Académique Documents
Professionnel Documents
Culture Documents
El comportamiento
dinámico de primer
orden y
TABLA DE CONTENIDO
5.1 Entradas proceso estándar
5.2 Respuesta de los procesos de primer
orden
Respuesta 5,2,1 Paso
5.2.2 Respuesta de rampa
5.2.3 Respuesta sinusoidal
5.3 Respuesta de los Procesos de Integración
5.4 Respuesta de los procesos de segundo orden
Respuesta 5.4.1 Paso
5.4.2 Resumen de respuestas
sinusoidal
En el capítulo 2 derivamos modelos dinámicos para varios procesos típicos, y en el capítulo 4 mostramos
cómo estos modelos se pueden poner en forma de función de transferencia estándar. Ahora investigamos
cómo los procesos responden a los cambios típicos en su entorno, es decir, a los cambios en sus entradas.
Ya hemos visto en el capítulo 1 que las entradas del proceso se dividen en dos categorías:
1. Las entradas que se pueden manipular para controlar el proceso.
2. Las entradas que no son manipuladas, clasificadas como variables de perturbación.
La representación función de transferencia hace que sea fácil de comparar los efectos de diferentes
entradas. Para ex-amplio, el modelo dinámico para el sistema de mezcla de tanque agitado de flujo
constante se deriva en la Sección
Procesos
relacionar los cambios en salida de fracción de masa X '(s) a los cambios en la tasa de flujo de masa Wi (s),
así como los cambios en la fracción de masa de entrada Xi (s). Por lo tanto, para los cambios iguales en w2
o xi, la respuesta de x será equivalente ex-cepto para la multiplicación por I./U; para W2.
una solución de dominio de tiempo en general se puede encontrar una vez que se especifica la naturaleza
del cambio de entrada (por ejemplo, el paso o el cambio de impulso). Esta solución se aplica a cualquier
otro proceso con una función de transferencia de primer orden, por ejemplo, los tanques de compensación
líquidas de las Ecs. 4-53 y 4-55. Otro beneficio de la forma de función de transferencia (por ejemplo, (5-
3)) es que no es necesario volver a resolver el ODE cuandoK, 7, o U (s) cambios.
Vamos a explotar esta capacidad de desarrollar procesos generales fórmulas dinámicas tanto como sea
posible, con-centrating en funciones de transferencia que comúnmente surgen al describir el
comportamiento dinámico de los procesos industriales. Este capítulo cubre los más simples funciones de
transferencia: procesos de primer orden, las unidades de integración, y procesos de segundo orden. En el
capítulo 6 se discutirán las respuestas de las funciones de transferencia más complicados. Para mantener
los resultados lo más general posible, que ahora consideramos varias entradas de proceso estándar que se
utilizan para caracterizar el comportamiento de muchos procesos reales.
I. Etapa de entrada. Una característica de los procesos industriales es que pueden ser sometidos a
cambios bruscos y sostenidos de entrada; por ejemplo, un material de alimentación de reactor se puede
cambiar rápidamente de un suministro a otro, causando un cambio correspondiente en variables de
entrada importantes, tales como concentración de la alimentación y temperatura de alimentación. Tal
cambio se puede aproximar por el cambio de paso
donde el tiempo cero, como se señaló anteriormente, se considera que es el momento en que el repentino
cambio de magnitud METRO ocurre. Tenga en cuenta que nosotros (t) se define como una variable de
desviación, es decir, el paso de la corriente constante
5.1 Entradas proceso estándar 105
estado. Supongamos que la entrada de calor a una unidad de calefacción de tanque agitado de repente
se cambia de 8.000 a 10.000 kcal / h, cambiando la entrada de calentador eléctrico. Entonces
donde S (t) es la función de paso unidad. La transformada de Laplace de una etapa de magnitud M (cf. Ec. 3-4) es
2. Rampa de entrada. Los procesos industriales a menudo se someten a las entradas que van a la deriva,
es decir, que gradualmente cambia hacia arriba o hacia abajo para un cierto período de tiempo con una
pendiente más o menos constante. Por ejemplo, am-Bient condiciones (temperatura del aire y humedad
relativa) pueden cambiar lentamente durante el día para que la temperatura torre de enfriamiento planta
también cambia lentamente. Los puntos de ajuste a veces se intensificaron a partir de un valor a otro
en lugar de hacer un cambio de paso. Podemos aproximar tal cambio en una variable de entrada por
medio de la función de rampa:
0 t <0
(5-7)
UR (t) = tat t 0
donde UR (t) es una variable de desviación. La transformada de Laplace de una entrada de rampa con una
pendiente de 1 se da en la Tabla 3.1 como 1 / s2. Por lo tanto, la transformación de la ecuación. 5 -7
rendimientos
un
UR (s) = --2- (5-8)
3. pulso rectangular, Procesos a veces son sometidos a un cambio de paso súbita que entonces vuelve a
su valor original. Supongamos que una alimentación a un reactor está apagado durante un determinado
período de tiempo o un horno de combustión de gas natural experimenta una breve interrupción en el gas
combustible. Podríamos aproximar este tipo de cambio de entrada como un pulso rectangular:
(5-9)
donde la anchura TW de impulsos puede variar desde muy corta (aproximación a un impulso) a muy largo.
Una manera al-alter- de expresar (5-9) utiliza la entrada desplazado unidad paso SO - TW), que es igual a
la unidad para t tw y igual a cero para t <tw (ver ecuación 3-23).. Ecuación 5-9 se representa en la Fig. 5.1
como la suma de dos pasos, un paso de magnitud igual a 1 se produce en t = 0 se combina con una segunda
etapa de magnitud igual a -1 se produce en t = tw. Matemáticamente, esta combinación se puede expresar
como
S t)
Componentes de
una
altura de la
unidad
rectangular
legumbres
-sU -t
Rectangular
legumbres
URP (t)
tw
Figura 5.1 Cómo se pueden combinar dos entradas de paso
Tiempo, t para formar un pulso rectangular.
Las tres entradas importantes discutidos anteriormente a paso, rampa, pulso son rectangulares
representa en la Fig. 5.2. Tenga en cuenta que muchos tipos de entradas pueden ser representados
como combinaciones de entradas de paso y de rampa. Por ejemplo, una altura de la unidad (isósceles)
pulso triangular de tw anchura puede ser construido a partir de tres entradas de rampa, como se
muestra en la Fig. 5.3. En este caso, se escribe una sola expresión para la función de impulso
triangular
Paso
nosotros (t)
Rampa
ur (t) s\09
Rectangula
legumbre
s 0
URP (t)
0
tw
Componentes de
una
altura de la
unidad
triangular
legumbr
es
Triangular
legumbre
s
UTP (t) Figura 5.3 Cómo se pueden combinar tres entradas de
rampa para formar un pulso triangular.
Tiempo, t
0. La ecuación 5-12 puede Laplace transforma plazo por caso
2 (1 - 2E-tws / 2 + e-Tn7)
UTP (s) (5-13)
t “,
=
s2
Tenga en cuenta que la ecuación. 5-12 escrito sin los multiplicadores función escalón unitario es incorrecto.
4. entrada sinusoidal. Los procesos también se someten a las entradas que varían periódicamente. Como
un ejemplo, la deriva en temperatura del agua refrigerante se discutió anteriormente puede a menudo
estar estrechamente ligada a las fluctuaciones diurnas (del día a la noche a día) en condiciones
ambientales. cambios en los procesos cíclicos dentro de un período de 24 horas a menudo son causados
por una variación en la temperatura del agua refrigerante que se puede aproximar como una función
sinusoidal:
0 t <0
usin = (5-14)
{Cuna Asin t 0
La amplitud de la función sinusoidal es A, mientras que el período P está relacionada con la frecuencia
angular por P = 2TR / co (w en radianes / tiempo). En una escala de tiempo más corto, perturbaciones de
alta frecuencia están asociados con operaciones de mezcla y bombeo y con el 60-Hz ruido eléctrico que
surge de los equipos eléctricos de CA y la instrumentación.
entradas sinusoidales son particularmente importantes, ya que juegan un papel central en el análisis de
respuesta en frecuencia, que se discute en el capítulo 13. La transformada de Laplace de la función seno
de la ecuación. 5-14 se puede obtener multiplicando la entrada 14 en la Tabla 3.1 por la amplitud A para
obtener
ci)
115in (s)
U (02 (5-15)
s2
N
5. entrada de impulsos. La función de impulso unitario discutido en el capítulo 3 tiene el más simple
transformada de Laplace, U (s) = 1 (Ec. 3-24). Sin embargo, las verdaderas funciones de impulso no se
encuentran en las operaciones normales de la planta. Para obtener una entrada de impulsos, es necesario
inyectar una cantidad finita de energía o material en un proceso en una longitud infinitesimal de tiempo,
que no es posible. Sin embargo, este tipo de entrada puede ser de Approxi acoplado a través de la inyección
de un colorante concentrado u otro trazador en el proceso (véase el Ejemplo 3.7).
108 Capítulo 5 comportamiento dinámico de primer orden y de segundo orden Procesos
6. Las entradas al azar. Muchas entradas del proceso cambian con el tiempo de una manera tan compleja
que no es posi-ble para describirlos como funciones deterministas de tiempo. Si una entrada u exhibe
fluctua-ción aparentemente aleatoria, es conveniente caracterizar en términos estadísticos, es decir, para
especificar su valor una media y una desviación estándar. El análisis matemático de tales procesos aleatorios
o estocásticos está más allá del alcance de este libro. Ver Maybeck (1997) y la Caja et al. (1994) para más
detalles. Los sistemas de control diseñados asumiendo entradas de-terministic generalmente funcionan
satisfactoriamente para las entradas aleatorias; de ahí que el enfoque se toma en el diseño con-Troller en
este libro. técnicas de seguimiento basado en el análisis estadístico se discuten en el capítulo 21.
1.0
y
KU 0.5
1 2 3 4 5
0.6321
27 0.8647
37 0.9502
47 0.9817
5'R 0,9933
La trama de esta ecuación en la Fig. 5.4 muestra que un proceso de primer orden no responde
instantáneamente a un cambio repentino en su entrada. De hecho, después de un intervalo de tiempo
igual a la constante de tiempo del proceso (t = la respuesta del proceso es todavía sólo 63,2% completa
Teóricamente, la salida del proceso nunca alcanza el nuevo valor de estado estacionario excepto como t
-> co;. Sí aproximar la valor final de estado estacionario cuando t grs 5T, como se muestra en la Tabla
5.1. Observe que la Fig. 5.4 se ha dibujado en forma adimensional o normalizada, con el tiempo,
dividido por la constante de tiempo de proceso y el cambio de salida dividida por el producto de la
ganancia de proceso y la magnitud del cambio de entrada. Consideremos ahor a un ejemplo más
específico.
Un sistema de calefacción de tanque agitado se describe por la ecuación. 4-37 se usa para
, EK4 LE 3.1 precalentar un reactivo que contiene un catalizador sólido suspendido a un caudal constante de
1,000 kg / h. El volumen en el depósito es 2 m3, y la densidad y el calor específico de la mezcla
en suspensión son, respectivamente, 900 kg / m3 y
1 cal / g ° C. El proceso inicialmente está operando con temperaturas de entrada y de salida de 100 y
130 ° C. Las siguientes preguntas relativas a las operaciones de proceso se plantean:
(A) ¿Cuál es la entrada de calentador en el estado estacionario inicial y los valores de K y 7?
(segundo) Si la entrada del calentador se incrementa en + 30%, cuánto tiempo se necesita para que la
temperatura del tanque a
alcanzar el 99% del cambio de temperatura final?
SOLUCIÓN (C) Suponga que el tanque está en su estado de equilibrio inicial. Si la temperatura de entrada se
aumenta de repente
100-120 ° C, el tiempo que se tarda antes de que los cambios de temperatura de salida de 130 a
135 ° C?
(A) En primer lugar el cálculo de las condiciones de estabilidad del procedimiento de operación y
entonces la ganancia y el tiempo con-
constante en la ecuación. 4-37. Suponiendo que no hay pérdidas de calor, la energía de
entrada desde el calentador en el inicial
estado estacionario es igual al incremento de entalpía entre las corrientes de entrada y salida.
Por lo tanto, el balance de energía en estado estacionario da la respuesta:
Usando la ecuación. 4-37, las constantes de ganancia y de tiempo se pueden determinar (la ganancia de perturbación
es la unidad):
1
bañ (106 / Xi cal)
o hg ° C
DO
= 10-6 calth
(2 m3) (9 x 105 A)
vp
7- 111 1,8 h
110 Capítulo 5 comportamiento dinámico de primer orden y de segundo orden Procesos
(B) De acuerdo con la Tabla 5.1, el tiempo requerido para alcanzar la respuesta 99%
después de una etapa
cambio de cualquier magnitud en la entrada del calentador será de 5 constantes de tiempo de
proceso, es decir, 9 h. los
cambio de estado estacionario de la temperatura debido a un cambio de + 30% en Q (9 x
106 callh) se puede encontrar desde el valor final teorema, Eq. 3-94:
10-6 9 X 106 \ “,
r (t - m) ls -l (1.8s + 1 s )-9C
Tenga en cuenta que se ha calculado el cambio de temperatura de salida como resultado de la
variación de entrada; Por lo tanto, la temperatura de salida en el estado estacionario final será
de 130 ° C + 9 ° C = 139 ° C. Cómo siempre, el uso del valor final teorema es una formalidad
innecesaria cuando una función de transferencia proceso está escrito en forma estándar con
constantes de ganancia y de tiempo. El cambio de entrada sólo tiene que ser multiplicado por
la ganancia del proceso para obtener el cambio máximo en la salida del proceso, suponiendo
que el valor final de hecho existe y es finito. En este caso
r (r -> w) = K = AQ (10-6 ° C / cal • h) (9 x 106 cal / h) = 9 ° C.
(C) Debido a que la ganancia de la función de transferencia apropiada (que se relaciona r a 71) es uno, una entrada
cambio de temperatura de 20 ° C causa una temperatura de salida de 20 ° C. El tiempo requerido para
que la salida cambie por 5 ° C, o 25% de lo último cambio de estado estacionario puede ser estimado
de la Fig. 5.4 como º = 0,3 o t = 0,54 h. Ecuación 5-18 proporciona una forma más precisa de cal-
culate este valor:
t
- = En 0.75 = -0,288 7
t: = 0,52 h o
Ahora evaluamos cómo un sistema de primer orden responde a la entrada de la rampa, T (s) = a / s2 de la
ecuación. 5-8. Realizar-ing una fracción parcial rendimientos de expansión
Ka a a2 a3
(5-19)
11.6) = (TS + 1) 52 = Ts + 1 + 5 + ST
kat2 KaT Ka
Y (s) = + (5-20)
TS + 1 S S2
un
Usando la Tabla 3.1
y (t) Ka (t - T) (5-22)
Ecuación 5-22 implica que después de un período transitorio inicial, la entrada de rampa produce una
salida de la rampa con pendiente igual a Ka, pero desplazada en el tiempo por el tiempo de proceso T
constante (ver Fig. 5.5). Una entrada de rampa sin límites en última instancia causar algún componente
de proceso para saturar, por lo que la duración de la entrada de la rampa de ordinario es limitado. Una
entrada de proceso con frecuencia seráramped de un valor a otro en una cantidad fija de tiempo a fin de
evitar el cambio repentino asociado con un cambio de paso. entradas de rampa de este tipo son
particularmente útiles durante la puesta en marcha de un proceso continuo o en el funcionamiento de un
proceso por lotes.
- -
5T
4r
Uta y (t)
Utah)
h) Ka
un 3T
un
O
y (t)
Ka 7 (t r) S (t
2r 3r 4r 5r
Figura 5.5 respuesta de rampa de un proceso de
primer orden (Comparación de entrada y salida).
(5-23)
KA 0,1.2 SEM )
(5-24)
CO2R2 + 1 TS + 1 S2 s2
Inversion da
(5-25)
KAwr m o KA
y (t) =
- h +
Nótese que en ambos (5-25) y (5-26) el término exponencial tiende a cero cuando t -> 00, dejando una
respuesta pura Sinú-soidal. Esta propiedad se explota en el capítulo 13 sobre el análisis de la respuesta de
frecuencia.
Los estudiantes a menudo tienen dificultades para imaginar cómo una variable de proceso real puede
cambiar de forma sinusoidal. ¿Cómo puede la velocidad de flujo en un reactor ser tanto negativos como
positivos? Recordemos que hemos definido la entrada y la salida de U y en estas relaciones para ser
variables de desviación. Una entrada real puede ser
UN m3 e 4 m3.
q (t) = 0.4 -) S111 cuna (5-28)
s
donde la amplitud de la desviación de entrada de señal A es 0,1 m3 / s. Después de un largo período de
tiempo, la respuesta de salida (5-26) también será una desviación sinusoidal, similar a la dada en la
ecuación. 5-28.
Un tanque de compensación de líquido similar a la descrita por la Ec. 4-50 tiene la forma de
EJEMPLO función de transferencia de la ecuación. 4-53:
H '(s) _ 10
AY 50 + 1
112 Capítulo 5 comportamiento dinámico de primer orden y de segundo orden Procesos
donde / z es el nivel del tanque (rn), qi es la velocidad de flujo (m3 / s), la ganancia tiene unidades de m
/ m3 / s, o s / m2 y la constante de tiempo tiene unidades de segundos. El sistema está funcionando en
estado estacionario con Q---- 0,4 m3fs y h = 4 m cuando una perturbación sinusoidal en la tasa de flujo
de entrada comienza con una amplitud = 0.1 m3fs y una frecuencia cíclica de 0.002 ciclos / s. ¿Cuáles
son los valores máximo y mínimo de la altura del depósito después de haberse producido la perturbación
velocidad de flujo durante 6 minutos o más? ¿Cuáles son las mayores perturbaciones nivel esperado
como resultado de las variaciones sinusoidales en el caudal con esta amplitud? ¿Cuál es el efecto de las
variaciones de alta frecuencia, digamos, 0,2 ciclos / s?
SOLUCIÓN Tenga en cuenta que la señal de entrada real q (t) está dada por la ecuación. 5-28, pero sólo la amplitud de la entrada
se requiere una desviación (0.1). A partir de la ecuación. 5-26 el valor de la exponencial plazo 6 min
después del comienzo de forzar sinusoidal es e-364 (5 ° =e-11 < 10-3. Así, el efecto de la expresión
transitoria exponencial es menos de 0,1% de la amplitud de perturbación y puede despreciarse de
forma segura. En consecuencia, a partir de la Ec. 5-26 la amplitud de la salida (nivel) de
perturbación es
KA
4211 4- 1
10 (s / RN2) (0,1 m3 / s)
, 1 [(6,28 radlcycles) (0.002 ciclos / s) (50 s) 12 + 1
o 0.85 m. Por lo tanto, el nivel del tanque real varía desde un mínimo de 3,15 m hasta un máximo de
4,85 tn.
Las mayores desviaciones que pueden resultar de variaciones sinusoidales de amplitud
0,1 m3 / s se producen por oi 0, es decir, para las frecuencias de remolque mismas. En este
caso, las desviaciones serían± KA = ± (10 STM2) (0,1 m3fs) = -. ± 1 en Por lo tanto, los
valores máximos de nivel mínimo y sería 3 y 5 m, respectivamente.
Para variaciones de alta frecuencia (0,2 ciclos / s), la amplitud se acercará a cero. Esto ocurre ser-
causar los rápidos variaciones de velocidad de flujo se promedian en el tanque cuando el tiempo de
residencia es sufi-
donde las variables de desviación cebadas son todos cero en t = 0. Tomando transformadas de Laplace
(5-32)
Ambas funciones de transferencia, H '(s) 1Q1 (s) = 11aS y 1-11 (s) 1Q` (s) -11As, representar a la integración
de los modelos,
caracterizado por el término 1 / s. La integral de (5-29) es
o
pie
h (t) h= 0 [qi (t *) - (5-33)
)] Dt *
q (t *
de ahí el término proceso de integración. La integración de procesos no tienen una ganancia de estado
estacionario en el sentido habitual. Para un proceso tal opera en estado estacionario, cualquier cambio
paso positivo en qi (aumento de qt anteriormente
q) hará que el nivel del tanque para aumentar linealmente con el tiempo en proporción a la diferencia, qi
(t) - q (t), mientras que un cambio paso positivo en q hará que el nivel del tanque para disminuir
linealmente. Por lo tanto, ningún nuevo estado de equilibrio se alcanzará, a menos que el depósito rebosa
o se vacía. Por el contrario, un tanque con una válvula de la línea de salida en lugar de una bomba alcanzará
un estado de equilibrio cuando el caudal de salida se hace igual a la tasa de entrada. Este proceso se
describe por una función de transferencia de primer orden en lugar de un integrador (véase el Ejemplo
4.6).
(A) Supongamos que después de un largo período de funcionamiento, el nivel del tanque es de 2
m en el momento en el EMP carro tanque
corbatas. ¿Cuánto tiempo puede ser operado el reactor antes de que se agote el depósito de
alimentación?
(segundo) Otro carro tanque se mueve en su lugar y se conecta al tanque, mientras que el flujo
continúa en
el reactor a 0,02 m3 / s. Si el flujo se introduce en el tanque de alimentación al igual que el
curso de nivel del tanque
1 m, ¿cuánto tiempo puede funcionar la bomba de transferencia del carro tanque? Supongamos
que bombea a una velocidad constante de 0,1 m3 / s cuando está encendido.
SOLUCIÓN (A) Para un sistema de este tipo, no hay un nivel de estado estacionario único correspondiente a un valor particular
de entrada y salida de velocidad de flujo. Supongamos que el nivel inicial es h = 2 m y la tasa de flujo constante
X Vent
Almacenamiento / feed
tanque
Reactor
Tanque
coche
Transferir Alimentar
bomba bomba
Figura 5.6 La descarga y la instalación de almacenamiento para un reactor continuo.
114 Capítulo 5 El comportamiento dinámico de primer orden y de segundo orden Procesos
-2m
- = = 0.02 rrilis
y, a partir de la ecuación. 5-32, el modelo de proceso para el tanque es
0.02
q= Q, 92 q'= 0 Qv) o
Así
1 0.02 0,005
H'(s) = -4; (- .s - 0) = •
1 (0,08 0) = 0,02
4s Kansas s2
Inversion a los rendimientos de dominio de tiempo h (t) = 1 + 0,021. Por lo tanto, la bomba de
transferencia puede ser oper-ated para 200.s hasta que h (t) - 5 m, cuando el tanque se
desbordaría. Tenga en cuenta que este tiempo (así como el momento de vaciar el tanque en (a))
se puede calcular sin utilizar transformadas de Laplace, sim-ply mediante el uso de la constante
de velocidad de flujo de entrada (o de salida) y el volumen del tanque.
Y (s) _ K
[Como) (5-34)
Kh (1 - c )
. Y (s) = RW4 kh - s2
(5-35)
s2 s2
Hay dos regiones para la solución de (5-35), en función del valor de t en comparación
a la tw ancho de pulso. Para 0 st <tw, el segundo término en el paréntesis de (5-35) es 0,
por lo tanto
(0.5 38)
Ecuación 5-38 muestra que el cambio en y en cualquier momento es proporcional al área bajo
el impulso de entrada curva (La integral), un resultado intuitivo.
Y (s) kac2
G (s) -39)
= Nos) Erts + 1) (Tzs + 1) ens + 1) (T2s + 1) ps
donde K = K1K2. Alternativamente, una función de transferencia proceso de segundo orden se producirán
al transformar o bien un modelo de proceso ecuación diferencial de segundo orden, tal como la dada en la
ecuación. 4-29 para la unidad de tanque agitado calentado eléctricamente, o dos acoplados ecuaciones
diferenciales de primer orden, tales como para el CSTR (cf. Ecs. 4-84 y 4-85). En este capítulo se considera
el caso en el que la función de transferencia de segundo orden tiene la forma estándar
G (s) - (5-40)
+ 20.s + 1
Nos diferir la discusión de los casos más generales con un plazo de tiempo de retardo en el numerador o
con la dinámica del numerador presentes hasta el capítulo 6.
En la Ec. 5-40, K y T tienen la misma importancia que para una función de transferencia de primer orden.
K es la ganancia de proceso, y T determina la velocidad de respuesta (o, equivalentemente, el tiempo de
respuesta) del sistema. El coeficiente de amortiguamiento (zeta) es adimensional. Se proporciona una
medida de la cantidad de amortiguación en el sys-tem, es decir, el grado de oscilación en una respuesta
del proceso después de una perturbación. Pequeños valores de? implicar amortiguación iluminado TLE
y una gran cantidad de oscilación, como, por ejemplo, en un sistema de suspensión de automóvil con
amortiguadores ineficaces. Golpear un golpe hace que tal vehículo para que suba y baje peligrosamente.
En algunos libros de texto, la Ec. 5-40 está escrito en términos de “cp = 1k, la frecuencia natural no
amortiguada del sistema. Este nombre surge porque representa la frecuencia de oscilación del sistema
cuando no hay amortiguarse
En g = 0).
Existen tres clases importantes de sistemas de segundo orden, como se muestra en la Tabla 5-2. El
caso donde <se omite aquí 0, ya que corresponde a un sistema de segundo orden inestable que tendría
una respuesta ilimitada a cualquier entrada (efectos de la inestabilidad se trata en el capítulo 1). Las
formas sobreamortiguado y amortiguamiento crítico de la función de transferencia de segundo orden
más a menudo aparecen cuando dos sistemas de primer orden se producen en serie (véase la Fig. 5.7).
Las funciones de transferencia dadas por las ecuaciones. 5-39 y 5-40 difieren sólo en la forma de los
denominadores. Igualando los denominadores rendimientos la relación entre las dos formas alternativas
para el
sobreamortiguada sistema de segundo orden:
-r2s2 + 2T-RS + 1 = (US + 1) (T2s + 1) (5-41)
Procesos
n'r = T1 +
de la que obtenemos
T = (5-42)
T1 +
(5-43)
2-11: 17r-2
Alternativamente, el lado izquierdo de (5-41) se puede factorizar:
TS TS
(
T2s2 Xrs +.1 - +1 + 1) (5-44)
do -1 ) (T
del que se obtienen expresiones para Ti y ¶2
11 1) (5-45)
- -----
1-2 - A5-46)
i2 1 1)
Un sistema sobreamortiguado consiste en procesos de dos de primer orden que operan en serie (71 -Y-. 4, rz = 1).
Ejemplo 5.4 Encontrar los valores equivalentes de T y para este sistema.
4+1
- (2) (2) - 1.25
La forma subamortiguado de (5-40) puede surgir de algunos sistemas mecánicos, de flujo o de otros
procesos tales como una línea neumática (aire) instrumento con demasiado poco capacidad de la línea,
o de un manómetro de mercurio, donde los efectos inerciales son importantes.
Para los problemas de control de proceso la forma subamortiguado se encuentra con frecuencia en la
investigación de las propiedades de los procesos bajo el control de realimentación. Los sistemas de control
están diseñados de manera que a veces la con-
5.4 Respuesta de los procesos de segundo orden 117
proceso controlado responde de una manera similar a la de un sistema de segundo orden subamortiguado
(ver Cap-ter 12). A continuación desarrollamos la relación de la respuesta al escalón de las tres clases de
procesos de segundo orden.
Después de invertir en el dominio del tiempo, las respuestas se pueden clasificar en tres
clases: sobreamortiguada
> 1)
Si el denominador de la ecuación. 5-47 se puede factorizar usando las Ecs. 5-45 y 5-46, entonces la respuesta puede escribirse
y (t) KM (1 (5-48)
-
La respuesta también puede escribirse en la forma
equivalente
t sinh (1T2 - 1 tA (5-
y (t) = KM11 - e-Oh [cosh (IT2 1 t) + 49) ./t2 - 1
Amortiguamiento crítico a = 1)
KM [1 - (1 + ) E-t1-r] (5-50)
Y (t) 7
Underdarnped (0 s <1)
2
y (t) = KM 1 - e-tdtcos ( 11- t sin (11 t2 t)]} (5-51)
T t2
Los gráficos de las respuestas a un escalón para los valores differen de t se muestran en las Figs. 5,8 y 5,9,
donde el eje de tiempo se normaliza con respecto a T. Cuando r 's pequeña, una respuesta rápida es
significado, lo que implica un valor grande para la frecuencia natural no amortiguada, con = r 1k.
Varias observaciones generales se pueden hacer en relación con las respuestas que se muestran en las figuras. 5.8 y 5.9:
1. Respuestas exhiben un mayor grado de oscilación y sobreimpulso (yIKM> 1) como t se aproxima a cero.
2. Los valores grandes de rendimiento un lento (lento) response._
3. Se obtiene la respuesta más rápida sin sobreimpulso para el caso críticamente amortiguado (C = 1).
1.6
= 0,2
1.4
1.2
1.0
0.8
KM
0.6
0.4
0.2
12 dieciséis 20
t Figura 5.8 Respuesta gradual de los
procesos de segundo orden
subamortiguado.
118 Capítulo 5 comportamiento dinámico de primer orden y de segundo orden Procesos
Figura 5.9 Respuesta gradual de los procesos de segundo orden amortiguamiento crítico y sobreamortiguado.
los diseñadores de sistemas de control a veces intentan hacer la respuesta de la variable controlada a
un cambio de punto de referencia la aproximación de la respuesta de paso ideal de un sistema de
segundo orden subamortiguado, es decir, hacer que exhiben una cantidad prescrita de sobreimpulso y
de oscilación, ya que se instala en el nuevo punto de funcionamiento. Cuando oscilación amortiguada
es deseable, los valores de t en el intervalo de 0,4 a 0,8 pueden ser elegidos. En este intervalo, la variable
controlada y alcanza el nuevo punto de funcionamiento más rápido que con t = 1,0 o 1,5, pero la
respuesta es mucho menos oscilatoria (que settleslasier) que con
Figura 5.10 ilustra las características de la respuesta de paso de un segundo-Order_ underdan_t
proceso AED. Los siguientes términos se utilizan para describir la dinámica de los procesos
subamortiguado:
1. Tiempo de subida. TR es el tiempo de la salida del proceso tarda en alcanzar por primera vez el nuevo valor de estado
estacionario.
2. Tiempo para el primer pico. tp es el tiempo necesario para que la salida para llegar a su primer valor máximo.
3. Tiempo de asentamiento. 4 es el tiempo requerido para la salida del proceso para alcanzar y permanecer dentro de
una banda
cuya anchura es igual a 51: Y. del cambio total en y para el tiempo de respuesta del 95% (99% el
tiempo de respuesta se utiliza también para algunas aplicaciones).
4. Overshoot. OS = alb (% sobreimpulso es 100 alb).
5. Relación de decaimiento. DR = cla (donde c es la altura del segundo pico).
5. periodo de oscilación. P es el tiempo entre dos picos sucesivos o dos valles sucesivos de
la respuesta.
característica
de
funcionamient
o
Tenga en cuenta que las definiciones anteriores se aplican generalmente a la respuesta de paso de
cualquier proceso subamortiguado. Si el proceso no presenta sobreimpulso, el tiempo de subida definición
se modifica para ser el tiempo para ir desde 10% a 90% de la respuesta de estado estacionario (Astrom y
Hagglund, 1995). Para el caso particular de un proceso de segundo orden subamortiguado, podemos
desarrollar expresiones analíticas para algunas de estas ca-
_ _-
htristics. Usando EcF 5 = 5 1 ---
2-mr
Período: P= (5-55)
jl 2
Tenga en cuenta que OS-DR y son funciones deOII. porun sistema de segundo orden, la relación de
desintegración es constante para cada par sucesivo de picos. Figura 5.11 ilustra la dependencia de la
relación de sobreimpulso y la decadencia en el coeficiente de amortiguación.
Para una función de transferencia de segundo orden subamortiguado, Figs. 5,8 y 5,11, y la Ec. 5-55 puede
utilizarse para obtener estimaciones de tyT basado en características de respuesta de paso.
Un reactor de tanque agitado tiene un serpentín de refrigeración interno para eliminar el calor
Exiimpths, s: liberado en la reacción. Un controlador proporcional se utiliza para regular la tasa de flujo de
refrigerante a fin de mantener la temperatura del reactor razonablemente constante. El
controlador ha sido diseñado de modo que el reactor controlado exhibe características típicas
subamortiguado de segundo orden respuesta de la temperatura cuando se perturba, ya sea por la
tasa de flujo de alimentación o por cambios de temperatura de refrigerante.
SOLUCIÓN (A) La ganancia se obtiene dividiendo el cambio de estado estacionario de la temperatura por el flujo de alimentación
tasa (perturbación) cambio:
102-100 DO
K-
0.5 - 0,4 KGIs
(segundo) Las características oscilatorias de la respuesta se pueden utilizar para encontrar los elementos dinámicos en
la función de transferencia de temperatura relativa a la velocidad de alimentación de flujo.
Suponiendo que la respuesta de paso es debido a un proceso de segundo orden
subamortiguado, Figs. 5.8 y 5.11 se puede utilizar para obtener ESTI compañeros de T y T.
Alternativamente, expresiones analíticas se pueden utilizar, que es el enfoque adoptado aquí.
De cualquier ecuación. 5-53 o 5-54 se puede emplear para encontrar de forma independiente
de T. Debido a que el segundo valor de pico de la temperatura (102,0 ° C) es esencialmente el
valor final (102 ° C), el valor calculado de la altura del pico c estará sujeto a error de medida
apreciable. En su lugar, se utiliza la relación para sobreimpulso (en vez de índice de
disminución) para tomar ventaja de la mayor precisión de la primera medida de pico.
Reordenando (5-53) da
En OS
1Tr [In (OS) 12
2
102,5-102 0.5
OS = - = 0,25 (es decir, 25%) (5,56)
102-100 2
= 0,4037 0.4
-
211-
(do El tiempo de subida tr puede calcularse a partir de la ecuación. 5-51. Cuando t = y (t) es igual
) a su valor de estado estacionario final, KM. En otras palabras, la cantidad entre corchetes es
idénticamente cero en t =
(, / 1 - t pecado ( tr) = 0
COS (5-58)
El tiempo de subida corresponde a la primera vez (vie - 1) que y (t) = KM = y (00). Despejando
da el tiempo de subida
donde el resultado del cálculo del coseno inversa debe estar en radianes. Debido a 7 = 300 s
y = 0,40
= .649 s
T '(s) 20
W'(s) (300) 2s2 2 (0A) (300) s + 1
20
90,000s2 + 240s + 1
KA
y (t) sin (cat + 13) (5-61)
= [1 - (URR) 92 + (2'nn) 2
dónde
2twT
ARN - KA - (5-64)
- 00092 ÷ (2trirr) 2
ARN representa el efecto de los parámetros del modelo dinámico (, t) sobre la respuesta sinusoidal; es
decir, ARN es independiente de la ganancia de estado estacionario K y la amplitud de la función de
fuerza, A. El valor maxi-mum de ARN se puede encontrar (si existe) diferenciando (5-64) con respecto
a w y ajuste la derivada a cero. Resolviendo para wmax da
- 2t2
wmax
por 0.707, no hay un máximo, como la Fig. 5.12 ilustra. Sustituyendo (5-65) en (5-64) produce un ex-
pression para el valor máximo de ARN:
10
Coeficient
e de
amortigua UN
miento
UN
KA
0.1
0.2
0.3
0.4
0.5
0.6
0,707
0.8
1 Figura 5.12 amplitud de la respuesta
01 yo _1 tI sinusoidal de un sistema de segundo
01 1 orden
(07
Vemos a partir de (5-66) que la amplitud de salida máxima para un proceso de segundo orden que no tiene
húmedo-ing (t = 0) es indefinido. Pequeños valores de t son invariablemente evitarse en el diseño de los
procesos, así como en el diseño de sistemas de control. La ecuación 5-66 indica que un proceso con poca
amortiguación puede presentar oscilaciones de salida muy grandes si es perturbada por señales periódicas
con frecuencia cercana COMAX.
SOLUCIÓN
30 sfor al menos
varios minutos, ¿Qué se puede concluir respecto a la temperatura real en el reactor?
En primer lugar, cabe destacar que el sensor / transmisor y el acto de línea de transmisión como
dos procesos de primer orden en serie (Ec. 5-39) con ganancia global K igual a 1, con la función de
transferencia aproximada
71 ,,,, s (s) 1
T; Wir, r (s) (3S + 1) (10 s + 1) (5-67)
A partir de los resultados presentados, podemos concluir que alguna perturbación ha causado
la temperatura del reactor real (y su desviación) para variar de forma sinusoidal, que, a su vez,
ha causado la salida grabada a oscilar. El ciclismo ha continuado durante un período de tiempo
que es mucho más larga que las constantes de tiempo del proceso, es decir, el sistema de
instrumentación. Por lo tanto, los transitorios han desaparecido y podemos inferir las
condiciones en el reactor a partir de los resultados medidos, utilizando la Ec. 5-63 para la
respuesta sinusoidal de un sistema de segundo orden. A partir de (5-67), Ti = 3 s y12 = 10 S; Ty t,
etc., se calcula a partir de las Ecs. 5-42 y 5-43:
T = 1 (3) (10) = 5,48 s
13
1.19
2 (5.477)
La frecuencia de la señal (temperatura del reactor) sinusoidal perturbadora se calcula a partir del
periodo observado de 30 s:
2n 6 28
=- = --0 2093 s -1
PAG 30 '
La amplitud de la perturbación de salida también se obtiene de los resultados observados como
A = 1J3 18 ° --- I 5 ° C
Ecuación 5-63 ahora puede reordenarse para calcular la amplitud de la temperatura del
reactor real
de la que A = 4,12 ° C. Por lo tanto, la temperatura del reactor real está variando entre 181,5 -
4.12 177.38 ° C y 181,5 + 4,12 a 185,62 ° C, casi tres veces la variación indicada por la grabadora.
Debido a que el proceso de segundo orden en este ejemplo está sobreamortiguado (t = 1,19),
esperamos que las perturbaciones sinusoidales en la temperatura del reactor siempre será atenuada
(reducen en am-plitud) en el sistema de medición independientemente de la frecuencia de la
perturbación. Discusión adicional de forzar sinusoidal está contenida en el capítulo 13 en las
técnicas de respuesta de frecuencia.
RESUMEN
Las funciones de transferencia pueden ser utilizados convenientemente para obtener respuestas de salida a
cualquier tipo de cambio de entrada. En este capítulo nos hemos centrado en las funciones de transferencia-
primer o segundo orden y los procesos de integración. Ser-
Ceremonias 123
Si un proceso puede ser modelado como un primer orden o función de transferencia de segundo orden,
la respuesta del proceso a cualquier cambio de entrada estándar se puede encontrar analítica o
numéricamente. Cuando un modelo teórico no está disponible, como ocurre en much as situaciones de la
planta, los datos pueden ser utilizados para obtener una función de trans-fer proceso aproximado si se
conoce la entrada, como se ha discutido en el capítulo 7. Un modelo permite predicciones de cómo
reaccionará un proceso a otros tipos de perturbaciones o cambios de entrada.
Por desgracia, no todos los procesos pueden ser modelados por dichas funciones de transferencia
simples. Por lo tanto, en el Cap-ter se introducen 6 varios elementos de función de transferencia adicionales
con el fin de construir más funciones de transferencia compli-cado. Sin embargo, el énfasis no es mostrar
cómo el comportamiento proceso complejo puede ser explicado con combinaciones de elementos de
función de transferencia simples.
Referencias
Astrom, KJ, y T. FINgglund, controladores PID: Teoría, Diseño Maybeck, PS, modelos estocásticos, estimación y Control, 2d ed.,
y puesta a punto, Instrument Society of America, Research Triangle Academic Press, Nueva York, 1997.
Park, Carolina del Norte, 1995.
Box, GEP, GM Jenkins, y GC Reinsel, Tiempo Serie aná-
sis, Pronosticar, y Control, 3d ed., Prentice-Hall, Englewood
Cliffs, NJ, 1994.
CEREMONIAS
5.1 Además de las entradas estándar discutidos en la Sección función de transferencia relativa cambios en la
5,1, otras funciones de entrada de vez en cuando son temperatura T a los cambios en el calentador de nivel de
útiles para potencia de entrada P es
efectos especiales. Uno, el llamado pulso doblete, se
muestra en la Fig. E5.1. T'(s) _ K
(A) Hallar la transformada de Laplace de esta función por P'(s) TS + 1
primera
donde K tiene unidades [° C / kW] y s tiene unidades
expresándola como un compuesto de funciones cuya
[minutos]. El proceso es en estado estacionario cuando un
transforma que ya conoce.
ingeniero cambia el paso a paso de entrada de alimentación
(B) ¿Cuál sería la respuesta de un proceso que tiene una
1 a 1,5 Kw. Ella observa lo siguiente:
de primer orden Kkrs función de transferencia +
1) a este
(I) La temperatura del proceso inicialmente es de 80 ° C.
¿entrada? del proceso de integración de KIR
(Ii) Cuatro minutos después de cambiar la entrada de alimentación,
(C) A partir de estos resultados, se puede determinar que
la temperatura es de 230 ° C.
espe-
(Iii) Treinta minutos más tarde la temperatura es de 280 ° C.
cial propiedad ofrece esta entrada?
(A) ¿Cuáles son K y T en la función de transferencia del proceso?
(B) Si en otro momento el ingeniero cambia el poder
de entrada linealmente a razón de 0,5 kW / min,
¿qué se puede decir sobre la tasa máxima de
cambio de la temperatura del proceso: ¿Cuándo va
a ocurrir? ¿Qué tan grande será?
5.3 Un sensor de composición se utiliza para supervisar
continuamente
el nivel de contaminantes en una corriente de líquido. La
dinámica
comportamiento del sensor puede ser descrita por una
función de transferencia de primer orden con una constante
de 10 s tiempo,
C; ,, (s) _ yo
C '(s) - 10s + 1
5.2 A de proceso calentado se utiliza para calentar un
semiconductor donde C' es la concentración del contaminante real
oblea opera con la dinámica de primer orden, es decir, el y Cn es el valor medido. Ambos se expresan como
124 Capítulo 5 comportamiento dinámico de primer orden y de segundo orden Procesos
5.6 La función de transferencia global de un proceso es
variables de desviación (por ejemplo, C' do - C). La dada por
concentración nominal es C = 5 ppm. Tanto C y Cm
tienen valores de 5 ppm inicialmente (es decir, los valores G = GiG2
a t = 0).
IC1 K2
C '(s) _ 4
como) 2s +
2 t <0
CT (t) = 0-'t <2
2 2st <co
(C) puede y (t) muestran oscilaciones para una entrada escalón? Explique.
5,7 Appelpolscher acaba de salir de una reunión con Stella
J.
Smarly, vicepresidente de Operaciones de procesos para
la CIG
y desarrollo. Smarly está preocupado por una prueba de
planta ampliada-up venida de un método destinado a
mejorar los rendimientos de un reactor de lecho empacado
grande. La idea básica, que venía de la universidad
cónsul-tante del CIG y recientemente se puso a prueba la Datos
viabilidad en un breve plazo, consiste en hacer funcionar Frecuencia de funcionamiento cíclico = 0,1 ciclos / min de
el reactor cíclicamente de manera que no linealidades en amplitud de la onda térmica (temperatura) en la medi-
el sistema hacen que el rendimiento promedio de tiempo
en la salida exceda el valor de estado estacionario . Smarly
punto surement obtiene experimentalmente en el re-
está preocupado por la posibilidad de sinterización del
ciento breve run = 15 ° C
catalizador durante un funcionamiento extendido,
particularmente en la re-gión del "punto caliente"
temperatura de funcionamiento media en el punto de
(axialmente alrededor de un tercio del camino hacia abajo medición,
de la cama y en la línea central) donde TEM-peraturas Tmeas = 350 '' C
invariablemente pico. Appelpolscher, que planea salir al Constante de tiempo del sensor de temperatura y
día siguiente en una de dos semanas safari de caza de la termopozo
foto, no quiere cancelar sus vacaciones. Por otro lado, = 1,5 min
Smarly le ha dicho que se enfrenta temprano, jubilación
Temperatura a la pared del reactor = 200 ° C temperatura
unex-sospecha vienen en Botswana si la medición de-
a la que se sinteriza de catalizador si se opera
vicio (que se encuentra cerca del punto caliente) no alertar
a las personas de operación y los sinterizados de
durante varias horas = 700 ° C
catalizador del reactor. Appelpolscher le gusta Botswana,
Temperatura a la que se sinteriza catalizador instanta-
pero no quiere retirarse allí. Se logra reunir los siguientes
neamente = 715 ° C
datos y AS-suposiciones antes de dirigirse al aeropuerto y
Assumptionst El reactor ciclo operativo es de
les deja con usted para el análisis con la oferta de usar su
aproximadamente sinu-
piscina mientras él se ha ido. : ¿Qué hay de Smarly?
El pozo termométrico se encuentra cerca de la pared del estado estacionario con Ii = 6 pies y 4i = 50 gal / min y
reactor a fin que en el momento
para medir una temperatura "promedio radial" en vez t = 0 la tasa de flujo de entrada cambia de repente de
que la temperatura de la línea 50 a 70 gal / lluvia. Para cada sistema, determinar la
central. La relación aproximada es información fol-lowing:
(A) ¿Cuál es la función de transferencia relacionada SI a QE? DT2 Reps dt 2 L h' 3 "
(B) derivar una expresión para h (t) para que este cambio de entrada. 4PL P '' 1)
q1 q2
qi
dónde h '(t) es el nivel de líquido medido con respecto al valor inicial en
estado estacionario, p '(t) es el cambio de presión, y 10
R, L, q, p, y p. son constantes.
(A) Reorganización de esta ecuación en tiempo ganancia estándar
forma constante y encontrar expresiones para K, T, t en función de las 0 12
constantes físicas. Tiempo (min)
Eli 15
sistema II
126 Capítulo 5 comportamiento dinámico de primer orden y de segundo orden Procesos
5,11 Un proceso se describe por la función de transferencia donde R' es la desviación de salida instrumento
siguiente (Mm), P' es la presión real
_ K desviación (psi).
U (s) S ( «rs + 1) (B) Escribir un modelo de ecuación diferencial
Por lo tanto, exhibe características de ambos procesos de equivalente en
integración de primer orden y. términos de (no desviación) las variables reales.
¿Cómo se puede utilizar un cambio de paso en la 5,15 Un proceso calentado eléctricamente se sabe que
entrada de magnitud M para encontrar rápidamente los presentan
dos parámetros K y r? (Asegúrese de mostrar todo el dinámica de segundo orden con el siguiente parámetro
trabajo y esbozar la respuesta del proceso Antici-pado.) valores: K = 3 ° C / ICW, = 3 min, t = 0,7. Si el proceso
inicialmente está en estado estacionario a 70 ° C con
5.12 Para la ecuación entrada de calentador de
d2v - dv
+ 4y = u 20 kW y la entrada de calentador se cambia
DT2 dt repentinamente a 26 kW y se mantuvo allí:
(A) ¿Cuál será la expresión para el proceso de tem-
(un) Encontrar la función de transferencia y ponerlo en
la norma peratura en función del tiempo?
ganancia / hora forma constante. (B) ¿Cuál será la temperatura máxima que uno
(B) Analizar la forma cualitativa de la respuesta de este observa? ¿Cuándo va a ocurrir?
sistema (independientemente de la entrada forzando) 5.16 A partir de la ecuación. 5-51, derivar expresiones para la
sobre el si-
gama, -10: q K <10. características de respuesta bramido de
Especificar valores de K donde la respuesta se con- subamortiguado
Verge y donde no lo hará. Escribe la forma de la sistema de segundo orden.
respuesta sin evaluar los coeficientes. (A) El tiempo hasta la primera tp pico (Ec. 5-52).
(B) La fracción de rebasamiento (Ec. 5-53).
5,13 Un segundo orden críticamente proceso amortiguada (C) La relación de descomposición (Ec. 5-54).
tiene la (D) el tiempo de establecimiento (4, se define en la Fig.
función de transferencia 5.10). ¿puede una
soltero expresión puede utilizar para h sobre la gama
Y (s) _ K completa
Nos) (Ts + 1) 2 de t, 0 <t <1?
(A) Para un cambio de paso en la entrada de magnitud 5.17 Un tanque utilizado para amortiguar picos de caudal
M, lo de líquido es
es el tiempo (ts) requerido para un proceso de sabe que presentan la dinámica de segundo orden. la
este tipo a entrada
asentarse dentro de un 5% del cambio total en fluir cambios en la tasa de repente 120-140 gal / min. Un
la salida? operador observa que el nivel del tanque cambia de la
(B) para k = 1 y un cambio de rampa en la entrada, u siguiente manera:
(t) = a,
por qué período de tiempo no y (t) no alcanzaron u (t)
una vez
la salida está cambiando linealmente con el tiempo? Antes del cambio de entrada: level = 6 pies y
5,14 Un cambio de paso del 15 al 31 psi en la presión real constantes Cuatro minutos más tarde: nivel =
resultados en la respuesta medida de una de presión 11 pies
elemento mostrado en la Fig. E5.14 indica. Cuarenta minutos más tarde: nivel - 10 pies y constante
(A) Suponiendo que la dinámica de segundo orden, el
cálculo de todos los im- (A) Encontrar un modelo de función de transferencia
parámetros portantes y escribir un aproximado que describe este
función de transferencia en la forma proceso, al menos aproximadamente. Evaluar toda la
para-
metros en su modelo, incluyendo las unidades.
(B) es único modelo? ¿Por qué o por qué no?
5.18 dos tanques de volumen constante de agitación,
conectados en SE-
Ries (véase la Fig. E5.18a), son alimentados por un
único flujo con
velocidad de flujo volumétrico constante, q. La composi- feed
R (mm)
Figura E5.14
Hora (S)
único tanque que es de 4 pies de diámetro y tiene
el mismo volumen total (es decir,
V= + V2).
ci
Figura F5.18a
Figura E5,18b
cut
F - - - - 4572
3
1
15
3
0 veces)
Figura E5.20
(C) Si la función de transferencia C, ',, (s) / Ci (s) eran 5,22 Un proceso ha sido modelada y transformada de Laplace
aproxi- para obtener las dos ecuaciones siguientes:
apareado por l (unidad), lo que sería el re- paso
SPUE del sistema para el mismo cambio de entrada? (ras 1) Yi (s) = KiUi (s) + Kb Y2 (s)
(D) Mediante la comparación de (b) y (c), ¿qué se (Qs 1) Y2 (s) = K2U2 (s) + Yi (s)
puede decir
sobre la dinámica de la célula de conductividad? donde las salidas están Y1 e Y2, y las entradas son U1 y U2.
Trazar ambas respuestas, si es necesario. (A) Calcular las funciones de transferencia
norte
Ui (s) un re
k = 2,4 X 1013eT "" T (min-1)
(B) ¿Cuál es la ganancia de cada función de
donde T es en ° R. Mediante la siguiente información, transferencia? (Tú
derivar una función de transferencia que relaciona la pueden desarrollar estos analítica o utilizar la
temperatura de salida T a la ca concentración de entrada Final
:. Indiquen cualquier supuesto que se realicen. Teorema del valor.)
Simplificar la función de transferencia haciendo una (C) ¿Qué se puede concluir acerca de la forma de
aproximación de orden ifrst y muestran que la Y2 (s) IUL (s)? En otras palabras, ¿es la primera o
aproximación es válida mediante la comparación de las segunda
respuestas a un escalón de tanto el los modelos ¿orden? Si segundo orden, se puede determinar si es
aproximados original y. excesiva o amortiguada? ¿Hay alguna opción de
parámetros (r0, .rb, K1, K2, yKO que haría que este
proceso funcione como un integrador, es decir,
producir un plazo s en el denominador?
(D) Para valores de los parámetros ter = 2, Tb = 1, Kb = 0,5,
sería y2 responder más rápido o más lento que un cambio de paso
en en para este proceso en comparación con un
Información disponible proceso con función de transferencia:
(I) condiciones de estado estable
nominales son: T= 150 0F, CA1= 0,8 lb
moles / ft3
q = 20 gal / min = velocidad de flujo de entrada y salida
del reactor
(Ii) datos de las propiedades físicas para la mezcla
a la
nominal de estado estacionario: C, = 0,8 Btu / lb ° F,
p 52 lb / ft3, - y HR = 500 kJ / mol lb
Capítulo 6
Características de
respuesta dinámica
de procesos más
complicados
TABLA DE CONTENIDO
Resumen
En el capítulo 5 discutimos la dinámica de los procesos de los relativamente simples que pueden ser
modelados como funciones de transferencia ya sea-primer o segundo orden o como un integrador.
Obviamente, hay procesos más complicados que los que hemos discutido. complejidad adicional puede
aparecer en el modelo de función de transferencia como un denominador de orden superior y / o como
funciones de s en el numerador.En este capítulo primera muestra cómo las formas del numerador y el
denominador afectan la dinámica re-SPUE del sistema. Otros temas cubiertos incluyen retardos de
tiempo en las funciones de transferencia, aproximación de las funciones de transferencia de orden
superior, procesos de interacción, y de múltiples entradas, procesos de múltiples salidas.
110
Características 130 Capítulo 6 respuesta dinámica de los procesos más complicados
G (s) = (6-1)
s (-is + 1) + 0-152 202S + 1)
donde 0 <1. Uso de expansión fracción parcial seguida de la operación de transformación inversa,
se sabe que la respuesta de sistema (6-1) a alguna entrada contendrá las siguientes funciones del tiempo:
• e-01T2 -
pecado términos resultantes de la (IV + nr2s + 1) Factor de
Los términos adicionales determinados por la entrada específica forzando también aparecerá en la
respuesta, pero las características dinámicas en-intrínsecos del proceso, los llamados
modos de respuesta o modos naturales, están determinados por el propio proceso. Cada uno de los modos
de respuesta anteriores se determina a partir de los factores del polinomio denomi-nator, que también se llama
el polinomio característico (véase la sección 33). Las raíces de estos factores son:
=0
1
S2 =
tl
-
0.53 -t- (6-2)
T2 T2
11 -
S4 -
72 1 T2
Los ingenieros de control se refieren a los valores de s que son las raíces del polinomio denominador
como el polos de la función de transferencia G (s). A veces es útil para trazar las raíces (polos) y para
discutir las características del proceso de re-SPUE en términos de lugares de raíz en el complejo
s avión. En la Fig. 6.1 la ordenada ex-presiona la parte imaginaria de cada raíz; la abscisa expresa la
parte real. Figura 6.1 se basa en la ecuación. 6-2 e indica la presencia de cuatro polos: un elemento
integrador (polo en el origen), un polo real (en -11-ri), y un par de polos complejos, $ 3 y 54. Obsérvese
que en la figura 6.1 el. polo real es más cerca del eje imaginario que el complejo de par, lo que indica
un modo de respuesta más lenta (en / Ti decae más lento que e-011). En general, la velocidad de
respuesta para un determinado aumenta modo como la ubicación de polos se mueve más lejos del eje
imaginario.
Históricamente, las parcelas como la Fig. 6.1 han jugado un papel importante en el diseño de sistemas
de control mecánicos y eléctricos, pero rara vez se utiliza en el diseño de sistemas de control de procesos.
Sin embargo, es útil desarrollar un sentimiento intuitivo para la influencia de ubicaciones de los polos.
Un poste a la derecha del eje imaginario (llamadoderecha media polo plano), por ejemplo, s = + 1PR,
indica que uno de los modos de respuesta del sistema es e '/ T. Este modo crece sin límite cuando t se hace
grande, una característica de los sistemas inestables. Como un segundo ejemplo, un polo complejo aparece
siempre como parte de un par conjugado, tal como s3 y $ 4 en la ecuación. 6-20. La presencia de polos
complejos conjugados indica que la respuesta contendrá términos seno y coseno; es decir, se exhibirá modos
de oscilación.
6.1 Polos y Ceros y su efecto sobre la respuesta del proceso en
ImaginaryA
parte
72
0 Real
parte
_T2
T2
Todas las funciones de transferencia discutidos hasta ahora se pueden hacer para representar más
complejo proceso DY-Namics simplemente mediante la adición de términos numerador. Por ejemplo,
algunos sistemas de control contienen una lead47, g ele-ment. La ecuación diferencial para este
elemento es
dy da
TI - (6-3)
+y K (Ta +u
dt = dt
En la Ec. 6-3 la dinámica de primer orden estándar han sido modificados por la adición de la derivada
de la entrada ponderada por una constante de tiempo 1- “,. La función de transferencia para este elemento
dinámico está dada por
IC (Tos E 1)
G (s) (6-4)
+1
Las funciones de transferencia con términos tales como numerador Tas + 1. anteriormente se dice que
exhiben dinámica numerador. Supongamos que la integral de u está incluido en los términos de entrada:
dy r
7R Ti u (t *) dt *) (6-5)
+ = K (a +
t y Ejército de reserva 0
La función de transferencia para la Ec. 6-5, suponiendo condiciones iniciales cero, sería
K (Tas + 1)
G (s) (6-6)
Tastwis + 1)
En este ejemplo, la integración de la entrada introduce un polo en el origen (el Tas término en el
denominador-tor), un punto importante que se discutirá más adelante.
La dinámica de un proceso se ven afectados no sólo por los polos de G (s), sino también por los
valores de s que causan el numerador de G (s) para convertirse en cero. Estos valores se llaman los ceros
de G (s).
Antes de discutir ceros, es útil para mostrar varias formas equivalentes en el que las funciones de
transferencia pueden ser escritas. En el Capítulo 4, una forma de función de transferencia estándar se
discutió:
(4-40)
Características 132 Capítulo 6 respuesta dinámica de los procesos más complicados
(6-7)
donde el zi y pi son ceros y polos, respectivamente. Tenga en cuenta que los polos de G (s) son también
las raíces de la ecuación característica. Esta ecuación se obtiene estableciendo el denominador de G (s),
el polinomio carac-carac-, igual a cero.
Es conveniente expresar funciones de transferencia en forma constante de ganancia / hora; es decir, ser
un factor fuera del numerador de la ecuación. 4-41 y una salida de la denominador que muestra la ganancia
de estado estacionario de manera explícita (K = Wan = G (0)). A continuación, las expresiones resultantes
se tienen en cuenta para dar
para el caso en que todos los factores representan las raíces reales. Por lo tanto, las relaciones entre los
polos y ceros y las constantes de tiempo son
Pt = pz = -1172, •• (6-10)
La presencia o ausencia de ceros del sistema en la Ec. 6-7 tiene ningún efecto sobre el número y la
ubicación de los polos y sus modos de respuesta asociados a menos que haya una cancelación exacta de
un poste por un cero con el mismo valor numérico. Sin embargo, los ceros ejercen un profundo efecto
sobre los coeficientes de los modos de respuesta (es decir, la forma en que se ponderan) en la respuesta
del sistema. Tales coeficientes se encontraron por la expansión fracción par-cial. Para los sistemas de
control prácticos el número de ceros en la ecuación. 6-7 es menor o igual al número de polos
(metro 5 norte).
Calcular la respuesta del elemento de plomo-lag (Ec. 6-4) a un cambio en escalón de magnitud M en su
Ejemplo 6.1 entrada.
(6-U)
obteniéndose la solución
(6,13)
La figura 6.2a muestra la respuesta para rl = 4 y cinco valores diferentes de Ejército de reserva.
ytt)
Lejos
(un)
La figura 6.2b es un polo-cero gráfica que muestra la ubicación del sistema de un solo cero, s =
-1 / T ,,,
para cada uno de estos tres casos. Si Ta =71, la función de transferencia se simplifica a K como resultado
de cance-
ción del numerador y términos denioninaTa, quees una cancelación de polos y ceros. 11
Para el caso de un solo zero.in una función de transferencia de segundo orden sobreamortiguado,
.. 'E.TC.1-1.211PLEV.1
•,
:. •• •.-.-
calcular la respuesta a una entrada de paso _of magnitude_itta.nd trazar los resultados para 4, 72 _ = y
varios valores de Ta.
Ejército de reserva
y (t)
KM
1
• rz7
0.5
ee
vir
10
Hora
15 20
Figura 6.3 Respuesta gradual de un segundo sobreamortiguado
sistema de orden (Ec. 6-14) para diferentes
valores de un solo cero (Ti = 4, Tz = 1).
cero afecta cómo se ponderan los modos de respuesta (términos exponenciales) en la solución,
la Ec. 6-15.
El análisis matemático (ver Ejercicios 6.4 y 6.5) mostrará que hay tres tipos de respuestas están
involucrados aquí, como se ilustra por ocho valores de Ejército de reserva en la figura 6.3.:
dónde TJ> T2 se elige arbitrariamente. Caso (i) muestra que sobreimpulso puede ocurrir si 7 ,, es
suficientemente grande. Caso (ii) es similar a una respuesta del proceso de primer orden. Caso
(iii), que tiene un cero positivo, también llamado un carril de la derecha halfp cero, exhibe una
respuesta inversa, una característica dinámica con poca frecuencia pero importante encontrado.
Una respuesta inversa se produce cuando la respuesta inicial a una entrada de paso está en una
dirección, pero el estado estacionario final es en la dirección opuesta. Por ejemplo, para el caso
de la respuesta inicial es en la dirección negativa mientras que el nuevo y el estado de equilibrio
(CE) es en la dirección positiva en el sentido de que y (o)> y (0). respuestas inversas se asocian
con
ceros semiplano derecho. ■
Como un segundo ejemplo físico, reactores catalíticos tubulares con reacciones químicas exotérmicas
exhiben una respuesta inversa de la temperatura de salida cuando se aumenta la temperatura de
alimentación. Inicialmente, aumento de la conversión en la región de entrada de la cama agota
momentáneamente reactivos en el extremo de salida de la cama, provocando menor generación de calor
allí y la disminución de la temperatura de salida. Posteriormente, se producen mayores velocidades de
reacción, que conduce a una temperatura de salida más alto, como sería de esperar. Por el contrario, si se
reduce la temperatura de alimentación, la respuesta inversa produce inicialmente una temperatura de salida
más alta.
respuesta inversa u oscilación excesiva puede esperarse siempre que dos efectos físicos actúan sobre la
variable de proceso hacia fuera puesto en diferentes formas y con diferentes escalas de tiempo. Para el caso
de nivel rehervidor mencionado anteriormente, la
rápido efecto de un aumento de la presión de vapor es derramar líquido fuera de las bandejas por encima
del rehervidor im-mediatamente medida que aumenta el flujo de vapor. los
lento efecto es eliminar cantidades significativas de líquido
6.1 Polos y Ceros y su efecto sobre la respuesta del proceso de
mezcla del hervidor a través del aumento de ebullición. Por lo tanto, la relación entre el nivel de
rehervidor y rehervidor presión del vapor puede representarse aproximadamente como un segundo orden
función trans-fer sobreamortiguado con un semiplano derecho del plano cero.
A continuación, se muestra que las respuestas inversos pueden ocurrir por dos funciones de
transferencia de primer orden en una disposición en paralelo, como se muestra en la Fig. 6.4. La relación
entre Y (s) y U (s) se puede expresar como
Y (s) _ K1 K2
+
Nos) Tis + 1 T2s + 1
(6-16)
_ Kt (Tzs + 1) + K2 (RTS +
1)
(Tis 1) (T2, s
+ + 1)
o, después de reordenar el numerador en ganancia estándar / tim + e icCE2sstant forma ooinni, tenemos
T ,, = Krrz
K2Tt
+
(6-19)
+ K2
(6-20)
KIT2 +
KRRT
K
Kru, + K2Tt
<0 (6-21)
K
Para K sea positivo o negativo, la ecuación. 6-21 puede reordenarse a la forma conveniente
-
K2
>
72 (6-22)
A T1
Tenga en cuenta que la ecuación. 6-22 indica que K1 y K2 tener signos contrario porque >0y TI> 0. Se 72
deja al lector para mostrar que K> 0 cuando Kt> 0 y que K <0 cuando Kt <0. En otras palabras, la señal de la
ganancia global función de transferencia es la misma que la del proceso más lento . Ejercicio 6.6 considera
que el análisis de una mitad derecha, plano cero en la función de transferencia.
La respuesta al escalón del proceso descrito por la Ec. 6-14 tendrá una pendiente negativa inicialmente
(en t = 0) si el producto de la ganancia y cambio de paso magnitud es positivo (KM> Ta es negativo, y Ti
yT2 son ambos positivos. Para mostrar esto, sea U (s) = m / s,
(6-23)
Nos) Y (s)
ZKU)norte
, = Dt “T.! s 1) (125 + 1)
tG (RISr[
= Lim , KM (Ta + IA) _ KMT0 (6-25)
I-Ls) = (6-28)
X (s) GRAMO(S) = e
Ficticio
perfil de velocidad plana
-> -
-> -
de entrada
x (t)
o
Salida y (t)
Además el movimiento físico de materiales líquidos y sólidos, hay otras fuentes de retardos de tiempo en
problemas de control de proceso. Por ejemplo, el uso de un cromatógrafo para medir la concentración en
las muestras de corriente de líquido o de gas tomadas de un proceso introduce un retardo de tiempo, el
tiempo de análisis. Una característica distintiva de los procesos químicos es la aparición frecuente de
retrasos de tiempo.
Incluso cuando la suposición de flujo de pistón no es válida, por lo general los procesos de transporte
pueden ser mod-Eled
aproximadamente por la función de transferencia para un retardo de tiempo dada en la ecuación. 6-28.
Para el flujo de líquido en una tubería, la suposición de flujo de pistón es más casi satisfecho cuando el
perfil de velocidad axial es plana, con-DICIÓN que se produce para fluidos newtonianos en flujo
turbulento. Para fluidos no newtonianos y / o de flujo laminar, el proceso de transporte de fluido todavía
podría ser modelado por un retardo de tiempo basándose en la velocidad media del fluido. Un enfoque
más general es modelar el proceso de flujo como a_first-orden más función de transferencia de retardo
dónde '1m es una constante de tiempo asociada con el grado de mezcla en el tubo o canal. Ambos y
puede tener que ser determinado a partir de relaciones empíricas o por el experimento. Tenga en cuenta
que la ganancia de proceso en (6-29) es la unidad cuando Y y X son las propiedades del material tales
como composición.
A continuación demostramos que las expresiones analíticas para las demoras de tiempo se pueden
derivar de la aplicación de las ecuaciones de conservación. En la Fig. 6.5 supongamos que una celda muy
pequeña de líquido pasa a punto I. en el tiempo t. Contiene VCI unidades de las especies químicas de
interés, donde (t)V es el volumen de material en la célula y ct es la concentración de la especie. En el
tiempo t + @, la célula pasa el punto 2 y contiene Vc2 unidades de las especies (1 + 0). Si el material se
mueve en flujo de tapón, no mezclar en absoluto con material adyacente, entonces la cantidad de especies
de la célula es constante:
c2 (t + 0) = ci (t) (6-31)
Una forma equivalente de la escritura (6-31) es
cr ES
(6-33)
CI (S) mi
••
ES
6.2.1 Aproximaciones polinómicas a E-
Una ventaja importante de la utilización de técnicas de transformada de Laplace para procesos de
modelado es la forma relativamente simple de la función de transferencia que describe retardos de
tiempo. Sin embargo, la forma exponencial de la ecuación. 6-28 es un tanto engañoso, debido a que es
una función de transferencia no racional, uno que analíticamente no se puede poner en la forma de un
cociente (ratio) de dos polinomios en s. Esta característica evita que factorizar la función de transferencia
del proceso en términos de polos y ceros solamente. Una solución a este problema es reemplazar el
término de retraso de tiempo por un polinomio de aproximación basada en un desarrollo en serie de
Taylor en el s.
La aproximación PAD6 para un retardo de tiempo es un cociente de dos polinomios en s con coeficientes
seleccionados para que coincida con los términos de un truncado desarrollo en serie de Taylor de e-como.
El más simple de polos y ceros aproximación es la aproximación 1/1 Pade:
0
1--s
como correo Gi 2 (6-35)
(s) = 1 -I- s
2
La ecuación 6-35 se llama el 1/1 aproximación de fundido, ya que es de primer orden tanto en el
numerador y el denominador.
Realización de la división larga se indica en (6-35) da
02s2 0s3
Gl (S) = 1 - Os + (6-36)
2 - 4 +
Una comparación de las ecuaciones. 6-34 y 6-36 indica que Gt (s) es correcta a través de los tres primeros términos. Ahí
son de orden superior aproximaciones Pade, por ejemplo, el 2/2 Pade aproximación:
Os -22
L -V
12
mie - Asas G2 (s) (6-37)
, Os 0232
-r -r
2 12
En este caso, un par de ceros a la derecha-medio plano complejo se ha combinado con un par de polos
complejos para lograr una aproximación más precisa (error es 0 (S5)).
La figura 6.7a ilustra la respuesta de los 111 y 2/2 aproximaciones PAD6 a una entrada de paso unidad.
La aproximación de primer orden exhibe el mismo tipo de respuesta discontinua discute en la Sección 6.1
en conexión con un sistema de primer orden con un semiplano derecho cero. (¿Por qué?) El segundo orden
approxima-ción es un tanto más precisa; la respuesta discontinua y el comportamiento oscilatorio son
características que se esperan para un sistema de segundo orden (el numerador y el denominador) con un
par de polos complejos. (¿Por qué?) Ni aproximación puede representar con precisión el cambio
discontinuo en la entrada de paso muy bien; sin embargo, si se considera la respuesta de un sistema de
primer orden con retardo de tiempo,
Ke-es
GPS) (6-38)
= -rs + 1
Figura 6.7B muestra que las aproximaciones son satisfactorias para una respuesta de paso,
especialmente si 0 c <que a menudo es el caso.
6.2 Los procesos con tiempos de retardo 139
0.4
Y (1) 0.2
y (t) K Gi (s)
G2 (s)
respuesta xact
0
0 1 () Hora
(un) (segundo)
Figura 6.7 (un) respuesta Paso de 1/1 y 2/2 aproximaciones Pade de un retardo de tiempo (Gi
(s) y 07 (s), respectivamente). (B) Respuesta de paso de un proceso de primer orden, más el
tiempo de retardo (0 = 0.25r) usando 111 y 2/2 aproximaciones de fundido dee-tis.
El reactor catalítico de lecho percolador se muestra en la Fig. 6.8 utiliza de reciclaje producto para
Ejemplo 63 obtener condiciones de operación satisfactorias para la temperatura y la conversión. El uso de una
alta tasa de reciclaje elimina la necesidad de agitación mecánica. Las concentraciones de la única
sustancia reaccionante y el producto se miden en un punto en la línea de reciclado, donde se retira
la corriente de producto. Una reacción de primer orden en fase líquida está involucrado.
En condiciones normales de funcionamiento, los siguientes supuestos se pueden hacer:
Valores paramétricos
V = 5 m3 a = 12
q = 0,05 m3 / min Br = 0,9 min
k = 0,04 min-1 02= 1,1 min
CEQ
Reciclar
línea
SOLUCIÓN (un) Ecuación 2-66 sólo es aplicable a un reactor isotérmico de tanque agitado sin reciclado.
Por lo tanto, hacemos un balance de los componentes alrededor del reactor,
corriente continua
V - = QCI + aqc2 - (1+ a) qc kc
dt V (6-39)
corriente continua'
V 7 (F = QCI + aqc2I - (1 + a) qc 'VKC' (6,40)
Ecuaciones 6-40 a través 6-42 proporcionan el modelo de proceso para el reactor isotérmico
con re-ciclo. Tomando la transformada de Laplace de cada uno de los rendimientos de
ecuaciones
sVC '(s) = control de calidad; (s) + AqCi (s) - (1 + a) qC (s) - VKC '(s) (6-43)
C1 (s) = e-qh, C '(s) (6-44)
Cl (s) = E-e2sCi (s)
= E-01 + 82): C '(s)
= E-- € TC '(s) (6,45)
(6-46)
K
C (s) TS + aK (1 e-41) C1 (5) (6-47)
=
dónde
K= q (6.413)
q + Vk
V
- (6,49)
q + Vk
e-'335 y -al
K
C '(s) - Ts ± ICI (s) (6-50)
Ke-60
(6-51)
tfcr) es + 1 aK (1 e-A3S)
6.2 Procesos con retrasos de tiempo 141
400 60 -
50
300 40
el (t) ci (t) 30
200
(Kg / (kg / m3) 20
m3) 100
10
yo yo yo
0 0
20 40 60 80 1 2 3 4 5
yo (Min) 100 0 t (Min)
(un) (segundo)
(B) para encontrar ci (t) cuando 4 (0 = 2000 kg / m3, multiplicamos (6-51) por 2.000 / s
2000Ke-ol,
(6-52)
Cf (s) s [Ts + I + oK (1 - e-e35)]
ción, por ejemplo, la aproximación 111 Pad en (6-35). Sustituyendo los (6-35) y tracción trasera
rendimientos que van
2s2 + T -F -2 + AK03) s + 1
S
[1
Esta expresión puede escribirse en la forma
2000K (Ths + 1) ee15
Cl (s) - , (6-
54)
5 (715 + 1) (725 + 1)
0.05
K q - -0.2
q + Vk 0,05 + (5) (0,04)
V
T q + Vk - 20 minutos
que se representa en la Fig. 6.9. Una solución numérica de las ecuaciones. 6-40 a través 6-42
que utiliza no ap-aproxi- para el retardo total de reciclaje es indistinguible de la solución
aproximada. Observamos que en la obtención de (6-56), no nos aproximamos la demora
numerador. Se trató exactamente y aparece como un retardo de tiempo de 0,9 min en varios
términos.
Características 142 Capítulo 6 respuesta dinámica de los procesos más complicados
1 - Oos (6-57)
Tenga en cuenta que esta aproximación de retardo de tiempo es un plano de la mitad derecha (RHP) cero en s = + ON. Una
alternativa
ifrst orden aproximación consiste en la funetfon transferencia,
1
Los e- EEOS 1 + Ocs (6-58)
que se basa en la aproximación, EPOS = 1 + Os. Tenga en cuenta que la constante de tiempo tiene un valor de 00.
Ecuaciones 6-57 y 6-58 se obtuvieron a los términos de retardo de tiempo aproximados. Sin embargo,
estas expresiones se pueden invertir para aproximar el polo o cero en el lado derecho de la ecuación por el
término de retardo de tiempo en el lado izquierdo. Estos polo y cero aproximaciones se demuestra en el
Ejemplo 6.4.
- Ke - 8s
G (s) ESO (6-60)
Comparar las respuestas normalizadas de G (s) y los modelos aproximados para una entrada de paso unidad.
SOLUCIÓN (A) es retenido La constante de tiempo dominante (5). La aplicación de las aproximaciones en (6-57) y
(6-58) da:
-0.1s + cc' Es (6,61)
y
1 1
-e (6,62)
3s + 1 0,5 s + 1
-
1-
0,8 -
Real
Skogestad
---- serie de Taylor
76, 0,4 -
o `
0,2 -
do - Ke-16c
GSK (s) - 5,3 + 1 5s + 1 (6-63)
(B) Para aplicar el método de Skogestad, observamos que la mayor constante de tiempo descuidado en (6 -59) tiene una
valor de tres. De acuerdo con su "medio regla", se añade la mitad de este valor para la próxima vez mayor
constante para generar una nueva constante de tiempo, T W5 -1- 0,5 (3) = 6,5. La otra mitad proporciona un nuevo
retardo de tiempo de 0,5 (3) = 1,5. La aproximación de la RIP cero en (6 -61) proporciona una adiciones
retardo de tiempo cional de 0,1. Aproximando la constante menor tiempo de 0,5 en (6 -59) por (6-58)
produce un retardo de tiempo adicional de 0,5. Por lo tanto, el retardo de tiempo total en (6-60) es
Las respuestas a un escalón normalizados para 0 (s) y los dos modelos aproximados se muestran en la Fig.
6.10. El método de Skogestad proporciona una mejor concordancia con la respuesta 111
real.
K (1 - s) es (6-65)
Ke-
un (3) (TTS + 1) (T2s + 1) (6-66)
=
Comparar las respuestas de salida normalizadas para G (s) y los modelos aproximados a una
entrada de paso unidad.
Características 144 Capítulo 6 respuesta dinámica de los procesos más complicados
9.8
0.
- Actual - - -
0.6
De primer
orden
0.4
0
z ---- Segundo orden
0.2
0
Figura 6.11 Comparación del
0 5 modelo real y aproximada
(A) Para el modelo de primer orden-más-de retardo de tiempo, se conserva la constante de tiempo
dominante (12). Uno-
medio de la constante de tiempo más grande descuidado (3) se asigna a la constante de tiempo
retenida y
entre la mitad y el retardo de tiempo aproximada. Además, las pequeñas constantes de tiempo
(0,2 y 0,05) y el cero (1) se añaden a la demora de tiempo original. Por lo tanto, los
parámetros de modelo en (6-60) son:
3
6 = 1 + 2 + 0,2 + 0,05 + 1 = 3,75
3
= 12 + - = 13,5
2
(B) una derivación análoga para el modelo de segundo orden-más-de retraso de
tiempo da:
0.2
- 1 + -2- + 0,05 + 1 = 2,15
ri = 12, .R2 = 3 + 0,1-3,1
En este caso, la regla se aplica a la mitad constante tercera vez más grande, de 0,2.
Las respuestas a un escalón normalizadas de las funciones de transferencia originales y
aproximados se muestran en la Fig. 6.11. El modelo de segundo orden proporciona una excelente
aproximación porque las constantes de tiempo ne-glected son mucho menores que las constantes
de tiempo retenidas. El modelo de primer orden-más-de retardo de tiempo no es tan preciso, pero
proporciona una aproximación adecuada de la actual
respuesta. ■
rencia el nivel en el primer tanque (Fig. 4.3). Las siguientes funciones de transferencia relacionadas niveles
de los tanques y los flujos se derivaron:
111 (s) _ kt
(4-53)
Sra) Tis + 1
QM (s) _
(4-54)
HK (s) K1
I-11 (s) _ K2
(4,55)
Qi (s) 'R2S + 1
Qi (s) _ 1
(4-56)
Su) K2
donde K1 = R2,11 = AIR1,1-2 = A2R2. Cada nivel del tanque tiene una dinámica de primer orden
con respecto a su caudal de entrada. Tanque de alta nivel 2 está relacionada con qi por una función de
transferencia de segundo orden que se puede ob-CONTENIDAS por simple multiplicación
K2
(667)
(Tis + 1) (ris + 1)
(6-69)
q 1 (6-70)
i = K (hi
Para la función de transferencia en el nivel del tanque 1, una expresión mucho más complicado que
los resultados (4-53):
qi
4n-i
y al-es
y es de la forma KY (SEI + 1). En consecuencia, la función de transferencia total entre Hola
(6-74)
qi
...- c-.11.-mr •
iftVetig interactuar.
6.5 Multiple-Input, Multiple-Output (MIMO) Procesos 147
El análisis anterior del sistema de dos tanques interacción es más complicada que la del sistema no
interactuantes de Ejemplo 4.4. El polinomio denominador ya no puede tenerse en cuenta en dos
términos de primer orden, cada uno asociado con un solo tanque. También, el numerador de la primera
función de transferencia de tanque en (6-72) contiene un cero que modifica el comportamiento
dinámico a lo largo de las líneas sugirió
en la Sección 6.1.
d [V (T - Tref)]
_ Whl ( h - Tref) 4- tv, C (Tc - Tref) - wc (T - Tref) (6-75)
ordenador personal
tdt
dV
p- = Wh + - (6,76)
a dt
g
El balance de energía incluye una temperatura de referencia termodinámico Tref (Véase la Sección 2.4.1). Expandir-
ing el derivado del producto VERMONT Tref) da
d [V ( T - T re f) ] dV dT
(T Tref) ( 6- 77)
dt dt r dt
Ecuación 6-77 puede ser sustituido por el lado izquierdo de la ecuación. 6-75. Después de la sustitución de la masa de
equili-
Ance (6-76), un conjunto más simple de ecuaciones resulta con V = ah _
dT 1 ,
Lwah + wete - (WH + nos) T1 (6-78)
= ./"11
dh yo ,
kwh w) (6-79)
dt = P e n s i lv a n ia
A - = área de sección transversal Figura 6.14 A multi-entrada, de mezcla térmica de múltiples salidas
del tanque proceso.
Características 148 Capítulo 6 respuesta dinámica de los procesos más complicados
donde T = pAiirii7 es el tiempo medio de permanencia en el tanque y una barra superior denota un valor
nominal de estado estacionario.
Ecuaciones 6-80 a través 6-83 indican que las cuatro entradas afectan a la temperatura del tanque a
través de funciones de transferencia de primer orden y una sola constante de tiempo que es el tiempo de
residencia nominal del depósito T. Ecuaciones 6-84 y 6-85 muestran que la velocidades de flujo de
entrada afectan a nivel a través de la integración de FUNC-ciones de transferencia que resultan de la
bomba en la línea de salida. Por último, es evidente a partir de las ecuaciones. 6-86 y 6-87, así como
intuición física, que los cambios de temperatura de entrada no tienen efecto sobre el nivel de líquido.
Una forma muy compacta de expresar las ecuaciones. 6-80 a través 6-87 es por medio de unamatriz de
función de transferencia (Véase la sección 4.4):
L.
De manera equivalente, dos matrices de función de transferencia se pueden usar para separar las
variables manipuladas, WH y w, de las variables de perturbación, Th y Tc:
(Th iv ivhl iv l T1
[T'(s) 1 =
TS + 1 TS + 1 TS + I (6-89)
H'(s)
1 / Ap 0
S
Resumen 149
Th
TS + 1
- TAT)
ts +1
T '(s)
Wh LW
TS iyo
wehW
75 1
11AP
SRA)
1 / Ap
S Figura 6.15 Diagrama de bloques del MIMO térmica
sistema de mezcla con el nivel variable.
El diagrama de bloques en la Figura 6.15 ilustra cómo las cuatro variables de entrada afectan a las
dos variables de salida.
Dos puntos son dignos de mención en la conclusión:
1. Una matriz de función de transferencia o, de manera equivalente, el conjunto de funciones de transferencia individuales, f acilita la
el diseño de sistemas de control que tienen que ver con las interacciones entre las entradas y las salidas. Para exame n-
PLE, por el proceso de mezcla térmica en esta sección, las estrategias de control pueden idearse que minimizan
o eliminar el efecto de los cambios de flujo de la temperatura y nivel. Este tipo de con- multivariable
sistema trol se considera en los capítulos 18 y 20.
2. El desarrollo de modelos basados en la física MIMO puede requerir un esfuerzo significativo. Por lo
tanto, empir-
modelos iCal en lugar de los modelos teóricos a menudo deben utilizarse para procesos complicados.
empíricamente
modelado de cal es el tema del siguiente capítulo.
RESUMEN
En este capítulo hemos considerado la dinámica de procesos que no pueden ser descritos por funciones
de transferencia simples. Modelos para estos procesos incluyen la dinámica del numerador como
retardos de tiempo o ceros de proceso. A menudo, un retardo de tiempo observado es una
manifestación de la dinámica de orden superior. Un término de retardo de tiempo proporciona una
manera de aproximar modelos de alto orden. procesos industriales importantes typi-camente tienen
varias variables de entrada y varias variables de salida. Afortunadamente, la metodología de función
de transferencia para una sola entrada, los procesos de una sola salida es aplicable a tales de múltiples
entradas, procesos múltiples de salida también. Los procesos con múltiples entradas y salidas
conducen a modelos de función de transferencia complicados, excepto en los casos más simples. Los
ingenieros de control de procesos a menudo prefieren simplificar dichos modelos mediante la captura
de importantes características de estado estacionario y dinámicos utilizando el modelo más simple
posible. Aquí se emplea un enfoque de modelado de dos etapas, primero el análisis de la dinámica de
una
Características 150 Capítulo 6 respuesta dinámica de los procesos más complicados
proceso complicado para determinar la forma de su modelo. A continuación, los métodos presentados
en el capítulo 7 se pueden aplicar para adaptarse a parámetros empíricos a esa forma a partir de datos
de entrada-salida experimentales.
Referencias
Buckley, PS, NV. L. Luyben, y JP derivaciones, Diseño de destilaciones Skogestad, S., simples reglas analíticas para la Reducción del modelo y
Sistemas de Control Columna león, Instrument Society of America, de PM
Research Triangle Park, Carolina del Norte, 1985. Controller Tuning, J. Control de procesos, 13, 291 (2003).
simpático, 1 C., El comportamiento dinámico de los procesos, Prentice-
Hall, En-
glewood Cliffs, NJ, 1973.
CEREMONIAS
6.1 Considere la función de transferencia: Para una entrada de paso, demostrar que:
(A) y (t) puede exhibir un valor extremo (máximo o mini-
0,7 (s2 + 2s + 2)
el polinomio (como las raíces de comandos en (B) Overshoot se produce sólo para TR111> 1.
MATLAB) puede ayudar a que el factor del (c) respuesta inversa se produce sólo para Para
polinomio denominador. <0.
(B) A partir de las ubicaciones de los polos en el
plano complejo, (D) Si existe un valor extremo en Y, el tiempo en el que OC-
lo que se puede concluir acerca de los modos de salida curs se pueden encontrar analíticamente. ¿Qué es?
para 6.5 Un proceso tiene la función de transferencia de la
cualquier cambio en la entrada? ecuación. 6-14 con
(do) Trazar la respuesta de la salida a una etapa de K = 201 = 10,12 = 2. Si A tiene los siguientes valores:
unidad Caso I: Ejército de reserva = 20
entrada. ¿Tiene la forma de su respuesta de acuerdo
con Caso II (a): a=4
el análisis de la parte (b)? Explique. Caso II (b): -ra = 1
6.2 El siguiente función de transferencia es No está escrito en un Caso III: Ta = -2
Están- calcular las respuestas para una entrada escalón de magnitud
forma Dard
0.5 y trazar en una sola figura. ¿Qué conclusiones se
s + 03) _5s pueden hacer en relación con el efecto de la loca-ción
G (7) + (2) (2s + 1) e cero? Es la ubicación del polo correspondiente a T2
importante tanto tiempo como Ti> T2?
(A) Poner en forma constante la ganancia estándar /
hora.
(B) determinar la ganancia, polos y ceros. 6.6 Un proceso consiste en un operativo elemento integrador
(C) Si el término de retardo de tiempo es reemplazado por en paralelo con un elemento de primer orden (Fig. E6.6).
un PAD6 AP- 1/1
aproxi-, repetir la parte (b).
6.3 Para una unidad de plomo-lag,
Y (s) _ K (Tcomo +
1)
X (s) T1s + 1 Nos) Y (s)
demostrar que para una entrada escalón de magnitud M:
(A) El valor de y en t = 0+ está dada por y (0+) = KMTdTi
(B) Overshoot se produce sólo para Ta> Tt, en cuyo
caso
dyldt < 0.
(C) respuesta inversa se produce sólo para 7,7 <0.
6.4 Un sistema de segundo orden tiene un solo cero:
Y (s) _ K (Tcomo 1)
X (s) (Su + 1) (72s + 1) (It>, r2) Figura E6.6
yo
Tiempo (min)
PD)
Figura E6.7a
30
26
22
Pm (%)
18
14
10
0 20 40 60 80 100
(A) Usando la información proporcionada
anteriormente, lo
Ceremonias 151 sería la función de transferencia más exacta
aut (s) / Cir, (s) para el proceso (el tanque más tubo
prn (No Ph,) como resultado de un cambio de paso en P del 4 al 6 psi de transferencia) que se puede desarrollar? Nota:
se representa gráficamente en la Fig. E6.7b. gato y
Cott son concentraciones de entrada y salida.
(A) Determinar Q'(t).
(B) ¿Cuáles son los valores de K, y (B) Para estos valores particulares de los volúmenes y
(C) ¿Cuál es la función de transferencia para la medi- el flujo de
surement dispositivo P ' “(s) IP' (s)? tasa, lo aproximada (de bajo orden) fun-
(D) Encuentra una expresión para la ganancia general del proceso. transferencia
6.8 Un tanque de mezcla que proporciona una mezcla casi perfecta es ción podría ser usado para representar la dinámica
conectado a una unidad de aguas abajo por una transferencia a de este proceso?
largo
mestubo. El tanque de mezcla opera dinámicamente como una (C) ¿Qué se puede concluir sobre la necesidad de
fi proceso de primer orden. modelar características de la mezcla del tubo de
Las características de mezcla de la tubería de transferencia, por transferencia de
el contrario, están en algún lugar entre el flujo de tapón (sin mezcla) con mucha precisión para este proceso en particular?
y perfectamente mezclado. Una prueba se realiza en la tubería de (D) Simular re- aproximada y el modelo de orden completo
transferencia que demuestra que funciona como si el volumen total sponses a un cambio de paso en cin.
de la tubería se dividieron en cinco tanques perfectamente agitado
de igual tamaño conectados en serie.
epont = 1 m3 / min
Figura E6.7b
donde qt ,, w representa la suma de todos los caudales en el proceso.
Características 152 Capítulo 6 respuesta dinámica de los procesos más complicados
6.9 Por inspección determinar cuál de las siguientes (B) ¿Cómo es este resultado diferente de la situación cor-
modelos de procesos pueden aproximarse respondiendo a un cero semiplano izquierdo?
razonablemente AC- (C) Repetir la comparación de la parte (b) para el
curately por un modelo de primer orden-más-de retraso de caso
tiempo. Para cada caso aceptable, dar a su mejor estimación cuando no hay cero (Ta = 0).
de 9 y T. 6.12 Para el proceso descrito por la transferencia exacta
función
Para cada caso que no se puede aproximar mediante 6,14 Un proceso se describe por la función de transferencia
inspección sim-ple, encontrar un modelo de primer
orden de más de retardo de tiempo que aún podría
proporcionar una aproximación razonablemente cerca.
6,10 Un proceso consta de cinco tanques perfectamente agitó en (un) Calcular y respuesta parcela y (t) para un cambio de paso
SE-
Ries. El volumen de cada tanque es de 30 L, y la volumet-
q0
Hola h2
q2
DQ qi I> 1 >-
Área = A1 R1 Area = A2 R2
válvula 1 válvula 2 Figura E6.16
(A) En funcionamiento normal, la válvula 1 está cerrado personalmente se vende en la idea de análisis de la
(RI 03) función de transferencia, pero está teniendo sus
y el qi = 0. ¿Cuál es la función de transferencia propios problemas con el Alge-bra. Después de
relacionada cambios en qo a cambios en la tasa de varias horas de lucha libre con sus métodos indi-
salida Q2 en estas condiciones? viduo, ambos deciden que la supervisión de otras
(B) Alguien inadvertidamente deja la válvula 1 personas es más productivo que trabajar. Éstas
parcialmente depositan el problema en su regazo con las
abierto (0 <Rt <03). ¿Cuál es la ecuación diferencial siguientes instrucciones específicas:
modelo ción de este sistema?
(C) ¿Qué sabe usted acerca de la forma de la
transferencia
funcionar Ql (s) / Q4 (s) para la válvula 1
parcialmente abierta?
Discutir, pero no derivan.
(D) es la respuesta a los cambios en qo rápido o más (A) Encuentre las relaciones dinámicas adecuadas tanto
lento para Cr y cn
En el caso (b) en comparación con el caso (a)? en términos de cr entrada, solamente. (Appelpolscher
Explicar por qué sugiere
pero no derivar la respuesta. que, dado que usted informe a él, que deberían
6.17 El comportamiento dinámico de un reactor de lecho ser las funciones de transferencia.)
empaquetado puede ser (B) Para la situación VI = 1,17 (0 ys 1), evaluar
aproximada por un modelo de función de transferencia los casos límite de sus relaciones dinámicas para
(yo) 0 (Iii) qR ---> 0
(Ii) 1 (Iv) qR oo
(do) Para cada caso (i - iv), explicar cómo el sistema de DY-
y T (s)
71 (s)
3 (2 - s)
(10s + 1) (5s 1)
Namics se ven afectados en el límite y discutir
cómo esto se relaciona con la situación física.
6.18 Appelpolscher y Arrhenius Quirk, director de la CIG sentido físico en los casos límite.
de Sin embargo, vados-tantes
La cinética química y Reactor Design Group, son siempre dieron Quirk problemas,
comprometido en una controversia relativa a la y él está teniendo un mal momento
modelo devel-OpEd anteriormente para el reactor con el cálculo. Appelpolscher, en
agitado de forma inadecuada (Ejercicio 2.7). Quirk, una forma no-habitual de la
que le gusta mucho para vencer Ap-pelpolscher en su magnanimidad, se ha ofrecido a
propio juego, está tratando de com-bine las dos ayudar. Él
ecuaciones diferenciales en el modelo en una única
ecuación que relaciona la composición de salida (TC)
a la entrada trazadora (cr). Quirk quiere analizar la
expresión resultante para asegurarse de que tiene
conjunto de ecuaciones de parámetros concentrados.
En este caso una alternativa (aproximado)
interpretación física del proceso se utiliza para
obtener un modelo de ODE directamente en lugar de
mediante la conversión de un modelo de PDE a ODE
forma por medio de un método de formación de
grumos, como las diferencias finitas. Como un
ejemplo, considerar un intercambiador de calor con-
centrado en el tubo individual con intercambio de
energía entre dos corrientes de líquido que fluyen en
opuestos di-direc-, como se muestra en la Fig. E6.19.
Podríamos modelar este proceso como si se tratara de
tres tanques pequeños, perfectamente agitó con
intercambio de calor. Si el caudal másico de SVI y
W2 y las temperaturas de entrada T1 y 7'2 son
funciones del tiempo conocidos, derivar la función de
transferencia ex-pressions para las temperaturas de
salida de Ti y TS en
Características 154 Capítulo 6 respuesta dinámica de los procesos más complicados
T1, w L
T2, Lo2
segundo J
Ti T3 T5 T7
Wisconsin
un
zu2
T5 T2
Figura E6.19
términos de la temperatura de entrada Ti. Suponga que expresiones para las ganancias y la constante de
todas las propiedades del líquido (pi, p2, Co, Co) son tiempo r' para este proceso. ¿Cuál es la respuesta de
constantes, que el área de intercambio de calor en cada salida para un cambio de paso en la unidad Q? para
etapa es A, que el coeficiente de transferencia de calor un cambio de paso unidad en
globalT es la misma en cada etapa, y que la pared entre los
dos líquidos tiene capacidad térmica despreciable. w? Nota:
modelos de función de transferencia para un proceso
6,20 A / proceso de dos de salida de dos entradas que implica
simultánea- algo simi-lar se representa en la Fig. 6.15 se dan en las
de calefacción y de nivel de líquido cambios OU se ecuaciones. 6-80 a través 6-87. Estos pueden ser
ilustra comparados con los resultados.
en la Fig. E6.20. Encuentra los modelos de función de
transferencia y
Trampa Condensar
Figura E6.21.
Ceremonias 155
Derivar un modelo dinámico para este proceso. El modelo En esto caso, una abertura colocado en la parte inferior de
debería simplificarse tanto como sea posible. Indicar la la in-terior
existencia de supuestos ad-dicional que se realicen. permisos de pared fluir entre las dos particiones. Es
posible suponer que laresistencia a fluir iv t (t) es
(A) Calcular las funciones de transferencia constante (= R).
relacionadas con los dos primaria (A) obtener un modelo de función de transferencia
variables de salida h (nivel) y T (tempera- líquido para el de dos
ture) a las entradas qp, q, y Ts. Debe obtener seis proceso de depósito de [11Z (s) 11 $ 1 (s)] y
funciones de transferencia separadas. compararlo con el
(B) Brevemente interpretar la forma de cada función de un tanque de proceso IFF (s) / W1 (s)]. En
transferencia particular, para cada función de transferencia
utilizando argumentos físicos, tanto como sea posible. indicar su orden, la presencia de los ceros, la
(C) examinar cualitativamente la formar de la ganancia, constantes de tiempo, presencia o
respuesta de ausencia de un elemento integrador, si está
cada salida a un cambio de paso en cada entrada. interactuando o que no interactúan, y así
sucesivamente.
6.22 Su empresa está teniendo problemas con la
alimentación
transmitir a un reactor. La alimentación debe
mantenerse a un con-
tasa de flujo de masa constante (si /), aunque el suministro de
la unidad de proceso -upstream varía con el tiempo, w (t). Su
jefe se siente que un tanque disponible puede ser modificado (B) Evaluar la calidad del proceso oleada de dos
para servir como una unidad de aumento, con el nivel del tanques
tanque espera que varían un poco arriba y abajo como el trabajaría en relación con el proceso de un solo
suministro fluctúa en torno a la velocidad de avance deseada. tanque
Quiere que la Con-Sider si: (1) el tanque disponible debe ser por la facilidad At = = A2 A / 2 donde A es el
utilizado, o área de sección transversal de la solo
tanque. Su análisis debe considerar si h2
variará más o menos rápidamente que h
para la misma entrada
6.24 La función de transferencia que relaciona el cambio en Los dos retardos de tiempo resultan de la recirculación de
sangre la sangre que se produce en el cuerpo, y A es el coef-
presión y a un cambio en u la velocidad de infusión de recirculación
un medicamento
* (Nitroprusiato de sodio) se da byl ifcient. Los siguientes valores de los parámetros están disponibles:
K = -1.0
monja Hg
Ke-815 (1 -I- ace2s) ml / h
GPS) -
7S + 1
simular
Desarrollo de
modelos empíricos
de Proceso de Datos
TABLA DE CONTENIDO
157
158 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
Las diferencias clave entre la simulación de procesos y de identificación del proceso pueden resumirse
con la ayuda de la Fig. 7.1. En la simulación, el modelo de proceso A se conoce, y deseamos para generar
la respuesta y (t) para una entrada especificada u (t) y una d perturbación especificado (t). Si A es un
modelo dinámico lineal y u (t) y D (t) se expresan analíticamente, y (t) se puede derivar usando
transformadas de Laplace (véase el capítulo 4). Al-ternatively, y (t) se puede calcular numéricamente
utilizando paquetes de software como Matlab (Matemáticas-obras, 2002). Si A es un modelo dinámico no
lineal, y (t) se puede obtener por integración numérica (cf. Capítulo 2) después de que u (t) yd (t) se
especifican. Por el contrario, en la identificación de proceso el modelo A es deter-minado de datos para u
(t), y (t), y d (t), si d se puede medir. Si la estructura del modelo se postula, pero contiene los parámetros
del modelo desconocidos, a continuación, los parámetros del modelo se pueden obtener usando técnicas
de regresión. Esta estimación de parámetros se puede hacer con el software disponible en el mercado,
independientemente de si el modelo de proceso es lineal o no lineal, o si se basa teórica o empírica en la
naturaleza.
modelos empíricos de estado estable se pueden utilizar para la calibración del instrumento, la
optimización de procesos, y las instancias spe-especí- de control de procesos. Single-entrada, salida única
(SISO) modelos consisten típicamente de polinomios simples relativas una salida a una entrada. modelos
empíricos dinámicos se pueden emplear para comprender el comportamiento del proceso durante
condiciones irregulares. También se utilizan para diseñar sistemas de control y analizar su rendimiento.
modelos dinámicos empíricos son típicamente ecuaciones diferenciales de orden bajo o modelos de función
de transferencia (por ejemplo, modelo de primer o de segundo orden, tal vez con un retardo de tiempo),
con los parámetros del modelo no especificados para ser determinados a partir de datos experimentales.
Sin embargo, en algunas situaciones modelos más complicados son valiosos en el diseño de sistemas de
control, como se explica más adelante en este capítulo.
El concepto de un modelo de tiempo discreto. Ahora ser introducido. Estos modelos son generalmente
represen-tantes ecuaciones de diferencia en vez de ecuaciones diferenciales. La mayoría de las tareas de
control de procesos se imple-mentado a través de las computadoras digitales, que son intrínsecamente
sistemas de tiempo discreto. En el control digital, las variables de proceso en tiempo continuo se
muestrean a intervalos regulares (por ejemplo, cada 0,1 seg), por lo tanto, los cálculos com-puter se
basan en datos muestreados en lugar de mediciones continuas. Si el proceso de vari-ables se observan
sólo en los instantes de muestreo, el comportamiento dinámico puede ser modelada mediante un modelo
de tiempo discreto en la forma de una ecuación de diferencia. La selección de modelos de tiempo discreto
respecto a los modelos de tiempo continuo se está convirtiendo en algo común, especialmente para las
estrategias de control avanzado.
perturbacione
s
Utah) ->
entradas Modelo de
manipuladas proceso
y
(
t
)
o
u
t
p
u
t
s
F
i
g
u
r
a
7
.
1
I
n
p
u
t
-
o
u
t
p
u
t
m
o
d
e
l
o
d
e
p
r
o
c
e
s
o
.
y
o
7.1 Desarrollo Modelo usando regresión lineal o no lineal 159
tipo de modelo. Entonces métodos simples pero muy útiles se presentan para la obtención de primer orden
y los modelos dinámicos de segundo orden a partir de los datos de respuesta paso utilizando soluciones
analíticas. Estos métodos producen modelos adecuados para el diseño de sistemas de control; sin embargo,
los modelos resultantes son generalmente precisa solamente para un estrecho rango de condiciones de
funcionamiento cerca de la estado estacionario nominal, donde el proceso exhibe un comportamiento lin-
oreja. También se muestra la relación entre los modelos de tiempo discreto de tiempo continuo y. Finalmente
se presenta varios métodos para el desarrollo de modelos de tiempo discreto lineales para procesos
dinámicos.
estimación de parámetros o regresión (Ljung, 1999; Montgomery y Runger, 2003). Estos cálculos se
basan generalmente en el ajuste del modelo, es decir, minimizando una medida de las diferencias entre las
predicciones del modelo y los datos. Sin embargo, el problema de ajuste de un modelo a un conjunto de
datos de entrada-salida se-viene complicado cuando la relación modelo no es simple o implica múltiples
entradas y salidas.
En primer lugar, consideramos modelos de estado estacionario. Supongamos que un conjunto de datos
de entrada-salida de estado estacionario es Avail-capaz y se muestra como círculos en la Fig. 7.2. Variable
Y representa una salida de proceso (por ejemplo, un rendimiento del reactor), mientras
u representa una variable de entrada (por ejemplo, una condición de funcionamiento tales como la
temperatura). Aunque un modelo de línea recta (Modelo 1) proporciona un ajuste razonable, las relaciones
de polinomios de orden superior (Modelos 2 y 3) resultan en errores más pequeños entre los datos y la
curva que representa el modelo empírico. Mod-els 2 y 3 proporcionan una mejor concordancia con los
datos a costa de una mayor complejidad debido a que más parámetros del modelo deben ser determinados.
A veces, el modelo de formulario puede ser conocido a partir de consideraciones teóricas o la experiencia
del pasado con el proceso.
En la Fig. 7.2, si el comportamiento actual de proceso es lineal, las diferencias (o residuos) entre el
modelo 1 y los datos podría ser debido a las perturbaciones del proceso o errores de medición. En el
modelado empírico, es preferible elegir la estructura modelo más simple que produce un buen ajuste de
los datos, siempre que el modelo es físicamente razonable. Tenga en cuenta que en la Fig. 7.2, si el
modelo 3 se extrapola más allá de la gama de datos, sería aparentemente producir significativamente
diferentes predicciones del modelo que el modelo 1 o 2. La selección del mejor modelo podrían requerir
la recogida de más datos, tal vez fuera de la gama se muestra en la Fig . 7.2, que luego podría utilizarse
paravalidar cada modelo.
1
-2
3
Modelo
y
Figura 7.2 Tres modelos de datos dispersos.
160 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
3. Evaluar los datos disponibles y desarrollar un plan para adquirir datos adicionales. Un plan de
pruebas se Spec-ify los valores de
un o la forma de u (t), por ejemplo, un cambio de paso o alguna otra secuencia de entrada (véase la
Sección 7.2).
4. Seleccionar la estructura del modelo y el nivel de complejidad del modelo (por ejemplo, el estado
estable vs. modelo dinámico, lineal vs. modelo no lineal).
5. Estimar los desconocidos parámetros del modelo utilizando regresión lineal o no lineal.
6. Uso de los datos de entrada y de salida, evaluar la exactitud del modelo basado en consideraciones
estadísticas. Es de-sirable utilizar nuevos datos (si está disponible), así como los datos "antiguos" que
se utilizaron para desarrollar el modelo. Si el modelo no proporciona un ajuste satisfactorio, vuelva al
paso 2 y probar un modelo diferente. Si es posible, el modelo debe ser probado con nuevos datos (es
decir,
Validación de datos); si el modelo de pre-dicciones están de acuerdo con estos datos, se dice que el
modelo sea
validado.
7.Para un modelo dinámico, criterios nonstatisticat también se pueden utilizar para evaluar un modelo,
como la velocidad de la respuesta, forma de respuesta, propiedades de estabilidad correctos, y la
ganancia de estado estacionario correcta. La utilidad de un modelo para el diseño de controladores
también es importante en el control del proceso, donde un modelo excesivamente complejo puede ser
una desventaja. Asímodelos de control relevantes son deseables (Rivera y Jun, 2000).
donde 131 y 132 son los parámetros del modelo a estimar. Ei es el error para el punto de datos particular. El
método de mínimos cuadrados es el método estándar para el cálculo deel valores de Pi y p2 ese mini-mizar la
suma de los cuadrados de los errores
S para un número arbitrario de puntos de datos, NORTE:
norte
E € 1 = E (Yi Pi - 1321102
S= (7-2)
1=1
En (7-2), tenga en cuenta que son conocidos los valores de 171 y Tu, mientras 131 y 132 han de calcularse de
manera que se mini-Mize 8, la suma de cuadrados de los errores. Las estimaciones óptimas de
13i y 132 encontrado para un conjunto de datos específico se designan como 131 y 132. El modelo de
predicciones son dados por el modelo de regresión:
= PI + (7-3)
(7-6)
7.1 Desarrollo Modelo usando regresión lineal o no lineal 161
dónde
un UN
sig = E iii 8 1414 = mi Carné de identidad
i- = 1 1=1
UN norte
un
Sy = 2 Yi Suy = E ulYi
i1 YO,
Estos cálculos pueden realizarse usando paquetes estadísticos u hojas de cálculo como Excel.
Este enfoque de estimación de mínimos cuadrados (también llamado de regresión lineal) se puede
extender a más modelos gen-erales con:
Un modelo de estado estacionario no lineal general que es lineal en los parámetros tiene la forma
pag
Y= 13iX1 correo (7-7)
j-1
El p parámetros desconocidos ((3i) deben ser estimado, y el X1
son las funciones de p especificada u. Tenga
en cuenta que los parámetros pi desconocido aparece linealmente en el modelo, y un término constante puede
ser incluido configurando X1 = 1.
La suma de los cuadrados análogas a (7-2) es
norte pag 12
j=1
Para Xi1 el primer subíndice corresponde al punto de datos i-ésimo, y el segundo índice se refiere a la j-ésima fun-
ción de u. Esta expresión puede escribirse en notación matricial como
S = (Y - X13) T (Y - (7-9)
mmaattee f3 está dada por Draper y Smith, 1998; Montgomery y Runger, 2003),
ixTy
13 = (XTX) - (7-10)
siempre que XTX matriz es no singular de modo que existe su inversa. Tenga en cuenta que la matriz X
es compuesta de funciones de u; por ejemplo, si y = pi + 132u + f33142 + E, entonces X1 = 1, X2 = u, y
X3 = u2.
Si el número de puntos de datos es igual al número de parámetros del modelo, (es decir, N = p),
Ec. 7-10 proporciona una solución única al problema de estimación de parámetros, uno que
proporciona perfecta de acuerdo-ción con los puntos de datos, siempre y cuando XTX es no singular.
Para N> PA mínimos cuadrados resultados de la solución que minimiza la suma de las desviaciones
al cuadrado entre cada uno de los puntos de datos y las predicciones del modelo.
La solución de mínimos cuadrados de la ecuación. 7-10 proporciona una estimación puntual para los
parámetros del modelo desconocido 13; pero sí indica cómo es exacto son estimaciones. El grado de
exactitud se expresa por intervalos de confi-anza que tienen la forma, pi ± Api. El L.113i se calcula a
partir de los (u, y) de datos para un nivel de confianza especificado (Draper y Smith, 1998).
162 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
Un experimento ha sido realizado para determinar la potencia en estado estable entregado por un gas
Ejemplo 7.1. accionado por turbina generador como una función de la tasa de flujo de combustible. Los siguientes datos
normalizados fueron
adquirido:
1.0 2.0
2,3 4.4
2,9 5.4
4.0 7.5
4.9 9.1
5.8 10.8
6.5 12.3
7.7 14.3
8.4 15.8
9.0 16.8
El modelo lineal de (7-1) debe ser satisfactoria porque un gráfico de los datos revela un patrón
generalmente monotónica. Encontrar el mejor modelo lineal y compararlo con el mejor modelo
cuadrático.
SOLUCIÓN Para resolver el modelo lineal, las ecuaciones. '7-5 y 7-6 se podrían aplicar directamente. Sin embargo, para ilustrar
el uso de la ecuación. 7-7, definir primero los términos en el modelo lineal: Xt = I y X2 = u. a
continuación, se obtienen las siguientes matrices:
1 1 1 1 1 1 1 1 1
XT[ 1
1.0 2.3 2.9 4.0 4.9 5.8 6.5 7.7 8.4 9.0
YT = [2.0 4.4 5.4 7.5 9.1 10.8 12.3 14.3 15.8 16.8]
10 10
E (1) 2 mi
XTX = i=i
10 10
1=1
mi
10
mi Yi
XTY 1=1
10
mi u,
Y1 i = i
Resolviendo para I31 y 132 usando la Ec. 7-10 produce los mismos resultados dados en las Ecs. 7-
5 y 7-6, con f31 = 0,0785 ± 0,0039 y [32 = 1,859 ± 0,093 (95% se muestran los límites de
confianza).
Para determinar la cantidad de la exactitud del modelo se puede mejorar mediante el uso de un
modelo cuadrático, Ec. 7-10 se aplica de nuevo, esta vez con Xi - 1, X2 = u, yX3 = LI2. Los
parámetros estimados y 95% límites de confianza para este modelo de segundo grado son:
Los valores predichos de y (;) se comparan con los valores medidos (datos reales) de la Tabla
7,1 tanto para los modelos lineales y cuadráticas. Es evidente a partir de esta comparación que el lin-
7.1 Desarrollo Modelo usando regresión lineal o no lineal 163
modelo de oído es adecuado y que pocos resultados de mejora del modelo de qua-dratic más
complicado.
Si el modelo empírico es no lineal con respecto a los parámetros del modelo, a continuación, de regresión
no lineal en lugar de regresión lineal debe ser utilizado. Por ejemplo, supongamos que una expresión de
la velocidad de reacción de la forma, TA = KCRA, es para estar en forma a los datos experimentales,
donde Ra es la velocidad de reacción del componente A, Ca es la concentración de reactivo, y k y son
parámetros del modelo. Este modelo es lineal con respecto a la tasa de con-constante k, pero no es lineal
con respecto al orden de reacción n. Un modelo no lineal general puede ser escrito como
donde y es la salida del modelo, it / son entradas, y aj son los parámetros a estimar. En este caso, el 13 /
no aparecen de forma lineal en el modelo. Sin embargo, todavía podemos definir una suma de criterio
de error cuadrados para ser minimizada seleccionando la f3 conjunto de parámetros,
min S =
Pi,
(171-5) 02 (7-12)
donde Yi y j' ,; denotar la medición de la salida i-ésima y la predicción del modelo correspondiente al punto
de datos i-ésimo, respectivamente. Las estimaciones de mínimos cuadrados se designan de nuevo por N.
Considere el problema de la estimación de las constantes de tiempo para primer orden y
sobreamortiguado de segundo orden modelos dinámicos basados en la respuesta de salida se mide a una
entrada en escalón de magnitud M. expresiones Ana-líticos para éstos respuesta de paso se han
desarrollado en el Capítulo 5.
Y (s) K _
Nos) TS + 1
_U)
rt Tze_e
Y (s) K Tie-tt
y (t)
Nos) (RIS 1) (T2s A- 1) KM (1 (5-48)
11 - T2 )
En las ecuaciones de respuesta paso, t es la variable independiente en lugar de la entrada u utilizado
anteriormente, e y es la variable dependiente expresado en forma de desviación. Aunque la ganancia de
estado estacionario K aparece linealmente en ambas ecuaciones de respuesta, las constantes de tiempo están
contenidas en una manera no lineal, lo que significa que la regresión lineal no puede ser utilizado para
estimar ellos.
164 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
A veces una transformación variable puede emplearse para transformar un modelo no lineal de modo
que la regresión lineal se puede utilizar (Montgomery y Runger, 2003). Por ejemplo, si se supone que K a
ser conocido, la respuesta al escalón de primer orden puede reordenarse:
1 -. Iy1) = (7-13)
KM T
ln (
Debido a que en (1 - yIKM) puede ser evaluada en cada vez que, este modelo es lineal en el 11r parámetro. Jue;
este modelo tiene la forma lineal estándar como Eq. 7-1, donde el lado izquierdo de (7-13) es Yt, 13i = 0, y ru =
4.
La transformación de la ecuación. 7-13 conduce al método de respuesta incompleta fracción de la
determinación de modelos de primer orden discutidos en la sección siguiente. Sin embargo, para respuestas
a un escalón de modelos de orden superior, tales como la ecuación. 5-48, el enfoque de transformación no
es factible. Para estos cálculos, hay que utilizar un método de optimización Itera-tivo para encontrar los
mínimos cuadrados estimaciones de las constantes de tiempo (Edgar et al., 2001).
T y = Ku (7-14)
dt
donde el sistema está inicialmente en un estado de equilibrio con u (0) = 0 e Y (0) = 0. Si la entrada de
un se cambia abruptamente desde 0 a M en el tiempo t = 0, la respuesta al escalón en la Ec. 5-18
resultados. La respuesta de paso normalizada se muestra en la Fig. 7.3. La respuesta y (t) alcanza el
63,2% de su valor final en t El cambio de estado estacionario en Y, Sí, está dada por C1y = KM. A partir
de la ecuación. 5-18 o 7-13, después de la reordenación y evaluar el límite en t = 0, la pendiente inicial de la respuesta
de paso normalizada es
re y 1
(7-15)
dt KM t = -1) T
Por lo tanto, como se muestra en la Fig. 7.3, la intersección de la tangente en t = 0 con la línea horizontal
y / KM = 1, OC-curs en t = r. Como alternativa,
T puede estimarse a partir de una gráfica de respuesta de paso utilizando el valor de t en el que la
tangente a y (t) en t = 0
1.0
0.8
0,632
125
(Kg / Wmin)
120 -w (0)
160 T (c).
150
T cc}
140
Figura 7.4 muestra la respuesta de la temperatura Estaño un reactor de tanque agitado continuo
Ejemplo 7.2 a un cambio de paso en la tasa de flujo de alimentación w de 120 a 125 kg / min. Encontrar un
modelo de primer orden aproximado para el proceso y estas condiciones de funcionamiento.
SOLUCIÓN
Primera nota que Aw = M = 125-120 = 5 kg / min. Debido a que AT = T (00) - T (0)= 160-140 =
20 ° C, la ganancia de estado estacionario es
T` (s) _ 4
11 /'(s) 5s + donde la ganancia de estado estacionario
es de 4 ° C / kg / min.
pocas respuestas al escalón experimentales muestran un comportamiento muy exactamente de primer orden, ya que:
1. El verdadero modelo de proceso es por lo general ni primera orden ni lineal. Sólo los más sencillos
procesos de exposiciones
tales dinámicas ideales.
2. Los datos de salida son generalmente dañados con el ruido; es decir, las mediciones contienen una aleatoria
componente. El ruido puede surgir de la operación normal del proceso, por ejemplo, inadecuada
de mezcla que produce remolinos de mayor y menor concentración (o temperatura), o puede volver
sultado de instrumentación electrónica. Si el ruido es completamente al azar (es decir, no correlacionadas), una primera
gráfico de la respuesta orden todavía puede extraerse que se ajuste a los datos de salida bien en un sentido promediada en el tiempo.
Sin embargo, autocorrelación del ruido aleatorio, como en disturbios a la deriva, puede causar problemas
en el análisis.
3. Otra entrada de proceso (perturbación) puede cambiar de una manera desconocida durante la
duración de
la prueba de paso. En el ejemplo CSTR, los cambios detectados en la composición de entrada o la
temperatura son
Ejemplos de tales perturbaciones.
4. Puede ser difícil generar una entrada de paso perfecto. equipos de proceso, tales como las
bombas y
válvulas de control discutidos en el Capítulo 9, no se pueden cambiar instantáneamente de un
lugar a
166 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
otro, pero debe ser en rampa durante un período de tiempo. Sin embargo, si el tiempo de rampa
es pequeño com-recortó para el tiempo de proceso constante, puede obtenerse una aproximación
razonablemente buena a una entrada de paso.
En resumen, las desviaciones de la curva de respuesta ideales en la Fig. 7.3 son comunes.
Con el fin de dar cuenta de la dinámica de orden superior que son abandonados en un modelo de primer
orden, un término de retardo de tiempo puede ser incluido. Esta modificación puede mejorar el acuerdo
entre el modelo y las respuestas experimentales. El montaje de un modelo de primer orden, más el tiempo
de retardo (FOPTD),
K ES
G (s) 4. (7-16)
= 7.S 1
a la respuesta real paso requiere los siguientes pasos, como se muestra en la figura 7.5.:
1. La ganancia de proceso K se encuentra calculando la relación del cambio de estado estacionario en
y con el tamaño de
el cambio de parada de entrada, M.
2. Una tangente se extrae en el punto de inflexión de la respuesta de paso; la intersección de la tangente
línea y el eje de tiempo (donde y = es el retardo de tiempo.
3. Si la tangente se extiende para intersectar la línea de estado estacionario de respuesta (donde y =
KM), el punto de
intersección corresponde a los tiempos LE- = 0- + 27. : Por lo tanto, 'R puede ser _found restando 0 de
la
Punto de intersección.
El método que aquí se presenta tangente para obtener el tiempo sufre constantes de using.only un
punto sin-gle para estimar la constante de tiempo. El uso de varios puntos de la respuesta puede
proporcionar una mejor estimación. Una vez más en cuenta la ecuación. 7-13, pero ahora introducir el
desplazamiento en el tiempo t y reorganizar para dar la expresión
(7-17)
Y (°°)
el valor final en estado estacionario, y (00), es igual a KM. En 7-17, y (co) - yi puede interpretarse como la
respuesta incompleta para el punto i de datos; dividiendo por y (00) se obtiene la respuesta incompleta
fracción: Un gráfico semilogarítmico de [y (03) - yi] / y (00) vs. (ti - 0) entonces producir una línea recta
con una pendiente de -11T, desde que un valor medio deT es adquirido. Una ecuación equivalente a 7-17 para
las variables del ejemplo 7.2 es
[T (0?) - T (t)] t-
(7-18)
T (00) - T (0) 'r
Y KSI
Inflexión
punto
La principal desventaja del método de estimación de retardo en la Fig. 7.5 es que es difícil encontrar el
punto de inflexión, como resultado de la medición de ruido y gráficos grabadora pequeña escala o de
computadora dis-plays. El método de la Sundaresan y Krishnaswamy (1978) evita el uso del punto de
inflexión
construcción
por completo para estimar el tiempo de retardo. Propusieron que dos veces t_t_ y t2 estimarse a partir de
una curva de respuesta a un escalón. Estos tiempos corresponden a los tiempos de 35,3 y 85,3% de
respuesta, respectivamente. El retardo de tiempo y la constante de tiempo se calculan entonces a partir de
las siguientes ecuaciones:
1.3t1 - 0.29t2
= 0.67 (t2 ti) (7-19)
Estos valores de 0 y 'r aproximadamente minimizar la diferencia entre la respuesta medida y la respuesta
del modelo, basado en una correlación para conjuntos de muchos datos. Mediante el uso de datos reales
de respuesta de paso, parámetros del modelo K, 0, y i puede variar considerablemente, dependiendo de
las condiciones de operación del proceso, el tamaño del cambio de paso de entrada, y la dirección del
cambio. Estas variaciones por lo general se pueden atribuir a procesar no linealidades y perturbaciones
no medidas.
G (s) ) (5-39)
un ixig + 1
Figura 7.6 incluye dos limitante casos: T2 / 71 = 0, donde el sistema se convierte en primer orden,
y 72kri = L el caso críticamente amortiguado. La mayor de las dos constantes de tiempo, 71, se llama
la constante de tiempo dominante; La respuesta en forma de S se vuelve más pronunciado a medida que
la relación de 72fi71 se acerca más a uno.
Los parámetros del modelo para los sistemas de segundo orden cual incluir retardos de tiempo
pueden ser estimados utilizando métodos gráficos o numéricos: Un método .Debido a Smith (1972)
utiliza un modelo de la forma
Ke-o'
G (s) - (7-20)
r2s2 + 20-s 1
que incluye ambos casos sobreamortiguado y subamortiguado. el método de Smith requiere los tiempos
(con retardo de tiempo ap-padre eliminado) a la que la respuesta normalizada alcanza el 20% y 60%,
respectivamente.
5.0
2.9
1.0
0.5
160
0.2
0.1
Usando la Fig. 7.7, la relación de T2060 da el valor de t. Una estimación de T puede ser obtenido a partir de
la trama de t60 / r vs., t2att60.
Cuando los modelos de segundo orden gráficamente montaje, algunos se debe tener precaución en la
estimación de O. Un modelo de segundo orden sin retardo de tiempo exhibe un punto de inflexión (véase
la figura 7.6, cuando 11 -. = - 12). Si la tangente a la inflexión de punto de muestra en la Fig. 7.5 se aplica
a este caso, sin embargo, un retardo de tiempo diferente de cero se indica. Para evitar este conflicto, se
recomienda la determinación visual de 0 para la estimación gráfica, pero la estimación de 0 por ensayo
y error puede ser necesaria para obtener un buen ajuste. En los siguientes ex-plos, el retardo de tiempo
se resta del valor de tiempo actual; entonces el tiempo ajustado, t'= t 0, se emplea para el análisis gráfico
real.
Un enfoque alternativo para el ajuste de los parámetros del modelo de segundo orden utiliza tres puntos
de la respuesta de paso. Rangaiah y Krishnaswamy (1994, 1996) han propuesto varios métodos basados
en si el modelo está subamortiguado o sobreamortiguado, pero el último caso es más típico de las
respuestas del proceso en bucle abierto, es decir,
Ke-al
G (s) = (7-21)
+ 1) (25. + 1)
Rangaiah y Krishnaswamy (1994) utilizan tres puntos en la respuesta al escalón, es decir, 14% (4),
55% (t2), y 91% (t3) del valor final en estado estacionario (y.). K se calcula directamente a partir de Y
.. El uso de los valores de y en los tres valores de tiempo (4, T2, T3), se puede estimar 0, T y t en la
ecuación. 7-20 mediante el uso de correlaciones basadas en el análisis de mínimos cuadrados de
muchas respuestas de paso, las correlaciones funcionan bastante bien para 0.707 ss 3.0. Para ta 3,0, la
respuesta es esencialmente de primer orden, en cuyo caso se recomienda el método de dos puntos
(Sundaresan y Krishnaswamy, 1978) se discutió anteriormente.
Con el fin de utilizar MATLAB, es necesario escribir un archivo-M que define la suma de los cuadrados
de los errores. A continuación, el fminu comando se utiliza para calcular el mínimo. El algoritmo por defecto
en MATLAB es el BFGS método cuasi-Newton (MathWorks, 2002).
Paso datos de prueba se han obtenido para la respuesta de la concentración de CO2 del gas de escape obtenido a
partir de
Ejemplo 7.3 el cambio de la velocidad de alimentación a un biorreactor. Utilice el método de segundo orden
de Smith, así como la regresión no lineal basado en Excel y MATLAB para estimar los
parámetros del modelo de la curva de respuesta de paso experimental normalizado se muestra en
la Fig. 7.8. Para los tres métodos, asumir 0 = porque la curva de respuesta se convierte, distinto
de cero inmediatamente después de
SOLUCIÓN t = 0. Comparación de los resultados con un modelo de primer orden-más-de retraso de tiempo
(FOPTD) que es apto usando el método de respuesta de 63,2% para estimar la constante de
tiempo.
Método de Smith
- Los dos puntos de interés son el tiempo de respuesta de 20%, t2o = 1,85 min, y la respuesta 60%
tiempo, (-SO = 5,0 min Por lo tanto, tio / tso = 0,37 De la figura 7.7, t = 1,3 y t60 / T = 2,8;... Por lo
tanto, z =
5,0 / 2,8 = 1,79 min. Debido a que el modelo de isayerc ed las dos constantes de tiempo pueden
calcularse a partir de las siguientes expresiones:
T1 = Tt Ts / t2 1, = TA2 - 1
regresión no lineal
Uso de Excel y MATLAB, se calculan las constantes de tiempo en la ecuación. 5-48 que minimizar
la suma de los cuadrados de los errores entre los datos experimentales y las predicciones del modelo
(véase la Ec. 7-12). Los datos consistió en 25 puntos entre t =
0 y t = 12 min con un periodo de muestreo de 0 5 min. Una comparación de los parámetros del
modelo y la suma de errores cuadráticos para cada método se muestra a continuación; el tiempo de
retardo se establece en cero para los tres métodos de segundo orden.
1.0
0.4
0.2
0
2 4 6 8 10 12 Figura 7.8 paso experimental normalizado
Tiempo (min) respuesta.
170 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
1.0 •• •
0.9
0.8
0.7
/
0.6 /
/ respuesta Experimental y de
Y 0.5 / .. regresión no lineal
--- método de Smith
0.4
modelo fétido
0.3
0.2
0.1
Figura 7.9 Comparación de la
oo 5 10 15 etapa 20
Tiempo (Mini respuestas de los modelos
ajustados con
los datos de respuesta originales.
Tenga en cuenta que los métodos de regresión no lineal empleadas por Excel y MATLAB producen
resultados idénticos.
Las respuestas a un escalón se representan en la figura 7.9.; los tres modelos calculados dan un
ajuste aceptable a la curva de respuesta de paso inicial. De hecho, el modelo de regresió n no lineal
es indistinguible de la respuesta experimental. regresión no lineal no depende de Correla -ciones
gráficas y siempre proporciona un mejor ajuste a los datos. También permite la prueba de pasos
experimentales que ser terminada antes de alcanzar el estado estacionario final; sin embargo, los
datos de respuesta suficientes deben ser obtenidos para el método de regresión para ser eficaz.
yi (t) KM (I - (5-18)
Para tiempos cortos, es decir, para t <1-, el término exponencial puede ser aproximado por
e-dr Eso
K2 = (7-25)
Del mismo modo, la respuesta a corto plazo aproximado del modelo FOPTD en (7-16) a una entrada
de paso de magnitud M es
es decir, una rampa desplazado en el tiempo de retardo, 0. Así, se obtiene un aproximado integrador más el
tiempo de retardo de modelo con-sisting de un kit K2 constante y retardo de tiempo 0. Como se muestra en
el Capítulo 12, siempre que r es grande en comparación con 0, un sistema de control puede diseñarse
utilizando una de dos parámetros (K2 y 0) modelo que es igualmente tan eficaz como cuando se usa una de
tres parámetros (K,
r, y 0) modelo FOPTD. Figura 7.10 muestra que las dos respuestas coinciden bien para tiempos
relativamente cortos.
Entrada
0
Hora
(un)
M+
Entrada 0
METRO
Hora
(segundo) Figura 7.11 (un) pulso y (segundo) entradas de PRBS (un ciclo).
172 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
tiempo y, a continuación, vuelve a su valor original. En consecuencia, la salida del proceso también vuelve
a su estado de equilibrio inicial, a menos que el proceso tiene un modo de integración (por ejemplo, la Ec.
7-23).
Secuencia binaria aleatoria (RBS) forzando implica una serie de impulsos de altura fija y dura-ción
aleatoria. En cada instante de muestreo, un generador de números aleatorios determina si la señal de entrada
se establece en su valor máximo o mínimo. Sin embargo, es más conveniente para poner en práctica una
secuencia pseudo aleatoria bi-nario (PRBS), que es una de dos niveles, señal periódica, determinista de una
longitud especificada, que se muestra en la Fig. 7.11. La secuencia real de las entradas se puede repetir varias
veces. El término pseudo-aleatorio en-dica la entrada es una secuencia determinista que tiene las
características espectrales de una señal aleatoria (Godfrey, 1993). La ventaja de una PRBS es que la
excitación de entrada se puede concentrar en rangos de frecuencia particu-lar que corresponden a la dinámica
del proceso y son importantes para el sistema de control de-signo (véase el capítulo 13 para más información
sobre análisis de la respuesta de frecuencia).
Una secuencia PRBS se caracteriza por dos parámetros: la duración de la secuencia de conmutación
(Nx) y el tiempo de conmutación o periodo de reloj Ts w, que es el tiempo mínimo entre cambios en el
nivel de la señal. Ns es un valor entero positivo, mientras que 7. “, es un múltiplo entero del tiempo de
muestreo a. La señal se repite después de NXT, unidades de tiempo. La secuencia de entrada real es
generado por un conjunto de registros de desplazamiento de n tal que n, = 2" - 1. Esto significa que N,
asume valores específicos, tales como 3, 7, 15, 31, etc. Por ejemplo, para n = 4 y N5 = 15, la secuencia
binaria de entrada es [0, 1, 1, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0], donde "0" representa el menor valor de
entrada y "1" representa el valor de entrada superior. Nx y T .. puede ser determinada a partir de una
información a priori sobre el proceso. Rivera y Jun (2000) han recomendado
directrices para la especificación y Tsw
N5,
2 0,78 T 27 T gom
ns-
5-w
TSW
donde el 91 ,,, y 7k, ““,, son estimaciones altas y bajas de la constante de tiempo dominante. px es un número
entero corre-pondiente al tiempo de establecimiento del proceso (por ejemplo, para t9 $%, Ps = 3; para t99%,
p, = 5, etc.), que disuadir minas la duración de la prueba. Parámetro ot, representa la velocidad de circuito
cerrado esperado de respuesta, expresada como un múltiplo de la velocidad de respuesta en bucle abierto
(normalmente, c 2). Para cambios de entrada arbitrarias tales como PRBS, expresiones analíticas para las
respuestas de los modelos no están disponibles. En consecuencia, los parámetros de modelo d eben ser
estimados utilizando la regresión lineal o no lineal.
Las excepcionales capacidades computacionales del cerebro humano han motivado el concepto de un
NN. El cerebro puede realizar ciertos tipos de computación, tales como la percepción, el reconocimiento
de patrones, y el control motor, mucho más rápido que las computadoras digitales existentes (Su y
McAvoy, 1997; Haykin, 1999). El funcionamiento del cerebro humano es complejo, no lineal, y consiste
en la computación paralela masiva. Sus cálculos se realizan usando constituyentes estructurales llamadas
neuronas y los sinápticas interconexiones-ciones entre ellos (es decir, una red neural). El desarrollo de
las redes neuronales artificiales es un intento aproximado ad-mittedly a imitar este circuito neuronal, con
el fin de lograr algunas de sus ventajas computacionales.
Una red feedfonvard multicapa, es una de las estructuras NN más comunes, se muestra en la Fig. 7.12.
Las neuronas (o nodos) se organizan en capas (entrada, salida, oculto); cada neurona en el oculto
7,3 modelos de red neuronal 173
Yi
2
entradas Y2 salidas
Y3
capa de
salida capa oculta
capa de Figura 7.12 red neural multicapa con tres capas.
entrada
capa está conectada a las neuronas de las capas adyacentes por medio de pesos de conexión. Estos pesos
son parámetros desconocidos que se estiman basándose en la entrada / salida de datos desde el proceso
a ser modelado, el número de parámetros desconocidos puede ser bastante grande (por ejemplo, 50 a
100), y de gran alcance se requieren no lineales algoritmos-gramación pro para ajustarse a los
parámetros a los datos utilizando el de mínimos cuadrados función objetivo (Edgar et al, 2001). Si se
utilizan suficientes neuronas, se puede demostrar que cualquier proceso de entrada-salida se puede
simular con precisión mediante un modelo de red neural (Su y McAvoy, 1997).
Como se muestra en la Fig. 7.13, en cada neurona entradas se recogen de otras neuronas o de los
términos de sesgo, y se evalúa su fuerza o magnitud. Estas entradas se suman entonces y se comparan
con un nivel umbral, y se determina la salida apropiada. El peso de conexión(WO determina la
importancia relativa de esa entrada. La suma de las entradas ponderadas se pasa entonces a un trans -
formación no lineal, como se muestra en la Fig. 7.13. Un tipo de transformación tiene una forma
sigmoidal como se muestra en la figura, aunque hay muchas opciones disponibles,
La formación de una red neuronal consiste en estimar los parámetros desconocidos; este
procedimiento generalmente utiliza datos de funcionamiento normales (a menudo grande datos
conjuntos) tomadas en la región de operación donde se destina el modelo a utilizar. Después se estiman
los parámetros (es entrenado por la red), otro gran conjunto de datos se puede utilizar para validar que
el modelo es adecuado. A veces el modelo NN resultante no es satisfactoria, y los cambios en la
estructura del modelo se debe hacer, a menudo mediante ensayo y error. paquetes de software
comerciales están disponibles a partir de un número de proveedores de software que se centran en las
industrias de procesos; dicho software ahora hace el modelado empírico automático de procesos
complejos factible.
Las aplicaciones avanzadas de redes neuronales se han implementado comercialmente en las zonas de
falla de-tección y el diagnóstico, errores en los sensores, y la modelización dinámica y de control (Su y
McAvoy, 1997). En algunos casos, las redes neuronales se han utilizado para determinar la configuración
del controlador en los sistemas de control avanzados.
Yj
yj 1 r.
-5 5
-1
ui = Señales de
entrada Wu = pesos
yj -- Señal de salida Figura 7.13 diagrama de señal para
una neurona.
174 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
sensores suaves se han convertido en una alternativa atractiva a los altos costos de precisos en línea
de medida-mentos para aplicaciones en modelos empíricos pueden inferir con precisión (es decir,
predecir) las variables no medidas. Por ejemplo, la agencia reguladora del medio ambiente en Texas
permite ahora modelos NN para ser usados para controlar las emisiones de varias unidades de proceso,
tales como calderas de potencia. Los modelos NN utilizan mediciones de variables de entrada y de
salida seleccionados para predecir los contaminantes en las partes por mil millones de nivel (Martin,
1997). En la fabricación de los materiales, la detección en tiempo real de grietas, inclu-siones,
porosidad, dislocaciones, o defectos en materiales metalúrgicos o electrónicos sería muy de-sirable
durante el procesamiento, en lugar de después del procesamiento se ha completado y los productos
defectuosos se envían. El uso de modelos de sensores virtuales para predecir las medidas de control de
calidad,
dy (t) f (y,
u) (7-26)
dt =
donde y es la variable de salida y u es la variable de entrada. Esta ecuación puede ser numéricamente
integrado (aunque con algo de error) mediante la introducción de una aproximación de diferencias finitas
para el derivado. Para ex-amplio, el primer orden, hacia atrás diferencia aproximación a la derivada en t -
kAt es
dy ___ y (k) - y (k - 1) dt
(7-27)
A
,
donde A es el intervalo de integración especificado por el usuario e Y (k) denota el valor de y (t) en t - kAt.
Sustituyendo la Ec. 7-26 en (7-27) y la evaluación f (y, u) a los valores anteriores de y y u (es decir, y (k -
1) y u (k - 1)) da:
y (k) - y (k - 1)
= F (y (k - 1)), u (k - 1)) (7-28)
A
valores extremadamente pequeñas de Al, de redondeo computadora puede ser una fuente significativa
de error (Hanna y Sandall, 1995).
(7-30)
derivar una relación recursiva para y (k) utilizando un primer orden hacia atrás diferencia para dyldt.
T (y (k) y (k - 1))
A y (k - 1) Ku (k - 1) (7-31)
reordenación da
A
Y (k) = (1 -14t) y (k - 1) -F K Reino Unido 1) (7-32)
El nuevo valor y (k) es una suma ponderada del valor y anterior (k - 1) y la anterior entrada
tt (k - 1). ecuación 7-32 también se puede derivar directamente a partir de (7 -29). ■
Como se muestra en los libros de texto de análisis numérico, la exactitud de la ecuación. 7-32 se ve
influenciada por el intervalo de integra-ción. Sin embargo, los modelos de tiempo discreto que implican
no hay errores de aproximación se pueden derivar para cualquier ecuación diferencial lineal bajo el
supuesto de una señal de entrada constante por tramos, es decir, la variable de entrada u se mantiene
constante sobre At. A continuación, desarrollamos métodos de modelado de tiempo discreto que
introducen ningún error de integración para entradas constantes a trozos, sin importar el tamaño del At.
Tales mod-els son importantes en el análisis de los procesos controlados por ordenador, donde las
entradas del proceso son por tramos constante.
La ecuación 7-34 es la solución exacta a la ecuación. 7-30 en los instantes de muestreo, siempre que u
(t) es constante en cada intervalo de muestreo de longitud At. Tenga en cuenta que la salida y continua
(t) no es necesariamente con-constante entre los instantes de muestreo, pero (7-33) y (7-34) proporcionan
una solución exacta para y (t) en los instantes de muestreo, k =
1, 2, 3,
En general, cuando una ecuación diferencial lineal de orden p se convierte en tiempo discreto, una
ecuación dif-ference lineal de los resultados de orden p. Por ejemplo, considere el modelo de segundo
orden:
K (Tas + 1) (7-35)
G (s)
(S) (Tis ) (2s + 1)
176 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
La solución analítica para una entrada constante proporciona la ecuación de diferencia correspondiente,
que también se conoce como un modelo de autogressive con externa (o exógena) de entrada, o modelo
ARX (Ljung, 1999):
En la Ec. 7-36 el nuevo valor de y depende de los valores de y y u en los dos instantes de muestreo
anteriores; por lo tanto, es una ecuación de diferencia de segundo orden. Si 12 = Ta = 0 en NCA. 7-36 a
través 7-40, la ecuación de diferencia de primer orden en los resultados de (7-33).
La ganancia de estado estacionario de la ecuación del modelo diferencia de segundo orden se puede
y
encontrar teniendo en cuenta condiciones de estado estacionario. Y dejar que se denotan los nuevos
valores de estado estacionario después de un cambio de paso en u. Substi-Tüting estos valores en la ecuación.
7-36 da
Debido a que y y u son variables de desviación, la ganancia en estado estable es simplyylii, el cambio de estado estacionario en
y dividido por el cambio de estado estacionario en u. Reordenando la ecuación. 7-41 da
ganancia = = bi b2 (7-42)
u 1- col a2
La sustitución de las ecuaciones. 7-37 a través 7-40 en (7-42) da K, la ganancia de estado estacionario
para el modelo func-ción de transferencia de la ecuación. 7-35.
a partir de datos disponibles en 1) A y (k - 2) At. En el desarrollo de un modelo de tiempo discreto, para- modelo
el momento (k
metros a, a2, BI, y b2 son considerados como desconocido. Se estima aplicando lineales regres-sión para
minimizar el criterio de error en la ecuación. 7-8 después de definir
Considere los datos de respuesta de paso y (k) en la tabla 7.2, que se obtuvieron a partir del Ejemplo 7.3 y
Ejemplo 7.5 Fig. 7.8 para A = 1. Inicialmente, el sistema está en reposo. En t = 0 un cambio de paso unidad en U se produce, pero la
primero cambio de salida no se observa hasta el siguiente instante de muestreo. Estimar
los parámetros del modelo en la ecuación de diferencia de segundo orden (7-36) a partir
de los datos de entrada-salida. Comparar este modelo con los modelos obtenidos en el
Ejemplo 7.3 usando regresión no lineal.
7.5 La identificación de modelos discretos en tiempo de los datos experimentales 177
Tabla 7.2 Paso datos de Tabla 7.3 datos de regresión para el Ejemplo 7.5
respuesta - 0,058 - 0 0 1 0-
k y (k) 0,217 0,058 0 1 1
0,360 0,217 0,058 1 1
1 0,058 0,488 0,360 0,217 1 1
2 0,217 0,600 0,488 0,360 1 1
3 0,360
SOLUCIÓN Para la regresión lineal, hay cuatro variables independientes, y (k - 1), y (k - 2), u (k - 1),
Reino Unido - 2), una variable dependiente y (k), y cuatro parámetros desconocidos (al, az, bi, 62).
Nos estruc-Ture los datos de regresión, como se muestra en la Tabla 7.3 y evaluamos la ecuación.
7-10.
Tabla 7.4 compara los parámetros estimados obtenidos por los dos enfoques. Los resultados re -
progresión lineales se obtuvieron de la ecuación. 7-10. Los resultados marcados de regresión no
lineal se ob-CONTENIDAS mediante el ajuste de un modelo de tiempo continuo
(sobreamortiguado de segundo orden con constantes de tiempo r1 y, r2 y la ganancia K) a los
datos usando regresión no lineal. El modelo de tiempo continuo fue entonces con-verted al
modelo de tiempo discreto correspondiente usando las Ecs. 7-32 a 7-36.
Los parámetros obtenidos a partir de la regresión lineal en la Tabla 7.4 son ligeramente diferentes
de los de regresión no lineal. Este resultado se debe a que para la regresión lineal, se estimaron
cuatro parámetros; con la regresión no lineal se estimaron tres parámetros. La ganancia estimada
para la regresión lineal, K = 1.168, es de aproximadamente 1% mayor que el valor obtenido a partir
de la regresión no lineal.
Tabla 7.5 compara las respuestas simulados para los dos modelos empíricos. La regresión lineal
da un poco mejores predicciones porque se ajusta más parámetros. Sin embargo, en este ejemplo
particular, es difícil distinguir gráficamente entre las tres respuestas modelo de paso. ■
Ejemplo 7.5 ha mostrado cómo podemos encajar un segundo orden diferencia ecuación modelo a los datos
directamente. El enfoque de regresión lineal también se puede utilizar para los modelos de orden superior,
siempre que los parámetros todavía aparecen linealmente en el modelo. Es importante señalar que los valores
de los parámetros estimados dependen del período de muestreo en que se ha seleccionado, que a su vez puede
ser determinada por la frecuencia de recogida de datos.
Una característica atractiva del método de regresión es que no es necesario hacer un cambio de paso en
un fin de estimar los parámetros del modelo. Una variación entrada arbitraria tal como una señal PRBS
(ver Fig.
7,11) durante un período limitado de tiempo sería suficiente. De hecho, un PRBS tiene ciertas ventajas en la
formación de la matriz XTX en la Ec. 7-10 (Rivera y Jun, 2000). En particular, no es necesario forzar al
sistema a un nuevo estado de equilibrio usando una entrada escalón, una característica beneficiosa para
aplicaciones industriales. Otras ventajas de PRBS son que la entrada no se correlaciona con otras tendencias
del proceso y la prueba se puede ejecutar en un período de tiempo más largo que para un cambio de paso en
la entrada.
norte
y (k + 1) - y (0) + hiu (k - i + 1) (7-43)
Tenga en cuenta que una versión equivalente de la ecuación. 7-43 se pueden escribir con y (k) en lugar
de y (k + 1) en el lado de la izquierda (como en la sección 7.4), desplazando el índice hacia atrás un
período de muestreo. Un modelo de tiempo discreto relacionados se puede derivar de la ecuación. 7-43
y se llama
el finito modelo de respuesta de paso, o simplemente el modelo de respuesta escalonada. Para ilustrar esta
relación, consideramos un simple modo de respuesta (finito) de impulso! donde N ---- 3. La ampliación
del plazo de suma en la ecuación. 7-43 da,
Los coeficientes de respuesta de la etapa S, están relacionados con los coeficientes de respuesta de impulso hi
como se muestra en la Fig. 7.14. Por definición, los coeficientes de respuesta de paso son simplemente los
valores de la respuesta y en la toma de muestras en-stants. Tenga en cuenta que los coeficientes de respuesta
de impulso son iguales a las diferencias entre sucesivas coeficientes de respuesta de paso, hi = Si - Si-1. Si
sustituimos porque en términos de Si en (7-44), entonces
Yss = 8N
- - 5
y y (2) = S
y (1) Si h2
h1
Figura 7.14 La relación entre la respuesta al escalón (S
A 7En 3It 4En 5En y respuesta al impulso (alta) coeficientes de la situación en la que
Hora y (0) = 0.
7.5 La identificación de modelos discretos en tiempo de los datos experimentales 179
Definición de Au (k) Reino Unido) Reino Unido - 1), nos encontramos con que la Ec. 7-46 se convierte
Del mismo modo, el modelo de respuesta de paso que se corresponde con el modelo de respuesta de
impulso completo en la Ec. 7-43 viene dada por:
N-1
y (k + 1) = y (0) + Siart (k - + 1) + SNU (k - N + 1) (7-48)
Cuando se deben seleccionar una respuesta de paso o modelo de respuesta de impulso? En primer lugar,
este tipo de modelo es el uso-ful cuando se desconoce el orden del modelo real o retardo de tiempo, ya que
esta información no es necesaria para
Hora de caminar, k sk
0 0.0000
1 0.1813
2 0.3297
3 0.4513
4 0.5507
5 0.6322
6 0.6989
7 0.7535
8 0.7982
9 0.8348
10 0.8647
15 0.9502
20 0.9817
25 0,9933
30 0.9975
35 0.9991
40 0.9997
45 0.9999
49 1.0000
180 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
paso modelos de respuesta. Los parámetros del modelo pueden calcularse directamente mediante
regresión lineal. Sec-ond, paso o modelos de respuesta de impulso son apropiados para los procesos que
exhiben inusual dinámica ser-comporta- que no puede ser descrito por los modelos de bajo orden
estándar. Consideramos un ejemplo siguiente.
Se obtuvieron los datos industriales que se muestran en la Fig. 7,15 para una prueba de paso de una columna de
destilación en una
Ejemplo 7.6 unidad de recuperación de gas. La entrada es la presión de la columna, la salida es la composición analizador, y
el período de muestreo es AT = 1 min (120 puntos de datos). Obtener los siguientes modelos para
el cambio de paso unidad en la entrada:
(1) modelo de respuesta Paso con 50 coeficientes
(2) tiempo discreto modelo ARX:
K (1 - .R $.) E-ES
GRAMO -
`S) (Ns + 1) (72s + 1)
SOLUCIÓN Figura 715 compara las cuatro respuestas de modelo con los datos experimentales. Excel se utilizó para
ajustar los modelos 3 y 4, mientras que se utilizó la regresión lineal para los modelos 1 y 2. Un
modelo de respuesta de paso con 50 coeficientes (y A - 2 min) proporciona una respuesta predicha
que es indistinguible de los datos experimentales (línea continua); se muestra como Modelo LA
modelo de respuesta de paso con 120 coeficientes y A = 1 min proporcionaría un ajuste exacto de
los 120 puntos de datos.
Modelos 2, 3, y 4 son los siguientes;
(2) y (k) = 3.317y (k - 1) - 4.033y (k - 2) + 2.108y (k - 3) + 0.392y (k - 4) - 0,009224 (k -
1)
+ 0,03224 (k - 2) - 0.0370u (k - 3) + 0,014114 (k - 4)
0.082e-44.8v
(3) G (11 - 7.95s + 1
0,088 (1 - 12.2.5) e-25,7'
(4) G (s) - 109.2s2 + 23.1s + 1
0.3
0.08
0.06
Modelo 2 da un ajuste adecuado a excepción de la respuesta inversa inicial (un artefacto cerca
de t = 0). Modelos 3 y 4 proporcionan aproximaciones pobres de la respuesta para tn 25. Sin
embargo, modelos 3
y 4 puede ser adecuado para el diseño de controladores simples. ■
yt = Gt1U1
Y2 = G21U1
Y3 = GMUI
pueden obtenerse utilizando las técnicas descritas en la Sección 7.2. En una manera similar, el paso cambia
enU2 y U3 puede ser introducido con el fin de determinar la otra Go. Alternativamente, los modelos de
tiempo discreto se pueden desarrollar para cada par de entrada-salida, como se discutió anteriormente en
esta sección, usando técnicas de regresión lineal. Véase el capítulo 20 para una discusión de cómo tales
modelos son desarrollados y utilizados en cálculos modelo de controlador de pre-predictivos.
También es posible utilizar PRBS obligando a obtener modelos MIMO. Para generar una señal PRBS multi-
entrada, es deseable que los cambios de entrada sean independientes. Una forma de lograr esto es poner en
práctica "desplazado" o versiones de una sola señal PRBS en cada entrada retardada. Esto significa que si una
prueba PRBS de entrada única re-manos de papel de 20 horas, una prueba de tres entradas está diseñado para
tomar tres veces más largo. Hokanson y Gerstle (1992) sugieren que deben hacerse unos 20 mueve totales en
cada variable independiente.
Modelos lineales de tiempo discreto también pueden ser desarrollados que incluyen los efectos de las
perturbaciones estocásticas no medidos. Por ejemplo, separada modelos de procesos y modelos de
perturbación, también llamados modelos de ruido, se pueden obtener a partir de datos (Ljung, 1999). En
este caso, el término de errormi en la ecuación. 7-1 no es ruido blanco, pero el ruido de color que se
autocorrelación. En otras palabras, hay dinámicas de perturbación subyacente que causa electrónico a
depender de los valores anteriores. Esta clase de modelos se llama modelos ARMAX, por autoregres-siva
media móvil con entradas exógenas (Ljung, 1999).
Una variedad de modelos de tiempo discreto no lineales también se han utilizado en el control de
procesos (Pearson, 1999). Incluyen las redes neuronales discutidos en la Sección 7.3, así como modelos
no lineales obtenidas mediante la adición de términos no lineales a los modelos lineales de la sección
anterior.
RESUMEN
Cuando los modelos teóricos no están disponibles o son muy complicadas, modelos de procesos empíricos
proporcionan una alternativa viable. En estas situaciones, un modelo que es suficientemente preciso para
el diseño de sistema de control de frecuencia puede obtenerse a partir de datos experimentales. datos de
respuesta Paso pueden ser analizados gráficamente o por ordenador (regresión no lineal) para obtener un
modelo de primer o función de transferencia de segundo orden. modelos de tiempo discreto en la forma
de ecuaciones en diferencias lineales se utilizan con frecuencia en el control de procesos, estos modelos
se pueden obtener fácilmente mediante el ajuste de los datos de respuesta experimentales de mínimos
cuadrados.
Referencias
Draper, NR, y H. Smith, Análisis de Regresión Aplicada, 3ª ed., Pearson, RK, tiempo discreto modelos dinámicos, Universidad de
Wiley, Nueva York, 1998. Oxford
Edgar, TF, DM Himmeblau, y LS Lasdon, Optimización Press, Nueva York, 1999.
de procesos químicos, 2ª ed., McGraw-Hill, Nueva York, 2001. Ramchadran, S., y RR Rhinehart, Do Redes Neuronales Oferta
Godfrey, K. (Ed.), señales de perturbación para la identificación del ¿Algo para ti? InTech, 42 (11), 59 (1995).
sistema, Rangaiah, GP y PR Krishnaswamy, Estimador de segundo
Solicitar Dead Parámetros de tiempo Desde Underdanape,
Prentice-Hail, Englewood Cliffs, NI (1993). Proceso d
Hanna, 0. T., y 0. C. Sandell, Métodos Computacionales en de Los transitorios, Chem. Ing. Sci., 51, 1149 (1996).
Sustancias y Rangaiah, GP y PR Krishnaswamy, Estimador de segundo
Cal Ingeniería, 9, Prentice-Hall, Englewood Cliffs, NJ, 1995. Pedido más muertos parámetros del modelo de tiempo, Ind. Eng.
Haykin, SS, Redes Neuronales: Una Fundación Integral, segundo Chem. Res.,
ed., Prentice-Hall, Upper Saddle River, Nueva Jersey, 1999. 33, 1867 (1994).
Hokanson, DA, y JG Gerstle, Dynamic Matrix Control de Mut- Rivera, DE, y KS Jun, una identificación y control integrados
Controladores Jivariable, en Práctico control Destilación, W. L Metodología de Diseño de Aplicaciones del sistema multivariable de
Luyben (Ed.), Van Nostrand Reinhold, Nueva York (1992), p. 248. procesos,
Ljung, L., identificación del sistema :. Teoría para el Usuario, 2d ed., IEEE Sistemas de Control Soc. Revista,20 (3), 25 (2000). Smith, CL,
Pren- Proceso de Control Digital Computer, inTEXT, Scranton,
CEREMONIAS
A.M. Después de eso, la respuesta en T es bastante rápida, (A) Desde el tiempo necesario para que la salida para llegar
ralentizando gradualmente hasta que parece alcanzar un 63,2% del cambio total.
valor de estado estacionario de 124,7 ° C. El texto de (B) A partir de la pendiente inicial de la curva de
ayuda en el libro de registro que no hay ningún cambio respuesta. (C) A partir de la pendiente de la re-
después de las 3:34 Qué función de transferencia incompleta fracción
aproximada podrían usarse para relacionar la
temperatura a la velocidad de flujo de este proceso en curva SPUE.
ausencia de información más precisa? Lo que el operador (D) Comparar los tres modelos mediante la simulación
debe hacer la próxima vez para obtener una mejor de su paso
estimación? respuestas.
n Hora
(Min)
h
(pie)
Hora
(Min)
h
(pie)
10.0
8,0
6.0
(C)
7.5 Montar un modelo integrador más el tiempo de retardo a la 4.0
respuesta c imTh paso unidad de la Figura E7.5 para ts 15. la 2.0
respuesta al escalón
0
10 15 20 25
ha sido normalizado por la ganancia en estado estable. Com- Tiempo (min)
Pare la respuesta experimental con la respuesta pre-
pronosticadas a partir del modelo. Figura E7.7
0.8
0,6
Salida
0.4 (A) ¿Cuál es la forma de la respuesta del proceso a un
0.2 paso
cambio en la entrada de magnitud ¿METRO?
[ yo l yo
Usted no necesita
o 10 15 20 25 encontrar y (t) explícitamente.
Tiempo (min)
(segundo) Calcular la respuesta de salida, y (t). Mostrar
Figura E7.5 cómo se
podría evaluar los parámetros K y r' de la
parcela de la respuesta de salida.
7.6 Para la etapa de unidad respuesta se muestra en la Fig.
E7.5, estimación 7.9 una columna de destilación se hace funcionar en
! . ..._, los siguientes modelos usando métodos gráficos: estado estacionario
condiciones con una velocidad de flujo de 9.650 lb / h
de destilado
producto. El operador cambia repentinamente la
presión del vapor rehoiler de 92 psig a
95 psig para aumentar la
184 Capítulo 7 Desarrollo de modelos empíricos de Proceso de Datos
170
160
T (° C) 150
140
130
0 20 40 60 80 100 120 140
Tiempo (min) Figura E7.10
tasa de producción de destilados. Exactamente una Comparar los resultados integrados para 0 <ts 10.
hora y 45 minutos más tarde se da cuenta de que la Examen-ine si AT = 0.1 mejora el modelo de
tasa de flujo de destilado ha alcanzado su pico en un diferencias finitas.
valor de 9.970 lb / hr. Después de un período
adicional de tiempo, durante el cual la velocidad de
flujo oscila algo, que eventualmente se deposita en
7.12 Los siguientes datos se recogieron a partir de una concen-
un valor de 9.890 lb / hr. Si el proceso se puede
célula
suponer que la aproximación de la dinámica del
sensor tración midiendo la absorbancia en un bioquímica
sistema de segundo orden amortiguadas bajo-:
corriente. La entrada x es la desviación velocidad de
flujo (en unidades de di-mensionless) y la salida del
(un) Muestran que el tiempo hasta el primer pico (tp) sensor y se da en voltios. La velocidad de flujo
viene dada por
(entrada) es constante a trozos instantes de muestreo
tp = ITT / J1 - V.
ser-Tween. El proceso no es en estado estacionario
(segundo) Encontrar la función de transferencia relativa a
Sal wh (Ps es inicialmente, por lo que y puede cambiar a pesar de que
presion de vapor al rehervidor; wr es el destilado x = 0.
tasa de flujo de masa).
(do) Determinar el tiempo de establecimiento proceso
mediante el cri-
terion en la Fig. 5.10.
7.10 (A) ¿Qué función de transferencia describe Tabla Tiempo
aproximadamente
la operación del proceso en la Fig. E7.10? E7.12 (s)
Proporcionar
0 0 3,000
unidades para todos los parámetros.
1 3 2,456
(B) Si se ha utilizado una entrada de rampa en
lugar, Q'= Bt con 2 2 5.274
B> 0, lo que sería la forma de la temperatura 3 1 6,493
¿respuesta? Dibuje la respuesta sin encontrar la 4 0 6.404
solución analítica y el estado de algunos argumentos 5 0 5.243
de apoyo. 6 0 4.293
7 0 3,514
7.11 Considere la ecuación diferencial de primer orden 8 0 2,877
9 0 2,356
10 0 1.929