Académique Documents
Professionnel Documents
Culture Documents
TABLA DE CONTENIDO
1. ANÁLISIS DE SISTEMAS DE CONTROL EN EL ESPACIO DE 5
ESTADO
1.1 FORMAS CANÓNICAS PARA ECUACIONES EN EL ESPACIO
DE ESTADO EN TIEMPO DISCRETO 8
1.1.1 Forma Canónica Controlable 8
1.1.2 Forma Canónica Observable 9
1.1.3 Forma Canónica Diagonal 10
1.1.4 Forma Canónica de Jordan 10
1.2 FUNCIÓN DE TRANSFERENCIA DE PULSO Y 11
REPRESENTACIÓN EN EL ESPACIO DE ESTADO.
1.3 SOLUCIÓN DE ECUACIONES DE ESTADO EN TIEMPO 13
DISCRETO
1.3.1 Método Recursivo 13
1.3.2 Método de la Transformada z 14
PROBLEMAS PROPUESTOS 16
REFERENCIAS 18
2. DISEÑO DE SISTEMAS DE CONTROL EN EL ESPACIO DE 19
ESTADO
2.1 2.1 CONTROLABILIDAD 20
2.1.1 Controlabilidad Completa del Estado 20
2.1.2 Controlabilidad Completa de la salida 21
2.2 OBSERVABILIDAD 22
2.3 CONTROL POR REALIMENTACIÓN DEL ESTADO Y 24
ASIGNACIÓN DE POLOS
2.4 CALCULO DE LA MATRIZ DE GANANCIA DE 26
REALIMENTACIÓN
2.5 SISTEMA DE CONTROL CON ENTRADA DE REFERENCIA 29
2.6 OBSERVADORES DE ESTADO DE ORDEN COMPLETO 32
2.7 OBSERVADOR DE ESTADO TIPO PREDICTOR 33
2.7.1 Cálculo de la matriz de ganancia del observador 35
Control Avanzado. Luis Edo García Jaimes 2
Existen diferentes formas para representar el sistema discreto definido por las
ecuaciones 1.8, 1.9 y 1.10. Las más utilizadas son las llamadas formas
canónicas a saber: forma canónica controlable, forma canónica observable, forma
canónica diagonal y forma canónica de Jordan [1.2]
1.1.1 Forma Canónica Controlable: la representación en el espacio de estado
del sistema en tiempo discreto definido por las ecuaciones 1.8, 1.9 ó 1.10 se
puede expresar en la forma:
Control Avanzado. Luis Edo García Jaimes 9
EJEMPLO 1.1
Dado el sistema:
En donde y
(ver ecuación 1.10)
La ecuación 1.11 da la forma canónica controlable así:
Como los polos de la función de transferencia del sistema son todos distintos, la
representación del mismo, en su forma canónica diagonal, se obtiene expandiendo
en fracciones parciales:
Es decir:
EJEMPLO 1.2
Hallar la función de transferencia de pulso del sistema cuyo comportamiento
dinámico está descrito mediante la ecuación:
Entonces:
EJEMPLO 1.3
Resolver, utilizando el método recursivo, la ecuación de estado en tiempo discreto:
EJEMPLO 8.4
Hallar la matriz de transición y resolver la ecuación de estado para el sistema
descrito por la ecuación:
PROBLEMAS PROPUESTOS
1.1 Obtenga cuatro diferentes representaciones en el espacio de estado para
cada uno de los siguientes sistemas discretos. Considere condiciones iniciales
iguales a cero.
1.5 Para cada uno de los sistemas mecánicos que se muestran en la figura 1.3
obtenga las ecuaciones diferenciales que describen su comportamiento dinámico
y, a partir de ellas, obtenga su representación en el espacio de estado. Asuma que
e son las salidas y la entrada.
1.6 Para cada uno de los sistemas mecánicos rotacionales que se muestran en la
figura 1.4 obtenga las ecuaciones diferenciales que describen su comportamiento
dinámico y, a partir de ellas, obtenga su representación en el espacio de estado.
Asuma que el torque es la entrada al sistema y que es su salida.
REFERENCIAS
[1.1] Ogata, Katsuhiko. Sistemas de control en tiempo discreto. Prentice Hall.
Mexico 1996.
[1.2] Santina, Mohamed. Stubberud et al. Digital control systems design.
Saunders College Publishing Orlando 1994.
[1.3] Phillips, Charles. Nagle Troy. Digital control systems. Analysis and design.
Prentice Hall. Englewood Cliffs 1995.
[1.4] Phillips, Charles, Nagle Troy. Digital control systems. Analysis and design.
Prentice Hall. Englewood cliffs 1995.
Control Avanzado. Luis Edo García Jaimes 19
2.1 CONTROLABILIDAD
2.1.1 Controlabilidad Completa del Estado: Sea el sistema discreto:
Se dice que el sistema definido por las ecuaciones 2.7 y 2.8 es de salida
completamente controlable, si mediante una señal de control no restringida ,
es posible transferir la salida del sistema desde un valor inicial hasta un valor
deseado en períodos de muestreo como máximo.
La condición de controlabilidad competa de la salida se puede obtener teniendo en
cuenta las ecuaciones 2.4 y 2.8 es decir:
Control Avanzado. Luis Edo García Jaimes 22
2.2 OBSERVABILIDAD
En muchas ocasiones no es posible medir directamente el estado de un sistema
ya sea porque no existen los sensores necesarios o porque algunas de las
variables de estado no tienen correspondencia con magnitudes físicas. En este
caso, no sería posible establecer una estrategia de control basada en los valores
alcanzados por las variables de estado. El concepto de observabilidad, se
relaciona con la posibilidad de obtener el estado de un sistema a partir de la
medición o el conocimiento de las entradas y de las salidas del mismo.
Sea el sistema discreto definido por:
Se dice que el sistema descrito por las ecuaciones 2.13 y 2.14 es complemente
observable si cualquier estado inicial puede determinarse a partir de la
observación de en períodos de muestreo como máximo.
La condición de observabilidad se puede obtener a partir de las ecuaciones 2.13 y
2.14, asumiendo , es decir, considerando que:
EJEMPLO 2.1
Dado el sistema en tiempo discreto definido por:
Se intercambian la fila dos y la tres para obtener una matriz triangular inferior.
El sistema es controlable.
b) La matriz de observabilidad para el sistema dado es:
El sistema es observable.
En donde:
EJEMPLO 2.2
La dinámica del sistema de flujo que se muestra en la figura 2.2 está dada por:
Control Avanzado. Luis Edo García Jaimes 27
Entonces:
Control Avanzado. Luis Edo García Jaimes 28
Por lo tanto, los polos de lazo cerrado diseñados deben estar ubicados en
. El tercer polo se asigna en z = 0.05
de modo que no sea polo dominante; así la ecuación característica está dada por:
La figura 2.3 representa la respuesta del sistema en lazo cerrado con la matriz K
estimada.
Figura 2.3 Respuesta del sistema del ejemplo 2.2 con K estimada
Control Avanzado. Luis Edo García Jaimes 29
Es decir:
EJEMPLO 2.3
Hallar el valor de de modo que el sistema de flujo analizado en el ejemplo 2.2
tenga error cero ante una entrada en escalón unitario aplicado en la señal de
referencia.
Control Avanzado. Luis Edo García Jaimes 31
Entonces:
Simplificando:
En donde:
EJEMPLO 2.4
Considere el sistema definido por:
Se obtiene:
Entonces:
Es decir:
EJEMPLO 2.5
Dado el sistema de control en tiempo discreto mostrado en la figura 2.10. a)
Hallar la matriz de ganancia de modo que la respuesta del sistema en lazo
cerrado tenga un máximo sobreimpulso del 10% y tiempo de pico de 4 seg. b)
Diseñar un observador adecuado para el sistema. c) obtener la ecuación del
controlador y la respuesta del sistema en lazo cerrado ante una entrada en
escalón unitario. Asuma que el período de muestreo es 1 seg.
SOLUCIÓN: Con , la función de transferencia de pulso del sistema es:
b) Para diseñar el observador, se debe tener en cuenta que su velocidad debe ser
mayor que la del sistema. Sea y . Con estos parámetros,
la ubicación de los polos deseados para el observador es:
Si se desea tener un error igual a cero, ante una entrada en escalón, es necesario
adicionar un factor de corrección de error en el circuito del set-point como se
indica en la figura 2.12
Para que el error sea cero debe cumplirse que , por lo tanto:
Figura 2.13 Respuesta del sistema del ejemplo 2.5 con K0 = 0.79
Es decir:
Entonces:
En donde:
Para utilizar correctamente las ecuaciones 2.67 y 2.69 es necesario tener presente
que la matriz debe estar en la forma , en caso contrario se
precisa utilizar una matriz de transformación tal que:
En donde:
Control Avanzado. Luis Edo García Jaimes 45
EJEMPLO 2.6
Considere el sistema descrito por:
Por lo tanto:
Por lo tanto:
Por lo tanto:
Para que el error de estado estable ante una entrada en escalón unitario sea igual
a cero, se debe cumplir:
Control Avanzado. Luis Edo García Jaimes 48
Reemplazando
Figura 2.15 a) Respuesta del sistema al escalón unitario sin el factor K0. b)
Respuesta del sistema con K0 = 0.048
Control Avanzado. Luis Edo García Jaimes 49
Entonces:
En donde:
Figura 2.17 Sistema tipo Servo con realimentación del estado observado
EJEMPLO 2.7
La dinámica de cierto tanque presurizado está dada por:
FIGURA 2.18 Representación del sistema del ejemplo 2.7 en Simulink para
simular su respuesta.
Control Avanzado. Luis Edo García Jaimes 54
En donde:
En donde:
EJEMPLO 2.8
Las siguientes ecuaciones corresponden al modelo matemático de un giroscopio
electrostático:
Es decir:
Utilizando el MATLAB:
La figura 2.20 muestra la respuesta del sistema ante una entrada en escalón
unitario con el controlador diseñado y el factor de corrección de error en el circuito
del set-point.
Figura 2.20 Respuesta del sistema del ejemplo 2.8 a un escalón unitario
PROBLEMAS PROPUESTOS
2.1 Para cada uno de los sistemas de control discretos dados a continuación
determinar: a) la matriz de ganancia de realimentación de modo que el sistema
tenga polos de lazo cerrado en el lugar indicado. b) El valor del factor de
corrección para que la respuesta del sistema tenga error de estado estable
igual a cero.
a)
b)
2.2 Para los sistemas de control discreto que se dan a continuación: a) Evalúe la
matriz de ganancia de realimentación y la matriz del observador de orden
Control Avanzado. Luis Edo García Jaimes 61
completo de modo que el sistema, en lazo cerrado, tenga sus polos en el lugar
especificado. b) Obtenga, para cada caso, la ecuación del controlador. c) Calcule,
si es necesario, el factor de corrección de error en el circuito del set-point , de
modo que el sistema tenga error igual a cero ante una entrada en escalón unitario.
Obtenga la respuesta al escalón para cada sistema con su respectivo controlador.
a)
b)
2.3 Para cada uno de los sistemas discretos propuestos en el problema 2.2
obtener: a) La matriz de ganancia de realimentación incluyendo integrador de
modo que el sistema, en lazo cerrado, tenga polos ubicados en el origen del plano
z. b) Un observador de orden completo con oscilaciones muertas. c) Establecer la
ley de control del sistema con los resultados obtenidos en a y b.
REFERENCIAS
[2.1] Ollero, Aníbal. Control por Computador. Marcombo Boixareu Editores.
México. 1991.
[2.2] Ogata, Katsuhico. Sistemas de control en tiempo discreto. Prentice Hall.
Mexico1996.
[2.3] Santina, Mohamed et al. Digital Control Systems Design. Saunders College
Publishing . Fort Worth 1994.
[2.4] Franklin, Gene. Powell, David. Digital control of dynamics systems. Addison
Wesley Publishing Company. Massachusetts 1994.
[2.5] Phillips, Charles. Nagle Troy. Digital control systems analysis and design.
Prentice Hall. Englewood Cliffs, New Jersey 1995.
[2.6] Ogata, Katsuhico. Sistemas de control en tiempo discreto. Prentice Hall.
Mexico 1996.
[2.7] Slotine , Jeans. Li, Weiping. Applied non Linear Control. Prentice Hall.
Englewood Cliffs 1991.
[2.8] Slotine, Jeans. Li, Weiping. Applied non Linear Control. Prentice Hall.
Englewood Cliffs 1991.
Control Avanzado. Luis Edo García Jaimes 63
3.1 DEFINICIÓN
Un sistema de control adaptativo, es aquel que mide en forma continua y
automática, las características dinámicas de la planta (tales como la función de
transferencia o la ecuación de estado), las compara con las características
dinámicas deseadas y utiliza la diferencia para modificar los parámetros ajustables
del sistema (por lo general los parámetros del controlador) o para generar una
señal de control, de modo que se mantenga el desempeño óptimo,
independientemente de las modificaciones ambientales que experimente el
sistema.
El control adaptativo puede controlar sistemas con parámetros constantes ó
sistemas con parámetros variables. La idea básica del control adaptativo es
estimar on-line las variaciones de los parámetros de la planta, basándose en la
medida de las señales de entrada – salida de la misma y utilizar los parámetros
estimados para realizar los ajustes del controlador. El control adaptativo, tanto
para sistemas lineales ó no lineales, es esencialmente no lineal.
3.1.1 Índice de desempeño: la base del control adaptativo descansa en el
fundamento de que existe alguna condición de operación o desempeño del
sistema, mejor que cualquiera otra. En sistemas de control adaptativo tal
Control Avanzado. Luis Edo García Jaimes 64
desempeño está definido en función del índice de desempeño, que se debe fijar al
establecer los objetivos. Esos objetivos pueden ser tan diversos como los
sistemas a los cuales se van a aplicar, pero en general, el objetivo de la
optimización se puede orientar a minimizar el costo de operación o maximizar el
beneficio económico.
Es importante tener en cuenta que, en general, los índices de desempeño
matemáticamente utilizables (como los índices de desempeño cuadrático o los de
la integral del error), presentan un inconveniente grave: aunque especifican el
costo de operación del sistema en función del error y de la energía, no ofrecen
información sobre las características de respuesta transitoria del sistema. Así un
sistema diseñado para funcionar en forma óptima desde el punto de vista de las
"utilidades", puede tener características transitorias indeseables o hasta ser
inestable. Por tanto para asegurar características de repuesta satisfactorias, es
necesario utilizar criterios adicionales que hagan referencia a las características de
respuesta transitoria.
3.1.2 Controladores adaptativos: un controlador adaptativo conlleva las
siguientes funciones:
Identificación de las características de la planta.
Toma de decisión basada en la identificación de la planta.
Modificación o acción basada en la decisión tomada.
Si la dinámica de la planta no se conoce exactamente, la identificación, la decisión
y la modificación iniciales, no serán suficientes para minimizar (o maximizar) el
índice de desempeño. Por lo tanto es necesario realizar estos procedimientos,
continua o frecuentemente, a intervalos que dependen de la velocidad de variación
de los parámetros.
En la figura 3.1 se muestra una representación, en diagrama de bloque de un
sistema de control adaptativo. En este sistema se identifica la planta y se mide el
índice de desempeño continua o periódicamente. Una vez logrado esto, el índice
de desempeño se compara con el óptimo y se toma una decisión sobre cómo
modificar la señal actuante. Como la planta se identifica dentro del sistema mismo,
el ajuste de los parámetros es una operación de lazo cerrado.
Control Avanzado. Luis Edo García Jaimes 65
Decisión
Identificación
Modificación
Entrada Salida
Controlador Planta
+-
Perturbaciones
Controlador Planta
SP + Señal de Salida
- Control
MODELOS MODELOS
NO PARAMÉTRICOS PARAMÉTRICOS
REFERENCIAS
[3.1] Rodriguez, R. Lopez, M. Control Adaptativo y Robusto. Universidad de
Sevilla.1996.
[3.2] Äström, K., Wittenmark: Adaptive Control, Prentice Hall.1989
[3.3] Iserman,R. Lachman,K. Adaptive Control Systems. Prentice Hall 1991.
[3.4] Filatov, Nikolai M. Adaptive Dual Control. Theory and Applications. Springer-
Verlag Berlin Heidelberg New York. 2004
Control Avanzado. Luis Edo García Jaimes 71
modelo que dan la respuesta más cercana a la experimental. Los métodos más
comunes de estimación de parámetros están basados en un enfoque de
optimización, donde el mejor conjunto de parámetros es aquél que hace que la
respuesta del modelo sea la más cercana a la real según un criterio o función de
coste.
4.2.5 Validación del Modelo: La evaluación de la calidad del modelo se basa en
determinar cómo se desempeña el modelo cuando se trata de reproducir con él
los datos obtenidos en la medición experimental. Un comportamiento deficiente del
modelo en este aspecto hace que el modelo sea rechazado, mientras que un buen
desempeño, proporcionará cierta confianza en el modelo.
Un modelo no se puede aceptar como la última y verdadera descripción del
sistema; por el contrario, es mejor mirarlo sólo como una descripción
suficientemente buena de ciertos aspectos que son de interés particular para un
fin determinado. La figura 4.2 muestra un diagrama de flujo del proceso de
identificación.
Conocimiento
inicial del Sistema
Adquisición
de los datos
Filtrado Selección
de los datos del Modelo
Datos Criterios de
calculo
Validación
del Modelo
Modelo no válido
revisar
Modelo válido
usar
Así, las ecuaciones dadas en 4.6 se pueden escribir en forma matricial cómo:
En donde: Es de orden .
Es de orden (
Es de orden
Es de orden
Al utilizar el método de mínimos cuadrados para estimar , el vector debe ser
tal que minimice la suma de los cuadrados del error, es decir, que minimice la
función:
Control Avanzado. Luis Edo García Jaimes 78
Es decir:
EJEMPLO 4.1
Los datos que se dan a continuación corresponden a la respuesta de un sistema
de control ante una entrada en escalón unitario. Obtener, a partir de ellos, un
modelo de segundo orden que describa la dinámica del sistema.
K 0 1 2 3 4 5
u(k) 0 1 1 1 1 1
y(k) 0 0.73 1.26 1.55 1.73 1.84
En donde:
EJEMPLO 4.2
Los datos que se dan a continuación corresponden a la respuesta de un sistema
de control a un escalón unitario. Obtener a partir de ellos, un modelo de segundo
orden que describa la dinámica del sistema. Asumir y utilizar mínimos
cuadrados recursivos.
K 0 1 2 3 4 5 6
u(k) 0 1 1 1 1 1 1
y(k) 0 0.73 1.26 1.55 1.73 1.84 1.91
Orden de
El orden de es:
1. Se toma: y:
Control Avanzado. Luis Edo García Jaimes 82
3. Calcular :
Nuevos valores de y de :
4. Calcular el error:
Nuevos valores de y de :
Control Avanzado. Luis Edo García Jaimes 83
Nuevos valores de y de :
Nuevos valores de y de :
Control Avanzado. Luis Edo García Jaimes 84
Nuevos valores de y de :
En la tabla adjunta se presenta una comparación entre los valores de la salida real
del sistema y los de la salida estimada para diferentes instantes de muestreo.
0 1 2 3 4 5 6
0.0 0.73 1.26 1.55 1.73 1.84 1.91
La figura 4.4 corresponde a una representación gráfica de los datos reales y de los
estimados, éstos últimos se presentan como una función en línea continua.
Obsérvese la correspondencia entre los valores reales y los valores estimados.
PROBLEMAS PROPUESTOS
4.1 Los datos que se dan a continuación corresponden a la respuesta en grados
centígrados de la temperatura del agua de un intercambiador de calor al variar la
apertura de la válvula de control del flujo de vapor del 30% al 40%.
La temperatura se midió con un termómetro calibrado de 0 ºC a 100 ºC. Aproxime
la dinámica del intercambiador a un sistema de segundo orden utilizando el
método de: a) Mínimos cuadrados no recursivos b) Mínimos cuadrados recursivos.
c) Valide el modelo obtenido en cada caso
NOTA: Es necesario trasladar los datos y expresar la temperatura en %
4.2 Los datos que se dan a continuación corresponden a la respuesta en PSI, del
cambio de presión en un tanque al variar la apertura de la válvula de suministro de
aire del 45% al 55%. Utilice el método de mínimos cuadrados a) No recursivos b)
Recursivos y obtenga un modelo de segundo orden que describa adecuadamente
la dinámica del tanque. La presión del tanque se mide con un manómetro
calibrado de 0 a 15 PSI.
NOTA: Es necesario trasladar los datos y expresar la presión en %
t (min) 0 2 4 6 8 10 12
% Ap Válv 45 55 55 55 55 55 55
P (PSI) 4.0 7.30 8.78 9.45 9.75 9.89 9.95
a) Entrada:
b) Entrada:
Las salidas obtenidas para cada secuencia se muestran en las tablas que se
dan a continuación:
Entrada a) Entrada b)
K u(k) y(k) K u(k) y(k)
0 1 0.0000 0 1 0.0000
1 0 0.5000 1 0 0.5000
2 1 0.2500 2 1 0.2500
3 0 0.6250 3 0 0.6250
4 1 0.3125 4 1 0.3125
5 0 0.6562 5 1 0.6562
6 0 0.3281 6 1 0.8281
7 0 0.1641 7 1 0.9141
8 0 0.0820 8 1 0.9570
9 0 0.0410 9 1 0.9785
10 0 0.0205 10 1 0.9893
… … … … … …
30 0 0.0000 30 1 1.0000
K 0 1 2 3 4 5 6 7 8 9 10 … 30
u(K) 1 0 1 0 1 1 1 1 1 1 1 … 1
y(K) 0.000 1.000 1.100 1.320 0.918 1.102 1.8491 2.2348 2.2122 2.0675 1.9884 … 2.0270
Control Avanzado. Luis Edo García Jaimes 88
REFERENCIAS
[4.1] Ljung L. System Identification. Theory for the user. Second Edition, Prentice-
Hall, 1999.
[4.2] Söderström T. Stoica P. System Identification. New York: Prentice-Hall.
1989.
[4.3] Rodriguez, R. López, M. Control adaptativo y robusto. Universidad de Sevilla
1996.
Aström K.J., Wittenmark B. Computer Controlled Systems: Theory and Design.
Third edition. Prentice-Hall. 1997.
Sinha, N. K.: Modelling and Identification of Dynamic Systems, Van Nostrand
Reinhold Co.1983.
Control Avanzado. Luis Edo García Jaimes 89
En donde
Para el diseño del controladores adaptativos se pueden utilizar diferentes
métodos: Asignación de polos, optimización de parámetros, ajuste por tablas etc.
5.1.1 Método de asignación de polos: El objetivo de este método es diseñar el
controlador de modo que los polos del sistema en lazo cerrado, queden ubicados
en el lugar deseado de acuerdo a sus especificaciones de funcionamiento. El
diseño del controlador consiste básicamente, en resolver una ecuación polinomial
con ciertas restricciones en los órdenes de los polinomios para asegurar que el
controlador propuesto sea causal y con realización mínima [5.2].
La ecuación característica deseada para el sistema en lazo cerrado toma la forma:
EJEMPLO 5.1
La función de transferencia de pulso de cierto sistema neumático está dada por:
Diseñar para el sistema un controlador digital de modo que los polos dominantes
del sistema en lazo cerrado estén ubicados en
SOLUCIÓN: La función de transferencia del sistema se puede escribir como:
En donde: y
Resolviendo resulta:
La figura 5.1 muestra la respuesta del sistema ante un escalón unitario aplicado en
el set-point.
varianza de la salida. Esta técnica de control se utiliza cuando la salida del sistema
está contaminada por una perturbación estocástica. Estas perturbaciones no se
pueden eliminar por completo, pero se puede reducir su varianza.
El controlador de mínima varianza tiene como objetivo minimizar el efecto de las
perturbaciones sobre la salida [5.1].
La estrategia control consiste en calcular la señal de control como una
función de los valores disponibles en ese instante o sea
, de tal forma que minimice el criterio:
Donde:
Utilizando la identidad:
En donde:
Los dos últimos términos del lado derecho de la ecuación 5.13 tienen el siguiente
significado:
anteriores a .
: contiene las perturbaciones producidas entre el instante
y el instante , cuyo efecto sobre la salida no se puede controlar con
pues es independiente de
O sea:
NOTA: La ecuación 5.20 está formada por dos términos: uno corresponde a un
controlador colocado en la realimentación y el otro es un prefiltro para la referencia
no causal . En los controladores de mínima varianza es más común el
sistema tipo regulador , por esta razón, es más conveniente utilizar
solamente la parte de la ecuación correspondiente al controlador ubicado en la
realimentación. En estas condiciones se consideran tres tipos de controladores de
mínima varianza así:
Controlador MVR1: Correspondiente al controlador de mínima varianza
generalizado
EJEMPLO 5.2
Se desea diseñar un controlador de mínima varianza para un sistema con función
de transferencia discreta:
En donde:
Con y , se obtiene:
)
Control Avanzado. Luis Edo García Jaimes 100
Resolviendo se obtiene:
En las figura 5.6 a, b, c y d se muestran las respuestas del sistema con los
controladores de mínima varianza estimados. En la figura d se adicionó un
integrador con para eliminar el offset en el controlador MV3
Control Avanzado. Luis Edo García Jaimes 101
a)
1
0.8
Salida
0.6
0.4
0.2
0
10 20 30 40 50 60 70 80
t [s]
1.2
b)
1
0.8
Salida
0.6
0.4
0.2
0
10 20 30 40 50 60 70 80
t [s]
1.2
c)
1
0.8
Salida
0.6
0.4
0.2
0
10 20 30 40 50 60 70 80
t [s]
1.2
d)
1
0.8
Salida
0.6
0.4
0.2
0
10 20 30 40 50 60 70 80
t [s]
Despejando q0 resulta:
EJEMPLO 5.3
Un sistema de flujo tiene como función de transferencia:
0 1
En donde:
Voltaje aplicado al motor : Resistencia de la armadura
Fuerza contraelectromotriz Inductancia de la armadura
Corriente de la armadura Constante de
Velocidad angular del motor torque del motor
Torque del motor :Constante de
Perturbación en torque de la carga :Inercia del motor
REFERENCIAS
[5.1] Rodriguez, R. Lopez, M. Control Adaptativo y Robusto. Universidad de
Sevilla.1996.
[5.2] Iserman, R. Lachman,K. Adaptive Control Systems. Prentice Hall 1991.
[5.3] Isermann, R. Digital Control Systems, Springer Verlag .1981.
Aström, K. Wittenmark, B. Adaptive Control. Addison Wesley, 1989.
Franklin, G. Powell, D. Digital Control of Dynamic Systems. Addison Wesley,
1990.
Phillips, C. Nagle, H. Digital control systems. Análysis and Desing. Ediciones G.
Gili. 1997.
Control Avanzado. Luis Edo García Jaimes 107
, está relacionado directamente con el error y tiene que ver con el vector de
señales (Referencia, salida etc.)
EJEMPLO 6.1
Diseñar un sistema de control por modelo de referencia para un sistema de primer
orden [6.2].
SOLUCIÓN: Sea el sistema de primer orden:
El error es:
Haciendo:
Se obtiene:
Para que el error sea cero se debe cumplir que: por lo tanto:
Despejando :
Es decir:
Haciendo:
Entonces:
5 ym
s+5 e
R Modelo de Ref
u 4 yp
to 0.8s+1
2 Proceso
1
s
So
1
-2
s
EJEMPLO 6.2
Diseñar un sistema de control por modelo de referencia para un sistema de
segundo orden [6.3].
SOLUCIÓN: Sea el sistema de segundo orden:
Control Avanzado. Luis Edo García Jaimes 113
Se obtiene:
r 1 ym
s2 +1.6s+1
1 f
-2
s
q1
5 u 4 yp
1 s2 +2s+4
s
qo
1 du/dt
5
s
du/dt
En donde:
La señal de entrada.
La señal de control.
La salida del proceso.
La salida del modelo de referencia.
El error.
Para realizar las simulaciones se tuvieron en cuenta los siguientes valores:
Control Avanzado. Luis Edo García Jaimes 116
Con:
Siga el modelo:
En donde:
En donde:
La figura 6.4 muestra el diagrama en bloques del sistema de control con modelo
de referencia propuesto.
Control Avanzado. Luis Edo García Jaimes 117
4. Los ceros inestables del proceso deben ser ceros de , es decir, ceros
de
5. Si el grado de seleccionado es menor que el grado de
después de la cancelación de , el lado derecho de
la ecuación 6.38 se multiplica y divide por el polinomio
6. Los polinomios , y el filtro quedan deteminados por
las ecuaciones:
NOTA: En caso de que el sistema tenga solo ceros estables se considera que
, en este caso la ley de control toma la forma:
En donde:
EJEMPLO 6.3
La función de transferencia de un sistema de presión está dada por:
Grado de
Grado de
, , y
Entonces:
Por lo tanto:
Despejando se obtiene:
Es decir:
4.0394z(z+0.4404)
0.038(z+0.4631)
(z+0.4631)(z+0.0819)
z2(z-0.8607)
1.855z2
(z+0.4631)(z+0.0819)
0.8
y(k)
0.6
0.4
0.2
0
0 50 100 150 200 250 300
t[s]
EJEMPLO 6.4
La función de transferencia de un sistema térmico está dada por:
Grado de
Grado de
Es decir:
Es decir:
1.2
0.8
y(k)
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700 800 900 1000
t [s]
Es decir:
Control Avanzado. Luis Edo García Jaimes 124
Factorizando:
Es decir:
PROBLEMAS PROPUESTOS
6.1 Sea el tanque con agitador representado en la figura 6.7.
medir el nivel, el flujo de entrada y el flujo de salida del tanque y las temperaturas
de entrada y de salida del fluido.
Mediante una serie de experiencias llevadas a cabo en el entorno de las
condiciones nominales de operación, se han obtenido las funciones de
transferencia que se presentan a continuación (tiempo en segundos):
Para este sistema se sabe que la relación entre la señal de control aplicada a la
válvula de entrada y la temperatura de salida viene dada por:
Control Avanzado. Luis Edo García Jaimes 127
REFERENCIAS
Controlador Planta
SP + Señal de Salida
- Control
EJEMPLO 7.1
La figura 7.2 muestra la respuesta de un intercambiador de calor ante escalones
aplicados en diferentes zonas de operación. La temperatura se midió con un
instrumento calibrado de 0 a 100 ºC y la apertura de la válvula se da en
porcentaje. Diseñar para el sistema un controlador PI con ganancia programable.
Controlador PI:
22 1.5261 -1.2592
40 1.8289 -1.5233
52 1.6498 -1.3781
67 2.2663 -1.8818
78 1.7412 -1.4606
Los datos presentados en la tabla 7.1 y las ecuaciones de regresión para estimar
los parámetros y del controlador, se obtienen a partir de los valores de los
puntos de operación y de los modelos de primer orden con retardo
correspondientes. Para ello se utilizó el programa en MATLAB que se da a
continuación:
% GANANCIA PROGRAMABLE
% El programa calcula un controlador PI según Ziegler-Nichols
% Para este caso, el modelo debe ser de primer orden con retardo POR
% Para cada punto de operación se debe estimar el modelo correspondiente.
% Puntos de operación: los valores medios de la respuesta de la variable en cada
% uno de los escalones.
Control Avanzado. Luis Edo García Jaimes 133
clc
T=input('Entre los puntos de operacion V=');
L=length(T);
N=0;
while N<L
N=N+1
n=input('Entre el numerador n=');
d=input('Entre el denominador d=');
R=input('Entre el retardo R=');
TM=input('Entre el periodo de muestreo TM=');
[a,b,c,d1]=tf2ss(n,d);
[ad,bd,cd,dd]=c2dt(a,b,c,TM,R);
[nd1,dd1]=ss2tf(ad,bd,cd,dd);
k=length(nd1);
for j=1:k
if (abs(nd1(j)))<10^(-8)
nd1(j)=0;
else
nd1(j)=nd1(j);
end
end
printsys(nd1,dd1,'z')
theta=R+TM/2;
kc=0.9*d(1)/(n*theta);
ti=3.33*theta;
qo=kc*(1+TM/(2*ti))
q1=-kc*(1-TM/(2*ti))
qo1(N)=qo
q11(N)=q1
end
disp('Los coeficientes para el calculo de qo sn:')
Control Avanzado. Luis Edo García Jaimes 134
coeqo=polyfit(T,qo1,4);
disp('Los coeficientes para el calculo de q1 son:')
coeq1=polyfit(T,q11,4);
T1=50:95;
qo2=polyval(coeqo,T1);
q12=polyval(coeq1,T1);
figure(1)
plot(T1,qo2,T,qo1,'*')
title('VALORES DE qo')
xlabel('T (ºC)')
ylabel('qo')
grid
figure(2)
plot(T1,q12,T,q11,'*')
title('VALORES DE q1')
xlabel('T (ºC)')
ylabel('q1')
grid
VALORES DE qo
2.5
2
qo
1.5
1
20 30 40 50 60 70 80 90
T (ºC)
VALORES DE q1
-0.6
-0.8
-1
-1.2
q1
-1.4
-1.6
-1.8
-2
20 30 40 50 60 70 80 90
T (ºC)
20
e(k) -1
Z
-K- f(u) D
qo
-1 To Workspace
Z
e(k-1) q1
-K- f(u)
EJEMPLO 7.2
La dinámica de los tanques interconectados de la figura 7.7 se describe mediante
las ecuaciones diferenciales no lineales:
En donde:
En donde:
Entonces:
Por lo tanto:
a11=-0.25/sqrt(h1-h2);
a12=0.25/sqrt(h1-h2);
a21=0.25/sqrt(h1-h2);
a22=-0.25/sqrt(h1-h2)-0.25/sqrt(h2);
b11=1;
b21=0;
c=[1 0];
% Matrices linealizadas punto1
a=[a11 a12;a21 a22];
b=[b11;b21];
c=[1 0];
cero=zeros(length(a),1);
A=[a cero;c 0];
B=[b;0];
p=[-0.1 -0.2 -0.5]'; % Polos deseados
K1=acker(A,B,p);
k11=K1(1,1:2);
k21=K1(1,3);
% Estados de equilibrio para punto2
h1=8*q2^2;
h2=4*q2^2;
a11=-0.25/sqrt(h1-h2);
a12=0.25/sqrt(h1-h2);
a21=0.25/sqrt(h1-h2);
a22=-0.25/sqrt(h1-h2)-0.25/sqrt(h2);
b11=1;
b21=0;
c=[1 0];
% Matrices linealizadas punto 2
a=[a11 a12;a21 a22];
b=[b11;b21];
Control Avanzado. Luis Edo García Jaimes 141
c=[1 0];
cero=zeros(length(a),1);
A=[a cero;c 0];
B=[b;0];
K2=acker(A,B,p);
k12=K2(1,1:2);
k22=K2(1,3);
% Estados de equilibrio para punto3
h1=8*q3^2;
h2=4*q3^2;
a11=-0.25/sqrt(h1-h2);
a12=0.25/sqrt(h1-h2);
a21=0.25/sqrt(h1-h2);
a22=-0.25/sqrt(h1-h2)-0.25/sqrt(h2);
b11=1;
b21=0;
c=[1 0];
% Matrices linealizadas punto 3
a=[a11 a12;a21 a22];
b=[b11;b21];
c=[1 0];
cero=zeros(length(a),1);
A=[a cero;c 0];
B=[b;0];
K3=acker(A,B,p);
k13=K3(1,1:2);
k23=K3(1,3);
% Estados de equilibrio para punto4
h1=8*q4^2;
h2=4*q4^2;
a11=-0.25/sqrt(h1-h2);
Control Avanzado. Luis Edo García Jaimes 142
a12=0.25/sqrt(h1-h2);
a21=0.25/sqrt(h1-h2);
a22=-0.25/sqrt(h1-h2)-0.25/sqrt(h2);
b11=1;
b21=0;
c=[1 0];
% Matrices linealizadas punto4
a=[a11 a12;a21 a22];
b=[b11;b21];
c=[1 0];
cero=zeros(length(a),1);
A=[a cero;c 0];
B=[b;0];
K4=acker(A,B,p);
k14=K4(1,1:2);
k24=K4(1,3);
sim('gananciavar1')
PROBLEMAS PROPUESTOS
7.1 La figura 7.10 muestra un tanque presurizado con un gas inerte que descarga
a través de una válvula de característica lineal. El caudal a través de una válvula
de este tipo se puede expresar mediante la ecuación:
Po=4 bar
Fe
F
P=3 bar
Datos:
Caudal nominal a través del tanque:
Control Avanzado. Luis Edo García Jaimes 145
REFERENCIAS
[7.1] Isermann, R. Digital Control Systems, Springer Verlag .1981.
Bellman, R. Adaptive Control Processes: A Guided Tour, Princeton University.
1961.
Franklin, G. Powell, D. Digital Control of Dynamic Systems. Addison Wesley,
1990.
Iserman,R. Lachman,K. Adaptive Control Systems. Prentice Hall 1991.
Kuo, B: Discrete Data Control Systems, Prentice Hall. 1970
Rodriguez, R. Lopez, M. Control Adaptativo y Robusto. Universidad de
Sevilla.1996.
Wang, M. y F. Crusca. Design and implementation of a gain scheduling
controller for a level control system, ISA transactions, 41(3), (2002).
Control Avanzado. Luis Edo García Jaimes 147
En donde:
En donde:
Modelo ARMAX
Control Avanzado. Luis Edo García Jaimes 152
Modelo ARIX
Modelo ARIMAX
Donde la perturbación viene dada por un ruido blanco coloreado por el polinomio
. Este algoritmo, al igual que otros que usan el modelo de función de
transferencia, se puede implementar fácilmente en forma adaptativa usando un
algoritmo de identificación en línea como los mínimos cuadrados recursivos.
En donde:
En donde:
: Es la predicción óptima de la salida del proceso pasos adelante.
: Horizonte mínimo de coste. (Horizonte mínimo de predicción).
: Horizonte máximo de coste. (Horizonte máximo de predicción).
: Horizonte de control.
y :Secuencias de ponderación. En la práctica y se toma
como parámetro de diseño.
: Es la trayectoria futura de referencia o Set-point.
El objetivo es el cálculo de la secuencia de control futura de tal
manera que la salida futura del proceso permanezca se aproxime lo mejor
posible a . Esto se logra minimizando la función de costo dada en la
ecuación 8.16
8.4.2 Predicción óptima. Para minimizar la función de costo, es necesario
obtener primero la predicción óptima de en el intervalo .
Control Avanzado. Luis Edo García Jaimes 155
Haciendo:
Despejando
Haciendo resulta:
Donde:
Los dos últimos términos de la ecuación 8.24 dependen solo del pasado por lo
tanto, pueden agruparse en un solo término , dando lugar a:
Haciendo:
Se obtiene:
Control Avanzado. Luis Edo García Jaimes 157
La ecuación 8.27 debe ser un mínimo, el cual se obtiene derivando la función con
respecto a la variable e igualar el resultado a cero.
Para el cálculo de la derivada se tienen en cuenta las siguientes propiedades del
cálculo matricial:
Es decir:
Por lo tanto:
EJEMPLO 8.1
Para el sistema de control de la figura 8.5, diseñe un controlador predictivo.
Asuma horizonte de predicción 3, horizonte de control 3, y periodo de
muestreo
En donde:
Control Avanzado. Luis Edo García Jaimes 159
Se obtiene:
Pero:
Entonces:
Es decir:
Figura 8.6 Diagrama en bloques para el control predictivo del ejemplo 6.1
En la figura 8.7 se presenta la respuesta del sistema con el control predictivo con
diferentes valores de la referencia .
EJEMPLO 8.2
La función de transferencia de un sistema neumático está dada por:
En donde: , , y .
Entonces:
Es decir:
Por lo tanto:
Es decir:
Finalmente:
La ecuación 8.30 es la base para el diseño de los controladores del tipo PID
cuyos parámetros se calculan aplicando alguna de las técnicas de control con
modelo interno.
EJEMPLO 8.3
Se desea diseñar un controlador PI con modelo interno para un sistema de primer
orden sin retardo. Obtener los parámetros y del controlador.
SOLUCIÓN: El modelo del sistema de primer orden sin retardo es:
Con Se obtiene:
PI
PD
PID
PID
PID
Para obtener los parámetros de dicha tabla, Rivera, Morari y Stogestad utilizan
una aproximación de Padé de primer orden para el retardo así:
EJEMPLO 8.4
El modelo de cierto sistema de flujo puede aproximarse al de un sistema de
segundo orden sin retardo con función de transferencia:
Control Avanzado. Luis Edo García Jaimes 167
Obtenga para el sistema un controlador PID con modelo interno. Asuma como
periodo de muestreo . Resuelva el problema para y y
grafique las respuestas ante una entrada en escalón unitario.
SOLUCIÓN: La función de transferencia del sistema se puede escribir en la forma:
Como puede verse, a partir de la ecuación 8.34, una parte del controlador cancela
los polos y ceros de la planta. El problema consiste en establecer e implementar
restricciones específicas sobre de modo que el controlador sea realizable y
que el sistema, en lazo cerrado, tenga un comportamiento adecuado. Dichas
restricciones se pueden resumir en las siguientes [8.4]:
1. Restricción de causalidad: un sistema causal o realizable es aquel que no
responde antes de ser excitado. Para que en la ecuación 8.34 sea causal,
es necesario que y tengan ceros del mismo orden en el infinito es
decir, si se expande en potencias de , el término más significativo de
en potencias de debe ser al menos tan grande como el de
Si es de la forma:
En donde:
EJEMPLO 8.5
La figura 8.12 representa el esquema de una antena diseñada para rastrear un
satélite. La dinámica del sistema que describe el movimiento de la antena se
puede aproximar mediante la expresión:
La ubicación deseada para los polos de lazo cerrado está dada por:
a) Restricción de causalidad :
Por lo tanto:
EJEMPLO 8.6
La función de transferencia de pulso de un sistema discreto en lazo abierto es:
a) Restricción de causalidad:
Entonces:
c) Restricción de exactitud: el sistema en lazo cerrado es tipo cero, para que tenga
error cero al escalón unitario se debe cumplir que:
Por tanto:
Es decir:
Control Avanzado. Luis Edo García Jaimes 175
0.8
Variable
0.6
0.4
0.2
0
0 50 100 150
t [s]
PROBLEMAS PROPUESTOS
8.1 En el intercambiador de la figura 8.15 el objetivo es calentar una corriente de
proceso con temperatura de entrada mediante un flujo de vapor. La
temperatura de salida , se controla manipulando la válvula FCV que regula el
flujo de vapor al intercambiador. La temperatura de la corriente de entrada
puede variar, por lo que constituye la entrada de perturbación más importante. Se
supone que el resto de entradas se mantiene constante.
Experimentalmente se obtuvieron las funciones de transferencia de los
componentes individuales del sistema así:
Válvula de control:
Control Avanzado. Luis Edo García Jaimes 176
Transmisor de temperatura:
REFERENCIAS
[8.1] Bordons, C. Control Predictivo: metodología, tecnología y nuevas
perspectivas. Departamento de Ingeniería de Sistemas y Automática. Universidad
[8.2] Camacho,E. Bordons, C. Model Predictive Control. Springer Verlag, 1999.
de Sevilla. 2000
[8.3] Rodriguez, R. Lopez, M. Control Adaptativo y Robusto. Universidad de
Sevilla.1996.
[8.4] Franklin, G. Powell, D. Digital Control of Dynamic Systems. Addison Wesley,
1990.
BIBLIOGRAFÍA GENERAL
Äström, K., Hägglung: Automatic Tuning of PID Controllers, ISA.1988
Äström, K., Wittenmark: Adaptive Control, Prentice Hall.1989
Äström, Karl J.: Computer Controlled Systems. Theory and Design, Prentice
Hall. 1984.
Bellman, R.: Adaptive Control Processes: A Guided Tour, Princeton University.
1961.
Bordons, C. Control Predictivo: metodología, tecnología y nuevas
perspectivas. Departamento de Ingeniería de Sistemas y Automática.
Universidad de Sevilla. 2000.
Camacho,E. Bordons, C. Model Predictive Control. Springer Verlag, 1999.
Chen, D. y D. Seborg, PI/PID Controller design based on direct synthesis and
disturbance rejection. Ind. Eng. 2002.
Franklin, G. Powell, D. Digital Control of Dynamic Systems. Addison Wesley,
1990.
Isermann, R. Digital Control Systems, Springer Verlag .1981.
Iserman, R. Lachman,K. Adaptive Control Systems. Prentice Hall 1991.
Khalil, H., Nonlinear Systems, 3a edición, Prentice Hall, Nueva York, USA
2001.
Kuo, B: Discrete Data Control Systems, Prentice Hall. 1970
Control Avanzado. Luis Edo García Jaimes 179
Ljung, Lennart: System Identification: Theory for the User, 2nd Edition, Prentice
Hall, Englewood Cliffs, N.J. 1999.
Ljung, Lennart: System Identification Toolbox, for use with Matlab, User's Guide
Version 4, The MathWorks, Inc, Natick, MA.1997.
Ollero, A. Control por Computador. Descripción interna y diseño óptimo.
Marcombo Boixareu Editores, 1991.
Phillips, C. Nagle, H. Digital control systems. Análysis and Desing. Ediciones G.
Gili. 1997.
Richalet, J.: Pratique de la Commande Predictive, Hermes.1993
Rodriguez, R. Lopez, M. Control Adaptativo y Robusto. Universidad de
Sevilla.1996.
Sinha, N. K.: Modelling and Identification of Dynamic Systems, Van Nostrand
Reinhold Co.1983.
Söderström, T. & Stoica, P.: System Identification, Prentice Hall, Englewood
Cliffs, N.J. 1989.