AGRADECIMIENTOS

A Dios por permitirme llegar a este momento importante en mi carrera profesional,

manteniéndome vivo y con mi familia junto a mí.

Agradezco a mi esposa Maricela por su paciencia y amor, necesario para darme todo el apoyo
que necesité para poder terminar con los estudios de Doctorado, teniendo que soportar malos
ratos. Ella es la fuerza que me impulsa a seguir adelante.

A mis hijas, Angélica Abigail y Maricela Eliana, quienes son mi inspiración y la alegría de mi
hogar. A ellas y a mi esposa Maricela, dedico este momento, sin olvidar al bebé (o bebés) que
desafortunadamente perdimos antes de que naciera(n), pero que no olvidaré y siempre tendrá(n)
un lugar especial en mi corazón.

A mis padres, Juan Ramos y Ma. de la Luz, quienes me dieron la vida, me educaron y me
enseñaron las bases morales que me han permitido llegar hasta este momento con éxito y de
quienes siempre he tenido apoyo incondicional, y a quienes amaré siempre.

A mis hermanos, Enrique, Marco Antonio y Carlos Alberto, que a pesar de las distancias y
diferencias de ideas, los quiero, y sé que siempre me han apoyado en los momentos difíciles y
han estado conmigo en los alegres.

A los Doctores José Emilio Vargas, Jesús Carlos Pedraza, René de Jesús Romero y Efrén
Gorrostieta, de quienes recibí un gran apoyo y orientación a lo largo de los cuatro años de
estudios, sin lo cual, este momento no hubiera sido posible, en especial el Dr. Pedraza.

A mi jefe, el M. en C. Bernardo Ramírez por el apoyo y confianza otorgados, así como a las
autoridades administrativas de la Universidad Tecnológica de San Juan del Río, que me
permitieron iniciar estos estudios hace cuatro años, dándome el apoyo que en su momento
solicité.

A Francisco Hernández (Paco), de quien tuve un gran apoyo en la fabricación del prototipo base
de este proyecto, quien junto con Alberto Chávez y Marco Olivo, me han acompañado en el
desarrollo de diversos proyectos. Igualmente, agradezco a Benita, Luz María, Jacqueline,
Ricardo, Elias, Cuitláhuac, Rufino y Rafael, compañeros de trabajo, quienes me dieron el apoyo
otorgado a lo largo de este tiempo.

A Jorge Alberto y Luciano, con quienes tuve la oportunidad de convivir y trabajar en CIDESI,
agradeciendo su amistad.

i
CONTENIDO

CAPÍTULO 1. INTRODUCCIÓN .........................................................................................................1

1.1. Antecedentes ............................................................................................................................2
1.2. Generación de movimiento. ......................................................................................................5
1.3. Introducción al Control. .............................................................................................................7
1.4. Motivación y Objetivo de la Investigación. ................................................................................7
1.5. Resumen del Trabajo ................................................................................................................9
CAPÍTULO 2. ANTECEDENTES ...................................................................................................... 11
2.1. Revisión del trabajo pasado.................................................................................................... 12
2.2. El Actuador Neumático con Amortiguamiento en los Extremos ............................................. 15
2.3. El Modelo Termomecánico ..................................................................................................... 17
2.4. Simplificando el flujo másico. ..................................................................................................19
2.5. Simplificando las ecuaciones del modelo Termomecánico. ................................................... 22
2.6. El modelo Termomecánico Simplificado. ................................................................................ 23
CAPÍTULO 3. CONTROL.................................................................................................................. 26
3.1 Control Lineal. .........................................................................................................................27
3.2 Control Inteligente. ..................................................................................................................30
3.3 Control Discreto ......................................................................................................................32
CAPÍTULO 4. PROPUESTA DE CONTROL .................................................................................... 33
4.1. Metodología ............................................................................................................................34
4.2. Algoritmo de Control ...............................................................................................................36
4.3. Control PID..............................................................................................................................37
4.4. Propuesta de Control PID utilizando Retroalimentación de Cambios de Velocidad ..............41
4.5. Control PID con Lógica Difusa ................................................................................................43
4.6. Control Neuronal-PID..............................................................................................................56
4.7. Resultados prácticos. ..............................................................................................................58
4.8. Publicaciones científicas .........................................................................................................69
CAPÍTULO 5. CONCLUSIONES Y TRABAJO FUTURO ................................................................. 71

REFERENCIAS ........................................................................................................................................ 74
ANEXOS................................................................................................................................................... 78

ii
 INDICE DE FIGURAS
Figura 1. Robots móviles. .................................................................................................................. 3
Figura 2. Evolución de los robots bípedos......................................................................................... 3
Figura 3. Robots domésticos. ............................................................................................................ 4
Figura 4. Robot industrial robusto. ..................................................................................................... 4
Figura 5. Manipulador flexible. ........................................................................................................... 5
Figura 6. Interacción entre el controlador la planta. ......................................................................... 7
Figura 7. Actuador neumático con amortiguamiento en los extremos. ........................................... 16
Figura 8. El actuador neumático con amortiguamiento en los extremos. ....................................... 16
Figura 9. Resultado de la aproximación polinomial de orden 2, comparada con la curva original. 22
Figura 10. Modelo original vs. Modelo con polinomios y flujo másico de tercer orden. .................... 24
Figura 11. Diagrama a bloques de un controlador PID. .................................................................... 27
Figura 12. Metodología de control del actuador neumático para el manipulador flexible. ................ 34
Figura 13. Sistema neumático-mecánico de un robot flexible con un grado de libertad. .................. 35
Figura 14. Sistema de control neumático. (a) Esquema de conexión. (b) División en tres zonas de
trabajo. ............................................................................................................................. 36
Figura 15. Control del ángulo θ del brazo flexible, usado con el movimiento del mecanismo. ......... 37
Figura 16. Resultado de utilizar un control PID clásico. (a) Respuesta del ángulo θ. (b) Respuesta
de la velocidad angular del brazo flexible. ...................................................................... 38
Figura 17. Resultado de la propuesta de control con un algoritmo PID Discreto. (a) ángulo de salida
del brazo flexible. (b) Desempeño de la velocidad angular del brazo. ........................... 41
Figura 18. Controlador de posición con retroalimentación de los cambios de velocidad.................. 42
Figura 19. Resultado de la propuesta de control retroalimentando al controlador PID los cambios
de velocidad del brazo flexible. (a) ángulo de salida del brazo flexible. (b) Desempeño
de la velocidad angular del brazo. ................................................................................... 43
Figura 20. Diagrama a bloques del control Difuso-PID ..................................................................... 44
Figura 21. Conjunto difuso para la constante de control Kp. ............................................................. 47
Figura 22. Conjuntos difusos para la constante de control Kv. .......................................................... 47
Figura 23. Conjunto de reglas difusas para K3. ................................................................................. 48
Figura 24. Resultado de utilizar lógica difusa para determinar las ganancias del controlador PID. . 50
Figura 25. Comparación del controlador PID con y sin lógica difusa. ............................................... 50
Figura 26. Diagrama a bloques del controlador difuso. ..................................................................... 51
Figura 27. Funciones miembro para las variables de entrada y salida de la tabla 17. ..................... 53
Figura 28. Respuesta de la planta al controlador difuso. .................................................................. 55
Figura 29. Comparación de la respuesta de la planta con un controlador Difuso vs. controlador
Difuso-PID. ...................................................................................................................... 55

iii
Figura 30. Diagrama a bloques del controlador Neuronal-PID.......................................................... 57
Figura 31. Resultado de la simulación del controlador Neuronal-PID. .............................................. 58
Figura 32. Diagrama a bloques utilizado para controlar el actuador neumático. .............................. 60
Figura 33. Diagrama a bloques de la descripción en hardware para el FPGA. ................................ 61
Figura 34. Arquitectura PD utilizada para controlar el flujo de aire con la válvula proporcional. ...... 62
Figura 35. Prototipo del robot manipulador flexible. (a) Vista general. (b) Mecanismo impulsor. (c)
Sensor de posición. ......................................................................................................... 64
Figura 36. Hardware utilizado en la implementación del controlador del robot manipulador flexible. .
...................................................................................................................................... 65
Figura 37. Respuesta al escalón en la zona inferior Z1. .................................................................... 67
Figura 38. Respuesta al escalón y la referencia en la zona media. .................................................. 67
Figura 39. Respuesta al escalón y la referencia en la zona superior Z2. .......................................... 67
Figura 40. Resultado del proceso de control PD para el manipulador flexible.................................. 68
Figura 41. Comportamiento del error del proceso de control de posición del robot manipulador
flexible.............................................................................................................................. 68

iv
 INDICE DE TABLAS
Tabla 1. Historia de los manipuladores flexibles. ........................................................................... 13
Tabla 2. Historia del control neumático. ......................................................................................... 14
Tabla 3. Valores conocidos del actuador neumático. ..................................................................... 18
Tabla 4. Valores de la constante de flujo. ...................................................................................... 20
Tabla 5. Valores de R utilizados para evaluar la ecuación (2.5). ................................................... 21
Tabla 6. Valores de los coeficientes de la ecuación 2.5 para el flujo másico. ............................... 21
Tabla 7. Coeficientes de correlación entre el modelo original y aproximaciones polinómicas del
flujo másico. 21
Tabla 8. Resultados comparativos entre el modelo original, y un equivalente polinomial, con
diversas aproximaciones del flujo másico. ............................................................................................. 23
Tabla 9. Valores de las constantes de control utilizadas con un PID clásico. ............................... 38
Tabla 10. Valores aplicados a las constantes de control. ................................................................ 42
Tabla 11. conjunto de reglas difusas utilizadas para Kp. .................................................................. 46
Tabla 12. Conjunto de reglas difusas utilizadas para Kv. ................................................................. 46
Tabla 13. Conjunto de reglas para K3............................................................................................... 48
Tabla 14. Variables de entrada y salida al proceso difuso. .............................................................. 51
Tabla 15. Vértices de las funciones para las variables de entrada REFERENCIA y ÁNGULO. ..... 52
Tabla 16. Vértices de las funciones para las variables de salida A1 y A3. ....................................... 52
Tabla 17. Vértices de las funciones para la variable de entrada ERROR. ...................................... 52
Tabla 18. Conjunto de reglas difusas usadas en el proceso de control del actuador neumático. ... 54
Tabla 19. Valores de los parámetros utilizados en el control PD. .................................................... 66
Tabla 20. Características del control del manipulador flexible de un grado de libertad. .................. 67
Tabla 21. Publicaciones presentadas in extenso. ............................................................................ 69
Tabla 22. Publicaciones realizadas en Revistas Internacionales..................................................... 69
Tabla 23. Publicaciones realizadas en capítulos de libros. .............................................................. 70

v
CAPÍTULO 1. INTRODUCCIÓN

1
1.1. Antecedentes

La palabra “robot”, es de origen checo y significa siervo o esclavo; fue inventada por
el escritor checo Karel Capek (1890-1938) en su obra teatral R.U.R., estrenada en
Europa en 1920. El concepto de máquinas automatizadas se remonta a la
antigüedad, con mitos de seres mecánicos vivientes. Los autómatas, o máquinas
semejantes a personas, ya aparecían en los relojes de las iglesias medievales, y los
relojeros del siglo XVIII eran famosos por sus ingeniosas criaturas mecánicas.

El primer auténtico controlador realimentado fue el regulador de Watt, inventado en

1788 por el ingeniero británico James Watt. Este dispositivo constaba de dos bolas
metálicas unidas al eje motor de una máquina de vapor y conectadas con una válvula
que regulaba el flujo de vapor. A medida que aumentaba la velocidad de la máquina
de vapor, las bolas se alejaban del eje debido a la fuerza centrífuga, con lo que
cerraban la válvula. Esto hacía que disminuyera el flujo de vapor a la máquina y por
tanto la velocidad.

El desarrollo del brazo artificial multiarticulado, o manipulador, llevó al robot moderno.

El inventor estadounidense George Devol desarrolló en 1954 un brazo primitivo que
se podía programar para realizar tareas específicas. En 1975, el ingeniero mecánico
estadounidense Victor Scheinman, cuando estudiaba la carrera en la Universidad de
Stanford, en California, desarrolló un manipulador polivalente realmente flexible
conocido como Brazo Manipulador Universal Programable (PUMA, siglas en inglés).
El PUMA era capaz de mover un objeto y colocarlo en cualquier orientación en un
lugar deseado que estuviera a su alcance. El concepto básico multiarticulado del
PUMA es la base de la mayoría de los robots actuales.

Los robots se clasifican de acuerdo a sus características, entre las que están:

Móviles: Se caracterizan por tener ruedas y desplazarse a nivel del suelo. Este tipo
de robots se pueden desplazar de manera autónoma, otros controlados por radio

2
 frecuencia e inclusive, guiados por cables. La figura 1 nos muestra este tipo de
robots.

Figura 1. Robots móviles.

Caminantes: Estos robots se caracterizan por tener dos puntos de apoyo para su
movimiento, así como una apariencia similar al cuerpo humano y se les denomina
también Robots Bípedos. La figura 2 muestra la evolución que han tenido este
tipo de robots.

Figura 2. Evolución de los robots bípedos.

Caseros: Estos robots son utilizados en el hogar para entretenimiento o para la

realización de tareas como limpieza. La figura 3 muestra algunos ejemplos de
este tipo de robots.

3
 Figura 3. Robots domésticos.

Industriales: Son de uso rudo, pesados, y generalmente utilizan motores eléctricos

como actuadores del movimiento. Generalmente funcionan las 24 horas del día y
tienen una alta precisión en su movimiento. La figura 4 muestra un robot industrial
robusto.

Flexibles: Son robots ligeros y generalmente los actuadores son motores eléctricos.
El manipulador flexible de la figura 5 utiliza un actuador neumático para la
generación del movimiento, así como un brazo de PVC, lo que lo hace ligero y
marca la diferencia con los manipuladores de este tipo de robots.

Figura 4. Robot industrial robusto.

4
 Figura 5. Manipulador flexible.

1.2. Generación de movimiento.

La mayoría de los actuadores utilizados para el movimiento de los robots

mencionados, son eléctricos, por la facilidad de requerir únicamente energía
eléctrica, a diferencia de los actuadores neumáticos e hidráulicos que requieren un
compresor de aire y una bomba hidráulica, respectivamente. Sin embargo, el utilizar
un actuador neumático ó hidráulico puede tener sus ventajas importantes. Festo 0
hace una comparación entre los actuadores neumáticos y eléctricos, así como
Constantinos 0 quien además hace la comparación con actuadores hidráulicos. A
continuación se mencionan las ventajas y desventajas principales de cada tipo de
actuador, de acuerdo a ambos reportes.

HIDRÁULICOS: Este tipo de actuadores son utilizados donde los sistemas

robotizados requieren una alta capacidad de carga, como sería en aplicaciones
nucleares y bajo el agua. Trabajan con aceite especial y el sistema requiere de
líneas de retorno del aceite a un recipiente especial donde una bomba utiliza el
mismo aceite para enviar la presión al actuador. La compresibilidad de los
líquidos usados es mínima, por lo que, desde el punto de vista de control, se
convierte en un sistema lineal. Sin embargo, los mayores problemas en el uso de
estos sistemas, es la contaminación del fluido dentro del sistema así como en el
medio ambiente. Los líquidos hidráulicos son inflamables y se requiere mucho
mantenimiento para mantener en buen estado todo el sistema, donde los
actuadores hidráulicos corren el riesgo de daños en la parte interna, debido al
cambio de temperatura de los fluidos, y a la generación de vapores que se

5
 introducen en los poros del metal, que puede provocar desprendimientos de
pequeñas partículas metálicas al interior de la cámara.

NEUMÁTICOS: Utilizan gases compresibles como medio de transmisión de energía,

y generalmente es el aire del medio ambiente. La presión en las cámaras es
menor que en los sistemas hidráulicos, lo que resulta en una menor capacidad de
fuerza. Los sistemas neumáticos son similares a los hidráulicos, pero cuando se
usa neumática, no es necesario líneas de retorno de aire. Los sistemas
neumáticos han sido usados en robots cuando se requiere que el robot sea ligero,
pequeño, y con una relación de potencia-peso relativamente alta. La neumática
es limpia y no es inflamable, el mantenimiento es sencillo y a menor costo.
Debido a la compresibilidad del fluido, el sistema de control es diferente de un
actuador hidráulico, derivando en un control no lineal.

ELÉCTRICOS: Normalmente hablamos de motores, y la energía que requieren

puede ser almacenada fácilmente, especialmente en el uso de baterías, sin
requerir de bombas de presión, líneas de retorno, válvulas controladoras del
sentido de movimiento. Los motores eléctricos se pueden adaptar más fácilmente
al medio ambiente, y todo el sistema de control ocupa menos espacio que un
sistema hidráulico ó neumático. Son fáciles de instalar, limpios y no generan
demasiado ruido, comparado con los sistemas hidráulicos y neumáticos. Sin
embargo, los motores eléctricos tienen la gran desventaja de producir un torque
demasiado pequeño, comparado con su tamaño, peso y consumo eléctrico.

Debido a que la mayoría de las empresas establecidas en México, utilizan la

neumática como un medio de generar potencia y movimiento, ya sea para retener
piezas mediante la activación de actuadores neumáticos, o tomar piezas de una
determinada posición y colocarlas en otro punto distinto, es interesante el poder
ampliar las aplicaciones de la neumática hacia la robótica, que aún es poco utilizada.
El principal problema que presentan los sistemas neumáticos es la alta no linealidad
generada por la compresibilidad del aire, por lo que para controlar la posición del
actuador neumático, es necesario utilizar técnicas de control no convencionales.

6
1.3. Introducción al Control.

Los sistemas de control tienen una gran variedad de aplicaciones en la industria,

especialmente en los procesos industriales. La figura 6 muestra la interacción entre
la planta y el controlador, de una manera simplificada.

+ U(s) Y(s)
R(s) Controlador G(s)
-
Retroalimentación
Figura 6. Interacción entre el controlador la planta.

El control se clasifica en lineal y no lineal. En la industria, los sistemas lineales son

controlados normalmente con un algoritmo PID, pues resuelve la mayoría de los
problemas de control, e inclusive en algunos casos, puede ser suficiente para
controlar algunos procesos no lineales. El control no lineal utiliza en algunos casos
algoritmos de control con lógica difusa, redes neuronales e inclusive algoritmos
genéticos, y en muchos casos, estos algoritmos son utilizados para obtener el valor
de los parámetros de control de un algoritmo PID, obteniendo combinaciones de
control como el Difuso-PID. También se llegan a utilizar combinaciones de estas
técnicas, por ejemplo, el control neuro-difuso.

1.4. Motivación y Objetivo de la Investigación.

Las líneas aéreas de alta tensión y las subestaciones eléctricas requieren del uso de
aisladores de porcelana y vidrio. Cuando estos aisladores se contaminan, su función
aislante disminuye porque el material contaminante se mezcla con el agua formando
un electrolito que por ser conductor, crea bandas secas, arcos eléctricos y falla del
aislador. Este tipo de aisladores se considera como uno de los bienes de las
reservas de las empresas Petróleos Mexicanos (PEMEX), y Comisión Federal de
Electricidad (CFE), con prioridad No. 1 de acuerdo a los tratados de libre comercio
que tiene suscritos el Gobierno de los Estados Unidos Mexicanos.

La mejor solución a este problema es lavar el aislamiento con un líquido dieléctrico

seguido de la aplicación de un recubrimiento a base de agua y silicón para repeler el

7
polvo y la humedad, evitando así la falla. Sin embargo, la técnica más simple para
llevar a cabo dicha limpieza es cortando la energía eléctrica en la línea, permitiendo
la limpieza a mano, o con ácidos. Si no se puede cortar la energía, se utiliza algunas
otras técnicas, pero no tienen la eficiencia deseada.

La compañía Aplicaciones SILIDRIEL S. A. de C. V. desarrolló y patentó una técnica

que permite el lavado en vivo con una gran calidad. Esta técnica incluye la aplicación
de un recubrimiento de silicón llamado SILIDRIEL, con excelentes resultados.

El trabajo de lavado y aplicación en vivo se hace con pértigas dieléctricas, manejada

por un operador diestro, con muchas precauciones, y una supervisión constante de
otros trabajadores para evitar accidentes por descuidos. La técnica es relativamente
segura si se tienen todos los cuidados y se sigue el procedimiento con formalidad. La
desventaja, sin embargo, es que se requiere soportar la pértiga con guantes
dieléctricos, dentro de un traje dieléctrico independientemente del calor o del frío y en
posiciones a veces incómodas, lo que resulta muy cansado para el operario,
reduciendo la eficiencia y propiciando la posibilidad de cometer un error.

Las principales características de este tipo de lavado son las siguientes:

Para la limpieza de aisladores cerámicos, con las líneas eléctricas de alta tensión
energizadas, se requiere un considerable desgaste humano y sistemas
especiales de protección por tratarse de una tarea de alto riesgo para las
personas.

Si se considera el uso de un robot manipulador, ligero y cuyos movimientos sean

fáciles de controlar para un operario, se puede reducir de forma significativa la
posibilidad de accidentes para el operador, que pueden costar una vida humana.

Es novedoso orientar el diseño y la aplicación de un robot manipulador a una

actividad en la que este tipo de máquinas no están siendo aplicadas actualmente
en ninguna parte del mundo. Existen algunos robots, pero son orientados a dar un
mantenimiento diferente al que se propone en este trabajo.

8
Debido al tipo de trabajo a que se enfocará este tipo de robot, el material de sus
eslabones principales, y su estructura, no deben permitir el paso de la corriente
eléctrica, por lo que se requiere de un material dieléctrico lo suficientemente apto
para aislar los voltajes de alta tensión de las líneas eléctricas, y un peso menor a
los 50 Kgs. Debido a estas necesidades, los eslabones se consideran flexibles y
los elementos de actuación serán neumáticos.

El actuador neumático se encarga de generar la fuerza necesaria para que el brazo

dieléctrico se ubique en el ángulo adecuado para la tarea, considerando que
solamente se está trabajando en este momento un grado de libertad del manipulador.
Se considera trabajar con un actuador con amortiguamiento en los extremos para
que al llegar el vástago al extremo, lo haga con mayor suavidad.

El objetivo general de esta investigación es el desarrollo de algoritmos de control

para un actuador neumático, aplicado en un robot flexible de un grado de libertad (un
solo eslabón). La innovación que se presenta en este trabajo es la aplicación
conjunta de diversas líneas de investigación, como son: manipuladores flexibles,
control neumático y sistemas embebidos, así como simulación de procesos. El
control se enfoca principalmente al actuador neumático, considerando que la
posición del vástago es proporcional al ángulo de la posición del brazo. Como
contribución de este trabajo, tenemos una herramienta que nos permite conocer, por
medio de simulación y animación, el comportamiento de un manipulador flexible con
un actuador neumático: Así mismo, tenemos la implementación de un controlador
embebido en un dispositivo lógico programable, conocido como arreglo de
compuertas programable (FPGA). Se presentan diversas propuestas de control, que
incluyen un PD convencional, un controlador inteligente a base de Lógica Difusa y
Redes Neuronales, y una combinación de ellas.

1.5. Resumen del Trabajo

En el capítulo 2, se realiza una extensa revisión de los trabajos pasados, realizados

en el área de control neumático y de robots flexibles. De esta manera, se establece
que se han realizado trabajos de control neumático, algunos de ellos en robots

9
ligeros. También se ilustra el desarrollo que ha tenido la investigación sobre
manipuladores flexibles, donde normalmente se utilizan actuadores eléctricos, siendo
este trabajo de los primeros que combinan ambas líneas de investigación.

El capítulo 3 presenta el modelo termomecánico simplificado, que forma parte de la

contribución de este trabajo, que muestra un actuador neumático con
amortiguamiento en los extremos, como la fuente de poder para mover el brazo
flexible. Se realiza una simplificación del modelo, para agilizar la ejecución del
proceso de simulación del sistema a controlar. Haciendo uso del modelo matemático
simplificado, se llevan a cabo algunas simulaciones del sistema, y se mencionan
algunas técnicas de modelación y simulación.

Las propuestas de control se presentan en el capítulo 4, donde se utilizan técnicas

PID y PID-Difuso. Se muestran también resultados experimentales prácticos así
como una comparación con los resultados de simulación. La implementación del
control PID se realiza en una tarjeta de desarrollo Spartan-3, de Xilinx, utilizando la
herramienta VHDL, y se compara con los resultados obtenidos con la simulación
realizada en OpenGL, interactuando con C++ y Matlab.

10
CAPÍTULO 2. ANTECEDENTES

11
Revisión del trabajo pasado

Historia De Los Robots Flexibles

La manera como estamos acostumbrados a visualizar un robot, es de manera rígida

y robusta, que lo hace una máquina pesada, pero a la vez, rápida y precisa. Pero
estas dos características tienen un costo: se requiere de actuadores más grandes y
de mayor potencia para poder contrarrestar los efectos de peso e inercia y lograr la
misma velocidad y precisión.

Los manipuladores industriales ligeros requieren materiales ligeros, que trae como
consecuencia un incremento en la deformación elástica, que a su vez genera un
modelo más complejo para poder ser controlado.

Los actuadores neumáticos son ligeros, baratos y su mayor ventaja es que manejan
una mayor relación potencia-peso 0, en comparación con un actuador eléctrico. Es
importante mencionar que cuando se requiere aplicar una fuerza de manera
constante a un sistema por largos periodos de tiempo, si se utiliza un actuador
eléctrico, se requiere de disipadores de calor especiales 0. Si al manipulador flexible
se le agrega un actuador neumático, tendremos ventajas económicas, pues los
elementos neumáticos son más baratos, los materiales son ligeros y baratos, tienen
una operación limpia, y una relación potencia-peso elevada, que favorece su
potencial aplicación en sistemas robóticos permiten construir manipuladores
compactos, ligeros, sencillos y de bajo costo. El desarrollo de los servomecanismos
neumáticos se origina en los 50’s, sin embargo el control de los sistemas con
actuación neumática presenta problemas originados en la no linealidad de los
actuadores debida a la compresibilidad del aire, la fricción en las juntas, la no
linealidad del flujo en las válvulas y el retardo debido a la velocidad de propagación
de la presión del aire. Por todo lo anterior, el principal problema en un actuador
neumático, es la compresibilidad del aire y las fuerzas de fricción internas, que

12
provocan un comportamiento altamente no lineal. Esto tiene como consecuencia que
el control de posición de un actuador neumático es complejo.

El desarrollo científico de los manipuladores flexibles se muestra en la tabla 1. Este

tipo de manipuladores tienen una gran variedad de aplicaciones; sin embargo, como
se puede determinar con la búsqueda de reportes científicos, se utilizan actuadores
eléctricos para generar la fuerza necesaria para el movimiento. Los actuadores
neumáticos no han sido considerados en este tipo de aplicaciones debido a su
comportamiento altamente no lineal, lo que hace más difícil el proceso de control.

Tabla 1. Historia de los manipuladores flexibles.

1972 Modelación y control de un manipulador de un solo eslabón flexible (Mirro). 0
1988 Xuru desarrolló un modelado y simulación de un robotflexible de dos grados de libertad, sin considerar
algún tipo de actuador. 0
1995 Bremen y Pfeiffer realizaron experimentos con manipuladores flexibles aplicando un control óptimo de
punto final. 0
1999 Yeon presenta un control robusto desarrollado para un robot flexible de un eslabón, utilizando un motor
de DC como actuador. 0
2000 Book hace una comparación práctica entre los modelos teóricos y posibles resultados prácticos 0.
Tokhi hace un análisis de la teoría y de los experimentos relacionados con los robots flexibles,
destacando el uso de cálculo de modos aproximados y método de elementos finitos 0.
2002 Somolinos desarrolló un manipulador flexible de tres grados de libertad con motores eléctricos. 0
2001 Feliu presenta el control de un robot flexible de tres grados de libertad basado en dinámica inversa. 0
2003 Rong, Rou, Wen y Li, implementan un controlador basado en inteligencia artificial en un robot flexible de
un eslabón. 0
J. Pérez Meneses analiza dos tipos de mecanismos: un tipo RPRR y un mecanismo RPR-4R. Se hace
una simulación numérica en ambos, producto del modelado matemático. 0.
Gu y Piedbœuf presentan un controlador de manipulador flexible para brazo robot con auto-sensado. 0
2004 Rong y Meng presentan un control óptimo para un manipulador flexible de un eslabón. 0
Alessandro hace una validación experimental de la precisión del modelo dinámico de un mecanismo
flexible plano. 0
Kiyama presenta la modelación de un grado de libertad de un bazo flexible, que es operado de manera
neumática. El modelo del brazo flexible es hecho usando coordenadas generalizadas y el método de
modos asumidos, con una comparación experimental. 0
Martins presenta un modelo en ambiente de computadora y control en tiempo real de un brazo
manipulador flexible. Se deduce un modelo discreto de Newtn-Euler, capturando la dinámica requerida
para análisis de manipuladores rígido-flexible-rígido. 0
Reis describe el principio de trabajo de un eslabón activo para un robot manipulador flexible. Presenta
resultados de la simulación dinámica y estática. 0
Cheong, Kyun y Youm proponen algunos algoritmos de cinemática inversa de manipuladores flexibles
de múltiples eslabones, para aplicaciones de alta velocidad con actuadores eléctricos. 0
2005 Etxebarria, Arantza y Lizarraga, desarrollan un control robusto para un brazo flexible con actuadores
eléctricos. 0

13
Por todo lo anterior, la innovación de este trabajo es la aplicación de un actuador
neumático como medio de generación de fuerza, para un manipulador flexible.

Control Neumático

El control neumático ha tenido un gran auge, e importancia en los procesos

industriales. La historia del desarrollo científico del control neumático se muestra en
la tabla 2.

Tabla 2. Historia del control neumático.

1968 Uno de los primeros investigadores en modelar el sistema neumático fue Burrows (1968). En el trabajo
de investigación, el autor sugiere la retroalimentación de las variables de estado. 0
1997 En un sistema con actuador neumático, Varseveld y Bone usaron el modelo autoregresivo con entrada
externa (ARX), y se presenta un control de posición alternativo para un cilindro neumático en posición
horizontal, utilizando únicamente válvulas solenoides on/off. 0
1998 Hollerbach, Fellow y Nahvi desarrollaron un modelo dinámico exacto para un robot manipulador flexible
y su control. 0
1999 Wang, Pu y Moore desarrollan una estrategia de control con un controlador de estructura sencilla para
sistemas con actuadores servoneumáticos. 0
2000 Hipólit analiza un servocontrol, utiliza un actuador neumático de 2 m de largo, activado por una válvula
proporcional de flujo. Se demostró el gran potencial que la lógica difusa ofrece incluso para sistemas
neumáticos. 0
2001 Xiang diseña una servo válvula digital compuesta de una servoválvula de dos estados con movimientos
rotatorios y lineales, y un motor a pasos bajo continuo control. 0
Joono 0, Kojima y Kibe 0, desarrollaron un control para robots flexibles de varios eslabones, utilizando
algoritmos genéticos.
Caldwell utilize el control neumático en aplicaciones biológicas tales como actuadores musculares. 0
2003 Jaramillo desarrolla controladores PID discretos para controlar posición y presión; hace uso de
programas como LabView y un sistema de adquisición de datos para llevar la información a la PC y ser
procesada. Se puede desarrollar procesos como: remachado, perforado, estampado, entre otros. 0
2003 Kiyama propone un modelo para mejorar la actuación que presenta un robot flexible. El modelo se
aplica en un grado de libertad del robot flexible, accionado neumáticamente. 0
Istók muestra la importancia de las válvulas reguladoras de presión. 0
2004 Quiles 0. Se está tratando de conseguir esta publicación, pues es muy reciente.
Massimo realiza una investigación sobre válvulas de presión neumáticas proporcionales, para simular
su comportamiento dinámico, formulando un modelo dinámico no lineal de la válvula 0.
Wang aplica algoritmos genéticos para identificar los parámetros de fricción en cilindros neumáticos. 0
2005 Richardson, Brown, Bhaktac y Levesleyd diseñan un robot neumático para implementar fisioterapia con
robótica. 0
2006 Ramos presenta el resultado de la simulación de diversas propuestas de algoritmos de control,
tomando como base un PID convencional, para un robot flexible de un eslabón. 0

En base a las investigaciones realizadas, existen trabajos relacionados con la

modelación de robots flexibles, con uno y más eslabones; y respecto al control
neumático, también se encuentran artículos publicados; sin embargo, el control para
robots flexibles, es con actuadores eléctricos, no neumáticos. Esto quiere decir que

14
no existe una convergencia entre las dos líneas de investigación, y en este caso, se
debe trabajar con ambas líneas para lograr el objetivo que se busca con este
proyecto. Este trabajo es una continuación del trabajo desarrollado por Kiyama 0 en
el 2004, donde se obtiene el modelo termomecánico.

En este capítulo se habla del Modelo Termomecánico 0, así como la propuesta de

simplificación, para fines de simulación y poder tener resultados en menos tiempo del
que se emplearía en caso de trabajar con el modelo completo. También se habla de
las características del actuador neumático, propuesto para ser usado en el sistema
del manipulador flexible.

La contribución de este trabajo es el desarrollo de algoritmos de control de

actuadores neumáticos, aprendiendo de su comportamiento en la aplicación de un
manipulador flexible.

El Actuador Neumático con Amortiguamiento en los Extremos

La figura 7 muestra un diagrama del actuador neumático con amortiguamiento en los

extremos, donde se puede observar las siguientes partes:

Vástago del actuador neumático.

Cámara de amortiguamiento del lado del vástago.
Cámara del lado del vástago.
Cámara del lado de la base.
Cámara de amortiguamiento del lado de la base.
Válvula de amortiguamiento de la base.
Válvula de amortiguamiento del lado del vástago.
Entradas y salidas principales de aire a presión.
Cilindro del actuador neumático.

15
 5 4 3 2

6 7

8 9
Figura 7. Actuador neumático con amortiguamiento en los extremos.

En base a la figura 7, se establecen las variables a utilizar en el sistema del

amortiguador, las cuales se pueden observar en la figura 8.

X, X, X
L
Lalp Lalv
pa2
pc1 pc2 Fa
pa1
mc1 mc2
ma1 ma2

Figura 8. El actuador neumático con amortiguamiento en los extremos.

Donde:
X ⇒ Desplazamiento del vástago, respecto a la base del cilindro.
X& ⇒ Velocidad de desplazamiento del vástago, respecto al cilindro.
X&& ⇒ Aceleración del vástago, respecto al cilindro.
L ⇒ Longitud total de la carrera del vástago a lo largo del cilindro.
Lalv ⇒ Longitud horizontal de la cámara de amortiguamiento de la base del
cilindro.
Lalp ⇒ Longitud horizontal de la cámara de amortiguamiento del lado del
vástago.
pa1 ⇒ Presión de aire en la cámara de amortiguamiento de la base del
cilindro.
pa 2 ⇒ Presión de aire en la cámara de amortiguamiento del lado del vástago.
pc1 ⇒ Presión de aire en la cámara de la base del cilindro.
pc 2 ⇒ Presión de aire en la cámara del lado del vástago.
m& a1 ⇒ Flujo másico de aire entre el exterior y la cámara de amortiguamiento
de la base del cilindro.

16
 m& a 2 ⇒ Flujo másico de aire entre el exterior y la cámara de amortiguamiento
del lado del vástago.
m& c1 ⇒ Flujo másico de aire entre la cámaras del lado de la base del cilindro.
m& c 2 ⇒ Flujo másico de aire entre la cámaras del lado del vástago.

El Modelo Termomecánico

El modelo termomecánico obtenido en 0 y 0 se muestra en la ecuación (2.1).

Para 0 ≤ X ≤ L:

d
X& = X
dt (2.1a)
d2
DX& = 2 X (2.1b)
dt
Para 0 ≤ X ≤ Lalp:

kRT0 ⎡ Aap ⎤
P&a1 = ⎢m& 1a − m& 1c − Pa1 DX ⎥ (2.1c)
⎛ ΔA ⎞ ⎣ RT0 ⎦
Aap ⎜ X + p ⎟
⎜ Aap ⎟⎠
⎝

P&c1 =
kRT0 ⎡
m& 1c − p
(A − Aap ) P DX ⎤ (2.1d)
(Ap − Aap )X ⎣
⎢
RT0
c1 ⎥
⎦

Para Lalp < X ≤ L:

kRT0 ⎡ Ap ⎤
P&a1 = ⎢m& 1a − Pa1 DX ⎥ (2.1e)
Ap ( X + Δ ) ⎣ RT0 ⎦
kRT0 ⎡ Ap ⎤
P&c1 = ⎢m& 1c − Pc1 DX ⎥ (2.1f)
Ap ( X + Δ ) ⎣ RT0 ⎦

Para 0 ≤ X < (L – Lalv):

P&c 2 =
kRT0 ⎡ (A − Av ) P DX ⎤
m& 2 c + p (2.1g)
(Ap − Av )(L − X + Δ ) ⎣
⎢
RT0
c2 ⎥
⎦

P&a 2 =
kRT0 ⎡ (A − Av ) P DX ⎤
m& 2 a + p (2.1h)
(Ap − Av )(L − X + Δ) ⎣
⎢
RT0
a2 ⎥
⎦

Para (L – Lalv) ≤ X ≤ L:

17
P&c 2 =
kRT0 ⎡ (A − Av ) P DX ⎤
m& 2c + p (2.1i)
(Ap − Av )(L − X ) ⎣
⎢
RT0
c2 ⎥
⎦
kRT0 ⎡ m& 2 a − m& 2c Pa 2 DX ⎤
P&a 2 = + (2.1j)
ΔAp ⎢⎣ Aav − Av RT0 ⎦
⎥
L− X +
Aav − Av

Fuerza del Pistón: Fa = p1 Ap − p 2 (A p − Av ) − Fsv (2.1k)

Partiendo de un actuador neumático, cuyos datos son conocidos, se aplicaron los

valores de la tabla 3. De esta forma, se pudo realizar una simplificación del modelo
matemático de la ecuación (2.1), utilizando aproximaciones polinomiales, con lo que
se logró reducir el tiempo de solución del modelo matemático, y en consecuencia, el
tiempo necesario para obtener los resultados de la simulación. En secciones
siguientes se puede observar el resultado de la simulación, una vez simplificado el
modelo, comparándose con los resultados obtenidos si el modelo no es simplificado.

Tabla 3. Valores conocidos del actuador neumático.

Variable Denominación (unidad) Valor Variable Denominación (unidad) Valor
R Constante del gas (J/KgºK) 287.08 K Relación de calores específicos. 1.4
To Temperatura en el depósito (ºK) 298.15 D Diámetro del pistón (m) 0.0635
Diámetro de la almohadilla del Diámetro de la almohadilla del
dp 0.01 dv 0.01947
pistón (m) vástago (m)
d Diámetro del vástago (m) 0.01586 L Carrera del pistón (m) 0.1016
Longitud de la almohadilla del Longitud de la almohadilla del pistón
Lalv 0.022225 Lalp 0.01905
vástago (m) (m)
Longitud extra equivalente del Coeficiente de amortiguamiento
Δ 0.0375 Kv 166
cilindro (m) viscoso (N s/m)
Ks Fuerza de fricción estática (N) 24.5 Kc Fuerza de fricción dinámica (N) 5.15
Coeficiente de descarga, flujo Área efectiva, válvula totalmente
Cde 0.35 Ate 8.39e-6
restringido abierta (m2)
Cds Coeficiente de descarga, flujo libre 1.00 Ats Área efectiva, flujo libre (m2) 2.45e-5

De esta forma, se obtiene la ecuación (2.2).

Para 0 ≤ X ≤ 0.1016:

18
 d
X& = X (2.2a)
dt
d2
DX& = 2 X (2.2b)
dt
Para 0 ≤ X ≤ 0.01905:

1.526 ×10
( )
9
P&a1 = m& a1 − m& c1 + −9.176 × 10 −10 Pa1DX (2.2c)
X + 1.89
38.8 × 10 6
P&c1 =
X
(
m& c1 − 3.608 × 10 −8 Pc1 DX ) (2.2d)

Para 0.01905 ≤ X < 0.1016:

37.838 × 10 6
P&a1 =
X + 0.0613
(
m& a1 − 3.7 × 10 −8 Pa1 DX ) (2.2e)

37.838 ×10 6
P&c1 =
X + 0.0613
(m& c1 − 3.7 ×10 −8 Pc1 DX ) (2.2f)

Para 0 ≤ X < 0.07938:

40.355 ×10
( )
6
P&c 2 = m& c 2 + 3.469 ×10−8 Pc 2 DX (2.2g)
0.1629 − X
40.355 × 106
P&a 2 =
0.1629 − X
(m& a 2 + 3.469 ×10−8 Pa 2 DX ) (2.2h)

Para 0.07938 ≤ X ≤ 0.1016:

4.176 ×107
P&c 2 =
0.1016 − X
(
m& c 2 + 3.352 ×10−8 Pc 2 DX ) (2.2i)

&
Pa 2 =
119.83 ×10 3
1.2872 − X
[
9.983 ×10 3 (m& a 2 − m& c 2 ) + 1.168 ×10 −5 Pa 2 DX ] (2.2j)

Simplificando el flujo másico.

El primer paso es simplificar el flujo másico de las ecuaciones anteriores,

representado en la ecuación (2.3).

1
1+ k
⎡ 1−k
⎤2
2 ⎛ pt ⎞ 2k ⎛ ⎞
⎢⎜ t ⎟ − 1⎥
p k k
m& = ⎜ ⎟ p A (2.3)
k − 1 ⎜⎝ p0 ⎟⎠ ⎜ ⎟
⎢⎝ p0 ⎠ ⎥ RTo o t
⎢⎣ ⎦⎥

19
La ecuación del flujo másico es función de las presiones en los diferentes intervalos
de X, como se muestra en la ecuación (2.4).

m& ij = K ij M ij PA (2.4)

Las variables K, M, P y A, se refieren al lado (i,j), de acuerdo a la figura 8, donde:

K = Constante del flujo. Ver tabla 4.

M = Flujo másico.
P = Presión.
A = Área de apertura de la válvula de paso.

Tabla 4. Valores de la constante de flujo.

i j Kij Condición Intervalo
−3
3.165 ×10 P1 > Pa1
a 1 0≤ X ≤ L
− 3.165 ×10 −3 P1 ≤ Pa1
− 1.837 ×10−7 Pc1 > Pa1
c 1 X < Lalp
9.687 ×10−7 Pc1 ≤ Pa1
3.165 ×10−3 P2 > Pa2
a 2 0≤ X ≤ L
− 3.165 ×10 −3 P2 ≤ Pa2
− 1.837 ×10−7 Pc2 > Pa2
c 2 X ≥ L-Lalv
8.153 ×10 −7 Pc2 ≤ Pa2

La ecuación (2.5) muestra una forma general de M, donde siempre se cumple que
Pa≤Pb, y se simplifica utilizando una sustitución de variables. Los valores de R
dependen de las condiciones de presión y se muestran en la tabla 5.

M ij = M (Rij ) = (Rij )7 (R )
6 2
−
ij
7 −1 (2.5)

Se obtuvieron polinomios de segundo, tercer, cuarto y sexto orden. En cada caso, se

aplicó el método de diferencias. La forma polinómica general se muestra en la
ecuación (2.6), donde n es el orden del polinomio. Los valores de los coeficientes se
muestran en la tabla 6. La figura 9 muestra el resultado gráfico de la aproximación
polinomial del flujo másico de orden 2, comparado con la ecuación original.

20
 Tabla 5. Valores de R utilizados para evaluar la ecuación (2.5).
i J Rij
⎛ Pa1 ⎞ ⎛ P1 ⎞
a 1 ⎜⎜ ⎟⎟ P1>Pa1 ⎜⎜ ⎟⎟ P1≤Pa1
⎝ P1 ⎠ ⎝ Pa1 ⎠
⎛ Pa1 ⎞ ⎛ Pc1 ⎞
c 1 ⎜⎜ ⎟⎟ Pc1>Pa1 ⎜⎜ ⎟⎟ Pc1≤Pa1
⎝ Pc1 ⎠ ⎝ Pa1 ⎠
⎛ Pa 2 ⎞ ⎛ P2 ⎞
a 2 ⎜⎜ ⎟⎟ P2>Pa2 ⎜⎜ ⎟⎟ P2≤Pa2
⎝ P2 ⎠ ⎝ Pa 2 ⎠
⎛ Pa 2 ⎞ ⎛ Pc 2 ⎞
c 2 ⎜⎜ ⎟⎟ Pc2>Pa2 ⎜⎜ ⎟⎟ Pc2≤Pa2
⎝ Pc 2 ⎠ ⎝ Pa 2 ⎠
n
M ij = ∑ a k Rij
k
(2.6)
k =0

Tabla 6. Valores de los coeficientes de la ecuación 2.5 para el flujo másico.

n=2 n=3 n=4 N=6
A0 0.0352 0.0421 0.0276 0.0000
A1 0.9312 0.6365 1.2814 0.0000
A2 -0.9664 -0.1427 -2.9368 -0.0003
A3 -0.5360 3.5564 0.0125
A4 -1.9286 -0.1993
A5 1.4833
A6 -4.1976

Los coeficientes de correlación resultantes entre la curva de aproximación polinomial

con distinto orden y la curva original, se muestran en la tabla 7. Se determinó
considerar como una buena aproximación un resultado mayor a 0.9500. En la misma
tabla, se puede observar que el menor tiempo de ejecución se obtiene al utilizar un
polinomio de tercer orden. Ahora, es necesario simplificar el resto de las ecuaciones.

Tabla 7. Coeficientes de correlación entre el modelo original y aproximaciones polinómicas del

flujo másico.
Tiempo Coeficiente de
Modelo
(seg) correlación.
Original 110.0160 1.0000
Segundo orden 55.2810 0.9866
Tercer orden 14.8750 0.9904
Cuarto orden 165.5060 0.9924
Sexto orden 96.0780 0.9937

21
 APROXIMACION FLUJO MASICO
0.3
Curva Real
Curva aproximada

0.2
[m3/s]

0.1

0
0 0.2 0.4 0.6 0.8 1
Valor R

Figura 9. Resultado de la aproximación polinomial de orden 2, comparada con la curva original.

Simplificando las ecuaciones del modelo Termomecánico.

Se procede a sustituir las operaciones de división por ecuaciones de aproximación

polinomial, las cuales son más rápidas de ejecutar para una computadora. Las
ecuaciones (2.7) muestran estas sustituciones.

1.526 × 10 9
g 21 ( X 1 ) = = (− 4.2316 X 1 + 8.0741)× 108 (2.7a)
X 1 + 1.89
37.838 × 10 6
g 22 ( X 1 ) =
X 1 + 0.0613
(
= - 2.0952X 3 + 0.6233X 2 - 0.0777X + 0.0060 × 1011 ) (2.7b)

38.8 × 10 6 −1
g 31 ( X 1 ) = = 38.8 × 10 6 X 1 (2.7c)
X1
g 32 ( X 1 ) = g 22 ( X 1 ) (2.7d)
40.355 × 10
( )
6
3 2
g 41 ( X 1 ) = = 1.1549X1 + 0.0900X1 + 0.0152X1 + 0.0025 × 1011 (2.7e)
0.1629 − X 1

g 42 ( X 1 ) =
4.176 × 10 7
0.1016 − X 1
(2
= 1.3895 X 1 - 0.2189 X 1 + 0.0088 × 1013 ) (2.7f)

g 51 ( X 1 ) =
40.355 × 10 6
0.1629 − X 1
(
3 2
= 1.1549X1 + 0.0900X1 + 0.0152X1 + 0.0025 × 1011 ) (2.7g)

22
 119.83 × 10 3
g 52 ( X 1 ) = = (8.3664 X 1 + 9.2571)× 10 4 (2.7h)
1.2872 − X 1

El modelo Termomecánico Simplificado.

Una vez que se obtienen las aproximaciones polinomiales, se prueba el nuevo

modelo en una simulación implementada en Matlab, probando las aproximaciones de
orden 2, 3, 4 y 6 para el flujo másico, para poder determinar el orden de la
aproximación de flujo másico que finalmente sería utilizada. En este punto, la base
para la decisión es la mayor rapidez de ejecución del proceso, por lo que los tiempos
de ejecución se muestran en la tabla 8. Los tiempos resultantes se comparan contra
el tiempo de ejecución del modelo original. Igualmente, se comparan los coeficientes
de correlación, teniendo como referencia la respuesta del modelo original.

Tabla 8. Resultados comparativos entre el modelo original, y un equivalente polinomial, con

diversas aproximaciones del flujo másico.
Orden del Flujo Tiempo Coeficiente de
Másico (seg) correlación
Original 110.0160 1.0000
Orden 2 40.4370 0.9865
Orden 3 9.0930 0.9898
Orden 4 159.5000 0.9924
Orden 6 93.40 0.9939

La ecuación (2.8) muestra las ecuaciones resultantes del modelo propuesto. A pesar
de que las ecuaciones parecen ser más complejas, el tiempo de cómputo se reduce
debido a que es más fácil para la computadora realizar multiplicaciones y sumas, que
divisiones y especialmente resolver operaciones con exponentes fraccionarios.

Para 0 ≤ X ≤ 0.1016:

d
X& = X (2.8a)
dt
d2
DX& = 2 X (2.8b)
dt
Para 0 ≤ X ≤ 0.01905:

P&a1 = g 21 ( X )(m& a1 − m& c1 − 9.176 × 10−10 Pa1DX )× 108 (2.8c)

23
P&c1 = g 31 ( X )(m& c1 − 3.608 × 10 −8 Pc1DX )× 106 (2.8d)

Para 0.01905 ≤ X < 0.1016:

( )
P&a1 = g 22 ( X ) m& a1 − 3.7 × 10 −8 Pa1 DX × 1011 (2.8e)
( )
P&c1 = g 32 ( X ) m& c1 − 3.7 × 10 −8 Pc1DX × 1011 (2.8f)

Para 0 ≤ X < 0.07938:

P&c 2 = g 41 ( X )(m& c 2 + 3.469 × 10 −8 Pc 2 DX )× 1011 (2.8g)

P&a 2 = g 51 ( X )(m& a 2 + 3.469 × 10−8 Pa 2 DX )× 1011 (2.8h)

Para 0.07938 ≤ X ≤ 0.1016:

P&c 2 = g 42 ( X )(m& c 2 + 3.352 × 10−8 Pc 2 DX )×1013 (2.8i)

[
P&a 2 = g 52 ( X ) 9.983 ×103 (m& a 2 − m& c 2 ) + 1.168 ×10−5 Pa 2 DX ×104] (2.8j)

La figura 10 muestra una comparación entre los modelos original y el simplificado, y

se puede observar que los resultados son muy similares, por lo que es válido utilizar
este modelo a base de aproximaciones con polinomios.

Posicion del piston relativa al cilindro

0.1
Original
Aprox. Orden 3

0.075
x [m]

0.05

0.025

0
0 2 5 8 11
t [s]

Figura 10. Modelo original vs. Modelo con polinomios y flujo másico de tercer orden.

Con esta parte del trabajo se muestra una alternativa del modelo termomecánico, de
tal manera que el tiempo de cómputo se reduce de manera significativa al obtener el

24
comportamiento del flujo másico como una función de tipo polinómica. En este
sentido, la mejor opción encontrada es la función polinómica de tercer orden,
reduciendo en más del 90% el tiempo de cálculo computacional, con una
aproximación muy cercana al modelo original.

25
CAPÍTULO 3. CONTROL

26
Control Lineal.
En las aplicaciones de control lineal, el algoritmo más usado es el controlador PID
(Proporcional – Integral – Derivativo) 0 0. Muchos procesos industriales se controlan
utilizando un control proporcional-integral-derivativo (PID), debido a su buen
comportamiento en un amplio intervalo de condiciones de operación y a su sencillez
funcional que permiten una operación directa y sencilla, teniendo como única
limitante la determinación del valor de los parámetros de control que son: ganancia
proporcional, ganancia integral y ganancia derivativa. Sin embargo, existen procesos
en los que un control de este tipo no es suficiente. La figura 11 muestra un diagrama
a bloques representativo del controlador PID, y la ecuación (3.1) muestra la función
de transferencia respectiva.

+ U(s) Y(s)
R(s) PID G(s)
-

Figura 11. Diagrama a bloques de un controlador PID.

Ki
U ( s) = K p + + Kd s (3.1)
s
Donde Kp, Ki y Kd son las ganancias de control, proporcional, integral y derivativa,
respectivamente. La ecuación (3.2) muestra la salida en el dominio del tiempo.

d
u (t ) = K p e(t ) + K i ∫ e(t )dt + K d e(t ) (3.2)
dt
Sin embargo, estas ganancias de control, también llamadas constantes de control, se
representan en ocasiones involucrando el tiempo integral y derivativo, como se
muestra en las ecuaciones (3.3) y (3.4).

Kp
Ki = (3.3)
Ti
K d = K pTd (3.4)

27
El error e(t ) está definido por la diferencia entre el valor de referencia (r) y el valor
actual de la salida (y), como se muestra en la ecuación (3.5).

e(t ) = r − y (t ) (3.5)

En el proceso de control, se realizan tres acciones: proporcional (P), integral (I) y

derivativa (D). El controlador trabaja tomando en cuenta el error determinado por la
referencia y la salida de la planta. A continuación se habla un poco de estas acciones
de control, incluyendo una combinación de las mismas 0.

CONTROL PROPORCIONAL

Esta parte del control entrega un valor proporcional al error, como se muestra en la
ecuación (3.6), siendo su función de transferencia la mostrada en la ecuación (3.7),
donde K p es la ganancia proporcional ajustable. El controlador proporcional puede

controlar cualquier planta estable, pero posee desempeño limitado y error en régimen
permanente (off-set).

u (t ) = K p e(t ) (3.6)
U ( s) = K p (3.7)

CONTROL INTEGRAL

Este controlador entrega una salida proporcional al error acumulado. Esta

característica de acumulación de error provoca que la respuesta del mismo sea lenta.
La señal de control u (t ) tiene un valor diferente de cero cuando la señal de error e(t )
es cero. Por lo que se concluye que dada una referencia constante, o perturbaciones,
el error en régimen permanente es cero. La ecuación (3.8) muestra la ecuación del
controlador integral, y la ecuación (3.9) muestra la función de transferencia
respectiva.

t
u (t ) = K i ∫ e(τ )dτ (3.8)
0
Ki
U ( s) = (3.9)
s

28
CONTROL PROPORCIONAL – INTEGRAL

Con un control proporcional, es necesario que exista error para tener una acción de
control distinta de cero. Con acción integral, un error pequeño positivo siempre nos
dará una acción de control creciente, y si fuera negativa, la señal de control sería
decreciente. Este razonamiento sencillo nos muestra que el error en régimen
permanente será siempre cero. Muchos controladores industriales tienen solo acción
PI. Un control PI es adecuado para todos los procesos donde la dinámica es
esencialmente de primer orden. La ecuación (3.10) define este tipo de control, y la
ecuación (3.11) muestra la función de transferencia.

Kp t
u (t ) = K p e(t ) +
Ti ∫ e(τ )dτ
o
(3.10)

⎛ 1 ⎞
U ( s ) = K p ⎜⎜1 + ⎟⎟ (3.11)
⎝ Ti s ⎠

Donde Ti es el tiempo integral, y es quien ajusta la acción integral.

CONTROL PROPORCIONAL – DERIVATIVO

Cuando una acción de control derivativa se agrega a un controlador proporcional,

permite obtener un controlador de alta sensibilidad, es decir, responde a la velocidad
del cambio del error y produce una corrección significativa antes de que la magnitud
del error se vuelva demasiado grande. Aunque el control derivativo no afecta en
forma directa al error en estado estacionario, añade amortiguamiento al sistema y,
por tanto, permite un valor más grande que la ganancia, provocando una mejora en
la precisión en estado estable.

La ecuación (3.12) define este tipo de control, y la ecuación (3.13) muestra la función
de transferencia.

d
u (t ) = K p e(t ) + K pTd e(t ) (3.12)
dt
U ( s ) = K p + K pTd s (3.13)

29
Donde Td es una constante de tiempo denominada derivativo. Esta acción tiene

carácter de previsión, lo que hace más rápida la acción de control, aunque tiene la
desventaja importante que amplifica las señales de ruido y puede provocar
saturación en el actuador. La acción de control derivativa nunca se utiliza por sí sola,
debido a que sólo es eficaz durante períodos transitorios.

CONTROL PROPORCIONAL – INTEGRAL – DERIVATIVO

Este tipo de control reúne las ventajas individuales de los controles anteriores. La
ecuación (3.14) define a este tipo de control PID. La ecuación (3.15) muestra la
función de transferencia.

Kp t d
u (t ) = K p e(t ) +
Ti ∫ e(τ )dτ + K
0
T
p d
dt
e(t ) (3.14)

Kp
U ( s) = K p + + K pTd s (3.15)
Ti s

Control Inteligente.
En el diseño de sistemas de control se ha utilizado desde hace mucho tiempo la
robustez de los resultados de sistema de lazo cerrado. Algunas aplicaciones son muy
críticas, por lo que el proceso de control debe evitar variaciones y fallas que pueden
provocar pérdidas inaceptables 0.

Para el control de plantas que presentan un comportamiento no lineal, se pueden

utilizar combinaciones de control PID con Lógica Difusa ó Redes Neuronales. La
función de los procesos difusos ó neuronales, es ajustar los valores de las
constantes de control proporcional, integral y derivativo, de tal forma que su valor
dependa de diversas condiciones y se logre como resultado una respuesta de la
planta bastante aceptable.

CONTROL CON LÓGICA DIFUSA (FUZZY CONTROL)

Comenzaremos por repasar lo que representa la palabra Lógica. Lógica es el estudio

de métodos y principios de razonamiento en todas las formas posibles. La lógica

30
clásica trabaja con proposiciones que entregan a la salida, Cierto ó Falso. Cada
proposición tiene su parte contraria, es decir, su negación.

Mientras que la lógica clásica maneja solamente dos valores (cierto ó falso), la lógica
difusa maneja más de dos valores de salida, es decir, es multivalor. Por ejemplo, la
lógica clásica de dos valores lógicos (1, 0), puede ser expandida a tres valores
lógicos, cada uno con su propio valor establecido (1, ½, 0). Para cada una de las
variables de entrada se definen varias funciones lógicas, llamadas función miembro,
donde se definen los intervalos de los valores lógicos. Igualmente, se establece la
función miembro para cada una de las salidas, y finalmente se establecen las reglas
que van a determinar el comportamiento de la salida, de acuerdo a las entradas 0.
Existen diversos métodos para el trabajo con la lógica difusa, en el caso de este
trabajo, se maneja el método directo de Mamdani.

CONTROL CON REDES NEURONALES

Las redes neuronales son modelos en software ó hardware, inspirados en la

estructura y comportamiento de las neuronas biológicas y el sistema nervioso. Sin
embargo, solamente es válido hasta la inspiración, pues posteriormente el
comportamiento es distinto.

Las redes neuronales de alimentación hacia adelante (Feedforward NNs) son el

modelo más usado para resolver sistemas no lineales, en tareas de clasificación y
regresión, por el aprendizaje de los datos. Este tipo de redes neuronales son muy
parecidas y algunas veces equivalentes, matemáticamente hablando, a modelos de
lógica difusa 0.

CONTROL NEURONAL-DIFUSO

En muchas aplicaciones de robótica, se deben manipular cargas bajo una amplia

gama de condiciones, incluyendo disturbios externos inesperados, que si no son
debidamente compensados, se puede provocar daños a la carga. Dos tipos de
disturbios pueden ser: impacto sobre la carga, y aceleración del efector final. Se
puede hacer uso de diversas técnicas para tener un buen control. Algunas soluciones

31
son analíticas y difícilmente pueden ser implementadas en aplicaciones de tiempo
real, especialmente cuando la adaptación a disturbios aleatorios externos es un
requisito importante; este método no puede ser utilizado si las variables como el peso
de la carga y la aceleración del efector final no son conocidas. Para resolver este tipo
de problemas, se puede implementar un controlador Neurofuzzy 0. El controlador
neuronal-difuso combina el proceso de aprendizaje y el ajuste de las salidas con
Lógica Difusa.

Control Discreto
Cuando se desea implementar físicamente un algoritmo de control, especialmente
utilizando computadoras personales, o bien, su implementación en dispositivos
lógicos programables de alta densidad, y auxiliándose con técnicas de VHDL, es
necesario que hablemos entonces de controladores digitales en sistemas de control.
Los beneficios que se pueden obtener son costos mínimos y utilización mínima de
energía.

La aplicación de la computadora en procesos de control hace posible el movimiento

“inteligente” en robots industriales, menor consumo de combustible en vehículos de
motor, mejoramiento en el desempeño de aparatos electrodomésticos, etc. Las
mayores ventajas de utilizar un control digital son la capacidad de toma de
decisiones y la flexibilidad en los programas de control.

La tendencia actual de controlar los procesos de una manera digital en lugar de

analógica, se debe al bajo costo de los equipos de cómputo y las ventajas de trabajar
con señales digitales en lugar de señales analógicas 0.

El siguiente paso, es desarrollar el algoritmo de control, en el siguiente capítulo.

32
CAPÍTULO 4. PROPUESTA DE CONTROL

33
En este capítulo se desarrolla el algoritmo de control para el actuador neumático con
amortiguamiento en los extremos. Se verán diversos temas como el PID tradicional,
algunas combinaciones con técnicas de Lógica Difusa y algunas combinaciones.

4.1. Metodología
La figura 12 muestra un diagrama a bloques donde se describe la metodología a
seguir para el desarrollo de los algoritmos de control del sistema.

Simulación en una
Modelos dinámicos computadora, y Leyes de
del Actuador y del obtención de los Control del robot
Eslabón Flexible parámetros de ctrl. flexible.

Control Accionamiento del

Neumatico actuador neumático

Medición de la
Valores de
posición final y
corrección
cálculo del error.

Posición
final

Figura 12. Metodología de control del actuador neumático para el manipulador flexible.

Se utiliza el modelo Termomecánico Simplificado, propuesto en el 0, considerando

también el modelo dinámico, mostrado en la ecuación (4.1), de la estructura en la
que el actuador va a proporcionar la fuerza para mover el brazo manipulador, y que
se muestra en la figura 13, donde θ6 es el ángulo de salida a controlar. De aquí en
adelante θ6 es equivalente a θ.

34
 Figura 13. Sistema neumático-mecánico de un robot flexible con un grado de libertad.

⎛2⎞
K e ⎜ ⎟ arctan(βX& )
π
Fsv = K v X& + K c sgn( X& ) + ⎝ ⎠ (4.1a)
1 + δ X&
Fa = p1 Ap − p2 ( Ap − Av ) − Fsv (4.1b)
d
pi = Fi
dt
(4.1c)
d
H Gi = M Gi i = 2,3,...,6
dt
Rf = d (4.1d)

Posteriormente, se realiza una simulación en computadora, como ayuda para

obtener los parámetros de control necesarios y utilizarlos en el algoritmo de control,
donde se establece el nivel de apertura de las válvulas de flujo de aire, para ubicar el
eslabón del manipulador en la posición adecuada. La posición es monitoreada por
medio de un potenciómetro, cuya señal entra a un convertidor analógico/digital de 12
bits.

La figura 14 muestra el sistema de control de flujo de aire, para cambiar el sentido de

movimiento del vástago, donde se utiliza una electro-válvula 5/2. A1 y A3 representan
la apertura de las válvulas, siendo A1 utilizada para controlar el flujo de aire que entra
al cilindro, y A3 el flujo de aire de retorno. Se realiza también una división de la planta
en tres zonas: baja (Z1), media y alta (Z2).

35
 A3 A1

Figura 14. Sistema de control neumático. (a) Esquema de conexión. (b) División en tres zonas de
trabajo.

Una vez planteado la manera como se va a controlar el flujo de aire, se inician las
simulaciones del control del cilindro neumático aplicado al manipulador flexible con
diversos algoritmos de control. El flujo de aire es controlado con son válvulas de flujo
proporcionales, cuya apertura depende del resultado de la evaluación del algoritmo
de control.

4.2. Algoritmo de Control

El modelo Termomecánico tiene como entradas de control, el área efectiva libre para
el flujo de aire, y se muestra en la ecuación (4.2).

u = [ A1 , A2 , A3 ] (4.2)

Donde:

A1 ⇒ Es el área efectiva del flujo de aire en la base del cilindro.

A2 ⇒ Es el área efectiva del flujo de aire en el lado del vástago.
A3 ⇒ Es el área efectiva para el retorno del flujo de aire.
La salida del modelo Termomecánico es el desplazamiento del vástago a lo largo del
cilindro, X. Mientras que la salida del sistema Neumático – Mecánico es el ángulo de
inclinación del brazo flexible. Es el ángulo θ lo que nos interesa controlar.

36
4.3. Control PID
La figura 15 muestra un diagrama a bloques del planteamiento del control PID
convencional, el cual es utilizado para realizar las primeras pruebas y poder
comprobar que algoritmo genera mejores resultados.

+ e u Actua- x
θp PID Planta θ
dor
-

Figura 15. Control del ángulo θ del brazo flexible, usado con el movimiento del mecanismo.

En el uso del PID se ven involucradas las siguientes variables: el vector de errores
(e) que entra al algoritmo PID, el cuál entrega el vector de porcentajes de apertura
(u), que entran al sistema del actuador neumático, generándose el desplazamiento
del vástago del actuador (X), el que entrega la fuerza suficiente para generar el
movimiento en el brazo flexible y obtener la salida de la planta (θ) deseada.

CONTROL CLÁSICO CONVENCIONAL

Primeramente, se probó la respuesta del sistema mecánico-neumático utilizando un

control convencional. Los valores de A1, A2 y A3, utilizados en la ecuación (4.2), se
obtienen de la ecuación (4.3), donde se muestra la ecuación de control de cada
válvula y se muestra el vector de errores.

[
e = e p , ei , ed ] (4.3a)
A j = K p e p + K i ei + K d ed (4.3b)

Donde: j=1,2,3 correspondiente a la válvula a controlar. Kp, Ki y Kd son las constantes

proporcional, integral y derivativa. ep, ei y ed son los errores proporcional, integral y
derivativo. Los errores se obtienen de acuerdo a las ecuaciones (4.4) a (4.6).

ep = θ p − θ
(4.4)
ei = ∑ e(Ti ) (4.5)
i

ed = e(Ti ) − e(Ti−1 ) (4.6)

37
Los valores de las constantes de control resultantes se muestran en la tabla 9. La
figura 16 ilustra el resultado de la simulación del control realizado, y el
comportamiento de la velocidad angular en el movimiento del brazo flexible. Se
puede observar que el control es satisfactorio, sin embargo, la velocidad angular del
brazo tiene cambios instantáneos, lo cual podría generar problemas de vibración, y
es un problema que se debe evitar.

Tabla 9. Valores de las constantes de control utilizadas con un PID clásico.

Valve Kp Ki Kd
A1 4.00 0.0 100.0
A2 -4.00 0.0 -100.0
A3 0.45 0.0 0.0

Flexible Manipulator Arm Angle Flexible Manipulator Arm Angular Velocity

2

80
1.5
61
Angular Velocity [rad/s]

26
Theta [º]

13 0.5

-0.5

-72
-1
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

(a) (b)
Figura 16. Resultado de utilizar un control PID clásico. (a) Respuesta del ángulo θ. (b) Respuesta de
la velocidad angular del brazo flexible.

La simulación es realizada en Matlab, y a continuación se muestra la sección del

código enfocada al control del proceso.

Aire=[R k P1 To P2 Patm]; % Caracteristicas termodinamicas

% del aire
AC(:,9) =apertura1*At1;
AC(:,11)=apertura2*At2;
AC(:,13)=apertura3*Ar;
ACA=AC;

t=tp(m):dt:tp(m)+dt;

38
xinic=xp(m,:);
tsol,xsol] =
ode45('EcsEdo',t,xinic,[],ACA,Cil,Aire,Esl,B4,Pfs);
[m,n]=size(tsol);
tp=[tp; tsol(m)];
xp=[xp; xsol(m,:)];
[Pos,Vel] = PosVel(xsol(m,:),Esl,B4);% Posición y velocidad de
% los eslabones del mecanismo
theta=[theta; Pos(4)*180/pi];
omega=[omega; Vel(4)];

[m,n]=size(tp);
error(2)=error(1);
error(1)=xp(m,1)-sp;
derror=(error(1)-error(2));
ierror=ierror+error(1);

A1=KpA1*error(1)+KiA1*ierror+KdA1*derror;
A2=KpA2*error(1)+KiA2*ierror+KdA2*derror;
A3=KpA3*error(1)+KiA3*ierror+KdA3*derror;

El sentido de movimiento del vástago debe ser controlado, para lo cual se utiliza el
valor del error, como se muestra en el siguiente listado.

% control de dirección de movimiento del vástago

if error(1)<0,
P2=Po;
P1=Patm;
else
P1=Po;
P2=Patm;
end

En esta parte, lo único que se hace es cambiar el valor de la presión de entrada al

sistema. P2 representa la presión en la válvula 2 y P1 la presión en la válvula 1.
Finalmente, es necesario limitar la apertura de las válvulas, dado que no pueden
tener un valor superior al 100% ni menor al 0%, por lo que se agrega el siguiente
código en Matlab para prevenir tal problema.

% Limitador del valor de apertura de las válvulas,

% representado por A
if apertura1<0.0,
A1=0.0;

39
elseif apertura1 >1.0,
A1=1.0;
end

if apertura2<0.0,
A2=0.0;
elseif apertura2 >1.0,
A2=1.0;
end

if apertura3<0.0,
A3=0.0;
elseif apertura3 >1.0,
A3=1.0;
end

Debido al mal desempeño de la velocidad angular del manipulador, se realiza la

propuesta de control PID discreto para posición.

PROPUESTA DE CONTROL PID DISCRETO PARA POSICIÓN

La ecuación característica de un control PID discreto para posición 0 se muestra en

la ecuación (4.7).

⎡ t
⎤
∑ e(i) + T [e(t ) − e(t − 1)]⎥ + u(0)
T T
u (t ) = K p ⎢e(t ) + c d
(4.7)
⎣ Ti i =1 c ⎦
Donde: u(t) es el vector de variables de control en un instante de tiempo t; u(0) es el
vector de valores iniciales de las variables de control; Kp es la ganancia proporcional;
Ti es el tiempo de integración; Td es el tiempo derivativo, y Tc es el tiempo de control.
Los valores utilizados en el controlador son: Tc = 0.5, Ti = 10.0, Td = 12.5; el valor de
la ganancia proporcional para A1, A2 y A3, son 1.5, -1.5 y 9.5, respectivamente. La
figura 17 muestra el resultado de la simulación al utilizar esta propuesta.

40
 Flexible Manipulator Arm Angle Flexible Manipulator Arm Angular Velocity
2

80
1.5
61

Angular Velocity [rad/s]

1

26
Theta [º]

13 0.5

-0.5

-72
-1
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

(a) (b)
Figura 17. Resultado de la propuesta de control con un algoritmo PID Discreto. (a) ángulo de salida
del brazo flexible. (b) Desempeño de la velocidad angular del brazo.

El código en Matlab es similar al utilizado en la sección anterior, pero adaptado en la

parte del controlador, como se muestra a continuación.

error(3) =error(2);
error(2) =error(1);
error(1) =sp-x(m,1);

derror=(error(1)-error(2));
ierror=error(1)+error(2)+error(3);

A1=KpA1*(error(1)+Tc/Ti*ierror+Td/Tc*derror);
A2=KpA2*(error(1)+Tc/Ti*ierror+Td/Tc*derror);
A3=KpA3*(error(1)+Tc/Ti*ierror+Td/Tc*derror);

La respuesta en la velocidad angular continúa siendo un problema para el sistema,

por lo que a continuación se realiza una nueva propuesta, donde se involucran los
cambios de velocidad entre dos instantes de tiempo.

4.4. Propuesta de Control PID utilizando Retroalimentación de Cambios de

Velocidad
En esta propuesta se incluye en el sistema de control los cambios de velocidad, con
el propósito de eliminar los cambios bruscos de velocidad en la respuesta de la
planta. Estos cambios de control son retroalimentados hacia el controlador, por lo

41
que al ocurrir un cambio brusco de velocidad, el controlador debe ajustar la apertura
de las válvulas para realizar la compensación necesaria y lograr mejorar el
desempeño de la planta. La figura 18 nos muestra un diagrama a bloques del
sistema de control.

+ + ΔV
PID Kv

e u
θp Actuator Plant θ
-

Figura 18. Controlador de posición con retroalimentación de los cambios de velocidad.

Donde: θp es el ángulo de referencia, θ la posición actual del brazo flexible, ΔV los

cambios de velocidad entre dos instantes de tiempo, (n-1)T y nT. Las ecuaciones del
controlador se muestran en las ecuaciones (4.8) y (4.9).

ΔV = VnT − V( n−1)T (4.8)

3
Ai = Ai 0 + Kp Ai e p + Ki Ai ∑ ei + Kd Ai ed + KvΔV (4.9)
j =1

Donde i es el número de la válvula correspondiente.

Los valores aplicados a las constantes de control se muestran en la tabla 10. La

figura 19 muestra los resultados gráficos obtenidos al aplicar la propuesta de
retroalimentación de los cambios de velocidad.

Tabla 10. Valores aplicados a las constantes de control.

-4
Kp, ×10 Ki Kd
i -4 -4 Kv
Sp>-40 Sp≤-40 ×10 ×10
1 6.6 1.3 1 10 0.3
2 6.6 1.3 1 10 0.3
3 6.6 1.3 1 10 0.3

En la figura 19(b) se observa que el comportamiento de la velocidad angular del

brazo ya no tiene los cambios bruscos como los observados en la figura 17, por lo
que en esta forma se ha eliminado la posibilidad del problema de vibración en el
sistema, y el comportamiento es más estable.

42
 Mechanism Out Angle Angular Speed
100 1.5

80

60
1

40

omega [rad/s]
20
theta [°]

0.5
0

-20

0
-40

-60

-80 -0.5
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

(a) (b)
Figura 19. Resultado de la propuesta de control retroalimentando al controlador PID los cambios de
velocidad del brazo flexible. (a) ángulo de salida del brazo flexible. (b) Desempeño de la velocidad
angular del brazo.

Para este controlador, el proceso es similar, sin embargo, dado que el modelo
termomecánico permite conocer la velocidad angular de cada uno de los eslabones,
de ahí se toman los cambios de velocidad del brazo para retroalimentarlos al proceso
de control. El listado en Matlab se muestra a continuación.

A1=KpA1*error(1)+KiA1*ierror+KdA1*derror+KvA1*dV;
A2=KpA2*error(1)+KiA2*ierror+KdA2*derror+KvA2*dV;
A3=KpA3*error(1)+KiA3*ierror+KdA3*derror+KvA3*dV;

4.5. Control PID con Lógica Difusa

La figura 20 muestra el diagrama a bloques de la propuesta de control, donde se
incluye el algoritmo PID, cuyos valores de las constantes de control están definidos
por el proceso de Lógica Difusa. Las ecuaciones (4.10) a (4.15) son las involucradas
en el proceso.

43
 Conjuntos Reglas Base
Difusos
+
e(kT)
sp(kT) K3, Kv, Kp
- Proceso Difuso

V
K Kv
+
Contro- + u(kT)
Actuador Planta (kT)
lador X

Figura 20. Diagrama a bloques del control Difuso-PID

e p (Tk ) = θ p − θ
(4.10)
ei (Tk ) = e(Tk ) + e(Tk −1 ) + e(Tk −2 ) (4.11)
ed = e(Tk ) − e(Tk −1 ) (4.12)
ΔV = V (Tk ) − V (Tk −1 ) (4.14)
K = [K p , K d , Ki , Kv ] (4.15)

Donde el subíndice k indica un instante de tiempo determinado. La ecuación (4.15)

representa el resultado del proceso de adaptación de las constantes proporcional,
integral y derivativa. En este esquema de control, la retroalimentación de los cambios
de velocidad es importante para obtener un buen desempeño en la salida de la
planta, al evitar cambios bruscos de velocidad en el desplazamiento del vástago del
actuador neumático. La ecuación de control que define el área libre para el flujo de
aire a través de la válvula proporcional, se muestra en la ecuación (4.16).

A j (Tk ) = A j 0 + K pj e p (Tk ) + K ij ei (Tk ) + K dj ed (Tk ) + K v ΔV (Tk ) (4.16)

Donde Tk representa el tiempo de muestreo, considerado de 50 ms; j representa el

número de válvula a controlar; Kp, Kd y Ki son las constantes de control del algoritmo
PID, y Kv es la constante de los cambios de velocidad. Los valores del vector K son
obtenidos con un algoritmo de lógica difusa, y se hablará al respecto en las
siguientes secciones.

44
Proceso Difuso

El algoritmo es utilizado para determinar las ganancias proporcional, integral,

derivativa y de velocidad, de la ecuación (4.16). Debido a la alta no linealidad del
sistema neumático y a la complejidad del modelo termomecánico, no se puede
utilizar un solo conjunto de reglas. Cuando el vástago va hacia arriba, el sistema
tiene un desempeño particular, pero cuando viene descendiendo, tiene igualmente
un comportamiento distinto, especialmente cuando se encuentra cercano a uno de
los extremos donde se presenta el efecto de amortiguamiento. Por lo tanto, se
necesita utilizar un conjunto distinto de reglas para cada ganancia de control. A
continuación se hablará de los resultados obtenidos, así como los conjuntos
definidos para cada ganancia de control, para su aplicación en la ecuación (4.16).

El proceso difuso considera varias señales de entrada, como el error (ep), el punto de
referencia (θp), y la salida de la planta (θ). Las salidas son las constantes Kp, Kd, Ki y
Kv, aplicadas a la ecuación de control (4.16). Como punto inicial, se desarrolla una
caracterización del sistema de manera heurística, para tener una idea de los
intervalos que serán necesarios en la definición de las reglas del conjunto difuso. Se
utiliza el método directo de Mamdani, y el método de defusificación es por centroide.
Para la evaluación del control, se utiliza el software MATLAB, aplicado al modelo
termomecánico.

Para encontrar los conjuntos difusos necesarios para controlar el sistema, primero se
consideran Kp, Kd, Ki y Kv iguales a cero, y únicamente se aplica el proceso a Kp. una
vez que se obtuvo una buena respuesta, se agrega al proceso difuso, las reglas para
la constante Ki, posteriormente se hará lo mismo para Kd, Kv y Kv. posteriormente, se
realizan ajustes pequeños para mejorar el desempeño de la planta. A continuación,
se detallan los conjuntos difusos empleados en el sistema de control.

EL PARÁMETRO Kp

El proceso difuso para Kp requiere tres entradas y una salida, como se muestra en la
figura 21. En el conjunto difuso se está empleando las funciones miembro

45
triangulares para cada clase. Las clases para la entrada THETA (θ) son extreme, low
y positive. Las clases para la entrada ERROR son negative big, negative half,
negative small, zero, positive small, positive half y positive big. Las clases para la
entrada de referencia, θp, son set point 1, y set point 2. Las clases para la salida son
small, half, big y very big. Las reglas difusas se muestran en la tabla 11.

Tabla 11. conjunto de reglas difusas utilizadas para Kp.

Regla 1 If e is NSmall then Kp is Big
Regla 2 If θp is SP1 then Kp is Big
Regla 3 If θ is not Extreme and e is Zero then Kp is Small
Regla 4 If θ is not Positive and e is PSmall then Kp is Small
Regla 5 If θ is not Positive and e is PHalf then Kp is vid
Regla 6 If θ is not Positive and e is PBig then Kp is Big
Regla 7 If θ is Positive and e is PSmall then Kp is Big

EL PARÁMETRO Kv

El proceso difuso tiene las mismas entradas que para el parámetro Kp, y se puede
observar en la figura 22, se utilizan clases miembro triangulares para cada clase. Las
clases para la entrada θ son low y high. Las clases para la entrada ERROR son
negative y positive. Las clases para la entrada del punto de referencia son: negative
5, negative 4, negative 3, negative 2, negative 1 y positive. Las clases para la salida
son: zero, very small, small, half, regular y high. El parámetro Kv permite eliminar los
cambios abruptos de velocidad en el movimiento del sistema. Las reglas difusas se
muestran en la tabla 12.

Tabla 12. Conjunto de reglas difusas utilizadas para Kv.

Regla 1 If θ is Low or e is Negative and θp is Positive then Kv is Small
Regla 2 If θ is High and e is Positive and θp is Neg1 then Kv is Regular
Regla 3 If θ is High and e is Positive and θp is Neg2 then Kv is Half
Regla 4 If θ is High and e is Positive and θp is Neg3 then Kv is VSmall
Regla 5 If θ is High and e is Positive and θp is Neg4 then Kv is Half
Regla 6 If θ is High and e is Positive and θp is Neg5 then Kv is High

46
 Input: Theta Input: Error
Extreme Low Positive NBig NHalf NSmall Zero PSmall PHalf PBig
1 1

0 0
-80 -60 -30 0 40 80 -80 -65 -50 -40 -30 -15 0 15 30 40 50 65 80

Input: Set point Ouput: Kp

SP1 SP2 Small Half Big VBig
1 1

0 0
-80 -70 20 80 0.7 0.9 1.5 1.7 1.9 2.1 2.9 3.1
-3
x 10

Figura 21. Conjunto difuso para la constante de control Kp.

Input: Theta Input: Error

Low High Negative Positive
1 1

0 0
-80 -70 -60 15 -80 -40 0 40 80

Input: Set point Ouput: Kv

Neg5 Neg4 Neg3 Neg2 Neg1 Positive Zero VSmall Small Half Regular High
1 1

0 0
-80 -70 -60 -50 -40 -30 -20 -10 0 40 80 0 0.1 0.2 0.3 0.4 0.5 0.6

Figura 22. Conjuntos difusos para la constante de control Kv.

47
EL PARÁMETRO K3

El proceso para K3 requiere únicamente una entrada y una salida, como se muestra
en la figura 23, utilizando funciones triangulares para cada miembro de clase. Las
clases para la entrada del punto de referencia son very down, negative down, regular
down, down y up. Las clases para la salida son very few, few, half, high, very high y
all. Este parámetro ayuda a controlar la salida del aire de retorno del sistema, y es
importante para minimizar un sobretiro en la salida de la planta. Las reglas difusas se
muestran en la tabla 13.

Tabla 13. Conjunto de reglas para K3.

Regla 1 If θp is Up then K3 is All
Regla 2 If θp is Down then K3 is VHigh
Regla 3 If θp is RDown then K3 is Half
Regla 4 If θp is NDown then K3 is Few
Regla 5 If θp is VDown then K3 is VFew

Input: Set point

VDown NDown RDown Down Up
1

0
-80 -60 -40 -15 40 80

Ouput: K3
VFew Few Half High VHigh All
1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Figura 23. Conjunto de reglas difusas para K3.

48
LOS PARÁMETROS DE CONTROL Kd Y Ki.

Los valores óptimos de estos parámetros resultaron ser cero. Debido a lo anterior,
los parámetros de control Kd y Ki no son usados en la ecuación (4.16). Se concluye
lo anterior por simulación, donde estos dos parámetros causan una pequeña
inestabilidad en el sistema cuando se les da valores diferentes a cero.

LA ECUACIÓN DE CONTROL FINAL

La ecuación (4.17) muestra la ecuación final obtenida para ser utilizada en conjunto
con un algoritmo difuso. Los valores de las válvulas representan un porcentaje de
apertura, donde 0 significa totalmente cerrado y 1 es totalmente abierto. La apertura
de la válvula A2, es igual a la apertura de la válvula A1, debido a que en la práctica,
por la figura 14, son la misma válvula, aunque el modelo matemático requiere que se
manejen las tres válvulas. El valor de A3, depende de A1, debido a que únicamente
se necesita controlar el retorno de aire del sistema, para obtener un mejor
desempeño. La válvula A3, es importante para detener el movimiento del vástago
cuando el brazo está cerca del punto de referencia en las direcciones ascendentes y
descendentes.

A1 (Tk ) = A10 + K p e p (Tk ) + K v ΔV (Tk )

A2 (Tk ) = A1 (Tk ) (4.17)
A3 (Tk ) = K 3 A1 (Tk )

El resultado de aplicar un algoritmo de lógica difusa para determinar el valor de las

ganancias de control se muestra en la figura 24.

49
 Angulo de salida del brazo flexible Velocidad del vastago respecto al cilindro
100 0.08

80 0.06

60
0.04

40
0.02
Theta [º]

20

V [m/s]
0
0
-0.02
-20

-0.04
-40

-60 -0.06

-80 -0.08
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

Figura 24. Resultado de utilizar lógica difusa para determinar las ganancias del controlador PID.

La figura 25 muestra una comparación entre los resultados de utilizar el control PID
clásico, contra la combinación de un algoritmo difuso para determinar las ganancias
del controlador PID. Como se puede observar en la figura, el movimiento utilizando el
algoritmo de lógica difusa es mejor que sin ella, evitando cambios bruscos de
velocidad en el desplazamiento del vástago del cilindro neumático, por lo que en este
caso, el resultado fue mejor combinando ambas técnicas de control.

angulo de salida del Manipulador Flexible Velocidad del vastago respecto al cilindro
100 0.08
Sin Logica Difusa
80 Con Logica Difusa
0.06

60
0.04

40
0.02
Theta [º]

20
V [m/s]

0
0
-0.02
-20

Sin Logica Difusa -0.04

-40
Con Logica Difusa

-60 -0.06

-80 -0.08
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

Figura 25. Comparación del controlador PID con y sin lógica difusa.

50
Control Difuso

Se prueba la implementación de un control difuso, sin interacción con un PID. El

diagrama a bloques de la figura nos muestra el planteamiento del controlador. El
algoritmo difuso entrega directamente el valor de apertura de cada una de las
válvulas, formando así el vector de control de variables de entrada al modelo del
actuador, u, por lo que se genera un desplazamiento del vástago respecto al cilindro,
lo que provoca un movimiento en el sistema mecánico, obteniéndose de esta manera
el ángulo de salida de la planta, que representa el ángulo de inclinación del brazo del
manipulador.

+ e Algoritmo u X
θp Actuador Planta θ
- difuso

Figura 26. Diagrama a bloques del controlador difuso.

Las ecuaciones (4.18) a (4.20) representan el error, y los valores de apertura de cada
válvula.

e = θp −θ
(4.18)
[A1 , A3 ] = fuzzy(θ p ,θ , e) (4.19)
A2 = A1 (4.20)

Las variables de entrada y salida al proceso difuso se muestran en la tabla 14. Por la
ecuación (4.20), la salida A2 no se considera. En el proceso difuso se utilizan
funciones miembro triangulares, que se muestran en la figura 27. El método de
defusificación es por centroide.

Tabla 14. Variables de entrada y salida al proceso difuso.

Entrada Salida
Referencia, θp Válvula 1, A1
Ángulo, θ Válvula 3, A3
Error, e

Las funciones miembro de la figura 27, se utilizan para controlar la posición del
actuador neumático que se encarga de dar la fuerza al manipulador de la figura 13.

51
Debido a que cada función está definida por un triangulo, es necesario definir los
valores de los vértices de cada triángulo, los cuales se muestran en la tabla 15. 0y 0

Tabla 15. Vértices de las funciones para las variables de entrada REFERENCIA y ÁNGULO.
Intervalo para REFERENCIA y ÁNGULO: -80º ≤ θp ≤ 80º
Función Miembro Vértices del triángulo
LOW [-144 -80 -20]
HALF [-64 0 64]
UP [16 80 144]

Tabla 16. Vértices de las funciones para las variables de salida A1 y A3.
Intervalo de A1 y A3: 0.0 ≤ θp ≤ 0.1
Función miembro Vértices del triángulo
ZERO [-0.01 0.000 0.010]
FEW [ 0.00 0.010 0.015]
HALF [ 0.01 0.050 0.075]
ALL [ 0.05 0.075 0.100]

Tabla 17. Vértices de las funciones para la variable de entrada ERROR.

Intervalo de ERROR: -80º ≤ θp ≤ 80º
Función Miembro Vértices del triángulo
UP [-144 -80 -16]
NEG2 [-20 -10 -2]
NEG1 [-3 -1 -0.4]
ZERO [-0.5 0 0.5]
POS1 [0.4 1 3]
POS2 [2 10 20]
DOWN [16 80 144]

52
 Funciones Miembro para REFERENCIA Funciones Miembro para ANGULO
LOW HALF UP LOW HALF UP
1 1

0.8 0.8

0.6
PESO

0.6

PESO
0.4 0.4

0.2 0.2

0 0
-80 -60 -40 -20 0 20 40 60 80 -80 -60 -40 -20 0 20 40 60 80
ANGULO ANGULO

(a) (b)
Funciones Miembro para ERROR (Parte I) Reference Memberships for ERROR (Parte II)
UP NEG2 POS2 DOWN NEG1 ZERO POS1
1 1

0.8 0.8

0.6 0.6
PESO

PESO

0.4 0.4

0.2 0.2

0 0
-80 -60 -40 -20 0 20 40 60 80 -4 -3 -2 -1 0 1 2 3 4
ANGULO ANGULO

(c) (d)
Funciones Miembro para A1 Funciones Miembro para A3
ZERO FEW HALF ALL ZERO FEW HALF ALL
1 1

0.8 0.8

0.6 0.6
PESO

PESO

0.4 0.4

0.2 0.2

0 0
-0.01 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 -0.01 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
ANGULO ANGULO

(e) (f)
Figura 27. Funciones miembro para las variables de entrada y salida de la tabla 14.

53
Las reglas difusas fueron organizadas en una tabla, para fácil revisión. Las entradas
y salidas están en diferentes columnas, de tal manera, que las salidas de un renglón,
corresponden a las entradas del mismo renglón. Esto se puede observar en la tabla
18. El proceso difuso se compone de 25 reglas en total, y el resultado de utilizar este
método se muestra en la figura 28. Como se puede observar, en el movimiento de la
planta hacia -70º, se tiene un movimiento subamortiguado, y se puede apreciar
movimientos bruscos del brazo.

La figura 29 muestra una comparación entre la respuesta de la planta utilizando el

algoritmo de controlador PID-Difuso y controlador Difuso. En la respuesta de la
planta podemos observar un mejor desempeño cuando se combina la lógica difusa
con el controlador PID, que cuando se utiliza solamente el algoritmo de lógica difusa.
En la velocidad del vástago respecto al cilindro, se observan cambios bruscos
cuando se utiliza solamente el controlador difuso que cuando se combina con el
controlador PID.

Tabla 18. Conjunto de reglas difusas usadas en el proceso de control del actuador neumático.
INPUT OUTPUT
Referencia Angulo Error A1 A2
LOW LOW NEG2 FEW FEW
LOW LOW NEG1 FEW ZERO
LOW LOW ZERO ZERO ZERO
LOW LOW ZERO ZERO ZERO
LOW LOW POS1 FEW ZERO
LOW LOW POS2 FEW FEW
LOW HALF DOWN HALF FEW
LOW UP DOWN ALL HALF
HALF LOW UP HALF FEW
HALF HALF UP FEW FEW
HALF HALF NEG2 FEW FEW
HALF HALF NEG1 FEW ZERO
HALF HALF ZERO ZERO ZERO
HALF HALF POS1 FEW FEW
HALF HALF POS2 FEW FEW
HALF HALF DOWN HALF FEW
HALF UP DOWN HALF HALF
UP UP UP FEW FEW
UP UP NEG1 FEW ZERO
UP UP NEG2 FEW FEW
UP UP ZERO ZERO ZERO
UP UP POS1 FEW ZERO
UP UP POS2 FEW FEW
UP HALF UP HALF HALF
UP LOW UP HALF HALF

54
 Angulo de Salida de la Planta Angulo del seguidor del mecanismo de 4 barras

0.0343
80

60 0.0206

25 0.007
theta [°]

theta [°]
12

-0.0067

-0.0204

-0.0341
-72

0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

Figura 28. Respuesta de la planta al controlador difuso.

Angulo del Brazo del Manipulador Flexible Velocidad del Vastago Relativo al Cilindro
100 0.08
Controlador Difuso
80 Controlador Difuso Controlador Difuso-PID
Controlador Difuso-PID 0.06

60
0.04

40
0.02
Theta [º]

20
V [m/s]

0
0
-0.02
-20

-0.04
-40

-60 -0.06

-80 -0.08
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

Figura 29. Comparación de la respuesta de la planta con un controlador Difuso vs. controlador Difuso-
PID.

El listado en Matlab se presenta a cotinuación.

function [apertura1, apertura2, apertura3, d] = fuzzy_control (error,

Verror, derror, ierror, sp);

Error=abs(error(1));
DVel=abs(Verror);
if Error>10,
Error=10;
end

%%% Al sistema se le da el nombre de 'a'

a = newfis('Controlador');

55
%%% Se define la entrada 1, de nombre Error
a = addvar(a,'input','Error',[0 160]);
a = addmf(a,'input',1,'EZ' ,'trimf',[-2 0 2 ]); % Cero
a = addmf(a,'input',1,'EP' ,'trimf',[ 0 2 4 ]); % Pequeño
a = addmf(a,'input',1,'EM' ,'trimf',[ 2 4 6 ]); % Mediano
a = addmf(a,'input',1,'EG' ,'trimf',[ 4 6 8 ]); % Grande
a = addmf(a,'input',1,'EMG','trimf',[ 6 8 10]); % Muy grande
a = addmf(a,'input',1,'EDG','trimf',[8 10 12]);% Demasiado grande

%%% Se define la entrada 2, de nombre Diferencia de Velocidad

a = addvar(a,'input','DVel',[0.0 3.0]);
a = addmf(a,'input',2,'DZ' ,'trimf',[-0.5 0.0 0.5]);% cero
a = addmf(a,'input',2,'DMP','trimf',[ 0.0 0.5 1.0]); % muy pequeña
a = addmf(a,'input',2,'DP' ,'trimf',[ 0.5 1.0 1.5]); % pequeña
a = addmf(a,'input',2,'DM' ,'trimf',[ 1.0 1.5 2.0]); % mediana
a = addmf(a,'input',2,'DG' ,'trimf',[ 1.5 2.0 2.5]); % grande
a = addmf(a,'input',2,'DMG','trimf',[ 2.0 2.5 3.0]); % muy grande

%%% Se define la salida, de nombre Area

a = addvar(a,'output','Factor',[1500 5500]);
a = addmf(a,'output',1,'AC','trimf',[ 500 1500 2500]); % Cero
a = addmf(a,'output',1,'AB','trimf',[1500 2500 3500]); % Baja
a = addmf(a,'output',1,'AM','trimf',[2500 3500 4500]); % Mediana
a = addmf(a,'output',1,'AG','trimf',[3500 4500 5500]); % Grande
a = addmf(a,'output',1,'AA','trimf',[4500 5500 6500]); % Alta

RuleList = [
1 1 1 1 1
2 2 5 1 1
3 1 1 1 2
3 2 4 1 1
4 2 3 1 1
5 1 2 1 1
5 4 1 1 2
];

a = addrule(a,RuleList);
[d]=reglas(a, 1, [Error, DVel]);

A1=abs(error(1)/d+Verror*0.3+0.001*derror+0.0001*ierror);
A2=apertura1;
A3=apertura1;

4.6. Control Neuronal-PID

La figura 30 muestra la estructura del controlador Neuronal-PID, y se utiliza para
compensar el comportamiento no lineal del sistema. Las redes neuronales son del
tipo perceptrón, con una capa oculta, que solamente tiene una neurona con una

56
función de activación sigmoide. La capa de salida es lineal y tiene también una sola
neurona 0.

Las salidas de las redes son respectivamente ΔK p , ΔK i , y ΔK v , que es el

incremento de las ganancias proporcional, integral, derivativo y de velocidad. Las

entradas de todas las redes neuronales son los errores de las salidas y sus primeras
diferencias, como se muestra en la ecuación (4.21).

Red Neuronal
+
e(k T)
θp (kT) K3, Kv , Kp
-

ΔV
K Kv
+
+ u(k T )
PID Actuador Planta θ(kT )
X

Figura 30. Diagrama a bloques del controlador Neuronal-PID.

x(t ) = [e p (t ) Δe p (t )] (4.21)

Donde

e p ( t ) = θ d ( t ) − θ( t ) (4.22)

Las redes neuronales están entrenadas por medio del algoritmo de backpropagation,
que se desarrolla para los cambios de las ganancias proporcional y derivativa del
controlador. Se escoge el algoritmo de backpropagation debido a que es sencillo, y
permite el entrenamiento en línea. La función que debe ser minimizada por medio de
redes neuronales es la función cuadrática de la ecuación (4.23).

1
E( t ) =
2
∑ e 2p ( t ) (4.23)

En la figura 31 se muestra el resultado de aplicar el controlador neuronal-PID para

laposición del vástago del cilindro neumático.

57
 Angulo del seguidor del mecanismo de 4 barras Angulo del seguidor del mecanismo de 4 barras
100 100

80 80

60 60

40 40
theta6 [°]

theta6 [°]
20 20

0 0

-20 -20 PID Clasico

PID Neuronal
PID Fuzzy
-40 -40

-60 -60

-80 -80
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t [s] t [s]

(a) Controlador Neuronal-PID (b) Comparación con control clásico y difuso.

Figura 31. Resultado de la simulación del controlador Neuronal-PID.

Los valores de las referencias utilizadas en la figura 31 son: 60º, 12º, -72º, 25º y 79º;
así mismo, se incluye una comparación con resultados obtenidos utilizando control
clásico PID y control difuso-PID. La figura 31(b) muestra que el mejor resultado se
obtiene cuando se utiliza el control neuronal-PID, especialmente cuando la referencia
es cercana a -80º. En este punto, la posición del vástago es cercana al final de
carrera, y por lo tanto cerca del área de amortiguamiento, por lo que el cilindro debe
soportar las fuerzas inerciales generadas por el peso del mecanismo y del brazo.

4.7. Resultados prácticos.

Para aplicaciones industriales, los controladores han tenido un gran avance. Con el
desarrollo de la electrónica, los controladores digitales están basados en un
microcontrolador, una computadora personal (PC), y dispositivos lógicos
programables, tales como los arreglos de compuertas programables en campo
(FPGA, field programmable gate array). Los FPGA son dispositivos lógicos
programables, utilizados para la implementación de sistemas digitales, aprovechando
los lenguajes descriptivos de hardware. Estos dispositivos programables han ganado
un mercado muy amplio en aplicaciones embebidas, conocido como sistemas en un
encapsulado (SOC), debido a su característica reconfigurable, que significa que la
descripción del hardware puede ser modificada sin cambios en las conexiones
externas. La principal ventaja de utilizar un FPGA en este trabajo, incluyendo la
característica mencionada previamente, es su estructura paralela inherente que

58
permite calcular operaciones aritméticas en menos tiempo que un microcontrolador,
inclusive, es posible lograr mayores velocidades de muestreo en comparación con
los procesadores digitales de señales (DSP), los microcontroladores y las PC 0. Los
microcontroladores y los DSP tienen una estructura secuencial, razón por lo que se
requiere varios ciclos de reloj para calcular operaciones matemáticas, y no se puede
garantizar altas velocidades de muestreo cuando el algoritmo tarda varios ciclos en
realizar un cálculo; especialmente, su hardware no es reconfigurable. Por otro lado,
la integración del FPGA y su portabilidad es muy importante para la implementación
de estructuras complementarias en hardware, tales como un controlador PD,
controlador de comunicación serial RS232, generador de tiempo de muestreo, los
controladores del convertidor analógico-digital (ADC) y el convertidor digital-
analógico (DAC). Una de las principales contribuciones de este trabajo es el
desarrollo de un controlador basado en FPGA para un actuador neumático, utilizando
el lenguaje descriptivo de hardware para dispositivos de muy alta velocidad (VHDL).
Es importante notar que una computadora personal es más costosa que un sistema
con FPGA, no se pueden obtener altas velocidades d muestreo en una PC debido a
todos los procesos digitales ejecutados por el sistema operativo, y se requieren
muchos ciclos de reloj para resolver una operación aritmética. En este trabajo, la PC
es utilizada únicamente para almacenar datos y mostrar resultados gráficos.

Por las razones dadas previamente, diversos controladores digitales han sido
implementados en dispositivos FPGA 0, y se han desarrollado algunas metodologías
para la implementación de controladores PID basados en FPGA 0. Los sistemas
embebidos son importantes debido al incremento de la integración de sistemas
mecánicos con electrónica digital y el procesamiento de la información 0, sin
embargo, los controladores basados en FPGA no han sido utilizados para sistemas
neumáticos, y las aplicaciones como el desarrollo de manipuladores flexibles no han
sido consideradas. En esta sección se presenta un controlador embebido para la
posición del vástago de un actuador neumático en aplicaciones de manipuladores
flexibles.

59
Para poder comparar los resultados de la simulación con la experimentación, se ha
implementado un controlador PID en un FPGA. A continuación se describen los
módulos de hardware utilizados, así como la implementación física.

Descripción experimental.

La figura 32 muestra un diagrama a bloques funcional del sistema. El convertidor

analógico/digital (ADC) es el ADS7841 de 12 bit, con comunicación serial síncrona,
cuatro canales de conversión de hasta 200 KHz de conversión. El convertidor
digital/analógico (DAC) es el DAC7624 de 12 bit, con comunicación paralelo, cuatro
canales de salida analógica con un intervalo de 0 a 5V, con un tiempo de conversión
de 10 μs. El ADC y el DAC son fabricados por Texas Instruments. El DAC es usado
para controlar la apertura de las válvulas proporcionales; el ADC es utilizado para
leer la posición actual del manipulador flexible a través de un sensor resistivo de 10
Kohm, con un intervalo de salida de 0 a 2 V. la posición del brazo flexible tiene un
intervalo de movimiento de -70 a 84 grados. Finalmente, se utiliza un FPGA para
implementar el algoritmo PD y todas las estructuras complementarias.

Figura 32. Diagrama a bloques utilizado para controlar el actuador neumático.

A continuación se describe el funcionamiento del sistema de la figura 32. El

dispositivo ADC lee la posición actual del brazo flexible, a través del sensor de
posición. El FPGA recibe un valor de 12 bit equivalente a la posición actual. El valor
de 12 bit es utilizado para calcular el valor de apertura de A1 y A3 a través del
proceso de control. La dirección del vástago es obtenida de acuerdo al siguiente
criterio: si el error es positivo, el vástago debe ir hacia fuera del cilindro, y si es
negativo, el vástago debe ir hacia dentro del cilindro. En seguida, los valores

60
obtenidos de A1 y A3 son enviados por el FPGA al DAC para obtener el valor
analógico de la apertura de las válvulas. El canal A es usado para la válvula A1 y el
canal B es usado para la válvula A3. El FPGA utilizado tiene 12 módulos
multiplicadores de 18 bit, y el formato numérico utilizado es 8.10 de punto fijo. El
controlador embebido es implementado en una tarjeta Spartan-3 Kit, de Xilinx 0.

El sistema digital de la figura 32 requiere dos interfaces de potencia (VEA252) para

controlar dos válvulas proporcionales de flujo de aire (VEA2141 y VEA2121). La
válvula proporcional A1 es el modelo VEA2141, y la válvula poroprcional A3 es el
modelo VEA2121. La dirección del vástago es controlado por una electro-válvula 5/2.
Las tarjetas de interfase de potencia, las válvulas proporcionales y la electro-válvula
5/2 son manufacturadas por SMC.

La figura 33 muestra un diagrama a bloques de la descripción en hardware

implementada en el FPGA, formado por los controladores DAC y ADC, generador de
tiempo d muestreo de 50 ms, controlador del protocolo de comunicación (RS232), un
registro para cargar el valor de salida del controlador PD (Register) y la máquina de
estados finitos para la sincronización de los módulos mencionados (FSM control).

Figura 33. Diagrama a bloques de la descripción en hardware para el FPGA.

La ley de control implementada es un PD estándar, como se muestra en la ecuación

(4.24).

61
 ⎡ A1 (Tk ) ⎤ ⎡ K p e p (Tk ) + K d ed (Tk )⎤
u = ⎢⎢ A2 (Tk )⎥⎥ = ⎢⎢ K p e p (Tk ) + K d ed (Tk )⎥⎥ (4.24)
⎢⎣ A3 (Tk ) ⎥⎦ ⎢⎣ K3 ⎥⎦

El controlador PD es el bloque más importante de la descripción en hardware de la

figura 33, y se muestra más a detalle en la figura 34. En la descripción de hardware
presentada para el controlador PD, se utilizan dos multiplicadores de 18 bit, tres
sumadores de 18 bit y un registro. Las ecuaciones (4.10) y (4.12) son utilizadas para
calcular el error proporcional, ep(Tk), y el error derivativo, ed(Tk), respectivamente, y
la salida del controlador, u, de acuerdo a la ecuación (4.24). La posición actual, θ, la
referencia, θp, la constante proporcional, Kp, y la constante derivativa Kd, son las
variables de entrada al proceso de control. Debido a que el intervalo de salida debe
estar dentro del intervalo de 0.0 y 0.9999, se requiere de un limitador de salida.

Figura 34. Arquitectura PD utilizada para controlar el flujo de aire con la válvula proporcional.

En la figura 34, el primer sumador obtiene el error de posición, correspondiente a la

diferencia entre la referencia y la posición actual del brazo. Igualmente, se utiliza un
registro para almacenar el valor anterior, y de esa manera obtener el error diferencial,
que involucra el error actual menos el error anterior. Las multiplicaciones son
realizadas utilizando palabras de 18 bit. La ecuación (4.25) representa la ecuación
implementada en lenguaje descriptivo.

Ai = K p e(Tk ) + K d [e(Tk ) − e(Tk −1 )] (4.25)

Donde el error es calculado de acuerdo a la ecuación (4.26).

62
e(Tk ) = θ p − θ (Tk ) (4.26)

Enseguida, se muestra la descripción VHDL para el controlador PD correspondiente

a la figura 34.

library IEEE;
use IEEE.std_logic_1164.all;
use IEEE.std_logic_arith.all;
use IEEE.std_logic_signed.all;

entity Multiplica is
generic(
n: integer := 18
);
port(
Kp : in std_logic_vector(n-1 downto 0);
Kd : in std_logic_vector(n-1 downto 0);
ek : in std_logic_vector(n-1 downto 0);
ek1: in std_logic_vector(n-1 downto 0);
A : out std_logic_vector(n-1 downto 0)
);
end Multiplica;

architecture Multiplica of Multiplica is

signal m1, m2: std_logic_vector(2*n-1 downto 0);
begin
Proporcional: process(Kp,ek)
variable P1: signed(2*n-1 downto 0);
begin
P1:= signed (Kp)*signed (ek);
m1<= std_logic_vector(P1);
end process Proporcional;

Derivativo: process(Kd,ek,ek1)
variable P2: signed(2*n-1 downto 0);
variable P3: signed(2*n-1 downto 0);
begin
P2:= signed(ek)-signed (ek1);
P3:= signed (Kd)*signed(P2);
m2<= std_logic_vector(P3);
end process Derivativo;

A<= m1+m2;
end Multiplica;

63
Las variables Kp y Kd corresponden a las constantes de control proporcional y
derivativo, respectivamente. La variable ek es el error actual, y ek1 es el error un
instante de tiempo anterior. Finalmente, A es el valor de apertura de la válvula
respectiva. Es importante el manejo de las operaciones dentro de un proceso, pues
de lo contrario, los resultados serán incorrectos, y no se podría controlar el proceso.

La descripción VHDL para el limitador de salida, se muestra a continuación.

Limitador: process(A)
begin
if(A>"000000001111111111") then
B<="000000001111111111";
else
B<=A;
end if;
end process Limitador;

El controlador basado en FPGA debe controlar el prototipo del robot manipulador

mostrado en la figura 35, y la figura 36 muestra el hardware usado para controlar el
comportamiento del manipulador flexible.

Figura 35. Prototipo del robot manipulador flexible. (a) Vista general. (b) Mecanismo impulsor. (c)
Sensor de posición.

En la figura 36 la interfaz de potencia VEA252 debe ser alimentada con 24 Vdc, y la

señal de control debe tener la tierra aislada. Debido a lo anterior, se utiliza un
dispositivo HCNR200, manufacturado por Hewlett Packard.

64
 Figura 36. Hardware utilizado en la implementación del controlador del robot manipulador flexible.

Se utiliza el método “Hand-tuning” para sintonizar el consolador. Primero, a todos los

valores de las constantes de control se les da un valor de cero. Enseguida, se
modifica el valor de la constante proporcional hasta que la planta presenta cierta
inestabilidad. Posteriormente, se modifican los valores de la constante derivativa y de
K3. Se pudo observar que, si los valores de A1 y A3 son iguales, en la planta se
presenta una oscilación. Por lo tanto, el valor de A3 permanece siempre pequeño, e
inclusive constante, dependiendo de la posición actual y del valor de referencia. Es
muy importante el buen manejo de los datos en punto fijo, pues de eso depende el
buen funcionamiento del controlador. El tamaño del formato de punto fijo es definido
de acuerdo a las simulaciones y parámetros establecidos en 0, donde los valores de
los parámetros están definidos en el intervalo -125 a 125. Entonces, los datos deben
ser manejados con signo y la parte entera debe ser de 8 bit. Debido a que los
multiplicadores del FPGA son de 18-bit, la parte fraccional se deja de 10 bit.

Debido a la alta no linealidad de la planta, el proceso de sintonizado se realiza

tomando en cuenta la división en zonas mostrada en la figura 14(b). Primero, se
prueba e control con una referencia en la zona Z1, hasta que se obtenga una
estabilidad aceptable. Posteriormente, se utiliza una referencia en Z2, modificándose
los parámetros hasta obtener un comportamiento aceptable. Finalmente, se utiliza
una referencia en la zona media y nuevamente se ajustan los valores de los

65
parámetros de control. Los valores resultantes que permiten obtener un buen
comportamiento, así como el valor decimal, la representación en punto fijo, y el
intervalo de posición del vástago donde se utiliza el valor, se muestran en la tabla 19.

Tabla 19. Valores de los parámetros utilizados en el control PD.

Valor Valor en
Parámetro Intervalo
Decimal Punto fijo
47.999 001011111111111111 e(TK ) > 0.015625
Kp
0.000 000000000000000000 e(TK ) ≤ 0.015625
11.000 111111111111110000 e(TK ) > 0.015625
Kd
0.000 000000000000000000 e(TK ) ≤ 0.015625
0.178 000000000010110111 e(TK ) > 0.015625 y θ p > 1.5º y θ > 1.5º
K3 0.179 000000000010111000 e(TK ) > 0.015625 y (θ p ≤ 1.5º o θ ≤ 1.5º )
0.000 000000000000000000 e(TK ) ≤ 0.015625

Resultados

En la experimentación práctica, se establece una tolerancia en la posición del

vástago del cilindro neumático de ±1.5 mm para esta primera aproximación, y se
analiza la respuesta al escalón en las tres diferentes zonas del movimiento del
vástago, con 8 ms como tiempo de muestreo del comportamiento del brazo, y 50 ms
como tiempo de actualización de la apertura de las válvulas proporcionales. El
comportamiento del desplazamiento del vástago se muestra en la figura 37 para la
zona inferior, en la figura 38 para la zona media y la figura 39 para la zona superior.

Las características del resultado del comportamiento del manipulador con el

controlador PD funcionando se muestran en la tabla 20. El resultado incluye las tres
zonas de movimiento del vástago. Se realizaron 25 corridas de una rutina con los
mismos valores de referencia, y en la tabla se presenta por columnas el promedio (P)
y la desviación estándar (D).

66
 Step response f or Z1 zone
39

30

X [mm]
20

8 Rod Displacement
Reference

0
0 5 Time [s] 10 15

Figura 37. Respuesta al escalón en la zona inferior Z1.

Step response f or middle zone

71

60
X [mm]

50

39 Rod Displacement
Reference

0 5 Time [s] 10 15

Figura 38. Respuesta al escalón y la referencia en la zona media.

Step response f or Z2 zone

90
X [mm]

80

Rod Displacement
Reference
71
0 5 Time [s] 10 15

Figura 39. Respuesta al escalón y la referencia en la zona superior Z2.

Tabla 20. Características del control del manipulador flexible de un grado de libertad.
Z1 Media Z2
P D P D P D
Tiempo de retardo (seg) 2.0 0.08 1.6 0.07 0.6 0.04
Tiempo de ascenso (seg) 3.2 0.10 2.2 0.09 0.9 0.04
Tiempo de establecimiento (seg) 3.6 0.11 2.6 0.09 1.0 0.07
Tiempo de pico (seg) --- --- 3.0 0.09 1.4 0.07
Máximo sobre-impulso --- --- 1.40% 0.20% 3.10% 0.22%

La figura 40 muestra el comportamiento completo del manipulador flexible con la

acción del controlador PD, y se observan pequeñas variaciones dentro del intervalo
del 2% del valor de la referencia. El manipulador realiza un recorrido con cambios de

67
referencia que involucran las tres zonas de la carrera del vástago. Tales variaciones
se consideran como un comportamiento aceptable. La línea continua muestra el
comportamiento real obtenido en la práctica, mientras que la línea punteada muestra
la trayectoria deseada con los puntos de referencia. La figura 41 muestra la gráfica
del error correspondiente a la respuesta de la planta, respecto a los valores de
referencia.

PD Control Results

75.3
Theta [Degrees]

38.8

-3.8

Angle of Flexible Arm

Set Point
-53.8
0 20 40 60 Time [s] 80 100 120 140

Figura 40. Resultado del proceso de control PD para el manipulador flexible.

PD Control Error
60

40

20
Theta [Degrees]

-20

-40

-60
0 20 40 60 Time [s] 80 100 120 140

Figura 41. Comportamiento del error del proceso de control de posición del robot manipulador flexible.

En la figura 40 se observa que la planta presenta una estabilidad, con un

comportamiento similar al deseado y con muy bajas variaciones alrededor del punto
de referencia. Cuando el punto de referencia está cerca o dentro de la zona Z2, la
respuesta de la planta presenta variaciones debido a las perturbaciones generadas
por el peso del brazo y la acción de la gravedad. En el comportamiento del error de
posición del brazo manipulador mostrado en la figura 41, el error es mayor cuando la
referencia está dentro de la zona Z2, y el error disminuye cuando la referencia esté
dentro de las zonas media y Z1. Finalmente, el comportamiento del control de
posición del brazo, tiene variaciones dentro del 2% del valor de referencia.

68
La estrategia propuesta es factible para controlar el sistema con actuador neumático.
El controlador es programado en un dispositivo FPGA número XC3S200, con
empaquetamiento FT256, manufacturado por Xilinx. El sistema requiere 12,338
compuertas y dos multiplicadores de 18 bit.

4.8. Publicaciones científicas

En el desarrollo de este trabajo de tesis, se realizaron diversas publicaciones sobre
control neumático aplicado a manipuladores flexibles, así como un trabajo alterno de
la simplificación del modelo Termomecánico de un actuador neumático. Los trabajos
presentados en congresos se muestran en la tabla 21. Los trabajos realizados para
revistas internacionales se muestran en la tabla 22. Los capítulos de libros se
muestran en la tabla 23.

Tabla 21. Publicaciones presentadas in extenso.

Titulo
Pneumatic Fuzzy Controller for a Flexible Arm
Pneumatic Cylinder Control Pid For Manipulator Robot
Pneumatic Cylinder Control for a Flexible Manipulator
Robot
Matlab-C++ Interface for a Flexible Arm Manipulator
Simulation using Multi-Language Techniques
PID Control for a Pneumatic Cylinder of a Manipulator
Robot
Congreso
13th IEEE International Conference on Methods and
Models in Automation and Robotics; Szczecin, Poland,
August 27 – 30, 2007
2006 International conference on Dynamics,
Instrumentation and Control; August 13 – 16 2006;
Querétaro, Qro.
12th IEEE International Conference on Methods and
Models in Automation and Robotics; Międzyzdroje,
Poland, August 28 – 31, 2006
Fifth Mexican International Conference on Artificial
Intelligence, Apizaco, Tlaxcala, Mexico, 13 – 17
November, 2006 (Coautor)
10th Internacional Conference on Mechatronics and
Technology. ICMR 06 ITESM, Mexico City, 20th – 24th
November, 2006

Tabla 22. Publicaciones realizadas en Revistas Internacionales.

Titulo
Nuevo Modelo Polinomial del Comportamiento
de un Cilindro Neumático
Control Simulation Methodology for Mechatronic
Applications using Multilanguage Techniques
FPGA Based Embedded PD Control to Pneumatic
Actuator in a Flexible Manipulator
Fuzzy-PID Control Applied to Pneumatic Actuator for a
Flexible Manipulator
Adaptive Fuzzy Control to Flexible Manipulator with
Pneumatic Actuator
Revista
Revista Internacional Información Tecnológica. Chile.
Vol. 17 No. 3 Año 2006.
Visual Computers, Springer. En revisión desde el 19 de
enero del 2008.
Control and Practice, Elsevier. En revisión desde 27 de
diciembre del 2007.
Engineering Applications of Artificial Intelligence,
Elsevier. En revision desde el 24 de Noviembre del
2007.
Journal of Intelligent & Fuzzy Systems. En revisión
desde octubre del 2006.

69
 Tabla 23. Publicaciones realizadas en capítulos de libros.
Titulo
Pneumatic Fuzzy Controller Simulation vs Practical
Results for Flexible Manipulator
Fuzzy and Neuronal Control to Flexible Manipulator
Fuzzy and Neuronal Control to Flexible Manipulator
A Mechatronics Methodology
Libro
Automation and Robotics. International Journal of
Advanced Robotics Systems. Aceptado, se enviará
version final antes del 20 de febrero del 2008, y se
publicará en abril del 2008.
International Journal of Factory Automation, Robotics
and Soft Computing, Issue 2, april 2007, pp. 155-160,
ISSN 1828-6984. (coautor)
International Society for Advanced Research, Emerging
Technologies, Robotics and Control Systems, volume
2, pp. 56-61, ISBN 978-88-901928-2-1. (coautor)
New Trends in electronics Technology. Pp. 84-92. ISBN
978-970-773-345-9. (coautor)
70
CAPÍTULO 5. CONCLUSIONES Y TRABAJO FUTURO

71
Los manipuladores flexibles con actuadores neumáticos para aplicaciones
industriales, no han sido encontrados en trabajos previos; sin embargo, el desarrollo
practico de este tipo de robots con actuador neumático es factible, y pueden ser
utilizados en la limpieza de aisladores de porcelana para líneas aéreas de alta
tensión, para pintar estructuras altas, ó bien, aplicaciones industriales donde se
requiere que el robot sea ligero, económico y una mayor relación potencia-peso.

En trabajos previos reportados, se han desarrollado algunos manipuladores flexibles;

sin embargo, no está considerado el uso de actuadores neumáticos como medio de
generación de fuerza en estos robots, debido al comportamiento altamente no lineal
del aire. Por otro lado, la mayoría de los controladores embebidos tienen
aplicaciones con actuadores eléctricos, o inclusive hidráulicos, pero no consideran el
control de actuadores neumáticos. Los robots neumáticos en general, tienen una alta
relación potencia-peso, en comparación con los motores eléctricos. Además, la
neumática puede ser aprovechada para el desarrollo de manipuladores de alta
velocidad, poco peso y económicos.

La desventaja de la neumática, es que el comportamiento altamente no lineal del aire

complica el desarrollo de manipuladores con actuadores neumáticos, y en
consecuencia, el controlador es más complejo.

En el trabajo desarrollado por Kiyama 0, no se incluye una propuesta de control, y

solamente se limita a obtener el modelo termo-mecánico del sistema del robot,
incluyen al actuador neumático.

La novedad de este trabajo es la aplicación del actuador neumático para la

generación de fuerza para un manipulador flexible en lugar de un actuador eléctrico,
implementando un controlador embebido basado en FPGA para el control de
posición del vástago del actuador. Considerando los resultados experimentales
mostrados en la sección 4.7, la contribución de este trabajo es ser uno de los
primeros que aplican un control embebido en un dispositivo FPGA para el control de

72
posición del vástago de un actuador neumático, aplicado a un manipulador flexible de
un grado de libertad. De la misma forma, se contribuyó a la simplificación del modelo
termomecánico, logrando disminuir el tiempo de cómputo, y en consecuencia,
disminuir el tiempo para sintonizar los controladores, en las simulaciones realizadas
en la computadora, debido a que una vez que se cuenta con el modelo matemático,
se puede hacer uso de diversas técnicas de simulación para poder tener una idea de
los valores iniciales de los parámetros de control, especialmente porque se requiere
trabajar en formato binario, y por lo tanto, es necesario el uso del formato de punto
fijo.

Los resultados estadísticos mostrados en la tabla 20. , muestran que el sistema es

estable y el comportamiento es repetible, y aunque en este momento la velocidad del
movimiento es baja, es suficiente para diversas aplicaciones.

Por todo lo anterior, el desarrollo de un manipulador flexible de dos ó tres grados de

libertad es factible.

Para futuros trabajos, se considera la combinación de diversas técnicas de control

para lograr una mejor respuesta del manipulador flexible de un grado de libertad,
como lógica difusa, redes neuronales, control neuro-difuso y combinaciones con
algoritmos PID.

73
REFERENCIAS

74
Festo; Comparison, pneumatic vs. electrical; http://www.festo.com; July 3rd 2006.
Constantinos Mavroidis, Charles Pfeiffer and Michael Mosley; Invited Chapter in Automation, Miniature
Robotics and Sensors for Non-Destructive Testing and Evaluation; Robotics and Mechatronics Laboratory,
Department of Mechanical and Aerospace Engineering; Y. Bar-Cohen Editor; April 99
Constantinos, M., 2002. Development of Advanced Actuators Using Shape Memory Allows and
Electrorheological Fluids. Research in Nondestructive Evaluation. Springer New york ISSN 0934-9847. 14,
1-32.
Richer E, Hurmuzlu Y. A High Performance Pneumatic Force Actuator System. ASME Journal of Dynamic
Systems Measurement and Control 2000. 122:416-425.
Mirro, John; Automatic Feedback Control of a Vibrating Beam; Master Th.; Dept. of Mechanical
Engineering, Massachussets Institute of Technology, August 1972.
Xuru, D., Tzyh, J.T., Antal, K.B., 1988. A Novel Approach to the Modeling and Control of Flexible Robot
Arms. Proceedings of the 27th Conference on Decision and Control, Austin, Texas USA, 52-57.
Bremer H, Pfeiffer F. Experiments with flexible manipulators. Control engineering practice, 1995, 3:1331-
1338.
Panu, C., David B., 1999. A Case Study of Robust Control Experiment on One-link Flexible Robot Arm.
Proceedings of the 38th Conference on Decision and Control, Phoenix, Arizona USA, 4319-4324.
W. Book, K. Obergfell; Practical Models for Practical Flexible Arms; Proc. 2000 IEEE int. Conf. On robotics
and Automation, San Francisco CA, April, 2000.
M. O. Tokhi, Z. Mohamed, H. M. Amin, R. Mamat; Dynamic Characterization of a Flexible manipulator
System: Theory and Experiments; IEEE August, 2000.
Somolinos J, Feliu V, Sánchez L. Design, dynamic modeling and experimental validation of a new three-
degree-of-freedom flexible arm. Mechatronics, 2002; 12:919–948.
Vicente Feliu, José A. Somolinos, and Andrés García. Inverse Dynamics Based Control System for a
Three-Degree-of-Freedom Flexible Arm. IEEE Transactions on Robotics and Automation, Vol. 19, No. 6,
December 2003.
Rong, J.W., Rou, Y.D., Wen, H.W., Li, W.L., 2003. Implementation of Artificial Intelligent Control in Single-
Link Flexible Robot Arm. Proceedings 2003 IEEE International Symposium on Computational Intelligence in
Robotics and Automation. Kobe, Japan, 1270-1275.
Joaquín Pérez Meneses; Análisis Dinámico de Mecanismos Accionados Neumáticamente; Tesis de
Doctorado; Facultad de Ingeniería Mecánica, Eléctrica y Electrónica, FIMEE; Salamanca, Gto.; Marzo
2003.
Gu M, Piedbœuf JC. A flexible-arm as manipulator position and force detection unit. Control Engineering
Practice, 2003, 11:1433-1448.
Rong, J.W., Meng, C.L., 2004. Intelligent Optimal Control of Single-Link Flexible Robot Arm. IEEE
Transactions on Industrial Electronics, 51, 201-220.
Alessandro Gasparetto; On the Modeling of Flexible-Link Planar Mechanisms: Experimental Validation of
an Accurate Dynamic Model; Journal of Dynamic Systems, Measurement, and Control, June 2004, Volume
126, Issue 2.
Fernando F. Kiyama, José emilio Vargas Soto; Modelado de un Brazo Flexible de un Grado de Libertad
Operado Neumáticamente; International Symposium of Robotics and Automation 2004.
Jorge M. Martins, Miguel A. Botto, José Sá da Costa; Flexible Manipulators: Modelling and Experimental
Setup; Mechatronics & Robotics ’04; Aachen – Germany; September 13; 2004.
J. Reis, J. Sá da Costa; Design Concepts for an Intelligent Flexible Robot Link; Mechatronics & Robotics

75
’04; Aachen – Germany; September 13; 2004.
Cheong J, Kyun W, Youm Y. Inverse Kinematics of Multilink Flexible Robots for High-Speed Applications.
IEEE Transactions on Robotics and Automation, 2004; 20:269-282.
Etxebarria V, Sanz A, Lizarraga I. Control of a Lightweight Flexible Robotic Arm Using Sliding Modes.
International Journal of Advanced Robotic Systems, 2005; 2:103-110.
Burrows C.R., Webb C.R.; Simulation of an On – Off Pneumatic Servomechanism; Automatic Control
Group, 1968.
Varseveld RB, Bone GM. Accurate Position Control of a Pneumatic Actuator Using On/Off Solenoid Valves.
IEEE/ASME Transactions on Mechatronics, 1997; 2:195-204.
Henri PD, Hollerbach JM, Fellow, Nahvi A. An Analytical and Experimental Investigation of a Jet Pipe
Controlled Electropneumatic Actuator. IEEE Transactions on Robotics and Automation, 1998; 14:601-611.
Wang J., Pu J., Moore P. A practical control strategy for servo-pneumatic actuator systems. Control
Engineering Practice, 1999, 7:1483-1488.
Hipólit Moreno Llagostera; Control of a Pneumatic Servosystem Using Fuzzy Logic; Proc. Of 1st FPNI-PhD
Symp. Hamburg 2000.
Pei Xiang, Zheng Jiajin, Yang Jilong, Ruan Jian; 2D Pneumatic Digital Servo Valve; Fifth International
Conference on Fluid Power Transmission and Control, ICFP, China; Department of Mechanical
Engineering, University of Technology Hangzhou, China, and University of Saskatchewan, Canadá; April
2001
Joono, C., Wan, K.C., Youngil, Y., 2001. Fast Suppression of Vibration for Multi-link Flexible Robots using
Parameter Adaptive Control. Proceedings of the 2001 IEEE/RSJ International Conference on Intelligent
Robots and Systems, Maui, Hawaii, USA, 913-918.
Kojima, H., Kibe, T., 2001. Optimal Trajectory Planning of a Two-Link Flexible Robot Arm based in Genetic
Algorithm for Residual Vibration Reduction. Proceedings of the IEEE/RSJ International Conference on
Intelligent Robots and Systems, Maui, Hawaii, USA, 2276-2281.
Caldwell DG, Tsagarakisa N, Medrano-Cerda GA, Schofieldb J, Brown S. A pneumatic muscle actuator
driven manipulator for nuclear waste retrieval. Control Engineering Practice, 2001, 9:23-36.
Juan Carlos Burbano Jaramillo, Germán A. Bacca Bastidas, Mario Hoyos Mesa, Control de Posición y
Presión para Manipulador Neumático a Través de PC, 2003.
Kiyama F., Vargas E.; Modelo Integral del Accionamiento Neumático para un Robot Flexible Industrial;
CRODE-CIDESI; 2º Congreso Nacional de Mecatrónica, 2003.
Istók B, Szente V, Vad J. Behavior of a Pneumatic Pressure Regulator Valve under Leakage
Circumstances. 2nd International Conference on Heat Transfer, Fluid Mechanics and Thermodynamics.
2003.
E. Quiles, F. Morant, E. García, R. Blasco, A. Correcher; Control Adaptivo de un Sistema de Control
Neumático; 3ra. Conferencia Iberoamericana en Sistemas, cibernética e Informática CISCI, Julio 2005.
Massimo, S., Giorgio, F., Stefano, P., 2004. Dynamic Model and Experimental Investigation of a Pneumatic
Proportional Pressure Valve. IEEE/ASME Transactions on Mechatronics, 9, 78-86.
Wang J, Wang JD, Daw N, Wu QH. Identification of Pneumatic Cylinder Friction Parameters Using Genetic
Algorithms. IEEE/ASME Transactions On Mechatronics, 2004; 9:100-107.
Richardson R, Brown M, Bhaktac B, Levesleyd M. Impedance control for a pneumatic robot-based around
pole-placement, joint space controllers. Control Engineering Practice, 2005; 13:291-334.
Ramos JM, Gorrostieta E, Vargas JE, Pedraza JC, Romero R, Ramírez B. Pneumatic Cylinder Control for a
Flexible Manipulator Robot. Methods and Models in Automation and Robotics, MMAR 2006.
Fernando F. Kiyama, José E. Vargas; Modelo Termo-Mecánico Para Un Manipulador Tipo Dieléctrico;
Información Tecnológica; volumen 15; número 5; páginas 23 a 31; 2004; ISSN 0716-8756.

76
Richard C. Dorf & Robert H. Bishop; Sistemas de Control Moderno; 10ª edición; Pearson Prentice Hall;
ISBN 84-205-4401-9; pp. 391 – 393.
William S. Levine; The Control Handbook; CRC Press; ISBN 0-8493-8570-9; pp. 198 – 209.
Virginia Mazzone; Controladores PID, Automatización y Control Industrial; Universidad Nacional de
Quilmas; Marzo 2002.
Jeffrey T. Spooner, Manfredi Maggiore, RaúI Ordóñez, Kevin M. Passino; Stable Adaptive Control
and Estimation for Nonlinear Systems, Neural and Fuzzy Approximator Techniques; Wiley – Interscience;
2002; ISBN 0-471-22113-9; pp. 1 – 10.
George J. Klir, Bo Yuan; Fuzzy Sets and Fuzzy Logic, Theory and Applications; Prentice Hall, 1995; ISBN
0-13-101171-5; pp. 212 – 244.
Vojislav Kecman; Learning and Soft Computing, Support Vector Machines, Neural Networks, and Fuzzy
Logic Models; 2001 Massachusetts Institute of Technology; ISBN 0-262-11255-8; pp. 9 – 23.
Constantin von Altrock, M. Sc. E. E., M. O. R., Inform Software Corporation; Fuzzy Logic and NeuroFuzzy
Applications in Industrial Automation and Process Control; Proceedings of the Fifth IEEE International
Conference on Fuzzy Systems; Volume 3, Issue , 8-11 Sep 1996; pp. 1845 – 1851
Katsuhiko Ogata; Sistemas de Control en Tiempo Discreto; Segunda Edición; Pearson Educación; ISBN
968 – 880 – 539 – 4; pp. 1 – 22.
Alberto A. Behar; Temas de Identificación y Control Adaptable; Instituto de Cibernética, Matemática y
Física; 2000; ISBN 959-7056-11-9.
Osornio-Rios, R. A., et al. The application of reconfigurable logic to high speed CNC milling machines
controller. Control Engineering Practice (2007), oi:10.1016/j.conengprac.2007.08.004
Sornam V. Embedded Control Using FPGA. Seminar Report, Interdisciplinary Programme in Systems and
Control Engineering, Indian Institute of Technology, 2005.
Lima J, Menotti R, Cardoso JMP, Marques E. A Methodology to Design FPGA-based PID Controllers. IEEE
International Conference on Systems, Man, and Cybernetics (SMC), 2006.
Isermann R. Mechatronic systems—Innovative products with embedded control. Control and Practice, 2007
on line.
Xilinx. (2005). Spartan-3 Family FPGAs Data Sheet. <www.xilinx.com>
Binnard, M., Boadicea: A Small Pneumatic Walking Robot; Master of Science Thesis; Artificial Intelligence
Laboratory, MIT, 1995.
Efren Gorrostieta, Juan Manuel Ramos, J. Carlos Pedraza. Fuzzy and Neuronal Control to Flexible
Manipulator. International Journal of Factory Automation, robotics and Soft Computing, Issue 2, April 2007,
ISSN 1828-6984

77
ANEXOS

78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103