
disposición de las válvulas de tres vías está conectado por medio de una tubería a la válvula de
disturbio HV 01 y por la misma línea de tubería a el orificio ubicado en la parte inferior del tanque
19
de área transversal no lineal (TK-001). Este caudal funciona como entrada del tanque no lineal (TK-
001) pero tiene la característica que depende de la salida del tanque cilíndrico (TK-002), además
en la medida que el nivel en el tanque no lineal aumente la salida del tanque cilíndrico se verá
afectada por el cambio de la presión diferencial en los extremos de la válvula.
Modo Operación A Modelo Matemático
, ( ) ( )-
√
, ( ) ( )-
√
Tabla 3 - Modo A
1.3.2. MODO OPERACIÓN B

En este modo de operación se tiene un sistema de tanques interactuantes, en el cual el caudal
proveniente de la bomba centrifuga llega directamente al orificio de entrada del tanque no lineal
(TK-001), generando un caudal de salida a través de una tubería y una válvula que servirá como
disturbio HV 01. Este caudal empieza a llenar el tanque cilíndrico a través de un orificio ubicado en
la parte inferior de este tanque. A medida que el nivel en el tanque cilíndrico aumente la salida del
tanque no lineal se verá afectada por el cambio de la presión diferencial en los extremos de la
válvula. En la Tabla 4 se observa la circulación del caudal a través del sistema y la interacción de los
tanques TK-001 y TK-002.
Modo Operación B Modelo Matemático
, ( ) ( )-
√
, ( ) ( )-
√
Tabla 4 - Modo B
20
2. MODELADO DE UN SISTEMA NO LINEAL COMO UN SISTEMA

DINAMICO HIBRIDO
En los modos de operación del sistema de tanques se puede observar un comportamiento no
lineal, que generalmente se aproxima a una dinámica lineal, este modelo lineal por lo general no
es capaz de describir con precisión la dinámica real del sistema. Para mejorar la precisión del
modelo se utilizan técnicas de identificación de sistemas no lineales. Este capítulo se centra en la
identificación de un sistema no lineal como un modelo exógeno auto regresivo a trozos (PWARX)
que se obtiene con datos adquiridos del sistema (entradas y salidas pasadas). Estos modelos
representan la estructura de una caja negra con la que prácticamente se puede describir cualquier
dinámica no lineal y dadas sus características pertenecen a una clase de los SDH (Sistemas
Dinámicos Híbridos) [18]. La metodología que se utilizará para identificar el modelo PWARX que
describa la dinámica del sistema de tanques interactuantes de la Figura 1 en sus diferentes modo
de operación se basa en el método propuesto en [19].
El proceso de identificación comprende los siguientes pasos:
1. Obtención de datos entradas – salidas. Se debe excitar el sistema mediante la aplicación de

una señal de entrada y registrar la evolución de sus entradas y salidas durante un intervalo de
tiempo.
2. Identificación modelo PWARX. Este paso consiste en establecer el límite del error δ y en
determinar el orden para dicho modelo, es decir el número de entradas y salidas que se
tendrán en cuenta para la identificación de cada uno de los modelos PWA. Conocidos estos
valores se procede a estimar los parámetros a través de los algoritmos propuestos en [19].
3. Validación del modelo. Consiste en determinar si el modelo obtenido satisface el grado de

exactitud requerido para la aplicación deseada, que en este caso el control de nivel de los
tanques.
2.1. OBTENCIÓN DE LOS DATOS

El primer paso dentro del proceso de identificación es realizar un experimento sobre el sistema
para obtener los datos de entrada-salida que servirán de base para la obtención del modelo final.
Para que el proceso de identificación sea satisfactorio, es necesario que los datos obtenidos
contengan la mayor información posible del sistema. Esto implica un diseño cuidadoso del
experimento para la adquisición de datos, identificando las señales que deben ser medidas, el
periodo de muestreo a utilizar, el tipo de entrada más adecuada, y el número de datos a
almacenar.
2.1.1. ELECCIÓN DE LAS SEÑALES A MEDIR

Se deben escoger las señales que se van a registrar y qué señales deben ser manipuladas para
excitar al sistema durante el experimento. Se debe tener en cuenta que pueden existir señales
que, aunque afecten a la evolución de la salida, no pueden considerarse como entradas debido a
la imposibilidad de manipularlas. En el caso de que estas señales puedan ser medidas, pueden
considerarse también como entradas al sistema ya que permitirían mejorar la exactitud del
modelo a identificar [20].
21
2.1.2. ELECCIÓN DEL TIPO DE ENTRADAS

Las entradas al sistema deben ser cuidadosamente elegidas de forma que los datos recogidos
proporcionen toda la información posible sobre el sistema. Se debe tener en cuenta los siguientes
aspectos:
 La señal de entrada debe contener el mayor número de frecuencias posibles. Por ejemplo, una
señal sinusoidal pura no es adecuada en un experimento de identificación, puesto que sólo se
obtendrá la respuesta del sistema para la frecuencia de dicha señal. Por el contrario, las
señales escalonadas (con cambios bruscos) son muy utilizadas, puesto que contienen un
espectro suficientemente amplio de frecuencias.
 Para sistemas no lineales, los niveles de la entrada a utilizar son todos los posibles valores que
se pueden obtener en todo el rango de variación permitido. En este tipo de sistemas se suelen
utilizar señales con una duración de , donde es el tiempo de establecimiento del sistema
[20].
2.1.3. ELECCIÓN DEL PERIODO DE MUESTREO

La elección del periodo de muestreo está directamente relacionada con las constantes de tiempo
del sistema, y tiene una influencia decisiva en el experimento de identificación. Un periodo de
muestreo muy pequeño puede llevar a la obtención de datos redundantes, que no aportan
información sobre el sistema, mientras que un periodo de muestreo demasiado grande provoca
grandes dificultades a la hora de identificar la dinámica del sistema.
2.2. IDENTIFICACIÓN MODELO PWARX
Considerando un modelo PWARX como
( ) (1)
, - (2)
Donde es la entrada del sistema, es la salida y es el error. Por lo tanto el

sistema tiene única salida, y única entrada. es el vector de regresión que depende
únicamente de valores pasados de la salida y de valores pasados de las entradas del
sistema. Por lo tanto tiene componentes. es un campo vectorial a trozos de la
forma:
̃ ̃
̃ ̃
( ) (3)
{ ̃ ̃
Donde es el número de submodelos ̃ , - , , - ,

son los parámetros que necesitan ser identificados. Cada región
representa un conjunto invariante del submodelo activo. El problema a resolver es entonces:
dado datos del sistema ( ), y un límite de error se identifican los
22
parámetros y las regiones de operación para cada submodelo representadas por

, donde es el numero de submodelos, tales que cumplan la condición.
|| ( )|| (4)
Hipótesis 1: El orden de cada submodelo ARX es definido a priori ( ).
Basados en el algoritmo [19] se busca desarrollar una metodología que permita encontrar un
modelo PWARX que describa la dinámica del sistema de tanques.
2.2.1. ALGORITMOS
El procedimiento consiste básicamente en una clasificación inicial, un refinamiento y una
estimación de la región de operación. Se denomina clasificación a la asignación de un dato ( )
a un submodelo * +. El Algoritmo 1 que se presenta en [19], es la base con la que se
determina el número inicial de submodelos. Los algoritmos 2, 3 y 4 corrigen errores en la
identificación, dando como resultados los parámetros óptimos . Para estimar la región de
operación de cada submodelo se utiliza un algoritmo de clustering como support vector machine
[21] o programación lineal robusta [22].
2.2.1.1. CLASIFICACIÓN INICIAL

El Algoritmo 1 consiste en encontrar los datos ( ) que verifiquen (4), tal que contenga el
menor número posible de submodelos. Esto significa que se debe buscar los parámetros que
cumplan la desigualdad (4) para el mayor número de datos. Estos datos se retiran entonces de
proceso de clasificación y se repite nuevamente la búsqueda del parámetro con los datos
restantes. El proceso se repite hasta que todos los datos se encuentren clasificados. Al final de
este procedimiento se retorna un número de submodelos iniciales , el conjunto de datos a
los que pertenece cada submodelo y los parámetros para cada submodelo.
Algoritmo 1: Clasificación De Datos
Entradas : Datos ( )
Salidas: Numero inicial de submodelos , conjunto de datos que
pertenecen a cada submodelo y parámetros para cada submodelo.
Dado * + y un contador
Mientras | | hacer
Definir el conjunto *( ) ‖ ̃‖ +
Buscar el vector con el algoritmo de optimización MAX FS [19] para
los puntos
para hasta
Definir el conjunto
*( ) ‖ ̃‖ +;
Si | | | |
Definir * ‖ ̃‖ +;
;
Algoritmo 1
23
2.2.1.2. REFINAMIENTO
Una vez obtenido submodelos a través del algoritmo 1, se plantea la siguiente hipótesis
Hipótesis 2: es el número deseado de submodelos que conformaran el modelo PWARX y es

conocido.
Esta parte de la identificación consiste en reducir el número de submodelos a

. Los puntos que no cumplen con la condición (4) para un modelo en particular
* + se agrupan en un nuevo conjunto
⋃ (5)
Dado que el objetivo es reducir el número de submodelos a , el factor de error se incrementa

por un factor de Por lo tanto se tiene un nuevo conjunto de desigualdades definido
como
{ ‖ ̃‖ ( )( )} + (6)
Los puntos que aun con el incremento en el error no satisfacen (6) en ninguno de los submodelos
deseados se agrupan en .El conjunto se usa para encontrar los subconjuntos
 representa el conjunto de puntos que pertenece únicamente a un submodelo

.
⋃ (7)
( )
 representa el conjunto de puntos que pertenecen a más de un submodelo .
⋃ (8)
( )
El conjunto de puntos son aquellos puntos que pertenecen a más de submodelo, la unión de
todos estos subconjuntos se agrupan para formar el conjunto
⋃ (9)
24
Este conjunto contiene los datos que deben ser clasificados una vez más. Estos se clasifican por
medio del algoritmo c-neareast point basado en el criterio de la distancia euclidiana [23]. El
algoritmo consiste en tomar los puntos más cercanos al punto y dependiendo del
submodelo que se encuentre más cercano al punto se toma la decisión para clasificarlo. Si todos
los puntos cercanos pertenecen al mismo submodelo la decisión es trivial, pero si hay dos
submodelos con el mismo número de puntos cercanos entre los puntos , el es
asignado al submodelo * + con la distancia media más baja. Este punto se agrega
a y se elimina de Con el conjunto se encuentran los valores óptimos para los
parámetros utilizando el algoritmo de optimización MIN PFS [19] . Este procedimiento se
realiza con el algoritmo 2, con el que se obtienen los conjuntos y Con el objetivo de
obtener mayor precisión el algoritmo 3 permite cambiar la dimensión de cada submodelo .
Finalmente el Algoritmo 4, prueba los datos adquiridos con los parámetros y con el nuevo
límite de error ( )( ). Esto implica que el algoritmo 2 se utiliza nuevamente, con lo que se corre
el riesgo que | | (puntos que aún no han sido clasificados). Entonces el modelo
correspondiente para un punto se encuentra por medio de:
‖ ( ̃)‖ * + (10)
( )
Algoritmo 2: Refinamiento, Parte 1

Algoritmo 3: Refinamiento, Parte 2
Entradas: Datos ( ) , el conjunto , el numero
deseado de submodelos , el parámetro , el conjunto de Entradas : Datos ( ) , conjunto , numero
parámetros y el factor . de submodelos
Salidas: Conjunto de parámetros .
Salidas: Conjunto de datos que no pertenecen a ningún para hasta
submodelos y el conjunto de datos que pertenecen a más de Para cada uno de los puntos de encontrar los valores óptimos
un submodelo. con el algoritmo de optimización MAX FS [19].
Dado ⋃
Algoritmo 3
para hasta
Definir * ‖ ̃‖ ( )( )+; Algoritmo 4: Refinamiento, Parte 3
* ‖ ̃‖ ( )( )+ indicado en (7);
Entradas : Datos ( ) , los conjuntos , y
para hasta , numero de submodelos , una constante y el parámetro
Definir indicado en (8)
Definir indicado en (9) Salidas: modificado
Definir indicado en (10)
Usando el Algoritmo de optimización MAX FS [19] con los
parámetros y el nuevo límite del error ( )( ) como entrada
⋃
Si | | entonces
para para
Utilizar el algoritmo c-nearest point con el parámetro para cada
punto ( ) { ‖ ( ̃)‖ }
para clasificarlo dentro de un submodelo ( )
* +. El punto se agrega al conjunto y a la vez se =
elimina de .
Algoritmo 4
Algoritmo 2
2.2.1.3. ESTIMACIÓN DE LA REGIÓN DE OPERACION

Por último para obtener las regiones * + cada punto ( ) debe ser clasificado,
el método utilizado en este caso es Support Vector Machine (SVM) [24]. Una SVM es un modelo
25
que representa a los puntos de muestra en el espacio, separándolos en clases por un espacio lo
más amplio posible. Este busca superficies en un espacio que separe de forma óptima los
puntos de una clase de la otra. Estas superficies pueden ser utilizadas para problemas de
clasificación. Para mayor información ver [24].
2.3. VALIDACIÓN DEL MODELO

Un método para validar el modelo identificado utilizado es el FIT, con el que podemos medir que
tan buena es la identificación respecto al sistema real. Este se encuentra definido por:
‖̂ ‖
( ) (11)
‖ ̅‖
Donde ( ) es el vector de salidas del sistema real, ̂ (̂ ̂ ) es el vector de

salida del modelo identificado y ̅ que es el valor promedio del vector . Entre más alto sea el
valor del FIT mejor será la identificación.
26
3. CONTROL PARA SISTEMAS DINAMICOS HIBRIDOS
3.1. ESTABILIDAD EN LOS SISTEMAS DINAMICOS HIBRIDOS

Los principales problemas en la estabilidad de los Sistemas Dinámicos Híbridos son:
 Encontrar condiciones de estabilidad tal que el sistema hibrido sea estable

 Dado una ley de conmutación, determinar si el Sistema Dinámico Hibrido es estable
 Establecer una ley de conmutación que haga al sistema Dinámico Hibrido estable
Un sistema conmutado es global uniforme asintóticamente estable (GUAS). Si existe una constante
positiva y una función tal que para la secuencia , donde es la regla de conmutación, con
( ) se cumpla.
| ( )| (‖ ( )‖ ) (12)
Si la función es de la forma ( ) . Para y satisface la ecuación (14), el sistema

es conocido como global uniforme exponencialmente estable (GUES). [25]
Figura 7- Estabilidad de los SDH
La estabilidad para los sistemas conmutados puede ser estudiada desde dos perspectivas.
Independiente de las reglas de conmutación como es el caso de la función común de Lyapunov,
o dependiente de las reglas de conmutación como es el caso de la función múltiple de
Lyapunov. El método de Lyapunov tiene una definición para los sistemas no lineales como se
muestra en [25], [26]. Dado un sistema como:
(13)
* +
27
Donde , describe la dinámica del sistema. La estabilidad del sistema hibrido puede ser
estudiada con la ayuda de una función ( ).
3.1.1. FUNCION MULTIPLE DE LYAPUNOV

La estabilidad en los SDH puede ser estudiada a través de una función de Lyapunov definida a
trozos que cumpla ciertas características. Esta función es el conjunto de funciones continuas
definidas a trozos que concatenadas conforman una simple función de Lyapunov. Para un sistema
lineal e invariante en el tiempo, el conjunto de funciones de Lyapunov se define como:
( ) * + (14)
La ecuación (14) tiene que cumplir con las siguientes condiciones:
 ( ) es una función definida positiva ( )

( )

Figura 8 - Estabilidad de un sistema a través de funciones múltiples de Lyapunov. Numero de sistemas 2. La línea
continua representa el sistema activo en el instante de tiempo .
La figura anterior muestra un SDH estable. La estabilidad del sistema se comprueba con una
función de Lyapunov definida como (14), en donde se observa que esta es descendiente para
cualquier instante de tiempo el sistema conmuta de acuerdo a la secuencia [26] Para el caso
de sistemas lineales e invariantes en el tiempo se obtiene el siguiente resultado [25]:
Teorema 1: Un sistema SDH es GUES para una secuencia arbitraria si y solo si la siguientes
desigualdades se cumple para una matriz definida positiva :
( )
Y para el caso de sistemas lineales en tiempo discreto la desigualdad es igual a:
3.2. DISEÑO DE LA LEY DE CONTROL

Representando el sistema no lineal como un Sistema Dinámico Hibrido, se procede a buscar una
técnica de control que garantice la estabilidad del sistema y permita regular el nivel de los
28
tanques dada una referencia. La técnica de control a estudiar en este proyecto es una
realimentación de estados que consiste en buscar una función de Lyapunov que garantice la
estabilidad asintótica de un sistema conmutado.
3.2.1. FORMULACIÓN DEL PROBLEMA

El problema consiste en diseñar un controlador que garantice la estabilidad de (13) independiente
de la manera de conmutar. La técnica de control que se propone es una realimentación de estados
conmutada de la forma , obteniendo un sistema en lazo cerrado de la forma
( ) (15)
Hipótesis 3: Todos los estados son medibles.
Como es bien sabido una realimentación de estados tiene un error en estado estacionario
significativo. Por lo tanto con el fin de eliminar este error, se agrega un integrador dentro del lazo
de control. Una forma de introducir este integrador en el modelo matemático, es introduciendo
un nuevo vector de estado, que integre la diferencia entre la referencia del sistema y el vector de
salida como se observa en la Figura 7.
Figura 9 – Lazo de control para el SDH
La representación en variables de estado para el lazo de control que se muestra en la Figura 9

está dado por
[ ]=[ ][ ] [ ] [ ]
Entonces las nuevas matrices que describen al sistema son
̂ [ ] ̂ [ ] ̂ (16)
La ley de control para el sistema es de la forma ̂ , obteniendo un nuevo sistema

en lazo cerrado
̂ (̂ ̂ ̂ ̂ ) ̂ , donde ̂ , - y ̂ , - (17)
29
3.2.2. CONTROL POR ESTABILIZACIÓN

Considerando un sistema conmutado de la forma , * + con
matrices simétricas definidas positivas. Tal que
* +
y (18)
* +
El diseño de la ley de control conmutado se reduce al diseño de ganancias de realimentación que

garanticen la estabilidad del sistema en lazo cerrado. Los siguientes teoremas muestran una
condición suficiente basada en funciones múltiples de Lyapunov con la que se puede estabilizar un
sistema conmutado usando una realimentación de estados .
Teorema 2: [25]. Si existen matrices simétricas , y ( )
(̂ ̂ ̂)
̂ ̂
[ ] (19)
̂ ̂ ̂
Entonces la ganancia que estabiliza el sistema es ̂
Teorema 3: [25].Si existen matrices simétricas , matrices , y ( ) tal que

( )
(̂ ̂ ̂)
* + ̂ ̂ (20)
̂ ̂ ̂
Entonces la ganancia que estabiliza el sistema es ̂

30
4. IDENTIFICACION DEL SISTEMA DE TANQUES EN MODO A COMO

UN SISTEMA DINAMICO HIBRIDO.
Figura 10-Sistema de tanques en modo de operación A
4.1. VALIDACIÓN DEL MODELO DINÁMICO
El modo de operación A se encuentra regido por las siguientes ecuaciones
, ( ) ( )-
√ √
√
√
( )
(21)
√
, ( ) ( )-
√
Donde es el nivel de TK-01, es el nivel de TK-02, es la gravedad específica, el

coeficiente de flujo de la válvula que se encuentra entre los tanques. En el diseño previo para la
construcción del sistema de tanques [26] se estableció que el valor de estos parámetros son
iguales a:
Parámetro Unidades Valor

Rho Kg/m3 1000
g(Gravedad) m/s2 9,807
31
Gf 1
Cv m^3/s 0.0860
R1 m 0,6
L m 0,7
R2 m 0,3
Ao m 2,85E-04
Tabla 5 - Parámetros Iniciales del sistema de tanques
El objetivo de esta validación es el de corregir y estimar los valores de estos parámetros a través
del método de la caja gris de Matlab, y de esta manera obtener el modelo dinámico que describe
el comportamiento del sistema real. El primer paso a realizar, es un experimento en el que se
excite al sistema y se almacenen los datos de entrada - salidas (Flujo de entrada – Nivel TAK 1 -
Nivel TAK 2), con el objetivo de comparar los valores del modelo simulado y los valores
experimentales del sistema.
Nivel Tanque 1 Nivel Tanque 2
0.3 1
0.8
0.25
0.6
m
m
0.2
0.4
0.2
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Time (s) Time (s)
-4 -4
x 10 Flujo Entrada x 10 Flujo Entrada
6 6
4 4
m3/s
m3/s
2 2
0 0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Time (s) Time (s)
Figura 11 - Datos Entrada - Salida Modo 4

Nivel Tanque 1. (sim)
0.4
Modelo Real
0.35
Modelo Simulado
Nivel Tanque 1 (m)
0.3
0.25
0.2
0.15
0.1
0.05
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Modelo Real
0.6
Modelo Simulado
0.5
Nivel Tanque 2 (m)
0.4
0.3
0.2
0.1
0 500 1000 1500 2000 2500 3000 3500 4000 4500

Time (s)
Figura 12 - Diferencia entre el sistema real y el sistema simulado
Con los datos almacenados se procede a estimar los parámetros del modelo y así obtener un
modelo dinámico que se acomode al comportamiento real del sistema. Los parámetros obtenidos
son:
32

Rho Kg/m3 1000
g(Gravedad) m/s2 9.80613
Gf 1.04847
Cv m^3/s 2.41349E-6
R1 m 0,6
Z m 0,7
R2 m 0,3
Aout m 4.92971E-5
Tabla 6 - Parámetros Estimados
Con la estimación de los nuevos parámetros de la ecuación dinámica del sistema (23) se puede
observar la similitud entre el modelo simulado y el modelo real. Este modelo servirá de
herramienta para el proceso de identificación del sistema como un SDH (Sistema Dinámico
Hibrido).
0.25
0.24
Nivel Tanque 1 (m)
0.23
0.22
0.21
Modelo Real
0.2 Modelo Estimado
0.19
0 500 1000 1500 2000 2500 3000 3500 4000 4500
0.65
Modelo Real
0.6 Modelo estimado
0.55
Nivel Tanque 2 (m)
0.5
0.45
0.4
0.35
0.3
0.25
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Time (s)
Figura 13 - Sistema real y Simulado con los parámetros estimados
4.1.1. VÁLVULA DE CONTROL CV 01
(b)
(a)
Figura 14 - Válvula de Control
Como se explico en el capitulo 1 el sistema de tanques cuenta con una válvula de control, por
medio de esta se quiere controlar el caudal de entrada a los tanques con el fin de mantener el
33
nivel de estos alrededor de una referencia. La válvula CV 01 es una válvula tipo globo ampliamente
utilizada para el control de caudal. El control de caudal está determinado por el levantamiento del
tapón de la válvula. Cuando el tapón de la válvula está en contacto firme con el asiento, la válvula
está cerrada. Cuando el tapón de la válvula está alejado del asiento, la válvula está abierta. Debido
a que la vía de circulación en esta válvula es en forma de 'S', la caída de presión es considerable
comparándola con otros tipos de válvulas.
4.1.2. CARACTERÍSTICA INSTALADA DE LA VÁLVULA CV 01

La característica instalada de la válvula describe la variación del flujo a través de esta, respecto a
su posición, en una instalación dada. Con el fin de conocer la característica instalada de la válvula
se realizó una serie de experimentos que consisten en incrementar el set point de la válvula de
manera gradual y esperar que el flujo se estabilice.
Posicion Valvula
100
80
60
OPV(%)
40
20
0
20 40 60 80 100 120 140 160 180 200
Tiempo
-4
x 10 Flujo
4
Flujo (m3/s)
0
20 40 60 80 100 120 140 160 180 200
Tiempo
Figura 15 - Experimentos en la válvula de control
Los datos adquiridos en la pruebas permiten reconstruir la característica instalada como se

observar en la Figura 14. Como era de esperarse esta presenta un comportamiento no lineal, con
una saturación de flujo en los porcentajes mayores de apertura.
Para encontrar una relación entre el porcentaje de apertura de la válvula y el flujo de salida se
realiza un ajuste a través de un polinomio (24).
( ) * | +
(22)
[ ] [ ]
34
-4
x 10 Caracteristica Instalada Valvula CV 01
8
5
Flujo (m3/s)
0
0 10 20 30 40 50 60 70 80 90 100
Posicion Valvula (%)
Figura 16 - Característica instalada de la válvula de control

Conocida la característica de la válvula de control y la dinámica del sistema de tanques en el modo
A se puede observar con gran detalle la no linealidad de estos, por lo tanto se plantea identificar
como un Sistema Dinámico Hibrido (SDH) al sistema que se observa en la Figura 17, a través del
método explicado en el Capitulo 3. Donde las señales de salida serán los niveles de los TK -01 y TK-
02, y la señal de entrada es la posición de la válvula CV-01.
Figura 17-Modelo a Identificar. Entradas y Salidas
4.2.1. SEÑALES A MEDIR

Señal de entrada: Porcentaje de apertura de la válvula
Señales de salida: Nivel TK-01 y Nivel TK-02.
4.2.2. TIPO DE ENTRADAS

Las señales de entrada son las encargadas de excitar al sistema y entregar la mayor información
posible de este. Los tipos de entrada a utilizar en esta identificación son todos los posibles valores
que se pueden obtener en todo el rango de variación permitido, que en este caso es entre el 0% -
35
100% de apertura de la válvula. La duración de la señales será variable debido a la no linealidad del
sistema. En la Figura 18 se muestran los datos experimentales obtenidos
Nivel TAK 1
0.4
0.2
0
0.5 1 1.5 2 2.5
4
x 10
0.6
Nivel TAK 2
0.4
0.2
0
0.5 1 1.5 2 2.5
4
x 10
100
Posicion Valvula
50
0
0.5 1 1.5 2 2.5
Tiempo 4
x 10
Figura 18- Adquisición de datos experimentales del sistema de tanques en el modo A
4.2.3. TIEMPO DE MUESTREO

El tiempo de muestreo seleccionado es de , este se seleccionó teniendo en cuenta que al
excitar al sistema con el flujo máximo, el tiempo en el que alcanza el nivel máximo el tanque TK-
02 es de 320s y al utilizar flujos intermedios el tiempo de establecimiento del sistemas está en el
orden de los 20000s. Por lo tanto se garantiza que con este tiempo de muestreo se obtendrá la
información suficiente para la identificación del sistema.

Realizado el experimento de adquisición de datos se procede a identificar un modelo PWARX para
cada salida del sistema, es decir para el nivel de TK-01 y de TK -02.
4.3.1. MODELO PWARX PARA EL TK-01

Hipótesis 4: El orden del sistema debe ser seleccionado a priori, por lo tanto , con
. Obteniendo que el vector de regresión es igual a
̃ , - . Donde es el nivel del TK-01, es el nivel del TK-02 y es el
porcentaje de apertura en la válvula.
36
4.3.1.1. ALGORITMOS
Datos Identificacion TAK 1
0.7
0.6
0.5
y [k-1]
2
0.4
0.3
0.2
100 0.4
80 0.35
60 0.3
40 0.25
20 0.2
0
u[k-1] y 1[k-1]
Figura 19-Datos experimentales para la identificación de TK-01
Los parámetros de entrada para el algoritmo 1 son , , parámetros

que son tenidos en cuenta para solucionar el problema de optimización en el Algoritmo 1 . La
selección de se hace teniendo en cuenta el ruido presente en las mediciones de los sensores, de
donde se obtiene que la varianza máxima del ruido en estos instrumentos es de
presente en el posicionar de la válvula. [19] Aconseja que la relación entre señal a ruido sea de
10:1 por lo tanto en valor escogido es de .
0.7
data1
Modelo 2
0.6
Modelo 3
Modelo 4
0.5 Modelo 5
y [k-1]
2
0.4
0.3
0.2
100 0.4
80 0.35
60 0.3
40 0.25
20 0.2
0
u[k-1] y 1[k-1]
Figura 20-Identificación inicial del TK-01, donde cada marca representa un submodelo
En el algoritmo 2 los parámetros de entradas seleccionados son , factor con el que se

aumenta en límite del error, que es el número deseado de submodelos, c = 5 con el que se
le indica al algoritmo 2 la cantidad de puntos cercanos que debe tener en cuenta para el proceso
reclasificación. Al final de la identificación obtenemos los parámetros óptimos, observados en la
Tabla 7.
0.9380 0.9354
0.0454 0.0461
1.7594e-5 2.9836e-6
-0.0050 -0.0056
37
Tabla 7 - Vector de parámetros óptimos modelo para el modelo PWARX de TK-01
0.7
Modelo 1
0.6 Modelo 2
0.5
y [k-1]
2
0.4
0.3
0.5
0.4
0.2
100 0.3
80
60 0.2
40
20 0.1
0 y 1[k-1]
u[k-1]
Figura 21 - Identificación final de TK-01, donde cada símbolo representa un submodelo.
4.3.1.2. ESTIMACIÓN DE LA REGIÓN DE OPERACION

En la Figura 22 se observan los submodelos y las regiones de operación obtenidas
para cada submodelo son:
100
90 Modelo 1
Modelo 2 Donde
80
70
Por lo tanto las reglas
60
de conmutación son
u[k-1]
50 iguales a:
40
Si
30 ̃
Si no
20
̃
10
0
0.18 0.2 0.22 0.24 0.26 0.28 0.3 0.32 0.34 0.36 0.38
y 1[k-1]
Figura 22 - Regiones de operación para el sistema PWARX de TK-01

Ahora se procede a identificar un modelo PWARX para TK-02, la Figura 23 muestra los datos
experimentales que se utilizaran para la identificación.
38
0.35
0.3
y [k-1]
1
0.25
0.2
0.8
0.6
80 60 0.4
40 0.2
20
u[k-1] y 2[k-1]
Figura 23 – Datos experimentales para la identificación de TK-02
̃ , - . Donde es el nivel del TK-01, es el nivel del TK-02 y es la
posición de la válvula.
4.3.2.1. ALGORITMOS
De manera similar que se hizo para la identificación del tanque TK-01 se tienen que escoger los
parámetros de entrada para el algoritmo 1, estos parámetros necesariamente no deben ser
iguales a los utilizados en TK-01. Los valores seleccionados son , y
, dando como resultado una identificación preliminar como se observa en la siguiente
Figura 24.
Modelo 1
Modelo 2
Modelo 3
Modelo 4
0.4 Modelo 5
Modelo 6
Modelo 7
0.35 Modelo 8
Modelo 9
0.3 Modelo 10
y [k-1]
2
0.25
0.2
1
0.8
100
80 0.6
60
40 0.4
20 0.2
0
u[k-1] y 1[k-1]
Para el algoritmo 2 los parámetros de entradas seleccionados son , factor con el que se
aumenta en límite del error, que es el número deseado de submodelos, c = 5 con el que se
le indica al algoritmo 2 la cantidad de puntos cercanos que debe tener en cuenta para el proceso
39
reclasificación. Al final de la identificación obtenemos los parámetros óptimos, estos son

observados en la Tabla 8.
0.9617 0.9528
0.0362 0.0460
0.0016 0.0004
-0.0295 -0.0087
Tabla 8 - Vector de parámetros del modelo PWARX de TK-02
0.4
0.35
0.3
y [k-1]
2
0.25
0.2
1
80 0.8
60 0.6
40
20 0.4
0 0.2
u[k-1] y 1[k-1]
Figura 25- Identificación final de TK-02, donde cada símbolo representa un submodelo, para un total de 2 submodelos.
4.3.2.2. ESTIMACIÓN DE LA REGIÓN

En la siguiente figura se observan los submodelos y las regiones de operación
obtenidas para cada submodelo son:
70
Modelo 1
Modelo 2
60 Donde
50
Por lo tanto las reglas de
40 conmutación son iguales a:
u[k-1]
30
Si
̃
Si no
20
̃
10
0
0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7
y 1[k-1]
Figura 26 - Regiones de operación del modelo PWARX de TK-02
40
4.4. VALIDACIÓN DEL MODELO PWARX
4.4.1. FIT
Las siguientes graficas comparan la señal real y la estimada con el modelo PWARX. También se
observa la conmutación entre los submodelos que componen al modelo PWARX. Los valores del
FIT representan que el modelo PWARX sigue a la salida real del sistema en este porcentaje, estos
valores son lo suficientemente altos para una implementación de control en el sistema que se
desea realizar más adelante.
TK-01 TK-02
Posicion Valvula
Posicion Valvula
40 40
20 20
0 0
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
0.4 1
Nivel TAK 1
Nivel TAK 2
0.3 0.5
0.2 0
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
2 2
Modo TK-01
Modo TK-02
1 1.5
0 1
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
Figura 27-Modelo PWARX TK-01, FIT=88.7398%. Sistema Figura 28-Modelo PWARX TK-02, FIT=83.7398%. Sistema
Real en rojo, Modelo PWARX en negro Real en rojo, Modelo PWARX en negro
TK-01 TK-02
Posicion Valvula
Posicion Valvula
30 30
20 20
10 10
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
0.4 0.8
Nivel TAK 1
Nivel TAK 2
0.3 0.6
0.2 0.4
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
2 2
Modo TK-02
Modo TK-01
1 1.5
0 1
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
41
TK-01 TK-02
Posicion Valvula
Posicion Valvula
100 100
50 50
0 0
0 20 40 60 80 100 120 140 0 10 20 30 40 50 60 70 80 90 100
Tiempo(s) Tiempo(s)
0.4 1
Nivel TAK 1
Nivel TAK 2
0.2 0.5
0 0
0 20 40 60 80 100 120 140 0 10 20 30 40 50 60 70 80 90 100
Tiempo(s) Tiempo(s)
2 2
Modo TK-01
Modo TK-02
1.5 1.5
1 1
0 20 40 60 80 100 120 140 0 10 20 30 40 50 60 70 80 90 100
Tiempo(s) Tiempo(s)
TK-01 TK-02
Posicion Valvula
Posicion Valvula
100 100
50 50
0 0
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
0.4 1
Nivel TAK 1
Nivel TAK 2
0.2 0.5
0 0
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
2 2
Modo TK-01
Modo TK-02
1.5 1.5
1 1
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
4.5. REPRESENTACIÓN DEL MODELO PWARX EN ESPACIO DE ESTADOS

Lo modelos identificados para cada tanque se pueden escribir de la siguiente forma:
( ) ( ) ( ) ̃
( ) ( ) ( ) ( ) ̃
{ ( ) ( ) ( ) ̃
( ) ( ) ( ) ̃
( ) ( ) ( ) ̃
( )
( ) ( ) ( ) ̃
{
Donde y son los modelos que describen el comportamiento de nivel para los tanques TK-01
y TK-02 respectivamente como respuesta a la entrada . y son los vectores de parámetros
identificados y y son las regiones de operación para cada submodelo donde * + y
* +.
42
Con la descripción anterior podemos construir un modelo en espacio de estados SIMO, única
entrada múltiple salida, de la siguiente forma
( ) ( ) ( )
(23)
( ) ( )
Donde
* + * + * + y [ ] (24)
La cantidad de submodelos lo determina la intersección entre las regiones de operación

y . El número máximo de submodelos es .Los modelos obtenidos en variables de
estado son los siguientes
MODO 1
Si y
[ ] [ ] , - [ ]
MODO 2
Si y
[ ] [ ] , - [ ]
MODO 3
Si y ( y )
[ ] [ ] , - [ ]
Tabla 9-Sistema conmutado representado en variables de estado
Representado el Sistema Dinámico Hibrido en variables de estado utilizamos el Teorema 3 que se

observo en el Capitulo 3 con el objetivo de encontrar una ley de control por realimentación de
estados que garantice la estabilidad del sistema alrededor de una referencia con error en estado
estacionario igual a cero.
Después de implementar este teorema y teniendo en cuenta que la referencia a seguir es el nivel
del tanque TK-01, las ganancias del control por realimentación de estados están dadas en la Tabla
10.
Ganancias
̂ , - [670.6168]
̂ , - [297.1333]
̂ , - [294.9869]
Tabla 10-Ganancias realimentación de estados Teorema 3
43
Los resultados obtenidos con esta ley de control se observan en la siguientes graficas
Nivel TK-01 - Nivel TK-02 Nivel TK-01 - Nivel TK-02
0.6 0.6
mts
mts
0.4 0.4
0.2 0.2
500 1000 1500 2000 2500 3000 3500 4000 4500 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
100 100
OPV%
OPV%
50 50
0 0
500 1000 1500 2000 2500 3000 3500 4000 4500 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
4 4
Modo
Modo
2 2
0 0
500 1000 1500 2000 2500 3000 3500 4000 4500 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Tiempo Tiempo
(a) (b)
Figura 35 - Control para el SDH, diseñado a través del Teorema 3 utilizando cambios en el valor de la referencia de (a)
0.25 a 0.30. (b) 0.22 a 0.30
En la Figura 37 en las graficas superiores la curva de color rojo representa el nivel del tanque TK-
02, la curva de color azul representa el nivel del tanque TK-01. En las graficas intermedias es la
acción de control, representa el porcentaje de apertura de la válvula. En las graficas inferiores se
observa la conmutación entre los submodelos del SDH. En estas graficas se observa el desempeño
del lazo control implementado en el sistema de tanques, estas graficas muestran la estabilidad del
sistema y un error en estado estacionario igual a cero, a medida que el sistema sigue la referencia
se observa las conmutaciones entre los submodelos, estas conmutaciones son aleatorias y no
tienen un límite establecido. Se puede observar también que al momento de conmutar se genera
un cambio brusco en las acciones de control, lo que puede generar daños en los actuadores del
sistema, teniendo en cuenta estos efectos sobre la válvula, se plantea sintonizar controladores
LQR para cada submodelo y a posteriori garantizar la estabilidad del sistema, a través del Teorema
1 que se explico en el Capítulo 3.
Utilizando el Teorema 1 se diseño una ley de control por el método de LQR. Las ganancias
obtenidas para este control se observan en la Tabla 11.
Ganancias
̂ , - , -
̂ , - , -
̂ , - , -
Tabla 11 - Control LQR para cada submodelo, garantizando la estabilidad del SDH
Los resultados obtenidos se observan en las siguientes Figuras

44
TK-02(mts)
TK-02(mts)
0.6 0.6
0.4 0.4
0.2 0.2
200 400 600 800 1000 1200 1400 1600 1800 2000 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500
TK-01(mts)
TK-01(mts)
0.3
0.2 0.2
200 400 600 800 1000 1200 1400 1600 1800 2000 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500
100 100
OPV%
OPV%
50 50
0 0
200 400 600 800 1000 1200 1400 1600 1800 2000 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500
5 5
Modo
Modo
0 0
200 400 600 800 1000 1200 1400 1600 1800 2000 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500
Tiempo Tiempo
(a) (b)
TK-02(mts)
0.6
TK-02(mts)
0.6
0.4
0.2 0.4
500 1000 1500 2000 2500 3000 3500 4000 4500 5000 1000 2000 3000 4000 5000 6000 7000
TK-01(mts)
TK-01(mts)
0.3 0.3
0.25
0.2
0.2
500 1000 1500 2000 2500 3000 3500 4000 4500 5000 1000 2000 3000 4000 5000 6000 7000
100 100
OPV%
OPV%
50 50
0 0
500 1000 1500 2000 2500 3000 3500 4000 4500 5000 1000 2000 3000 4000 5000 6000 7000
5 5
Modo
Modo
0 0
500 1000 1500 2000 2500 3000 3500 4000 4500 5000 1000 2000 3000 4000 5000 6000 7000
Tiempo Tiempo
(c)
(d)
Figura 36 - Control Conmutado, Utilizando el Teorema 1
Las Figura 38.a, Figura 38.b y Figura 38.c muestran la estabilidad del sistema alrededor de una
referencia y condiciones iniciales diferentes, las Tablas 12 13 y 14 muestra las características del
control implementado.
CARACTERISTICAS CONTROL
Referencia
Tiempo Establecimiento 2219seg
Tiempo de subida 556seg
Máximo Pico 1.89%
Tabla 12 - Características control Figura 38 (a)
45
Referencia
Tiempo Establecimiento 2489seg 2450seg
Tiempo de Subida 533seg 529seg
Máximo Pico 1.45% 1.8%
Tabla 13 - Características control Figura 38 (b)
Referencia
Tiempo Establecimiento 2057Seg 2326Seg
Tiempo de subida 532Seg 461Seg
Tabla 14 - Características control Figura 38 (c)
Las Figura 38 (a), Figura 38 (b) y Figura 38 (c) representa la respuesta del sistema con igual
referencia, la diferencia entre estas Figuras se encuentra en las acciones de control y las
conmutaciones entre los submodelos del sistema, esto se debe a que las condiciones iniciales del
sistema son diferentes para cada una. La Figura 38 (d) muestra el comportamiento del sistema
con una perturbación, la cual es introducida en las mediciones de nivel. En la graficas que
representan el nivel se puede observar que después de un determinado tiempo el control logra
estabilizar el sistema.
La respuesta del control sintonizado utilizando el Teorema 1 es mas suave comparado con la
respuesta del control sintonizado con Teorema 3. Dicha respuesta presentaba discontinuidades
que eran perjudiciales para la válvula.
46
5. IDENTIFICACION DEL SISTEMA DE TANQUES EN MODO B COMO

UN SISTEMA DINAMICO HIBRIDO.
Figura 37 - Sistema de tanques en de modo operación B
5.1. VALIDACIÓN DEL MODELO DINÁMICO
El modo de operación B se encuentra regido por las siguientes ecuaciones
, ( ) ( )-
√
(25)
, ( ) ( )-
√ √
√ ( )
Donde es el nivel de TK-01, es el nivel de TK-02, es la gravedad específica, el

coeficiente de flujo de la válvula HV-01, que se encuentra entre los tanques TK-01 Y TK-02. Los
valores preliminares de estos coeficientes se pueden observar en la Tabla 5.
El objetivo de esta validación es el de corregir y estimar los valores de estos parámetros en este
modo de operación a través del método de la caja gris de Matlab, y de esta manera obtener el
modelo dinámico que describa el comportamiento del sistema real. El primer paso a realizar, es un
experimento en el que se excite al sistema y almacenar los datos de entrada - salidas (Flujo de
entrada – Nivel TAK 1 - Nivel TAK 2), con el objetivo de comparar los valores del modelo simulado
y los valores reales del sistema.
47
Nivel Tanque 1 Nivel Tanque 2

0.7 0.35
mts 0.6
mts
0.5 0.3
0.4
0.25
0 1000 2000 3000 4000 5000 6000 7000 0 1000 2000 3000 4000 5000 6000 7000
Time (s) Time (s)
-4 -4
x 10 Flujo Entrada x 10 Flujo Entrada
6 6
4 4
m3/s
m3/s
2 2
0 0
0 1000 2000 3000 4000 5000 6000 7000 0 1000 2000 3000 4000 5000 6000 7000
Time (s) Time (s)
Figura 38 - Datos Entrada -Salida modo 3
0.6 Modelo Real

Modelo Simulado
0.55
Nivel Tanque 1 (mts)
0.5
0.45
0.4
0.35
0 1000 2000 3000 4000 5000 6000
0.32
0.31
0.3
0.29
0.28
0.27
0.26
0.25
0.24
0.23
0 1000 2000 3000 4000 5000 6000

Time (s)
Figura 39-Diferencia entre el modelo simulado y el modelo real
Con los datos almacenados se procede a estimar los parámetros del modelo. Los parámetros
obtenidos son:

Rho Kg/m3 1000
g(Gravedad) m/s2 9.81574
Gf 1.00174
Cv m^3/s 2.95035E-6
R1 m 0,6
L m 0,7
R2 m 0,3
Aout m 5.13765E-5
Tabla 15 - Parámetros estimados modo B
Con la estimación de los nuevos parámetros de la ecuación dinámica del sistema (27) se puede
observar la similitud entre el modelo simulado y el modelo real. Este modelo servirá de
48
herramienta para el proceso de identificación del sistema como un SDH (Sistema Dinámico
Hibrido).
Modelo Real
0.55 Modelo Simulado
0.5
0.45
0.4
0.35
0 1000 2000 3000 4000 5000 6000
0.32 Modelo Real

Modelo Simulado
0.31
0.3
0.29
0.28
0.27
0.26
0.25
0 1000 2000 3000 4000 5000 6000
Time (s)
Figura 40 - Sistema real y simulado con los parámetros estimados
5.1.1. VÁLVULA DE CONTROL CV 01

Como se observo en el capitulo anterior el sistema de tanques cuenta con una válvula de control,
por medio de esta se quiere controlar el caudal de entrada a los tanques con el fin de mantener el
nivel de estos alrededor de una referencia. La válvula CV 01 es una válvula tipo globo ampliamente
utilizada para el control de caudal. El control de caudal está determinado por el levantamiento del
tapón de la válvula. La característica instalada de la válvula describe la variación del flujo a través
de esta, respecto a su posición, en una instalación dada. La característica instalada identificada se
observar en la Figura 16 y la relación entre el porcentaje de apertura de la válvula y el flujo de
salida lo describe el polinomio (24).

Se plantea identificar como un Sistema Dinámico Hibrido (SDH) el sistema que se observa en la
Figura 43, a través del método explicado en el Capitulo 3. Las señales de salida serán los niveles de
los TK -01 y TK-02, y la señal de entrada es la posición de la válvula CV-01.
Figura 41 - Modelo a Identificar. Entradas y Salidas
5.2.1. SEÑALES A MEDIR

Señal de entrada: Porcentaje de apertura de la válvula
Señales de salida: Nivel TK-01 y Nivel TK-02.
49
5.2.2. TIPO DE ENTRADAS

La entrada en este caso es un señal entre el 0% - 100% de apertura de la válvula. La duración de la
señales será variable debido a la no linealidad del sistema.
5.2.3. TIEMPO DE MUESTREO

El tiempo de muestreo seleccionado es de , con el que se garantiza que se obtendrá la
información suficiente para la identificación del sistema.
0.55
0.5
Nivel TAK 1
0.45
0.4
0.35
0.3
0.25
2000 4000 6000 8000 10000 12000 14000 16000
0.4
0.35
Nivel TAK 2
0.3
0.25
0.2
2000 4000 6000 8000 10000 12000 14000 16000
100
Posicion Valvula
80
60
40
20
0
2000 4000 6000 8000 10000 12000 14000 16000
Tiempo
Figura 42- Adquisición de datos experimentales del sistema de tanques en el modo B

Realizado el experimento de adquisición de datos se procede a identificar un modelo PWARX para
cada salida del sistema, nivel TK-01 y nivel TK -02.

La Figura 45 muestra los datos experimentales que se utilizaran para la identificación de TK-01.
50
0.34
0.32
0.3
y [k-1]
2
0.28
0.26
0.24
100 0.7
80 0.6
60 0.5
40 0.4
20 0.3
0 0.2
u[k-1] y 1[k-1]
Figura 43-Datos Experimentales para la identificación de TK-01
5.3.1.1. ALGORITMOS
Los parámetros de entrada para el algoritmo 1 son , y ,
estos parámetros se escogen con el mismo criterio que en el Capitulo 4. La identificación
preliminar se observa en la Figura 46.
Modelo 1
Modelo 2
0.34 Modelo 3
Modelo 4
Modelo 5
0.32
0.3
y [k-1]
2
0.28
0.26
0.8
0.24 0.6
100
80 0.4
60
40
20 0.2
0
y 1[k-1]
u[k-1]
Figura 44 - Identificación inicial del TK-01, donde cada marca representa un submodelo
Los parámetros de entradas seleccionados para el algoritmo 2 son , factor con el que se
aumenta en límite del error, que es el número deseado de submodelos, c = 10 con el que
se le indica al algoritmo 2 la cantidad de puntos cercanos que debe tener en cuenta para el
proceso reclasificación. Al final de la identificación obtenemos los parámetros óptimos
observados en la Tabla 16. La Figura 47 se observa la identificación final del tanque TK-01.
0.9639 0.9566
0.0180 -0.2919
0.0007 0.0007
-0.0002 0.0934
Tabla 16 - Vector de parámetros óptimos para el modelo PWARX de TK-01
51
0.34
0.32
0.3
y [k-1]
2
0.28
0.26
0.7
0.24 0.6
100 0.5
80
60 0.4
40
20
0 y 1[k-1]
u[k-1]

La Figura 48 muestra los submodelos y las regiones de operación obtenidas para cada
submodelo luego de haber hecho el proceso de refinamiento con el Algoritmo 2.
100
90 Modelo 1
Modelo 2
80 Donde
70
60
Por lo tanto las
reglas de
u[k-1]
50 conmutación son:
40 Si
̃
30
Si no
20 ̃
10
0
0.35 0.4 0.45 0.5 0.55 0.6 0.65
y 1[k-1]
Figura 46 - Identificación final para TK-01, se observa la región de operación para cada submodelo.
52

La figura 49 muestra los datos experimentales que se utilizaran para la identificación de TK-02
0.65
0.6
0.55
0.5
y [k-1]
0.45
1
0.4
0.35
0.3
0.25
100 0.34
0.32
50 0.3
0.28
0.26
0 0.24
u[k-1] y 2[k-1]
Figura 47 - Datos Experimentales para la identificación de TK-02
5.3.2.1. ALGORITMOS
Los parámetros de entrada para el algoritmo 1 son , y ,
dando como resultado una identificación preliminar que se observa en la Figura 50.
0.6
0.5
y [k-1]
0.4
Modelo 1
2
Modelo 2
Modelo 3
0.3
Modelo 4
0.35
0.2
100
80 0.3
60
40
20
0 0.25
u[k-1] y 1[k-1]
Figura 48 - Identificación preliminar de TK-02
Para el algoritmo 2 los parámetros de entrada seleccionados son , factor con el que se
aumenta en límite del error, que es el número deseado de submodelos, c = 20 con el que
se le indica al algoritmo 2 la cantidad de puntos cercanos que debe tener en cuenta para el
53
proceso reclasificación. Al final de la identificación obtenemos un solo vector de parámetros que

se observa en la Tabla 16. La Figura 51 representa la identificación final del tanque TK-02.
0.6 Modelo 1
0.55
0.5
y [k-1]
0.45 0.9617
2
0.0362
0.4 0.0016
-0.0295
0.35
Tabla 17 - Parámetros
óptimos para TK-02
100 0.34
80 0.32
60 0.3
40 0.28
20 0.26
0 0.24
u[k-1] y 1[k-1]
Figura 49- Identificación final de TK-02

En la Figura 51 se observa que el resultado final de la identificación arrogo un solo submodelo, por
lo tanto este será valido para todo el rango de operación del sistema (señales de entrada y salida)
y no tendrá una región de operación definida.
5.4. VALIDACIÓN DEL MODELO PWARX
En las graficas anteriores se observa como los términos de correlación para cada modelo PWARX
de los tanques TK-01 y TK-02 se acercan a cero, con lo que se puede demostrar la independencia
de la salida con la entrada, lo que significa que el modelo es capaz de describir la dinámica del
sistema.
5.4.1. FIT
Los valores del FIT representan que tanto el modelo identificado, que en este caso es el PWARX,
sigue a la salida real del sistema. Las siguientes graficas comparan la señal real y la estimada con
el modelo PWARX. También se observa la conmutación entre los submodelos que componen a
cada modelo PWARX, los valores obtenidos son lo suficientemente altos para una implementación
de control en el sistema que se desea realizar más adelante.
En las graficas que se muestran a continuación se pueden observar la diferentes pruebas

realizadas con el objetivos de calcular el FIT de los modelos identificados.
54
TK-01 TK-02
Posicion Valvula
Posicion Valvula 100 100
50 50
0 0
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
1 0.35
Nivel TAK 2
Nivel TAK 1
0.5 0.3
0 0.25
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
2 2
Modo TK-01
Modo TK-02
1.5 1
1 0
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Tiempo(s) Tiempo(s)
Figura 50 - Modelo PWARX TK-01, FIT=93.18%. Sistema Figura 51 - Modelo PWARX TK-02, FIT=87.3273%.
Real en rojo, Modelo PWARX en negro Sistema Real en rojo, Modelo PWARX en negro
TK-01 TK-02
Posicion Valvula
Posicion Valvula
100 100
50 50
0 0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
Tiempo(s) Tiempo(s)
1 0.4
Nivel TAK 1
Nivel TAK 2
0.5 0.3
0 0.2
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
Tiempo(s) Tiempo(s)
2 2
Modo TK-01
Modo TK-02
1.5 1
1 0
0 10 20 30 40 50 60 0 10 20 30 40 50 60
Tiempo(s) Tiempo(s)
Figura 52 - Modelo PWARX TK-01, FIT=91.79%. Sistema Figura 53 - Modelo PWARX TK-02, FIT=76.36.04%.
Real en rojo, Modelo PWARX en negro Sistema Real en rojo, Modelo PWARX en negro
TK-01 TK-02
Posicion Valvula
Posicion Valvula
50 50
0 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Tiempo(s) Tiempo(s)
0.8 0.35
Nivel TAK 1
Nivel TAK 2
0.6 0.3
0.4 0.25
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Tiempo(s) Tiempo(s)
2 2
Modo TK-01
Modo TK-02
1.5 1
1 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Tiempo(s) Tiempo(s)
Figura 54 - Modelo PWARX TK-01, FIT=93.5436%. Figura 55 - Modelo PWARX TK-02, FIT=90.0365%.
Sistema Real en rojo, Modelo PWARX en negro Sistema Real en rojo, Modelo PWARX en negro
55
TK-02
Posicion Valvula
TK-01 100
Posicion Valvula
100
50
50
0
0 0 10 20 30 40 50 60 70
0 10 20 30 40 50 60 70 Tiempo(s)
Tiempo(s) 0.35
Nivel TAK 2
1
Nivel TAK 1
0.3
0.5
0.25
0 0 10 20 30 40 50 60 70
0 10 20 30 40 50 60 70 Tiempo(s)
Tiempo(s) 2
Modo TK-02
2
Modo TK-01
1
1.5
0
1 0 10 20 30 40 50 60 70
0 10 20 30 40 50 60 70 Tiempo(s)
Tiempo(s)
Figura 57 - Modelo PWARX TK-02, FIT=74.1790%.

Figura 56 - Modelo PWARX TK-01, FIT=90.0496%.
Sistema Real en rojo, Modelo PWARX en negro
Sistema Real en rojo, Modelo PWARX en negro
5.5. REPRESENTACIÓN DEL MODELO PWARX EN ESPACIO DE ESTADOS

Lo modelos identificados para cada tanque se pueden escribir de la siguiente manera:
( ) ( ) ( ) ̃
( ) ( ) ( ) ( ) ̃
{ ( ) ( ) ( ) ̃
( ) ( ) ( ) ̃
( ) ( ) ( ) ̃
( )
( ) ( ) ( ) ̃
{
Donde y son los modelos que describen el comportamiento de nivel para los tanques TK-01
y TK-02 respectivamente como respuesta a la entrada . y son los vectores de los parámetros
identificados. y son las regiones de operación para cada submodelo donde * + y
* +.
Con la descripción anterior podemos construir un modelo en espacio de estados SIMO, única
entrada, múltiple salida, de la siguiente forma
( ) ( ) ( )
(26)
( )
Donde
* + * + * + y [ ] (27)
La cantidad de submodelos lo determina la intersección entre las regiones de operación

y . El número máximo de submodelos es . Los modelos obtenidos en variables de
estado son los siguientes
56
MODO 1
Si
[ ] [ ] , - [ ]
MODO 2
Si
[ ] [ ] , - [ ]
Tabla 18-Sistema conmutado representado en variables de estado
Representado el Sistema Dinámico Hibrido en variables de estado utilizamos el Teorema 3 que se

observo en el Capitulo 4 con el objetivo de encontrar una ley de control por realimentación de
estados que garantice la estabilidad del sistema alrededor de una referencia con error en estado
estacionario igual a cero. La referencia a seguir es el nivel del tanque TK-02. La siguientes Tablas
muestran las ganancias obtenidas.
Ganancias
̂ , - [814.5877]
̂ , - [814.9162]
Tabla 19-Ganancias realimentación de estados Teorema 4
Implementando este controlador se obtienen los siguientes resultados
Nivel TK-01 - Nivel TK-02

mts
0.4
0.2
500 1000 1500 2000 2500 3000 3500
100
OPV%
50
0
500 1000 1500 2000 2500 3000 3500
3
2
Modo
0
500 1000 1500 2000 2500 3000 3500
Tiempo
Figura 58 - Controlador para el modo 3, obtenido con el Teorema 4
57
En los que se puede observar la estabilidad del sistema alrededor de la referencia, a cambio de
unas señales de control fuertes, con variaciones entre el 0 % y 100% de apertura de la válvula, en
periodos de tiempo muy cortos, esto puede causar daños en el la válvula de control y acortar la
vida útil de esta.
Teniendo en cuenta estos resultados se procese a sintonizar un controlador LQR para cada
submodelo, dando un mayor peso al sistema que es predominante, en este caso es el Modo1, ya
que este submodelo es donde el sistema tiende a estabilizarse. Garantizando la estabilidad del
sistema a través del Teorema 1 y con base a estas condiciones de diseño se obtiene las siguientes
ganancias.
Ganancias
̂ , - [253.2438]
̂ , - [91.11]
Tabla 20 - Controladores LQR para el modo 3
TK-01(mts)
TK-01(mts)
0.6 0.6
0.4 0.4
500 1000 1500 2000 2500 3000 3500 4000 4500 500 1000 1500 2000 2500 3000 3500 4000
TK-02(mts)
TK-02(mts)
0.36 0.36
0.34 0.34
0.32 0.32
0.3 0.3
0.28 0.28
0.26 0.26
500 1000 1500 2000 2500 3000 3500 4000 4500 500 1000 1500 2000 2500 3000 3500 4000
100 100
OPV%
OPV%
X: 3992
50 50 Y: 16.78
0 0
500 1000 1500 2000 2500 3000 3500 4000 4500 500 1000 1500 2000 2500 3000 3500 4000
5 5
Modo
Modo
0 0
500 1000 1500 2000 2500 3000 3500 4000 4500 500 1000 1500 2000 2500 3000 3500 4000
Tiempo Tiempo
Figura 59 - Implementación control para el modo 3 Figura 60 - Implementación control para el modo 3
Referencia
Tiempo de Subida 478Seg 515Seg
Tabla 21 - Características control Figura 59
58
Referencia
TK-01(mts)
0.6
0.4
1000 2000 3000 4000 5000 6000

0.35
TK-02(mts)
0.3
0.25
1000 2000 3000 4000 5000 6000
100
OPV%
50
0
1000 2000 3000 4000 5000 6000
5
Modo
0
1000 2000 3000 4000 5000 6000
Tiempo
Figura 61 – Implementación control para el modo 3
Referencia
En la Figuras 59, 60 y 61 se muestra el funcionamiento del lazo de control implementado en el

sistema de tanques, en ellas se observa la estabilidad del sistema y un error en estado estacionario
igual a cero alrededor de la referencia. A medida que el sistema sigue la referencia, se observa las
conmutaciones entre los submodelos, también se puede observar que al momento de conmutar
de submodelo las discontinuidades presentes en la ley de control diseñada con el teorema 3 se
han reducido comparadas con las diseñas con la ley de control con el teorema 1.
59
CONCLUSIONES
La metodología propuesta en este trabajo de investigación ha probado ser útil para identificar y
resolver el problema de control en un sistema no lineal, como lo es el sistema de tanques
interactuantes. Se pudo observar que el método de identificación planteado permite obtener un
modelo PWARX a partir de datos adquiridos del sistema, con los que podemos construir un SDH
que describa la dinámica del sistema. Una vez obtenido el modelo del sistema, el problema de
control es resuelto a través de un análisis de estabilidad del sistema donde el objetivo es
determinar las ganancias de una realimentación de estados conmutada que garantice la
estabilidad del sistema alrededor de un punto de referencia.
El método de identificación propuesto permitió la identificación del sistema de tanques a partir de

los datos de entradas y salidas del sistema, seguida de una selección adecuada del límite de error
. La exactitud del proceso de identificación va altamente relacionado con el limite y el ruido
presente en las mediciones del sistema.
En la parte de control del sistema conmutado se pudo garantizar la estabilidad del sistema a priori
utilizando el Teorema 3. Uno de los problemas que se encontró en esta implementación del
control fueron las discontinuidades en la acciones de control que a futuro podrían generar daños
en el actuador, como solución a esto se planteo sintonizar controladores LQR para cada
submodelo del SDH y a posteriori garantizar la estabilidad del sistema a través del Teorema 1.
Los resultados a través del Teorema 1 fueron aceptables, permitiendo la reducción de las
discontinuidades en la señal de control respecto a lo obtenido con el Teorema 3. También se
puede observar que estas señales de control no están saturadas lo que permite que la bomba del
sistema no trabaje en condiciones extremas.
Para trabajos futuros se plantea la modificación del Teorema 3, con el objetivo que el control a
utilizar sea un observador de estados, esto con el fin de que se garantice la estabilidad del sistema
a priori y las discontinuidades en las acciones de control puedan ser trabajadas a través del
método propuesto en [29].
60
BIBLIOGRAFÍA
[1] DUQUE M., GAUTHIER A., RAKOTO N. VILLA J.L., "Modelamiento y control de sistemas
hibridos.," Revista de ingenieria de los Andes, vol. 19, 2004.
[2] VILLA J.L., GAUTHIER A., RAKOTO M. DUQUE M., "Control de sistemas hibridos usando el
acercamiento MDL Parte I," in Congreso Nacional de la Asociacion Colombiana de Automatica,
Ibague, 2004.
[3] VILLA J.L., GAUTHIER A., RAKOTO M. DUQUE M., "Control de sistemas hibridos usando
elacercamiento MDL parte II," in Congreso Nacional de la Asociacion Colombiana de
Automatica, Ibague, 2004.
[4] RIEDINGER P., IUNG C. DAAFOUZ J., "Stability analysis and control synthesis for," IEEE
Transactions on Automatic Control, vol. 47, no. 11, pp. Pags. 1883-1887, 2002.
[5] GIUA A., SEATZU C., BEMPORAD A., "A master-slave algorithm for the optimal control of
continuous-time switched affine systems," Proceedings of the 41th IEEE Conference on
Decision and Control, vol. 2, pp. 1976 – 1981, 2002.
[6] RIEDINGER P., IUNG C. PATINO D., "Practical optimal state feedback control law,"
International Journal of Control, vol. 82, no. 2007, pp. 1357-1376, 2009.
[7] MCGRATH B., QUEVEDO D., GOODWIN G. SILVA E.I., "Predictive control of a flying capacitor
converter," Proceedings of the 26th IEEE American Control Conference, vol. 1, pp. 3763 –
3768, 2007.
[8] PAPAFOTIOU G., MORARI M. GEYER T., "Model predictive control in power electronics: A
hybrid systems approach," Proceedings of the 44th IEEE Conference on Decision and Control,
pp. 5606-5611, 2005.
[9] PATINO D., CORMERAIS H., RIEDINGER P., BUISSON J. BAJA M., "Hybrid control of a four-level
three-cell DC-DC converter," Proceedings of the IEEE American Control Conference, vol. 1, pp.
Pags 5458 – 5463, 2007.
[10] RIEDINGER P., IUNG C. PATINO D., "Une approche prédictive pour la commande d'un
convertisseur multicellulaire," Mémoires de JDMACs, vol. 3, pp. 50-55, 2007.
[11] BAOTIC M., MORARI M. BORELLI F., "An efficient algorithm for computing the state feedback
optimal control problem," Proceedings of the 1st IFAC Conference on, vol. 6, no. 2003, pp.
61
4717-4722, Analysis and Design of Hybrid Systems.
[12] CORONA D., GIUA A., BEMPORAD A. SEATZU C., "Optimal control of continuous time switched
affine systems," IEEE Transactions on Automatic Control, pp. 726-741, 2006.
[13] CORMERAIS H., RICHARD P.Y., BUISSON J. MORVAN C., "Extending passivity based control to
DAE systems with boolean inputs," Proceedings of the IFAC Symposium on Nonlinear Control
Systems (NOLCOS), 2004.
[14] ORTEGA R. SIRA-RAMIREZ H., "Passivity-based controllers for the stabilization of DC-to-DC
power converters," Proceedings of the 34th IEEE Conference on Decision and control, vol. 4,
pp. 3471-3476, 1995.
[15] CORMERAIS H., BUISSON J. RICHARD P.Y., "A generic design methodology for sliding mode
control of switched systems," Nonlinear Analysis, vol. 65, pp. 1751-1772, 2006.
[16] KUISMA M., TOLSA K., SILVENTOINEN P. AHMED M., "Implementing sliding mode control for
buck converter," Proceedings of the IEEE 34th Power Electronics Specialists Conference , vol. 2,
pp. 634-637, 2003.
[17] COTRINO C PATIÑO D., AVANCES EN EL CONTROL DE SISTEMAS DINÁMICOS HÍBRIDOS.

APLICACIÓN EN SISTEMAS DE TANQUES INTERACTUANTES NO LINEALES. Bogota, Colombia,
2009.
[18] B. De Schutter, A. Bemporad W. P. M. H. Heemels, Equivalence of hybrid dynamical models,

2001.
[19] Andrea Garulli,Simone Paoletti, and Antonio Vicino Alberto Bemporad, Bounded error
approach to piecewise affine system identification, Oct. 2005.
[20] Yucai Zhu, Multivariable System Identification, 2001.
[21] C. Cortes and V. N. Vapnik, Support-vector networks, 1995.
[22] K. P. Bennett and O. L. Mangasarian, Robust linear programming discrimination of two linearly
inseparable sets, 1992.
[23] G. Ferrari-Trecate, and M. Morari A. Bemporad, Observability and controllability of piecewise

affine and hybrid systems, 200.
[24] P. Hart, and D. Stork R. Duda, Pattern Classification, 2001.
[25] D Liberzon, "Switching in Systems and Control.," Boston,Massachusetts, 2003.

62
[26] L Hetel, Robust Stability and Control of Switched Linear Systems. Nancy University, 2007.
[27] Pierre Riedinger and Claude Iung Jamal Daafouz, Stability Analysis and Control Synthesis for
Switched Systems: A switched Lyapunov function approach, 2001.
[28] Javier Albarracin and Andres Arguelles, ngenieria Detallada, Modelado y Simulacion De Un
Sistema De Tanques Interactuantes No Linelaes., 2010.
[29] Laura Marcela Salazar Cruz, BUMPLESS TRANSFER FOR SWITCHED SYSTEMS, 2012.

RamirezAcostaChristianFelipe2012 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

RamirezAcostaChristianFelipe2012 PDF

Transféré par

Droits d'auteur :

Formats disponibles

CONTROL DE UN SISTEMA DE TANQUES INTERACTUANTES NO LINEALES DESDE EL

ENFOQUE DE SISTEMAS DINAMICOS HIBRIDOS

CHRISTIAN FELIPE RAMIREZ ACOSTA

PONTIFICIA UNIVERSIDAD JAVERIANA

CHRISTIAN FELIPE RAMIREZ ACOSTA

PONTIFICIA UNIVERSIDAD JAVERIANA

RECTOR MAGNIFICO: Padre Joaquín Sánchez García S.J.

DECANO ACADÉMICO: Ing. Luis David Prieto Martínez

DECANO DEL MEDIO UNIVERSITARIO: P. Sergio Bernal S.J.

DIRECTOR DE MAESTRIA: Ing. Cesar Leonardo Niño, Ph.D.

DIRECTOR DEL PROYECTO: Ing. Diego Alejandro Patiño Guevara, Ph.D.

Artículo 23 de la resolución No. 13, del 6 de

Figura 1- Diagrama P&ID del Sistema de Tanques ............................................................................ 12

La comunidad científica ha comenzado a estudiar recientemente los sistemas que incluyen

Los esfuerzos recientes en la investigación de sistemas dinámicos híbridos típicamente se

parámetro el horizonte de predicción, el cual implica resolver diferentes programas de

3. Comparar el desempeño de las estrategias de control para sistemas dinámicos híbridos

1. DESCRIPCION GENERAL DEL SISTEMA DE TANQUES

Figura 1- Diagrama P&ID del Sistema de Tanques

Tanque No Lineal Tanque Cilíndrico Tanque de Reserva

Radio(mm) 600 300

Tabla 1 - Especificaciones Tanques

1.1. INSTRUMENTACION DEL SISTEMA

1.1.1. MEDIDOR DE CAUDAL

1.1.2. TRANSMISOR DE PRESIÓN DIFERENCIAL

1.1.3. TRANSMISOR DE PRESIÓN MANOMÉTRICO

1.1.4. MEDIDOR DE NIVEL CAPACITIVO

Figura 2- Principio de medición del medidor capacitivo

La capacidad del condensador es influenciada principalmente por tres factores:

1. Distancia de las superficies de los electrodos.

1.1.5. MEDIDOR DE NIVEL POR RADAR DE ONDA GUIADA

1.1.6. SWITCH DE NIVEL VIBRATORIO

1.1.7. VÁLVULA GLOBO DE CONTROL

 Diámetro del cuerpo de la válvula de ½”

1.1.7.1. ACTUADOR DIAFRAGMA RESORTE

Figura 3 - Actuador diafragma resorte

1.1.8. VÁLVULA DE BOLA

1.1.8.1. ACTUADOR PIÑÓN CREMALLERA

1.2. COMUNICACIÓN DEL SISTEMA

Gracias a su estructura modular con tecnologías de transmisión complementarias, este es un

Dado que el sistema de tanques cuenta con dispositivos PROFIBUS PA y PROFIBUS DP es

Figura 5 - Red de comunicación del sistema de tanques de la Figura 1

VARIABLE DE PROCESO DIRECCION MEMORIA PLC DESCRIPCION

1.2.3. COMUNICACIÓN ENTRE SISTEMA DE TANQUES Y PC

Figura 6 – Red de comunicación entre el Sistema de tanques y PC

1.3. MODOS OPEREACION

1.3.1. MODO OPERACIÓN A

Modo Operación A Modelo Matemático

1.3.2. MODO OPERACIÓN B

Modo Operación B Modelo Matemático

2. MODELADO DE UN SISTEMA NO LINEAL COMO UN SISTEMA

El proceso de identificación comprende los siguientes pasos:

1. Obtención de datos entradas – salidas. Se debe excitar el sistema mediante la aplicación de

3. Validación del modelo. Consiste en determinar si el modelo obtenido satisface el grado de

2.1. OBTENCIÓN DE LOS DATOS

2.1.1. ELECCIÓN DE LAS SEÑALES A MEDIR

2.1.2. ELECCIÓN DEL TIPO DE ENTRADAS

2.1.3. ELECCIÓN DEL PERIODO DE MUESTREO

2.2. IDENTIFICACIÓN MODELO PWARX

Considerando un modelo PWARX como

Donde es la entrada del sistema, es la salida y es el error. Por lo tanto el

Donde es el número de submodelos ̃ , - , , - ,

parámetros y las regiones de operación para cada submodelo representadas por