Académique Documents
Professionnel Documents
Culture Documents
Facultad de Ingeniería
Escuela de Ingeniería Mecánica Eléctrica
1
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
FACULTAD DE INGENIERÍA
DISEÑO DE CONTROLADORES PID EN TIEMPO DISCRETO, Y
ANÁLISIS DE RESPUESTA UTILIZANDO HERRAMIENTAS
COMPUTACIONALES
TRABAJO DE GRADUACIÓN
AL CONFERÍRSELE EL TÍTULO DE
INGENIERO ELECTRÓNICO
2
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
FACULTAD DE INGENIERÍA
3
4
5
6
7
8
AGRADECIMIENTOS A:
9
José Asensio, Erick Gálvez, Omar
Molina, Carlos Melgar, y a todas las
personas que de alguna u otra forma han
contribuido a la realización de este logro.
10
ACTO QUE DEDICO A:
Dios:
Mis padres:
Mis hermanos:
11
12
13
ÍNDICE GENERAL
ÍNDICE DE ILUSTRACIONES V
LISTA DE SÍMBOLOS IX
GLOSARIO XI
RESUMEN XIII
OBJETIVOS XV
INTRODUCCIÓN XVII
2. SISTEMAS DE CONTROL
2.1 Conceptos generales de sistemas de control 47
2.1.1 Tipos de sistemas de control 48
2.1.2 Sistemas de control lineales y no lineales 48
2.1.3 Sistemas variantes e invariantes con el tiempo 48
I
2.1.4 Sistemas de control en tiempo continuo 49
2.1.5 Sistemas de control en tiempo discreto 49
2.1.6 Sistemas de lazo abierto 50
2.1.7 Sistemas de lazo cerrado 51
2.1.8 Efectos de la realimentación 53
2.2 Control PID. 56
2.3 Análisis de controladores PID en tiempo continúo 56
2.3.1 Controlador PID 57
2.3.2 Diseño del controlador PID Continuo 58
2.3.3 Ubicación del regulador PID en un sistema de control 61
2.3.4 Análisis de control proporcional, integral y derivativo 62
2.3.4.1 Control proporcional 62
2.3.4.2 Control integral y PI 64
2.3.4.3 Control derivativo 67
2.4 Aplicaciones de los controladores PID. 73
II
3.2.8 Procedimiento para obtener funciones de
transferencia pulso 104
3.2.9 Función de transferencia pulso de elementos
en cascada 107
3.2.10 Sistemas de transferencia pulso de sistemas en
lazo cerrado 109
3.2.11 Función de transferencia pulso de un controlador
digital 113
3.2.12 Función pulso de un sistema de control digital en
lazo cerrado 115
3.2.13 Función de transferencia pulso de un controlador
PID digital 116
3.3 Discretización de lazos que utilizan controladores PID. 120
3.4 Discretización de lazos de control que utilizan
controladores PI 123
III
4.6 Código fuente del programa asistente de sintonía para
reguladores PID 167
4.6.1 Código fuente de Matlab utilizado para el análisis de
sistemas continuos 170
4.6.2 Código fuente de Matlab, para el análisis de sistemas
discretos 172
CONCLUSIONES 175
RECOMENDACIONES 177
BIBLIOGRAFÍA 179
IV
ÍNDICE DE ILUSTRACIONES
FIGURAS
V
15. Proceso de primer orden 75
16. Planta típica para aproximación de procesos de segundo orden 80
17. Modelo de proceso de segúndo orden controlando con un
regulador PID 85
18. Muestreador mediante impulsos 87
19. Muestreador mediante impulsos como modulador 88
20. Retenedor de orden cero 92
21. Función de transferencia de un retenedor de orden cero 93
22. Sistema en tiempo continuo exitado con una señal muestreada
mediante impulsos 98
23. Sistemas en tiempo continuo con y sin muestreador de entrada 105
24. Sistemas en cascada muestreados 108
25. Sistema de control en lazo cerrado 110
26. Diagrama de bloques de un sistema de control digital 115
27. Función f (hT ) 120
28. Sistema de control continuo en lazo cerrado 121
29. Diagrama de bloques, sistema de control discreto 121
30. Sistema de control continuo en lazo cerrado utilizando un
controlador PI 124
31. Sistema de control discreto, regulado con un controlador PI 125
32. Sistema de control en tiempo continuo 128
33. Ubicación de polos y ceros de la función de transferencia
de una planta de segundo orden 129
34. Diagrama de Bode en lazo abierto para planta de segundo
orden con retardo puro de 0.5 Seg. 130
35. Diagrama de Nyquist para una planta de segundo orden
con retardo puro de 0.5 segundos 132
36. Respuesta a lazo cerrado debido a una entrada
escalón unitario 133
VI
37. Panel de control para el programa asistente de sintonía 134
38. Respuesta al escalón de un sistema de control continuo
controlado con un regulador PID 139
39. Diagrama de Bode para sistema de control continuo 140
40. Diagrama de Nyquist para sistema de control continuo 142
41. Lugar geométrico de las raíces para un sistema de
control continuo 143
42. Ubicación del bloque de función Signal Constraint 146
43. Modelo Simulink para sistema de control continuo 147
44. Ubicación del menú para sintonía de parámetros en el
bloque de función Signal Constraint 148
45. Ventana para indicación de márgenes de parámetros de
sintonía en el bloque Signal Constraint 149
46. Ventana para especificar parámetros de desempeño en el
bloque Signal Constraint 150
47. Respuesta al escalón, utilizando parámetros de sintonía
obtenidos utilizando el bloque Signal Constraint 151
48. Función de transferencia pulso de un modelo discreto 153
49. Respuesta escalón unitario del sistema discreto
de la figura 48 154
50. Diagrama de Bode para sistema discreto de la figura 48 156
51. Diagrama de Nyquist para el sistema discreto mostrado
en la figura 48 157
52. Lugar geométrico de las raíces para el sistema discreto
de la figura 48 158
53. Modelos continuo y discreto equivalentes 160
54. Respuesta al escalón conjunta de los sistemas de control
mostrados en la figura 53 161
VII
55. Comparación de respuesta al escalón entre modelos
continuo y discreto 162
56. Comparación entre diagramas de Bode para sistemas
continuo y discreto 163
57. Comparación entre diagramas de Nyquist para Sistemas
continuo y discreto 165
58. Panel de control del programa asistente para sintonía de
reguladores PID 168
59. Diagrama de bloques de conexión en Labview 169
TABLAS
I. Tabla de transformadas z 20
II. Ecuación en diferencias 36
III. Configuraciones típicas de sistemas de control
muestreados 112
VIII
LISTA DE SÍMBOLOS
Z Transformación z
Z −1 Transformación z inversa
L Transformada de Laplace
L−1 Transformación inversa de Laplace
X (z ) Función de la variable z
Xs Señal de referencia
Xf Señal de realimentación
A Ganancia de laso directo
B Ganancia de realimentación
K p , Ki , Kd Ganancias proporcional, integral y derivativa respectivamente
IX
X
GLOSARIO
XI
XII
RESUMEN
XIII
XIV
OBJETIVOS
• GENERAL
• ESPECÍFICOS
XV
6. Proveer información especifica sobre análisis y diseño de
reguladores analógicos y digitales, para su aplicación en la
industria.
XVI
INTRODUCCIÓN
XVII
Estos paquetes de software nos permitirán realizar comparaciones de
respuesta dinámica, entre controladores analógicos contra su similar en tiempo
discreto, donde los dos tipos de controladores deberán cumplir con los mismos
parámetros de desempeño. Además, valiéndonos de las herramientas de
software, implementaremos un programa, el cual, aprovechándose de las
ventajas de ambos paquetes, permitirá realizar en forma fácil y rápida un
análisis de diversas características de los ejemplos de sistemas de control
planteados en este trabajo. El presente trabajo pretende ayudar a la
comprensión de dispositivos reguladores tal como los del tipo PID. En su forma
discreta y continua, además de presentar las bases para el estudio de otros
algoritmos de control discretos, ya que los principios utilizados en su análisis y
diseño, son fundamentales en la implementación de diversos tipos de
controladores.
XVIII
XIX
XX
1. LA TRANSFORMADA DE LAPLACE Y LA
TRANSFORMADA z
1
1.1.1 Transformada de Laplace
∞
F ( s ) = ∫ f (t )e −σt dt (1.1)
0
∞
(1.2)
∫
0
f (t )e −σt dt
2
Para los temas tratados en el presente trabajo, la ecuación (1.1) que
define la transformada de Laplace, no se utilizara, ya que las expresiones de
transformadas que se utilizan a menudo ya están dadas en tablas de
transformadas de Laplace.
Por tanto solo se utilizara t = 0 o t = to como el tiempo inicial en la definición de
la transformada de Laplace en las discusiones subsecuentes.
f ( t ) = L − 1 [F ( s ) ] (1.3)
1 c+ j∞
f (t ) = ∫
2πj c− j∞
F (s)est ds (1.4)
En donde c es una constante real que es mayor que las partes reales de
todas las singularidades de F(s). La ecuación 1.4, representa una integral de
línea que se evalúa en el plano s. Para funciones simples, la operación de la
transformada inversa de Laplace, se puede llevar a cabo sin realizar la
evaluación de esta integral, utilizando una tabla de transformadas. Cuando las
ecuaciones se tornan muy complejas, se utilizan diferentes métodos para su
evaluación, como por ejemplo la expansión en fracciones parciales.
3
En el presente trabajo no se expondrá este método, pero se puede referir
a cualquier libro, el cual trate sobre la solución de ecuaciones diferenciales para
tal efecto.
Teorema 1
L [kf ( t ) ] = kF ( s ) (1.5)
Teorema 2
L[ f1 (t ) ± f 2 (t )] = F1 ( s ) ± F2 ( s ) (1.6)
4
Teorema 3
df ( t )
L = sF ( s ) − lim f ( t ) = sF ( s ) − f ( 0 )
dt t→0 (1.7)
5
Teorema 4. Integración
F (s)
L∫ f (τ )dτ =
t
0 s (1.9)
t1 t2 tn
F (s)
L ∫ ∫ ⋅ ⋅ ⋅∫ f (τ ) d τ dt 1 dt 2 ⋅ ⋅ ⋅ dt n −1 =
0 0 0 sn (1.10)
6
Teorema 6. Teorema del valor inicial
(1.13)
lim f (t ) = lim sF ( s )
t →∞ s →0
7
Teorema 8. Traslación compleja
[ ]
L e ± α f (t ) = F ( s ± α ) (1.14)
8
L−1 [F1 ( s ) F2 ( s ) ] ≠ f1 (t ) f 2 (t ) (1.17)
9
La transformada de Laplace convierte ecuaciones diferenciales lineales
invariantes en el tiempo en ecuaciones algebraicas de la variable s, la
transformada z convierte una ecuación en diferencias lineal e invariante en el
tiempo, que representa la dinámica del sistema, a una ecuación algebraica de la
variable z. Para obtener la respuesta del sistema a una entrada dada se deben
resolver estas ecuaciones en diferencias, y con el método de la transformada z,
esto se convierte en un problema algebraico.
10
1.3 Transformada z y transformada z inversa
1.3.1 Transformada z
∞
X ( z ) = Z [x ( t ) ] = Z [x ( kT ) ] = ∑ x ( kT ) z − k (1.19)
k =0
define como
∞
X ( z ) = Z [x ( k ) ] = ∑ x(k ) z
k =0
−k
(1.20)
La transformada z definida mediante la ecuación (1.19) y (1.20) se conoce
como transformada z unilateral.
11
El símbolo “z”, denota “obtener la transformada z”. En la transformada z
unilateral se supone que x(t)=0 para t<0 o x(k)=0 para k<0. Es de importancia
notar que la transformada z, es una transformación que convierte una
secuencia en el tiempo x(kT ) en una función compleja x(z ) .
Nos damos cuenta que la transformación al dominio de z, permite un análisis de
sistemas lineales e invariantes en el tiempo con relativa facilidad.
Se debe notar que trabajando con una secuencia de tiempo x(kT ) que se
obtuvo mediante el muestreo de una señal x(t ) la transformada z; de X (z ) lleva
implícito el periodo de muestreo T.
∞
X ( z ) = Z [x(t )] = Z [x(kT )] = ∑ x(kT ) z
k = −∞
−k
(1.21)
O la ecuación:
∞
(1.22)
X ( z ) = Z [x( kT )] = ∑ x(kT ) z
k = −∞
−k
12
Debido a que la transformada z unilateral presenta una solución apropiada
en su región de convergencia, para el desarrollo y análisis de muchos sistemas,
en el presente trabajo solo se utilizara esta.
13
1.3.1.1 Transformada z de algunas funciones elementales
Ejemplo 1.1
1(t ), 0≥t
x (t ) =
0, t<0
SOLUCIÓN: Refiriéndonos a la ecuación 1.21.
∞ ∞
x( z ) = Z [1(t )] = ∑ 1z − k ∑ z − k
k =0 k =0
= 1 + z −1 + z −2 + z −3 + ⋅ ⋅ ⋅
1
=
1 − z −1
z
=
z −1
14
Observe que se dice que la serie converge cuando z > 1. ya que la suma
Ejemplo 1.2
t , 0≥t
x(t ) =
0, t<0
Solución:
∞ ∞ ∞
X ( z ) = Z [t ] = ∑ x(kT ) z − k = ∑ kTz −1 = T ∑ kz − k
k =0 k =0 k =0
= T ( z −1 + 2 z −2 + 3z −3 + ⋅ ⋅ ⋅)
z −1
=T
(1 − z −1 ) 2
Tz
=T
( z − 1) 2
15
Figura 1. Señal de una rampa unitaria muestreada
x(t )
0 t
Funcion polinomial a k
Ejemplo
a k , k = 0,1,2,....
x(t ) =
0, k < 0
= 1 + az −1 + a 2 z −2 + a 2 z −3 + a 3 z −3 + ⋅ ⋅ ⋅
1
=
1 − az −1
16
z
=
z−a
Función exponencial
Ejemplo
Encuentre la transformada z de
e − at , 0≤t
x(t ) =
0, t<0
∞ ∞
[ ] ∑ x(k ) z
X ( z ) = Z e − at = −k
= ∑e − akT
z −k
k =0 k =0
= 1 + e − aT z − 1 + e − 2 aT z − 2 + e − 3 aT z − 3 + ⋅ ⋅ ⋅
1
= − aT
1− e z −1
z
=
z − e − aT
17
Función senoidal
Ejemplo
Sea la función
senwt , 0≤t
x(t ) =
0, t<0
1 jwt
Según la identidad senwt = (e − e − jwt )
2j
Como la transformada z de la función exponencial es
1
[ ]
Z e − at = − aT
1− e z −1
Se substituye
1
X ( z ) = Z [senwt ] = Z (e jwt − e − jwt )
2 j
1 1 1
= jwT −1
− − jeT −1
2 j 1 − e z 1− e z
=
1 (e jwT − e − jwT )z −1
2 j 1 − (e jwT + e − jwT )z −1 + z − 2
z −1 senwT
=
1 − 2 z −1 cos wT + z − 2
zsenwT
= 2
z − 2 z cos wT + 1
18
Función coseno
Ejemplo
Sea la función
cos wt , 0≤t
x(t ) =
0, t<0
1 jwt
X ( z ) = cos wt = (e + e − jwt )
2
1 1 1
= jwt −1
+ − jwT −1
2 1 − e z 1− e z
1 2 − (e − jwt + e jwt )z −1
=
2 1 − (e jwt + e − jwt )z −1 + z − 2
1 − z −1 cos wT
=
1 − 2 z −1 cos wT + z − 2
z 2 − z cos wT
=
z 2 − 2 z cos wT + 1
19
Tabla I. Transformadas z
20
1.3.2 Teoremas y propiedades de la transformada z
21
Linealidad de la transformada z
x( k ) = αf (k ) + β g (k ) (1.25)
Tiene la transformada z
X ( z ) = αF ( z ) + βG ( z ) (1.26)
Multiplicación por a k
[ ]
Z a k x( k ) = X (a −1 z ) (1.27)
22
Teorema de corrimiento
Z [x(t − nT )] = z − n X ( z ) (1.28)
y
n −1
Z [x (t + nT ) ] = z n X ( z ) − ∑ x ( kT ) z − k
k =0 (1.30)
En donde n es un entero positivo.
e−at x(t) esta dada por X ( ze aT ). Esto se conoce como teorema de translación
compleja.
[ ]
Z e − at x (t ) = X ( ze aT ) (1.31)
23
Teorema del valor inicial
k →∞ z →1
[ ]
lim x( k ) = lim 1 − z −1 X ( z ) (1.33)
24
1.4 La transformada z inverza
Nos damos cuenta que la transformada z inversa nos devuelve una unica
secuencia de los valores muestreados en el tiempo, lo cual implica que tenemos
una unica función x(k ) , pero podemos tener muchas funciones x(t ) , para esta
secuencia, ya que no tenemos ninguna información de x(t ) entre instantes de
muestreo, y varias funciones del tiempo x(t ) diferentes pueden cumplir con las
muestras tomadas, o tener la misma x(kT ) . Vease la figura 2.
x 2 (t ) x1 (t )
0 T 2T 3T 4T 5T
25
La secuencias del tiempo x( k ) o x(kT ) que provienen de la
transformación z inversa de X ( z ) , se obtienen cuando X ( z ) proviene de x(k ) o
x(kT ) respectivamente.
b0 z m + b1 z m −1 + ⋅ ⋅ ⋅ + bm
X (z) =
z n + a1 z n −1 + ⋅ ⋅ ⋅a n (1.34)
26
Donde m < n , o la forma
b0 ( z − z1 )( z − z 2 ) ⋅ ⋅ ⋅ ( z − z m )
X ( z) =
( z − p1 )( z − p2 ) ⋅ ⋅ ⋅ ( z − pn ) (1.35)
b0 z − ( n − m ) + b1 z − ( n − m +1) + ⋅ ⋅ ⋅ + bm z − n
X (z) =
1 + a1 z −1 + a 2 z − 2 + ⋅ ⋅ ⋅ + a n z − n (1.36)
27
Metodo de la división directa
Ejemplo 1.7
z −1
X ( z) = −1
= z −1 − z − 2 + z −3 − z − 4 + ⋅ ⋅ ⋅
1+ z
28
Método computacional
29
Enfoque de Matlab
δo(kT ) = 1, para k = 0
=0, para k ≠ 0
x(k ) = 1, para k = 0
=0, para k ≠ 0
X(z)=1
Definimos ahora el sistema F ( z ) mediante la función
z 2 + 0.5 z (1.37)
F ( z) =
z 2 + 3z + 2
Y ( z) 10 z + 5 (1.38)
F (z) = = 2
X ( z ) z − 1.2 z + 0.2
30
Utilizando Matlab, se puede encontrar la transformada inverza, del sistema
anterior, la entrada X(z) es la transformada z de la entrada delta. En Matlab la
entrada delta se define como:
x=[1 zeros(1,N)]
10 z + 5 (1.39)
Y ( z) = X ( z) = 2
z − 1 .2 z + 0 . 2
Numerador=[10 5 ]
Denominador=[ 1 -1.2 0.2]
31
Se introduce la entrada delta de Kronecker como sigue:
x=[1 zeros(1,50)]
y=filter(Numerador,Denominador,x)
32
El programa devolvera en el work space la salida y(k) desde k=0 hasta
k=50 de la siguiente manera.
y=
Columns 1 through 8
Columns 9 through 16
Columns 17 through 24
Columns 25 through 32
Columns 33 through 40
Columns 41 through 48
Columns 49 through 51
33
Los valores obtenidos, representan la transformada z inversa de la
siguiente forma:
Numerador=[10 5];
Denominador=[1 -1.2 0.2];
x = [1 zeros(1,50)];
v=[0 50 -1 20];
axis(v);
k = 0:50;
y = filter(Numerador,Denominador,x);
plot(k,y,'o')
grid
title('Respuesta a la entrada delta de Kronecker')
xlabel('k ')
ylabel('y(k)')
34
Enfoque de la ecuación en diferencias
Z [x( k )] = X ( z ) (1.40)
35
Tabla II. Ecuación en diferencias
Ejemplo
36
u ( k ) = 0, k <0
u ( 0) = 1
u (1) = 0.2142
u ( 2) = −0.2142
u ( k ) = 0, k = 3,4,5,...
Determinaremos la salida x (k ).
[z 2
]
X ( z ) − z 2 x(0) − zx(1) − 1.3679[ zX ( z ) − zx(0)] + 0.3679X(z) = 0.3979[zU(z) - zu(0)] + 0.2642U ( z )
37
Al resolver para X (z ), se encuentra que
0.3679 z + 0.2642
X (z) = 2 U ( z )
z − 1.3679 z + 0.3679
La transformada z de la entrada u (k ) es
U ( z ) = Z [u (k )] = 1 + 0.2142 z −1 − 0.2142 z −2
Por tanto,
0.3679 z + 0.2642
X ( z) = 2
(
1 + 0.2142 z −1 − 0.2142 z − 2 )
z − 1.3679 z + 0.3679
= 0.3679 z −1 + 0.8463 z −2 + z −3 + z −4 + z −5 + ⋅ ⋅ ⋅
x ( 0) = 0
x (1) = 0.3679
x ( 2) = 0.8463
x ( k ) = 1, k = 3,4,5,...
38
Método de expansión en fracciones parciales
bo z m + b1 z m −1 + ⋅ ⋅ ⋅ + bm −1 z + bm
X (z) = , m≤n
z n + a1 z n −1 + ⋅ ⋅ ⋅ + an −1 z + a n (1.41)
bo z m + b1 z m −1 + ⋅ ⋅ ⋅ + bm −1 z + bm
X (z) = ,
( z − p1 )( z − p 2 ) ⋅ ⋅ ⋅ ( z − pn ) (1.42)
39
De esta expresion se expande X ( z ) / z en fracciones parciales. Pero se
debe notar que si se utilizo el teorem de corrimiento para tomar la transformada
z inversa, se debe expandir X (z ) , en fracciones parciales en lugar de X ( z ) / z .
Un procedimiento común donde todos los polos son diferentes y existe por
lo menos un cero en el origen, es dividir ambos lados de la igualdad, y expandir
esta expresión ( X ( z ) / z ), en fracciones parciales en la forma:
X ( z) a1 a2 an (1.43)
= + + ⋅⋅⋅ +
z z − p1 z − p 2 z − pn
hace uno debido a que es igual al denominador del término ai , y el valor seria.
X ( z) (1.44)
ai = ( z − pi )
z z = pi
Nótese que dicha forma para determinar ai es válida para polos simples
solamente.
40
Ejemplo
(1 − e − aT ) z
X ( z) =
( z − 1)( z − e −aT )
X ( z) 1 1
= −
z z − 1 z − e − aT
1 1
= −1
− − aT −1
1− z 1− e z
1
Z −1 = −1
=1
1 − z
1
Z −1 − aT −1
= e − akT
1 − e z
x( KT ) = 1 − e − akT , k = 0,1,2,.....
41
Método de la integral de inversión
1
2πj ∫c
Z −1 [X ( z )] = x( kT ) = x ( k ) = X ( z ) z k −1dz
(1.45)
En donde c es un círculo con centro en el origen del plano z, donde todos
los polos de X ( z ) z k −1 , estan dentro.
x(kT ) = x(k ) = K 1 + K 2 + ⋅ ⋅ ⋅ + K m
m
= ∑ [ Re siduo de X ( z ) k −1 en el polo z = z1 de X ( z ) z k −1 ] (1.46)
i =1
[
K = lim ( z − z i ) X ( z ) z k −1 ] (1.47)
z → zi
42
L [kf ( t ) ] = kF ( s )
1 d q −1
K= [
lim q −1 ( z − z j ) q X ( z ) z k −1 ]
( q − 1)! z → zj dz (1.48)
43
Ejemplo
z2
X ( z) =
( z − 1) 2 ( z − e −2T )
k −1 z k +1
X ( z) z =
( z − 1) 2 ( z − e −2T )
2
z k +1
x(k ) = ∑ residuode 2 − 2T
en el polo z = z1
i =1 ( z − 1) ( z − e )
= K1 + K 2
lim z k +1 e −2 ( k +1)T
= (z − e − 2T
) =
z → e −aT ( z − 1) 2 ( z − e −2T ) (1 − e − 2T ) 2
44
1 d z k +1
= lim ( z − 1) 2 2 − 2 T
(2 − 1)! z →1 dz ( z − 1) ( z − e )
d z k +1
= lim
z →1 dz z − e − aT
(k + 1) z k ( z − e −2T ) − z k +1
= lim
z →1 ( z − e − 2T ) 2
k e −2T
= −
1 − e −2T (1 − e −2T ) 2
e −2T e −2 kT k e −2T
x(kT ) = K1 + K 2 = + −
(1 − e − 2T ) 2 1 − e − 2T (1 − e −2T ) 2
kT e −2T (1 − e −2 kT )
= − , k = 0, 1, 2,…
T (1 − e −2T ) (1 − e −2T ) 2
45
46
2. SISTEMAS DE CONTROL
47
2.1.1 Tipos de sistemas de control
48
2.1.4 Sistemas de control en tiempo continuo
49
Los sistemas de datos muestreados, solo reciben información durante
instantes especificos, por lo que fuera de estos instantes el sistema no tiene
información alguna del proceso controlado.
Muestreador
50
Figura 4. Diagrama de bloques de un sistema de control de lazo abierto
Perturbaciones
Variable Manipulada
Referencia Proceso
Controlador Controlado
Variable Controlada
51
La ventaja de comparar continuamente la variable controlada y el punto de
consigna, es el hecho que se pueden tomar diferentes acciones correctivas
según sea el error o diferencia entre estas variables.
Perturbaciones
Error Variable Manipulada
Referencia
Proceso
Controlador Controlado
Instrumentos
de Medición
Variable Controlada
Señal de Realimentación
52
2.1.8 Efectos de la realimentación
Xs Ganancia Xo
Xi de lazo
Xf directo
A
Ganancia de
Realimentación
β
53
Tomando en cuenta el sitema estático de la figura 6, en donde A es la
ganancia de lazo directo, β es la ganancia de realimentación, en la cual las
señales se pueden dirigir en el sentido indicado, Xs es la señal de cualquier
fuente para la referencia, Xi la señal de error y de entrada al bloque de
ganancia de lazo directo, Xo es el valor de la variable controlada o de salida y
Xf es la señal de realimentación. Tenemos que la ganancia total del sistema
se puede deducir de la siguiente manera.
Xi = Xs − Xf (2.1)
Simplificando para Xs
Xs = Xi + Xf (2.2)
Xo Xo (2.3)
=
Xs Xi + Xf
Y tenemos que:
Xo = AXi (2.4)
Xf = β Xo (2.5)
Xo AXi (2.6)
=
Xs Xi + β Xo
54
Xo AXi
= 2.7)
Xs Xi (1 + Aβ )
Xo A
= (2.8)
Xs 1 + Aβ
55
La realimentación también actúa sobre señales aleatorias que afectan al
sistema, a las cuales se les denomina perturbaciones o ruido, estas señales
existen en todos los sistemas y son inevitables, pero con el uso de la
realimentación se pueden reducir sus efectos, aunque tomando en cuenta que
la cantidad de corrección dependerá del lugar en donde actúen estas señales
en el sistema de control.
56
2.3.1 Controlador PID
57
2.3.2 Diseño de un controlador PID continuo
RF
RP
V P (s )
VD (s )
CD
R R
RD
E (s ) R
Vo(s ) = E ( s) K P +
KI
+ KDS
RI
R S
CI
V I (s )
58
Se sabe que la ganancia de los diferentes Amplificadores operacionales
que componen el diagrama de regulador PID mostrado en la figura 7, se define
como:
Amplificador Negador
VP ( s ) − RF
=
E (s) RP (2.9)
Amplificador Derivativo
VD ( s )
= − C D RD s
E ( s) (2.10)
Amplificador Integrador
VI ( s ) −1 (2.11)
=
E ( s ) C I RI s
R R R
Vo ( s ) = − V p + VI + VD = − (VP + V I + VD )
R R R (2.12)
R 1 1
Vo ( s ) = −(VP + VI + VD ) = − − F E ( s ) − C D RD sE ( s ) − E ( s )
RP C I RI s (2.13)
R 1 1
Vo ( s ) = E ( s ) F + C D RD s +
R
P C R
I I s (2.14)
59
Definimos tres constantes de sintonia en los controladores PID, que para el
caso de la ecuación 2.14 es:
RF 1 1
KP = ; K D = C D RD = TD ; K I = =
RP C I R I TI (2.15)
Vo ( s ) 1
= K p+ K d s + K i
E ( s) s (2.16)
60
2.3.3 Ubicación de un regulador PID en un sistema de control
Instrumento.
de Medida
61
2.3.4 Análisis de controles proporcional, integral y derivativo
P = K pEp (2.17)
Donde
62
Se puede ayudar a hacer mínimo el error en estado estacionario,
aumentando en lo posible la ganancia proporcional. Lamentablemente,
incrementando la ganancia proporcional, también se aumenta la tendencia
hacia la inestabilidad. En realidad, cuando la ganancia es muy elevada, el
controlador presenta oscilaciones alrededor de la referencia. Por lo tanto,
aumentar la ganancia proporcional no es una solución ideal para eliminar el
error de estabilidad de un proceso.
K p = 50
K p = 15
Kp =3
63
Notamos en la figura 9, que el error en estado estacionario (desviación
proporcional) con K p = 3 es considerable, y se reduce con el aumento en la
64
Por lo último, este método suele llamarse reposición manual. Cuando se
agrega una desviación en la salida del controlador, la forma de la ecuación que
relaciona el error del proceso y la señal de salida del controlador, se transforma
en:
P = K p E p + Po (2.18)
Este método para eliminar el error del proceso funciona para una carga
dada. Si ésta cambia, ese error no es más nulo. Por lo tanto, este método se
puede emplear en los sistemas de control de procesos en que el valor medio de
la carga es constante.
Ahora debemos incluir un término que se encargue del tiempo que dura
este error (para generar un reset automático). Si hacemos que un número varíe
de acuerdo con el tamaño y el tiempo que dure el error, entonces podríamos
sustituir al reset manual.
65
La acción integral nos permite corregir el error en estado estacionario, con
ciertas limitantes, tales como la tendencia a oscilaciones o inestabilidad, si
agregamos demasiada ganancia Integral a nuestro regulador, como lo muestra
la grafica de la figura 11, con una ganancia integral K i = 6 .
Kp =3
Ki = 6
Ki = 4
K i = 0.25
Ki = 1
66
Notamos claramente el efecto que provoca la acción integral sobre un
control proporcional con una K p = 3 , la grafica de la figura 9, ilustra el control
de(t ) (2.19)
Acción Derivativa = k d
dt
67
Características:
68
Figura 12. Respuesta al escalón producida por un control PD
Kd = 0
K P = 50
Kd = 3
Kd = 6
K d = 10
K d = 100
69
Es importante hacer notar que en sistemas fisicos reales, las
perturbaciones aleatorias propias del proceso, pueden ser un factor
determinante en la elección de la constante derivativa, ya que a valores grandes
de K D , las perturbaciones crean oscilaciones que incrementan con el tiempo.
PI
PID
P
(a)
70
K P = 15 Kd = 4 Ki = 4
PI
PID
P
PD
(b)
71
Podemos observar claramente en la figura 13 a. La respuesta de un
sistema de segundo orden, con funcion de transferencia 1/ 1 /( s + 1) 2 , a una
entrada escalon, y notamos algunas de las caracteristicas anteriormente
descritas para cada tipo de regulador. Por ejemplo, notamos que el regulador
P, proporciona una respuesta de corrección rapida al cambio de entrada, pero
nunca corrige el error en estado estacionario, ademas crea un sobrepaso inicial
bastante alto.
72
2.4 Aplicaciones de los controladores PID
73
Función de transferencia de un proceso
H (S ) (2.20)
G(S ) =
Q( S )
Q(S ) H (S )
G (S )
74
Procesos de primer orden
75
d ( ρ A1 h1 ) (2.21)
ρ q1 (t ) − ρ q2 (t ) =
dt
En donde
h1 (t ) (2.22)
q2 (t ) =
R1
Substituyendo para q1 (t )
h1 (t ) dh
q1 (t ) − = A1 1 (2.23)
R1 dt
76
h1 ( t = 0 )
q1 ( t = 0 ) − =0 (2.24)
R1
q1 ( t ) − q1 ( t = 0 ) =
1
[
h1 (t ) − h1 ( t = 0 ) + A1 ] [
d h1 (t ) − h1 ( t = 0 ) ] (2.25)
R1 dt
Ahora dejamos
Q1 (t ) = q1 (t ) − q1 ( t = 0 ) (2.26)
Y tenemos que
H 1 (t ) = h1 (t ) − h1 ( t = 0 ) (2.27)
1
Q1 ( s ) = H 1 ( s ) + A1 s H 1 ( s ) (2.28)
R1
H1 ( s ) R1 (2.29)
=
Q1 ( s ) T1s + 1
77
Donde:
78
La función de transferencia entre las varibles de salida del proceso de
segundo orden, interactivo o no interectivo, puede ser deducida utilizando el
mismo metodo previamente presentado para procesos de primer orden. Asi, la
relación del balance de masa en estado estacionario, es primero utilizada para
encontrar la ecuación diferencial, que describa el proceso en terminos de la
variable independiente t. Se utiliza la transformada de Laplace para encontrar la
función de transferencia en función de la variable compleja s.
H1 ( s ) R1
= (2.30)
Q1 ( s ) T1s + 1
79
Figura 16. Planta tipica para aproximación de procesos de segundo
orden
(a)
(b)
80
Por otro lado, la taza de flujo entrando al tanque dos, Q2 ( s), es definida
por:
H1 (2.31)
Q2 =
R1
H2 R2 (2.32)
=
Q1 T2 s + 1
En donde T2 = A2T2
Por tanto la función de transferencia total, que relaciona el nivel del líquido
del tanque 2, H 2 ( s), y la taza de flujo entrando al tanque 1, Q 1 ( s), es:
H 2 1 R2 (2.33)
=
Q1 T1s + 1 T2 s + 1
En donde T2 = A2 R2
81
La funcion anterior, también demuestra que la constante de tiempo de un
proceso se incrementa cuando el orden N del proceso aumenta.
Consecuentemente, el incremento del orden N de un proceso, retarda la
respuesta dinamica de un proceso, cuando es sujeto a un cambio en escalón de
la variable de entrada.
1 (2.34)
q 2 (t ) = [h1 (t ) − h2 (t )]
R1
dh1 (2.35)
q1 (t ) − q2 (t ) = A1
dt
h2 (t ) (2.36)
q3 (t ) =
R2
dh2 (2.35)
q2 (t ) − q3 (t ) = A2
dt
R1Q2 ( s ) = H 1 ( s ) − H 2 ( s ) (2.36)
82
Q1 ( s ) − Q2 ( s ) = A1 sH 1 ( s ) (2.37)
R2Q3 ( s ) = H 2 ( s ) (2.38)
Q2 ( s ) − Q3 ( s ) = A2 sH 2 ( s ) (2.39)
H 2 (s) R2 (2.40)
=
Q1 ( s ) T1T2 s + (T1 + T2 + A1 R2 )s + 1
2
83
84
3. DISCRETIZACIÓN DE CONTROLADORES PID ANALÓGICOS
Xo A
= (2.8)
Xs 1 + Aβ
1 1 R1
+ K p + Ki
s
+ Kd s e − s (td )
− s T1 + 1 s T2 + 2
1
85
− std
En la figura 17, se añade en el lazo directo, el factor e , el cual se
relaciona a un retrazo puro, en la respuesta del sistema, con un valor de retrazo
( t d ), al que se le denomina tiempo muerto, y que existe en todos los sistemas
Los lazos de control continuo, estan formados de tal forma que los
componentes del sistema, siempre tienen informacion sobre la variable
controlada, la cual es comparada en todo momento con la consigna y en base a
esto realizar una acción correctiva o de compensación. Esto no sucede en los
sistemas de control discreto, ya que en éstos la información de la variable
controlada o el error, entre esta variable y la consigna, solo se obtiene durante
el instante de muestreo. La transformada z es utilizada para el análisis y diseño
de sistemas discretos, en los que asumimos un périodo de muestreo constante
y que sera el mismo para cualquier cantidad de muestreadores en nuestros
sistema, ademas de poseer la misma fase.
86
Figura 18. Muestreador mediante impulsos
x * (t )
x(t )
0 t 0 t
x(t ) x * (t )
δT
X (s ) X * (s)
∞
x * (t ) = ∑ x ( kT )δ (t − kT )
k =0 (3.1)
x * (t ) = x (0)δ (t ) + x (T )δ (t − T ) + ⋅ ⋅ ⋅ ⋅ + x ( kT )δ (t − kT ) (3.2)
∞
δ T (t ) = ∑ δ (t − kT )
k =0 (3.3)
87
Osea el muestreador mediante impulsos, se considera como un
modulador, en el cual se puede considerar a x(t) como la señal moduladora, y a
δ T (t ) , como la señal portadora, como se muestra en la figura 19.
∞ (3.4)
= ∑ x ( kT )e − kTS
k =0
88
Si ahora se define
e TS = z
1
s= ln z
T
∞
X ( s ) | s = (1 / T ) ln z = ∑ x ( kT ) z − k (3.4b)
k =0
X * ( s) | s =(1 / T ) ln z = X ( z )
1 ∞ (3.5)
X * ( s ) |s = (1 / T ) ln z = X * ln z = X ( z ) = ∑ x ( kT ) z − k
T k =0
89
∞
x * (t ) = ∑ x ( kT )δ (t − kT )
k =0
En donde tenemos que 0 ≤ τ < T . Observe que la señal h(kT ) debe ser
igual a x (kT ).
h( kT ) = x ( kT )
Entonces se puede escribir la ecuación 3.6 como sigue
90
La ecuacion 3.7 es un retenedor de n-ésimo orden, y debido a que un
retenedor de n orden, utiliza muestras anteriores, para extrapolar una señal
continua, entre un tiempo de muestreo y el siguiente, la señal en tiempo
continuo se mejora si al aumentar la cantidad de muestras. Pero a costa de
aumentar el tiempo de retraso, el cual en sistemas de control, es de mucha
importancia para la estabilidad.
h ( kT + τ ) = x ( kT ) (3.8)
1 − e −Ts
Gh =
s
91
Figura 20. Retenedor de orden cero
Retenedor de
Orden Cero
92
Figura 21. Función de transferencia de un retenedor de orden cero
(a)
x(t ) x* (t ) Gh 0 ( s) h2 (t )
δT X * (s) H 2 ( s)
(b)
+ x ( 2T )[1(t − 2T ) − 1(t − 3T )] + ⋅ ⋅ ⋅
∞ (3.10)
= ∑ x ( kT )[1(t − kT ) − 1(t − ( k + 1)T ]
k =0
Y sabemos que
e -kTs
L[1(t − kT )] =
s
93
La transformada de Laplace de la ecuación 3.10 es
∞
e − kTs − e − ( k +1)Ts
L[h1 (t )] = H 1 ( s) = ∑ x(kT )
k =0 s
(3.11)
1 − e −Ts ∞
=
s
∑ x(kT )e−kTs
k =0
L[h2 ] = H 2 ( s) = H 1 ( s )
1 − e −Ts ∞
H 2 ( s) =
s
∑ x(kT )e
k =0
− kTs (3.12)
De la figura 21 b. Tenemos
H 2 ( s ) = Gh 0 ( s ) X * ( s ) (3.13)
Debido a
∞
X * ( s ) = ∑ x ( kT )e − kTs
k =0
1 − e −Ts * (3.14)
= X (s)
s
94
Al comparar las ecuaciones 3.13 y 3.14 tenemos que la función de
transferencia del retenedor de orden cero es:
1 − e −Ts
Gh =
s
1 − e −Ts
X ( s) = G (s)
s
G ( s) (3.15)
X ( s ) = (1 − e −Ts ) = (1 − e −Ts )G1 ( s )
s
Donde
G( s)
G1 ( s ) =
s
95
Y consideramos la función
(3.16) X 1 ( s ) = e −Ts G1 ( s )
t
x1 (t ) = ∫ g 0 (t − τ ) g1 (τ )dτ
0
[ ]
g 0 = L−1 e −Ts = δ (t − T )
t
x1 (t ) = ∫ δ (t − T − τ ) g1 (τ )dτ
0
= g1 (t − T )
Z [g1 (t )] = G1 ( z )
96
La transformada z de x1 (t ) es
[
X ( z ) = Z G1 ( s) − e −Ts G1 ( s) ]
= Z [g1 (t )] − Z [x1 (t )]
= G1 ( z ) − z −1G1 ( z )
= (1 − z −1 )G1 ( z )
O
G (s) (3.17)
X ( z ) = Z [ X ( s ) ] = (1 − z −1 ) Z
s
97
Suponemos un muestreador a la salida de G (s ), sincronizado con la
entrada, entonces la salida es un tren de impulsos. Se supone que y (t ) = 0 para
t < 0. Y la transformada z de y (t ) sera:
∞
(3.18)
Z [ y (t ) ] = Y ( z ) = ∑ y ( kT ) z − k
k =0
x(t ) x* (t ) y (t )
δT G(s)
G (s )
y * (t )
δT
t t
y (t ) = ∫ g (t − τ ) x(τ )dτ = ∫ x(t − τ ) g (τ )dτ
0 0
98
Y tenemos una sumatoria de convolución similar en sistemas en tiempo
discreto debido a que
∞ ∞ (3.19)
x * (t ) = ∑ x (t )δ (t − kT ) = ∑ x ( kT )δ (t − kT )
k =0 k =0
y (t ) = g (t ) x (0) + g (t − T ) x (T ) + g (t − 2T ) x ( 2T ) + ⋅ ⋅ ⋅ ⋅ + g (t − kT ) x ( kT )
k
= ∑ g (t − hT ) x( hT ) 0 ≤ t ≤ kT
h =0
k (3.20)
y ( kT ) = ∑ g ( kT − hT ) x ( hT )
h =0
k (3.21)
= ∑ x ( kT − hT ) g ( hT )
h =0
y ( kT ) = x ( kT ) * g ( kT ) (3.22)
99
Ya que se supone x (t ) = 0 para t < 0, se tiene que x ( kT − hT ) = 0 para
h > k . y debido tambien a que g ( kT − hT ) = 0 para h > k , se puede suponer que
los valores de h en las ecuaciones 3.20 y 3.21 se pueden tomar desde 0 hasta
∞ sin alterar el valor de la sumatoria. Entonces las ecuaciones 3.20 y 3.21 se
pueden rescribir asi
∞ (3.23)
y ( kT ) = ∑ g ( kT − hT ) x ( hT )
h =0
∞ (3.24)
= ∑ x ( kT − hT ) g ( hT )
h =0
100
3.2.6 Función de transferencia pulso
∞
y ( kT ) = ∑ g ( kT − hT ) x ( hT ), k = 0, 1, 2,...
h=0
∞
Y ( z ) = ∑ y ( kT ) z − k
k =0
∞ ∞
= ∑∑ g ( kT − hT ) x ( hT ) z − k
k =0 h=0
∞ ∞
= ∑∑ g ( mT ) x ( hT ) z − ( m+ h )
m =0 h =0
∞ ∞
= ∑ g ( mT ) z − m ∑ x ( hT ) z − h
m =0 h=0
= G( z) X ( z) (3.25)
Donde m = k − h y
∞
G ( z ) = ∑ g (mT ) z − m = Transformada z de g (t )
m =0
101
La ecuación 3.25 relaciona la salida pulso y la entrada pulso del sistema, y
nos proporciona un medio para determinar la transformada z de la secuencia de
salida para cualquier secuencia de entrada. Tenemos que la ecuación 3.25 es
igual entonces.
Y ( z) = G( z) X ( z) (3.26)
1, k =0
x ( kT ) = δ 0 ( kT ) =
0, k≠0
∞
X ( z ) = ∑ x ( kT ) z − k = 1
k =0
Y (z) = G(z)
102
3.2.7 Transformada de Laplace asterisco de la señal que involucra tanto
transformadas de Laplace ordinarias como asterisco
Y ( s) = G ( s) X * ( s) (3.27)
[ ]*
Y * ( s ) = G ( s ) X * ( s ) = [G ( s )] X * ( s ) = G * ( s ) X * ( s )
*
103
Para resumir, establecemos que al tomar la transformada de Laplace
asterisco de un producto de transformadas, donde algunas son transformadas
ordinarias y otras asterisco, las funciones que ya son asterisco, se pueden
factorizar de la operación de transformada de Laplace asterisco.
Y ( z)
= G ( z ) = Z [G ( s )]
X ( z)
104
Figura 23. Sistemas en tiempo continuo con y sin muestreador de
entrada
x(t ) x* (t ) y (t )
δT G(s)
G (s )
y * (t )
δT y * (t )
(a)
x(t ) y (t )
X (s )
GG(s(s) ) Y (s )
(b)
Y (s)
= G (s)
X ( s)
Y (s) = G( s) X * ( s)
105
Y si tomamos la transformada asterisco queda
Y * (s) = G * (s) X * ( s)
Que es lo mismo que escribir
Y ( z) = G( z) X ( z)
Y (s) = G( s) X (s)
Y * ( s ) = [G ( s ) X ( s ) ] = [GX ( s ) ]
* *
Y ( z ) = Z [Y ( s )] = Z [G ( s ) X ( s )] = Z [GX ( s )] = GX ( z )
G ( z ) = Z [G ( s )]
106
3.2.9 Función de transferencia pulso de elementos en cascada
U (s) = G( s) X * (s )
Y ( s ) = H ( s )U * ( s )
U * ( s) = G (s) * X * ( s)
Y * (s ) = H * ( s) *U * (s )
Y ( z ) = H ( z )G ( z ) X ( z )
107
Y ( z)
= H ( z )G ( z )
X ( z)
x(t ) x* (t ) u (t ) u * (t ) y (t ) y * (t )
δT GG(s(s) ) δT
H (s )
δT
(a)
x(t ) x* (t ) y (t ) y * (t )
δT GG(s(s) ) H (s )
δT
(b)
Y * ( s ) = G ( s ) H ( s ) X * ( s ) = GH ( s ) X * ( s )
108
En donde tenemos que
GH ( s ) = G ( s ) H ( s )
Y * ( s ) = [GH ( s )] X * ( s )
*
Y ( z ) = GH ( z ) X ( z )
Y ( z)
= GH ( z ) = Z [GH ( s )]
X ( z)
109
Figura 25. Sistema de control en lazo cerrado
R(s ) E (s ) E * (s) C (s )
G (s )
δT
H (s )
E ( s ) = R ( s ) − H ( s )C ( s )
C ( s) = G( s) E * (s)
E ( s ) = R( s ) − H ( s )G ( s ) E * ( s )
E * ( s ) = R * ( s ) − HG * ( s ) E * ( s )
o
R * (s)
E * (s) =
1 + GH * ( s )
110
Y tenemos que
C * (s) = G * (s) E * (s )
Por lo tanto:
G * ( s) R * ( s)
C * (s) =
1 + GH * ( s )
G ( z ) R( z )
C( z) =
1 + GH ( z )
C(z) G( z) (3.30)
=
R ( z ) 1 + GH ( z )
111
Tabla III. Configuraciones típicas de sistemas de control muestreados
G ( z ) R( z )
C ( z) =
1 + GH ( z )
G ( z ) R( z )
C ( z) =
1 + G( z) H ( z)
G1 ( z )G 2 ( z ) R ( z )
C ( z) =
1 + G1 ( z )G 2 H ( z )
112
G 2 ( z )G1 R ( z )
C ( z) =
1 + G1G2 H ( z )
GR ( z )
C ( z) =
1 + GH ( z )
113
m(k ) + a1 m(k − 1) + a 2 m(k − 2) + ⋅ ⋅ ⋅ + a n m(k − n)
= b0 e( k ) + b1e( k − 1) + ⋅ ⋅ ⋅ + bn e( k − n) (3.31)
La transformada z de la ecuación
M ( z ) + a1 z −1 M ( a ) + a 2 z −2 M ( z ) + ⋅ ⋅ ⋅ + a n z − n M ( z )
= b0 E ( z ) + b1 z −1 E ( z ) + ⋅ ⋅ ⋅ + bn z − n E ( z )
(1 + a1 z −1 + a 2 z −2 + ⋅ ⋅ ⋅ + a n z − n ) M ( z ) = (b0 + b1 z −1 + ⋅ ⋅ ⋅ + bn z − n ) E ( z )
M ( z ) b0 + b1 z −1 + ⋅ ⋅ ⋅ + bn z − n (3.32)
GD ( z ) = =
E (z) 1 + a1 z −1 + ⋅ ⋅ ⋅ + a n z − n
114
3.2.12 Función de transferencia pulso de un sistema de control digital
en lazo cerrado
C( z) GD ( z )G( z ) (3.33)
=
R( z ) 1 + GD ( z )G ( z )
(a)
115
(b)
1 t de(t ) (3.34)
m(t ) = K e(t ) +
Ti ∫
0
e(t )dt + Td
dt
116
T e ( 0 ) + e (T ) e (T ) + e ( 2 T )
m ( kT ) = K e ( kT ) + + + ⋅⋅⋅
T i 2 2
e(( k − 1)T ) + e( kT ) e( kT ) − e(( k − 1)T
+ + Td
2 T
O
T k
e((h − 1)T ) + e(hT ) Td (3.35)
m( kT ) = K e(kT ) +
Ti
∑ 2
+ [e( kT ) − e(( k − 1)T )]
T
h =1
Se define
e(( h − 1)T ) + e( hT )
= f ( hT ), f ( 0) = 0
2
k k
e(( h − 1)T ) + e( hT )
∑
h =1 2
= ∑
h =1
f ( hT )
La que es igual a
1
= F (z)
1 − z −1
117
Notamos que
1 + z −1
F ( z ) = Z [ f (hT )] = E (Z )
2
T 1 + z −1 Td
M ( z ) = K 1 + −1
+ (1 − z −1 ) E ( z )
2Ti 1 − z T
T T 1 T
M ( z ) = K 1 − + −1
+ d (1 − z −1 ) E ( z )
2Ti Ti 1 − z T
KI
M ( z) = K p + −1
+ k D (1 − z −1 ) E ( z )
1− z
KT K
KP = K − = K − I = Ganancia Proporcional
2Ti 2
118
KT
KI = = Ganancia Integral
Ti
KTd
KD = = Ganancia Derivativa
T
M ( z) KI (3.36)
GD ( z ) = = Kp + −1
+ k D (1 − z −1 )
E( z) 1− z
119
Figura 27. Función f (hT ).
1 (3.37)
GP =
( s + 1)
120
Figura 28. Sistema de control continuo en lazo cerrado
s
K 1 + + s TD
TI
m(kT )
r (t ) e(t ) e(kT ) c(t )
Controlador Retenedor Planta
T PID digital de orden
cero
GD (z ) Gh (s ) G p (s )
(a)
121
KI 0.6321 z −1
Kp + + kD(1− z−1)
1− z−1
1 − 0.3679 z −1
(b)
1 − e −s
Gh ( s) =
s
1 − e − s 1 0.6321 z −1 (3.38)
Z = G ( z ) =
s ( s + 1) 1 − 0.3679 z −1
122
C ( z) G D ( z )G ( z )
=
R( z ) 1 + G D ( z )G ( z )
1 . 2 − 0 . 8 z −1 − 0 . 2 z − 2
GD = (3.39)
1 − z −1
123
Figura 30. Sistema de control continuo en lazo cerrado utilizando un
controlador PI
6 − 5 z −1 (3.41)
GD ( z ) =
5 − 5 z −1
124
1 − e − s 1 1.718 z −1
Z = G ( z ) =
s ( s + 1) 2.718 − z −1
6 −5z −1 1.718 z −1
5−5z −1 2.718 − z −1
C ( z) 859(6 z −1 − 5 z −2 )
=
R( z ) 6795 − 4141z −1 − 1795 z − 2
125
126
4. DISEÑO DE SISTEMAS DE CONTROL EN TIEMPO DISCRETO
El criterio de Routh-Hurwitz
Criterio de Nyquist
Diagramas de Bode
Lugar de la raíces
127
Asumimos algún conocimiento en el diseño de sistemas de control en
nuestro análisis, de tal forma que nos valdremos de las herramientas de
software, para mostrar ejemplos de las potentes herramientas graficas que se
tienen al alcance, tal como el caso de Matlab 7 y otras que utilizaremos en el
presente trabajo.
K e −0.5t
K P 1 + I + K D s
s (1 + 5s )(1 + 5s )
128
Las instrucciones de Matlab utilizadas para la realización de la grafica son
las siguientes:
129
Ahora seguiremos el análisis, realizando el diagrama de bode a lazo
abierto para la planta de segundo orden de la figura 32, con esto
determinaremos el grado de estabilidad que posee actualmente.
130
La pendiente pronunciada del diagrama de fase, indica que al aumentar la
ganancia podremos añadir mucho menos fase al sistema, antes de hacerlo
inestable, ya que el margen de fase disminuye rápidamente, conforme la
frecuencia de cruce de ganancia aumenta.
131
Figura 35. Diagrama de Nyquist para planta de segundo orden con
retardo puro de 0.5 Seg.
132
Figura 36. Respuesta a lazo cerrado debido a una entrada escalón
unitario
133
A continuación presentamos la interfaz gráfica diseñada para analizar
lazos de control PID, a la que llamaremos “Asistente de Sintonía”, en el cual
podemos debido al alcance de nuestro estudio, modelar y graficar la respuesta
de plantas de proceso hasta de segundo orden del tipo de fase mínima con
tiempo muerto.
134
El recuadro de la parte superior, esta formado por campos en los cuales
se ingresan los parámetros que se usan para construir la función de
transferencia en tiempo continuo del proceso en análisis. Es importante
mencionar que el programa determina automáticamente la función discreta de
la planta de proceso continua, utilizando un muestreador y retenedor de orden
cero, además determina en su totalidad la función discreta para todo el sistema
de control.
135
• Margen de ganancia
• Margen de fase
• Frecuencia de cruce de fase y de ganancia en rad/seg
• Ancho de banda
• Pico de resonancia
• Porcentaje de sobrepaso
• Tiempo de subida
136
Por último, en la parte inferior sobre el panel principal, encontramos un
campo llamado tiempo de simulación, el cual se utiliza, para indicarle al
programa el valor del eje de tiempo en segundos que deberá utilizar, al realizar
gráficas que requieran este parámetro.
137
4.2 Gráficas de respuesta dinámica debida a un escalón, para lazos de
control que utilizan controladores PID continuos
K p =8.986
K i =0.1021
K d =2.491
Margen de ganancia=10.7927 dB
Margen de fase = 166.644 º
Ancho de banda = 1.76533 rad/seg
Pico de resonancia = 0.0093016 dB
Porcentaje de sobrepaso = 3,99361 %
Tiempo de subida=1.3872 seg.
Frecuencia de cruce de fase =0.2089 rad/seg
Frecuencia de cruce de ganancia =2.8274 rad/seg
139
Figura 39. Diagrama de Bode para sistema de control continuo
140
El ancho de banda con valor de 1.765 rad/seg, que es de un valor
pequeño, se puede interpretar sobre la estabilidad como la inmunidad del
sistema a perturbaciones o ruido de alta frecuencia, pero un ancho de banda
pequeño, también se relaciona con un tiempo de subida grande o respuesta
lenta, de lo que deducimos una relación inversa entre estas variables. El ancho
de banda también se interpreta como la característica de filtrado de ruido y la
robustez del sistema, y representa una medida de la sensibilidad a la variación
de parámetros.
141
Figura 40. Diagrama de Nyquist para sistema de control continuo
142
El diagrama de Nyquist nos sirve para tener una indicación del grado de
estabilidad relativa, de tal forma que mientras más lejos este la traza de Nyquist
de encerrar o pasar por el punto (-1,0), mayor será el grado de estabilidad
relativa. En este caso podemos asumir que nuestro sistema es estable y bien
amortiguado.
143
El diagrama del lugar geométrico de las raíces, mostrado en la figura 41.
Nos indica, que la función de transferencia a lazo cerrado para nuestro sistema
de control, es de fase mínima, esto es de interés debido a que los sistemas de
control de procesos en la vida real, son de este tipo.
144
4.2.1 Herramientas de Software adicionales para el análisis de sistemas
de control
145
Figura 42. Ubicación del bloque de función Signal Constraint
146
Figura 43. Modelo Simulink para sistema de control continuo
e −0. 5 S (4.1)
16 s 2 + 9 s + 1
147
Figura 44. Ubicación del menú para sintonía de parámetros en el bloque
de función Signal Constraint
148
Figura 45. Ventana para indicación de márgenes de los parámetros de
sintonía en el bloque Signal Constraint
En este caso se le indica que las variables serán las de las ganancias P, I
y D.
149
Figura 46. Ventana para especificar parámetros de desempeño en el
bloque signal constraint
150
Figura 47. Gráfica de respuesta al escalón, utilizando parámetros de
sintonía obtenidos utilizando el bloque Signal Constraint
151
4.3 Gráficas de respuesta dinámica debida a un escalón, de lazos de
control que utilizan controladores PID discretos.
152
Figura 48. Función de transferencia pulso de un modelo discreto
K p Ki T
KP = K p −
2
KI = K p K i T
K p Kd
KD =
T
153
K p =8.986
K i =0.1021
K d =2.491
154
Se observa de la figura 49. Que las características de estabilidad relativa o
respuesta transitoria, tienen alguna semejanza al sistema continuo del que
partimos para nuestro modelo discreto, aunque el sistema en tiempo discreto en
general presenta características de mayor inestabilidad.
155
Figura 50. Diagrama de Bode para sistema discreto de la figura 48
156
Figura 51. Diagrama de Nyquist del sistema discreto mostrado en la
figura 48
157
Figura 52. Grafica del lugar geométrico de las raíces para el sistema
discreto de la figura 48
158
Existen algunas pruebas analíticas al igual que para sistemas continuos,
que se utilizan, para determinar la estabilidad absoluta de un sistema sin
obtener directamente las raíces, tal es el caso de la prueba de Jury y la de
Schur-Cohn. Estas pruebas determinan la existencia de alguna raíz inestable,
pero como ya se ha visto, utilizando herramientas de software, esto se logra
mas eficaz y rápidamente.
K 0.14 (4.3)
=
J ⋅ s + F 3 ⋅ s +1
En donde
159
A continuación realizaremos la discretización de la función de
transferencia utilizando un muestreador y retenedor de orden cero, para una
taza de muestreo de 0.2 seg. La función de transferencia es la siguiente. Esta
se realiza utilizando las instrucciones en Matlab utilizadas anteriormente.
KI 0.009029 z −1
KP + + K D (1 − z −1 )
1 − z
−1
1 − 0.9355 z −1
(a)
K 0.14
K p 1 + i + K d s )
s 3 ⋅ s +1
(b)
160
Para empezar la comparación de desempeño entre sistemas de control
continuo y discreto, realizaremos ahora la grafica de respuesta al escalón
unitario para los sistemas de la figura 53. Con una taza de muestreo de 0.2 seg.
Para el caso del sistema discreto. Las constantes de sintonía para el regulador
discreto son las mismas utilizadas para el regulador continuo, y se determinan
utilizando el programa asistente de sintonía, de tal forma que tienen los valores
siguientes.
K p =19.2391
K i =0.901
K d =0.008
161
De la figura 54. Vemos que el efecto del muestreo o discretización, es
desestabilizante, reflejándose este en un sobrepaso mayor y un tiempo de
establecimiento mas largo. Es importante decir que el aumento en la taza de
muestreo disminuye este efecto y la reducción de esta, aumenta la inestabilidad
del sistema.
162
Vemos en la figura 55, nuevamente la grafica de respuesta al escalón para
el sistema continuo y para el sistema discreto, ahora con un tiempo de
muestreo de 0.8 seg. Y como dijimos anteriormente la reducción de la taza de
muestreo, redujo la estabilidad relativa del sistema.
163
En la figura 56. Observamos las características en frecuencia para los
sistemas de control digital y analógico. Del cual determinamos las siguientes
características.
Mg continuo = Infinito
Mf continuo= 132º
Mg discreto = 19.4 dB.
Mf discreto = 123º
164
Figura 57. Comparación entre diagramas de Nyquist para sistemas
continuo y discreto
165
4.5 Ventajas y desventajas de diseño, para la utilización de controladores
PID discretos y continuos
166
• Los componentes utilizados en la implementación de reguladores digitales
son de construcción robusta y de alta confiabilidad.
167
A continuación en la figura 56. Se presenta nuevamente, el panel
principal de la interfaz gráfica, que fue desarrollado para nuestro programa
asistente de sintonía, y que fue explicado brevemente en la sección 4.1.
168
La configuración de conexiones de cada uno de los objetos utilizados en la
interfase gráfica de la figura 56. Véase figura 57. En dicha figura aparece cada
objeto referenciado con su correspondiente incono.
169
Se observa en la figura 57. Que el programa está ubicado dentro de una
estructura while, la cual se deja de ejecutar al pulsar el botón stop.
170
%****************************** Sobrepaso máximo *****************************
[y,t] = step(sistema);
SobPasMax=max(y);
SobPasPerc=(SobPasMax-1)*100;
171
diez=(y(i)*0.1);
[Die]=find(diez-0.01 < y & y < diez+0.01,i);
tr=t(Nov(1))-t(Die(1));
%********************************* Tipo de gráfica *****************************
if (Grafica==1)
step(sistema,simu)
end
if (Grafica==2)
margin(sistema)
end
if (Grafica==3)
nyquist(sistema)
end
if (Grafica==4)
rlocus(sistema)
sgrid
end
172
KD=(P*D)/Ts
173
tiempoz=tz(iz);
[yz,tz]=step(totalz,tiempoz);
step(totalz,tiempoz);
maximoz=max(yz);
[iz]=find(yz==maximoz);
noventaz=(yz(iz)*0.9);
[Novz]=find(noventaz < yz );
diezz=(yz(iz)*0.1);
[Diezd]=find(yz < diezz);
trzd=tz(Novz(1))-tz(Diezd(1));
174
CONCLUSIONES
175
5. Los algoritmos de control discreto, se implementan digitalmente por
medio de procesadores o sistemas de computación, con lo que se logra
alcanzar flexibilidad sobre opciones adicionales a la estrategia de control
básica utilizada, como por ejemplo, control adaptativo.
176
RECOMENDACIONES
177
178
BIBLIOGRAFÍA
179