P. 1
ControlDeProcesosV3

ControlDeProcesosV3

|Views: 4,888|Likes:
Published by Abel Sutti Consa

More info:

Published by: Abel Sutti Consa on Aug 20, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/20/2013

pdf

text

original

Sections

  • Introducci´on
  • 1.1. Sistema de Control a Lazo Cerrado
  • 1.2. Sistema de Control a Lazo Abierto
  • 1.3. Din´amica Lineal de los Elementos Ideales
  • El Proceso a Controlar
  • 2.1. Procesos con Comportamiento Proporcional
  • 2.2. Procesos de Primer Orden
  • 2.3. Procesos de Segundo Orden
  • 2.4. Procesos Integrales
  • 2.5. Procesos con Tiempo Muerto
  • 2.6. Procesos de Orden Superior
  • 2.7. El Motor DC
  • 2.8. Modelo MIMO del Proceso Tanque Cerrado
  • 2.8.1. Descripci´on del Proceso
  • 2.8.2. Modelo Din´amico No Lineal del Proceso
  • 2.8.3. Modelo Din´amico de Lagrange del Proceso
  • 2.8.4. Modelo Din´amico Lineal del Proceso
  • 2.9. Respuesta Transitoria de los Procesos
  • 2.9.1. Respuesta al Escal´on
  • 2.9.2. M´etodo del 28.3% y 63.2%
  • 2.9.3. Otras Respuestas al Escal´on y al Impulso
  • 2.10. Problemas
  • El Sistema de Instrumentaci´on
  • 3.1. Sensores
  • 3.1.1. Caracter´ısticas Est´aticas y Din´amicas
  • 3.1.2. Principios de los sensores
  • Elementos Finales de Control
  • 4.1. Caracter´ısticas
  • Control PID SISO
  • 5.1. Sistema de Control SISO
  • 5.2. Especificaciones de Dise˜no
  • 5.2.1. Especificaciones de Dise˜no en el Dominio del Tiempo
  • 5.2.2. Especificaciones de Dise˜no en el Dominio de la Frecuencia
  • 5.3. Modos de Control
  • 5.4. Estructuras del Controlador PID
  • 5.4.1. Algunas Estructuras B´asicas
  • 5.4.2. La Banda Proporcional BP%
  • 5.5. M´etodos de Sintonizaci´on de Controladores PID
  • 5.5.1. M´etodo de la Curva de Reacci´on (Sistemas Autoregulados)
  • 5.5.2. M´etodo de las Oscilaciones Sostenidas
  • 5.5.3. M´etodo del Rel´e
  • 5.5.4. M´etodo de las Oscilaciones Amortiguadas
  • 5.5.5. M´etodos Basado en la Minimizaci´on de un ´Indice
  • 5.5.6. Uso de la Curva de Reacci´on en Sistemas No Autoregulados
  • 5.6. Control PID del Sistema SDA
  • 5.7. El Efecto Windup
  • 5.8. El Algoritmo PID Discreto Modificado
  • 5.9. Problemas
  • Otras Estrategias de Control
  • 6.1. Control en Cascada
  • 6.2. Control de la Raz´on
  • 6.3. Control Anticipativo
  • 6.4. Control Selectivo
  • 6.5. Control de Rango Partido
  • Control PID Multivariable
  • 7.1. Control MIMO v´ıa Desacoplamiento
  • 7.1.1. No Interacci´on
  • 7.1.2. Exactitud Est´atica
  • 7.1.3. Estabilidad
  • 7.2. Control PID MIMO con Desacopladores
  • 7.3. Control P MIMO empleando el Criterio de Hurwitz
  • 7.3.1. Procedimiento de Dise˜no
  • 7.3.2. El Criterio de Hurwitz
  • 7.4. Problemas
  • A.1. La Transformada Unilateral de Laplace
  • A.1.1. Definici´on y Ejemplos
  • A.1.2. La Transformada Inversa de Laplace
  • A.1.3. La Funci´on de Transferencia
  • A.1.4. Fracciones Parciales
  • A.2. Matrices y Determinantes
  • A.2.1. Operaciones con Matrices
  • A.2.2. Tipos de Matrices
  • A.2.3. Determinantes y Matriz Inversa
  • A.2.4. Rango, Eigenvectores y Pseudoinversas
  • A.2.5. Diagonalizaci´on de Matrices y Formas Can´onicas
  • A.3. Variables de Estado
  • A.3.1. Ejemplo de Introducci´on
  • A.3.2. Definici´on de Variables de Estado
  • A.3.3. Matriz de Transferencia y Estabilidad
  • A.3.4. Controlabilidad y Observabilidad
  • A.3.5. Soluci´on de la Ecuaci´on de Estado de SLITs Continuos
  • A.3.6. Formas Can´onicas SISO en el Espacio de Estado
  • A.4. Discretizaci´on Directa
  • A.5. Sistemas con Tiempo Muerto
  • A.6. Linealizaci´on de Sistemas Continuos
  • A.6.1. Caso SISO
  • A.6.2. Caso MIMO
  • A.7. Problemas
  • Fundamentos de MATLAB y
  • B.1. Fundamentos de MATLAB
  • B.1.1. El Entorno de Trabajo de MATLAB
  • B.1.2. Comandos y Funciones Generales
  • B.1.3. Creaci´on de Archivos Tipo m
  • B.1.4. Matem´aticas
  • B.1.5. Gr´aficos
  • B.1.6. Matem´atica Simb´olica
  • % simbolica.m MATEM´ATICA SIMB´OLICA
  • B.1.7. Simulaci´on de un Sistema de Control
  • B.2. Fundamentos de Simulink
  • B.2.1. Fundamentos del Software Simulink
  • B.2.2. Creaci´on de un Modelo Simulink
  • Bibliograf´ıa
  • ´Indice alfab´etico

CONTROL DE PROCESOS

´ PRACTICO Y AVANZADO
ARTURO ROJAS MORENO, Ph.D.

Modelado de Procesos Sistemas de Instrumentaci´n o Elementos Finales de Control Control PID SISO Estrategias de Control PID Control PID MIMO Control Inteligente Programas fuente en MATLAB

TECSUP

II

´ CONTROL DE PROCESOS PRACTICO Y AVANZADO
Copyright c 2011 Arturo Rojas-Moreno. Todos los derechos reservados. ISBN Queda rigurosamente prohibida la reproducci´n total o parcial de esta obra por cualquier o medio o procedimiento, sin la autorizaci´n escrita del propietario del “Copyright”. o

A la Memoria de mis Padres

´ Indice general
III

Prefacio 1. Introducci´n o 1.1. Sistema de Control a Lazo Cerrado . . . . . . . . . . . . . . . . . . . . 1.2. Sistema de Control a Lazo Abierto . . . . . . . . . . . . . . . . . . . . 1.3. Din´mica Lineal de los Elementos Ideales . . . . . . . . . . . . . . . . a 2. El Proceso a Controlar 2.1. Procesos con Comportamiento Proporcional . . . . 2.2. Procesos de Primer Orden . . . . . . . . . . . . . . 2.3. Procesos de Segundo Orden . . . . . . . . . . . . . 2.4. Procesos Integrales . . . . . . . . . . . . . . . . . . 2.5. Procesos con Tiempo Muerto . . . . . . . . . . . . 2.6. Procesos de Orden Superior . . . . . . . . . . . . . 2.7. El Motor DC . . . . . . . . . . . . . . . . . . . . . 2.8. Modelo MIMO del Proceso Tanque Cerrado . . . . 2.8.1. Descripci´n del Proceso . . . . . . . . . . . o 2.8.2. Modelo Din´mico No Lineal del Proceso . . a 2.8.3. Modelo Din´mico de Lagrange del Proceso a 2.8.4. Modelo Din´mico Lineal del Proceso . . . . a 2.9. Respuesta Transitoria de los Procesos . . . . . . . 2.9.1. Respuesta al Escal´n . . . . . . . . . . . . . o 2.9.2. M´todo del 28.3 % y 63.2 % . . . . . . . . . e 2.9.3. Otras Respuestas al Escal´n y al Impulso . o 2.10. Problemas . . . . . . . . . . . . . . . . . . . . . . .

IX

1 1 6 7 11 11 13 18 20 21 22 26 28 28 29 33 33 34 34 37 37 39

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

3. El Sistema de Instrumentaci´n o 45 3.1. Sensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 3.1.1. Caracter´ ısticas Est´ticas y Din´micas . . . . . . . . . . . . . . 46 a a 3.1.2. Principios de los sensores . . . . . . . . . . . . . . . . . . . . . 47 4. Elementos Finales de Control 51 4.1. Caracter´ ısticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

. . . e 5. . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . El Algoritmo PID Discreto Modificado . Uso de la Curva de Reacci´n en Sistemas No Autoregulados o 5.1. . . . . . . . . . . .2. . . . . .1. . . . . . .1. . . . . . . . . . . . . Control PID MIMO con Desacopladores .6. . 7. . . . .2. . . . . . e e 5. . . . . o 6.2. . . . . . . . . . . . . . . . . . . . . n 5. .3. . . . 5. . .2. . . . . . . . . . . . . No Interacci´n . . . . . . . . 6. . . . . . .2. . . . . . A. . . . . . . . . . . . . . . . . . .5. . . . Operaciones con Matrices . . . . . . . . . . . . . . . . .4. . o A. . . . . . . . . . . . . . . . . . . . Otras Estrategias de Control 6. . . . . . . . . . . Matrices y Determinantes . . . Control Anticipativo . . . . . . .2. . . . M´todo del Rel´ . . . Procedimiento de Dise˜o . . . . . . . . . n 5. . . . . La Funci´n de Transferencia .1. .3. . . . . .1. . . . . . Modos de Control . . A. .3. . . . 7. . . . . . . . . .2. . . . . . . . . A.3. . .1. . . . . . . Control MIMO v´ Desacoplamiento . . . . .4. . . . . . . . . . . Control de la Raz´n . . .1. . . . . Algunas Estructuras B´sicas . . . . Definici´n y Ejemplos .5. . . La Transformada Inversa de Laplace A. . . . . . . .VI ´ INDICE GENERAL 55 55 57 57 59 65 65 65 68 70 71 85 91 93 95 100 106 108 110 115 119 119 123 125 130 132 135 135 136 137 137 145 148 148 149 150 153 153 153 156 157 158 163 164 5. . . . . El Criterio de Hurwitz . Problemas . . .2. . . . . . . . . . . . . .3. . . . . . . . . . . . . . . .9. . A. . . . . . . . .1. . . . . . . . . . . . . . Especificaciones de Dise˜o en el Dominio de la Frecuencia . . . .2. . . . . . . . . . . . . . . . . . . .5. . . . . . . .3. . . . . . . . . . . . a 5. . . . . . .2. Fracciones Parciales .1. 6. . . . . 5. . 6. . . . . . . . . . . . . .1. . . . . . . . . .1. . . . . . . . . .2. . . . . 6. . . . . . . . . . . . . Especificaciones de Dise˜o . . 5. . . . . . . . La Transformada Unilateral de Laplace . . . . e o 5. . . . . . . . . . . . . . Control PID SISO 5. . . . . 7. . . . . M´todo de la Curva de Reacci´n (Sistemas Autoregulados) e o 5. . . . . 5. . La Banda Proporcional BP % . . . . . El Efecto Windup . . . . M´todos Basado en la Minimizaci´n de un ´ e o Indice . . . Matem´tica para Sistemas Continuos a A. 5. . . . . . . . . .3. .5. . . . . . . . . .4. Especificaciones de Dise˜o en el Dominio del Tiempo . . . . ıa 7. Control PID del Sistema SDA . . .4. . . . . .8. . . . . . Estabilidad . .4. . . . . . . . . . . . . . . . . . . .6. . . . Control Selectivo . . . . . . . . . . . . . . n 7. M´todo de las Oscilaciones Sostenidas . n 5. . . . .7. . . M´todos de Sintonizaci´n de Controladores PID . Control PID Multivariable 7. . . . . . . . . . . . . . . . . . . a 7.2. o 7. . . 7. . . . . . . . . . . . . . . . . . . . . . M´todo de las Oscilaciones Amortiguadas . Problemas . . . . . . e 5.1. . . . . . . . . . . . . Sistema de Control SISO . . . . . . . . . . . . . 5. . . . . . . Control en Cascada . . . . .5.3. . . . . . Estructuras del Controlador PID . . . . . . . . .1.1. . . . . . . .1. . . . . . . . . . . . . . . . . . . . .2. . . . . . . 5. . . . . . . . . . . . . . . . . . . . Control P MIMO empleando el Criterio de Hurwitz . o A. . . . . . .1.4.5.5. .4. . . . Control de Rango Partido . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . .1. . . Exactitud Est´tica . . 5. . . . . . . .5. . . . . . . .

. . . . . . . .1. . . . . . . . . . . .1. . . Fundamentos de Simulink . . . .2. . . . . . . . . . . . . . . . . . . . . . Matem´tica Simb´lica .2. . . . . . A. . . . . . Caso SISO . . .5. Diagonalizaci´n de Matrices y Formas Can´nicas .6. . . . . . .4. ıa ´ Indice alfab´tico . A. . . a o B. . . . . . o o Variables de Estado . .3. . . . . . . . . . . . . . . . .3. . . . . . 166 167 172 177 178 178 180 181 184 187 194 199 201 203 203 204 207 217 217 217 218 220 221 228 229 231 234 234 238 241 244 B. . . . .7. .3. Eigenvectores y Pseudoinversas .2. . . . . . . . . . . . . . . . . . . . . . . o Sistemas con Tiempo Muerto . .5. . . A. Formas Can´nicas SISO en el Espacio de Estado . . a B. . . . . B. . . . . . . . . B. . . . . .4. . A. . . .1. . . . . . . . . . . . . . . Comandos y Funciones Generales . . . . . . . A. B. . . . . . A. . . . Gr´ficos . .1. . . .1. . . . . . . . . . . . . . . . . . o B. . . . . . .2. . . . . . . . . . . A. . . . Fundamentos de MATLAB y Simulink B. . . . . . . . . . . . . . . . . . . . .6. . . .7. Determinantes y Matriz Inversa . Matriz de Transferencia y Estabilidad . . . . . Problemas . . . . . . . . . . . . . . . . . a B. . . . . . . . . . . . . . .3. . . . .3. . El Entorno de Trabajo de MATLAB B. . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . o A. .1. . . . . . . . . . . .3. . . . Controlabilidad y Observabilidad . . . . . . .1. .1. Ejemplo de Introducci´n . . . . . . . . o Bibliograf´ . . . . . Creaci´n de un Modelo Simulink . . . . . . .1. . . . . VII A. .1.2. Definici´n de Variables de Estado .4. . . . . . . . . . .2. . . . Fundamentos del Software Simulink B. . Linealizaci´n de Sistemas Continuos . . . . . . . . . . o A. . . . . . . . . . Soluci´n de la Ecuaci´n de Estado de SLITs Continuos o o A.2. . . . . . . . o A.3. . . . . . . . . . . . . . . . . . . . . . .3. A. Simulaci´n de un Sistema de Control o B. . A. . . . .3. Creaci´n de Archivos Tipo m . . . . . . Rango. A.5. . . . . . . . . . . .6. . Fundamentos de MATLAB . . . . Tipos de Matrices . . . . . . . . . . . . .4. .´ INDICE GENERAL A. e . . . . . . . . . A. . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . .6. o Discretizaci´n Directa . . . . . . Caso MIMO . . Matem´ticas . . . . . . . . . . . . . . . . . . . . . . .3. . .1. . . . . . .2. . . . .2.6. .2. . .1. . .

.

Simulink usa diagramas de bloques en su programaci´n. control de procesos empleando estrategias (cascada.Prefacio Esta publicaci´n est´ dirigida a todos los profesionales. En todos los Cap´ ıtulo que lo conforman. a o el dise˜o del algoritmo de control. raz´n. anticipativo. se hace un repaso de los t´picos de matem´ticas o a requeridos en el desarrollo de los Cap´ ıtulos de este libro. El procedimiento de dise˜o de sistemas de control empleado en este libro comn prende b´sicamente: la formulaci´n del problema a resolver. f´ a ısica y fundamentos de control autom´tico dictados a en una Universidad o Instituto. es lectura primordial para los lectores poco familiarizados con estos programas. el lector requiere haber llevado los cursos de matem´tica. as´ como tambi´n temas avanzados del control de procesos tales coı e mo: Control PID multivariable. especialistas y estudiantes interesados en familiarizarse con el modelado. o Esta publicaci´n puede ser usada como: o Libro texto para cursos relacionados con el Control de Procesos. Para asimilar sin dificultad el contenido de este libro. Libro texto para cursos relacionados con el Control Avanzado de Procesos. Tambi´n se emplea el software Simulink . Libro de consulta en diferentes cursos de instrumentaci´n y control. empleando intensie a vamente la herramienta MATLAB. el cual trabaja dentro del entorno e MATLAB. cient´ o a ıficos. Sin embargo. dise˜o y simulaci´n de sistemas de control de procea n o sos. este libro usa intensivamente el software MATLAB para el c´lculo. rango partido. Todos los programas empleados en este libro se pueden ejecutar sin problemas en versiones recientes de MATLAB. o . se recomienda que el lector se remita al Ap´ndice A: Matem´ticas para el Control de Procesos. selectivo) y control con inteligencia artificial (cono trol fuzzy y control neuronal). El Ap´ndice B: o e Fundamentos de MATLAB y Simulink. Tanto modelos lineales como no lineales se emplean en esta publicaci´n para representar la din´mica de los procesos tratados. el modelado del proceso. o a El libro se denomina Control de Procesos Pr´ctico y Avanzado porque su cona tenido abarca tanto temas relacionados con el dise˜o pr´ctico de sistemas de control n a de una entrada y una salida empleando controladores PID (Proporcional Integral Derivativo).ctlima. la simulaci´n y el control o de procesos industriales. Estos programas fuente se pueden descargar del enlace Descargas de: www. y verificaci´n del sistema de control dise˜ado v´ n o n ıa simulaci´n. donde.com.

e Cap´ ıtulo 8: Control Neuronal. describiendo brevemente sus componentes. Cap´ ıtulo 4: Modelado de Sistemas Lineales. El control PID (Proporcional Integral Derivativo) de procesos SISO (Single Input Single Output) es el m´s usado en la industria. La organizaci´n de este libro comprende los cap´ o ıtulos siguientes: Cap´ ıtulo 1: Introducci´n. Este cap´ e ıtulo se ocupa de la teor´ y aplicaciones del paquete MATLAB/SIMULINK. el cual es otra t´cnica de control que emplea inteligencia artificial en su e dise˜o. n n Cap´ ıtulo 3: Elementos Finales de Control. Por a ello. Este Ap´ndice e a e trata algunos t´picos de matem´tica aplicada que son necesarios para el mejor eno a tendimiento de los cap´ ıtulos presentados. que tambi´n incluye el c´lculo de v´lvulas e a a de control. n Ap´ndice A: Matem´tica para el Control de Procesos. Antes de abordar los siguientes cap´ ıtulos se recomienda leer los Ap´ndices A y B. Se pone ´nfasis en la soluci´n de problemas e o matem´ticos empleando software. ıa . a Ap´ndice B: Fundamentos de MATLAB y Simulink. se tratan en este cap´ u ıtulo. incluyendo el c´lculo de plaa cas de orificio y el dise˜o de circuitos acondicionadores de se˜al. caracterizados por m´ltiples u entradas y m´ltiples salidas. a Cap´ ıtulo 5: Modelado de Sistemas No Lineales. Cap´ ıtulo 6: Control PID. Cap´ ıtulo 8: Control Fuzzy. Este Cap´ ıtulo se ocupa del control neuronal de procesos. Este Cap´ ıtulo trata sobre el control fuzzy (difuso o borroso). Algunos t´picos relevantes de los o o sistemas de instrumentaci´n se tratan en este Cap´ o ıtulo. Cap´ ıtulo 7: Control PID MIMO. el cual es una t´cnica de control inteligente. Este cap´ o ıtulo presenta una introducci´n sucinta soo bre los sistemas de control a lazo cerrado y a lazo abierto. e Cap´ ıtulo 2: Sistemas de Instrumentaci´n. esta publicaci´n le dedica un Cap´ o ıtulo. Los modelos din´micos no a lineales de diversos procesos son desarrollados y simulados en este cap´ ıtulo. En este cap´ ıtulo se elaboran y simulan los modelos din´micos de varios procesos de comportamiento lineal.X Prefacio Libro de consulta en temas relacionados con el dise˜o e implementaci´n de n o sistemas de control. Diferentes tipos de elementos de control final son descritos en este Cap´ ıtulo. Varios m´todos de control PID aplicados e a procesos MIMO (Multiple Input Multiple Output). El control de procesos empleando inteligencia artificial est´ cobrando mayor importancia en la industria en raz´n a sus m´ltiples a o u aplicaciones exitosas.

D. ctlima33@gmail.ctlima.com . Ph. Arturo Rojas Moreno.com www.XI VIENEN AGRADECIMIENTOS.

.

fundici´n. Sistema de Control a Lazo Cerrado La Fig. As´ tenemos ı los procesos de calefacci´n. mezcla. el sistema de instrumentaci´n que o sensa y transmite la variable a controlar. A continuaci´n vamos a describir o sucintamente sus componentes. o o o o . el controlador que procesa la desviaci´n entre o el valor de la variable a controlar con respecto a una se˜al deseada con el prop´sito de n o generar una se˜al de control.1. y el elemento de control final que recibe la se˜al generada n n por el controlador para efectuar cambios en el proceso con la finalidad de que la desviaci´n o anteriormente descrita se reduzca a cero. separaci´n.1: Sistema de control a lazo cerrado. destilaci´n. enfriamiento. 1. describiendo brevemente sus componentes e incluyendo ejemplos industriales para reforzar la comprensi´n de los conceptos.Cap´ ıtulo 1 Introducci´n o En este Cap´ ıtulo se hace un breve introducci´n sobre los sistemas de control a lazo o cerrado y a lazo abierto. 1. 1. Tales componentes son: el o proceso cuya variable de salida se desea controlar. El Proceso El bloque proceso representa un cambio f´ ısico o qu´ ımico de la materia.1 muestra el diagrama de bloques (la interrelaci´n entre sus compoo nentes) de un sistema de control a lazo cerrado. Controlador de realimentación e Algoritmo de Control Disturbios Proceso SP r MV u Elemento final de control Sensor más Transmisor Sistema de Instrumentación PV y Fig.

Los sistemas de instrumentaci´n actuales tambi´n incluyen hardware para almacenar alo e goritmos y rutinas de c´lculo. La variable y mostrada en Fig. y de un transmisor que cambia dicha variable en una se˜al estandarizada que pueda ser transmitida. Los sistemas de instrumentaci´n inteligente o o reciben dicha denominaci´n. tempeo o ratura. El Sistema de Instrumentaci´n o Es com´n que un proceso posea varios par´metros que necesitan ser monitoreu a adas simult´neamente. Este es el caso del control de nivel de un l´ ıquido en un tanque. se requiere que el valor de la variable medida tienda a ser el valor de la se˜al de referencia r o SP (Set Point). evaporaci´n. que puede ser realizado midiendo la presi´n en el fondo del tanque. corriente. o Se˜ales estandarizadas que se emplean en el control de procesos son: 4 a 20 mA n (miliamperio). El Controlador Para lograr control en la Fig. El transmisor n e tambi´n es conocido como convertidor. resistencia. dimensi´n.1. tambi´n denominadas los e par´metros del proceso. voltaje. y en general como un acondie cionador de se˜ales. Los instrumentos son dispositivos o o que se emplean en los procesos para monitorearlos y controlarlos. sonido.2 Introducci´n o llenado y vaciado. en otros casos. o En algunos casos. flujo. la medici´n y control de la variable velocidad de un motor DC (Direct o Current). viscocidad. Esto se logra por lo general. velocidad. Cada sistema de instrumentaci´n o a o consta de un sensor que proporciona la (variable medida). el sensor y el transmisor son parte de un solo instrumento. gravedad espec´ o ıfica. presi´n. 1. a Algunos ejemplos de caracter´ ısticas del proceso son: capacitancia. y como enclavamiento. 3 a 15 psi (libra por pulgada cuadrada) y 0. registrar y almacenar los valores de una variable. aceleraci´n. espesor. humedad.1). o En muchos casos. la variable medida y la variable controlada es la misma variable. densidad. un acondicionador de se˜al se puede dise˜ar n n n empleando opamps (amplificadores operacionales) en su implementaci´n. Si fuera necesario. transductor. empleando un sistema de ina strumentaci´n para cada par´metro (ver Fig. − 10 a + 10 V. entre otros. contenido de humedad. cocci´n. Otros rangos de se˜ales tambi´n son empleados: 0 a 10 V (volt). en este o caso medimos presi´n para controlar nivel. La n variable medida representa entonces la condici´n actual de la variable controlada y. Por ejemplo. entre otros. los sistema de instrumentaci´n se aplican a los procesos para: indicar o el valor de una variable.4. color. la variable medida y la variable controlada pueden ser diferentes. Sin embargo. y para el procesamiento de se˜ales digitales empleando a n protocolos industriales de comunicaci´n. nivel. En general. inductancia. fijar alarmas en los casos que una variable alcanza un determinado valor. haciendo que una variable cause una acci´n o cuando alcance un valor previamente establecido. En otras palabras. Es decir. en los sistemas de control a lazo . controlar una variable. peso. conceno traci´n de pH. es la variable e controlada o salida del proceso. que es la se˜al n n deseada de la variable controlada. conocida tambi´n como PV (Process Variable). lo cual se logra mediante la medici´n de algunas de sus caracter´ o ısticas. 1. etc. 1. por que poseen la capacidad de procesar se˜ales digio n tales. es decir.2 a 1 bar.

es decir. a mientras que la conducci´n de un carro para mantenerlo a una velocidad constante. La diferencia entre ellas es la se˜al de error n n e. 1. Cuando existe una desviaci´n. cumpliendo n ciertas especificaciones de dise˜o (secci´n 5. Estas acciones aseguran que la variable controlada se mantenga en el valor deseado previamente establecido. que en o general no es necesario. para generar la ley de control u que va hacia el elemento de control final. es el que procesa la se˜al de n error e empleando un algoritmo de control. mientras que en el control autom´tico la o a realiza un dispositivo. la recopilaci´n de informaci´n debe o o de ser continua y permanentemente evaluada. Si existe una desviaci´n. usar convenientemente dicha informaci´n para o tomar una decisi´n con relaci´n a la condici´n del proceso. para hacer que la se˜al y siga a r. Luego. o La fuente de energ´ com´n del EFC puede ser el´ctrica.2). o desconectarla para disminuirla. llamada tambi´n se˜al de desviaci´n. En un primer paso. Considere el sistema de control de temperatura que posee la terma el´ctrica de una e vivienda. 1. o el EFC es el hardware que implementa la decisi´n tomada por el controlador. tomar una o o o acci´n basada en tal decisi´n. se tiene que ajustar mediante el pedal del o acelerador una cierta cantidad de gas (la variable manipulada MV) para cambiar la velocidad (la variable controlada o PV). la se˜al de salida del controlador o n va hacia el elemento final de control (EFC).1. la velocidad de un carro se controla comparando el valor indicado por el veloc´ ımetro (la variable medida) con el valor l´ ımite de la velocidad (la variable deseada o SP). en donde la acci´n de control se realiza conectando o desconectando a la red o la resistencia de calefacci´n para aumentar o disminuir la temperatura del agua en la o terma. neum´tica e hidr´ulica. Finalmente.1 se logra llevando a cabo o tres pasos. Como resultado de la comparaci´n. Por tal raz´n. La funci´n del controlador mostrado en la la Fig. s´lo es para indicar en este caso que tal controlador forma o parte de un sistema de control realimentado. Es o o importante anotar que para mantener el control. ıa u e a a . n o Por ejemplo. empleando para ello el elemento de control final. para minimizar el error. se decide que es necesario cambiar la o condici´n del proceso: aumentar o disminuir la temperatura. El bloque denominado controlador (ver la Fig. la decisi´n la realiza la persona. En el control a manual. El agregado de la palabra realimentaci´n. o es un caso de control manual. las se˜ales r e y son comparadas. un sensor de temperatura detecta la temperatura actual y la compara con una temperatura de referencia previamente establecida. el cual s´ posee la capacidad de efectuar ı cambios en el proceso con el prop´sito de disminuir el error e = r−y. La terma es un caso de control autom´tico de la temperatura.1 Sistema de Control a Lazo Cerrado 3 cerrado. correspondientemente. El Elemento Final de Control (EFC) El controlador genera una se˜al que por si misma no posee la potencia necesaria n para provocar cambios en el proceso. se toma la o acci´n correspondiente: conectar la resistencia a la red para aumentar la temperatura o del agua. Finalmente. El control se puede realizar en forma manual o en forma autom´tica. es necesario e n o o actuar para eliminarla.1). Por consiguiente. Esta acci´n incluye el ajuste y la acci´n de una se˜al o fuerza o o n de control u. El primero consiste en recopilar informaci´n acerca de la variable del o proceso que se desea controlar. denominada tambi´n la variable manipulada MV (Manipulated Varie able).

1. Para compensar la acci´n de los disturbios. en muchos casos a a ser´ necesario incluir un convertidor (o transmisor) de se˜al entre el controlador y el a n EFC. motores paso a paso.√ o Observar que se requiere un primer transmisor para realizar la operaci´n F = C ∆P .4 Introducci´n o Ejemplos de EFC el´ctricos son los motores AC y DC. La temperatura del agua en la terma puede ser afectada por un mal aislamiento del tanque o por la cambiante temperatura del entorno. Observar que la v´lvula de control posee un a actuador el´ctrico porque trabaja con una se˜al de 4 a 20 mA. Ejemplo 1. la cual es proporcional a la temperatura en e el interior del tanque. 1. o n El signo ra´ cuadrada a un costado del transmisor indica esta operaci´n. Los Disturbios Adem´s de la variable manipulada. tal como se muestra en el ejemplo 1. El movimiento de rotaci´n del eje del motor se convierte o en un movimiento de traslaci´n para hacer desplazar el eje de la v´lvula. se requiere de una continua circulaci´n o o de la informaci´n sobre el proceso. Los valores de resistencia se convierten a se˜ales estandarizadas n de 4 a 20 mA mediante el transmisor. estos factores se denominan disturbios. rel´s. la velocidad del carro puede ser afectada por la resistencia del viento y por la calidad de la pista. pistones hidr´ulicos y neum´ticos. con la finalidad de tener ıda o una medici´n indirecta del flujo F. Notar tamız o bi´n que ha sido necesario incluir un segundo transmisor para convertir 4 a 20 mA al e rango de 3 a 15 psi. Esta se˜al alimenta a e n n un motor DC (el actuador). Por ejemplo. o 1. solenoides. Este sistema emplea como sensor de flujo una placa de n orificio para producir la ca´ de presi´n ∆P = P1 − P2. pues sabemos que tal flujo es proporcional a la o ra´ cuadrada de ∆P. entre otros. o a .2 En el sistema de control de temperatura mostrado en la Fig. Tal informaci´n es o o denotada como realimentaci´n. 1. Por otro lado.3. moa a a a a tores hidr´ulicos y neum´ticos. Todos los instrumentos y dispositivos que intervienen o en el control de un proceso son referidos como el lazo de control realimentado.2(a). Entre los EFC hidr´ulicos y o e a neum´ticos tenemos: v´lvulas neum´ticas. indicar sus componentes y las se˜ales normalizadas. indicar cu´l es la a se˜al disturbio y porqu´. 1. dado que el actuador de la v´lvula trabaja con se˜al neum´tica a n a estandarizada. ız Soluci´n: Ver Fig. Dependiendo del tipo de EFC. Este sistema emplea como sensor una termoresistencia. etc. En el sistema de control a lazo cerrado de la Fig. Ejemplo 1. cuya n e salida es un valor de resistencia el´ctrica. v´lvue a las de control mot´ricas. otros factores pueden afectar la variable cona trolada. En control de procesos.1 En el sistema de control de flujo mostrado en la Fig.3(b). y o luego convertir esta operaci´n en una se˜al de corriente estandarizada (4 a 20 mA).1. la informaci´n fluye constantemente hacia los instrumentos. donde C es una constante de proporcionalidad.

o n Mientras mas brusca sea la variaci´n del flujo de producto. o Sensor (ohm) Producto MV 4−20 mA Transmisor Controlador PV 4−20 mA SP 4−20 mA Agua caliente Fig. (b) Soluci´n al ejercicio 1.1.1 Sistema de Control a Lazo Cerrado CONTROLADOR 5 TRANSMISOR TRANSMISOR ACTUADOR F P1 P2 PLACA DE ORIFICIO (a) VÁLVULA NEUMÁTICA SP 4 − 20 mA CONTROLADOR 4 − 20 mA MV TRANSMISOR 3 − 15 psi F 4 − 20 mA PV TRANSMISOR P ACTUADOR PROCESO P1 P2 SENSOR: PLACA DE ORIFICIO EFC: VÁLVULA DE CONTROL NEUMÁTICA (b) Fig. mayor ser´ la dificultad o a para que la se˜al PV siga a la se˜al SP.2: (a) Sistema de control de flujo.3: Sistema de control de temperatura. Soluci´n: El flujo del producto que ingresa al tanque constituye la se˜al de disturbio. 1.1. n n . 1.

En dicha Fig. Uno de los m´s populares es el m´todo de la e a e .4: Sistemas de control a lazo abierto. Dicho lazo o si est´ presente en el sistema de control de la Fig.6 Introducci´n o 1. En esta clase de control. el cual se emplea en la industria en muchas tareas de automatizaci´n que tienen que ver principalmente con aperturas y cierres o temporizados de v´lvulas y otros actuadores. para lograr aquello. Sistema de Control a Lazo Abierto La Fig.3. cuando el controlador es del tipo anticipativo. por un PLC (Programmable Logic Controller). 1. El control a lazo abierto de la Fig. tales como a control de la raz´n de dos variables. los sensores miden los valores de los disturbios. Existen otras estrategias de control..2. 1. Por una parte. mientras que la variable manipulada (la se˜al de control) se ajusta antes de que ocurran cambios en la variable controlada.4 se reemplaza. donde podemos observar que no existe un lazo de realimentaci´n. por ejemplo. a SP r MV Controlador u Elemento final anticipativo de control Disturbios Proceso PV y Sensor más Transmisor Sistema de Instrumentación Fig. 1. control de rango partido y o control selectivo. entonces el sistema de control a lazo abierto se convierte en un mando programable. Este programa se puede o elaborar empleando diversos m´todos. Este o ejemplo es un caso t´ ıpico de mando programable. el cual se implementa con un PLC y v´lvulas ON–OFF (de apertura y cierre). 1. La apertura y cierre de tales v´lvulas a a se realiza con un programa elaborado para tal prop´sito.1. Ejemplo 1. Cuando el controlador de la Fig. control en cascada. Sin embargo. n La estrategia de control anticipativo se trata en detalle en la secci´n 6.1 se convierte en un sistema de control anticipativo. el control anticipativo es relevante.4 muestra el diagrama de bloques de un sistema de control a lazo abierto. S´lo en muy pocos casos en o la industria. La programaci´n de los tiempos de la a o entrada en operaci´n de los compresores que conforman un sistema de generaci´n de o o aire comprimido. todas las cuales ser´n abordadas en detalle en el Cap´ a ıtulo 6. es un ejemplo t´ ıpico de mando programable.3 La Fig. 1. Sin o embargo. adem´s del control anticipativo. es deseable porque evita la ocurrencia de errores antes de que se reflejen en la variable controlada. cabe mencionar que este esquema de control presenta ventajas y desventajas comparado con el control realimentado. LT y PT son transmisores para medir el nivel del producto y la presi´n dentro del tanque. respectivamente.5 muestra un tanque empleado en la industria para el soplado (transporte) de un producto en forma de polvo. 1. se requiere de un an´lisis din´mico complejo de los disturbios a a para que la estrategia de control trabaje efectivamente.

3 Din´mica Lineal de los Elementos Ideales a 7 escalera. V3 ON ´ (TRANSPORTAR PRODUCTO): PT MAXIMO.3 para el soplado de un producto. V2 OFF.3. 1.5: Tanque del ejemplo 1. o Luego de elaborado y probado el programa. o .6 muestra los s´ ımbolos de los mismos. En a o la Tabla 1.1 describe los modelos din´micos lineales de los elementos ideales. siempre est´n disponibles las tablas de conversi´n de unidades. V5 ON ´ ´ (SOPLAR NITROGENO): PT MINIMA. 1. V1 OFF. 1. a mientras que la Fig. De todas formas. V5 OFF TRANSPORTE V4 V5 SOPLADO ADICIONAL ENTRADA DE PRODUCTO V1 V2 LT PT DESFOGUE SOPLADO INFERIOR V3 Fig. 1. la potencia en W (watt) y el tiempo ıa t en s (segundos).1.1. Para el caso que nos ocupa. la energ´ se expresa en J (joule). No es prop´sito de este libro entrar en detalles de este m´todo de prograo e maci´n. tal programa satisface la siguiente secuencia l´gica: o ESTADO ESTADO ESTADO ESTADO ESTADO ESTADO 0 1 2 3 4 5 (REPOSO): V2 OFF (LLENAR PRODUCTO): V1 ON ´ (TANQUE LLENO): LT MAXIMO. salvo indicaciones expresas. la cual usaremos a lo largo de los cap´ ıtulos. V4 ON. en donde se e cumple que la diferencia de potencial v21 = v2 − v1 en V (volt) es proporcional a la variaci´n de la corriente i en A (ampere) con respecto al tiempo. Tal informaci´n es de o gran utilidad porque explica el comportamiento f´ ısico de los diversos elementos que son parte de los procesos.6(a) muestra la inductancia el´ctrica L en H (henrio). La Fig. ´ste se almacena en la memoria del e PLC. V3 OFF. Din´mica Lineal de los Elementos Ideales a La Tabla 1. V4 OFF (DESFOGUE/REPOSO): V2 ON. Las unidades de medida empleadas corresponden al Sistema Internacional.

8 Introducci´n o Tabla 1. a Almacenador o disipador Almacenador inductivo Almacenador inductivo Almacenador inductivo Almacenador inductivo Almacenador capacitivo Almacenador capacitivo Almacenador capacitivo Almacenador capacitivo Almacenador capacitivo Disipador de energ´ ıa Disipador de energ´ ıa Disipador de energ´ ıa Disipador de energ´ ıa Disipador de energ´ ıa Elemento f´ ısico Inductancia el´ctrica L e Resorte traslacional Resorte rotacional Inercia flu´ ıdica Capacitancia el´ctrica e Masa Momento de Inercia Capacitancia flu´ ıdica Capacitancia t´rmica e Resistencia el´ctrica e Amortiguador traslacional Amortiguador rotacional Resistencia flu´ ıdica Resistencia t´rmica e Ecuaci´n o descriptiva di v21 = L dt 1 df K dt 1 dT K dt Energ´ E o ıa potencia P E = 1 Li2 2 E= E= 1 F2 2 K 1 F2 2 K v21 = ω21 = p21 = I dq dt i = C dv21 dt f = M dv dt T = J dω dt q21 = Cf dp21 dt q = Ct dT dt i= 1 R v21 E = 1 Iq 2 2 2 E = 1 Cv21 2 E = 1 M v2 2 E = 1 Jω 2 2 E = 1 C f p2 2 2 E = Ct T P= 1 2 R v21 f = Bv21 T = Bω21 q= q= 1 Rf p21 1 Rt T21 2 P = Bv21 2 P = Bω21 P= P= 1 2 Rf p21 1 Rt T21 .1: Modelos din´micos para elementos ideales.

1. o a a La Fig. en donde la fuerza f en N (newton) que act´a sobre M produce la aceleraci´n a=dv/dt en m/s 2 . K est´ en N–m/rad. la cual posee las unidades N–s2 /m5 puesto que la inercia flu´ ıdica se expresa como: p21 I= dq/dt La Fig. es f´cil demostrar o a que T = Kθ21 . Considerando que ω21 = dθ21 /dt donde θ21 en rad es el cambio de posici´n angular. 1. 1.6(e) ilustra la capacitancia el´ctrica C en F (faradio).6(b) ilustra el resorte traslacional de constante K. La constante de proporcionalidad J en o .6(g) se cumple que el torque de torsi´n T en N–m es proporcional a o la aceleraci´n angular α = dω/dt en rad/s2 . 1. en donde la e corriente i en A (ampere) que circula a trav´s de C es proporcional a la diferencia de e potencial v21 en V (volt) con respecto al tiempo. a En la Fig.1. 1. En la Fig. Por ello. Teniendo en cuenta que v21 = dx21 /dt donde x21 = x2 − x1 es el cambio de posici´n. donde v en u o m/s es la velocidad de la masa M. La Fig. en donde la variaci´n o de velocidad v21 en m/s es proporcional a la variaci´n de la fuerza f en N (newton) o con respecto al tiempo. K est´ en N/m. en donde el cambio de velocidad angular ω21 en rad/s es proporcional a la variaci´n del torque o con respecto al tiempo dT/dt en N–m/s (newton–metro/segundo).6(c) muestra el resorte rotacional de constante K en N–m/rad.6(f) muestra la masa M en kg (kilogramo). 1. 1. Por ello.6: S´ ımbolos de los elementos ideales. es f´cil demostrar que f=Kx21 .6(d) se cumple que el cambio de presi´n p21 en N/m2 es proporcional o a la variaci´n del flujo q en m3 /s con respecto al tiempo.3 Din´mica Lineal de los Elementos Ideales a K v1 (b) v2 (e) q (i) T Ct v1 i v M (f) R v2 (j) Rf f v1 (k) Rt q (n) f J ω1 T v2 θ1 (c) ω T q1 (g) B f v2 (l) Cf T ω2 θ2 q p1 p2 (d) p1 p2 (h) 9 v i L v2 (a) f f K I v1 i C q2 ω1 T ω B T 2 p1 q p2 T1 T2 (m) Fig. La Fig. La constante de proporo cionalidad I es la inercia flu´ ıdica.

1.6(l). . es proporcional a la ca´ o cambio de presi´n p21 con respecto al tiempo. tal como se observa en la Fig. cuya unidad es N–m–s/rad. Por ello. es proporcional al cambio de temperatura T en grados K (kelvin) con respecto al tiempo. El flujo de calor q en J/s (joule/segundo) que circula en un conducto. la resistencia t´rmica Rt se define como la variaci´n de la teme o peratura T21 en grados K (kelvin) en un conducto. cuya unidad es N–s/m.6(k).6(j) muestra una resistencia el´ctrica R en Ω (ohm). 1. ıda o La proporcionalidad mencionada define a la capacitancia flu´ ıdica Cf en m5 /N.6(m). La fuerza f en N que se ejerce en el amortiguador traslacional mostrado en la Fig. Rt posee las unidades K/J. tal como se muestra conducto o recipiente. o El torque T en N–m que se ejerce en el amortiguador rotacional mostrado en la Fig. 1. La Fig. 1.10 Introducci´n o N–m–s2 /rad se denomina momento de inercia y es caracter´ ıstico para cada cuerpo dependiendo de su forma. es proporcional al cambio de velocidad v21 . es proporcional al cambio de velocidad angular ω21 . o La resistencia flu´ ıdica Rf se define como la variaci´n de la presi´n p21 en un o o 3 /s. De igual manera. La proporcionalidad B se denomina la constante de fricci´n viscosa traslacional. Por ello.6(i). Rf = p21 /q se expresa en N–s/m5 . 1. 1. en donde la corriente e i en A es proporcional a la ca´ de voltaje v21 . Notar que la proporcionalidad es la ıda inversa de R.6(n). El flujo q en m/s3 de un fluido que existe en un conducto o recipiente (ver Fig.6(h)). La proporcionalidad B se denomina la constante de fricci´n viscosa rotacional. con respecto al flujo q del fluido en m en la Fig. la cual se denomina conductancia G=1/R y su unidad es (mho). La proporcionalidad mencionada define a la capacitancia t´rmica C t en J/K. 1. con respecto al flujo q de calor en J/s. la cual se e muestra en la Fig.

8).1) donde Kp es la ganancia proporcional del proceso. m´s dificultoso ser´ el an´lisis y dise˜o del sistema de control.Cap´ ıtulo 2 El Proceso a Controlar La din´mica de una gran variedad de procesos a ser controlados se puede describir a mediante un conjunto de ecuaciones diferenciales. o n En este cap´ ıtulo se determinan los modelos din´micos de varios procesos con tres a prop´sitos fundamentales. cuya magnitud est´ gobernada por la abertura u de la v´lvula de control. o La respuesta al escal´n (su curva de reacci´n a lazo abierto) del proceso flujo se o o ilustra en la Fig. tales como la conservaci´n de la energ´ y las leyes de Newton. 2. para que su din´mica sea o a usada en el dise˜o de controladores avanzados. Flujo en una Tuber´ ıa La Fig. se requiere conocer o bien la din´mica del proceso. o ıa Para construir un modelo adecuado para prop´sitos de control. para verificar la funcionalidad n ´ del controlador actuando sobre el proceso. El primero. No siempre es mejor que un modelo sea lo m´s exacto a a posible a su comportamiento din´mico. Procesos con Comportamiento Proporcional Un proceso SISO con comportamiento proporcional se caracteriza por poseer una FT constante (ver Tabla 2. Consid´rese que para un tiempo t1 . el segundo. su salida y(t) es proporcional a su entrada u(t): y(t) = Kp u(t) (2. 2. el flujo que pasa por e .1(b). es decir.1. Las a a letras FI (Flow Indication) dentro del c´ ırculo indican la presencia de un instrumento de indicaci´n de flujo. Lo recomendable a a a n es que el modelo del proceso mantenga las caracter´ ısticas din´micas de inter´s para el a e rango de operaci´n del sistema de control a dise˜ar. para que sirvan como una fuente de datos de o salida para poder construir curvas de reacci´n. 2. Tal descripci´n matem´tica se obo a tiene aplicando las leyes de la f´ ısicas y de la qu´ ımica en dicho proceso.1(a) muestra un tramo de tuber´ secci´n uniforme por donde circula un ıa o flujo y. Tener en cuenta que mientras m´s complejo sea a a el modelo. por ultimo. Los dos siguientes procesos poseen comportamiento proporcional.

12 El Proceso a Controlar la v´lvula es y1 = A1 vρ. la ganancia Kp se calcula como: Kp = y2 − y 1 10 − 0 L ∆y = = =1 ∆u u2 − u 1 10 − 0 min mm ♣ Flujo en una Faja de Transporte La Fig.2 muestra una faja transportando un flujo de material granulado y. v es la velocidad del flujo considerada constante y ρ es la a densidad l´ ıquido. 2.3) donde s es el operador de Laplace. el flujo aumenta de y1 a y2 = a A2 vρ. 2. 2. sabiendo que el recorrido total de la v´lvula es de 10 mm y que el m´ximo flujo que a a puede pasar por la tuber´ es de 10 L/min (L: litro).1: (a) Proceso flujo. u u u Válvula de control FI y y y 2 y 1 t1 t2 (b) t 2 ∆u t1 t2 ∆y t u1 (a) Fig. La ganancia proporcional del proceso flujo es entonces: Kp = ∆y y2 − y 1 = ∆u u2 − u 1 (2. (b) Respuesta al escal´n (curva de reacci´n a lazo abierto) o o del proceso flujo.1(a). Consecuentemente. sin experimentar retardo. tambi´n considerada constante.1 Determinar la ganancia proporcional del proceso flujo mostrado en la Fig. donde A1 es la secci´n transversal correspondiente a la a o abertura u1 de la v´lvula. incrementamos e la abertura de la v´lvula de u1 a u2 . cuya magnitud est´ gobernada por la velocidad u en el eje de salida de una caja reductora. la expresi´n gen´rica de la FT del proceso flujo toma la o e forma: y(s) = Kp u(s) (2.2). Para un tiempo t2 . a .2) En el dominio de Laplace.La proporcionalidad se refiere a que ∆y = Kp ∆u. donde A2 es la secci´n transversal correspondiente o a la abertura u2 . Ejemplo 2. Empleando la ecuaci´n o o (2.. e a a Soluci´n. Asumir que el cambio de flujo ıa ∆y a trav´s de la v´lvula es proporcional al cambio de abertura de v´lvula ∆u.

3). Para variaciones peque˜as de h y asumiendo que el flujo de salida n . sin experimentar retardo. Para un tiempo t2 . 2. Nivel en un Tanque Cerrado La Fig.1(b) tambi´n se aplica al proceso o e flujo de granos. La Tabla 2. en el cual ingresa o un flujo de agua qC y sale otro flujo qD a trav´s de un orificio ubicado en la base e del tanque. Entonces. Los siguientes procesos son de primer orden. La respuesta al escal´n mostrado en la Fig.2. a Silo de material Banda transportadora u Caja de reducción Motor y Fig. 2. 2.4) donde Kp es la ganancia proporcional del proceso y T es la constante de tiempo.3 muestra un tanque cerrado de secci´n uniforme S. Aplicando a balance de masas en el tanque se tiene que el cambio de volumen de agua acumulado en el interior del tanque se puede modelar como: S dh ˙ = S h = q C − qD dt (2. el flujo que pasa por la banda e es y1 . su salida y(s) est´ relacionada con su entrada u(s) como sigue: a y(s) = Kp u(s) Ts + 1 (2. fij´ndola de u 1 a u2 . Procesos de Primer Orden Un procesos SISO de primer orden se caracterizan por poseer una FT que posee 1 una parte proporcional Kp m´s un retardo de primer orden T s+1 (ver Tabla 2.1 describe las variables y par´metros en juego. incrementamos la velocidad de salida de la caja reductora. es a decir. Consid´rese que para un tiempo t1 .2) y la correspondiente FT est´ dada por (2.2. el flujo aumenta de y1 a y2 . a Consecuentemente. la ganancia proporcional del proceso flujo de granos es la misma obtenida en (2.2 Procesos de Primer Orden 13 Observar que un motor es el que hace girar los ejes de entrada y de salida de dicha caja.2: Proceso flujo de granos sobre una banda de transporte.5) ˙ donde h es la altura del agua y S h es el cambio de volumen de agua en el tiempo t dentro del tanque.8). correspondiente a la velocidad u1 fijada en la caja reductora. 2.

6) en (2.3: Proceso tanque cerrado con orificio de salida en la base y tuber´ de rebose. entonces: qD = h Rh (2. m m2 m m m3 /s m3 /s m3 /s m3 /s s/m2 qD es laminar. donde s es el operador de Laplace.2 0.66×10−4 0.44).7) donde h y q D son los valores en estado estacionario de h y qD respectivamente. Reemplazando (2.4 Valor 0.0314 Unid.1: Par´metros y variables del proceso nivel en un tanque cerrado.8) ˙ En el dominio de Laplace: h = s h − h(0).6) donde Rh es la resistencia hidr´ulica del tanque. Si se tiene en cuenta que h(0) = 0 (requisito indispensable para hallar la FT del proceso). la cual se puede determinar de [13]: a Rh = h qD (2. 2. se obtiene la ecuaci´n de estado lineal del nivel: o 1 1 ˙ h=− h + qC Rh S S (2. a S´ ımbolo dS S h h qC qC qD qD Rh Descripci´n o Di´metro del tanque a Secci´n circular del tanque o Nivel del agua Nivel del agua en estado estacionario Flujo de agua fr´ hacia el tanque ıa Estado estacionario de qC Flujo de salida desde el tanque Estado estacionario de qD Resistencia hidr´ulica del tanque: Rh = h/q D a 2. ıa Tabla 2.14 q El Proceso a Controlar C S h Rebose q D Fig. .16×10−4 1.

2 Procesos de Primer Orden (2.m: % nivel1simb. pretty(simplify(h)) La tercera forma de hallar h(t) es mediante un programa en MATLAB.4. descomponemos (2.8) o (2.2. entonces. Este programa requiere la ecuaci´n de diferencia e o o del proceso nivel. close all.1/(s + 1/(S*Rh)))).8) toma la forma: Rh h(s) = qC (s) SRh s + 1 h(s) = Rh qC (s) SRh s + 1 15 (2.10) Aplicando los teoremas del valor inicial y del valor final en h(s). su transo formada de Laplace es: qC (s) = A/s.11) l´ h(t) = 0 ım t→inf l´ h(t) = Rh A ım Notar que estos valores coinciden con los hallados empleando (2.10).m a o para obtener la curva de reacci´n de la Fig.8) o como sigue: 1 1 h(k + 1) − h(k) =− h(k) + qC (k) T Rh S S 1 1 h(k + 1) = h(k) + T − h(k) + qC (k) Rh S S h=h+T − 1 1 h + qC Rh S S donde k = t/T es el tiempo discreto y T es el tiempo de muestreo. los valores inicial y final de h(t) resultan: t→0 l´ h(t) = l´ sh(s) = 0 ım ım s→∞ t→∞ l´ h(t) = l´ sh(s) = Rh A ım ım s→o La curva de reacci´n a lazo abierto del nivel h se determina resolviendo (2. La segunda forma de hallar h(t) es empleando matem´tica simb´lica. Para ello se debe de discretizar la ecuaci´n de estado dada en (2.9) se obtiene: h(s) = Rh A s(SRh s + 1) (2. Para una primera soluci´n.10). Por consiguiente. h=ilaplace(Rh*A*(1/s .10) o en fracciones parciales: h(s) = Rh A 1 1 = Rh A − 1 s(SRh s + 1) s (s + SR ) h Tomando transformada inversa de Laplace a cada t´rmino de h(s) se obtiene: e h(t) = Rh A 1 − e Los valores inicial y final de h(t) resultan: t→0 1 − SR t h (2. o Vamos a intentar tres soluciones.9) Asumiendo que el flujo de entrada es un escal´n de amplitud A. Ejecutar el programa curvah. clc. syms s Rh A S. tal como se a o ilustra en el siguiente programa denominado nivel1simb. La ultima notaci´n ´ o es m´s conveniente para programaci´n en tiempo real. 2. el cual tambi´n grafica la curva de reacci´n. de (2. o .m DETRMINACI´N DE h(t) USANDO TRANSFORMADA INVERSA DE LAPLACE O clear all.

4 0.5 muestra un proceso t´rmico: temperatura en un tanque con agitador.1). M=500.3 NIVEL [m] 0. la ecuaci´n del balance de energ´ es: o ıa qρCp Ti − qρCp To = V ρCv En el dominio de Laplace s. % PAR´METROS DEL PROCESO TANQUE CERRADO A S=0. hbar=0. Rh=hbar/qDbar.eps 11 10.1 0 0 50 100 150 200 250 TIEMPO 300 [s] 350 400 450 500 Fig. Asumiendo cero p´rdidas se va a demostrar que la FT Ti (s)/To (s) e es de primer orden. plot(ejet. plot(ejet.666e-4. close all.5 0 50 100 150 200 250 TIEMPO 300 [s] 350 400 450 500 0. xlabel(’TIEMPO [s]’). subplot(2. h=0. qDbar=2. grid. clc. que los flujos volum´tricos de entrada y de salida. y que el proceso es adiab´tico (sin p´rdidas) debido a que el a e tanque posee buen aislamiento. print -f -deps curvah % GENERA FIGURA curvah.2 describe las variables y par´metros en juego.H). ylabel(’NIVEL [m]’). A e este tanque ingresa un flujo q a una temperatura Ti y sale el mismo flujo q pero a una temperatura To . qCbar=1. Temperatura en un Tanque con Agitador La Fig. grid % CONVERSI ´N A L/min O ylabel(’Flujo qC [L/min]’). h=h+T*(-(1/(Rh*S))*h+(1/S)*qCbar).M). (2.12) .QC*6e4).16e-4.4: Proceso nivel en un tanque cerrado.2).2 0. entonces.m CURVA DE REACCI´N DEL NIVEL DEL AGUA EN EL TANQUE CERRADO O clear all.5 qC [L/h] 10 9. end ejet = linspace(0. xlabel(’TIEMPO [s]’) subplot(2.5 9 8.16 El Proceso a Controlar % curvah. La Tabla 2. a Asumiendo que el l´ ıquido en el tanque se agita uniformemente.M*T. 2. H(k)=h. la densidad y capacidad calor´ e ıfica del l´ ıquido son todos constantes.0314. QC(k)=qCbar. 2.1. T=1.12) resulta: qρCp Ti (s) − qρCp To (s) = V ρCv (sTo − To (0)) dTo dt (2.5.1. % PERIODO DE MUESTREO Y N´MERO DE MUESTRAS M U for k=1:M.

2: Par´metros y variables del proceso temperatura en un tanque con agitador. clc.13) La curva de reacci´n del proceso con Ti (s) = A/s.2. donde a o tau = τ : % temp1simb.4. tal requerimiento se cumple si: To (0) = 0. posee la forma: To (t) = A (1 − e− τ ) la cual se halla ejecutando el programa en matem´tica simb´lica temp1simb. pretty(simplify(To)) t . a S´ ımbolo q ρ Cp Cv V Ti To Descripci´n o Flujo de entrada y de salida Densidad del l´ ıquido en q Capacidad calor´ ıfica a presi´n constante o Capacidad calor´ ıfica a volumen constante Volumen del l´ ıquido en el tanque Temperatura del flujo de entrada Temperatura del flujo de salida Unidades m3 /s kg/m3 J kg K J kg K m3 oC oC Sabemos que la determinaci´n de la FT de cualquier proceso requiere que todas las o condiciones iniciales sean nulas. Tabla 2. En el caso que nos ocupa. Por lo tanto.m DETRMINACI´N DE To(t) USANDO TRANSFORMADA INVERSA DE LAPLACE O clear all. close all.2 Procesos de Primer Orden 17 q Ti q T Fig.m. syms s tau A. 2. su correspondiente FT Ti (s)/To (s) resulta: To (s) 1 = Ti (s) τs + 1 τ= V Cv qCp (2.5: Proceso temperatura en un tanque con agitador. 2. la cual es semejante al gr´fico o a inferior de la Fig. To = ilaplace(A/(s*(tau*s+1))).

Las ecuaciones din´micas que a gobiernan este sistema son: q1 = h1 − h 2 R1 C1 dh1 = q − q1 dt h2 dh2 C2 = q1 − q2 R2 dt Pasando al dominio de Laplace con condiciones iniciales nulas.3.7 muestra dos tanques unidos por una tuber´ Los par´metros y vaıa.3. Tanques en Cascada La Fig. La ganancia del seguidor de voltaje es uno. Las ganancias de los amplificadores son respectivamente: Vx (s) = − sC1 1 Vi (s) R1 + sC 1 1 Vo (s) = − sC2 1 Vx (s) R2 + sC 1 2 Este proceso es de segundo orden porque: 1 Vo (s) = Vi (s) (R1 C1 s + 1)(R2 C2 s + 1) C1 R1 Vi Vi Seguidor de voltaje C1 Vx R2 C2 C2 Vo Opamp inversor Opamp inversor Fig. se obtiene: q2 = q1 (s = h1 (s) − h2 (s) R1 C1 sh1 (s) = q(s) − q1 (s) h2 (s) C2 sh2 (s) = q1 (s) − q2 (s) R2 Si la entrada es q(s) y la salida es q2 (s).6 muestra un seguidor de voltaje y dos amplificadores operacionales (opamps) inversores conectados en cascada. 2. 2.6: Proceso de segundo orden con opamps.18 El Proceso a Controlar 2. entonces: q2 (s) = q2 (s) 1 = 2 + (R C + R C + R C )s + 1 q(s) R1 C1 R2 C2 s 1 1 2 2 2 1 . Procesos de Segundo Orden Circuito con Opamps La Fig. a riables de este proceso se describen en la Tabla 2. 2.

2. El movimiento y.3: Par´metros y variables del proceso temperatura en un tanque con agitador.7: Proceso de segundo orden con tanques en cascada. 2. es e proporcional a la corriente u. donde K es la conu o stante del resorte. B es la constante de viscocidad del amortiguador. a S´ ımbolo q. 2. q2 R1 . La fuerza electromagn´tica Km u producida por u produce un movimiento e y en el n´cleo. La ecuaci´n que gobierna el movimiento del n´cleo es: o u Km u = Ky + B dy d2 y +M 2 dt dt En el dominio de Laplace y con condiciones iniciales nulas. M es la masa del n´cleo de fierro encerrado por la bobina. cuya direcci´n y magnitud depende de la direcci´n y magnitud de u o o la corriente u. q1 . R2 C1 . que es tambi´n el desplazamiento del indicador. y u es la corriente que circula por la u bobina. la ecuaci´n anterior reo sulta: Km u(s) = Ky(s) + Bsy(s) + M s2 y(s) La FT y(s)/u(s) toma la forma: y(s) = 2 u(s) s + Kp = Km M Km M B Ms + K M = s2 Kp 2 + 2ζωn s + ωn ωn = K M B ζ= √ 2 KM . Indicador con N´ cleo de Fierro M´vil u o La Fig. intermedio y de salida Resistencias hidr´ulicas a Capacitancias hidr´ulicas a Niveles en los tanques Unidades m3 s s m2 m2 m2 q h1 R1 q1 h2 R2 q2 Fig. C2 h1 .3 Procesos de Segundo Orden 19 Tabla 2. h2 Descripci´n o Flujos de entrada.8 muestra un indicador con n´cleo de fierro m´vil.

Procesos Integrales Llenado de un Tanque La Fig. 2.20 El Proceso a Controlar Fig.8: Proceso: Indicador con n´cleo de fierro m´vil. u o 2.9 muestra un tanque de secci´n A que est´ siendo llenado por un flujo o a u de entrada.9: Faja de transporte con tiempo muerto. la FT de este proceso es: Kp y(s) = u(s) s Kp = 1 A Fig.4. El volumen acumulado en el tanque es: A dy =u dt En el dominio de Laplace: Asy(s) = u(s). entonces se prende la o a bomba de vaciado. 2. Por lo tanto. S´lo cuando el tanque alcanza un nivel m´ximo. . 2.

el flujo de granos y0 es producido por la abertura y0 de la v´lvula de a cuchilla. Procesos con Tiempo Muerto Faja de Transporte con Tiempo Muerto La Fig. el modelo del sat´lite toma la forma: Js2 θ(s) = u(s).5 Procesos con Tiempo Muerto 21 Sat´lite e El sat´lite mostrado en la Fig. 2. Por consiguiente.10 se puede modelar como: e ¨ Jθ = u donde J es el momento de inercia del sat´lite. 2. entonces las ecuaciones de estado del proceso resultan: x1 = x2 y x2 = u/J.2. En el tiempo t1 se incrementa la abertura de la v´lvula en un ∆u. si seleccionamos como variables de estado x1 = θ y x2 = θ. el tiempo muerto que demora el flujo ∆y en recorrer L es: Tt = L v . 2. En forma matricial: x1 ˙ x2 ˙ = 0 1 0 0 y = [1 0] x1 x2 x1 x2 + 0 1 J u θ J u Fig. θ es el angulo de inclinaci´n y u es e ´ o el torque generado por los impulsores para corregir el angulo de inclinaci´n. Luego. En el ´ o dominio de Laplace.10: Esquema simplificado de un satelite.5. lo cual a se traduce en un incremento del flujo en un ∆y. Sabemos que la faja se mueve a una velocidad constante v. la e FT del sat´lite es un doble integrador: e Kp θ(s) = 2 u(s) s Kp = 1 J ˙ Por otro lado. 2. mientras que la ˙ ˙ salida es: y = x1 .11 muestra una faja transportando granos. Observar que en el intervalo t0 hasta t1 . s´lo cuando dicho incremento recoro ra la distancia L.

lo cual se traduce en a un incremento del flujo total en un ∆y1 + y20 .12 muestra dos flujos y1 y y2 que circulan por dos tuber´ que luego ıas se juntan en una tuber´ en la cual se ha instalado un sensor de PH.13(a).11: Faja de transporte con tiempo muerto. Por lo tanto.6. las aberturas de v´lvulas u10 y u20 producen un flujo de y10 + y20 . el flujo suma y1 + y2 circula a una velocidad v. Qc es el flujo de agua a una temperatura Tc que ingresa a la camisa de enfriamiento del tanque. 2. s´lo cuando dicho incremento recorra o la distancia L (hasta alcanzar la posici´n del sensor de PH). En el tiempo a t1 se incrementa la abertura de una de las v´lvulas en un ∆u1 . 2. Procesos de Orden Superior Proceso de Enfriamiento de Tercer Orden En la Fig. En la tuber´ ıa. 2. ıa com´n de longitud L. Flujos en Tuberias con Tiempo Muerto La Fig. el tiempo o muerto que demora el flujo ∆y1 en recorrer L es: L Tt = v La FT de este proceso toma la forma: y(s) = Kp e−Tt s u1 (s) Kp = ∆y1 ∆u1 2. con el prop´sito de enfriar el flujo q constante que o . Hasta el tiempo u t1 .22 La FT de este proceso resulta entonces: y(s) = Kp e−Tt s u(s) Kp = El Proceso a Controlar ∆y ∆u Fig.

tm = Tm − T m y t = T − T .14) tambi´n es v´lida para el estado estacionario: o e a qρCp T i − hi Ai T + hi Ai T m − qρCp T = V ρCv dT dt (2. ingresa al tanque a una temperatura Ti .12: Faja de transporte con tiempo muerto.17) dt dt (2.6 Procesos de Orden Superior 23 Fig.16) al dominio de Laplace y operando.15) Restando (2.16) . La pared met´lica del tanque se encuentra a una temperatura a Tm . entonces el modelo lineal residual de (2.14) La ecuaci´n (2. se obtiene: t(s) = K1 = qρCp qρCp + hi Ai K1 K2 ti (s) + tm (s) τ1 s + 1 τ1 s + 1 K2 = hi A − i qρCp + hi Ai τ1 = V ρCp qρCp + hi Ai (2. 2.15) de (2.14) resulta: qρCp ti − hi Ai t + hi Ai tm − qρCp t = V ρCv Pasando (2. La Tabla 2.4 muestra las variables ıdo y par´metros del proceso.2. a El balance de energ´ en el flujo que se procesa se expresa como: ıa qρCp Ti − hi Ai T + hi Ai Tm − qρCp T = V ρCv dT dt (2.14) y teniendo en cuenta que ti = Ti − T i . Este flujo abandona el tanque por desborde a una temperatura T . El modelo de este proceso fue extra´ de [28].

6.19) hi Ai ho Ao V m ρ m C vm K4 = τ2 = hi Ai + h o Ao hi Ai + h o Ao hi Ai + h o Ao El balance de energ´ en la camisa de enfriamiento se formula como: ıa Qc ρc Cp Tci + ho Ao (Tm − Tc ) − Qc ρc Cp Tc = Vc ρc Cv dTc dt (2.18) Como en el caso anterior y sabiendo que tc = Tc − T c . ejemplo A. 2.20) La ecuaci´n (2. o sabiendo que: qc = Qc − Qc .20) es no lineal debido a los productos Qc Tci y Qc Tc . los cuales se o pueden linealizar siguiendo el procedimiento de la subsecci´n A.24 El Proceso a Controlar Agua fría qC TC ρC Producto q Ti ρ Rebose q T TC Camisa de enfriamiento Tanque metálico Tm (a) K6 ti K1 1 τ 2 s+1 t m K2 1 τ 1 s+1 t tc i K5 1 τ 3 s+1 K7 q tc K4 K3 c (b) Fig. El balance de energ´ para la pared del tanque se formula como: ıa hi Ai (T − Tm ) − ho Ao (Tm − Tc ) = Vm ρm CVm dTm dt (2.1.13: Proceso de enfriamiento. Esto es: Q c Tc i = Q c T c i + T c i qc + Q c tc i (2.49. se encuentra: hi Ai (t − tm ) − ho Ao (tm − tc ) = Vm ρm CVm tm (s) = K3 = K4 K3 t(s) + tc (s) τ2 s + 1 τ2 s + 1 dtm dt (2.21) Q c Tc = Q c T c + T c q c + Q c t c .

t i Tm . T i . En la Tabla. de la cara interna del tanque C.T. C.4: Par´metros y variables del proceso de enfriamiento en un tanque con a camisa de enfriamiento.2. T .T. actual. t m hi ho Ai Ao Descripci´n o Flujo de agua actual. tci Ti . Por consiguiente.C.22) y pasando la resultante al dominio de Laplace se obtiene: tc (s) = K6 K7 K5 tc i + tm + qc τ3 s + 1 τ3 s + 1 τ3 s + 1 K6 = ho Ao h o A o + Q c ρc C p (2. m3 /s m3 /s kg/m3 kg/m3 kg/m3 J kg−K J kg−K J kg−K m3 m3 K K K K J m2 −s−K J m2 −s−K m2 m2 Reemplazando las ecuaciones de (2. T m . significa Coeficiente de Transferencia Calor´ ıfica.24) K5 = Q c ρc C p h o A o + Q c ρc C p ho Ao . Qc .20) se obtiene: ρc Cp (Qc T ci +T ci qc +Qc tci )+ho Ao (Tm −Tc )−ρc Cp (Qc T c +T c qc +Qc tc ) = Vc ρc Cv dTc dt (2. actual. estable y residual del metal C. estable y residual Flujo actual del producto que ingresa Densidad de q Densidad de Qc Densidad de la pared de metal del tanque Capacidad calor´ ıfica de q Capacidad calor´ ıfica en el tanque Capacidad calor´ ıfica del metal de la pared Volumen del producto en el tanque Volumen de la pared de metal del tanque Temp. estable y residual de q Temp.23) Restando (2.T.C.6 Procesos de Orden Superior 25 Tabla 2. T ci .22) En el estado estacionario todas las variables residuales son nulas.22) de (2.21) en (2.C. estable y residual de Qc Temp. (2. actual. S´ ımbolo Qc . de la cara externa del tanque ´ Area interna de transferencia de calor ´ Area externa de transferencia de calor Valor Unid. qc q ρ ρc ρm Cp Cv C vm V Vm T. actual. t Tci . estable y residual de q Temp.22) toma la forma: ρc Cp Qc T ci + ho Ao (T m − T c ) − ρc Cp Qc T c = Vc ρc Cv dT c dt (2.

Km es la constante de motor. la inductancia.26 ρc Cp (T c − T ci ) h o A o + Q c ρc C p El Proceso a Controlar Vc ρc C p h o A o + Q c ρc C p K7 = τ3 = La Fig.20) y (2. ω es la velocidad angular. 2. Observar que dicho diagrama de bloques es similar al del ejemplo ??. 2. Ia y Va son la resistencia. (2. 2. Tm .24). La .14: (a) Circuito equivalente del motor DC.13(b) muestra el diagrama de bloques del proceso construido con las ecuaciones (2. la corriente y el voltaje de armadura respectivamente. la corriente y el voltaje de campo respectivamente. J es el momento de inercia del motor m´s carga y B es la constante de fricci´n a o del motor m´s carga.7. θ es la posici´n angular o del eje. t(s)/tci (s) (tipo PT3 ) y t(s)/ti (s) (tipo PD2 T3 ). (b) Motor DC controlado por campo. If y Vf son la resistencia. el torque de carga y el torque de disturbio respectivamente. (c) Motor DC controlado por armadura. la inductancia. TL y Td son el torque motor.14(a) muestra el circuito equivalente de un motor DC (direct current). Lf .17). a Ra Va Rf Lf If (a) Campo Vf Rf 1 Lf s If Km Tm T d Vb La Vf Ia ω θ J B Motor más carga 1 Js Motor más carga 1 Js B ω 1 s θ B ω 1 s θ TL (b) Armadura Va Vb Km Im Ra 1 L as Kb (c) Tm Td TL Fig. El Motor DC La Fig. Kb es la constante contraelectromotriz. . donde Rf . en donde se determinaron la funciones de transferencia t(s)/q c (s) (tipo PT3 ). Ra . 2.

14(c). = Ve (s) τs + 1 Ra B + Kb Km τ= Ra J (2.27) El diagrama de bloques para esta situaci´n se muestra en la Fig.14(b).29) Ra B + Kb Km Notar que tanto para el motor controlado por campo como por armadura. 2.28) Vb (s) = Kb ω(s) Si la inductancia de campo La es suficientemente peque˜a.2. mientras que la corriente de armadura Ia permanece constante. entonces la corriente de campo a If es variable.25) Si la inductancia de campo Lf es suficientemente peque˜a. mientras que la corriente de campo If permanece constante. las FTs para θ y para ω dadas en (2. K= . . entonces la FT para la n posici´n θ y para la velocidad angular ω toman la forma: o Gp (s) = Gp (s) = θ(s) ∼ K = Va (s) s(τ s + 1) ω(s) ∼ K Km .26) Motor DC Controlado por la Armadura Si el motor DC est´ controlado por la armadura. la FT resulta: Gp (s) = Km θ(s) = Va (s) s[(Ra + La s)(Js + B) + Kb Km ] (2. entonces la corriente de armadua ra Ia es variable. la FT resulta: Gp (s) = Km θ(s) = Vf (s) s(Js + B)(Lf s + Rf ) (2. 2. Las ecuaciones en el dominio de Laplace que rigen la din´mica del motor DC en este caso a son: Va (s) = (Ra + La s)Ia (s) + Vb (s) Tm (s) = Km Ia (s) = TL (s) + Td (s) TL (s) = Jsω(s) + Bω(s) ω(s) = sθ(s) (2.7 El Motor DC Motor DC Controlado por el Campo 27 Cuando el motor DC est´ controlado por el campo.26) y (2. entonces la FT para la n posici´n θ y para la velocidad angular ω toman la forma: o Gp (s) = Gp (s) = θ(s) Vf (s) ω(s) Vf (s) K s(τ s + 1) ∼ K = τs + 1 ∼ = τ= J B K= Km Rf B (2. Las ecuaciones en el dominio de Laplace que rigen la din´mica del motor CC en este caso a son: Vf (s) = (Rf + Lf s)If (s) Tm (s) = Km If (s) = TL (s) + Td (s) TL (s) = Jsω(s) + Bω(s) ω(s) = sθ(s) El diagrama de bloques para este caso se muestra en la Fig.29) poseen la misma estructura cuando se desprecia ya sea Lf o La . Considerando que el torque de disturbio Td es despreciable. Asumiendo o que el torque de disturbio Td es despreciable.

donde se observa que los flujos de agua fr´ qC y de agua caliente qC se mezclan en el interior del tanque con el ıa prop´sito de producir el flujo de salida qC a una temperatura θ. la representaci´n en el espacio de estado o toma la forma: x = Ax + Bu y = Cx (2.29). Por consiguiente. Por tal raz´n nos o o ocuparemos del modelo en el espacio de estado para este motor. y = θ como la salida y u = Va como la se˜al de entrada. el o proceso tanque con agua es multivariable cuadrado debido a que posee dos entradas: los flujos qC y qH .15. 2. Si seleccionamos como variables de estado x1 = θ.31) Para el caso velocidad angular ω. x2 = ω y x3 = Ia y asumimos que Td = 0 en (2. Se deja como ejercicio demostrar n que partiendo de la segunda FT de (2.29). . se obtienen las siguientes ecuaciones diferenciales de primer orden: x1 = x 2 ˙ x2 = − ˙ B Km x2 + x3 J J x3 = − ˙ Kb 1 x3 + Va La La Si se elige como salida la posici´n y = x1 y se designa a Va como la entrada u. La ı Fig.8. seleccionemos x = y = ω como la variable de estado y a la vez salida y u = Va como la se˜al de entrada. 2. entonces podemos ˙ usar las FTs dadas en (2. 2.30) y= 1 0 0 Si se considera que la inductancia de armadura La es despreciable. la representaci´n en el espacio de estado resulta: o x = Ax + Bu ˙ x1 ˙ x2 ˙ = 0 1 1 0 −τ + 0 K τ y = Cx u y= 1 0 x1 x2 (2.29).16 ilustra el esquema para estudio de este proceso. seleccionemos x 1 = θ y x2 = θ o como las variables de estado del motor.27).28 Modelo en el Espacio de Estado El Proceso a Controlar En ingenier´ de control se emplea m´s el motor CC controlado por armadura ıa a debido a la inherente realimentaci´n que presenta en este caso.8. y dos salidas: el nivel h del agua dentro del tanque y la temperatura θ que se asume uniforme en el interior del tanque. Se deja como ejercicio demostrar que partiendo de la primera FT n de (2. Modelo MIMO del Proceso Tanque Cerrado Descripci´n del Proceso o El proceso tanque cerrado con agua estudiado aqu´ se muestra en la Fig. Para el caso posici´n θ. la o forma matricial de la ecuaci´n de estado resulta: o x = Ax + Bu ˙   1 0 x1 ˙  x2  =  0 − B ˙ J b x3 ˙ 0 − Ka L  0 − Km J a − Ra L   0  +  0 u 1 La y = Cx    x1  x2  x3 (2.1.32) A=− 1 τ B= K τ C=1 2.

15: Sistema tanque con agua. h es la altura del agua. cumpliendo ciertas especificaciones de dise˜o previamente establecidas.5 describe las variables y los par´metros valorados del proceso tanque cerrado con agua.2.2.8 Modelo MIMO del Proceso Tanque Cerrado 29 Fig. el cual se calcula de [14]: √ π π a = CE d2 ρD 2g (2. a 2. Modelo Din´mico No Lineal del Proceso a Balance de Masas Aplicando balance de masas en el tanque. miena a tras que el transmisor de nivel LT y el transmisor de temperatura TT se ocupan de medir y transmitir el nivel y la temperatura respectivamente.34) qD = CE d2 2ρD ∆p = a h. El objetivo del sistema de control a dise˜ar. La manipulaci´n de n o las fuerzas de control se realizan mediante dos v´lvulas de control neum´ticas. La Tabla 2. 2. Ah es el cambio de volumen o de agua en el tiempo t. 4 4 .8. el cambio de volumen de agua acumulado en su interior se modela como: dh ˙ A = A h = q C + qH − qD (2. es determinar adecuadas fuerzas de n control qC y qH con la capacidad de estabilizar las salidas controladas h y θ. qC (agua fr´ y qH (agua caliente) son los flujos de entrada ıa) al tanque y qD (agua calentada) es el flujo de salida.33) dt ˙ donde A es la secci´n del tanque.

5 15. m m2 m m m3 /s m3 /s m3 /s m3 /s m3 /s m3 /s s/m2 m/s2 K K K K kg/m3 kg/m3 kg/m3 mm mm J kg K . S´ ımbolo dA A h h qC qC qH qH qD qD Rh g θC θH θ θ ρC ρH ρD d D Cp LT TT FT PT Descripci´n o Di´metro del tanque a Secci´n circular del tanque o Nivel del agua Nivel del agua en estado estacionario Flujo de agua fr´ hacia el tanque ıa Estado estacionario de qC Flujo de agua caliente hacia el tanque Estado estacionario de qH Flujo de salida desde el tanque Estado estacionario de qD Resistencia hidr´ulica del tanque: Rh = h/q D a Aceleraci´n de la gravedad o Temperatura del flujo qC Temperatura del flujo qH Temperatura del flujo qD y en el tanque Estado estacionario de θ Densidad del agua para qC Densidad del agua para qH Densidad del agua para qD Di´metro del orificio de la placa en qD a Di´metro de la placa de orificio en qD a Calor espec´ ıfico del agua Transmisor de nivel Transmisor de temperatura Transmisor de flujo Transmisor de presi´n o 35+270 998 988 996 6. variables y s´ a ımbolos del sistema tanque con agua.5: Par´metros.66×10−4 0.4 Valor 0.0314 Unid.9 4186.30 El Proceso a Controlar Tabla 2.8 9.16×10−4 0.5×10−4 1.81 20 +270 50 +270 2.2 0.

16: Esquema de estudio del sistema tanque con agua. C = 0.33). Balance de Energ´ T´rmica ıa e El balance de energ´ t´rmica dentro del tanque se formula como: ıa e ΦT = −ΦD + ΦC + ΦH (2.6 es el coeficiente o o de descarga del orificio. ρD es la densidad del agua a una temperatura θ.17. β = d/D es una relaci´n igual a 0.36) donde ΦH es calor entregado por el flujo de agua caliente qH . 2. ΦD es el calor que toma el flujo de salida qD y ΦC . ΦT es el calor del agua en el interior del tanque.8 Modelo MIMO del Proceso Tanque Cerrado 31 PT LT= Transmisor de Nivel TT TT = Transmisor de Temperatura PT= Transmisor de Presión FT= Transmisor de Flujo Reboce Drenaje Agua Caliente Agua Fría FT LT FT Fig. la ecuaci´n de estado para la variable de estado nivel toma o la forma: a√ 1 1 ˙ h=− h + qC + qH (2.35) A A A Los valores de las densidades del agua en funci´n de la temperatura se pueden obtener o de figura 2.34). el cual se expresa como: e E = (1 − β 4 )−1/2 ˙ Despejando h de (2.2. g es la aceleraci´n de la gravedad.41 y E es una constante de correcci´n del valor del flujo debido o o a consideraciones geom´tricas. donde hemos usado el hecho de que la ca´ de presi´n ∆p en la tuber´ de di´metro ıda o ıa a D provocada por la placa de orificio de di´metro d se expresa como: a ∆p = ρD gh En la expresi´n (2.

u) ˙ x= ˙ x1 ˙ x2 ˙ = ˙ h ˙ θ x= x1 x2 u= u1 u2 = qC qD (2.38). x2 = θ y juntando las ecuaciones (2.37) √ Φ D = C p ρD θ q D = C p ρD θ a h = C p ρH θ H qH Los par´metros que aparecen en (2.38) Definamos las siguientes fuerzas de control o variables manipuladas: u1 = qC . La ecuaci´n de estado o ˙ de la variable de estado temperatura θ se obtiene despejando dθ = θ de (2. u2 = qH y las siguientes variables de estado: x1 = h. 2.32 El Proceso a Controlar Fig.36): dt a √ ρH θ H qH ρC θ C qC ˙ θ=− θ h+ + Ah ρD A h ρD A h (2. es el calor que trae consigo el flujo de entrada de agua fr´ qC .5. Cabe anotar que se ıa est´ despreciando el calor que se libera al exterior del tanque debido a que tal tanque a es cerrado y suficientemente aislado.37) se describen en la tabla 2.17: Valores de la densidad del agua versus la temperatura.35) y (2. Las relaciones que gobiernan los flujos calor´ ıficos descritos anteriormente son: ΦT ΦC ΦH = AhρD Cp dθ ˙ = AhρD Cp θ dt = C p ρC θ C qC (2. Observar que se a asume un valor constante para el calor espec´ ıfico del agua Cp .39) . la ecuaci´n de estado que describe la din´mica del proceso tanque o a cerrado con agua se formula como: x = f (x.

Modelo Din´mico Lineal del Proceso a La placa de orificio instalada en la tuber´ del flujo de salida qD produce un flujo ıa turbulento que para variaciones peque˜as del nivel h se puede aproximar como [13]: n qD = 2h Rh (2. Reemplazando (2.8 Modelo MIMO del Proceso Tanque Cerrado  a√ − A x1 + a −A x √2 x1 1 A u1 33 1 A u2 ρH θ H u 2 ρD A x 1 f= f1 f2 Dado que las variables de estado son las variables medidas del proceso.2.8.40)  = + + + ρC θ C u 1 ρD A x 1    2.3. Modelo Din´mico de Lagrange del Proceso a El modelo din´mico de Lagrange del proceso tanque cerrado con agua se obtiene a reordenado las ecuaciones de (2. entonces la ecuaci´n de salida posee la siguiente expresi´n: o o y = Cx y= y1 y2 = x1 x2 C= 1 0 0 1 (2.39) en la forma siguiente: √ u1 + u2 = Ax1 + a x1 ˙ √ ρC θC u1 + ρH θH u2 = ρD Ax1 x2 + ρD a x1 x2 ˙ Por consiguiente: 1 ρc θ C 1 ρH θ H u1 u2 = A 0 0 ρD Ax1 x1 ˙ x2 ˙ + √ a x1 √ ρD a x 1 x 2 Operando en la ultima ecuaci´n.4. se obtiene la ecuaci´n lineal de estado del nivel: o 1 1 2 ˙ h + qC + qH h=− Rh A A A (2.44) .8.35). la cual se puede determinar de [13]: a Rh = h qD (2.41) 1 (ρH θH − ρC θC ) 2.42) donde Rh es la resistencia hidr´ulica del tanque.42) en (2. es f´cil demostrar que el modelo din´mico de La´ o a a grange del proceso toma la forma: u = Px + d ˙ P= d= 1 (ρH θH − ρC θC ) ρH θH A −ρD Ax1 −ρC θC A ρD Ax1 √ √ ρH θ H a x 1 − ρ D a x 1 x 2 √ √ −ρC θC a x1 + ρD a x1 x2 (2.43) donde h y q D son los valores en estado estacionario de h y qD respectivamente.

Este tipo de respuesta se puede aproximar mediante una FT de primer orden en cascada con una FT del tiempo muerto: Gp (s) = Kp y(s) = eτ s u(s) (T s + 1) Kp = y1 − y 0 u1 − u 0 (2.9. Tales reemplazos nos permiten obtener la siguiente descripci´n lineal de la din´mica de la temperatura: o a q ρC θ C ρH θ H ˙ θ=− D θ+ qC + qH AhρD hρD AhρD (2. la cual empieza en t1 . o o A= 0 qD − Ahρ D B= u1 u2  = 1 A ρC θ C AhρD qC qH 1 A ρH θ H AhρD   2. Respuesta Transitoria de los Procesos Respuesta al Escal´n o Asumamos que la respuesta de un sistema (su curva de reacci´n) a una entrada o tipo escal´n posee la forma mostrada en la Fig.38) correspondiente a la tempeo ratura en el tanque: h=h √ qD = a h = a h = qD donde el valor estacionario q D se calcula de (2. Observar en la Fig.46) toma la forma: x2 = − ˙ ρC θ C ρH θ H qD x2 + u1 + u2 AhρD AhρD AhρD (2.1. T es el retardo de primer orden o la constante de tiempo y τ es el tiempo muerto o retardo puro.46) Empleando las variables de estado definidas anteriormente. (2.47) La ecuaci´n de estado lineal del proceso se obtiene juntando las ecuaciones (2. Los par´metros T y τ se obtienen a . 2. 2. el cual es el caso en muchos o sistemas industriales denominados autoregulados.34 El Proceso a Controlar En funci´n de las variables de estado definidas anteriormente.45) y o (2.42).47): x = Ax + Bu ˙ (2.40). entonces se produce la curva de reacci´n y(t) o o mostrada.48) x=  x1 x2 2 − Rh A = h θ 0   u= La ecuaci´n de salida es la misma expresi´n dada en (2.49) donde Kp es la ganancia proporcional. entonces podemos hacer las siguientes sustituciones en la ecuaci´n de estado (2. (2.18.44) toma la forma: o x1 = − ˙ 2 1 1 x 1 + u1 + u2 Rh A A A (2.45) Asumiendo que la variaci´n del nivel h es m´ o ınima.9. 2. Cuando la se˜al o n escal´n de entrada cambia de u0 a u1 .18 que la respuesta y0 en el tiempo t1 se debe a la entrada tipo escal´n u0 .

T.151 8 0.368 3 0. Los datos le´ ıdos fueron: u0 = 10 V.132 Ejemplo 2. 2. o a n τ /T Tn /T 2 0. el tiempo muerto τ = 2 s y T = 9.18: Curva de reacci´n de un sistema. u1 = 20 V. o gr´ficamente trazando una tangente que toque el punto de tangencia (P.50) se determinan empleando la Tabla 2.50).2 s.709 0.6: Determinaci´n de los par´metro n y Tn de (2.49) donde τ = 2 s o a o y T = 9.2 Determinar dos modelos din´micos que describan el comportamiento velocidad frea nada de un motor DC a partir de su curva de reacci´n. 2.50) Los par´metros n y Tn de (2.591 0.50).148 9 0. Empleando la Tabla 2.175 7 0.104 0.T. o La curva de reacci´n mostrada en la Fig.18. semejante a la mostrada en la o Fig. Determinar la ganancia normalizada del sistema sabiendo que la entrada m´xima de voltaje es 40 V y el rango a del instrumento de medici´n de rpm a la salida es de 0 a 1000 rpm. Con los datos propora o cionados en el ejemplo se obtiene: τ /T = 0. 2.18 tambi´n se puede aproximar meo e diante una FT de orden n de la forma: G(s) = Kp y(s) = u(s) (Tn s + 1)n Kp = y1 − y 0 u1 − u 0 (2.641 0.218 0.140 10 0.2 s: G(s) = Kp y(s) = e−τ s u(s) (T s + 1) Kp = y1 − y 0 600 − 400 rpm = = 20 u1 − u 0 20 − 10 V El segundo modelo din´mico se refiere a la ecuaci´n (2. a Tabla 2.2.493 0.320 0.6 se puede .270 4 0. y1 = 600 rad/s. un generador de voltaje continuo.195 6 0.775 0. y0 t 0 τ t1 T 35 u y t Fig. o Soluci´n: El primer modelo din´mico se halla con la ecuaci´n (2.410 0. y0 = 400 rpm.6. Esta curva se obtuvo manipulando la entrada u del sistema.217.9 Respuesta Transitoria de los Procesos u u1 u0 t 0 t1 t Proceso autoregulado KP e τs Ts + 1 y y 1 P.) sobre la a curva de reacci´n.224 5 0.

y1 = 300 rpm.104 la din´mica del sistema autoregulado se puede aproximar mediante la siguiente FT a de segundo orden: G(s) = Y (s) KP = U (s) (T1 s + 1)(T2 s + 1) KP = y1 − y 0 u1 − u 0 (2.85 s y T2 = kT1 = 7. semejante a la mostrada en la Fig.097 7 0. lo que implica que T1 = 3.18. y0 = 200 rpm.270.085 0.120 5 0.053 0. Dado que τ /T = 0.3 Determinar el modelo que describa la din´mica de un sistema mecatr´nico de velocia o dad a partir de su curva de reacci´n.107 6 0. τ = 2 s.51) donde T1 y T2 son dos constantes de tiempo que se relacionan mediante la ecuaci´n: o T1 = kT2 k>1 La constante k se determina usando la Tabla 2. En este o caso.238 2 0.074 Ejemplo 2. los datos le´ ıdos fueron: u0 = 5 V.7.081 9 0.175 3 0. la FT pedida es: G(s) = KP 10 Y (s) = = U (s) (T1 s + 1)(T2 s + 1) (3.075 0.51).85s + 1)(7. u1 = 15 V.36 El Proceso a Controlar determinar: n = 3 y Tn /τ = 0.058 0. T = 22 s. Tabla 2.7 s.094 0.51). o a o empleando la Tabla 2.064 0.175.54s + 1)3 La ganancia normalizada KP n se determina de: Kpn = 600−400 1000−0 20−10 40−0 = 0.7s + 1) .080 0.51 se determina que k = 2 y T1 /T = 0.140 4 0.069 0. 2.7: Determinaci´n de los par´metro T1 y T2 de (2.54 s. Como KP = (300–200)/(15–5) = 10 rpm/V.090 0.088 8 0. La FT resulta: G(s) = Kp y(s) 20 = = n u(s) (Tn s + 1) (0.5 Caso Especial Para el caso especial: 0 < τ /T < 0. lo que implica: Tn = 0.2 = 0. Soluci´n: El modelo din´mico se refiere a la ecuaci´n (2.4 0. o a k τ /T T1 /T 1 0.09.

3% 0.3 % y 63. o e 2.2 % e La Fig.3 % ) τ = t63.54) para ζ ≥ 1 se obtiene empleando la f´rmula (32) de la o Tabla A.1) se obo tiene: ωn −ζωn t y(t) = A 1 − e sen(ωd t + θ) (2.53) toma la forma: 2 Aωn y(s) = (2.2 %.283∆y y 0.55) ωd La Fig.2. Otras Respuestas al Escal´n y al Impulso o Los sistemas autoregulados presentan una respuesta finita (constante o cero) a entradas de prueba escal´n o impulso. 2.2 % − T t 63.54) 2 s(s2 + 2ζωn s + ωn ) Tomando la transformada inversa de Laplace (f´rmula (31) de la Tabla A.2. En base a estos valores.2 %. Cuando r(s) = A/s (entrada tipo escal´n de magnitud A). La FT de n o este sistema es: 2 ωn y(s) = 2 (2. los par´metros de la a FT dada en la ecuaci´n (2.9 Respuesta Transitoria de los Procesos 37 2.5(t63. Notar que para ζ ≥ 1 la respuesta se vuelve sobreamortiguada.3 % y t63.283 ∆ y t ∆y (2.52) u u1 u u0 t 0 t1 t Proceso autoregulado KP e τs Ts + 1 y y 1 y Fig.53) Gp (s) = 2 r(s) s + 2ζωn s + ωn donde ωn es conocida como la frecuencia natural de oscilaci´n y ζ es el coeficiente de o amortiguamiento. La transformada inversa de laplace de (2. En este o e m´todo se determinan los tiempos t28. 2.1.19 muestra la curva de reacci´n para el m´todo 28. M´todo del 28. sus correspondientes transformadas de Laplace o son u(s) = A/s y u(s) = A respectivamente. .2 % − t28. y(s) en o (2. respectivamente.3.9. El siguiente proceso de segundo orden se emplea para explicar las especificaciones de dise˜o en el dominio del tiempo como veremos en la siguiente secci´n.9.20 (gr´fico superior izquierda) muestra y(t) para A = 1 y varios valores de a ζ. Sabemos que cuando la entrada u(t) es un o escal´n o un impulso de magnitud A. 2.2% t 23.2 % correspondientes a las magnitudes e 0.19: Curva de reacci´n para el m´todo 28.49) se determinan de: o T = 1.632 ∆y y0 t 0 t1 0.3 % y 63.632∆y.3 % y 63.

for z=[0. tau=2. Para obtener la Fig. clc.58) y aplicando la propiedad (5) o de la Tabla A. subplot(221). como es el caso de la posici´n angular del eje de un o motor de CC. se obtiene la respuesta al impulso y(t) correspondiente a (2. G1=wn^2/(s^2+2*z*wn*s+wn^2). for z=[0.38 El Proceso a Controlar Cuando u(s) = A (entrada tipo impulso). step(G1). end subplot(224). 2.58): 2 Aωn −ζωn (t−τ ) e sen ωd (t − τ ) (2.57). hold on.58) Para una entrada tipo escal´n (u(s) = A/s) en (2. impulse(G4). impulse(G2). 2.20 (gr´fico inferior izquierda) muestra y(t) para A = 1 y varios valores de a ζ. hold on. ´ % r1.m listado abajo.4:1.4:1.2:0. end subplot(223). a Notar que para ζ ≥ 1 la respuesta se vuelve sobreamortiguada. e Una forma alternativa de (2. ejecutar el programa r1. notar que para ζ ≥ 1 la respuesta se vuelve sobreamortiguada. Esto es: G(s) = y(s) ω2 = 2 e−sτ u(s) s + 2ζωs + ω 2 (2.57) La Fig.59) ωd La Fig.56) 2 s + 2ζωn s + ωn Tomando la transformada inversa de Laplace (f´rmula (29) de la Tabla A. hold on. 2.8].8].2:0. print -deps -f r1 Respuesta al Escal´n en Procesos No Autoregulados o Procesos no autoregulados. se obtiene la respuesta y(t) al escal´n correspondiente a o (2. De nuevo.20 (gr´fico superior derecha) muestra y(t) para A = 1 y varios valores de a ζ. s=tf(’s’).8]. for z=[0.20 (gr´fico superior derecha) muestra y(t) para A = 1 y varios valores de ζ.m RESPUESTAS AL ESCALON Y AL IMPULSO DE PROCESOS AUTOREGULADOS clear all. end subplot(222).20. Notar tambi´n que para ζ ≥ 1 la respuesta se vuelve sobreamortiguada. G2=wn^2/(s^2+2*z*wn*s+wn^2). close all. for z=[0.2 en (2.60) y(t) = ωd La Fig.53) se formula o como: 2 Aωn y(s) = 2 (2.4:1.4:1. y(s) en la ecuaci´n (2. wn=3. G4=wn^2*exp(-tau*s)/(s^2+2*z*wn*s+wn^2).58): ωn −ζωn (t−τ ) y(t) = A 1 − e sen[ωd (t − τ ) + θ] (2.2:0.58) y aplicando la propiedad (5) de la Tabla A. end.1) resulta: o y(t) = 2 Aωn −ζωn t e sen ωd t ωd (2. Si la entrada es un impulso (u(s) = A) en (2. hold on.55). 2. G3=wn^2*exp(-tau*s)/(s^2+2*z*wn*s+wn^2). o el aumento del nivel de un l´ ıquido dentro de un tanque sin tuber´ de ıa .2:0. step(G3).53) incluye un tiempo muerto τ .8].2 en (2.

poseen una respuesta al escal´n no finita. R es la raz´n de reacci´n unitaria y KI es la ganancia o o integral. 2.5 1 0. Ri y R son resistencias.2.8 10 0 1.8 −2 0 5 Time (sec) 10 5 Time (sec) Fig. 2. 2. Los par´metros R y τ se obtienen gr´ficamente. o La din´mica de tales procesos se puede modelar como: a Gp (s) = KI −τ s e s R = KI τ (2.8 5 Time (sec) Step Response 10 0 1. A manera de resumen. a salida. Problema 2. la Tabla 2.2 Amplitude 1. o 2.8 muestra la FT (funci´n de transferencia) de o varios procesos en funci´n de su comportamiento. 2. tal como se ilustra en la Fig.20: Respuestas al escal´n y al impulso de procesos de segundo orden en funci´n o o del par´metro ζ.2 1 0 1.2 Amplitude 1.5 1 0.61) donde τ es el tiempo muerto.10 Problemas 39 Step Response 2 Amplitude 4 Impulse Response 0. tal como se ilustra en la a a Fig.8 −2 0 5 Time (sec) Impulse Response 4 10 2 Amplitude 0.5 0 2 0.1 Problemas La Fig. donde Rf . .21.2 1 0 1.22 muestra un amplificador un seguidor de voltaje y dos opamps inversores.21.5 0 2 0. Demostrar que este proceso es proporcional con ganancia K p = Rf /Ri .10.

Dee . 2.8: FT de varios procesos en funci´n de su comportamiento. Otras combinaciones son posibles.40 u A u Proceso no autoregulado KI e τs s R = KI τ y El Proceso a Controlar y τ R τ t Fig.21: Respuesta al escal´n de un proceso no autoregulado. o Tabla 2. donde FT: Funci´n o o de Transferencia y τ : tiempo muerto.23 muestra una turbina de agua unido a un generador el´ctrico. Proceso Proporcional (P) Integral (I) Doblemente integral Proporcional integral (PI) Proporcional derivativo (PD) P+I+D Tiempo muerto Integral con tiempo muerto 1er orden con tiempo muerto Kp (1 + Td s) Kp 1 + 1 Ti s FT Kp Kp s Kp s2 Proceso Primer orden Segundo orden (primera forma) Segundo orden (segunda forma) 1 Ti s FT Kp T s+1 Kp (T1 s+1)(T2 s+1) Kp (T s+1)2 2 ωn 2 s2 +2ζωs+ωn Kp 1 + Segundo orden (tercera forma) De orden n (primera forma) De orden n (segunda forma) 2do orden con τ (1a forma) 2do orden con τ (2a forma) 2do orden con τ y derivativo Kp (T1 s+1)···(Tn s+1) + Td s Kp (T s+1)n Kp e−τ s Kp s Kp (T1 s+1)(T2 s+1) 2 ωn 2 s2 +2ζωs+ωn e−τ s e−τ s e−τ s e−τ s e−τ s Kp T s+1 2 ωn s 2 s2 +2ζωs+ωn Problema 2.2 La Fig. 2.

23: Generador accionado por una turbina de agua. 2. Las fuerzas de control (las entradas).24 muestra un tanque de almacenamiento de gas.8. Determinar la ecuaci´n de estado y el o modelo de Lagrange del proceso para esta situaci´n. a Generador eléctrico Turbina Entrada de agua M ω Desague Fig.2.1 se determinaron el modelo de Lagrange y la ecuaci´n de estado o o del proceso tanque cerrado con agua. o Problema 2. Ahora consideremos que se desea controlar el √ flujo de salida qD = a h y la temperatura en el tanque θ. ω(s) es la velocidad angular del generador y T su correspondiente constante de tiempo.4 La Fig. Asumir conocido cualquier otro par´metro necesario.3 En la subsecci´n 2. Problema 2. siguen siendo las mismas: qC y qH . 2. Demostrar que: 1 Po (s) = Pi (s) Ts + 1 T = RC .10 Problemas 41 Ri Seguidor de voltaje Rf R Opamp inversor R Vo Opamp inversor Vin Fig. mostrar que: Kp M (s) = ω(s) Ts + 1 donde M (s) es el momento rotacional generado por la turbina gracias a la ecci´n o del flujo de agua. 2.22: Generador accionado por una turbina de agua.

A esta acci´n se le oponen la fuerza a o fK = Kx en el resorte y la fuerza de p´rdidas fB = Bv en el amortiguador.42 El Proceso a Controlar donde Po es la presi´n del gas dentro del recipiente. Pi es la presi´n del gas de entrada. V es el volumen del tanque. es igual al gas Q a˜adido o o n al recipiente en un diferencial de tiempo dt. Pi R Q Po C ρ Fig. o o R = (Pi − Po )/Q es el la resistencia neum´tica. m = ρV es la masa del gas. Problema 2. x K B fK fB M v u Fig. donde K e es la constante del resorte. x2 = fK .. donde M es la masa de a un cuerpo que est´ accionado por una fuerza u. mientras que la salida es: y = x1 /K.5 La Fig.25: Proceso mec´nico traslacional.24: Tanque almacenador de gas. a Problema 2.6 : Sistema de Plataformas . 2. B es la constante de p´rdidas. Se sabe adem´s que la capacitancia C a multiplicada por la variaci´n de la presi´n de salida dPo .25 muestra una proceso mec´nico traslacional. ρ es la densidad a del gas y T = RC es la constante de tiempo. La ecuaci´n din´mica de este proceso es: o o a M dv = f − f K − fB dt Determine la FT v(s)/u(s) y la ecuaci´n matricial de estado del proceso sabiendo o que x1 = v. 2. 2. v = dx/dt es la velocidad e de la masa M y x su posici´n. Q es el caudal del gas. C = dm/dp a (variaci´n de la masa con respecto a la variaci´n de la presi´n) es la capacitancia o o o neum´tica.

las se˜ales de salida a controlar.26 muestra dos plataformas P1 y P2 de masas m1 y m2 acopladas por resorte y amortiguador. e1 + Fig. a a) Determinar las ecuaciones de estado y de salida del sistema.26: Plataformas acopladas. £ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢£ ¢ ¢¢¢¢¢¢¢¢¢¢¢¢¢¢£ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ © − © R2 © © © © ©   r2     r1 R1 − + − + Y1 K1 u2 B1 y − e2 Y2 K2 B2 ¨ ¨ ¨ ¨ ¤¥ ¤ §¦ §¦ §¦ §¦ + ¨ ¨ ¨ u1 P1 y1 P2 2 ¥ §¦ §¦ §¦       . Asuma Usted los valores de los par´metros del sistema. b) Determine el modelo de Lagrange del sistema. o donde r1 y r2 son las se˜ales de referencia e y1 e y2 .2.10 Problemas 43 La Fig. 2. El sistema de plataformas descrito tiene como entradas de control las se˜ales u1 y u2 generadas por dos actuadores. Las se˜ales de control son n n capaces de llevar a cero con suficiente rapidez los errores de posici´n e 2 = r2 − y2 . n n son las posiciones individuales de las plataformas. 2.

.

En esta publicaci´n. la cual representa la condici´n actual de la variable controlada y. etc. Seg´n el tipo de se˜al de salida que proporciona. flujo. El bloque ı o sistema de instrumentaci´n para el control de procesos SISO (Single Input Single o Output). la cual generalo n mente es una se˜al que pueda ser procesada y transmitida. Por ejemplo. temu o peratura. Sensores Recordemos que la Fig. mientras o que el transmisor cambia tal medici´n en una se˜al estandarizada. o n denominado tambi´n elemento primario de medici´n. a .1. el sensor puede ser de nivel. denominado as´ poseer un solo lazo de realimentaci´n. Un ejemplo t´ ıpico est´ constia tuido por las curvas caracter´ ısticas de Temperatura (◦ F) vs mV de las termocuplas. las se˜ales que abren y cierran completamente una n v´lvula son del tipo ON–OFF. un sensor se puede clasificar en u n anal´gicos (la se˜al de salida es continua dentro del rango de medici´n). Esta curva se obtiene aplicando una serie de entradas conocidas al n sensor y almacenando las correspondientes respuestas. El sensor proporciona la variable medida. una termoresistencia proporciona una se˜al continua en ohms. tales temas van a ser o o tratados con el suficiente nivel que exige un texto de control de procesos. consta de un sensor y de un transmisor. y ON–OFF (la se˜al de salida var´ entre los umbrales n n ıa ON y OFF). Un sensor puede estar o caracterizado por una curva de reacci´n la cual relaciona la variable medida con la o se˜al generada. mientras n que un radar proporciona se˜ales discretas que son proporcionales a la magnitud de n la variable medida. Seg´n la magnitud a medir. presi´n. 1. o un instrumento de medici´n e o o que emplea los sensores adecuados para tal o cual medici´n. la cual es proporcional a la temperatura medida. La medici´n del valor actual de la se˜al a controlar se realiza mediante un sensor. digital (la o n o se˜al de salida es digital). En muchos casos la n variable medida y la variable controlada pueden ser la misma. proximidad. Los temas sensores y transmisores se tratan en forma extensa y especilizada en los textos de instrumentaci´n industrial.Cap´ ıtulo 3 El Sistema de Instrumentaci´n o Este Cap´ ıtulo 3. Por otro lado.1 ilustra un sistema de control a lazo cerrado (o realimentado) simple.

repetibilidad. porque sus puntos de sensibilidad corriente sobre voltaje son constantes. sensibila o idad.46 El Sistema de Instrumentaci´n o 3.5 V. la medici´n no es confiable. un instrumento de medici´n es o preciso cuando puede reproducir la lectura medida con una exactitud previamente determinada. por ejemplo. Supongamos que un volt´ ımetro es capaz de medir en el rango de 0 a 500 V. con respecto al valor ideal. Por otro lado. Desafortunadamente. saturaci´n. 103.5 V 0 289. Supongamos que se mide una corriente conocida de 100 mA empleando 5 lecturas. sin embargo. su sensibilidad es siempre la misma y su curva caracter´ ıstica es lineal. En cambio. es decir. las cuales resultan: 104. Este gr´fico representa respuesta no lineal.5 V. La hist´risis en un sensor se parece ´ o o e a la repetibilidad. el proceso de medici´n es en ambos sentidos. una conductancia (la inversa de la resistencia) si posee una curva caracter´ ıstica lineal. Mientras o a mayor sea la pendiente de dicha curva. y mide 51◦ C cuando el a ıo a objeto pasa de m´s caliente a m´s fr´ a a ıo. Caracter´ ısticas Est´ticas y Din´micas a a Un sensor posee tanto caracter´ ısticas est´ticas: rango. las curvas caracter´ ısticas de los diodos en su zona activa son no lineales porque sus puntos de sensibilidad corriente sobre voltaje no son constantes. La zona muerta de un sensor es el o o area de valores de la variable medida que no hace variar la indicaci´n del instrumento. es decir. hist´reo e sis. o 200. e mientras que la resoluci´n es la m´ o ınima diferencia entre dos valores pr´ximos que el o sensor es capaz de distinguir. El rango es el campo de medida de la magnitud de entrada del sensor y var´ entre ıa el valor m´ximo y el valor m´ a ınimo detectables.1. la sensibilidad es la variaci´n de la salida producida por una o variaci´n de la entrada. y estabilidad. un term´metro posee repetibilidad porque siempre mide 49◦ C en un objeto o de 50◦ C cuando dicho objeto pasa de m´s fr´ a m´s caliente. En un sensor con curva de respuesta lineal. Por ejemplo. ´ o Un sensor posee repetibilidad cuando se puede repetir el valor de la medici´n de o una variable para una unica direcci´n de medici´n. resoluci´n. podemos ver sin dificultad lecturas de. mejor la sensibilidad. Por otro lado.1. la exactitud a o del instrumento resulta: 5 × 100 = 5 % 100 . zona muerta. lo cual significa un span de 100 V. El alcance o span es la diferencia entre el valor m´ximo y el valor m´ a ınimo de inter´s. El volt´ ımetro usado posee una resoluci´n de 0. 103 y 105 mA. como din´micas: velocidad de respuesta. con una tolerancia de error aceptable. la variaci´n de la salida producida por una variaci´n de la o o entrada es constante. El gr´fico de los puntos de sensibilidad define la curva caro a acter´ ıstica o de de calibraci´n. a ıo a este term´metro posee una hist´resis de ±1◦ C porque en un objeto de 50◦ C mide o e 49◦ C cuando dicho objeto pasa de m´s fr´ a m´s caliente. linealidad. La exactitud de una medici´n se refiere a la m´xima desviaci´n en % del valor o a o medido. 105. Dado que la desviaci´n o m´xima en la medici´n es 5 mA con respecto al valor real de 100 mA. alcance. Por o ejemplo. En las zonas de saturaci´n. curva caracter´ ıstica. La saturaci´n se manifiesta en un sensor debido a la no linealidad producida por o la disminuci´n de sensibilidad. t´ o ıpicamente al principio o al final del rango. precisi´n y exactitud. pero nosotros s´lo estamos interesados en medir en la escala o de 200 a 300 V. respuesta en freo a cuencia.

1) nivel Ts + 1 donde K es la ganancia del sensor.1.3. la relaci´n entre la salida resistencia en ohm y la entrada temperatura o ◦ C es constante. a La velocidad de respuesta de un sensor es la capacidad para que la se˜al de n salida siga sin retraso a las variaciones de la se˜al de entrada. mientras que el gr´fico ∠M = arctan(−T ω) vs ω en escala logar´ a ıtmica es su correspondiente respuesta en frecuencia de su angulo o fase. el comportamiento es similar al de un proceso de primer orden. La estabilidad o en un sensor se explica como la desviaci´n que sufre la medici´n cuando se var´ o o ıan ciertos par´metros. donde j = −1 es la unidad de n´meros imaginarios y ω = 2πf es la frecuencia angular.2). pero en otros casos. en un sensor PT 100 empleado para medir la temperatura. En la mayor´ de los casos.1 Sensores La precisi´n se halla calculando primero la media de las lecturas: o 105 + 103 + 105 + 103 + 105 = 104 mA 5 47 y luego determinando la m´xima desviaci´n de las lecturas con respecto a dicha a o media. Principios de los sensores . tales como K y T (ecuaci´n 3. Una velocidad de n respuesta r´pida implica una constante de tiempo T peque˜a y viciversa.2.1: s = jω. Si el sensor recibe n √ excitaciones senoidales. Un sensor no es estable cuando a la medici´n experimenta desviaciones en los valores medidos debido a la variaci´n de o o ciertos par´metros. la cual se interpreta como el tiempo que demora la medici´n. en o la relaci´n entre la salida voltaje en V y la entrada nivel en m es una expresi´n de o o primer orden: voltaje K = (3. Tales representaciones se ´ denominan los gr´ficos de Bode en magnitud y fase. s es la variable de Laplace y T es la constante de tiempo.1. MB (ω) es M expresado en dB (decibelios). Por otro a n lado.2) M (ω) = √ K 1 + ω2T 2 donde M (ω) es la magnitud de 3. que equivale al 1 % con respecto a la medida real de 100 mA. entonces en 3. Por ejemplo. Luego: u K Ts + 1 = s=jω K K =√ arctan(−T ω) = M (ω)∠M (ω) T jω + 1 1 + ω2T 2 MB (ω) = 20logM (ω) ∠M = arctan(−T ω) (3. en este caso: ± 1 mA. los sensores poseen un comportamiento din´mico ıa a constante o proporcional. la respuesta en frecuencia de un sensor se determina excitando al sensor con se˜ales senoidales de amplitud constante y frecuencia variable.1 y ∠M (ω) es el argumento o fase para cada frecuencia ω. a o 3. mientras que en un flotador empleado para la medici´n de nivel. El gr´fico de MB (ω) vs ω en a escala logar´ ıtmica es la respuesta en frecuencia en magnitud del sensor representado en 3.

.48 El Sistema de Instrumentaci´n o Fig.1: Principios de los sensores. 3.

3.2: Principios de los sensores. 3.1 Sensores 49 Fig. .

.

Cap´ ıtulo 4 Elementos Finales de Control Este Cap´ ıtulo 4.1. Caracter´ ısticas .

52 Elementos Finales de Control Fig. 4. .1: Actuadores.

1 Caracter´ ısticas 53 Fig.2: Actuadores. .4. 4.

.

1(b) y (c) ha sido dividido en dos partes: Gc1 (s) y Gc2 (s). algunas de las cuales vamos a explorar en este cap´ ıtulo.1(c). cuya forma m´s conocida es: a u(t) = Kc e(t) + Kc Ti e(t)dt + Kc Td de(t) = P (t) + I(t) + D(t) dt donde Kc es la ganancia proporcional. donde r es la se˜al de referencia deseada o SP. o El objetivo de control consiste en dise˜ar una se˜al de control u. o 5. tal como se ver´ m´s adelante. (b) y (c) es del tipo SISO porque posee una entrada: u y una salida: y. 5.1(a). sin presencia de disturbios. Se emplea a para controlar sistemas caracterizados por tener una entrada y una salida. 5. comprende el proceso con FT Gp (s) cuya salida y (la se˜al PV) se desea controlar. el controlador G c2 (s) es del tipo anticipativo. n El controlador mostrado en las Figs. flujo. Los controladores mostrados en las Figs. que sea capaz de estabilizar la salida y del sistema con respecto .1. Este algoritmo posee muchas variaciones. PD o PID. Ti es el tiempo integral y Td es el tiempo derivativo. o o Es importante mencionar que el algoritmo PID es el de mayor aplicaci´n industrial o (aproximadamente el 90 %) y su modelo din´mico es lineal y de segundo orden. En la expresi´n anterior se puede ver claramente que el algoritmo PID posee una parte o proporcional P (t). Para algunas configuraciones Gc1 (s) es del tipo PI mientras que Gc2 (s) es del tipo D. Sistema de Control SISO Un sistema de control SISO realimentado o a lazo cerrado. es parte del controlador.1(a). 5. Notar que el sistema a controlar a a Gp (s) mostrado en las Figs. Dependiendo de la aplicaci´n. generada por el n n algoritmo de control. el controlador en cuesti´n puede trabajar como P. un controlador G c (s) que genera n la se˜al de control u (la se˜al MV) y el sistema de instrumentaci´n Gm (s) que se n n o ocupa de sensar y transmitir la se˜al y. mientras que Gc1 (s) es del tipo de realimentaci´n. tal como el que se muestra en la Fig.1(a) y (b) son parte de un circuito realimentado. una parte integral I(t) y otra derivativa D(t). como son los casos del control de presi´n. entre otros. 5.Cap´ ıtulo 5 Control PID SISO El controlador PID SISO procesa la se˜al de error e(t) entre la se˜al deseada r(t) n n y la se˜al controlada y(t) (la salida del sistema) empleando un algoritmo de control n ampliamente difundido en el mundo industrial. En la Fig. El comparador que genera la se˜al de error n n e = r − y. nivel. PI. 5.

7.2) previamente establecidas. cumpliendo ciertas especificaciones de dise˜o n n previamente establecidas. para evitar posibles da˜os en el actuador del elemento de n control final. 5. u El filtro de entrada sirve para eliminar las componentes de alta frecuencia. cuya presencia puede ser da˜ina durante el funcionamiento del sistema de control realin mentado. el cual ser´ tratado en la secci´n 5. du y dm actuando en la salida del sistema. los cuales no fueron considerados en el sistema de la 5.56 r e u y Control PID SISO Gc (s) G p(s) G m (s) (a) r e G c1 (s) u G p(s) G c2 (s) G m (s) (b) G c2 (s) r e G c1 (s) u y G p(s) y G m (s) (c) Fig. rechazando al mismo tiempo la acci´n de o o los disturbios que act´an sobre el sistema. tal como el mostrado en la Fig. Por otro lado. En otras palabras. La presencia de dicho limitador puede provocar el efecto denominado windup. en la salida o del controlador y en la salida del transmisor. cumpliendo ciertas especificaciones de dise˜o n n (ver secci´n 5.2.1(a). El sistema de control SISO realimentado mostrado en la Fig. ya sea en el dominio del tiempo o en el dominio de la frecuencia. a una se˜al de referencia r. a o . respectivamente.2 toma en cuenta la acci´n de los disturbios dy .1: Sistemas de control realimentados. que la se˜al de control u sea capaz de n n minimizar la se˜al de error e = r − y. 5. 5. se debe de incluir un limitador. El objetivo de control del sistema en este caso es m´ltiple: dise˜ar una se˜al de control u que sea capaz de estabilizar la salida y u n n con respecto a la se˜al de referencia r.

5. 5. se acosn tumbra emplear el sistema de segundo orden con realimentaci´n unitaria mostrado o en la Fig. y tiempo de o subida Tr . 5. Tp es el tiempo pico. Especificaciones de Dise˜ o n Todo sistema de control debe de cumplir ciertas especificaciones de dise˜o. o . las especificaciones de m´s aplicaci´n son: a o ancho de banda ωB . Para la respuesta mostrada en la Fig. 5.3(b). Mp es el valor o m´ximo de la salida y. margen de fase Mf y margen de ganancia Mg . la magnitud de la banda 2δ se mantiene en 2 % luego de transcurridos 4 veces la constante de tiempo τ del sistema.O. Ts es el tiempo a de estabilizaci´n y ess es el error en estado estable. ζ < 1 es el coeficiente o de amortiguamiento. donde ωn es la frecuencia natural de oscilaci´n. o 5. Para la situaci´n mostrada en la Fig. porcentaje de sobrenivel P. o El tiempo Ts se define como el tiempo necesario para que la amplitud de la salida y se mantenga dentro de una banda de magnitud ±δ (2δ en total).5.3(a).2.2 Especificaciones de Dise˜ o n du r Filtro de entrada e Controlador u Proceso más elemento final de control dy y y y Limitador y 57 Sensor y transmisor dm Fig.1) Para una entrada tipo escal´n de magnitud A. tiempo de estabilizaci´n Ts . con limitador de salida y sujeto a la acci´n de disturbios. Este error debe de permanecer dentro de la banda 2δ preestablecida.2. Estas n especificaciones se establecen tanto en el dominio del tiempo como en el de la frecuencia.2) El error en estado estable ess = r − yss es la diferencia entre la se˜al de referencia n r y el valor en estado estacionario yss de la salida. Esto es: Ts = 4τ τ= 4 ζωn (5. 5. En la Fig.1.3(b) se observa la respuesta transitoria a un escal´n o de entrada. A es la magnitud de la entrada tipo escal´n r. En el dominio de la frecuencia. las especificaciones m´s usadas en el dominio del tiempo son: error en estado a estable ess . 5.2: Sistema de control SISO con filtro de entrada. Especificaciones de Dise˜ o en el Dominio del Tiempo n Para explicar las especificaciones de dise˜o en el dominio del tiempo. Tr es el tiempo de subida.3(b). el P O (porcentaje de sobrenivel) o del sistema se define como: PO = Mp − A × 100 A (5.

como sigue: Gp (s) = 2 y(s) ωn = 2 2 r(s) s + 2ζωn s + ωn y(s) = Gp (s)r(s) A =A ess = r − yss = A − A = 0 t→∞ s→0 s Sin demostraci´n.3(b): 2 s2 + 2ζωn s + ωn = 0 (5. Mp y P O se expresan como: o √ Mp − A 2 P O = 100 (5.5) (5. 5. 5.6) r s (s ω2 n 2 ζ ωn ) (a) y r A ω2 n s2 0 τ 2 ζω n s ω2 n (b) Zona de estabilidad θ ωn (c) jω y y Mp A yss 0 T r Tp Ts 2δ r e ss τ Plano s s1 ζω n s2 jω d σ Zona de inestabilidad Fig.58 Control PID SISO el error ess se puede determinar empleando el teorema del valor final y teniendo en cuenta que r(s) = A/s.4) l´ y(t) = yss = l´ sGp (s) ım ım Tr = Tp = π−θ ωd π ωd ωd = ω n 1 − ζ2 θ = arc cos ζ (5.7) .3) = 100e−ζπ/ 1−ζ A √ 2 Mp = A 1 + e−ζπ/ 1−ζ (5. o La ecuaci´n caracter´ o ıstica del sistema de segundo orden es el denominador de la FT mostrada en la Fig.3: Respuesta al escal´n de un sistema de segundo orden autoregulado. las relaciones exactas para Tp .

5.2 Especificaciones de Dise˜ o n

59

Sus ra´ caracter´ ıces ısticas o eigenvalues, ilustradas en la Fig. 5.3(c), se expresan como: s1 = −ζωn + jωd s2 = −ζωn − jωd

De la Fig. 5.3(c) es f´cil deducir la relaci´n: θ = arc cos ζ usada en (5.5). a o En los sistemas sobreamortiguados, cuyas respuestas al escal´n ocurren cuando o ζ ≥ 1, tal como se muestran en las partes superior e inferior izquierda de la Fig. 2.20, el tiempo de subida Tr se define como el tiempo en que se alcanza el 90 % de la magnitud A de la entrada tipo escal´n, y se calcula de: o Tr = Ejemplo 5.1 La Fig. 5.4 muestra un sistema realimentado. Determinar la ganancia K y el polo p para que se cumplan las siguientes especificaciones de dise˜o: el porcentaje de n sobrenivel de la respuesta y(t) a un escal´n unitario debe de ser menor del 3 % y el o tiempo para alcanzar el valor estacionario de la respuesta debe de ser menor de 8 s.
r s (s K p) y

2.16ζ + 0.16 ωn

0.3 ≤ ζ ≤ 0.8

(5.8)

Fig. 5.4: Sistema realimentado del ejemplo 5.1.

Soluci´n: La FT y(s)/r(s) en la Fig. 5.4 se expresa como: o
2 y(s) K ωn = 2 = 2 2 r(s) s + ps + K s + 2ζωn s + ωn

p = 2ζωn

2 K = ωn

donde ζ se puede determinar de la condici´n P O < 3 %, a saber: o √ c ln(100/P O) 2 c= 100e−ζπ/ 1−ζ < P O → ζ > √ 2 π 1+c
4 de donde resulta: ζ < 0.745. Dado que Ts = ζωn < 8 s, entonces: ωn > (2ζ)−1 = 0.67. Luego se pueden determinar los par´metros p y K pedidos. a

5.2.2.

Especificaciones de Dise˜ o en el Dominio de la Frecuencia n

La repuesta en frecuencia de un sistema se define como la respuesta estacionaria del sistema a una se˜al sinusoide de entrada. Para determinar la respuesta en frecuenn cia de un sistema que posee una FT G(s) = y(s)/u(s), basta reemplazar la variable laplaciana s por jω, es decir, G(jω) = y(jω)/u(jω), donde j es la unidad de los n´meros imaginarios, ω es la frecuencia de la sinusoide de entrada u(jω) = Asenωt, u e y(jω) = Bsen(ωt + φ) es la salida. Si se mantiene constante la amplitud A de la entrada, para cada frecuencia ω de esta se˜al, la salida y(jω) puede experimentar n cambios, tanto en su amplitud B como en su fase φ.

60

Control PID SISO

Gr´ficos de Bode y Nyquist, y Carta de Nichols a
El gr´fico de Bode en magnitud de una FT G(jω) se obtiene graficando la magnia tud |G(jω)|dB = 20 log(G(jω)) expresada en dB (decibelios) versus la frecuencia ωlog representada en logar´ ıtmo vulgar (de base 10). El gr´fico de Bode en fase de una FT a G(jω) se obtiene graficando la fase ang(G(jω)) expresada en grados sexagesimales versus la frecuencia ωlog representada en escala logar´ ıtmica de base 10 (d´cadas) o e en escala logar´ ıtmica de base 2 (octavas). En general, la FT G(jω) de un sistema se puede representar como G(jω) = u+jv, donde u es la parte real y v es la parte imaginaria. En un gr´fico de Nyquist se gr´fica a a la parte real u versus la parte imaginaria v del sistema G(jω). El gr´fico de |G(jω)|dB versus ωlog se denomina la carta de Nichols que tambi´n a e se emplea en el dise˜o de sistemas de control v´ la respuesta en frecuencia. n ıa Ejemplo 5.2 Elaborar los gr´ficos de Bode y Nyquist y la carta Nichols del sistema: a G(s) = s2
2 ωn 2 + 2zωn s + ωn

donde ωn = 1 y el coeficiente de amortiguamiento z es variable. Soluci´n: Las Figs. 5.5, 5.6 y 5.7 muestran los gr´ficos pedidos, los cuales se reo a alizaron ejecutando los programas bode1.m, nyquist1.m y nichols1.m
Bode Diagram 20 0 Magnitude (dB) −20 −40 −60 −80 0 −45 −90 −135 −180

z=0.1 z=0.5 z=0.9 z=1.3

Phase (deg)

z=0.9 z=1.3

z=0.1 z=0.5

10

−2

10

−1

10 Frequency (rad/sec)

0

10

1

10

2

Fig. 5.5: Gr´ficos de Bode para el ejemplo 5.2. a

5.2 Especificaciones de Dise˜ o n

61

Nyquist Diagram 6

4

z=0.1
2 Imaginary Axis

z=0.5

z=0.9

0

−2

z=1.3

−4

−6 −3

−2

−1

0 Real Axis

1

2

3

Fig. 5.6: Gr´fico de Nyquist para el ejemplo 5.2. a

Nichols Chart 20

z=0.1
0

Open−Loop Gain (dB)

−20

−40

z=0.5

z=0.9

z=1.3

−60

−80

−100 −180

−135

−90 Open−Loop Phase (deg)

−45

0

Fig. 5.7: Carta de Nichols para el ejemplo 5.2.

% bode1.m clear all; close all; clc; s=tf(’s’);

62

Control PID SISO

for z=[0.1:0.4:1.3], G=1/(s^2+2*z*s +1); bode(G), hold on, end % nyquist1.m clear all; close all; clc; s=tf(’s’); for z=[0.1:0.4:1.3], G=1/(s^2+2*z*s +1); nyquist(G), hold on, end % nichols1.m clear all; close all; clc; s=tf(’s’); for z=[0.1:0.4:1.3], G=1/(s^2+2*z*s +1); nichols(G), hold on, end

Especificaciones de Dise˜ o en Frecuencia n
La Fig. 5.8(a) muestra la respuesta del sistema de segundo orden autoregulado a una entrada sinusoide, mientras que la Fig. 5.8(b) muestra su gr´fico de Bode a en magnitud. Sin demostraci´n, el valor pico Mω de la magnitud, el cual se puede o emplear como especificaci´n de dise˜o, posee la relaci´n: o n o 1 Mω = ζ ≤ 0.7 (5.9) 2ζ(1 − ζ 2 )

La frecuencia ωr en la que ocurre Mω se denomina frecuencia de resonancia y se expresa como: ζ ≤ 0.7 (5.10) ωr = ωn 1 − 2ζ 2 El ancho de banda del sistema se refiere a la frecuencia ωB para la cual existe una ca´ de 3 dB, tal como se observa en la Fig. 5.8(b) y se calcula de: ıda ωB = (−1.196ζ + 1.85)ωn 0.3 ≤ ζ ≤ 0.8 (5.11)

r(jω)=Asen ωt A t r(jω ) ω2 n (jω)2 2 ζ ωn j ω ωn 2 (a) y(jω)/r(jω ) (b) (Mω) dB 0dB −3dB 0 ωr ωB ω log
dB

y(j ω )=Bsen(ωt+φ) y(jω) B φ t

Fig. 5.8: (a) Respuesta de un proceso de segundo orden a una sinusoide. (b) Su gr´fico a de Bode en magnitud (b).

En el sistema realimentado mostrado en la Fig. 5.10(a), las FTs a lazo abierto y a lazo cerrado se definen como: y(s) G(s) y(s) = G(s)H(s) = GH(s) = e(s r(s) 1 + GH(s)

5.2 Especificaciones de Dise˜ o n En el dominio de la frecuencia, tales FTs se expresan como: y(jω) = G(jω)H(jω) = GH(jω) e(jω y(jω) G(jω) = r(jω) 1 + GH(jω)

63

La ecuaci´n caracter´ o ıstica del sistema de la Fig. 5.10(a) es: 1 + GH(jω) = 1 + u(jω) + jv(jω) donde u(jω) y (jω) son la parte real e imaginaria de GH(jω), respectivamente. En general: GH(jω) = |GH(jω)|∠GH(jω) |GH(jω)| = u2 + v 2 ∠GH(jω) = arctan v u

En el l´ ımite de estabilidad, la ecuaci´n caracter´ o ıstica toma la forma: 1 + GH(jω) = 0 GH(jω) = −1

La Fig. 5.9 grafica tal situaci´n, donde u = −1, v = 0, |GH(jω)| = 1 y ∠GH(jω) = o ◦. 180
jv GH(jω) = 180° 1 |GH(jω)| = 1 u

Fig. 5.9: (a) Sistema realimentado. (b), (c) y (d): M´rgenes de fase y de ganancia. a

El margen de ganancia Mg se define como el rec´ ıproco de la ganancia |GH(jω)| para la frecuencia en que la fase de GH(jω) alcanza 180o . Dado que GH(jω) = u+jv, dicho angulo ocurre cuando v = 0. El Mg se puede interpretar como un factor por ´ el cual tiene que aumentarse la ganancia del sistema para que el gr´fico de GH(jω) a pase por el punto cr´ ıtico (u, v) = (−1, 0), tal como se muestra en las Figs. 5.10(b), (c) y (d). Los sistemas estables poseen Mg positivos, mientras que el Mg es negativo para los sistemas inestables. El margen de fase Mf se define como el angulo de fase que debe de girar el ´ gr´fico de GH(jω) = u + jv para que el punto de magnitud |GH(jω)| = 1, pase a a trav´s del punto (u, v) = (−1, 0), tal como se muestran en las Figs. 5.10(b), (c) y (d). e Los sistemas estables poseen Mf positivos, mientras que el Mf es negativo para los sistemas inestables. Ejemplo 5.3 Determinar los m´rgenes de fase y de ganancia del sistema mostrado en la Fig. 5.10(a) a sabiendo que: 1.5 G(s) = H(s) = 0,1 (s + 0.1)(s + 0.3)(s + 0.4) Soluci´n: Ver programa mfmg1.m y Fig. 5.11. o

(b). (c) y (d): M´rgenes de fase y de ganancia. 5.64 Control PID SISO r G(jω) H(jω) y r 1 (a) GH dB ω log M g positivo G(jω) G H(jω) y GH dB 0 dB ang GH −90 −180 −270 ωlog M f positivo M g negativo ωlog −90 −180 −270 (b) ω log M f negativo M g positivo jv 1 Mg γ φ 1 u M f negativo M g negativo γ jv 1 φ u M f positivo (c) GH dB M g positivo 0 dB M f positivo −270 −180 −90 (d) −270 0 dB 1 Mg GH dB M g negativo M f negativo −180 −90 Fig.10: (a) Sistema realimentado. a .

GH = series(G.1.1262 0.3. a 5.5)/((s+0.wMg.m C´LCULO DE LOS M´RGENES DE FASE Y DE GANANCIA A A clear all. Sin embargo.4)).598 dB (at 0.Mf. Existen varias estructuras del algoritmo a PID [29].45 rad/sec) 40 20 0 −20 −40 −60 −80 0 Magnitude (dB) Phase (deg) −90 −180 −270 10 −3 10 −2 10 Frequency (rad/sec) −1 10 0 10 1 Fig. algunas de las cuales se formulan a continuaci´n. clc. close all.11: M´rgenes de fase y de ganancia para el ejemplo 5. no a existe un est´ndar industrial de tal algoritmo.4499] % SISTEMA INESTABLE PORQUE Mg EN dB Y Mf EN GRADOS SON NEGATIVOS margin(GH).3.wMf] = margin(GH). G = (1. print -f -deps mfmg1 65 Bode Diagram Gm = −0.436 rad/sec) .5.wMg.1)*(s+0.4.4359 0.Mf. H = 0. Se a estima que tal algoritmo se aplica en m´s del 90 % de las aplicaciones.4.1. 5.3)*(s+0.3 Modos de Control % mfmg1. [Mg. % GR´FICA BODE DE GH A [20*log10(Mg).wMf] % [-0. o .13 deg (at 0. s=tf(’s’). Estructuras del Controlador PID Algunas Estructuras B´sicas a El algoritmo de control PID es el m´s usado en la actualidad por la industria. Pm = −2. 5. ?? Modos de Control 5.5976 -2.H).

Kc es la ganancia proporcional. y es la salida controlada del sistema (pern manentemente sujeta a medici´n). e independiente o independiente de la ganancia. En el dominio de Laplace.13) y se formula en el dominio de Laplace como: Gc (s) = u(s) 1 = Kc + + Td s e(s) Ti s (5.12) se expresa como: Gc (s) = u(s) 1 Kc = Kc 1 + + Td s = K c + + K c Td s e(s) Ti s Ti s (5. Para estos casos se recomienda usar el siguiente filtro de primer orden formulado tanto en el dominio del tiempo como en el dominio de Laplace: def (t) 1 = e(t) − ef (t) ef (s) = e(s) (5.13). entonces T se puede formular proo porcional al tiempo derivativo como sigue: T T = α Td → ef (s) = 1 e(s) 1 + α Td s (5. Kc /Ti y Kc Td del controlador PID ideal de (5. n antes que se apliquen al algoritmo de control.14) a corresponden a los par´metros Kc .14) Notar que los par´metros Kc .15) dt 1 + Ts donde T es la constante de tiempo del filtro. a Por consiguiente.13) El controlador PID Paralelo El controlador PID paralelo. denominado tambi´n controlador no interactivo.12) donde u es la se˜al o fuerza de control. el error se expresa o o como: e = y − r. o simplemente tiempo derivativo. Cabe anotar que la forma de la se˜al de error empleada: e = r − y corresponde a n una acci´n de control inversa. r es la se˜al de referencia o n n deseada o set :point.13). 1/Ti y Td del controlador PID paralelo dado en (5. Por otro lado.14) puede ser siempre reemplazado por (5. el tiempo integral o tiempo reset Ti se expresa a menudo como la tasa integral o reset Tr = 1/Ti . denominado tambi´n paralelo ideal. Para una acci´n de control directa. e es la se˜al de error. (5. (5. es una variaci´n del controlador ideal o de (5. y Td es la constante de tiempo derivativa. Dado que el ruido en el sistema se amplifica principalmente por la acci´n derivativa. Ti es la constante de tiempo integral o simplemente tiempo integral. algoe ritmo ISA (Instrument Society of America) o controlador pararlelo no interactivo se formula como: u = KC e + e = r−y 1 Ti t e dt + Td 0 de dt (5. El controlador PID Ideal Filtrado Muchas veces es necesario introducir un filtro para suavizar se˜ales ruidosas.16) .66 El controlador PID Ideal Control PID SISO El controlador PID ideal. no interactivo. Nosotros seguiremos usando la primera forma.

5Kc 1 + Ti = 0.16).4 Estructuras del Controlador PID 67 Introduciendo en (5. interactuante.5.19) El Controlador PID Cl´sico Generalizado a El controlador PID cl´sico generalizado mostrado.23) Kc = 0.22) es semejante a la estructura dada en (5.13) el filtro dado en (5. con 3 ≤ N ≤ 10 se formula a como: Gc (s) = u(s) = Kc e(s) 1+ Td s 1 + Ti s 1 + T d s N bf 0 + bf 1 s + bf 2 s2 1 + a f 1 s + a f 2 s2 (5.12) con: Kc = K c Ti + T d Ti Ti = T i + T d Td = Ti Td Ti + T d (5. interace tuante o el algoritmo an´logo y se describe como: a Gc (s) = u(s) 1 = Kc 1 + e(s) Ti s 1 + Td s (5.5Td 1 + . a e interactivo.20) El Controlador PID Dependiente El controlador PID dependiente se denomina tambi´n controlador serie.5Ti 1 + 1 − 4Td /Ti 1 − 4Td /Ti 1 − 4Td /Ti (5.17) El Controlador PID con Parte Derivativa Filtrada El controlador PID con parte derivativa filtrada posee la expresi´n: o Gc (s) = u(s) = Kc e(s) 1+ 1 Td s + Ti s 1 + T d s N 3 ≤ N ≤ 10 (5.21) se puede reordenar como: o Gc (s) = Kc Ti + T d T T s 1 1+ + i d Ti Ti + T d s Ti + T d = Kc 1 + 1 + Td s Ti s (5.18) El Controlador PID Cl´sico a El controlador PID cl´sico mostrado se denomina tambi´n controlador en cascada.24) Td = 0.21) La expresi´n dada en (5. se obtiene el siguiente controlador PID ideal filtrado: Gc (s) = u(s) = Kc e(s) 1 1 + αTd s 1+ 1 + Td s Ti s (5. an´logo o comercial y se describe como: a Gc (s) = 1 u(s) = Kc 1 + e(s) Ti s 1 + Td s 1+ Td N s 3 ≤ N ≤ 10 (5. serie.22) La estructura en (5.

a ya que para esta condici´n los par´metros en (5.24). La Banda Proporcional BP % En muchos casos pr´cticos no se emplea la ganancia Kc del controlador. mientras que su salida es la se˜al de control que ingresa al n elemento de control final. La entrada del controlador o es el error de desviaci´n entre la se˜al deseada (set point) y la variable controlada o n (la salida del sistema). en donde la acci´n proporcional est´ representada por la palanca y el o a ajuste del ancho de la PB % se realiza desplazando el punto pivote de la palanca. 5. Es posible ajustar la cantidad de acci´n proporcional suministrada por el controo lador. conocido tambi´n como controlador e m–PID o ISA–PID.12(a) el punto pivote est´ ubicado en el centro de la palanca.4. los par´metros de sintonizaci´n se convierten en: a o Kc = 0. sino su ina versa expresada en porcentaje. o a El Controlador PID Interactivo El controlador interactivo posee la siguiente estructura (compararla con la estructura del controlador cl´sico): a Gc (s) = 1 u(s) = Kc 1 + e(s) Ti s Td s 1+ Td N s (5.25) El Controlador PID Mejorado El controlador mejorado posee la siguiente estructura (compararla con la estructura del controlador interactivo): u(s) = Kc 1 + 1 Ti s e(s) − Kc Td s 1+ Td N s y(s) (5. debido a la acci´n del control proporcional. Este ajuste se refiere al cambio del ancho de la PB %. la cual se denomina banda proporcional (BP %). En la Fig.26) El Controlador PID con Dos Grados de Libertad El controlador con dos grados de libertad.12. En o . tal como se ilustra en la Fig.27) Td Ti s Ti s 1 + T d s 1+ N s N 5.5Kc Ti = 0. 5.24) se vuelven imaginarios.68 Control PID SISO Cuando Td = Ti /4 en (5.2. Observar a que es necesario que la se˜al de entrada haga un recorrido completo (desde su valor n m´ ınimo hasta su valor m´ximo) para mover el elemento de control final (la v´lvula a a de control) desde su posici´n completamente abierta a completamente cerrada. posee la siguiente estructura: u(s) = Kc (1 − α) + (1 − β)Td s 1 Td s 1 + + e(s)−Kc 1 + y(s) (5. el controlador dependiente nunca ser´ similar al controlador ideal. Esta banda proporcional se puede definir como la cantidad necesaria de cambio porcentual en la entrada del controlador para provocar un cambio de rango completo (100 %) en su salida.5Ti Td = 0.5Td Para Td > TI /4.

13 muestra el diagrama en bloque de un controlador P (proporcional) caracterizado por su ganancia Kc . el punto pivote debe de desplazarse hacia la izquierda del punto medio de la palanca. Por lo tanto. En un caso real. 5. tal como se observa en la Fig. Pivote (a) PB% = 100% Mín. y€ y€ y€ ‚  ‚ v v uu uv SS S T T PQ PQ PQ – •– • •– Pivote Error Máx. 5.5. (b) PB% = 200% Error Máx. la v´lvula nunca estar´ ni completamente abierta ni a a a completamente cerrada. en donde un cambio de 50 % en la entrada es suficiente para provocar un cambio de 100 % (rango completo) en la salida. digamos 50 %.12(c). U es el rango m´ximo de la n a salida del controlador y E es el rango de medici´n de la se˜al controlada. 5. Mín. denotada como BP %.12(b) ilustra el caso de una PB % igual a 200 % debido a s´lo un cambio o de 200 % en la entrada va a provocar una salida de rango completo (100 %). La Fig.12: Cambio en la PB % para modificar la acci´n proporcional del controlador. Fig. Para obtener una PB % de. se define como la inversa de la II I gggg d h h gh h h WW ghgh dd W bc r gh qr gh qr gh qr gh qr gh qr qghgh  h r bc VUV ghghgh qrqr UV U rg qqqq h h gh h h  r qr r r  qgggg   r qr qr qr qr qr  gh gh gh gh gh  R R gggg `a ghgh qr p`a  rq r r qr r r  qqqqq h h gh h h  hgggg i ggh qrqr ip r r qr r r r qqqqq h h gh h h  XY rgh gh gh gh gh gh   qgh qr XY qr qr qr qr qr qqqq r qr r r r qrqr qr qr qr qr qr qr ef qr ef ef (c) PB% = 50%   CCCC  CD D CD D CD D D 2 1 CD CD CD CD CD CD 12 CD D D D CD D D  CCCCC CD E E E E E E CCCCC E )0 )0 CD F EF F F EF F ED EEE D D CD D D  CD CD CD ECD ECD CD E  EF F EEF F  F EF F $#$ CDCD EF # #$ CCCC D EFEFEF CD D CD D D  EF EF EF  CD CD CD CD CD CD  CD EF F EF F  F EF F EEEE D D D CD D D   CCCCC %&%& CD EFEF EF EF EF EF EF EF ( F EF F F EF F ' EEEE '( EF EF ! EF "! EF "! "! EF EF EF EF AB AB AB Error Máx. o La Fig.4 Estructuras del Controlador PID 69 este caso. la cual se define como la relaci´n de cambios entre o la entrada y la salida: ∆u/u Kc = (5. no es posible cambiar la entrada a 200 % debido a que 100 % es su m´ximo cambio.28) ∆e/e donde ∆e es el cambio en el error de control (la entrada del controlador). Abertura de válvula 100% Mín. la PB % es 100 % porque se requiere un cambio de 100 % en la entrada para provocar un cambio de 100 % en la salida (salida de rango completo). 5. La banda o n proporcional en porcentaje. Abertura de válvula 100% 50% 0% Pivote Abertura de válvula 100% 50% 0% st st st …† …† …† ƒ ƒ„ ƒ„ „  xw wx     ‰‰ — —  ‡ˆ ‡ˆ “” ” ““  ‘’ ‘’ 56 56 HG 34 3 HG 34 4  @9 9@ 8 8 77 78 50% 0% . ∆u es cambio en la se˜al de control (la salida del controlador).

Soluci´n.29) ∆e E Controlador Proporcional ∆u U Fig.100o C = 400o C. La referencia [29] contiene un lista exhaustiva de las reglas de sintonizaci´n de varias estructuras de controladores o PI y PID aplicados a diversos tipos de plantas.70 ganancia Kc del controlador: PB % = 100 Kc Control PID SISO (5. sintonizando los a par´metros del controlador.5.28): 3 mm/40 mm ∆u/U = =2 Kc = ∆e/E 15o C/400o C mientras que la PB % se calcula de (5. Este objetivo de control se logra determinando los valores adecuados de los par´metros Kc . 5. En otras palabras. 5. Se sabe adem´s que el desplazamiento m´ximo del v´stago es de U = 40 a a a mm y que el rango de medici´n de la variable del sistema controlado es de 100 o C a o 500o C.4 Determinar la banda proporcional de un controlador PID operando en un sistema de control de temperatura.13: Controlador tipo P (proporcional).12(c). sabiendo que un cambio de ∆e = 15o C en la entrada del controlador produjo un desplazamiento de ∆u = 3 mm en el v´stago de la v´lvula a a de control. 5.. lo cual significa que E = 500o C . Ejemplo 5. Existen diversos m´todos de sintonizaci´n. algunos de a e o los cuales vamos a explorar e ilustrar con aplicaciones. provoque que la salida de dicho sistema siga a una se˜al de referencia. cumpliendo ciertas especificaciones de dise˜o previamente n n establecidas. el controlador PID debe generar la se˜al n de control que actuando sobre el sistema. M´todos de Sintonizaci´n de Controladores PID e o En un sistema de control realimentado. .La ganancia Kc del controlador para el punto de operaci´n en estudio se o o determina de (5. Ti y Td del controlador.29): PB % = 100 100 = = 50 % Kc 2 que corresponde al caso mostrado en la Fig.

(ver referencias de [29]). los sistemas no autoregulados poseen una o respuesta al escal´n que crece continuamente (no estacionaria).5. se aplica para controlar sistemas que poseen una FT de la forma Gp (s) = Kp e−τ s . o Tabla 5.31) Kp 4 Si la FT de la planta posee la forma: Gp (s) = Kp (T1 s + 1)(T2 s + 1) (5.1: Reglas de sinton´ para controlar sistemas tipo Gp (s) = Kp e−τ s .2 % de la magnitud de la ganancia Kp . o M´todo de la Constante de Tiempo del Lazo e El m´todo de la constante de tiempo del lazo se emplea para plantas que poseen e una FT de primer orden: Kp Gp (s) = (5. para una primera aproximaci´n. El control se realiza empleando la configuraci´n de la Fig. se calculan de: a o o Kc = 1 Kp Ti = T 1 + T 2 Td = 1 Ti 4 Sintonizaci´n de Sistemas con FT Gp (s) = Kp e−τ s o La Tabla 5.7 Kp τ Ti 2. 5.1(a). tiempo que corresponde al al 63.5.5 M´todos de Sintonizaci´n de Controladores PID e o 71 5.5 . El 100 % de la magnitud de Kp se alcanza en aproximadamente 4T .1. En contraposici´n. o o caracterizada por poseer un estado estacionario.30) Ts + 1 donde T es la constante de tiempo de la planta.1 atribuida a Hartree et al. M´todo de la Curva de Reacci´n (Sistemas Autoregulados) e o El m´todo de la curva de reacci´n usa el hecho de que muchos sistemas industriales e o poseen una respuesta a lazo abierto a una entrada escal´n (la curva de reacci´n).32) los par´metros de sintonizaci´n.66τ Td τ Ejemplo 5. ıa M´todo e Curva de reacci´n o Controlador Gc (s) Kc 1 + 1 Ti s 1+Td s Td 1+ N s Kc 0. Tales sistemas se conocen tambi´n e como autoregulados. Los par´metros del controlador PID se sintonizan con las relaciones a siguientes: 1 1 Kc = Ti = T T d = Ti (5.

s Gc1(s) th th Td .1(a). por lo que es n dificultosa su cuantificaci´n.66*tau. a a empleando la Tabla 5. 2. xlabel(’TIEMPO [s]’). xlabel(’TIEMPO [s]’). en cascada con un tiempo muerto τ : Kp y(s) Gp (s) = = e−τ s (5. title(’CONTROL DEL SISTEMA G(s)=Kp*exp(-tau*s)’) subplot(212). Kc=0. subplot(211).mdl Kc r rh rh Clock Kc Ti . La Fig. 5. load uh.1: Gp (s) = Kp −τ s e Control PID SISO donde Kp = 2 y τ = 2. Las f´rmulas en dicha tabla fueron el producto de intensivos o trabajos experimentales realizados por los investigadores Ziegler y Nichols en 1942 [15]. clc. hartree 1.m clear all.s+1 Gc2(s) uh uh Kp Kp yh yh tau Scope Fig.18 y se aplica a sistemas autoregulados que se pueden modelar como un sistema de primer orden de ganancia Kp y constante de tiempo T .th.m. Ti=2. o En algunos sistemas. que luego son o a usados para determinar los par´metros KC .uh).mdl). load yh. ylabel(’CONTROL u(t)’) print -f -deps hartree1graf.14 muestra el diagrama Simulink del sistema de control (archivo hartree1. TI y TD del controlador PID est´ndar. Td=tau. % hartree1graf.s+1 Td /N. Este gr´fico se obtuvo ejecutando el archivo hartree1graf.15 muestra la salida y(t) controlada y la se˜al de n control u(t).33) u(s) Ts + 1 La curva de reacci´n se emplea para obtener los par´metros τ y T . 5. r=1. mientras que la 5. 5. Para el control emplear el diagrama de bloques de la Fig. el tiempo muerto τ es bastante peque˜o. cuyo listado a se muestra abajo. load rh. Soluci´n: Usamos la Tabla 5. es conocido un m´todo de c´lculo que o e a . tau=2. Kp=2.72 Se desea controlar el siguiente sistema empleando la Tabla 5.5.33).7/(Kp*tau). Este m´todo se aplica a sistemas autoregulados cuya curva de reacci´n se puede e o aproximar mediante la relaci´n (5. plot(th.rh.14: Diagrama Simulink para el ejemplo 5. Para estos casos. close all. plot(th. print -s -deps hartree1 M´todo de la Curva de Reacci´n de Ziegler y Nichols e o El m´todo de la curva de reacci´n de Ziegler y Nichols emplea la curva de reacci´n e o o de la Fig.yh). N=3. load th.2.s+1 Ti . ylabel(’SALIDA y(t)’).1 para calcular los par´metros del controlador PID con o a N = 3.

a= Kp τ T Ti ∞ 10τ /3 2τ ∞ Td 0 0 0.5 1 SALIDA y(t) 0.5τ 0.42τ 1/a 0. los par´metros T y τ se determinan de: a T = 3 (t2 − t1 ) 2 τ = t2 − T (5. las cuales o a ocurren en los tiempos t1 = τ + T /3 y t2 = τ + T .6 0.16.34) .2 0 −0.5 0 −0.2 CONTROL u(t) 0 20 40 60 80 100 TIEMPO [s] 120 140 160 180 200 Fig. Estos tiempos corresponden al 28.2/a + Td s Kc (1 + Td s) consiste en localizar en la curva de reacci´n las tazas de cambio m´s altas. a Tipo P PI PID PD Controlador Gc (s) Kc Kc 1 + Kc 1 + 1 Ti s 1 Ti s Kc = 100 BP .2/a 1.9/a 1.2 % del valor m´ximo de la curva de reacci´n.5. Ti y Td .35 % y 63. n Tabla 5.4 0.15: Salida controlada y se˜al de control para el ejemplo 5. 5.5 0 20 40 60 80 100 TIEMPO [s] 120 140 160 180 200 0.5. Conociendo t1 y t2 . 5.2: M´todo de la curva de reacci´n de Ziegler y Nichols para determinar los e o par´metros Kc . tal como se muestra en a o la Fig.5 M´todos de Sintonizaci´n de Controladores PID e o CONTROL DEL SISTEMA G(s)=Kp*exp(−tau*s) 73 1.

5].1(b). xlabel(’TIEMPO’). Ti=2*tau. ylabel(’AMPLITUD’). Te ] = [0. Tc=1.5. grid.’k’). 2.3% t 1 t2 t Fig. ecuaci´n (5. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)).5*tau.7-tau. title(’SALIDAS CONTROLADAS’).Gcd).2% 28. Tales resultados se obtienen ejecutando el programa zn1. Td=0. PI-D Y PI-Dy EMPLEANDO LA CURVA DE REACCI ´N O clear all.5. 5. mientras que para el control PI–Dy usar el diagrama de bloques de la Fig. % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s). Con estos valores se calculan los par´metros del controlador PID a empleando la Tabla 5. Tc .5. 2. Kc=1.6 Se desea controlar el siguiente sistema de quinto orden empleando la t´cnica de la e curva de reacci´n de Ziegler y Nichols: o Gp (s) = Kp (s + Ta )(s + Tb )(s + Tc )(s + Td )(s + Te ) donde: [Ta .m listado abajo.16: Tazas de cambio m´s altas de la curva de reacci´n. PI_Dy=feedback(Gci*Gpcd.PI_Dy. Gpcd=feedback(Gp.21)) y mejorado (PI–Dy. ylabel(’SALIDA’). N=10.1). title(’RESPUESTA AL ESCAL´N’).2. Td .’k’.7 – τ = 5 s.1). O tau=1. Td=2.2/a. 5. clc.’k’).% CONTROL PI-D Gci=Kc*(1+1/Ti/s). a o Ejemplo 5. close all. % PROCESO subplot(211).5.1).5. El segundo gr´fico de la Fig.PI_D.26)). Para prop´sitos de comparaci´n o o emplear los controladores ideal (PID. PID=feedback(Gp*Gc1. Soluci´n: El primer gr´fico de la Fig.m CONTROL PID. Para el control PID y PI–D emplear el o diagrama de bloques de la Fig. Kp=10. De esta curva se pueden obtener los par´metros τ = 1. % TOMADOS DE LA CURVA DE REACCI ´N O a=Kp*tau/T. Ta=0. step(PID. ecuaci´n o o (5. 1.17 muestra la respuesta al escal´n (la curva o a o de reacci´n) del sistema. 5. Gcd=Kc*Td*s/(1+Td*s/N). T=6. s=tf(’s’).7.17 ilustra la comparaci´n a o entre las salidas controladas.74 Control PID SISO y 100% 63. Te=2.’k’. % zn1. print -deps -f zn1 .13)). 5. ecuaci´n (5. Gp=Kp/(s+Ta)/(s+Tb)/(s+Tc)/(s+Td)/(s+Te). % CONTROL PI-Dy subplot(212). 5. Tb=1. xlabel(’TIEMPO’).7 s y o a T = 6. step(Gp.1(a). dependiente (PI–D. PI_D=feedback(Gp*Gc2. 1. Tb .

del tanque y del flotador se formulan respectia vamente: GH (s) = 10 s+1 GT (s) = 3.19 muestra la respuesta al escal´n (la curva o a o de reacci´n) del sistema. el tiempo muerto τ se puede calcular usando la relaci´n τ = d/v. de la cual se obtiene τ = 1 y T = 27 − τ = 26. ecuaci´n o o o (5. El a .18(b).6 (gr´fico inferior). Con estos o valores se calculan los par´metros del controlador PID empleando la Tabla 5. ecuaci´n (5. 5. En este sistema. extra´ de [16].18(c).26)).5 M´todos de Sintonizaci´n de Controladores PID e o 75 RESPUESTA AL ESCALÓN 6 AMPLITUD 4 2 0 0 5 TIEMPO (sec) SALIDAS CONTROLADAS 10 15 1.15 30s + 1 GF (s) = 1 1 9 s2 1 + 3s+1 τ =1 Para prop´sitos de comparaci´n emplear los controladores ideal (PID. ecuaci´n (5.7 Se desea controlar el sistema nivel en un tanque de almacenamiento empleando la t´cnica de la curva de reacci´n de Ziegler y Nichols. El diagrama de bloques del sise o tema nivel. donde o v es la velocidad del flujo que ingresa al tanque y d es es la longitud de tuber´ que ıa existe entre la v´lvula de control de flujo y el punto de salida del flujo.18(a). 5.13)). a Ejemplo 5. 5.5 PD 0 0 10 P 20 30 TIEMPO (sec) 40 50 60 Fig. a Soluci´n: El primer gr´fico de la Fig. mientras que para el control PI–Dy usar el diagrama de bloques de la Fig. se muestra en la Fig. donde las funciones de ıdo transferencia del actuador hidr´ulico. dependiente (PI–D. o o Para el control PID y PI–D emplear el diagrama de bloques de la Fig.21)) y mejorado (PI–Dy. 5.5.2.17: Respuesta al escal´n del sistema (gr´fico superior) y respuestas controladas o a para el ejemplo 5.5 PID PI SALIDA 1 0. 5.

(a) Sistema.15/(30*s+1). (b) estructura para control PID o PI–D. % Kp ES EL PRODUCTO DE 10*3. 5. % TOMADOS DE LA CURVA DE REACCI ´N O [num.’k’).2/a. Gtau=tf(num. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)). 5.den).m listado abajo. N=10. s=tf(’s’). GT=3. Ti=2*tau.19 ilustra la comparaci´n entre las salidas controladas. grid % GENERA LA CURVA DE REACCI ´N O title(’RESPUESTA AL ESCAL´N’). O tau=2. segundo gr´fico de la Fig.76 Controlador d Flotador Control PID SISO Referencia (set point) Actuador v r e GC (s) u Controlador GT (s) e −sτ Actuador Tiempo muerto Tanque G H(s) ym (a) y GF (s) Flotador e −sτ GT (s) Tanque GF (s) Flotador e −sτ G Cd(s) GT (s) Tanque y y r e GC (s) Controlador u G H(s) Actuador ym (b) r e G C i(s) u G H(s) Actuador Controlador proporcional integral ym Controlador derivativo GF (s) (c) Fig.m CONTROL PID. PID=feedback(Gp*Gc1. Kc=1. Kp=31.15 a=Kp*tau/T. T=32-tau. % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s). PI_D=feedback(Gp*Gc2. Gpo=GH*Gtau*GT*GF. xlabel(’TIEMPO’).5. Td=0.3). % Gpo: PROCESO A LAZO ABIERTO INCLUYENDO GF (FLOTADOR) subplot(211). a o Tales resultados se obtienen ejecutando el programa zn1a. ylabel(’AMPLITUD’).GF).GF). % APROXIMACI ´N DEL TIEMPO MUERTO O Gp=GH*Gtau*GT. step(Gpo. (c) estructura para control PI–Dy. ´ % zn1a. close all. GF=1/(s^2/9+s/3+1).5*tau.18: Diagrama de bloques del sistema de control de nivel. % CONTROL PI-D .den]=pade(1. clc. PI-D Y PI-Dy EMPLEANDO LA CURVA DE REACCI ON clear all. Gtau=exp(-1*s). GH=10/(s+1).

’k’.PI_Dy.5 PI−Dy SALIDA 1 PID y PI−D 0. print -deps -f zn1a M´todo de Kessler e La Tabla 5.19: Curva de reacci´n del sistema nivel y respuestas controladas para el ejemplo o 5. grid.8 La din´mica simplificada de un avi´n–helic´ptero se puede representar mediante la a o o siguiente FT: 1 Gp(s) = (1 + 20s)(1 + 10s)(1 + 0.5 0 0 10 20 30 TIEMPO (sec) 40 50 60 Fig. que es del tipo PTn .7 (gr´fico inferior).GF).PI_D. a ´ n Ejemplo 5. title(’SALIDAS CONTROLADAS’).5 M´todos de Sintonizaci´n de Controladores PID e o 77 RESPUESTA AL ESCALÓN 40 AMPLITUD 30 20 10 0 0 20 40 60 80 100 TIEMPO (sec) 120 140 160 180 SALIDAS CONTROLADAS 1.5s) Controlar dicho sistema empleando el m´todo de Kessler.3 muestra las f´rmulas propuestas por C. Kessler [25] para determinar o los par´metros de un controlador PID basado en criterios optimos de dise˜o. 5. e Soluci´n: La FT del sistema.Gcd). PI_Dy=feedback(Gci*Gpcd. se puede formular como: o Gp(s) = Kp (1 + T1 s)(1 + T2 s) µ (1 + tµ s) . xlabel(’TIEMPO’). % CONTROL PI-Dy subplot(212). Gpcd=feedback(Gp. Gcd=Kc*Td*s/(1+Td*s/N).5. step(PID. a Gci=Kc*(1+1/Ti/s).’k’).’k’. ylabel(’SALIDA’).

Este sistema se puede estabilizar con un controlador PID. RESPUESTA AL ESCALÓN 1 0. y.4 0.3: M´todo de Kessler para hallar los par´metros K c .m listado abajo. T1 > 4Tσ Kp (1+T1 s)(1+T2 s) µ (1+tµ s) PID Kc 1 + 1 Ti s (1 + Td s) T1 2Kp Tσ 4Tσ T2 Tσ = Σµ tµ .20: Respuesta al escal´n (gr´fico superior) y respuesta controlada (gr´fico ino a a ferior) empleando un controlador PID de acuerdo al m´todo de Kessler. T1 = 20. e a Sistema Gp (s) Kp (1+T1 s) µ (1+tµ s) Tipo PI Controlador Gc (s) Kc 1 + 1 TI s Kc T1 2Kp Tσ Ti 4Tσ Td Tσ = Σµ tµ . µ = 1. 5.20.2 0 0 20 40 60 80 100 TIEMPO (sec) 120 140 160 180 SALIDA CONTROLADA 1.5 0 0 2 4 6 TIEMPO (sec) 8 10 12 Fig. e % kessler2.5 SALIDA 1 0.78 Control PID SISO Tabla 5.8 AMPLITUD 0.25. Ti y Td .6 0. T1 > T2 > Tσ .m CONTROL PID EMPLEANDO EL M´TODO DE KESSLER E . T2 = 10. tµ = t1 = Tσ = 0. 5. T1 > 4Tσ . tal como se observa en la Fig. T1 > 4Tσ T1 > T 2 > T σ donde: Kp = 1. resultado que se obtiene ejecutando el programa kessler2.

5.8. las cuales se obtienen ejecutando el programa chrd. Gp=Kp/(1+T1*s)/(1+T2*s)/(1+tmu*s). tal como se muestra en la Fig. Este a o m´todo propone un conjunto de reglas de sintonizaci´n para los casos siguientes (ver e o Tabla 5.5 M´todos de Sintonizaci´n de Controladores PID e o clear all. mu=1.21(a). title(’SALIDA CONTROLADA’). .8 . ecuaci´n (5. 5. % CONTROL PID subplot(212). 4. Respuesta aperi´dica sin sobrenivel de la salida controlada y a cambios tipo o escal´n de la entrada de referencia r. 5. print -deps -f kessler2 79 M´todo de Chien–Hrones–Reswick e El m´todo de Chien–Hrones–Reswick (CHR) [19] ilustrado en la Fig. ylabel(’AMPLITUD’).1). Observar que en esta situaci´n existe rechazo al disturbio dado que yd tiende a cero. ecuaci´n (5.19. tmu=0.5. O KC=T1/(2*Kp*Tsigma). Ejemplo 5.21)) y mejorado (PI–Dy.13)).21(c).21(e).8. La Fig. Con estos valores se calculan los par´metros del controlador empleando a la Tabla 5. tal como se muestra en la Fig. xlabel(’TIEMPO’).22(a)).4 (caso (c).4 < ζ < 0. clc. ecuaci´n (5. dependiente (PI– o o D. % PROCESO subplot(211). Tsigma=tmu. T2=10.22 respectivamente. 5. xlabel(’TIEMPO’). sin presencia del disturbio d.22 ilustra la comparaci´n entre o las salidas controladas. 5. sin presencia de la se˜al r.21(d). close all. y para un coeficiente o n de amortiguamiento de 0. controlador PID).26)). step(Gp). Gc=KC*(1+1/TI/s)*(1+TD*s). grid.21(b).5.4): 1. y para un o coeficiente de amortiguamiento ζ > 0.33). Respuesta aperi´dica sin sobrenivel de la salida controlada yd a cambios tipo o escal´n del disturbio d. T1=20. TI=4*Tsigma.9 Se desea controlar el sistema nivel del ejemplo 5. empleando las estructuras o o (b) y (c) de la Fig. se e aplica a sistemas que aceptan un modelo din´mico como el de la ecuaci´n (5. step(PID). Respuesta peri´dica con sobrenivel de 20 % de la salida controlada y a cambios o tipo escal´n de la entrada r. 5. grid. 5.7 empleando el m´todo de Chien– e Hrones–Reswick para el caso de rechazo al disturbio (r=0 y d = 0) sin presencia de oscilaciones en la respuesta del sistema (ver Fig. Soluci´n: Los par´metros τ = 2 y T = 32−τ = 20 se obtuvieron con el primer gr´fico o a a de la Fig.m listado abajo. Kp=1. o 3. PID=feedback(Gp*Gc. 5. 2. sin presencia del disturbio d. s=tf(’s’). sin presencia de la entrada r. Respuesta aperi´dica con sobrenivel de 20 % de la salida controlada y d a cambios o tipo escal´n del disturbio d. Para prop´sitos de o comparaci´n emplear los controladores ideal (PID. Observar que en esta situaci´n tambi´n existe rechazo al disturbio dado que y d o e tiende a cero. TD=T2. y para un coeficiente de o amortiguamiento ζ > 0. tal como se muestra en la Fig. y para un coeficiente o de amortiguamiento de 0.4 < ζ < 0. ylabel(’SALIDA’).8. 5. tal como se muestra en la Fig. title(’RESPUESTA AL ESCAL´N’).

5τ % chrd. close all.7/a Ti = ∞ Td = 0 Kc = 0. clc. TI y TD .8 r=0 Kc = 0.7/a Ti = ∞ Td = 0 Kc = 0.3/a Ti = ∞ Td = 0 Kc = 0. e Tipo Controlador GC (s) Caso (b): ζ > 0.m CONTROL PID. 5.4τ Td = 0.7/a Ti = 2.47τ Caso (e): 0.3/a Ti = ∞ Td = 0 Kc = 0.42τ Caso (d): 0.4T Td = 0.95/a Ti = 2. .8 d=0 Kc = 0.95/a Ti = 1.6/a Ti = T Td = 0 Kc = 0.4< ζ < 0.8 r=0 Kc = 0. e Tabla 5.35/a PI Kc 1 + 1 Ti s Caso (c): ζ > 0.4: M´todo de Chien–Hrones–Reswick para determinar K C .2/a Ti = 2τ Td = 0. PI-D Y PI-Dy POR EL M´TODO CHR PARA RECHAZO AL DISTURBIO E clear all.21: M´todo de Chien–Hrones–Reswick.80 d D r R t r e PID (a) y R d=0 t (b) y d D t (c) D (e) r=0 y d (d) r=0 R d=0 t u y Control PID SISO d Proceso y t t Fig.6/a Ti = 4τ Td = 0 Kc = 0.42τ P Kc Ti = 1.4< ζ < 0.2T Td = 0 Kc = 0.8 d=0 Kc = 0.6/a PID Kc 1 + 1 Ti s + Td s Ti = T Td = 0.3τ Td = 0 Kc = 1.

GF=1/(s^2/9+s/3+1).’b’.Gci*GF+Gcd). Kc=0. Coon [20] que tambi´n se aplica a sistemas e que aceptan un modelo din´mico como el de la ecuaci´n (5. xlabel(’TIEMPO’).5 M´todos de Sintonizaci´n de Controladores PID e o Actuador v (a) 81 Controlador d Disturbio d Flotador y d e u GT (s) e −sτ Actuador Tiempo muerto Tanque G H(s) GC (s) (b) GF (s) Flotador y Controlador u G H(s) Actuador e −sτ GT (s) Tanque Control D G Cd(s) Control PI G C i(s) (c) GF (s) Fig. GT=3.42*tau. Las f´rmulas de a o o sintonizaci´n se muestran en la Tabla 5.PI_D. grid. Gtau=num/den. Kp=31.’b’. PID=feedback(Gp. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)).PI_Dy.den]=pade(1. N=10.15/(30*s+1). % CONTROL PI-Dy step(PID. [num.3).5. Gcd=Kc*Td*s/(1+Td*s/N).5 tau=2.A. Ti=2. donde: o a= Kp τ T L= τ τ +T (5. (a)) empleando controladores PID y PI–D (Fig. % APROXIMACI ´N DEL TIEMPO MUERTO O Gp=GH*Gtau*GT. % CONTROL PI-D Gci=Kc*(1+1/Ti/s). PI_D=feedback(Gp.5.95/a. ylabel(’SALIDA’). % TOMADOS DE LA CURVA DE REACCI ´N O a=Kp*tau/T.35) .H.Gc1*GF). print -deps -f chrd M´todo de Cohen–Coon e Otro m´todo de sintonizaci´n del tipo Ziegler y Nichols es el desarrollado por e o los investigadores G.Gc2*GF).33).5. 5. Td=0. % Kp ES EL PRODUCTO DE 10*31.4*tau. GH=10/(s+1). s=tf(’s’). (b))y PI–Dy (Fig. (c)). Cohen y G. T=32-tau.22: Estructuras para el rechazo al disturbio en el control del sistema nivel (Fig.’b’). PI_Dy=feedback(Gp. title(’SALIDAS CONTROLADAS’). % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s).

27−0. mientras que para el control PI–Dy usar el diagrama de bloques de la Fig.23: Rechazo al disturbio empleando controladores tipo PID. 5. 5. El diagrama de bloques del sistema nivel se muestra en la Fig.18(b).92L 1 + 01−L 1 + 0.24 a 1.6 cuando L es o suficientemente peque˜o.37L 1−0.18(c). n Tabla 5.2 −0. .4 0 10 20 30 TIEMPO (sec) 40 50 60 Fig.36L 1−0. 5.4 PI−Dy 0.35L 1−L TI ∞ 3. Notar que las f´rmulas de la Tabla 5. PI–D y PI–Dy.10 Se desea controlar el sistema nivel descrito en el ejemplo 5.5−2L 1−0.2 1 0. TI y TD .6 0.2 0 PID y PI−D −0.18L 1 + 01−L 2.37−0.5: M´todo de Cohen y Coon para hallar los par´metros K C . Para prop´sitos de comparaci´n emplear los controladores PID.13L 1−L .2L TD 0 τ 0 0.8L τ KC (1 + TD s) KC 1 + + TD s .4 1. Para o o el control PID y PI–D emplear el diagrama de bloques de la Fig.39L ∞ τ Ejemplo 5.82 Control PID SISO SALIDAS CONTROLADAS 1.8 SALIDA 0.5 se asemejan a las de la Tabla 5.3−3L 1+1.7 empleando el m´todo de e Cohen–Coon.9 a 1.35 a KC = 1+ 100 BP 0. e a Tipo P PI PD PID Controlador GC (s) KC KC 1 + 1 TI s 1 TI s 1 a 0.87L τ 0.18(a). PI–D y PI–Dy. 5.

35/a*(1+0.8*L).37*L)*tau/(1-0. SALIDAS CONTROLADAS 1.PI_D.2 0 0 5 10 15 20 TIEMPO (sec) 25 30 35 40 Fig. PI_D=feedback(Gp*Gc2.’k’. N=10.m CONTROL PID.Gcd).5. La Fig. Ti=(2. Gtau=num/den.3). GF=1/(s^2/9+s/3+1). GH=10/(s+1). GT=3. tal como se u n muestra en la Fig. title(’SALIDAS CONTROLADAS’).19. % PID Gc1=Kc*(1+1/Ti/s+Td*s).5.15/(30*s+1). % APROXIMACI ´N DEL TIEMPO MUERTO O Gp=GH*Gtau*GT. Gcd=feedback(Gp.25(a).37-0.’k’. L=tau/(tau+T). 5.39*L).GF). Con estos valores se calculan los par´metros del controlador empleando a la Tabla 5. grid. % CONTROL PI-Dy step(PID. ylabel(’SALIDA’). clc. [num.5-2*L)*tau/(1-0.GF). PID=feedback(Gp*Gc1.8 0.4 1. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)). print -deps -f cohen M´todo de Samal e El m´todo de sintonizaci´n de par´metros de Samal [21] est´ dise˜ado para ree o a a n chazar los disturbios que act´an principalmente en la se˜al de control. PI_Dy=feedback(Gci*Gcd.5 M´todos de Sintonizaci´n de Controladores PID e o 83 Soluci´n: Los par´metros τ = 2 y T = 32−τ = 20 se obtuvieron del primer gr´fico de o a a la Fig. Kp=31.5. Gcd=Kc*Td*s/(1+Td*s/N).6 0. close all. PI-D Y PI-Dy EMPLEANDO EL M ´TODO DE COHEN-COON E clear all.24 muestra las salidas controladas.’k’). xlabel(’TIEMPO’).5 tau=2. 5.PI_Dy. % CONTROL PI-D Gci=Kc*(1+1/Ti/s). donde el rechazo al disturbio se manifiesta porque la se˜al n . % Kp ES EL PRODUCTO DE 10*31. PI–D y PI–Dy y el m´todo de Cohen-Coon.18*L/(1-L)).2 PI−Dy 1 PID y PI−D SALIDA 0. Td=(0. 5.4 0. s=tf(’s’). e % cohen.24: Respuestas controladas empleando controladores tipo PID. Kc=1.GF).den]=pade(1. 5. % TOMADOS DE LA CURVA DE REACCI ´N O a=Kp*tau/T. T=32-tau.

8.6 se obtiene aproximadamente n = 3 y Tn = 0.25(e) se emplea para determinar T s . 5. o Ejemplo 5.5. En a la Fig. Td=0.26 ilustra la comparaci´n entre las salidas controladas.1. Gp=Kp/(s+Tb)/(s+Tc)/(s+Td)/(s+Te). 2. mientras que el tiempo derivativo TD del controlador se determina empleando la curva PID indicada como TD /T .270. Para prop´sitos de comparaci´n emplear o o los controladores PID est´ndar (ecuaci´n (5. Para el control PID y PI–D emplear el o diagrama de bloques de la Fig. 5.9-tau=3. 5. Gcd=Kc*Td*s/(1+Td*s/N). De esta curva se pueden obtener los par´metros τ = 0. Td . De la Fig. T=3. Empleando la Tabla 2. Kp=10. Gcd=feedback(Gp. 5.’k’). Vo = Kp KC es la ganancia a lazo abierto del sistema realimentado.11 Se desea controlar el siguiente sistema empleando el m´todo de Samal: e Gp(s) = Kp (s + T b)(s + T c)(s + T d)(s + T e) donde: [Tb . 5.m listado abajo. Ti=1. mientras que la Fig. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)). % CONTROL PI-Dy . % samal1. % tau/T=0.25(c) se calcula TI = 1. title(’RESPUESTA AL ESCAL´N’).36) Gp (s) = u(s) (1 + Tn s)n donde los par´metros n y Tn se determinan de la Tabla 2. close all. mientras que de la Fig.270 => % Gm(s)=Kp/(Tn*s+1)^n % MODELO DEL PROCESO SEG ´N SAMAL U Tn=0. ylabel(’AMPLITUD’). ecuaci´n (5. N=10. Tc=1.1 s.216. El gr´fico inferior de la Fig. Kc=Vo/Kp. Td=2. Vo=2. donde KC es la ganancia del controlador.1(b). En esta figura.1).8*Tn. Te=2. 5.8Tn y TD = 0. mientras que los valores de Vo para los controladores P y PID se leen en el eje Vo de la derecha.26)). Td ] = [1. TI es el tiempo integral. Tb=1. 5. los valores de Vo para los controladores I y PI se leen en el eje Vo de la izquierda.25(c).1(c).5. O % tau=0. El eje TI /T ubicado a la izquierda de esta figura permite determinar TI para los controladores I.1). PI_D=feedback(Gp*Gc2. 2. PI–D interactivo (ecuaci´n (5.25(b). % CONTROL PI-D Gci=Kc*(1+1/Ti/s). 1. La Fig.5. PI-D Y PI-Dy EMPLEANDO EL M ´TODO DE SAMAL E clear all. a 5. step(Gp.8 s o a y T = 3. El sistema al cual se aplican los par´metros del controlador a PID es de la forma: Kp y(s) = (5. En la Fig. 5. 5. PID=feedback(Gp*Gc1.9 – τ = 3. mientras que para el control PI–Dy usar el diagrama de bloques de la Fig.3). Tales resultados se obtienen o ejecutando el programa samal1.1).Gcd).25(b) se determina Vo = 2 y KC = V o/Kp .25(d) permite determinar M conociendo la magnitud D del disturbio tipo escal´n.26 muestra la respuesta al escal´n (la curva o a o de reacci´n) del sistema.6 (ver ejemplo 2. PI y PID.% PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s). % PROCESO subplot(211). Soluci´n: El gr´fico superior de la Fig. xlabel(’TIEMPO’). PI_Dy=feedback(Gci*Gcd.7*Tn.21)) a o o y PI–Dy (PID mejorado. s=tf(’s’). Tc .13)).5]. clc.258 => n=3 => Tn/tau=0.7Tn .m CONTROL PID.84 Control PID SISO de salida y controlada tiende a cero para un tiempo de estabilizaci´n T s y un soo brenivel de magnitud M .

PID (b) 5 4 PI Vo 3 2 1 I 1 1 0. PI. 5. ylabel(’SALIDA’).33) y a otros no autoreguo .8 0. xlabel(’TIEMPO’).25: M´todo de Samal para hallar los par´metros de un controlador PID. I. step(PID.5.5.’k’.4 0. e a subplot(212).PI_D. M´todo de las Oscilaciones Sostenidas e M´todo de las Oscilaciones Sostenidas de Ziegler y Nichols e El m´todo de las oscilaciones sostenidas de Ziegler y Nichols [15] se aplica tanto e a sistemas que pueden ser modelados con la ecuaci´n (5.5 M´todos de Sintonizaci´n de Controladores PID e o d t u d (1+Ts) n Kp y D 0 (c) (a) y M Ts t 85 D r=0 0 e P. title(’SALIDAS CONTROLADAS’).2 0 1 2 3 4 PID P n 4 0 1 2 I PI 2 (d) M Kp D Ts T 20 16 12 8 3 4 20 16 P 12 8 4 0 n Vo PID 1 0 1 2 5 4 TI T 3 2 I 5 4 3 PI PID PID 3 4 2 TD T 1 0 n (e) I P PI PID 3 4 n Fig.6 0.’k’).’k’.2. print -deps -f samal1 5.PI_Dy.

lo o que es equivalente a decir la magnitud de variaci´n de la variable de salida. 5. superior) o empleando controladores tipo PID.5 PID y PI−D 0 5 10 15 20 25 30 TIEMPO (sec) 35 40 45 50 0 Fig. Ti y Td del cona trolador PID se pueden obtener a partir de tal la respuesta oscilatoria.12 . 5. tal como se muestra en la Fig.27: M´todo de las oscilaciones sostenidas de Ziegler y Nichols.5 0 0 1 2 3 4 5 TIEMPO (sec) 6 7 8 9 SALIDAS CONTROLADAS 1. debe ser o mantenida la m´s peque˜a posible para evitar problemas de producci´n. empleando el siguiente procedimiento. PI–D y PI–Dy y el m´todo de Samal.6. e Ejemplo 5. 5. Ti y Td se calculan luego usando a la Tabla 5. medir el per´ ıodo de oscilaci´n cr´ o ıtico Tcrit y anotar la ganancia cr´ ıtica Kcrit (o ganancia l´ ımite) para la cual se obtuvo dicho per´ ıodo. Fijar los par´metros Ti y Td en ∞ y 0 respectivamente. a n o r R t r e K crit PID u y y R T crit t Proceso Fig. e lados que permiten una respuesta a lazo cerrado que posea la forma de oscilaciones sostenidas. Es necesario hacer notar que la magnitud de la oscilaci´n sostenida.27.26: Respuesta al escal´n (Fig.27). 5. inferior) y respuestas controladas (Fig.86 Control PID SISO RESPUESTA AL ESCALÓN 1. Los par´metros K c . En dicha respuesta. Los par´metros Kc . a Incrementar poco a poco el par´metro Kc hasta obtener una respuesta en forma de a oscilaciones sostenidas (ver la Fig.5 AMPLITUD 1 0.5 PI−Dy SALIDA 1 0.

6*Kcrit. clc. Soluci´n: El primer gr´fico de la Fig.GF). Notar que la oscilaci´n posee o un per´ ıodo igual a Tcrit = 8 s. GF=1/(s^2/9+s/3+1). % Gp: PROCESO. % zn2.5 Tcrit TD 0 0 0. ylabel(’AMPLITUD’). 5.Gcd). xlabel(’TIEMPO’). PI_D=feedback(Gp*Gc2.85. print -deps -f zn2 Ejemplo 5. empleando las a estructuras de la Fig. PI-D Y PI-Dy MEDIANTE LA OSCILACI ´N SOSTENIDA O clear all.6 Kcrit + TD s Se desea controlar el sistema nivel del problema ?? empleando la t´cnica de las e oscilaciones sostenidas de Ziegler y Nichols. N=10. G_c0=feedback(Kcrit*Gp. close all. Gtau=tf(num.5*Tcrit.28 muestra la respuesta al escal´n a manera o a o de una oscilaci´n sostenida que se obtiene empleando un controlador proporcional o de ganancia GC (s) = Kcrit = 0. Con estos valores se calculan los par´metros del a controlador PID empleando la Tabla 5.m listado abajo.40). a Tipo P PI PID Controlador GC (s) KC KC 1 + KC 1 + 1 TI s 1 TI s KC = 100 BP TI ∞ 0. Gcd=Kc*Td*s/(1+Td*s/N). empleando la t´cnica de las oscilaciones sostenidas de Ziegler y Nichols. step(G_c0.den]=pade(1.’k’.6. TI y TD . ylabel(’SALIDA’). e Gp (s) = 1 s(s + 1)4 Para prop´sitos de comparaci´n emplear los controladores PID est´ndar.3). Tales resultados se obtienen ejecutando el o programa zn2.18. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)). PI_Dy=feedback(Gci*Gcd.13 Se desea controlar un sistema no autoregulado que posee la siguiente FT.85 en la Fig. El segundo gr´fico de la Fig.GF). grid. PID=feedback(Gp*Gc1. 5.18(b).GF). xlabel(’TIEMPO’). % CONTROL PI-D Gci=Kc*(1+1/Ti/s). Ti=0.’k’). % TOMADOS DE LA OSCILACI´N SOSTENIDA O Kc=0. 5.5.125 Tcrit 0. grid.6: M´todo de las oscilaciones sostenidas de Ziegler y Nichols para hallar los e par´metros KC . . PI–D interactivo y PI–Dy mejorado.28 ilustra la a comparaci´n entre las salidas controladas. % CONTROL PI-Dy subplot(212).den). % TIEMPO MUERTO: exp(-tau*s) Gp=GH*Gtau*GT. Gcd=feedback(Gp.5 M´todos de Sintonizaci´n de Controladores PID e o 87 Tabla 5.m CONTROL PID.GF).PI_Dy. % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s). Para prop´sitos de comparaci´n emplear o o los controladores PID est´ndar. subplot(211). Td=0. title(’OSCILACI´N SOSTENIDA’). O Tcrit=8. GT=3. GH=10/(s+1).85 Tcrit 0. title(’SALIDAS CONTROLADAS’). 5.’k’.125*Tcrit.5Kcrit 0. [num. PI–D intero o a activo y PI–Dy mejorado.PI_D.15/(30*s+1). step(PID. GF: FLOTADOR Kcrit=0. s=tf(’s’).45 Kcrit 0.

12.’k’. xlabel(’TIEMPO’). clc. % CONTROL PI-D Gci=Kc*(1+1/Ti/s). Kcrit=0. N=10. O Tcrit=15. Ti=0. ylabel(’SALIDA’). Gcd=Kc*Td*s/(1+Td*s/N).5 0 Tcrit 0 2 4 6 8 10 12 TIEMPO (sec) 14 16 18 20 SALIDAS CONTROLADAS 2 1.28: Oscilaciones sostenidas (primer gr´fico) para Kp = Kcrit y respuestas a controladas (gr´fico inferior) para el ejemplo 5.1).6*Kcrit. Notar que la oscilaci´n posee un per´ o ıodo igual a τcrit = 15 s. xlabel(’TIEMPO’). El segundo gr´fico de la Fig. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)). subplot(211). step(G_c0.PI_Dy. Tales resultados se obtienen ejecutando el programa zn2a.m CONTROL PID.Gcd).PI_D. PID=feedback(Gp*Gc1. PI_D=feedback(Gp*Gc2.5 1 0. % TOMADO DE LA OSCILACI´N SOSTENIDA O Kc=0.5*Tcrit.1). print -deps -f zn2a .1). close all. 5.5 0 SALIDA PI−Dy PID y PI−D 0 10 20 30 TIEMPO (sec) 40 50 60 Fig. Gp=1/(s*(s+1)^4). grid.’k’. Gcd=feedback(Gp. % CONTROL PI-Dy subplot(212).6.’k’). Td=0.569.125*Tcrit.50).88 Control PID SISO OSCILACIÓN SOSTENIDA 2 AMPLITUD 1. a Soluci´n: El primer gr´fico de la Fig. 5. step(PID. % zn2a.569.1). G_c0=feedback(Kcrit*Gp. PI_Dy=feedback(Gci*Gcd. Con estos valores se calculan los par´metros del controlador PID a empleando la Tabla 5. ylabel(’AMPLITUD’). PI-D Y PI-Dy MEDIANTE LA OSCILACI ´N SOSTENIDA O clear all. title(’SALIDAS CONTROLADAS’). % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s).29 muestra la respuesta al escal´n a manera o a o de una oscilaci´n sostenida que se obtiene empleando un controlador proporcional o de ganancia GC (s) = Kcrit = 0. 5. title(’OSCILACI´N SOSTENIDA’).29 ilustra la comparaci´n a o entre las salidas controladas.5 1 0. s=tf(’s’).m listado abajo.

5.5 0 Tcrit 0 5 10 15 20 25 30 TIEMPO (sec) SALIDAS CONTROLADAS 35 40 45 50 2 1.5.3Kcrit Ejemplo 5.1(a).5 1 0.3τcrit Td = 0 u(s) = Kc e(s) 1+ 1 Td s + Ti s 1 + T d s N bf 0 + bf 1 s + bf 2 s2 1 + a f 1 s + a f 2 s2 . cuya FT es: a Gc (s) = Las reglas son: Kc = 0.5 M´todos de Sintonizaci´n de Controladores PID e o 89 OSCILACIÓN SOSTENIDA 2 AMPLITUD 1. se aplican al o control de sistemas que poseen una FT de la forma Gp (s) = Kp e−τ s . a Sintonizaci´n de Sistemas con FT Gp (s) = Kp e−τ s o Las siguientes reglas de sintonizaci´n atribuidas a Yu (2006) [?].30 muestra la respuesta al escal´n a manera o a o de una oscilaci´n sostenida que se obtiene empleando un controlador proporcional o Ti = 2. El controlador empleado es el o denominado cl´sico generalizado. El control se realiza empleando la configuraci´n de la Fig. 5.17. 5.5 SALIDA PI−Dy PID y PI−D 0 0 10 20 30 40 50 60 TIEMPO (sec) 70 80 90 100 Fig.14 Se desea controlar el sistema Gp (s) = Kp e−τ s empleando la t´cnica de las oscilaciones e sostenidas y las reglas de sintonizaci´n arriba formuladas.5 1 0. o Soluci´n: El primer gr´fico de la Fig.29: Oscilaciones sostenidas (primer gr´fico) para Kp = Kcrit y respuestas a controladas (gr´fico inferior) para el ejemplo 5.

den]=pade(2.m CONTROL PI EMPLEANDO OSCILACION SOSTENIDA clear all.Gc2). title(’OSCILACI´N SOSTENIDA’). step(G_c0). grid. OSCILACIÓN SOSTENIDA 5 AMPLITUD 0 −5 −10 0 10 20 30 TIEMPO (sec) 40 50 60 SALIDA CONTROLADA 1 SALIDA 0. s=tf(’s’). % TOMADOS DE LA OSCILACI´N SOSTENIDA O Kc=0. % Gp: SISTEMA Kcrit=0. clc.3Kcrit Ti = 2. Con estos valores se calculan los par´metros del controlador a PID empleando: Kc = 0. Notar que la oscilaci´n posee un o per´ ıodo igual a τcrit = 4 s. O Tcrit=4.1).1).3). Kp=2. % TIEMPO MUERTO: exp(-tau*s) Gp=Kp*Gtau.5 0 50 100 TIEMPO (sec) 150 200 250 Fig.45 en la Fig.45. 5.3τcrit Td = 0 El segundo gr´fico de la Fig. bf0=1. bf2=1. % CONTROL PID . G_c0=feedback(Kcrit*Gp. a ´ % yu1. 5. Gc2=(bf0+bf1*s+bf2*s^2)/(1+af1*s+af2*s^2).m listado abajo. af1=1. close all. N=3.5 0 −0.14. Gtau=tf(num. [num.30 ilustra la salidas controlada. Td=0.90 Control PID SISO de ganancia GC (s) = Kcrit = 0. Gc=series(Gc1. Ti=2.27.den). subplot(211). bf1=1. Tales resultados se a obtienen ejecutando el programa yu1.3*Tcrit. 5. % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)).ylabel(’AMPLITUD’). xlabel(’TIEMPO’). af2=1. PID=feedback(Gp*Gc.30: Oscilaciones sostenidas (primer gr´fico) para Kp = Kcrit y respuesta cona trolada (gr´fico inferior) para el ejemplo 5.3*Kcrit.

32 se emplea para determinar las cinco ecuaciones de estado del sistema: x1 = −x1 + x2 ˙ x3 = −x3 + x4 ˙ x2 = −x2 + x3 ˙ x4 = −x4 + x5 ˙ x5 = u ˙ De la oscilaci´n sostenida mostrada en el primer gr´fico de la Fig.m listado abajo. El tercer gr´fico de la a a Fig. print -deps -f yu1 91 5.5. step(PID). ylabel(’SALIDA’). para una ganancia n 4L Kcrit = pi a . 5.6. title(’SALIDA CONTROLADA’). el cual usa el diao grama de bloques de la Fig. a tambi´n. 5.33 se desprenden o a los par´metros: a = 0.33 muestra la comparaci´n entre las salidas controladas. 5. en donde se emplea un rel´ para conseguir una e e oscilaci´n sostenida de per´ o ıodo Tcrit pero de peque˜a amplitud a. e Soluci´n: La primera parte del programa relay.31 [17]. empleando la t´cnica del rel´ de Astr¨m y H¨gglund: e e o a Gp (s) = 1 s(s + 1)4 Para prop´sitos de comparaci´n emplear los controladores PID est´ndar. .31: Diagrama de bloques del sistema realimentado empleado en el m´todo de e sintonizaci´n mediante rel´. Conocido los par´metros a.3. M´todo del Rel´ e e El m´todo de las oscilaciones sostenidas a lazo cerrado puede ser arriesgado. Teniendo como datos Tcrit y Kcrit se e puede ahora usar la Tabla 5. xlabel(’TIEMPO’).31(a). En la pr´ctica. El diagrama de bloques de la e Fig.6. Tales resultados se o obtienen ejecutando la segunda parte del programa relay. o e Ejemplo 5. 5. Tcrit y L. Una variante de este e m´todo se muestra en la Fig. ahora se puede calcular la a ganancia Kcrit y los par´metros PID empleando la Tabla 5. permite obtener el primer y segundo gr´fico de a la Fig. u −L Relé e y u Gp(s) Proceso y Tcrit a t r e +L Fig. 5. donde L es la ganancia del rel´. PI–D intero o a activo y PI–Dy mejorado.15 Se desea controlar un sistema no autoregulado que posee la siguiente FT. 5.1.25 y Tcrit = 15. 5.5.m listado abajo.5 M´todos de Sintonizaci´n de Controladores PID e o subplot(212). ya e que en casos reales fuerza a la planta a operar cerca de la inestabilidad. resulta muy dificultoso mantener la amplitud constante.33 para una magnitud del rel´ de L = 0. Tambi´n determinar las ecuaciones de estado del sistema. mientras que el segundo gr´fico ilustra la ley a a de control u = ±L.

e=r-x1. x5=x5+T*u. x3=0. . clc.33: Respuesta al escal´n del sistema de control del sistema Gp (s) = s(s+1)4 o empleando un rel´ (gr´fico superior). u=L. 5. grid ylabel(’SALIDA y’). M = 8000. PI–D y PI–Dy (gr´fico inferior). end % FUNCI´N REL´ O E U(k)=u. % PROGRAMA PARA PRODUCIR LA OSCILACI´N SOSTENIDA O x1=0. % SALIDA DEL PROCESO end ejet = linspace(0. x2=x2+T*(-x2+x3). x5=0. plot(ejet.R. x3=x3+T*(-x3+x4). xlabel(’TIEMPO’).1 0 −0. for k = 1:M r=1. x4=0.1 r 0 10 a 20 30 40 TIEMPO 50 60 70 80 CONTROL u 0 10 20 30 40 TIEMPO 50 60 70 80 SALIDAS CONTROLADAS 2 SALIDA 1 0 PI−Dy PID y PI−D 0 10 20 30 40 50 60 TIEMPO (sec) 70 80 90 100 1 Fig. 5. x2=0. R(k) = r. else u=-L. close all.32: Diagrama de bloques del sistema mostrando sus variables de estado.92 u x5 x4 1 s+1 x3 x2 Control PID SISO x1 = y 1 s 1 s+1 1 s+1 1 s+1 Fig.ejet.M*T.m RESPUESTA A LAZO CERRADO CON UN REL ´ COMO CONTROLADOR E clear all.01. x4=x4+T*(-x4+x5). % REFERENCIA ESCAL´N r Y ERROR e O if(e>=0). % LEY DE CONTROL u x1=x1+T*(-x1+x2). subplot(311). L=0. % CONDICIONES INICIALES T = 0. 2 SALIDA y Tcrit 1 0 0. X1(k)=x1.M).1. a % relay.X1). ley de control u (gr´fico medio) y respuestas e a a estabilizadas empleando controladores tipo PID.

o r R t r e Ko PID u y y R A A/4 t To Proceso Fig. ylabel(’SALIDA y’).’k’. % FT DEL PROCESO a=0. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)). N=10.7: M´todo de las oscilaciones amortiguadas de Harriot para hallar los e par´metros KC . print -deps -f relay 5. TI y TD . M´todo de las Oscilaciones Amortiguadas e El m´todo de las oscilaciones amortiguadas propuesto en [18].5 M´todos de Sintonizaci´n de Controladores PID e o 93 subplot(312). % TOMADO DE LA OSCILACI ´N SOSTENIDA O Kc=0. PI_Dy=feedback(Gci*Gcd. Gcd=feedback(Gp. 5. ylabel(’CONTROL u’).33) y tambi´n a otros o e sistemas no autoregulados. Ti=0. PID=feedback(Gp*Gc1.6*Kcrit.PI_Dy. Kcrit=4*L/(pi*a). PI_D=feedback(Gp*Gc2. Tcrit=15. tal a a como se ilustra en la Fig. xlabel(’TIEMPO’) % PROGRAMA PARA CONTROLAR EL PROCESO Gp(S) s=tf(’s’).U).34: M´todo de las oscilaciones amortiguadas de Harriot.Gcd).4.5. se conoce tambi´n e e como el m´todo TDQR (Tuning for Quarter Decay Response) o sintonizaci´n para e o un decaimiento de un cuarto de la respuesta. Gcd=Kc*Td*s/(1+Td*s/N).5*Tcrit. title(’SALIDAS CONTROLADAS’). %CONTROL PI-D Gci=Kc*(1+1/Ti/s). Los par´metros a de sintonizaci´n del controlador se obtienen luego de la Tabla 5. Este m´todo se aplica a sistemas que e pueden ser modelados en la forma dada en la ecuaci´n (5.’k’.1).’k’). 5. step(PID. en la cual Ko es la ganancia del controlador para obtener el decaimiento mostrado y To es el per´ ıodo correspondiente.34.1).7.PI_D.125*Tcrit. Td=0.25. xlabel(’TIEMPO’). % CONTROL PI-Dy subplot(313). a Tipo P PI PID Controlador GC (s) KC KC 1 + KC 1 + 1 TI s 1 TI s KC = Ko Ko Ko 100 BP TI ∞ To /1.16 .5 To /1.5 TD 0 0 To /6 + TD s Ejemplo 5. Gp=1/(s*(s+1)^4). la respuesta al escal´n a lazo cerrado. o debe ser de modo tal que el segundo m´ximo sea un cuarto del primer m´ximo.5. En ambos casos.1). % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s). e Tabla 5. plot(ejet.

ecuaci´n (5.20).35 ilustra la comparaci´n entre las salidas controladas. % CONTROL PID .den). close all. 5. 5. Td=To/6. s=tf(’s’). GT=3. empleando las estructuras (b) y (c) de la Fig.5 A/4 0 2 4 6 8 10 12 TIEMPO (sec) 14 16 18 20 0 SALIDAS CONTROLADAS 1. ylabel(’AMPLITUD’). Para prop´sitos de comparaci´n emplear los controo o ladores ideal (PID. GF=1/(s^2/9+s/3+1). subplot(211). la cual se obtiene a o a empleando un controlador proporcional de ganancia GC (s) = Ko = 0. ecuaci´n (5. PID=feedback(Gp*Gc1. PI-D Y PI-Dy MEDIANTE EL M ETODO DE HARRIOT clear all.3).den]=pade(1. GH: FLOTADOR Ko=0.21)) y mejorado o o (PI–Dy. xlabel(’TIEMPO’). dependiente (PI–D. Notar que la oscilaci´n posee un per´ o ıodo igual a To = 10 s. O To=10. Ti=To/1. 5. N=10. Con estos valores se calculan los par´metros del controlador PID empleando la Tabla 5. [num.55. G_c0=feedback(Ko*Gp.35 muestra la respuesta al escal´n en donde o a o el segundo m´ximo de la oscilaci´n es un cuarto del primer m´ximo.GF).5 PI−Dy PI−D SALIDA 1 0. o Soluci´n: El primer gr´fico de la Fig.7 empleando la t´cnica de las oscilae ciones amortiguadas de Harriot.GF). OSCILACIÓN SOSTENIDA 1. Tales a o resultados se obtienen ejecutando el programa harriot. 5.5 AMPLITUD 1 A 0. Gtau=tf(num. El segundo a gr´fico de la Fig.7.18(a). % PAR ´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s).15/(30*s+1). ecuaci´n (5. a ´ % harriot. step(G_c0.m listado abajo.55 en la Fig.94 Control PID SISO Se desea controlar el sistema nivel del ejemplo 5.18. % TIEMPO MUERTO exp(-tau*s) Gp=GH*Gtau*GT.35: Oscilaciones amortiguadas (gr´fico superior) para K C = Ko y respuestas a controladas (gr´fico inferior) para el ejemplo 5. grid title(’OSCILACI´N SOSTENIDA’). 5.5 PID 0 0 2 4 6 8 10 TIEMPO (sec) 12 14 16 18 Fig.5. GH=10/(s+1). Kc = Ko.26)).13)). % Gp: PROCESO. clc.m CONTROL PID.16.

1). e o ´ es minimizar un determinado ´ ındice de rendimiento. M´todos Basado en la Minimizaci´n de un ´ e o Indice La idea principal en los m´todos de sintonizaci´n basados en criterios optimos.28 ilustra la comparaci´n entre las salidas a o controladas.Gcd).GF). PI_D=feedback(Gp*Gc2. Con estos valores se calculan los par´metros del controlador PID empleando a la Tabla 5. ylabel(’SALIDA’).3. % PAR´METROS PID A Gc1=Kc*(1+1/Ti/s+Td*s).5.28 muestra la respuesta al escal´n a manera o a o de una oscilaci´n sostenida que se obtiene empleando un controlador proporcional de o ganancia GC (s) = Kcrit = 0. Gcd=feedback(Gp. ecuaci´n (5.PI_D. Los ´ ındices de rendimiento m´s usados son: a ISE (Integral Squared Error).5. en el cual est´n involucrados el e tiempo continuo t y el error e = r − y. Ti=To/1. step(PID. Soluci´n: El primer gr´fico de la Fig. IT AE (Integral Time Absolute Error). 5.’k’. 5.PI_Dy. title(’SALIDAS CONTROLADAS’).Gcd).17 Se desea controlar un sistema no autoregulado que posee la siguiente FT. Ko=0. PI_Dy=feedback(Gci*Gcd. ylabel(’SALIDA’).’k’). Gcd=Kc*Td*s/(1+Td*s/N). El segundo gr´fico de la Fig. ecuaci´n (5. % TOMADO DE LA OSCILACI´N AMORTIGUADA O Kc=Ko.GF). e Gp (s) = 1 s(s + 1)4 Para prop´sitos de comparaci´n emplear los controladores ideal (PID.PI_D. PI_D=feedback(Gp*Gc2.1). empleando o o las estructuras (b) y (c) de la Fig. clc. Tales resultados se obtienen ejecutando el programa zn2. step(PID.569. xlabel(’TIEMPO’).PI_Dy.26)).5.6. grid. xlabel(’TIEMPO’). G_c0=feedback(Ko*Gp. PI_Dy=feedback(Gci*Gcd. IST E (Integral Square Time weighted Error) e IST 2 E (Integral Square Time–Square weighted Error). O To=20. % CONTROL PI-D Gci=Kc*(1+1/Ti/s). 5. Gcd=feedback(Gp. step(G_c0. title(’OSCILACI´N AMORTIGUADA’). ylabel(’AMPLITUD’). subplot(211). print -deps -f harriot Ejemplo 5. % CONTROL PI-Dy subplot(212).m listado abajo.’k’.50).5. s=tf(’s’). title(’SALIDAS CONTROLADAS’). close all. IAE (Integral Absolute Error).21)) y mejorado (PI–Dy.1).1). Gp=1/(s*(s+1)^4). PI-D Y PI-Dy MEDIANTE OSCILACI ´N AMORTIGUADA O clear all. print -deps -f harriota 5. Notar que la oscilaci´n posee un per´ o ıodo igual a τcrit = 15 s. N=10.5 M´todos de Sintonizaci´n de Controladores PID e o 95 Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)).’k’). ecuaci´n (5. Td=To/6. Gcd=Kc*Td*s/(1+Td*s/N).13)).18. Las f´rmulas de dichos ´ o ındices son: ISE = 0 ∞ e2 (t)dt IAE = 0 ∞ |e(t)|dt IT AE = 0 ∞ t|e(t)|dt . o o o dependiente (PI–D.’k’. xlabel(’TIEMPO’).m CONTROL PID. PID=feedback(Gp*Gc1. % CONTROL PI-D Gci=Kc*(1+1/Ti/s).’k’. % CONTROL PI-Dy subplot(212). empleando la t´cnica de las oscilaciones amortiguadas de Harriot. % CONTROL PID Gc2=Kc*(1+1/Ti/s+Td*s/(1+Td*s/N)). % harriota.

resultado que se obtienen o ejecutando el programa shinskey. close all.18 Se desea controlar el sistema con FT Gp (s) = Kp e−τ s . En esta tabla. % shinskey. se atribuyen a Shinskey (1994) [?].37) Sintonizaci´n de Sistemas con FT Gp (s) = Kp e−τ s o La Tabla 5. clc.5 PI−D 0 0 10 20 30 TIEMPO (sec) 40 50 60 Fig. tau=2.1(a).8 se aplica al control de sistemas que poseen una FT de la forma Gp (s) = Kp e−τ s .5 SALIDA 1 PID 0.37 muestra la respuesta controlada. El control se realiza empleando la configuraci´n de la Fig.96 Control PID SISO OSCILACIÓN AMORTIGUADA 1. Las reglas que emplean un controlador PID se atribuyen a Nomura et al. (1993) [?]. 5. Soluci´n: La Fig.5 AMPLITUD 1 A 0.5 A/4 0 5 10 15 20 25 30 TIEMPO (sec) SALIDAS CONTROLADAS 35 40 45 50 0 1. 5. Kp=2. s=tf(’s’). o Ejemplo 5.17.m listado abajo. con Kp = 2 y τ = 2 usando el criterio ITAE y un controlador PI. a IST E = 0 ∞ t2 e(t)dt IST 2 E = 0 ∞ t2 e2 (t)dt (5. 5.m CONTROL PI USANDO ITAE clear all. las reglas de sintonizaci´n que emplean controladores o integral y proporcional–integral. .36: Oscilaciones sostenidas (gr´fico superior) para KC = Ko y respuestas cona troladas (gr´fico inferior) para el ejemplo 5.

5*tau.2 −0. Td=0.5τ 0.5 M´todos de Sintonizaci´n de Controladores PID e o 97 Tabla 5. print -deps -f shinskey M´todo de Wang–Juang–Chan e Las f´rmulas de sintonizaci´n de de Wang–Juang–Chan (citadas en [24]) se basan o o en el criterio de optimizaci´n de IT AE y se pueden aplicar a sistemas que aceptan o .2 1 0.2 0 −0. PID=feedback(Gc*Gp.den]=pade(tau.8 0. Ti=0.6 0. % Gp: SISTEMA Kc=0.2635 Kp Ti 1.6 −0. Gtau=tf(num.5.6Kp τ 0.18).4 −0.den).4 Kp 0.361τ Td 0 0 0.1911τ Kc 1 + Kc 1 + 1 Ti s 1 Ti s + Td s CONTROL DE G(s)=Kp*exp(−tau*s) USANDO ITAE 1. % TIEMPO MUERTO: exp(-tau*s) Gp=Kp*Gtau. % CONTROL PID step(PID).8 SALIDA 0 5 TIEMPO (sec) 10 15 Fig. 5.8: Reglas de sinton´ para controlar sistemas tipo Gp (s) = Kp e−τ s . [num.1).37: Control PI del sistema Gp (s) = Kp e−τ s usando ITAE (ejemplo 5.4 0. ylabel(’SALIDA’).3).4/Kp. xlabel(’TIEMPO’). ıa M´todo e M´ ınimo ITAE M´ ınimo ITAE M´ ınimo ITAE Controlador Gc (s) 1 Ti s Kc Indefinido 0. % PAR´METROS PID A Gc=Kc*(1+1/(Ti*s)+Td*s). title(’CONTROL DE G(s)=Kp*exp(-tau*s) USANDO ITAE’).

estas f´rmulas son: a o o Kc = Ti Td (0.892 ISE 1.583 1.154 –0.921 0.690 –0.904 0. Ti y Td en un controe lador est´ndar.559 0.569 –0. e La Tabla 5. IST E e IST 2 E.1< τ /T <2 ISTE 0.980 –0.315 0.1(a).892 0.047 –0.892 –0.38) Metodo de Zhuang y Atherton El m´todo de Zhuang y Atherton [26] minimiza los criterios ISE.906 IST2 E 0.253 0.155 1. tal como se muestra en la Fig.583 0. a Rango de τ /T Tipo PI Par´metro a Kc = Ti = a1 Kp τ b1 T 0.023 –0. Ejemplo 5.579 0.560 0.977 –0.238 0.33) y que est´n sujetos a cambios tipo a o e escal´n en la se˜al de referencia.195 –0.1(a).385 0.888 ISTE 0.10 muestra las f´rmulas de sintonizaci´n cuando se aplica el controlador o o descrito en (5.39) La Tabla 5. 5.048 –0.33) y que est´n sujetos a cambios tipo escal´n en la se˜al de referencia.7303 + 0.042 –0.567 1.951 1.1< τ /T <1 ISE a1 b1 a2 b2 a1 b1 a2 b2 a3 b3 0.968 –0.5τ 0.5τ (5.708 PI T a2 +b2 (τ /T ) PID Kc = Ti = a1 Kp τ b1 T PID T a2 +b2 (τ /T ) PID Td = a3 T τ b3 T Sin tener en cuenta la ganancia Kc en la parte derivativa de la ecuaci´n (5.072 –0.384 0.9 muestra las f´rmulas de sintonizaci´n aplicadas a sistemas que aceptan o o un modelo din´mico como el de la ecuaci´n (5.179 0.158 1.220 0.172 0.26) o correspondiente al controlador mejorado.167 1.839 IST2 E 0.98 Control PID SISO un modelo din´mico como el de la ecuaci´n (5.5τ T = T + 0.19 .247 1.007 –0.897 0.061 –0. entonces este controlador toma la forma: u(s) = Kc e(s) + Kc Td s e(s) − y(s) = P (s) + I(s) + D(s) Ti s 1 + Td s/N (5.114 1.832 1.316 0.628 –0. tal como e o n se muestra en la Fig.33).386 0.712 –0. 5.490 0.5307T /τ )(T + 0.883 –0.489 0.987 –0.897 1.786 –0.165 0.5τ ) Kp (T + τ ) = T + 0.648 –0.142 –0.9: M´todo de Zhuang y Atherton para determinar Kc .56) a sistemas que aceptan un modelo din´mico como el de la ecuaci´n a o (5.968 –0. o n Tabla 5.919 –0.

K Soluci´n: La Fig.378 0.147 0.350 0.5 1 0.308 0. τ = 2 y T = 20 usando el criterio ITAE y un controlador PID.053 –0.886 ISTE 1.897 ISE 1.661 –0.756 PID T a2 +b2 (τ /T ) PID Td = a3 T τ b3 T p Se desea controlar el sistema con FT Gp (s) = T s+1 e−τ s .5 0 5 10 15 20 TIEMPO (sec) 25 30 35 40 Fig.736 –0.130 0.942 –0.m listado abajo.720 –0. o o Rango de τ /T Tipo PID Par´metro a Kc = Ti = a1 Kp τ b1 T 0.907 IST2 E 0. 5.813 1.5.349 0.116 0.887 0.120 –0.5 SALIDA 0 −0.19).110 0.1< τ /T <1 ISE a1 b1 a2 b2 a3 b3 1.1< τ /T <2 ISTE 1. resultado que se obtienen o ejecutando el programa zh1.114 0.001 –0.811 IST2 E 1.375 0. CONTROL PID USANDO ISE 1.308 0. 5.295 –0.930 0.701 –0.260 –0.10: M´todo de Zhuang y Atherton para determinar Kc . % zh1.m CONTROL PID USANDO ISE .625 0.38: Control PID del sistema Gp (s) = Kp T s+1 e−τ s usando ISE (ejemplo 5.619 0. con Kp = 2. Ti y Td en un cone trolador cuya acci´n derivativa se encuentra en la realimentaci´n.933 0.5 −1 −1.770 –0.624 0.5 M´todos de Sintonizaci´n de Controladores PID e o 99 Tabla 5.38 muestra la respuesta controlada.126 0.754 –0.

Uso de la Curva de Reacci´n en Sistemas No Autoregulados o El m´todo de la curva de reacci´n de sistemas no autoregulados emplea tablas e o de sintonizaci´n de los controladores PID. a2=1.195. a . Ti y Td .’k’).5. N=10. a ´ n Tabla 5. b3=0. % tau/T=0. title(’CONTROL PID USANDO ISE’). b1=-0.2. e a Sistema Gp (s) Kp s µ (1+tµ s) Tipo PI Controlador Gc (s) Kc 1 + 1 Ti s Kc 1 2Kp Tσ Ti 4Tσ Td Tσ = Σ µ t µ Kp s(1+T2 s) µ (1+tµ s) PID Kc 1 + 1 Ti s (1 + Td s) 1 2Kp Tσ 4Tσ T2 Tσ = Σ µ t µ .m listado abajo.888. Gc=Kc*(1+1/(Ti*s)+Td*s). % TIEMPO MUERTO: exp(-tau*s) Gp=Kp/(T*s+1)*Gtau. xlabel(’TIEMPO’). sabiendo e que su FT es: 1 Gp(s) = s(1 + s)(5 + s) Soluci´n: La FT del sistema se puede reformular como: o Gp(s) = Kp 0. Ti=T/(a2+b2*(tau/T)).2 = s(1 + s)(1 + 0.11: M´todo de Kessler para hallar los par´metros K c . T=20. Kp=2. M´todo de Kessler e La Tabla 5. b2=-0. de acuerdo a Kessler.1). cada una de las cuales se aplica a una o determinada FT del sistema. Kessler [25] para determinar o los par´metros de un controlador PID basado en criterios optimos de dise˜o. y T2 > Tσ . T2 = 1. es del tipo PITn con par´metros Kp = 0. a3=0.048. Notar que este sistema es no autoregulado.897. resultado que se obtiene ejecutando a el programa kessler1. print -deps -f zh1 5. tal como se observa en gr´fico inferior de la Fig. a µ = 1. Td=(a3*T)*(tau/T)^b3.39. % CONTROL PID step(PID. clc. Gtau=tf(num. % SISTEMA A CONTROLAR Kc=(a1/Kp)*(tau/T)^b1.386. T 2 > T σ Ejemplo 5. s=tf(’s’). ylabel(’SALIDA’).2s) s(1 + T2 s) µ (1 + tµ s) Este sistema.3).1 a1=1. tµ = t1 = Tσ = 0.11 muestra las f´rmulas propuestas por C.den).2.100 Control PID SISO clear all. se puede estabilizar con un controlador PID. tal como se observa en la Fig.39 (gr´fico inferior). tau=2.den]=pade(tau.489. 5. close all. PID=feedback(Gc*Gp.20 Se desea controlar un sistema posicionador empleando el m´todo de Kessler.6. caracterizada por poseer en ella integradores o polos inestables. [num. 5.

grid. xlabel(’TIEMPO’). % CONTROL PID subplot(212).40) G(s) = U (s) s Debido a la presencia del integrador. parte integral y tiempo muerto: Kp −τ s Y (s) = e (5. ylabel(’SALIDA’). step(PID). title(’RESPUESTA AL ESCAL´N’).2. ylabel(’AMPLITUD’).m CONTROL PID EMPLEANDO EL M´TODO DE KESSLER E clear all. La Tabla 5.12 muestra los valores de los . e % kessler1.1). s=tf(’s’). TD=T2. print -deps -f kessler1 Reglas PID para Controlar Sistemas con FT G(s) = Kp s e−τ s La FT del siguiente sistema posee parte proporcional. % PROCESO subplot(211). PID=feedback(Gp*Gc. 5. O KC=1/(2*Kp*Tsigma).5 M´todos de Sintonizaci´n de Controladores PID e o RESPUESTA AL ESCALÓN 300 250 AMPLITUD 200 150 100 50 0 0 500 TIEMPO (sec) 1000 101 1500 SALIDA CONTROLADA 1.5 TIEMPO (sec) 3 3. Tsigma=tmu.5.2. xlabel(’TIEMPO’). mu=1. clc.5 5 Fig.39: Respuesta al escal´n (gr´fico superior) y respuesta controlada (gr´fico ino a a ferior) empleando un controlador PID de acuerdo al m´todo de Kessler.5 SALIDA 1 0. Kp=0. Gc=KC*(1+1/TI/s)*(1+TD*s).5 0 0 0. title(’SALIDA CONTROLADA’). TI=4*Tsigma.5 1 1. step(Gp). T2=1. Gp=Kp/s/(1+T2*s)/(1+tmu*s). close all. tmu=0. los controladores PD y PID resultan ser los adecuados para controlar tales sistemas. grid.5 4 4.5 2 2.

Kp s e−τ s .45 0. parte retardo de primer orden y tiempo muerto: G(s) = Kp y(s) = e−τ s u(s) s(T s + 1) (5. Gc=Kc*(1+1/(Ti*s)+Td*s).den). parte integral. a2=0.40 muestra la respuesta controlada. N=10. % TIEMPO MUERTO: exp(-tau*s) Gp=Kp/(s)*Gtau.9 a2 0.49 Ejemplo 5.03.den]=pade(tau. T=20. a5=0. a3=1.12: Par´metros ai para calcular Kc .59 0. con Kp = 2. PID=feedback(Gc*Gp.66 1.45 a3 1.3).37. title(’CONTROL PID USANDO ISE’). Las f´rmulas para determinar los par´metros o a del controlador PD son [27]: Kc = 2 3Kp τ Td = T τ (5. Ti=a4*tau.m CONTROL PID USANDO ISE clear all.34 a4 1. % tau/T=0.21 Se desea controlar el sistema con FT Gp (s) = usando el criterio ISE y un controlador PID.59.496 1.42) Debido a la presencia del integrador.41)). [num. % zh2. xlabel(’TIEMPO’).37 1. Gtau=tf(num.102 Control PID SISO coeficientes empleados por los par´metros de los controladores PD y PID [27]: a ControladorP D : ControladorP ID : Kc = Kc = a1 Kp τ a3 Kp τ Td = a 2 τ Ti = a 4 τ Td = a 5 τ (5.496. print -deps -f zh2 Reglas PID para Controlar Sistemas con FT G(s) = Kp s(T s+1) e−τ s La FT del siguiente sistema posee parte proporcional.53 0.49 0. Td=a5*tau. clc. % SISTEMA A CONTROLAR Kc=a3/(Kp*tau). resultado que se obtienen o ejecutando el programa zh2.43) .1 a1=1. los controladores PD y PID resultan los adecuados para controlar tales sistemas.1).41) Tabla 5.m listado abajo. o Criterio ISE ITSE ISTSE a1 1. 5. s=tf(’s’).’k’). a4=1. Ti y Td para el control de sistemas tipo a IPτ (ecuaci´n (5. % CONTROL PID step(PID. tau=2.83 a5 0. T = 20 y τ = 2 Soluci´n: La Fig.36 1.49. Kp=2.96 0.03 0. ylabel(’SALIDA’). close all.

’k’). PID=feedback(Gc*Gp.41 muestra la respuesta controlada. Kp=2.65)))^2. [num.111T Kc = Kp τ 2 1 1+ 2 T 0. se tiene: 1. % CONTROL PID step(PID. title(’CONTROL PID’). T=2.5 M´todos de Sintonizaci´n de Controladores PID e o CONTROL PID USANDO ISE 3 103 2 1 0 SALIDA −1 −2 −3 −4 −5 0 5 10 15 20 TIEMPO (sec) 25 30 35 Fig. T = 2 y τ = Soluci´n: La Fig. close all.65)). mientras que para el controlador PID. s=tf(’s’). % TIEMPO MUERTO: exp(-tau*s) Gp=Kp/(s*(T*s+1))*Gtau.3). Td=Ti/4. 5.den).111*T/(Kp*tau^2)/(1+(T/tau^(0. Ti=2*tau*(1+(T/tau)^(0.den]=pade(tau.65 Td = Ti 4 (5.40: Control PID del sistema Gp (s) = Kp s e−τ s (ejemplo 5. ylabel(’SALIDA’).21).m CONTROL PID clear all. con Kp = 2. tau=2. xlabel(’TIEMPO’).1). % SISTEMA A CONTROLAR Kc=1. % zh3. resultado que se obtienen o ejecutando el programa zh3.5.65 τ Ti = 2τ 1 + T τ 0.22 Se desea controlar el sistema con FT Gp (s) = 2. Gc=Kc*(1+1/(Ti*s)+Td*s). 5. Gtau=tf(num. print -deps -f zh3 . Kp s(T s+1) e−τ s .44) Ejemplo 5. clc.m listado abajo.

.4 0.22).104 CONTROL PID 1. Las f´rmulas para a o determinar los par´metros del controlador PID son [27]: a τ γ T (5. 5.46) Los par´metros ai . con Kp = 2.6 0.4 1.2 0 −0. 5.41 muestra la respuesta controlada.45) Debido a la presencia del integrador y a la ra´ inestable s = 1/T . resultado que se obtienen o ejecutando el programa zh3. parte integral.2 1 SALIDA 0. Reglas PID para Controlar Sistemas con FT G(s) = Kp T s−1 e−τ s La FT del siguiente sistema posee parte proporcional. parte retardo de primer orden inestable y tiempo muerto: G(s) = Kp y(s) = e−τ s u(s) Ts − 1 (5.41: Control PID del sistema Gp (s) = Kp s(T s+1) e−τ s usando ISE (ejemplo 5.8 0. bi y γ se pueden obtener de la Tabla 5.23 Se desea controlar el sistema con FT Gp (s) = Kp T s−1 e−τ s .m listado abajo. Soluci´n: La Fig.13 para diferentes criterios. T = 2 y τ = 2.2 0 50 TIEMPO (sec) 100 150 Fig.02 Ejemplo 5.6 Control PID SISO 1. a Kc = b1 a1 Kp τ T Ti = a 2 T τ T b2 Td = a 3 T 1 − b 3 τ T −0. el controlador ız PID parece ser el m´s adecuado para controlar tales sistemas.

38 1.den]=pade(tau.02))*(tau/T)^gamma.23). Gtau=tf(num.52 b2 0. a1=1. b3=0.78 3.32 1.13 a3 3. Kp=2.13.95 a2 4.62 3. gamma=0. b1=0.85 0. o Criterio ISE ITSE ISTSE a1 1. T=2.97.90 1. % SISTEMA A CONTROLAR Kc=(a1/Kp)*(tau/T)^b1.00 4. a2=4.70 b3 0.86. Td=a3*T*(1-b3*(tau/T)^(-0. % TIEMPO MUERTO: exp(-tau*s) Gp=Kp/(T*s-1)*Gtau. Ti y Td para el control de sistemas tipo a IPT1 τ inestables (ecuaci´n (5.35 b1 0.1).12 4.97 CONTROL PI−D USANDO ISTSE 6 5 4 3 SALIDA 2 1 0 −1 −2 −3 0 10 20 30 40 TIEMPO (sec) 50 60 70 Fig. Gc=Kc*(1+1/(Ti*s)+Td*s/(1+Td*s/N)). print -deps -f zh4 .42: Control PI-D del sistema Gp (s) = Kp s−1 e−τ s usando ISTSE (ejemplo 5.den). a3=3.47 0.95 0.93 0. 5. clc. xlabel(’TIEMPO’).5 M´todos de Sintonizaci´n de Controladores PID e o 105 Tabla 5. PI_D=feedback(Gc*Gp. s=tf(’s’). [num. % zh4.m CONTROL PI-D USANDO ISTSE clear all.35. tau=2.95. Ti=a2*T*(tau/T)^b2.86 γ 0. ylabel(’SALIDA’).’k’). N=10.% CONTROL PI-D step(PI_D.7.5.92 0.52. close all.45)).84 0. b2=1.90 0.3). title(’CONTROL PI-D USANDO ISTSE’).13: Par´metros ai para calcular Kc .

B y K son la posici´n. (b) Sistema SDA simplificado. El error en estado estable ess .106 Control PID SISO 5. θ(s) Gc Gs (s) = r(s) 1 + Gc Gs (s) Por consiguiente: Kt (Kp s + Ki + Kd s2 ) θ(s) = r(s) Js3 + (B + Kd Kt )s2 + (K + Kt Kp )s + Kt Ki (5.50) . 5. la constante de p´rdidas y la rigidez del sistema SDA. 5. 5.43: (a) Sistema SDA compensado con un controlador PID mejorado.43(a) posee la forma: Gs (s) = 2 ωn = 2 Kt Kt ωn θ(s) = = × 2 2 Im (s) Js2 + Bs + K K s + 2ζωn s + ωn B K ζ= J 2Jωn (5. 5. θ. Control PID del Sistema SDA La FT del sistema de despegue y aterrizaje SDA mostrada en la Fig.47) donde Im y Kt son la corriente y constante del sermotor respectivamente. se s determina empleando el teorema del valor final: ess = lims→0 se(s) De la Fig.49) La ecuaci´n caracter´ o ıstica est´ndar de un sistema de tercer orden se obtiene ensea riando un sistema de segundo orden con uno de primer orden (un polo po ): 2 2 1 ωn ωn × = 3 2 2 2 (s2 + 2ζωn s + ωn ) (s + po ) s + (2ζωn )s2 + (ωn + 2ζωn po )s + ωn po (5.43(a). ω n es la o e frecuencia natural de oscilaci´n y ζ es el coeficiente de amortiguamiento. con r(s) = R .43 se deduce: e r(s) = R s Gc (s) e(s) Kp+ Ki s + Kd s G s (s) Im (s) Kt Js 2 + Bs + K θ (s) Fig. de la Fig. El sistema o SDA compensado con un controlador PID mejorado se muestra en la Fig. 5.6.48) Tambi´n.43 se puede demostrar que: ess = lims→0 s R r(s) = 1 + Gc Gs (s) 1 + Gc Gs (s) =0 s=0 e(s) = r(s) − θ(s) (5. donde R es la amplitud de la entrada.

mh=0. 5. Ki=po*wn^2*J/Kt. z=B/(2*J*wn).m CONTROL PID. Este resultado se obtiene ejecutando el sdapid1. PI-D Y PI-Dy EMPLEANDO LA CURVA DE REACCI ´N O clear all.6.4 0. O xlabel(’TIEMPO [s]’). 5.5.048.3 0. % sdapid1.2 0. close all.6 Fig.1 0 0 0.6 Control PID del Sistema SDA 107 Igualando las ecuaciones caracter´ ısticas de (5.8 0. tal como se observa en la la Fig. J=0.002.9 0.51) 2 donde ωn y ζ se dan en (5. % SISTEMA Gc=Kp+Ki/s+Kd*s. Gs=Kt/(J*s^2+B*s+K). ylabel(’´NGULO’). print -deps -f sdapida A Mejora del Control PID del Sistema SDA El control de posici´n del sistema SDA puede ser mejorado incluyendo un actuo ador.0108.0373. PID=feedback(Gc*Gs.47).6 ÁNGULO 0.49) y (5. K=0.2 0.7 0.45(b). Kd=(-B+po*J+2*z*wn*J)/Kt.27.’k’). La Fig. clc.44 muestra la salida del sistema controlada. m2=0. El voltaje de armadura Vm del motor CC se formula como: Vm = R m I m + L m dIm dt → Im (s) 1 = Vm (s) Lm s + R m . tal como se muestra en la Fig.3 TIEMPO [s] (sec) 0. Lh=0. s=tf(’s’). 5.5 0.1).4 0. Kp=(-K+2*po*z*wn*J+wn^2*J)/(Kt). Kt=0.50) se obtienen los par´metros a del controlador PID: 2ζωn J − B + po J Kt (5. L2=5. El actuador es un control PI de la corriente Im . wn=sqrt(K/J). po=10.5 0. L1=15.068. Kc = Ki = Kd = POSICIÓN ANGULAR CONTROLADA DEL SISTEMA SDA 1 2 J(ωn + 2ζωn po ) − K Kt 2 ωn p o J Kt 0. title(’POSICI´N ANGULAR CONTROLADA DEL SISTEMA SDA’).035.45(a). % CONTROL PID step(PID.1 0. m1=0.44: Salida controlada del sistema SDA empleando un controlador PID.5. 5.0284.m cuyo listado se muestra abajo. B=0.

108 Control PID SISO donde Lm es la inductancia de armadura y Rm es la corriente de armadura. La primera es que su magnitud no debe de exceder el rango permitido por el sistema de adquisici´n de datos.45(a) se deduce: Kpp s+Kii I(s) Lm (5. Lamentablemente este limitador.52) con la forma est´ndar de la ecuaci´n caracter´ a o ıstica de un sistema de segundo orden: 2 s2 + 2ζωn s + ωn se obtienen los par´metros del controlador PI: a Kpp = −Rm + 2ζωn Lm 2 Kii = ωn Lm (5. en donde se observa que cuando ocurre un cambio . el cual es un elemento no lineal.mdl y luego el programa windupgraf. 5.m se obtiene la Fig.53) Cuando la corriente Im (t) sigue a la corriente de referencia constante Ir . 5.47. De la Fig. 5. El Efecto Windup En toda implementaci´n pr´ctica. o el resultado mostrado en la Fig. En esta situaci´n.44 sigue siendo v´lida. entonces el actuador de corriente asemeja a una ganancia igual a Im /Ir = 1. la se˜al de salida del controlador debe de estar o a n limitada por dos razones. Ejecutando primero el programa windup.52) = 2 + Rm +Kpp s + Kii Ir (s) s Lm Lm Igualando la ecuaci´n caracter´ o ıstica (el polinomio del denominador) de (5. 5. a G pi(s) Ir K pp + K ii s (a) Gc (s) e(s) Kp+ Ki s + Kd s I r (s) G a(s) I m(s) G s (s) Kt Js 2 + Bs + K Actuador (b) θ (s) Vm G i (s) 1 L ms + R m Im r(s) = R s Fig. es el causante del efecto denominado en ingl´s windup (saturaci´n). el cual se explica a continuaci´n. Por estas razones es que debemos de introducir un limitador a la salida del controlador.45: (a) Actuador de corriente Ga (s). 5. y la segunda raz´n es que su valor o o no debe de exceder el rango permitido por el actuador.46 muestra el diagrama en Simulink empleado para explicar el efecto windup. 5. (b) Sistema SDA mejorado con la inclusi´n o del actuador de corriente .7. e o o La Fig.

La salida y(t) del sistema controlado y la correspondiente fuerza de control u(t) se muestran en la Fig. Esto causa que la salida y(t) se incremente continuamente hasta que se alcance el tiempo t2 . o . las cuales se obtienen ejecutando primero el programa antiwindup. no importando que la n se˜al de error e sea cero.49. Por otra parte. a a windup . la se˜al de control u(t) permanece en el valor de saturaci´n m´ximo n o a um . el valor a de la se˜al de control u(t) puede cambiar de un valor a otro. el cual muestra un controlador PID con mecanismo anti windup. si el algoritmo PID empleado es del tipo discreto. Lo que se emplea es el c´lculo recursivo como veremos m´s adelante. Los par´metros del controlador son los usuales: a tiempo integral Ti . A pesar de o que la se˜al de salida y(t) iguala al valor de referencia en el tiempo t1 . o n Por otro.5. debido a que el u n e algoritmo discreto no emplea la suma de los errores para generar el t´rmino integral e del controlador. 5. a´n cuando la se˜al de control est´ limitada.mdl ILUSTRA EL EFECTO WINDUP yi Step =1 5 Kc=5 t Clock t yi 1 1. el algoritmo de control debe de ejecutarse siempre.7 El Efecto Windup 109 tipo escal´n en la se˜al de referencia r(t) (primer gr´fico).48. provocando que la se˜al de control u(t) n (segundo gr´fico) alcance r´pidamente el valor l´ a a ımite de saturaci´n u m . la se˜al de error positiva o n a n inicial (1 − y(t)) se hace bastante grande. 5. Este salto debe de evitarse y en este caso se dice que la n conmutaci´n de manual a autom´tico debe de ser bumpless (sin saltos). y la acci´n negativa de la se˜al de error comience a tener efecto.46: Diagrama Simulink para explicar el efecto windup. Uno de estos m´todos e se muestra en el diagrama Simulink de la Fig.m.12 yi u u y 10 u Scope s4 +10s3 +35s2 +50s+24 Transfer Fcn y y um =3. tiempo derivativo Td y ganancia proporcional Kc . lo cual genera n una se˜al de error (1 − y(t)) negativa debido al valor grande de la se˜al y i en la salida n n del integrador.5 Fig. cuando el controlador conmuta de manual a autom´tico.47 que el efecto windup provoca un a aumento del sobreimpulso y del tiempo de estabilizaci´n en la se˜al controlada y(t). Para lograr o a conmutaci´n sin saltos. 5.12s Ti =1.mdl y luego el programa antiwindupgraf. Existen diversos m´todos para eliminar en gran medida el efecto windup en sise temas de control que emplean controladores PID continuos. a´n en el o u caso en que la operaci´n del sistema de control se encuentre en modo manual. o n Observar en el primer gr´fico de la Fig. 5. el fen´meno windup o no es tan notorio. Esta o correcci´n se puede realizar en el correspondiente programa en tiempo real.

5. 5. 1/1.5s+1 FILTRO 0.m CONTROLADOR PID CON MECANISMO ANTI WINDUP. EL FILTRO SE PUEDE SELECCIONAR A VOLUNTAD. 5. a REF.47: Gr´ficos para explicar el efecto windup. Por ejemplo. Fig.110 EFECTO WIND UP t1 1 0 4 t2 2 0 Control PID SISO SALIDA y(t) 2 0 2 4 TIEMPO [s] 6 8 10 CONTROL u(t) 0 2 4 INTEGRADOR yi(t) TIEMPO [s] 6 8 10 10 5 0 0 2 4 TIEMPO [s] 6 8 10 Fig.1 Td du/dt DERIVADOR antiwindup . no podemos evitar la ocurrencia fortuita de cambios . El Algoritmo PID Discreto Modificado La forma est´ndar del algoritmo PID mostrado en (5.48: Diagrama Simulink que muestra un controlador PID con mecanismo anti windup.12) se puede modificar a introduciendo ciertas caracter´ ısticas con la finalidad de que su rendimiento mejore sustancialmente.8.3 Kc SATURACIÓN 10 s4 +10s3 +35s2 +50s+24 SISTEMA A CONTROLAR yy yy 1 0.2 1/Ti rr rr 1 s INTEGRADOR 1/1.2 GANANCIA 1/Ti Clock tt tt Scope uu uu 1.

48.5 2 1.8 0.2 SALIDA y(t) 1 0.4 0. (5.12) con dt = − dy(t) se n dt convierte en: dy 1 edt − Td u = Kd e + Ti dt Otra modificaci´n importante es filtrar la acci´n derivativa del controlador PID origio o nal mediante un filtro de primer (o segundo) orden para disminuir el ruido derivativo. puede aproximarse mediante un a t´rmino de primer orden que posee una constante de tiempo Tf . De esta forma.4 1.5. el cual a menudo se e normaliza con respecto al tiempo derivativo Td . 5. el derivador puro del algoritmo PID se modifica como sigue: Td s Td s 1 + Tf s Tf = Td N . ya que un derivador puro no es realizable. La se˜al de control ser´ as´ menos ruidosa y la ganancia n a ı en alta frecuencia permanecer´ dentro de cotas apropiadas.49: Salida controlada y se˜al de control correspondiente a la Fig.6 0. los cuales pueden incrementar el t´rmino derivativo: e d de(t) = (r(t) − y(t)) dt dt Este fen´meno es conocido en ingl´s como derivative kick (puntapi´ derivativo) y o e e su efecto se puede apaciguar si es que utilizamos como se˜al de entrada unicamente n ´ de(t) la se˜al realimentada y en lugar de e. n bruscos del error e.2 0 0 1 2 3 4 5 TIEMPO [s] 6 7 8 9 10 3 2. Esta caracter´ ıstica limita la amplificaci´n del ruido de medici´n de alta frecuencia o o en la salida del controlador. 5. Por consiguiente. Un t´rmino derivativo a e pr´ctico.5 1 CONTROL u(t) 0 1 2 3 4 5 TIEMPO [s] 6 7 8 9 10 Fig.8 El Algoritmo PID Discreto Modificado CONTROLADOR PID CON MECAISMO ANTI WINDUP 111 1.

. respectivamente. ˙ se obtiene: D(k) + Tf D(k) − D(k − 1) = −Kc Td T y(k) − y(k − 1) T ˙ D(t) + Tf D(t) = −Kc Td y(t) ˙ Despejando D(k).57) El algoritmo PID discreto usado en las implementaciones en tiempo real resulta: u(k) = P (k) + I(k) + D(k) (5. elseif(v > uhigh). o lo que es lo mismo: I(t) = s empleamos la aproximaci´n trapezoidal (ver ejemplo A. obteni´ndose: e P = Kc e(k) K Para la parte integral I(s) = Tic e(s). if(v < ulow).57) respectivamente. (5.54) se discretiza directamente.112 Control PID SISO donde N es una constante que var´ de 3 a 10 y es conocida como la cota de la ıa ganancia derivativa. I y D representan las partes proporcional. Luego. La parte o o proporcional P = Kc e(s) de (5.56) I(k) = I(k − 1) + Kc T d La parte derivativa D(s) = − 1+Tf s y(s) se puede escribir como: s (1 + Tf s)D(s) = −Kc Td s y(s) ˙ y aproximando las derivadas D(t) e y(t) por atraso (desplazamiento de k hacia (k−1)).46): o Kc Ti (5. la parte derivativa discreta queda entonces como: D(k) = Td {D(k − 1) − Kc N [y(k) − y(k − 1)]} N T + Td Tf = Td N (5. el algoritmo PID toma la forma: u(s) = Kc e(s) + P (s) = Kc e(s) Kc K c Td s e(s) − y(s) = P (s) + I(s) + D(s) Ti s 1 + Tf s Kc e(s) Ti s D(s) = − K c Td s y(s) 1 + Tf s Tf = (5. u = ulow. I(k) D(k) se dan en (5. integral y derivativa del e controlador PID modificado.58) donde P (k). el cual est´ relacionado con el tiempo continuo t mediante a la relaci´n t = T k. donde T es el tiempo de muestreo o discretizaci´n.55).54) Td N I(s) = Los t´rminos P . Sea k el tiempo discreto.55) t 0 e(t)dt Kc I(k) = Ti k i=1 [e(i) + e(i − 1)] T 2 = Kc Ti k−1 T i=1 Kc [e(k) + e(k − 1)] [e(i) + e(i − 1)] + 2 Ti T 2 Kc T [e(k) + e(k − 1)] 2Ti (5. basado en un modelo con presencia de saturaci´n con valores m´ximo y m´ o a ınimo umax y ulow respectivamente: v = P + I + D. Tambi´n e se debe de incluir el efecto del limitador.56) y (5. u = uhigh. else u = v.

15.5Ki ∞ + Kd s Si el tiempo de muestreo Ts es suficientemente peque˜o. Tipo P PI PID Kc + Controlador Gc (s) KC Kc + Ki s Ki s Kc = 100 BP Ki = Kc /Ti crit 0.8338e-6.24 Se desea controlar la posici´n angular x1 de un manipulador empleando un algoritmo o de control discreto PID. Jm = 1.5Ts − 0.m CONTROL DE POSICION PID DEL MANIPULADOR MR1 clear all. las ecuaciones de estado del manipulador son: x1 = x 2 ˙ x2 = − ˙ N B n2 KE nKact x2 − + x2 + u M M M Ra Ra M Soluci´n: En el listado del programa pidposfijo.9. g = 9. Ra = 7. clc. 5.14: M´todo de la curva de reacci´n para determinar los par´metros PID. bL = 1e-5.6 Kp (τ +0. donde Ts es el tiempo de muestreo.m se describen todos los par´metros o a empleados en la ecuaci´n de estado. % PARAMETROS DEL PROCESO NO LINEAL (TABLA 3. K c . Estas tablas Kp emplean la FT Gp (s) = 1+T s e−τ s del sistema y no son v´lidas si τ /Ts ≈ 0 ni se a deben de aplicar si τ /Ts < 1/4.035e-3. e o a Ki y Kd .5e-7. Ejemplo 5.38.5.5Ki Kc = Ki = Kc /Ti 0 Ts T 0. existen reglas de sinton´ ıa para el caso discreto.81.06377.9 T Kp τ +0.5Kcrit 0.5Ki 0.5Ts )2 K d = K c Td 0 0 0. TI e a y TD . tal como las mostradas en las Tablas 5. Kact = 14. entonces se pueden usar las n reglas de sinton´ para sistemas continuos discutidas anteriormente.2 T Kp τ +Ts − 0.50). Tipo P PI PID Kc + Controlador Gc (s) Kc Kc + Ki s Ki s 100 BP 1 T Kp τ +Ts 0.54 Kcrit T crit 1.5Ki 1.45 Kcrit − 0. a % pidposfijo. . bm = 1.5 T Kp T s + Kd s Tabla 5.6 Kcrit − 0.075Kcrit Tcrit Ts 0. Ejecutando este programa se obtiene la respuesta o pedida (Fig. Ya se han usado par´metros PID previamente determinados. m = 0.15: M´todo de las oscilaciones sostenidas para hallar los par´metros K C . close all.01.3) JL = 3.2 Kcrit T K d = K c Td 0 0 0.8 El Algoritmo PID Discreto Modificado 113 Tabla 5.5Ts )2 Ts T 0.14 y 5.27 Kp (τ +0. E = 31. Sin embargo. a ıa pesar de que no son tan usadas como en el caso continuo. Ro = 0.9062e-6.

8 0. print -f -deps pidposfijo . T = 0. grid. u = uhigh. x1 = 0. e = r . MODELO DE SEGUNDO ORDEN DEL SISTMA (DISCRETIZACION DIRECTA) x1 = x1 + T*x2. x1p=x1.64e-3. Nn = 10. Ti = 0. CONDICIONES INICIALES ep = 0. R(k) = r. Dp=0. Nn = 10. Y(k) = x1.(B/M + n^2*K*E/(M*Ra))*x2 + (n*K*Kact/(Ra*M))*u ).01. P = Kp*e.1.ejex.4 0. ******** LAZO DEL SISTEMA DE CONTROL ********* Mm = 5000.1.01. Jeff = n^2*Jm +JL.2 0 Control PID SISO 0 10 20 30 40 50 60 70 80 90 100 0. Lo = 0. for k = 1:Mm r = 1. u = ulow. x1p=0.4.045. 5. I = Ip + T*Kp*(e+ep)/(2*Ti).x1.01.24. ulow = -5.x1p)/(Nn*T + Td). ylabel(’Se~al de control u (V)’) n xlabel(’Tiempo [s]’). plot(ejex. L = 4. v = P + I + D.R.4 0. N = g*Lo*(Mo+m/2). ylabel(’Posici´n angular (rad)’) o subplot(2.776. o % % % % % K = 31.Kp*Td*Nn*(x1 . uhigh = 5.3 0. Ip = 0. end GRAFICOS ejex = linspace(0. D = (Td/(Nn*T + Td))*Dp .741.1. x2 = 0. Kp = 0. Tf=Td/Nn. Td = 0.Mm*T. n = 19.1) plot(ejex. M = Jeff + (1/3)*m*Lo^2 + Mo*Lo^2 + (2/5)*Mo*Ro^2. Ip=I.2). else u = v.5 Señal de control u (V) 0. elseif( v > uhigh).071e-3. ep = e.6 0. grid. if(v < ulow). end U(k) = u.50: Posici´n angular controlada correspondinte al Ejemplo 5. Mo = 0.1 0 0 10 20 30 40 50 Tiempo [s] 60 70 80 90 100 Fig.Y).114 1 Posición angular (rad) 0.U).2 0. x2 = x2 + T*( -(N/M)*x1 . B = n^2*bm + bL. subplot(2.Mm). PERIODO DE MUESTREO Y PARAMETROS PID T = 0.

o o la se˜al de referencia es nula.1 Las FTs Ga (s) hasta Gj (s) corresponden a sistemas a ser controlados. (T1 s + 1)(T2 s + 1) 4 (s + 1)5 Ga (s) = Gd (s) = Gf (s) = Gi (s) = 2 (s + 1)3 −3s + 2 (s + 1)3 2 − 3s + 6 −10s + 4 s Ge (s) = e−s/2 2 + 3s + 6)(s2 + s + 2) (s + 1)(s (s + 1)2 (s + 3)3 6 3 3 Gg (s) = e−s Gh (s) = e−2s (s + 1)6 (s + 1)(2s + 1) (s + 1)4 7 3s + 6 e−30s Gj (s) = e−s/10 (17s + 1)(6s + 1)3 (s + 1)(4s + 1) Gb (s) = Gc (s) = Problema 5. El objetivo de control o es que la se˜al controlada (la salida) tienda a cero en presencia de un disturbio tipo n escal´n a la entrada del sistema. Usar al menos cinco distintas reglas de sintonizaci´n para o cada sistema.5 .104 T Kp .4 Realizar los controles PID. n Problema 5. El objetivo de control es que la se˜al controlada siga a una referencia n constante.104 T τ ≥ 0. Problema 5.9. PI–D y PI–Dy de los sistemas Ga (s) al Gj (s) en el dominio del tiempo discreto k=t/T (T es el tiempo de muestreo) empleando MATLAB. Problemas Problema 5. Usar al menos una regla de sintonizaci´n. Usar al menos tres distintas reglas de sintonizaci´n para cada sistema. distinta de las otras. PI–D y PI–Dy de los sistemas Ga (s) al Gj (s) empleando SIMULINK.9 Problemas 115 5. para o cada sistema. denominada rechazo al disturbio.2 Realizar los controles PID. Problema 5. Determinar para cada una de ellas los siguientes modelos din´micos aproximados: a GA (s) = Kp −τ s e Ts + 1 GC (s) = GB (s) = Kp .3 Realizar los controles PID. El objetivo de control es que la se˜al controlada siga a una referencia n constante. En esta situaci´n. (Tn s + 1)n τ < 0.5. PI–D y PI-Dy de los sistemas Ga (s) al Gj (s) en el dominio de s empleando MATLAB.

Usar al menos una regla de sintonizaci´n. distinta de las otras.2s)(1 + 30s)(1 + 0. tiemn po de estabilizaci´n menor de 4 s y error en estado estable nulo.8 Para el sistema del ejemplo ??. o Problema 5.3s)2 (1 + 0.3s)3 9 (1 + 20s)(1 + 30s) (1 + 0. y1 = x1 − x1e debe de ser nulo.1s)3 (1 + 0.3s)3 5 (1 + 0.9 2 (1 + 20s) (1 + 0.2s)4 (1 + 0.5s)3 6 (1 + s)(1 + 2s)(1 + 40s)(1 + 50s)(1 + 0. o o denominada rechazo al disturbio. PI–D y PI–Dy que cumn plan el siguiente objetivo de control: la se˜al controlada y = ω2 debe de seguir una n se˜al de referencia constante con un porcentaje de de sobrenivel menor del 3 %. de los sistemas G k (s) al Gt (s) u empleando el m´todo de Kessler.2s)4 (1 + 0. o Problema 5.116 Control PID SISO Realizar los controles PID.5s)2 3 s(1 + s)(1 + 2s)(1 + 40s)(1 + 0.5s)3 8 (s + 10)(s + 9)(s + 2) 4 2 (s + 5)(s + 6) s (s + 3) 4 2 (1 + 2s)(1 + 0. e Gk (s) = Gl (s) = Gm (s) = Gn (s) = Go (s) = Gp (s) = Gq (s) = Gr (s) = Gs (s) = Gt (s) = Problema 5. tiempo de estabilizaci´n menor de 8 s y error en estado estable nulo.2s)4 (1 + 0. En esta situaci´n.5s)2 2 s (1 + s)3 (1 + 2s)2 8 s(1 + 20s) (1 + 0.9s) s (1 + s) .1s)(1 + 0.6 Realizar los controles PI o PID seg´n corresponda. PI–D y PI–Dy que cumn plan el siguiente objetivo de control: la se˜al controlada x1 debe de seguir a la se˜al n n en estado estable x1e con un porcentaje de de sobrenivel menor del 5 %. la se˜al de referencia es nula. El objetivo de control es que la se˜al controlada (la salida) tienda a cero en n presencia de un disturbio tipo escal´n a la entrada del sistema. dise˜ar controladores PID. dise˜ar controladores PID. Tener en cuenta que para o la situaci´n descrita. n Problema 5.7 Para el sistema del ejemplo ??. para cada o sistema. PI–D y PI–Dy de los sistemas Ga (s) al Gj (s) empleando SIMULINK.1s)3 (1 + 0.

o Problema 5. o Problema 5. o Problema 5. n tiempo de estabilizaci´n menor de 4 s y error en estado estable nulo. n tiempo de estabilizaci´n menor de 4 s y error en estado estable nulo.14 Para el sistema del problema ??. dise˜ar controladores PID. PI–D y PI–Dy que cumn plan el siguiente objetivo de control: la se˜al controlada q3 debe de seguir una se˜al n n de referencia constante con un porcentaje de de sobrenivel menor del 3 %.5. 2. PI–D y PI–Dy que n cumplan el siguiente objetivo de control: la se˜al controlada θ debe de seguir una n se˜al de referencia constante con un porcentaje de de sobrenivel menor del 3 %. PI–D y PI–Dy que n cumplan el siguiente objetivo de control: la se˜al controlada ω debe de seguir una n se˜al de referencia constante con un porcentaje de de sobrenivel menor del 3 %. n tiempo de estabilizaci´n menor de 10 s y error en estado estable nulo.13 Para el sistema del problema ??. dise˜ar controladores PID. o . dise˜ar controladores PID. dise˜ar controladores PID. PI–D y PI–Dy que cumn plan el siguiente objetivo de control: la se˜al controlada x1 debe de seguir una se˜al n n de referencia constante con un porcentaje de de sobrenivel menor del 3 %. ??(b). n tiempo de estabilizaci´n menor de 4 s y error en estado estable nulo.14(c). dise˜ar controladores PID. o Problema 5. tiempo de estabilizaci´n menor de 4 s y error en estado estable nulo. tiempo de estabilizaci´n menor de 4 s y error en estado estable nulo.11 Para el sistema de la Fig. dise˜ar controladores PID.12 Para el sistema del ejemplo ??.10 Para el sistema de la Fig. PI–D y PI–Dy que n cumplan el siguiente objetivo de control: la se˜al controlada iR debe de seguir una n se˜al de referencia constante con un porcentaje de de sobrenivel menor del 3 %.9 Problemas 117 Para el sistema del ejemplo ??. PI–D y PI–Dy que n cumplan el siguiente objetivo de control: la se˜al controlada ω debe de seguir una n se˜al de referencia constante con un porcentaje de de sobrenivel menor del 3 %. o Problema 5.

.

6. la cual se convierte a una se˜al neum´tica normalizada. requerida por la v´lvula n a a de control. se requiere crear un nuevo lazo de realimentaci´n.1(c). Notar que la salida u1 de C1 es la se˜al de referencia n r2 del controlador C2 . usando el controlador C1 . respectivamente. y C1 y C2 son a o los controladores que procesan los errores e1 = r1 −y1 y e2 = r2 −y2 . el cual se supone que es electr´nico. Observar la presencia de la se˜al de error e = r − y en este diagrama.1(d) muestra el diagrama de bloques del sistema de control en cascada.1(b) muestra el diagrama de bloques del circuito de control descrito. a En este lazo de control realimentado simple.1(a) muestra un sistema que comprende un tanque cerrado al cual ingresa un producto que queremos calentar a una temperatura r (el valor deseado o set point). tal o como se muestra en la Fig. se desea que la temperatura y1 del producto siga a una referencia r1 . M1 y M2 son bloques de medici´n. medida con una termoresistencia (representada con una T que ingresa al tanque). la temperatura y 1 del producto es la m´s importante. el control en cascada es una estrategia que mejora significativamente el rendimiento de un lazo de control realimentado simple. 6. 6. De n hecho.1. genera la se˜al de n control u procesando la se˜al de error e. . la temperatura y.1(c). n En muchas aplicaciones. La Fig. El flujo de agua caliente y2 se emplea como una variable para a satisfacer los requerimientos de temperatura del producto.1(a). La Fig. Para este prop´sito se emplea el sobrecalentador. ingresa al bloque convertidor para ser transformada en una se˜al normalizada requerida por el contron lador. en la cual. como el de la Fig. el algoritmo de control alojado en el bloque Controlador.Cap´ ıtulo 6 Otras Estrategias de Control Este Cap´ ıtulo 6. se desea que el flujo de agua caliente y2 siga a una referencia r2 empleando el controlador C2 . el cual recibe la energ´ o ıa t´rmica que trae consigo el flujo de agua caliente que tambi´n pasa por la v´lvula de e e a control de tipo neum´tica. 6. 6. 6. Este controlador genera la se˜al de control o n u. Control en Cascada La Fig. donde P1 m´s P2 forman el proceso. Para ello. De las dos variables controladas en la Fig. Con el segundo lazo. con el primer lazo.

Construir el sistema de control en cascada definiendo los lazos de control primario y secundario. ıa Ejemplo 6. C 2 en este caso. el lazo terciario debe de ser m´s r´pido que el a a secundario. Determinar el modelo din´mico del proceso o planta a controlar. Tener en cuenta que el lazo de control secundario es parte del lazo de control primario. Construir un lazo de control simple y sintonizar el controlador PID empleando cualquier m´todo. C1 en este caso. (c) y su diagrama de bloques (d). Se sugiere el siguiente e a a procedimiento de dise˜o: n 1. respectivamente. es conocido como controlador maestro. Circuito de Control en cascada. interno o secundario. a 2.1 . Por lo com´n se prefiere usar u la terminolog´ primario/secundario para referirse a los lazos de control primario y ıa secundario controlados por los controladores primario y secundario. el controlador que controla la variable controlada principal. Realizar post–sinton´ si fuera necesario. a o a La filosof´ de dise˜o en un sistema de control en cascada consiste en que el lazo de ıa n control secundario debe de ser m´s r´pido (alrededor de cinco veces) que el primario. 6.120 r y Producto (a) r1 y1 u 2 Producto (c) Otras Estrategias de Control Controlador u Convertidor Agua caliente C1 u 1= r 2 C2 y2 Agua caliente (b) r1 e1 u1 r e Controlador u Proceso P y Medición C1 e 2 C2 u2 P2 y2 P1 y1 u 1= r 2 M2 M1 (d) Fig. Realizar post–sinton´ si fuera necesario. El controlador que controla la variable controlada secundaria. la extensi´n es autom´tica. Sintonizar el lazo de control primario empleando el m´todo de la ganancia e l´ ımite. e ıa 3. a a lo cual es un requisito que cae por su propio peso. recibe el nombre de controlador esclavo. Para sistemas de control con m´s de dos lazos en cascada. En el control en cascada. 4. Realizar post–sinton´ si fuera necesario. Sintonizar el lazo de control secundario empleando el m´todo de la ganancia e l´ ımite. externo o principal.1: Circuito de control simple (a) y su diagrama de bloques (b). en un sistema con tres lazos de control en cascada. Por ejemplo. Esta filosof´ de dise˜o se puede ıa n generalizar para cualquier cantidad de lazos en cascada. ıa 5. y ´ste tiene que ser m´s r´pido que el primario.

2s + 1) (3s + 1)(s + 1)) P1 (s) = 0.18.5 0 0 5 10 15 20 TIEMPOx60 (sec) 25 30 35 40 SALIDA CONTROLADA 60 TEMPERATURA °C 50 40 30 20 10 0 0 10 20 30 TIEMPOx60 (sec) 40 50 60 Fig.m listado abajo.5.m CONTROL PI DEL LAZO SIMPLE V´A LA OSCILACI´N SOSTENIDA I O . ejecutando el programa casc1a.6. donde: P2 (s) = 3 1 (0. Notar que la oscilaci´n posee un per´ o ıodo Tcrit = 12. Para controlar el proceso emplearemos el m´todo de la oscilaci´n l´ e o ımite de Ziegler y Nichols.2 ilustra la a salida y controlada. El gr´fico superior de la Fig. 6.18 (gr´fico superior) y respuesta a controlada (gr´fico inferior) para el caso control con lazo simple del ejemplo 6.1 Control en Cascada 121 Determinar la respuesta controlada del sistema realimentado simple de la Fig.6.1(b) y compararla con la respuesta controlada del sistema de control en cascada ilustrado en la Fig. OSCILACIÓN SOSTENIDA 2 1. 6. a % casc1a. Con tales valores se calculan los par´metros a del controlador PI empleando la Tabla 5. 6.2: Oscilaciones sostenidas para Kcrit = 2.2 muestra la respuesta al escal´n a a o manera de una oscilaci´n sostenida que se obtiene haciendo que el controlador C en la o Fig. 6.1. 6. 6. a Soluci´n: El modelo din´mico del proceso ha sido proporcionado en el enunciado del o a problema.1(d). y que: P (s) = P2 (s) × P1 (s).8 (4s + 1)(s + 1) Cabe anotar que 3/(0. sabiendo que los controladores son del tipo PI.2s + 1) es la FT de la v´lvula de control. El gr´fico inferior de la Fig. que M1 = M2 = 1. luego de realizar una postsinton´ Tales resultados se obtienen ıa.5 y(t) 1 0.1(b) trabaje en modo proporcional con una ganancia Kcrit = 2. que r = r1 = 50o C.

85*Tcrit1.2. xlabel(’TIEMPOx60’). step(SIMPLE.3.3). 6.1).45*Kcrit1.4 y Tcrit1 = 13 determinados.8/((4*s+1)*(s+1)). El lazo de control secundario se realiza como sigue. Gs1=feedback(Kcrit2*P2.4.45*Kcrit2. step(CASCADA). 6. Ti1=0.3 ilustra la salida y1 controlada.65*0.3) y con los par´metros o a a Kcrit1 = 3. ylabel(’y2(t)’). 6. close all. % CONTROL CASCADA subplot(414). % P: PROCESO Kcrit=2. step(Gp1. % PAR ´METROS PI CON POSTSINTON´A A I C=Kc*(1+1/(Ti*s)). El gr´fico inferior de la Fig. C2=Kc2*(1+1/(Ti2*s)).40). xlabel(’TIEMPOx60’).53 O Kc2=0.53. se calculan los par´metros del controlador a C1 . El lazo de control primario incluye en su estructura el lazo de control secundario descrito arriba. Ti=0. ylabel(’y1(t)’) Tcrit1=13.45*Kcrit. 6. % CONTROL LAZO SIMPLE subplot(212). step(Gs1. % TOMADO DE LA OSCILACI´N SOSTENIDA CON Kcrit1=3.2.85*Tcrit2. P2=3/((0.2*s+1)*(3*s+1)*(s+1)). step(Gs2). s=tf(’s’). title(’SALIDA CONTROLADA EN CASCADA’). se estabiliza en 30 min. clc.1).85*Tcrit. 6. % FT LAZO PRIMARIO CON Kcrit1 subplot(413).10). luego de realizar a una postsinton´ Todos estos resultados se obtienen ejecutando el programa casc1b. 6.1). grid. xlabel(’TIEMPOx60’).8*0. close all. O xlabel(’TIEMPOx60’).18 O Kc=0.m ıa.1(d). SIMPLE=50*feedback(C*P. grid. a mientras que para el caso de realimentaci´n simple mostrado en el gr´fico inferior de o a la Fig.6. P1=0. subplot(211).5. xlabel(’TIEMPOx60’). grid.3 muestra la respuesta al escal´n a manera de una oscilaci´n sostenida que se o o obtiene haciendo que el controlador C2 en la Fig. ylabel(’TEMPERATURA ◦ C’). P=P1*P2. la cual se logra a realizando post–sinton´ tal como se explica en el listado del programa casc1b.2 O Kc1=0. Gp1=feedback(Kcrit1*Gs2*P1.m. Se debe notar tambi´n que el per´ e ıodo de oscilaci´n o cr´ ıtica del lazo primario mostrado en el primer gr´fico de la Fig. clc. % PAR ´METROS PI A C1=Kc1*(1+1/(Ti1*s)).8/((4*s+1)*(s+1)).40). CASCADA=50*feedback(C1*Gs2*P1. step(G_c.1). ylabel(’TEMPERATURA ◦ C’). 6.m CONTROL EN CASCADA clear all.4.3 ilustra la salida y2 (t) controlada. 6. El primer gr´fico de la a Fig. Ti2=0. ıa. ylabel(’y2(t)’).1*0. G_c=feedback(Kcrit*P.53.2*s+1)*(3*s+1)*(s+1)). El segundo gr´fico de la Fig. ylabel(’y(t)’) O Tcrit=12. title(’CONTROL DEL LAZO SECUNDARIO’) Kcrit1=3. Notar que la oscilaci´n posee un per´ o ıodo Tcrit2 = 2. grid. listado abajo. print -deps -f casc1b Observar que el rendimiento del sistema de control en cascada es mejor porque la temperatura se estabiliza en aproximadamente 22 min (gr´fico inferior de la Fig. title(’SALIDA CONTROLADA’). print -deps -f casc1a El diagrama de bloques del sistema de control en cascada se muestra en la Fig.1). % TOMADO DE LA OSCILACI´N SOSTENIDA CON Kcrit=2. title(’OSCILACI´N DEL LAZO SECUNDARIO’) O Tcrit2=2. subplot(412).1(d) trabaje en modo proporcional con ganancia Kcrit2 = 8.60). P1=0. P2=3/((0. % FT LAZO SECUNDARIO CON Kcrit2 subplot(411). Kcrit2=8. s=tf(’s’). title(’OSCILACI ´N DEL LAZO PRIMARIO’).122 Otras Estrategias de Control clear all. El dise˜o del control PI del lazo primario es similar al del secundario: n se genera una oscilaci´n sostenida (tercer gr´fico de la Fig.18. xlabel(’TIEMPOx60’). % casc1b. % TOMADO DE LA OSCILACI´N SOSTENIDA CON Kcrit2=8. grid. es mayor que la a . title(’OSCILACI´N SOSTENIDA’).1). 6. Con tales valores se calculan los par´metros del controlador PI empleando la Tabla a 5. grid. Gs2=feedback(C2*P2.

6. Control de la Raz´n o El control de la raz´n se refiere generalmente a controlar (mantener) la raz´n o o entre dos flujos lo m´s constante posible.2 Control de la Raz´n o SISTEMA DE CONTROL EN CASCADA 2 y2(t) 1 0 123 0 1 2 3 4 5 6 TIEMPOx60 (sec) CONTROL DEL LAZO SECUNDARIO 7 8 9 10 2 y2(t) 1 0 0 5 10 15 TIEMPOx60 (sec) OSCILACIÓN DEL LAZO PRIMARIO 20 25 2 y1(t) 1 0 TEMPERATURA °C 0 5 10 15 20 25 TIEMPOx60 (sec) SALIDA CONTROLADA EN CASCADA 30 35 40 100 50 0 0 10 20 30 40 TIEMPOx60 (sec) 50 60 70 Fig. el flujo q1 correspondiente al lazo no controlado. Por otro lado.2. es conocido como el flujo salvaje. o a Control de la raz´n aire–combustible para la combusti´n. en donde se ubica el flujo q2 . o . t´cnica bastante utilizada en las o e torres de destilaci´n.4. tal a o a como el mostrado en la Fig. 6. En el esquema de raz´n m´s difundido.1.3: Resultados para el caso control en cascada del ejemplo 6.4 6. el lazo controlado. del lazo secundario (tercer gr´fico de la Fig.6.3) en una relaci´n: a o 13 Tcrit = = 5. o o Control de la composici´n de un producto. Entre ellas: Mezcla o fundici´n de dos o m´s componentes. es denominado lazo secundario. 6. El control de la raz´n encuentra muchas o aplicaciones en la industria.41 Tcrit1 2.

y2. Observar que la raz´n V(t) se mantiene o en el valor 10 previamente establecido.2 Dise˜ar y simular el sistema de control que mantenga la raz´n combustible–aire en n o 10 en la Fig. 6.m clear all.V).4): o r2 = V y 1 e2 = r 2 − y 2 = V y 1 − y 2 El lazo secundario se controla cuando el error e2 tienda a cero. a o Ejemplo 6.5 muestra el diagrama Simulink correspondiente a la Fig.4: Esquema m´s difundido del control de la raz´n. Es decir. o Notar que se ha incluido la FT de la v´lvula de control. % razon1graf. cuando: e2 = V y 1 − y 2 = 0 V = y2 y1 V y1 r2 u y2 q2 q1 Qemador Horno Fig.124 Otras Estrategias de Control Observar en la Fig.4. El flujo de aire y1 ha a sido considerado como un flujo que var´ en forma sinusoidal para mayor generalidad.th. 6.4. El proceso flujo y2 se modela a como una constante proporcional. Soluci´n: La Fig. 6. plot(th.4 que los flujos q1 y q2 se miden empleando placas de orificio. load V. title(’CONTROL DE LA RAZ´N V = y2/y1’) O O print -f -deps razon1r. load th.y1. load y2. se ha usado un o controlador PI con par´metros P = Kc = 1 e I = Kc /Ti = 4. close all. las cuales usan el principio de que el flujo es proporcional a la ra´ cuadrada de la ız diferencia de presi´n producida por la placa. 6. ylabel(’RAZ¨N V(t)’). Para mantener la raz´n V en 10. print -s -deps razon1s . 6. load y1. 6. ıa La Fig.th.m cuyo listado se muestra abajo. xlabel(’TIEMPO [s]’). la filosof´ de control de o ıa la raz´n se basa en las relaciones siguientes (ver Fig. clc. Por otro lado. Esto es: q2 /q1 = V = 10. 6.6 muestra el resultado de la simulaci´n que se obtiene ejecutando el archivo o razon1graf.

mdl y1 y1 Aire r2 10 Set V Producto y2 y2 e2 PID PI Controller 1 u Inversa 1/y1 V=y2/y1 V Clock th th 2 0.2.3. Sin embargo.4. 6. Por cierto. 6. o 6. 45 40 35 30 RAZÖN V(t) 25 20 15 10 CONTROL DE LA RAZÓN V = y2/y1 y2(t) V = 10 y1(t) 5 0 0 200 400 600 TIEMPO [s] 800 1000 Fig. lo cual permite calcular por adelantado la se˜al de control requerida para mantener n .6. Control Anticipativo La principal desventaja en los sistemas de control por retroalimentiici´n radica o en el hecho de que cuando un disturbio ingresa al proceso. en muchos casos se puede tolerar temporalmente un error entre la se˜al n controlada y la se˜al deseada.6: Resultado de la simulaci´n correspondiente al Ejemplo 6. 6. Para tales situaciones resulta util el control anticipativo. antes de que aparezca una acci´n correctiva que compense el efecto de tal o disturbio. ´ste se propaga por todo e el proceso forzando que la variable controlada se desv´ del punto deseado o de reıe ferencia.5s+1 Válvula + caudal y 2 y2 Product Scope Fig. Con o ´ esta estrategia de control. los disturbios se miden antes de que ingresen al proceso.3 Control Anticipativo 125 razon1. lo cual no se logra s´lo con el control o por realimentaci´n. existen aplicaciones en donde el error debe n de ser m´ ınimo m´ ınimo en presencia de disturbios.5: Diagrama Simulink correspondiente a la Fig.

Es decir. el desempe˜o del sistema de control anticipativo va a disminuir.7 se deduce: n y = Gp (s)u + Gd (s)d = Gp (s)Ga (s)d + Gd (s)d = [Gp Ga (s) + Gd (s)] d La ecuaci´n anterior ilustra el efecto de la presencia del disturbio d en el sistema. El primero ocurre cuando el grado del polinomio del denominador de Gp (s) es mayor que el grado del polinomio del denominador de Gd (s). Ga (s) y Gd (s) son las funciones de transferencia del proceso. La Fig. 6. del controlador anticipativo y del disturbio respectivamente. entonces dicha ecuaci´n deber´ de anularse. De la Fig.7 muestra el diagrama de bloques de un sistema de control anticipativo donde Gp (s).7: Sistema de control anticipativo. sean: Gp (s) = s2 1 + bs + c Gd (s) = 1 s+f donde a. asumamos que: n Gp (s) = Por consiguiente: Ga (s) = − Gd (s) Kd Tp s + 1 (τp −τd )s =− e Gp (s) K p Td s + 1 Kp e−τp s Tp s + 1 Gd (s) = Kd e−τd s Td s + 1 En conclusi´n. el controlador anticipativo resulta ser un compensador de adelanto– o atraso. El controlador anticipativo se calcula como: Ga (s) = − s2 + bs + c Gd (s) =− Gp (s) s+f . u e y son las a se˜ales disturbio. 6. Si o queremos eliminar este efecto. o ıa haciendo y = 0: 0 = Gp Ga (s) + Gd (s) Ga (s) = − Gd (s) Gp (s) Para tener una idea m´s clara de la estructura del controlador anticipativo G a (s) a dise˜ado. Adem´s. d Gd(s) u y Ga(s) Gp(s) Fig. Por ejemplo. n Existen dos casos notables para los que no se debe de emplear el control anticipativo. en presencia de a errores de modelado. 6. c y f son constantes. d. Evidentemente. de control y de salida respectivamente.126 Otras Estrategias de Control la variable controlada en el valor deseado y sin la presencia de disturbios. b. El sistema de control anticipativo trabaja bien siempre que Gp (s) y Gd (s) representen lo m´s fiel posible al proceso y al disturbio.

Es decir. load d. ylabel(’d(t).m clear all.5s + 5 =− Gp (s) 6s + 3 La Fig.u(t)’). load th. El segundo caso ocurre cuando el tiempo muerto τp del modelo de la planta es mayor que el tiempo muerto τd del modelo del disturbio.7 para: n Gd (s) = 5 2s + 1 Gp (s) = 3 0. cuando posee al menos un cero positivo. load y. ylabel(’y(t)’). xlabel(’TIEMPO [s]’). 6. y(t) no est´ afectada por el disturbio. 6.6.y). load u. si: Gd (s) = Entonces: Ga (s) = − s2 1 e−s + bs + c Gp (s) = 1 e−2s s+f s+f Gd (s) =− 2 es Gp (s) s + bs + c Notar que el controlador anticipativo resultante es no implementable f´ ısicamente debido a que su tiempo muerto es positivo. o El controlador anticipativo se determina de: Ga (s) = − Gd (s) 2. Por ejemplo. 6. clc. subplot(211). 6.9 muestra el resultado de la simulaci´n que se obtiene ejecutando el archivo o antic1graf. title(’VARIABLES d(t) y u(t) EN EL CONTROL ANTICIPATIVO’) subplot(212).7.5s + 1 Gd (s) s+1 =− Gp (s) (s − 1)(4s + 1) Soluci´n: La Fig. Observar en el gr´fico inferior que la a salida controlada y(t) tiende a cero.th. plot(th.3 Control Anticipativo 127 Lamentablemente.d.u). el controlador Ga (s) resultante es f´ ısicamente no realizable. Es decir. title(’SALIDA CONTROLADA y(t)’) print -f -deps antic1r. En el dise˜o de Ga (s) puede resultar en una funci´n de transferencia inestable. a % antic1graf. plot(th. xlabel(’TIEMPO [s]’). n o Esto sucede cuando el modelo Gp (s) del proceso no es de m´ ınima fase. Para ilustrar esta situaci´n asumamos que o (notar que Gp (s) es de m´ ınima fase): Gp (s) = s−1 s+1 Gd (s) = 1 4s + 1 que resulta en el siguiente controlador anticipativo inestable: Ga (s) = − Ejemplo 6.m cuyo listado se muestra abajo.3 Dise˜ar y simular el sistema de control anticipativo mostrado en la Fig. print -s -deps antic1s . por lo tanto no implementable. close all.8 muestra el diagrama Simulink correspondiente a la Fig.

tal como se trata en el el siguiente ejemplo.5s− 5 6s+3 Ga(s) u d Scope 1 y 3 0.3. o Control Anticipativo–Realimentado El control anticipativo posee la capacidad de eliminar el efecto de los disturbios medibles que act´an sobre la se˜al controlada.9: Resultado de la simulaci´n correspondiente al Ejemplo 6.8: Diagrama Simulink correspondiente a la Fig. 6. .7.mdl d d 5 2s+1 Gd(s) − 2. ??. mientras que d2 es un disturbio no medible pero con FT Gd1(s) conocida. donde d 1 es un disturbio medible con FT Gd1(s) conocida. El disturbio d2 se incluye para dar mayor generalidad al problema. n as´ como tambi´n corregir el efecto de los errores de modelado en el lazo de control. el control realimentado u n puede rechazar el efecto de los disturbios no medibles sobre la se˜al controlada. Por otro lado. 6. 6. que si deseamos sacar ventaja de las bondades de cada uno de los esquemas descritos. ı e Cae entonces por su propio peso. 2 1 d(t). debemos de aplicar simult´neamente control a anticipativo y control realimentado .5s+1 Gp(s) Clock th th Fig. tal como se ilustra en la Fig.128 Otras Estrategias de Control antic 1.u(t) 0 −1 −2 0 x 10 −3 VARIABLES d(t) y u(t) EN EL CONTROL ANTICIPATIVO u d 200 2 0 y(t) −2 −4 −6 400 600 TIEMPO [s] SALIDA CONTROLADA y(t) 800 1000 0 200 400 600 TIEMPO [s] 800 1000 Fig.

6.4 Dise˜ar y simular el sistema de control anticipativo–realimentado mostrado en la Fig. 6.10.8s + 1 Gd1 (s) = 3e−3s 5s + 1 Gd2 (s) = 6e−5s 9s + 1 Soluci´n: La Fig.8s− 0. 6. 6.11 muestra el diagrama Simulink correspondiente a la Fig. Es decir.8s + 1 −s Gd1 (s) =− e Gp (s) 5 5s + 1 La Fig. n 6. 6.8s+1 Gp(s) 6 9s+1 Gd1(s)1 Tiempo muerto : 5 Tiempo muerto : 2 Scope r th Clock th y Fig.6 5s+1 Ga(s) PID r = 10 Gc(s) d2 Tiempo muerto : 1 Tiempo muerto : 3 u 5 0.10. .mdl 3 d1 d1 5s+1 Gd1(s) − 4.6.3 Control Anticipativo d1 Gd1(s) G a (s) r e G c (s) d2 u G p (s) Gd2(s) y 129 Fig. a Ejemplo 6. a anticreal 1.10 cuando: Gp (s) = 5e−2s 0.12 muestra el resultado de la simulaci´n que se obtiene ejecutando el archivo o anticreal1graf.10: Esquema de control anticipativo m´s control realimentado.11: Diagrama Simulink correspondiente a la Fig. Observar en el gr´fico inferior que la a salida controlada y(t) sigue a la referencia r(t) a pesar de la presencia simult´nea de a los disturbios d1 (t) y d2 (t). 6. o El controlador anticipativo se determina de: Ga (s) = − 3 0.m cuyo listado se muestra abajo. y(t) no est´ afectada por el disturbio.

y. clc. title(’CONTROL u(t)’). load u. o . xlabel(’TIEMPO [s]’). title(’SALIDA y(t) CONTROLADA’).’k’. Limitando la variable de un proceso en un valor alto o bajo. La Fig.5 u(t) 2 1. o % anticreal1graf.4.13(a) y (b) ilustran el diagrama de instrumentaci´n y el o diagrama de bloques del sistema de control respectivamente.4.’k’). donde PT representa un transmisor de presi´n. tales como el HSS (High o Selector Switch) y el LSS (Low Selector Switch). grid subplot(212). load r. plot(th. 6. Dichas variables se limin tan empleando ciertos tipos de conmutadores de selecci´n. 6. 6. load y.5 0 20 40 60 80 100 TIEMPO [s] 120 140 160 180 200 Fig. print -s -deps anticreal1s 6. Las Figs. Control Selectivo El control selectivo. subplot(211). grid print -f -deps anticreal1r. PIC significa indicaci´n y control de la variable presi´n y o o o PY.12: Resultado de la simulaci´n correspondiente al Ejemplo 6.5 3 2. dado que la letra Y indica realizar o un procesamiento relacionado con P (la presi´n). evita o que ocurran da˜os tanto en el proceso como en el producto.r. es el conmutador de selecci´n. close all. plot(th. generalmente para prop´sitos o de protecci´n.130 Otras Estrategias de Control SALIDA y(t) CONTROLADA 14 12 10 y(t) 8 6 4 2 0 0 20 40 60 80 100 TIEMPO [s] CONTROL u(t) 120 140 160 180 200 3.’k’). load th. es una estrategia de control que consiste en mantener las variables del proceso bajo control dentro de ciertos limites.13 muestra una aplicaci´n del control selectivo en un sistema de bombeo o de producto.u. ylabel(’y(t)’). en este caso.th. xlabel(’TIEMPO [s]’).m clear all.5 1 0. ylabel(’u(t)’).

13: Estrategia control selectivo aplicado al bombeo. o o entonces el controlador de aspiraci´n genera una se˜al que es inferior a la que sale o n del controlador de impulsion. En operaci´n o o normal. En condiciones normales. PIC PIC LAZO 2 PT PT LAZO 1 PY IMPULSION ASPIRACION BOMBA (a) TRANSMISOR DE IMPULSION CONTROLADOR DE IMPULSION CONMUTADOR SELECTOR CONTROLADOR DE ASPIRACION TRANSMISOR LAZO 2 LAZO 1 VALVULA DE CONTROL VALVULA DE CONTROL PROCESO PRESION IMPULSION PROCESO PRESION ASPIRACION (b) DE ASPIRACION Fig. 6. cuando el el nivel del o liquido en el hervidor caiga por debajo del nivel permisible previamente establecido. la se˜al de salida del controlador de impulsion alcanza sus valores de trabajo. el conmutador selecciona la m´ ınima de las dos se˜ales que le llegan. en donde el conmutador selector LSS har´ la conmutaci´n del lazo de a o control de presi´n (Lazo 1) al lazo de control de nivel (Lazo 2).4 Control Selectivo 131 Observar que existen dos lazos de control de presi´n. Si por alguna circunstancia de falla. entonces act´a el conmutador selector u para que entre en funcionamiento el lazo de aspiraci´n en lugar del de impulsi´n. cae la presi´n de aspiraci´n de o o la bomba por debajo del l´ ımite de seguridad. el conmutador es del tipo o o LSS (Low Selector Switch). n Si la presi´n de aspiraci´n baja demasiado hasta llegar a ser inferior a su set point. Adem´s. La Fig.14 muestra otra aplicaci´n del control selectivo aplicado a un generador o de vapor. uno para la aspiraci´n y el o o otro para la impulsion. el conmutador hace que entre en o operaci´n el lazo de control de la aspiraci´n. En esta situaci´n. la presi´n se controla con el lazo o de impulsion. En principio. 6.6. Esta conmutaci´n tambi´n provoca que se cierre la valvula de control. o e . el set point del controlador n a de aspiraci´n tiene que ser inferior a los valores normales de trabajo. o o El conmutador selector trabaja como sigue. En este caso.

u Un ejemplo t´ ıpico es el caso de un reactor. el n´mero a a o u de variables de control es mayor que el n´mero de variables controladas. altas.15) como sigue.14: Estrategia control selectivo aplicado a un generador de vapor. El objetivo o de control es mantener constante la presi´n P dentro del reactor mediante la acci´n o o programada de las v´lvulas VA y VB (ver Fig. 6.15 al cual ingresa un producto gaseoso A. la abertura de cada v´lvula se determina del gr´fico de la Fig.5. 3. dos v´lvulas de control). y sale un producto B resultante de la reacci´n. a a 6. En presencia de a presiones: 1. intermedias. 6. se aplica cuando se desea que la se˜al o fuerza de control manipule dos o e n m´s actuadores (por ejemplo. 6. 2. 6. . mostrado en la Fig. VA permanece cerrada y VB abierta. VA permanece abierta al 100 % y VB cerrada. Control de Rango Partido El control de rango partido. denominado tambi´n de gama partida o split range e en ingl´s.132 Otras Estrategias de Control LIMEA DE DESCARGA LINEA DE VAPOR PT LAZO 2 LAZO 1 LT AGUA LC LSS PC CALEFACTOR (a) TRANSMISOR DE PRESION CONTROLADOR DE PRESION CONMUTADOR LSS CONTROLADOR DE NIVEL TRANSMISOR LAZO 1 VALVULA DE CONTROL VALVULA DE CONTROL LAZO 2 PROCESO PRESION PROCESO NIVEL (b) DE NIVEL Fig. bajas.15. En esta situaci´n.

6. 6.5 u 15 psig Fig.5 u 9 11.5 Control de Rango Partido 133 uA Selector uB 100% Abertura de válvula 0% VA VB Pr VA P Reactor VB P 3 7.15: Estrategia rango partido aplicado a un reactor. .

.

las variables de salida y de entrada que caracterizan un sistema. Tal dise˜o debe de cumplir los siguientes requerimientos: n 1. Dos o m´s controladores PID SISO tambi´n forman parte de los sistemas a e multilazo. 7.1. a Es claro. No interacci´n.1 muestra el diagrama de bloques del sistema de control MIMO. La Fig. En este cap´ ıtulo se desarrollan tres t´cnicas de dise˜o de e n controladores PID MIMO. a 3. que sistemas representados por modelos MIMO requieren tambi´n para su cone trol. Para explicar cada uno de tales requerimientos. Control MIMO v´ Desacoplamiento ıa El controlador MIMO a dise˜ar requiere de la representaci´n lineal en el espacio n o de estado (ecuaci´n (7.2) (7. por ejemplo en los controles tipo cascada o control de la relaci´n de dos o variables. Exactitud est´tica.3)) del sistema o o MIMO. o 2. formulemos las ecuaciones de estado y de salida del sistema MIMO: ˙ x = Ax + Bu y = Cx + Du (7.3) .Cap´ ıtulo 7 Control PID Multivariable El controlador SISO se aplica a sistemas o sub–sistemas caracterizados por tener una entrada y una salida de control.1)) o en el dominio de Laplace (ecuaci´n (7. de donde se pueden deducir las siguientes relaciones: y(s) = Gp (s)u(s) y(s) = Gp Gc (s)e(s) u(s) = Gc (s)e(s) e(s) = r(s) − y(s) (7. Estabilidad.1) donde x es el vector de estado de orden n. La t´cnica para modelar esta interacci´n o e o es emplear modelos din´micos multivariables o MIMO (Multiple–Input–Multiple–Output). pueden presentar cierto grado de interacci´n entre ellas. como es el caso del control de velocidad o de posici´n en o un motor CC. En general. u es el vector fuerza de control de orden m e y es el vector de salidas controladas de orden p. controladores MIMO. 7.

6) Una condici´n necesaria y suficiente para no interacci´n en un sistema de control o o MIMO con realimentaci´n unitaria es que la matriz de transferencia a lazo abierto o Go (s) sea diagonal. Gc (s) es la matriz de transferencia del controlador. 7.1: Diagrama de bloques de un sistema de control PID MIMO. el sistema representado en (7. el reemplazo de y(s) en e(s) produce: y(t) = G(s)r(s) G(s) = (I + Go )−1 Go Go (s) = Gp Gc (s) (7. .. . La matriz G(s) posee la forma:   G11 (s) · · · G1p (s)   . esto es: Gij = 0 para i = j (7. De la Fig. No Interacci´n o Los elementos ubicados fuera de la diagonal principal de G(s) determinan el grado de interacci´n entre las diferentes entradas de referencia ri con respecto a las salidas o yi .136 Controlador PID MIMO e(s) u(s) G c(s) Control PID Multivariable r(s) Sistema G p (s) y(s) Fig.1. .1. vimos ´ a que: G(s) = [I + Go (s)]−1 Go (s) . Para obtener desacoplamiento completo entre tales entradas y salidas. C y D: y(s) = [C(sI − A)−1 B + D]u(s) Gp (s) = C(sI − A)−1 B + D (7. se requiere que G(s) sea diagonal.5) 7. G(s) =   . Gp1 (s) · · · Gpp (s) En el dominio de Laplace y para condiciones iniciales nulas.1) toma la forma: sx = Ax + Bu x(s) = (sI − A)−1 Bu y(s) = Cx(s) + Du(s) Reemplazando la expresi´n de x(s) en la expresi´n de y(s). se obtiene la matriz de o o transferencia Gp (s) del sistema en funci´n de las matrices de su descripci´n de estado o o A. . 7. Este ultimo requerimiento es f´cil de probar. . e(s) es el vector error del sistema y r(s) es el vector de se˜ales n deseadas o set points. . En (7.3). B.1. donde Gp (s) es la matriz de transferencia del sistema.4) donde G(s) y Go son las matrices de transferencia de lazo cerrado y de lazo abierto del sistema.

entonces.   1 0 1−Gpp (s) Por lo tanto..   Gpp (s) 0 1−Gpp (s) (7. cuya transformada de Laplace es teorema del valor final en la ecuaci´n anterior se obtiene: o t→∞ |r| s .7.8) 7. un vector cuyos elementos sean escalones. En el dominio de s.2.3.  ..1.   . de (7. el vector de error: e(t) = r(t) − y(t) se aproxime a cero cuando t se aproxime a infinito. I − G(s) o tambi´n debe de ser diagonal. Exactitud Est´tica a Nosotros deseamos que para un vector de entrada de referencia constante r(t).7) Dado que G(s) tiene que ser diagonal por para no interacci´n. la relaci´n (7. |r| s Aplicando el l´ e(t) = l´ s e(s) = l´ [I − G(s)] = 0 ım ım ım s→0 s→0 Entonces podemos concluir que para exactitud est´tica (error en estado estable nulo) a se requiere: l´ [G(s)] = I ım (7.9) s→0 7.10) sabemos que: y(s) = [C(sI − A)−1 B + D]u(s) (7.1. es decir. Estabilidad Gp (s) = C(sI − A)−1 B + D Adj (I − A) det(I − A) Para el caso de condiciones iniciales nulas.1 Control MIMO v´ Desacoplamiento ıa Despejamos Go (s): Go (s) = Gp (s)Gc (s) = G(s)[I − G(s)]−1 137 (7. Por consiguiente. el error resulta: e(s) = r(s) − y(s) = r(s) − G(s)r(s) = [I − G(s)]r(s) = [I − G(s)] donde |r| es la magnitud de r(s).10) La inversa de [sI − A)−1 ] se puede expresar como: [I − A]−1 = . su matriz inversa [I − G(s)] −1 es e tambi´n diagonal y de la forma: e   1 0 1−G11 (s)   1   1−G22 (s) −1   [I − G(s)] =  .7) resulta en la siguiente matriz diagonal: o   G11 (s) 0  1−G11 (s)  G22 (s)     1−G22 (s) Go (s) =   .

13) se localizan en el semiplano izquierdo del plano–s. tambi´n es inestable. entonces el sistema ız es inestable. o como el mostrado en la Fig. entonces el sistema es oscilante. A continuaci´n se deduce la ecuaci´n caracter´ o o ıstica del sistema de control.1) es estable si todas las ra´ ıces caracter´ ısticas de 7. Las especificaciones de dise˜o son: 0 % de sobrenivel y error en estado estable nulo n tanto para el nivel como para la temperatura. la ecuaci´n caracter´ o ıstica del sistema se expresa como: det[I + Go (s)] = 0 (7. 7. a e Es importante anotar que el sistema a controlar puede ser inestable.12) La inversa de la matriz [I + Go (s)] se puede expresar como: [I + Go (s)]−1 = Adj [I + Go (s)] det[I + Go (s)] Por consiguiente.1 se obtiene: y(s) = [I + Go (s)]−1 Go (s)r(s) Go (s) = Gp (s) Gc (s) (7. Si existe al menos una ra´ en el semiplano derecho del plano–s. posee dos entradas y dos salidas. el sistema MIMO de la Fig. que para fines de operaci´n del sistema controlado. entonces el sistema es inestable. Si existe al menos una ra´ en el semiplano derecho del plano–s.1 Control PID MIMO del Sistema Tanque Cerrado Dise˜ar un controlador PID MIMO basado en la t´cnica de desacoplamiento para n e controlar el nivel y la temperatura del sistema tanque cerrado descrito en la subsecci´n o ??. 7. excepto al menos una que se ubique en el eje imaginario (el eje vertical del plano–s). excepto al menos una que se ubique en el eje imaginario (el eje vertical del plano–s). o e Ejemplo 7. De la Fig. que para fines pr´cticos tambi´n es inestable. como es el caso del sistema posici´n angular de un motr CC. Soluci´n: En la subsecci´n ?? se determin´ el modelo din´mico lineal en el espacio o o o a de estado del sistema MIMO tanque. De acuerdo a (7. Sin embargo. Si todas ız las ra´ ıces se localizan en el semiplano izquierdo del plano–s.11) es la ecuaci´n caracter´ o ıstica del sistema y es de gran trascendencia por que sus ra´ ıces determinan la estabilidad del mismo como sigue. El sistema (7. det es la operaci´n determinante y la ecuaci´n polin´mio o o ca: det(I − A) = 0 (7. que como sabemos. Tiempos de estabilizaci´n menores de o 400 s para el nivel y 1000 s para la temperatura. Si todas las ra´ ıces se localizan en el semiplano izquierdo del plano–s.13) Entonces.1 (notar que Gp (s) forma parte de este sistem).10). debe de tener comportamiento estable. la matriz de transferencia del sistema se determina de: Gp (s) = C(sI − A)−1 B + D = Gp11 (s) Gp12 (s) Gp21 (s) Gp22 (s) .1 es estable si todas las ra´ caracter´ ıces ısticas de (7. entonces el sistema es oscilante. el sistema de control.11 se localizan en el semiplano izquierdo del plano–s.138 Control PID Multivariable donde Adj significa adjunta. 7.

cuyo listado se muestra abajo. . La matriz es diagonal. cumplen las especificaciones de dise˜o establecidas en el n enunciado del ejemplo. Simulaci´n del Sistema de Control en el Dominio de s o El programa mimopidsimb.7): o Gc (s) = Gp (s)−1 G(s)[I − G(s)]−1 (7. podemos asumir una matriz G(s) de la n forma:   1 0 Tniv s+1  (7.m: o   1 1 Kc11 1 + Tc11 s −Kc12 1 + Tc12 s    (7. cuyas ra´ caracter´ ıces ısticas se ubican en la parte izquierda del plano s. tambi´n simula el e sistema de control del tanque cerrado. 7. En el resultado de la simulaci´n (Fig.1 Control MIMO v´ Desacoplamiento ıa 139 La forma de la MT (matriz de transferencia) del sistema Gp (s) se obtiene ejecutando el programa mimopidsimb.2 muestra en detalle la interconexi´n de todos los bloques del sistema de o control multivariable PID del sistema tanque. entonces podemos asegurar que se cumple el requerimiento de estabilidad. se satisface el requerimiento de exactitud est´tica. de acuerdo a (7.15) G(s) =  1 0 Ttemp s+1 1.17) GC (s) =    1 1 −Kc21 1 + Tc21 s Kc12 1 + Tc12 s La Fig.14) la cual cumple los requerimientos del caso: Para dise˜ar la matriz de control Gc (s). la matriz de control Gc (s) se obtiene de la ecuaci´n (7. por lo tanto satisface el requerimiento de no interacci´n.9).m: Gp11 (s) Gp11 (s) Gp21 (s) Gp21 (s)  =  Kp11 Tp11 s+1 Kp21 (Tpa s+1) (Tpb s+1)(Tpc s+1) Kp11 Tp11 s+1 Kp21 (Tpa s+1) (Tpb s+1)(Tpc s+1) Gp (s) =    (7. cada canal responde exponencialmente con una constante a de tiempo igual a Tniv para el primer canal (control de nivel) y Ttemp (control de temperatura) para el segundo canal. a 3.m. Dado que G(0) = I.7. 7. Debido a que los elementos de la diagonal de G(s) son funciones de transferencia de primer orden. o 2.3) o se observa que el nivel (gr´fico superior izquierda) y la temperatura (gr´fico supea a rior derecha) controlados.16) La forma de la MT (matriz de transferencia) del controlador Gc (s) resulta de la ejecuci´n del programa mimopidsimb. Teniendo en cuenta que Go (s) = Gs Gc (s). Adem´s.

beta=d/D. close all.15. etc. g=9.81.4 0. rhoC=998. thetaH=50+270. barqC=2. barqH=0. 7. df1dx2=0. % mimopidsimb.16e-4. thetaC=20+270. Cp=4186. % MODELO LINEAL.15.8 To: Out(1) 0. 7.6.2 0 1 0.140 Control PID Multivariable e1 r1 K c11 1+ 1 T c11 s 1 T c12 s 1 T c21 s 1 T c12 s u1 K p11 T p11 s+1 K p11 T p11 y1 K c12 1+ K c21 1+ r2 e2 s+1 K p21 (T pas+1) (T pbs+1)(T pcs+1) K p21 (T pas+1) u2 (T pbs+1)(T pcs+1) y2 K c12 1+ Fig.6 0.3: Nivel y temperatura del tanque cerrado controlados. rhoD=996. DONDE: df1/dx1=df1dx1.0065.2 0 From: In(1) From: In(2) NIVEL Amplitude TEMPERATURA 0 200 400 600 800 1000 1200 0 Time (sec) 200 400 600 800 1000 1200 Fig. % VALORES ESTACIONARIOS barh=0.6 0. barqD=2. d=0. % PAR´METROS DEL TANQUE A C=0. a=C*E*pi*d^2*rhoD*sqrt(2*g)/4.0314. Rh=barh/barqD. n Step Response 1 0. df1/du2=df1u2.2: Diagrama de bloques del sistema de control PID MIMO dise˜ado. D=0. clc.0159. df1dx1=-a/(2*A*sqrt(barh)). E=(1-beta^4)^(-1/2).8.16e-4. bartheta=35+270.5e-4. rhoH=988. A=0.4 0.m CONTROL PI MULTIVARIABLE DEL TANQUE clear all.8 To: Out(2) 0.15. .4.

Gc22= Kc12*(1+1/(Ti22*s)).a22 ] [---------------------------------------------] [ (-b22 + b21) b11 s Tniv (-b22 + b21) s Ttemp] [ ] [a21 b11 + b21 s . Gc12= -Kc12*(1+1/(Ti21*s)).b21 b22]. G=[1/(Tniv*s+1) 0. AA=[df1dx1 df1dx2.0 1].a21 a22].df2dx1 df2dx2]. Gp = CC*inv(s*eye(2) -AA)*BB+DD. BB=[b11 b11. pretty(simple(Gp)). s=tf(’s’).I)) print -deps -f mimopid01 syms s a11 a21 a22 b11 b21 b22 Tniv Ttemp. df2dx2=-a/(A*sqrt(barh)). BB=[df1du1 df1du2. la discretizaci´n o e o s de (7. Gc = inv(Gp)*G*inv(I-G). DD = [0 0. step(feedback(Go.5)/(2*A) .df2du1 df2du2]. Go=Gp*Gc. 7. df2du1=rhoC*thetaC/(rhoD*A*barh). Gc = inv(Gp)*G*inv(I-G).b22 s + b22 a11 s . Gp = CC*inv(s*eye(2) -AA)*BB+DD.b21 a11 -s + a22 ] [--------------------------------------------] [ (-b22 + b21) b11 s Tniv (-b22 + b21) s Ttemp] Gc11= Kc11*(1+1/(Ti11*s)). df2du2=rhoH*thetaH/(rhoD*A*barh). . pretty(simple(Gc)) Gc = [-a21 b11 . I = CC.. Ttemp=100.18) u2 = −Kc21 (1 + Tc21 s Tc12 s donde: Empleando aproximaci´n rectangular para los t´rminos integrales 1 .0 0].2 podemos formular las ecuaciones que gobiernan el controlador MIMO PID: 1 1 ) e1 − Kc12 (1 + ) e2 u1 = Kc11 (1 + Tc11 s Tc12 s 1 1 ) e1 + Kc12 (1 + ) e2 (7.(rhoC*thetaC*barqC+rhoH*thetaH*barqH)/(rhoD*A*barh^2). Gc21= -Kc21*(1+1/(Ti21*s)). o Para el tiempo (k − 1) las expresiones de u1 (k) y u2 (k) toman la forma: u1 (k − 1) = Kc11 e1 (k − 1) + u2 (k − 1) = Kc21 e1 (k − 1) + Kc11 Tc11 Kc21 Tc21 k−1 i=0 k−1 i=0 T e1 (i) − Kc12 e2 (k − 1) − T e1 (i) − Kc12 e2 (k − 1) − Kc12 Tc12 Kc12 Tc12 k−1 T e2 (i) i=0 k−1 T e2 (i) i=0 ..7. df1du1=1/A. 141 % % % % % % % % % Simulaci´n del Sistema de Control en el Dominio de t o De la Fig. AA=[a11 0. df1du2=1/A. Tniv=60. CC=[1 0.0 1/(Ttemp*s+1)].0 1/(Ttemp*s+1)]. G=[1/(Tniv*s+1) 0.18) resulta: Kc11 u1 (k) = Kc11 e1 (k) + Tc11 u2 (k) = Kc21 e1 (k) + Kc21 Tc21 k i=0 k i=0 e1 = r 1 − y 1 e2 = r 2 − y 2 Kc12 T e1 (i) − Kc12 e2 (k) − Tc12 T e1 (i) − Kc12 e2 (k) − Kc12 Tc12 k T e2 (i) i=0 k T e2 (i) i=0 donde k = t/T es el tiempo discreto y T es el tiempo de muestreo o discretizaci´n.1 Control MIMO v´ Desacoplamiento ıa df2dx1=a*bartheta*barh^(-1.

beta=d/D.8.0314.4.4. 7.142 Teniendo en cuenta que: k k−1 k Control PID Multivariable k−1 e1 (i) = i=0 i=0 e1 (i) + e1 (k) i=0 e2 (i) = i=0 e2 (i) + e2 (k) entonces: Kc11 T e1 (k) Tc11 Kc12 T e2 (k) −Kc12 [e2 (k) − e2 (k − 1)] − Tc12 Kc21 u2 (k) − u2 (k − 1) = Kc21 [e1 (k) − e1 (k − 1)] + T e1 (k) Tc21 Kc12 T e2 (k) −Kc12 [e2 (k) − e2 (k − 1)] − Tc12 u1 (k) − u1 (k − 1) = Kc11 [e1 (k) − e1 (k − 1)] + (7.0159. . Por consiguiente.6.19) Para programaci´n en tiempo real prescindimos del argumento k.15.16e-4. % VALORES ESTACIONARIOS barh=0.20) donde e1p y e2p son los errores pasados de e1 y e2 respectivamente. d=0. % PAR´METROS A C=0.m CONTROL PID MIMO DEL SISTEMA TANQUE CERRADO CON AGUA clear all.20) y (7. D=0. barqC=2. clc. thetaH=50+270.0065.81. barqH=0. a=C*E*pi*d^2*rhoD*sqrt(2*g)/4. E=(1-beta^4)^(-1/2). % pidmimotanque. la ecuaci´n de estado discreta del sistema toma o o la forma: x = x + T (A x + B u) (7. o las ecuaciones anteriores toman la forma: u1 = u1 + Kc11 (e1 − e1p ) + u2 Kc11 T e1 − Kc12 (e2 − e2p ) − Tc11 Kc21 T e1 − Kc12 (e2 − e2p ) − = u2 + Kc21 (e1 − e1p ) + Tc21 Kc12 T e2 Tc12 Kc12 T e2 Tc12 (7. g=9.21) La simulaci´n del sistema se logra ejecutando el programa pidmimotanque. Observar que el controlador PID MIMO estabiliza o simult´neamente el nivel y la temperatura cumpliendo las especificaciones de dise˜o a n del caso.5e-4. A=0. thetaC=20+270. rhoC=998. bartheta=35+270.15. El resultado de la simulaci´n se muestra en la Fig.m. La ecuaci´n de o estado del sistema se discretiza como: x∼ ˙ = x(k) − x(k − 1) = A x(k) + B u(k) T x(k) = x(k − 1) + T (A x(k) + B u(k)) donde: x= x(1) x(2) = y1 y2 = h θ u= u1 u2 = qC qD Para programaci´n en tiempo real. el cual o toma en cuenta las ecuaciones discretas (7. Cp=4186. close all.15. rhoH=988. rhoD=996.21).

5 0 AGUA FRÍA [m /s] 0.15. elseif(k >= 3*M/4 && k <= M). r1 = 0. Ttemp=100.005 0 TEMPERATURA [ºC] 60 40 20 0 −0.5)/(2*A) . u1=0. barqD=2. b12=1/A.m A Kc11=b22/((b22-b21)*b11*Tniv). r2=20+273.15. a21=a*bartheta*barh^(-1. a11=-a/(2*A*sqrt(barh)). Kc12=1/((b22-b21)*Ttemp). % MODELO LINEAL.5.. r2=70+273. Tniv=60. x = [0.a21 a22]. Kc21=b21/((b22-b21)*b11*Tniv). Ti21=b21/(a21*b11-b21*a11). 7. elseif(k >= M/3 && k <= 3*M/4). df1/dx2=a12. AA=[a11 0.4: Resultado de la simulaci´n del sistema de control PID MIMO del tanque: o nivel y temperatura controladas.4. etc. Ti12=-1/a22.0 1]. % PERIODO DE MUESTREO Y N´MERO DE MUESTRAS M U for k = 1:M % INICIO DEL LAZO DE CONTROL if(k >= 0 && k <= M/4). r2=20+273. u2=0. r2=40+273.005 −0. a22=-a/(A*sqrt(barh)).. b21=rhoC*thetaC/(rhoD*A*barh).20+270. Kc22=Kc12. r1 = 0. .1 Control MIMO v´ Desacoplamiento ıa 1 NIVEL [m] 0. e2p=0.15. end R1(k) = r1.15].0 0]. DD = [0 0. Ti11=b22/(a21*b11-b22*a11).15. Rh=barh/barqD.16e-4. (rhoC*thetaC*barqC+rhoH*thetaH*barqH)/(rhoD*A*barh^2). % NIVEL + TEMPERATURA T = 0.01 0.2. Ti22=Ti12. a12=0. % CONDICIONES INICIALES e1p=0. M = 20000. R2(k) = r2. b22=rhoH*thetaH/(rhoD*A*barh).2. r1 = 0. b11=1/A. CC=[1 0. BB=[b11 b11. DONDE: df1/dx1=a11.01 143 0 500 1000 1500 2000 TIEMPO [s] 2500 3000 3500 4000 3 0 500 1000 1500 2000 TIEMPO [s] 2500 3000 3500 4000 AGUA CALIENTE [m /s] 0 500 1000 1500 2000 TIEMPO [s] 2500 3000 3500 4000 3 0 500 1000 1500 2000 TIEMPO [s] 2500 3000 3500 4000 Fig.7.4.3. % PAR´METROS DEL CONTROLADOR: SE SETERMINAN DE Gc EN mimopidsimb.b21 b22]. r1 = 0.. % SE ~ALES DE REFERENCIA N elseif(k >= M/4 && k <= M/2).

2 Control PID MIMO del Sistema de Plataformas Dise˜ar un controlador MIMO PID basado en la t´cnica de desacoplamiento para n e controlar las salidas y1 e y2 del sistema de plataformas propuesto en el problema 2.x(2).26.Kc12*T*e2/Ti12.3). x3 = y˙1 y e y2 = x2 y como variables de entrada u1 y1 y2 u= u1 u2 Se puede demostrar (problema 2.2). subplot(4. n 0  0 B= 1  m 1 0 1 m2  0 0   0  C= 1 0 0 0 0 1 0 0 . . plot(ejet.. e2p = e2. Y1(k) = x(1).Y2). como variables de salida y1 = x1 y u2 . u = [u1. 2.6) que las ecuaciones de estado y de salida son: y = Cx 1 0 B − m1 1 B − m1 2  0 0 0 0 K1 m1 +K − (K1m2 2 ) 0 1 B1 m1 +B − (B1m2 2 )      El programa mimopid02. grid. xlabel(’TIEMPO [s]’) subplot(4. simula el sistema de control pedido. e1p = e1. grid.Kc12*(e2-e2p) .M).. Las especificaciones de dise˜o son: 0 % de sobrenivel.1). o Valorar todos los par´metros de la planta en 1..1. + Kc22*(e2-e2p) + Kc22*T*e2/Ti22.1. I xlabel(’TIEMPO [s]’) subplot(4. ylabel(’AGUA FR ´A [m^3/s]’).4). plot(ejet.u2].x(1). print -f -deps pidmimotanque Ejemplo 7.1.m.. cuyo listado se muestra abajo. error n en estado estable nulo y tiempo de estabilizaci´n menor de 20 s para ambas salidas. xlabel(’TIEMPO [s]’). U1(k) = u1.M*T. plot(ejet.144 Control PID Multivariable % CALCULO DEl VECTOR DE CONTROL u(t) e1 = r1 . xlabel(’TIEMPO [s]’) subplot(4. plot(ejet.1. grid. e2 = r2 .R1.Kc21*T*e1/Ti21 . end % GR´FICOS A ejet = linspace(0. a Soluci´n: Seleccionemos como variables o x4 = y˙2 . u2 = u2 . % MODELO LINEAL (DISCRETIZACION DIRECTA) x = x + T*(AA*x + BB*u). x2 = y2 . cumplen las especificaciones de dise˜o requeridas.5) se observa que las salidas o controladas y1 (gr´fico superior izquierda) e y2 (gr´fico superior derecha) controlaa a dos. ylabel(’AGUA CALIENTE [m^3/s]’). esto es:   x1  x  x= 2  y=  x3  x4 x = Ax + Bu ˙   A =  − K1  m1  K1 m2 de estado x1 = y1 . En el resultado de la simulaci´n (Fig.ejet. Y2(k) = x(2). u1 = u1 + Kc11*(e1-e1p) + Kc11*T*e1/Ti11 .Kc21*(e1-e1p) .ejet.U2). ylabel(’NIVEL [m]’).U1). U2(k) = u2.Y1). 7.R2.6 y mostrado en la Fig. grid ylabel(’TEMPERATURA [K]’).

% PAR´METROS A % ECUACI´N DE ESTADO Y DE SALIDA O AA=[0 0 1 0. II = eye(4).22) El objetivo del bloque desacoplador D1 (s) es compensar el efecto de u2 en la salida y1 .2. Tniv=4.4 0.6 0. close all. . BB=[0 0. resolvi´ el problema de intera o acci´n existente entre las variables de entrada y de salida.0 0.5: Salidas y1 e y2 controlados (Ejemplo 7. 7. esto es. CC=[1 0 0 0.K1/m2 -(K1+K2)/m2 -B1/m2. B2=1. clc. Gc = inv(Gp)*G*inv(I-G). prevenir cambios en la salida del segundo controlador Gc2 que puedan afectar la variable controlada del primer lazo. es decir. 7.0 1/(Ttemp*s+1)]. step(feedback(Go.0 0].6 0.0 1/m2]. Ttemp=4.6.I)) print -deps -f mimopid02 7. m2=1.m CONTROL PID MULTIVARIABLE DEL SISTEMA DE PLATAFORMAS clear all.4 0.0 0 0 1. s=tf(’s’). los desacopladores van a formar parte de la configuraci´n del sistema.8 To: Out(2) 0. DD = [0 0. Gp = CC*inv(s*II -AA)*BB+DD.2 0 From: In(1) From: In(2) 145 y1 Amplitude y2 0 20 40 60 0 Time (sec) 20 40 60 Fig.1/m1 0. la selecci´n a priori de una matriz de transferencia diagonal o o que represente la din´mica del sistema realimentado. I=eye(2). -(B1+B2)/m2]. Para este caso. K1=1. En esta secci´n tambi´n se va a usar desacoplamiento en el dise˜o de un o e n controlador PID MIMO. B1=1. Control PID MIMO con Desacopladores En la secci´n anterior. tal como se observa en la Fig.0 1 0 0].8 To: Out(1) 0. logr´ desacoplar o o al sistema.. K2=1.) % mimopid02. m1=1.2 Control PID MIMO con Desacopladores Step Response 1 0. Para cumplir con este requerimiento.7. de la cual se obtienen o las siguientes relaciones: y1 (s) = Gp11 (s)[u1 (s) + D1 (s)u2 (s)] + Gp12 (s)[u2 (s) + D2 (s)u1 (s)] y2 (s) = Gp22 (s)[u2 (s) + D2 (s)u1 (s)] + Gp21 (s)[u1 (s) + D1 (s)u2 (s)] (7.2 0 1 0.2.-K1/m1 K1/m1 -B1/m1 B1/m1. Go=Gp*Gc. G=[1/(Tniv*s+1) 0..

D es la matriz de desacoplamiento.22) se tiene: o ∆y2 (s) ∆u1 (s) = D2 (s)Gp22 (s) + Gp21 (s) = 0 ∆u2 =0 (7.22) se puede expresar como: o ∆y1 (s) ∆u2 (s) = D1 (s)Gp11 (s) + Gp12 (s) = 0 ∆u1 =0 (7. Ti y Td a tienen que ser sintonizados para cada aplicaci´n.6: Sistema de control PID MIMO con desacopladores D1 y D2 . de la segunda ecuaci´n de (7.25) Las ecuaciones que gobiernan la din´mica del sistema mostrado en la Fig. cuyos par´metros Kc . y1 = Gp11 m1 + Gp12 m2 y2 = Gp21 m1 + Gp22 m2 Por consiguiente: y= y1 y2 m= m1 m2 m 1 = u 1 + D 1 u2 m 2 = D 2 u1 + u 2 u1 = Gc1 e1 u2 = Gc2 e2 (7. Gc es el controlador PID MIMO y Go es la MT a lazo abierto del sistema.146 Control PID Multivariable la primera ecuaci´n de (7. 7.6 son: a e1 r1 u G c1(s) 1 m1 Gp11(s) y1 D 1 (s) D 2 (s) r2 e2 m2 u2 G p12(s) G p21(s) y2 G p22(s) G c2 (s) Fig. o . Cabe anotar que tanto Gc1 (s) como Gc2 (s) son controladores PID. para que el bloque desacoplador D2 (s) compense el efecto de u1 en la salida y2 .26) u= u1 u2 e= e1 e2 y(s) = Gp (s)m(s) Gp = Gp11 Gp12 Gp21 Gp22 m(s) = D(s)u(s) D= 1 D1 D2 1 u(s) = Gc (s)e(s) Gc = Gc1 0 0 Gc2 (7.27) (7. los bloques desacopladores se calculan de: D1 (s) = − Gp12 (s) Gp11 (s) D2 (s) = − Gp21 (s) Gp22 (s) (7.23) En forma similar.28) y = Go e Go = Gp DGc donde Gp es la matriz de la planta o sistema.24) Por consiguiente. 7.

D1=-Gp(1. s=tf(’s’)..-K1/m1 K1/m1 -B1/m1 B1/m1. Valorar todos los o par´metros de la planta en 1.D2 1].0 0. D=[1 D1. K1=1.25. Ti1=1.0 1/m2]. Las especificaciones de dise˜o son: 0 % de sobrenivel. m2=1. II = eye(4).1). Gc2=Kc2*(1+1/(Ti2*s)+Td2*s). error en estado estable n nulo y tiempo de estabilizaci´n menor de 20 s para ambas salidas. step(feedback(Go.K1/m2 -(K1+K2)/m2 -B1/m2.2)/Gp(1.8 To: Out(1) 0.3 Control PID con Desacopladores del Sistema de Plataformas Dise˜ar un controlador PID MIMO con desacopladores para controlar las salidas y 1 n e y2 del sistema de plataformas propuesto en el problema 2.2 0 1 0. B1=1.26.0 0].6 y mostrado en la Fig.1/m1 0.7) se observa que las salidas controladas y 1 o (gr´fico superior izquierda) e y2 (gr´fico superior derecha) controlados.8 To: Out(2) 0.7.0 1 0 0]. Gc=[Gc1 0. DD = [0 0. clc. K2=1. CC=[1 0 0 0. Go=Gp*D*Gc. -(B1+B2)/m2]. emplea el modo elo del sistema de plataformas del Ejemplo 7. m1=1. 7. BB=[0 0.1)/Gp(2.m CONTROL PID MIMO CON DESACOPLADORES DEL SISTEMA PLATAFORMAS clear all.4 0. close all. cuyo listado se muestra abajo.2 Control PID MIMO con Desacopladores 147 Ejemplo 7. Td2=0. 7. Kc1=0. Td1=0. Ti2=1. % PAR´METROS A % ECUACI´N DE ESTADO Y DE SALIDA O AA=[0 0 1 0.I)) print -deps -f mimopid03 .2. a Soluci´n: El programa mimopid03.0 0 0 1..2 0 From: In(1) From: In(2) y1(t) Amplitude y2(t) 0 20 40 60 0 Time (sec) 20 40 60 Fig. Kc2=1.4 0. D2=-Gp(2. B2=1.6 0. 2.7: Salidas y1 e y2 controlados (Ejemplo 7. n Step Response 1 0.2 y simula el sistema de control pedido. I = eye(2).) % mimopid03.0 Gc2].6 0. cumplen las a a especificaciones de dise˜o requeridas. Gp=CC*inv(s*II -AA)*BB+DD.m. En el resultado de la simulaci´n (Fig. Gc1=Kc1*(1+1/(Ti1*s)+Td1*s).2).

Para que el sistema de la Fig.2). .3. con la finalidad de poder aplicar el procedimiento de dise˜o de la subsecci´n n o 7. o n 7. en la cual: T(s) = I + KGp (s) (7. Empleando el criterio de Hurwitz (subsecci´n 7. Kn ] Gp (s) =  . Control P MIMO empleando el Criterio de Hurwitz La Fig.  Gp11 (s)  . Procedimiento de Dise˜ o n El procedimiento para dise˜ar un sistema de control P MIMO empleando el crin terio de Hurwitz es como sigue: 1.8: (a) Sistema de control MIMO con controlador P. En el caso u u que Gp (s) fuera rectangular.148 Control PID Multivariable 7. Formular la matriz T(s) = I + KGp (s) (ver Fig. el n´mero m de entradas ui es igual al n´mero de salidas yi .8(b) muestra la MT del sistema. K = diag[K1 . se pueden determinar o los rangos de los elementos de la matriz de ganancia K para comportamiento estable del sistema..  . A continuaci´n se detalla el procedimiento de dise˜o. S´lo u o en esta situaci´n es posible crear salidas ficticias a fin de hacer cuadrada a la matriz o Gp (s). (b) Sistema equivalente. .1. donde:  · · · Gp1n (s)  .8(b)). 7. donde el sistema a controlar Gp (s) es una MT (matriz de transferencia) cuadrada de orden n y K es una matriz diagonal de ganancias tambi´n de orden n. Gpn1 (s) · · · Gpnn (s) 2. . 7. . Las relaciones siguientes se desprenden de la Fig. los ceros del determinante de T(s) deben de poseer parte real negativa.3.8(a) representa el diagrama de bloques de un sistema de control MIMO. Determinar la ecuaci´n caracter´ o ıstica del sistema a lazo cerrado a partir de: D(s) = det[T(s)] = sn + a1 sn−1 + · · · + an−1 s + an = 0 . 7. . . siempre debe de ser mayor que el n´mero p de salidas. En una matriz e cuadrada. . el n´mero de entradas m generadas por el controlador u MIMO correspondiente.8(a) o (b) sea estable. y(s) = Gp (s)u(s) u(s) = Ke(s) y(s) = [I + KGp (s)] −1 KGp (s) donde I es la matriz identidad.3.3. La Fig. 7. 7.29) es conocida como la matriz retorno de la diferencia.1. .8(a): Controlador P MIMO K (a) Sistema G p (s) r(s) e(s) u(s) y(s) r(s) (I+KG p (s)) KG p (s) (b) −1 y(s) Fig. 7.

se basa en la construcci´n de la matriz Hurwitz a partir de la ecuaci´n caracter´ o o ıstica D(s) del sistema realimentado: D(s) = sn + a1 sn−1 + a2 sn−2 + a3 sn−3 + · · · + an−1 s + an     H=     a1 a3 1 a2 0 a1 0 1 . H3 . .9 muestra que las salidas controladas del sistema cumplen las especificaciones de dise˜o para las ganancias K1 = 2 y K2 = –1. donde:   a1 a3 a5 a1 a3 H1 = a 1 H2 = det Hn = detH H3 = det  1 a2 a4  1 a2 0 a 1 a3 Ejemplo 7.05 s −280 s(s+6)(s+30) −200 s(s+6)(s+30) las especificaciones de dise˜o para los dos canales (salidas) son: tiempo de estabin lizaci´n menor de 2 s.3. se satisfacen simult´neamente las condia ciones H1 > 0.7. La Fig. El Criterio de Hurwitz El criterio de Hurwitz. . que es equivalente al conocido criterio de Routh–Hurwitz. . hasta que las salidas yi controladas cumplen las especificaciones de dise˜o previamente establecidas. . n 7. deben de ser positivos.4 Control P MIMO de un Sistema Empleando el procedimiento de dise˜o de la subsecci´n 7. 4.8(a).          . . . . . H2 > 0. 7.2. .5. 0 0 0 0 . . todos los menores principales diagonales de H: H1 . .m.. . el cual sigue el procedimiento de dise˜o o n arriba establecido. . .. an−2 an Este criterio de estabilidad establece que para que los ceros de D(s) posean parte real negativa (requisito indispensable para comportamiento estable del sistema).. . error en estado estable nulo y porcentaje de sobrenivel tambi´n o e nulo... .. . . Soluci´n: Ejecutar el programa pmimo1.3 Control P MIMO empleando el Criterio de Hurwitz 149 3. . Es necesario n anotar que con estos valores de las ganancias.. 0 0 0 0 . Simular el sistema controlado empleando las ganancias determinadas por el criterio de Hurwitz. 0 0 a5 a4 a3 a2 .1 dise˜ar un controlador n o n P MIMO para un sistema con: K= K1 0 0 K2 Gp (s) = 3 s 0. H3 > 0 y H4 > 0 establecidas en el criterio de Hurwitz. 7. H2 .. . Hn . Emplear el criterio de Hurwitz (ver siguiente subsecci´n) para determinar los o rangos de los elementos de la matriz de ganancia K que garanticen un comportamiento estable del sistema de la Fig.3. . 0 . . ..

Gp=[3/s -280/(s*(s+6)*(s+30)). % pretty(D) % D=s^4+a1*s^3+a2*s^2+a3*s+a4 a1=36+3*K1.9: Salidas y1 e y2 controlados (Ejemplo 7. H1=a1.0 a1 a3 0.05/s -200/(s*(s+6)*(s+30))].1 a2 a4. s=tf(’s’). H2 > 0 CON K = -12 => K2 <3 2.0 K2]. a2=180+108*K1.150 Step Response 1 0. step(G). 7.1 a2]).0.3.) % pmimo1.1 a2 a4 0. TOMEMOS: K1=2. D=det(I+Gp*K).0. H2=det([a1 a3.2 Amplitude 0 1. H3=det([a1 a3 0. K2=-1. % H1 > 0 => K1 > -12. syms s K1 K2.1 Sistema Tanque Cerrado Basado en las t´cnicas descritas en las secciones 7. G=feedback(Gp*K.m CONTROL P MIMO USANDO LA MATRIZ DE RETORNO DE LA DIFERENCIA clear all. error en estado estable nulo y tiempos de estabilizaci´n lo m´s rapido posible. Gp=[3/s -280/(s*(s+6)*(s+30)). print -deps -f pmimo1 7.2 y 7.2 Sistema de Plataformas .I).0 a1 a3]). close all.0 1 a2 a4]. H=[a1 a3 0 0.6 0.8 To: Out(1) 0.5 From: In(1) Control PID Multivariable From: In(2) y1(t) To: Out(2) 1 y2(t) 0. -32 <= K2 <= 0.5.4 0. I = eye(2).4. dise˜ar los controladores e n MIMO para controlar el nivel y la temperatura del sistema tanque cerrado descrito en la subsecci´n ??. K=[K1 0.4 % PARA TENER K1 Y K2 EN EL SEMIPLANO IZQUIERDO DE K1 VS K2 SELECCIONAMOS: % 0 <= K1 <= 12. clc. a4=-586*K1*K2.5 0 0 1 2 3 0 Time (sec) 1 2 3 Fig.05/s -200/(s*(s+6)*(s+30))]. H4=det(H).0 K2]. Problemas Problema 7. Las especificaciones de dise˜o tanto para el nivel como para o n la temperatura son: 0 % de sobrenivel. o a Problema 7. K=[K1 0. a3=-200*K2+540*K1.4.

error en estado estable nulo y tiempos de estabilizaci´n lo m´s o a rapido posible.3. Las especificaciones de dise˜o de las saln idas controladas son: 0 % de sobrenivel.3.1 y 7. dise˜ar los controe n ladores PID MIMO para el manipulador polar horizontal mostrado en la La Fig.6 Manipulador Rob´tico Esf´rico (MRE3) o e Basado en las t´cnicas descritas en las secciones 7. error en estado estable nulo y tiempos de estabilizaci´n lo m´s rapido posible.7 Motor S´ ıncrono de Im´n Permanente a Basado en las t´cnicas descritas en las secciones 7. ?? y descrito en el problema ??. dise˜ar un controlador P MIMO para e o n el sistema de plataformas mostrado en la Fig.4 Problemas 151 Basado en la t´cnica descrita en la secci´n 7. ?? y descrito en el problema ??. error en estado estable nulo y tiempos de estabilizaci´n lo m´s rapido posible. o a Problema 7.4 Manipulador Polar Horizontal Basado en las t´cnicas descritas en las secciones 7.1 y 7. o a Problema 7. 7. dise˜ar los controe n ladores PID MIMO para el manipulador rob´tico traslacional–esf´rico mostrado en o e la Fig. dise˜ar los controe n ladores PID MIMO para el manipulador polar vertical mostrado en la La Fig.3. Las especificaciones de dise˜o de las salidas controladas son: 0 % de sobrenivel. Las especificaciones de dise˜o de las corrientes iq e id controladas son: 0 % n de sobrenivel. error en estado estable nulo y tiempos de estabilizaci´n lo m´s rapido o a posible.26 y descrito en el problema 2.8 Manipulador Rob´tico Traslacional (MRT) o . Problema 7.5 Manipulador Rob´tico Traslacional–Esf´rico (MRTE) o e Basado en las t´cnicas descritas en las secciones 7. Problema 7. error en estado estable nulo y tiempos de estabilizaci´n lo m´s o a rapido posible. 7.3. ?? y descrito en el problema ??. Problema 7.1 y 7.1. Las especificaciones de dise˜o de las salidas controladas n son: 0 % de sobrenivel. 7. o a Problema 7.1 y 7. 7. Las especificaciones de dise˜o de las salidas controladas n son: 0 % de sobrenivel. ?? y descrito en el problema ??. 7. 2.3.1. dise˜ar los controe n ladores PID MIMO para el motor s´ ıncrono de im´n permanente descrito en el proba lema ??.1.1.3.7. Las especificaciones de dise˜o de las salidas n controladas son: 0 % de sobrenivel.3 Manipulador Polar Vertical Basado en las t´cnicas descritas en las secciones 7.6.1. dise˜ar los controe n ladores PID MIMO para el manipulador rob´tico esf´rico de 3GDL mostrado en la o e Fig. error en n estado estable nulo y tiempos de estabilizaci´n lo m´s rapido posible.1 y 7.

9 Manipulador Rob´tico Esf´rico (MRE) o e Basado en las t´cnicas descritas en las secciones 7. error en estado estable nulo y tiempos de estabilizaci´n lo m´s o a rapido posible.1 y 7. 7. 7.1. ?? y o e descrito en la secci´n ??.1. Las especificaciones de dise˜o de las salidas controladas o n son: 0 % de sobrenivel. a .3.1 y 7. Problema 7. dise˜ar los controe n ladores PID MIMO para el manipulador rob´tico traslacional mostrado en la Fig. dise˜ar los controe n ladores PID MIMO para el manipulador rob´tico esf´rico mostrado en la Fig.152 Control PID Multivariable Basado en las t´cnicas descritas en las secciones 7. ?? o y descrito en la secci´n ??. Las especificaciones de dise˜o de las salidas controladas o n son: 0 % de sobrenivel.3. error en estado estable nulo y tiempos de estabilizaci´n lo o m´s rapido posible.

La transformada unilateral de Laplace es util para representar en forma algebraica ´ sistemas causales descritos por ecuaciones diferenciales lineales invariantes con el .1. depende de la entrada u en t3 (la actual) y de las entradas pasadas en t2 . o Un sistema representado por la funci´n g(t) se denomina causal cuando su salida o y(t) depende s´lo de la entrada presente u(t) y de las entradas pasadas u(t−t i ). discretizaci´n directa. . La gran mayor´ de los sistemas reales ıa son causales.Ap´ndice A e Matem´tica para Sistemas a Continuos Este Cap´ ıtulo presenta la matem´tica requerida en los Cap´ a ıtulos siguientes. A.1.1) donde el n´mero complejo s = σ + jω es la variable Laplaciana. La Transformada Unilateral de Laplace Definici´n y Ejemplos o ∞ 0 La transformada unilateral de Laplace G(s) de una funci´n g(t) se define como: o G(s) = L[g(t)] = g(t)e−st dt (A. variable de estado. . a la salida y en el tiempo t3 . t1 y t0 . por ejemplo. sistemas con tiempo muerto y linealizaci´n de sistemas o o continuos. n son n´meros u reales positivo que indican retardos de tiempo.1(a) muestra un tanque con agua calentada mediante vapor. Este sistema es causal porque. e Los temas a tratar son: transformada de Laplace. matrices y determinantes. A. La regi´n de s en la u o cual dicha integral converge se denomina Regi´n de Convergencia. . A.1(b) se obtiene variando o la abertura u(t) de la v´lvula de vapor. La Fig. La curva de reacci´n del sistema temperatura y(t) mostrado en la Fig. Los numerosos ejemplos presentados se resuelven en unos casos anal´ ıticamente. El t´pico discretizaci´n directa o o se desarrolla en el dominio discreto. Los t´pio cos se desarrollan principalmente en el dominio continuo. donde o t es la variable dependiente tiempo continuo y los ti para i = 0.1. A. . en otros con ayuda del software MATLAB y en la mayor´ de ıa los casos empleando ambos m´todos.

154

Matem´tica para Sistemas Continuos a
u u Agua t y Vapor t0 (a) t1 (b) t2 t3 t y

Fig. A.1: Ejemplo de sistema causal: temperatura en un tanque.

tiempo. La Tabla A.1 muestra la transformada unilateral de Laplace de algunas funciones. Varias de sus propiedades se ilustran en la Tabla A.2. Ejemplo A.1 Hallar la transformada de Laplace de la funci´n escal´n unitario µ(t) definida como: o o µ(t) = 1 si t ≥ 0 0 si t < 0

Soluci´n: Usando la definici´n dada en (A.1) con g(t) = µ(t): o o G(s) = L[µ(t)] =
0 ∞

µ(t)e−st dt =
0

(1)e−st dt =

−e−st −s

∞ 0

=

e−∞ − e−0 1 = −s s

Ejemplo A.2 Hallar la transformada de Laplace de la funci´n escal´n unitario retardado µ(t − T ) o o donde T es real y positivo. La funci´n µ(t − T ) se define como: o µ(t − T ) = 1 si t ≥ T 0 si t < T

Soluci´n: La transformada de Laplace de µ(t − T ) se halla empleando la propiedad o (5) (desplazamiento en tiempo) de la Tabla A.2 con t0 = T , sabiendo que G(s) = 1/s por el ejemplo anterior. Esto es: L[µ(t − T )] = e−T s G(s) = e−T s Ejemplo A.3 Hallar la transformada de Laplace de la funci´n exponencial e−at , donde a y t son o reales y positivos. 1 e−T s = s s

A.1 La Transformada Unilateral de Laplace Soluci´n: Usando la definici´n dada en (A.1): o o L[e Ejemplo A.4
−at

155

]=
0

e

−at −st

e

−e−(s+a)t dt = s+a

=
0

1 s+a

Hallar la transformada de Laplace de las funciones impulso δ(t) y δ(t − T ) empleando la siguiente propiedad fundamental:
∞ 0

g(t)δ(t − T )dt = g(T )

(A.2)

donde g(t) es una funci´n arbitraria pero continua en t = T . Se sabe adem´s que la o a funci´n impulso unitario o delta de Dirac δ(t) y delta de Dirac retardada δ(t − T ) se o definen como: δ(t) = 1 si t = 0 0 si t = 0 δ(t − T ) = 1 si t = T 0 si t = T (A.3)

Soluci´n: Aplicando la propiedad fundamental (A.2) con g(t) = e−st y T = 0 se o obtiene: ∞ L[δ(t)] = e−st δ(t − T )dt = e−sT |T =0 = 1
0

Aplicando ahora la propiedad fundamental con g(t) = e−st y retardo T resulta: L[δ(t − T )] = esT
∞ 0

e−st δ(t − T )dt = e−sT = z −1

La relaci´n: z = o constituye la variable discreta de desplazamiento y se emplea para el an´lisis de sistemas lineales discretos con par´metros invariantes con el tiempo. a a Ejemplo A.5 Usando matem´tica simb´lica, hallar la transformada de Laplace de las siguientes a o funciones: dg(t) g1 (t) = aµ(t) g2 (t) = e−at g3 (t) = dt g4 (t) = a sin(t)cos(t)2
t

g5 (t) =
0

(t2 + cos 2t)

donde a es una constante real y positiva, µ(t) es la funci´n escal´n unitario definida o o en el ejemplo A.1 y g(t) es una funci´n arbitraria dependiente del tiempo. o Soluci´n: El programa laplace1.m resuelve el problema. o
% laplace1.m TRANSFORMADA SIMB´LICA DE LAPLACE O clear all; close all; clc; syms a t s; G1 =laplace(a,t,s); % G1 = a/s G2 = laplace(exp(-a*t),t,s); % G2 = 1/(s+a) G3 = laplace(diff(sym(’g(t)’))); % G3 = s*laplace(g(t),t,s)-g(0) G4 = laplace(a*sin(t)*cos(t)^2,t,s); pretty(G4) % G4 = a*(s^2 + 3)/((s^2 + 9)(s^2+1)) g5 = int(t^2+cos(2*t)); G5 = laplace(g5); % G5 =2/s^4 + 1/(s^2+4)

156

Matem´tica para Sistemas Continuos a

A.1.2.

La Transformada Inversa de Laplace

La transformada inversa de Laplace de una funci´n G(s) se denota como: o g(t) = L−1 [G(s)] Ejemplo A.6 Usando matem´tica simb´lica, hallar la transformada inversa de Laplace de las sia o guientes funciones: G1 (s) = s+3 s2 G2 (s) = Aw (s − a2 ) + w2 (A.4)

donde w es una constante real y positiva. Soluci´n: El programa laplace2.m resuelve el problema. o
% laplace2.m clear all; close all; clc; syms s w a A G1=(s+3)/s^2; g1 = ilaplace(G1); % g1 = 1 + 3*t G2=A*w/((s-a)^2+w^2); g2 = ilaplace(G2); % g2 = A*e^(a*t)*sin(w*t)

Ejemplo A.7 La figura A.2 muestra un m´vil de masa m = 1000 kg desplaz´ndose con una velocidad o a v gracias a la acci´n de la fuerza u producida por su motor. Si se desprecia la inercia o de las ruedas y se asume que la fuerza de fricci´n bv es lo unico que se opone al o ´ movimiento, donde b= 50 N–s/m es el coeficiente de fricci´n, entonces la din´mica o a del sistema puede modelarse como: mv(t) + bv(t) = u(t) ˙ v(t) = ˙ dv(t) dt

Determine la velocidad v(t) y la aceleraci´n v(t) del carro como respuesta a una o ˙ fuerza u(t) tipo escal´n de 1 N. Considere que la fuerza comienza a actuar para una o velocidad inicial del carro de 2 m/s.

friccion bv

v velocidad m u

Fig. A.2: M´vil en movimiento. o Soluci´n: Teniendo en cuenta que v(0) = 2 m/s, V (s) = L[v(t)] y U (s) = L[u(t)], o apliquemos la propiedad de derivaci´n (2) de la Tabla A.2 en la ecuaci´n din´mica o o a del carro: m(sV (s) − v(0)) + bV (s) = U (s)

A.1 La Transformada Unilateral de Laplace v(0) 1/m + s(s + b/m) s + b/m

157

V (s) =

donde hemos usado el hecho de que U (s) = 1 debido a que la entrada u es del tipo s escal´n. La salida v(t) se determina usando la Tabla A.1. Para el primer t´rmino de o e V (s) empleamos la f´rmula (14) con n = 1, mientras que para el segundo t´rmino o e empleamos la f´rmula (3). Por consiguiente: o v(t) = L−1 [V (s)] =
b b 1 (1 − e− m t ) + v(0)e− m t b

La derivada de v(t) produce la aceleraci´n pedida: o v= ˙ Ejemplo A.8 Empleando las propiedades del valor inicial y del valor final de la Tabla A.2, determinar tales valores para la velocidad del m´vil del problema anterior. o Soluci´n: El valor inicial de v(t) se determina de: o
t→0
b 1 [1 − bv(0)] e− m t m

l´ v(t) = l´ sV (s) = v(0) ım ım
s→∞

El valor final v(t) se obtienen de:
t→∞

l´ v(t) = l´ sV (s) = ım ım
s→0

1 b

A.1.3.

La Funci´n de Transferencia o

La funci´n de transferencia FT de un sistema SISO (Single Input Single Output) o se define como la relaci´n: o Y (s) G(s) = U (s) donde Y (s) es su salida y U (s) es su entrada, asumiendo que todas las condiciones iniciales son nulas. La FT se puede interpretar como el sello que caracteriza la din´mia ca de un sistema, ya que se expresa en funci´n de los par´metros de dicho sistema. o a Distintos sistemas pueden poseer una misma forma de la FT, pero con par´metros a completamente diferentes. Por ejemplo, los sistemas velocidad de un motor DC, nivel en un tanque de agua con orificio de salida y un m´vil con desplazamiento horizontal o poseen la siguiente forma de su FT: Y (s) K = U (s) τs + 1 Ejemplo A.9 Determinar la FT del m´vil del ejemplo A.7. Luego determine la velocidad v(t) del o m´vil partiendo de su FT, como respuesta a una fuerza u(t) tipo escal´n de 1 N. o o

158

Matem´tica para Sistemas Continuos a

Soluci´n: La FT del sistema se obtiene aplicando la propiedad de derivaci´n (2) de o o la Tabla A.2), con v(0) = 0: m[sV (s) − v(0)] + bV (s) = (ms + b)V (s) = U (s); 1/m V (s) = U (s) s + b/m

Observar que resulta una FT de primer orden. Como la entrada es un escal´n unitario, o entonces U (s) = 1 . La salida se determina de: s v(t) = L−1 [V (s)] = L−1 1/m s(s + b/m)

Usando la f´rmula (14) (con n = 0) de la Tabla A.1 resulta: o
b 1 v(t) = (1 − e− m t ) b

Ejemplo A.10 Empleando las propiedades del valor inicial y del valor final de la Tabla A.2, determinar tales valores para la velocidad del m´vil del problema anterior. o Soluci´n: El valor inicial se determina de: o
t→0

l´ v(t) = l´ sV (s) = 0 ım ım
s→∞

El valor final se obtiene de:
t→∞

l´ v(t) = l´ sV (s) = ım ım
s→0

1 b

A.1.4.

Fracciones Parciales

Una funci´n o fracci´n racional de la forma B(s) es propia cuando el grado del o o A(s) polinomio B(s) del numerador es menor que el grado del polinomio A(s) del numerador. Cualquier funci´n o fracci´n racional propia de la forma B(s) se puede escribir o o A(s) como una suma de funciones racionales de la forma: C (as + b)r (as2 Cs + D + bs + c)r r = 1, 2., 3, . . .

Si A(s) y B(s) poseen el mismo grado, entonces: B(s) R(s) =k+ A(s) A(s) donde k es una constante y la fracci´n o Ejemplo A.11
R(s) A(s)

resulta propia.

tn tn n! e−at (1 + at −at n )e ν tn+1 (n+1)! 1− (at) n ν=0 ν! an+1 e−at [at−2+(2+at)e−at ] a3 (e−at − e−bt )/(b − a) (be−bt − ae−at )/(b − a) 1 ab t ab be−at −ae−bt b−a 1− − 1 a2 b − a b2 + 1 b−a 1 −at e a2 − 1 −bt e b2 e−at (b−a)(c−a) −ae−at (b−a)(c−a) + + e−bt (a−b)(c−b) −be−bt (a−b)(c−b) + + e−ct (a−c)(b−c) −ce−ct (a−c)(b−c) . . . sn+1 1 (s+a)n+1 s (s+a)n+1 1 s(s+a)n+1 s2 (s+a)2 1 (s+a)(s+b) s (s+a)(s+b) s s(s+a)(s+b) s s2 (s+a)(s+b) 1 (s+a)(s+b)(s+c) s (s+a)(s+b)(s+c) s g(t) δ(t) µ(t) e−at sen ωt cos ωt cos(ωt + α) e−at senωt e−at cosωt e−at cos(ωt + α) b [1−e−bt (cos at+ a sen at)] a2 +b2 n! = n(n − 1) .A.1: Transformadas unilaterales de Laplace No (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17) (18) (19) (20) (21) G(s) 1 1 s 1 s+a ω s2 +ω 2 s s2 +ω 2 s cos α−ωsenα s2 +ω 2 ω (s+a)2 +ω 2 (s+a) (s+a)2 +ω 2 (s+a)cosα−ωsenα (s+a)2 +ω 2 1 s[(s+b)2 −a2 ] n! .1 La Transformada Unilateral de Laplace 159 Tabla A.

se eval´a en u o o u . 1 − ζ > 1.2 = 1 ωn (ζ ± ζ 2 − 1) Los siguientes tres ejemplos ilustran la expansi´n en fracciones parciales: o 3s + 2 C D E F = + + + 2 2 s(4s + 3)(2s + 5) s 4s + 3 (2s + 5) (2s + 5) Cs + D Es + F H 7s2 − 2s + 1 = 2 + 2 + 2 + 2s + 4)2 (s + 1) 2 (s (s + 2s + 4) s + 2s + 4 s + 1 s2 − 9 8 =1− =1− 2−1 s (s + 1)(s − 1) D C + s+1 s−1 A manera de ilustraci´n. es decir. 1 − ωd = ω n ωn ωd e−δt sen (ωd t + θ) T1 e−t/T1 −T2 e−t/T2 T1 −T2 1 − ζ2 θ = arc cos ζ = arc cos (ωd /ωn ) δ = ζ ωn T1. La relaci´n o resultante se eval´a con la soluci´n de la ecuaci´n (s + 1) = 0. ωn e−δt sen (ωd t − θ) ζ < 1. el valor de H del segundo ejemplo se calcula multiplicando o ambos miembros de la igualdad por el factor (s + 1). para poder aislar H. 2 ζ < 1.160 Matem´tica para Sistemas Continuos a Transformadas unilaterales de Laplace (continuaci´n) o No (22) (23) (24) (25) (26) (27) (28) (29) (30) (31) (32) G(s) s2 (s+a)(s+b)(s+c) 1 s(s+a)(s+b)(s+c) 1 (s+a)(s+b)2 s (s+a)(s+b)2 s2 (s+a)(s+b)2 1 s(s+a)(s+b)2 1 s[(s+b)2 +a2 ] 2 ωn 2 s2 +2ζωn s+ωn 2 sωn 2 s2 +2ζωn s+ωn 2 ωn 2 s(s2 +2ζωn s+ωn ) 2 ωn 2 s(s2 +2ζωn s+ωn ) g(t) a2 e−at (b−a)(c−a) 1 abc + b2 e−bt (a−b)(c−b) + c2 e−ct (a−c)(b−c) 1− bce−at (b−a)(c−a) − cae−bt (a−b)(c−b) − abe−ct (a−c)(b−c) 1 (b−a)2 1 (b−a)2 1 (b−a)2 1 −ab2 1 a2 +b2 e−at − [1 + (b − a)t]e−bt −ae−at + [a + (b − a)bt]e−bt a2 e−at − [2ab − b2 + (b − a)b2 t]e−bt −1 + 2 ωn ωd b2 e−at (b−a)2 − 2ab−a2 +ab(b−a)t (b−a)2 b a e−bt 1 − e−bt (cos at + e−δt sen ωd t senat) ζ < 1.

A.1 La Transformada Unilateral de Laplace

161

Tabla A.2: Propiedades de la transformada de Laplace No (1) Descripci´n o Linealidad Propiedad L[a1 g1 (t) + a2 g2 (t)] = a1 L[g1 (t)] + a2 L[g2 (t)] = a1 G1 (s) + a2 G2 (s) (2) (3) Derivaci´n o Derivaci´n de orden n o
dg(t) = sG(s) − g(0) dt n g(t) L d dtn = sn G(s) − sn−1 g(0) n−2 (0) n−1 (0) −s dg n−2 − dg n−1 dt dt t L 0 g(t)dt = G(s) s −t0 s G(s) L[g(t − t0 )] = e

L

− sn−2 dg(0) − · · · dt

(4) (5) (6) (7) (8) (9) (10) (11)

Integral Desplazamiento en tiempo Desplazamiento en frecuencia Escalamiento Valor inicial Valor final Multiplicaci´n por tn o Divisi´n entre t o

L[e−at g(t)] = G(s + a)
s 1 L[g(at)] = a G( a )

l´ t→0 g(t) = l´ s→∞ sG(s) ım ım l´ t→∞ g(t) = l´ s→0 sG(s) ım ım
G(s) L[tn g(t)] = (−1)n d dsn
n

L[g(t)/t] =

∞ 0 G(t)dt

s = −1 como sigue: H=

(7s2 − 2s + 1)(s + 1) (Cs + D)(s + 1) (Es + F )(s + 1) − + (s2 + 2s + 4)2 (s + 1) (s2 + 2s + 4)2 s2 + 2s + 4

=
s=−1

10 9

Comando para Expandir Fracciones Racionales El comando [r,p,k] = residue(B,A) permite expandir una fracci´n racional en la o forma siguiente: B(s) r1 r2 rn = + + ··· + + k(s) A(s) s − p1 s − p2 s − pn (A.5)

donde p1 , . . . , pn son los n polos que no se repiten, r1 , . . . , rn son los residuos y k(s) comprime los t´rminos directos. Los coeficientes de los polinomios A(s) y B(s) se e introducen como vectores. Por ejemplo, A(s) = s4 + 5s2 − s − 3 produce el vector: A = [1 0 5 –1 –3]. Si B(s) posee polos repetidos, por ejemplo, si su polo pj es de A(s) multiplicidad m, entonces la expansi´n incluye t´rminos de la forma: o e rj+1 rj+m−1 rj + + ··· + s − pj (s − pj )2 (s − pj )m donde rj , . . . , rj+m−1 son los correspondientes residuos. Si en (A.5) el grado de B(s) es menor que el de A(s), entonces k(s) = 0. Si son iguales, k(s) es una constante. Todos los polos y los residuos est´n contenidos en los vectores p y r respectivamente. a

162 Ejemplo A.12

Matem´tica para Sistemas Continuos a

El programa fracp1.m descompone en fracciones parciales las expresiones: B(s) s2 − 16 = 2 A(s) s −1 N (s) s+6 s+6 = = 2 M (s) (s − 2)2 s − 4s + 4

% fracp1.m DESCOMPOSICION EN FRACCIONES PARCIALES clear all; close all; clc; B = [1 0 -16]; A = [1 0 -1]; % PRIMER CASO [r,p,k] = residue(B,A); % r = [7.5;-7.5]; p = [-1;1]; k = 1 M = [1 6]; N = [1 -4 4]; % SEGUNDO CASO [rr,pp,kk] = residue(M,N); % rr = [1;8]; pp = [2;2]; kk = 0;

Por consiguiente: B(s) 7.5 −7.5 = + +1 A(s) s+1 s−1 Ejemplo A.13 Hallar la transformada inversa de Laplace de: G(s) = B(s) s4 + 2s3 + 3s2 + 2s + 1 = 4 A(s) s + 4s3 + 7s2 + 6s + 2 N (s) 1 8 = + M (s) s − 2 (s − 2)2

Soluci´n: El programa fracp2.m calcula los vectores r, p y k: o r = [ r1 ; r2 ; rj ; rj+1 ] = [ −0.5i ; 0.5i ; −2 ; 1 ] Dado que todas las ra´ ıces en el vector r son distintas: rj rj+1 r2 r1 + + + G(s) = k + s − p1 s − p2 s − pj (s − pj )2 −0.5i 0.5i −2 1 = 1+ + + + s + 1 − i s + 1 + i s + 1 (s + 1)2 Es f´cil demostrar que: a
2 −0.5i 2 ωn 0.5i 1 1 + = = 2 s+1−i s+1+i 2 (s2 + 2s + 2) 2 s2 + 2ζωn s + ωn √ √ donde, por igualaci´n: ωn = 2, ζ = 1/ 2. Por consiguiente: o

p = [ p1 ; p2 ; pj ; pj+1 ] = [(−1 + i) ; (−1 − i) ; −1 ; −1]

k=1

G(s) = 1 +

1 2 −2 1 + + 2 + 2s + 2) 2 (s s + 1 (s + 1)2
2 ω2 ωn = n e−δt sen ωd t 2 s2 + 2ζωn s + ωn ωd

Empleando los pares (1), (29), (3) y (12) de la Tabla A.1, con n = 1, se obtiene: L−1 [1] = δ(t) L−1 L−1

1 1 = e−t L−1 = te−t s+1 (s + 1)2 donde, ωd = 1 y δ = 1, se calcularon empleando las f´rmulas al final de la continuaci´n o o de la Tabla A.1. Por consiguiente, juntando los resultados anteriores se obtiene: g(t) = δ(t) + e−t sen t − 2e−t + te−t

A.2 Matrices y Determinantes
% fracp2.m DESCOMPOSICI´N EN FRACCIONES PARCIALES O clear all; close all; clc; B = [1,2,3,2,1]; % POLINOMIO B(s) A = [1,4,7,6,2]; % POLINOMIO A(s) [r,p,k] = residue(B,A); % r = [-0.5i;0.5i;-2;1]; p = [-1+i;-1-i;-1;-1]; k = 1

163

Ejemplo A.14 Resolver la siguiente ecuaci´n diferencial: o dy(t) d2 y(t) + 24y(t) = e−6t + 11 2 dt dt con las condiciones iniciales nulas:
dy(0) dt

= 0, y(0) = 0.

Soluci´n: Empleamos la propiedad de derivaci´n de la Tabla A.2: o o L dy(t) d2 y(t) + 11 + 24y(t) = L e−6t 2 dt dt 1 dy(0) + 11(sY (s) − y(0)) + 24Y (s) = dt s+6

s2 Y (s) − sy(0) − Y (s) =

1 3/80 1/60 1/48 = + + (s + 3)(s + 8)(s + 6) s+3 s+8 s+6 1 1 3 y(t) = e−3t + e−8t + e−6t 80 60 48

A.2.

Matrices y Determinantes

Los elementos de una matriz pueden ser n´meros reales o complejos, funciones, otras u matrices, etc. Cuando n = 1, A se convierte en un vector fila. Cuando m = 1, A toma la forma de un vector columna. Los vectores se denotan en negrita. Por ejemplo, los vectores columna x(q) y fila y(q) de orden n y dependiente del argumento q se representan como:   x1 (q)  .  y(q) = y1 (q) · · · yn (q) x(q) =  .  . xn (q) Dos formas de denotar los correspondientes vectores fila y columna son: xT (q) = x1 (q) · · · xn (q) ; x(q) = x1 (q) · · · xn (q)
T

Una matriz A de orden o dimensi´n n×m, escrita con letra may´scula en negrita, o u es un arreglo rectangular con sus elementos aij dispuestos en n filas y m columnas. Es decir:   a11 . . . a1m  . .  .  i = 1, . . . , n; j = 1, . . . , m A = [aij ] =  . . . an1 . . . anm

164  y1 (q)  .  yT (q) =  .  . yn (q) 

Matem´tica para Sistemas Continuos a T y1 (q)  .  y(q) =  .  . yn (q) 

donde el super´ ındice T indica la operaci´n transpuesta, la cual transforma las columo nas en filas y viceversa.

A.2.1.

Operaciones con Matrices

Una matriz A con todos sus elementos aij iguales a cero se denomina matriz cero o nula y se denota como A = 0. Dos matrices A = [aij ] y B = [bij ] son iguales si son del mismo orden y adem´s [aij ] = [bij ]. a La suma de dos matrices, denotada como C = A ± B, s´lo es posible si A y B o son del mismo orden: C = [cij ] = A ± B = [aij ± bij ] La multiplicaci´n de dos matrices, expresada como C = AB, s´lo es posible si el o o n´mero de columnas de A es igual al n´mero de filas de B. Si A es de orden n × m u u y B es de orden m × r, entonces C debe ser de orden n × r. Los elementos de C se determinan como sigue:
m

cij =
k=1

aik bkj ;

i = 1, 2, . . . , n; j = 1, 2, . . . , m

Por ejemplo, la siguiente multiplicaci´n es v´lida: A2×3 B3×1 = C2×1 , tal como se o a observa a continuaci´n. o   b11 a11 a12 a13  c11 a11 b11 + a12 b21 + a13 b31 b21  = = a21 a22 a23 c21 a21 b11 + a22 b21 + a23 b31 b31 Si κ es un escalar, entonces κA resulta una matriz en donde cada elemento queda multiplicado por κ, a saber: κA = κ[aij ] = [κaij ] La multiplicaci´n es asociativa: o ABCD = (AB)(CD) = A(BCD) = (ABC)D y distributiva: (A + B)(C + D) = AC + AD + BC + BD Cuando AB = BA, se dice que A y B son matrices que conmutan. Sin embargo, en general, la multiplicaci´n no es conmutativa; es decir: o AB = BA Ejemplo A.15

A.2 Matrices y Determinantes Determinar si las matrices A  1  0 A= 2 y B conmutan o no.    1 2 3 2 3 4 −2  B =  0 4 −2  2 6 −9 6 −9

165

Soluci´n: Dado C = AB y D = BA, basta demostrar que C = D, tal como se o ilustra en el siguiente programa.
% conmat.m CONMUTACI´N DE MATRICES O clear all; close all; clc; A = [1 2 3;0 4 -2;2 6 -9]; B = [-1 5 0;1 4 -3;0 -6 -2]; C = A*B; % C = [1 -5 -12;4 28 -8;4 88 0] D = B*A; % D = [-1 18 -13;-5 0 22;-4 -36 30] % A Y B NO SON CONMUTATIVAS PORQUE C ES DIFERENTE DE D

Si AB = 0, implica que A = 0 o B = 0, o que A y B sean singulares. Las matrices A y B son singulares si det(A) = 0 y det(B) = 0 donde det es la operaci´n o determinante, la cual se trata m´s adelante. a Si AB = AC, no necesariamente implica que B = C. La matriz transpuesta, denotada como AT , es la matriz A con sus filas y columnas intercambiadas. Por consiguiente: (AT )T = A; (A + B)T = AT + BT ; (AB)T = BT AT

√ Un n´mero complejo se designa como s = σ + jω, donde j = −1 es la unidad u de los n´meros imaginarios y tanto σ como ω son n´meros reales. La operaci´n u u o conjugada, denotada como A∗ , toma la conjugada a todos los elementos complejos de A. Para la operaci´n conjugada se cumple: o (A∗ )∗ = A; (A + B)∗ = A∗ + B∗ ; (AB)∗ = A∗ B∗

La operaci´n hermitiana de A, denotada como AH , toma la conjugada y luego la o transpuesta (o toma la transpuesta y luego la conjugada) de la matriz A. Es decir: AH = (A∗ )T = (AT )∗ Por consiguiente: (AH )H = A; (A + B)H = AH + BH ; (AB)H = BH AH

Si A es una matriz real; es decir, si todos sus elementos son reales, entonces A ∗ = A y AH = (A∗ )T = AT . Ejemplo A.16 Dada la matriz real A y  1 A= 0 2 la matriz compleja B hallar A∗ , AH , AT , BT , B∗ y BH .    2 3 1−j 3 3+j 4 −2  4 −2 + j  B= j 6 −9 2−j 6+j −9

8) (A. . o simplemente una diagonal con elementos aii . .   . entonces: A =A A = A.2. .7) ∗ T T ∗ T = (A ) = (A ) = A = −A T −1 −1 (A. Esta matriz posee una diagonal principal. . Tipos de Matrices Si el orden de una matriz A es n × n.  . dnn Una matriz cuadrada se denomina triangular superior si los elementos debajo de su diagonal son todos ceros. La traza de una matriz cuadrada se define como: traza(A) = a11 + · · · + ann Una matriz cuadrada se denomina matriz diagonal cuando los elementos que no pertenecen a su diagonal son todos ceros:   d11 0 0 .6) (A. . Si A es cuadrada. .11) (A. −1 κ es un entero positivo A=I det(A) = 0 .12) (A. 0    D = [dii ] =  . . . En general. . .15) (A. H H H =A κ+1 κ es un entero positivo A = 0.166 Soluci´n: o Matem´tica para Sistemas Continuos a  1 0 2 6  A∗ = A A H = AT =  2 4 3 −2 −9     1+j 3 3−j 1−j j 2−j 4 −2 − j  4 6+j  B∗ =  −j BT =  3 2+j 6−j −9 3 + j −2 + j −9   1+j −j 2+j H T ∗  3 4 6−j  B = (B ) = 3 − j −2 − j −9  A. . entonces la matriz es triangular inferior.10) (A. es e una matriz diagonal que s´lo posee unos.13) (A. se o cumple que: A es sim´trica si: e A es antisim´trica si: e A es hermitiana si: A es antihermitiana si: A es ortogonal si: A es unitaria si: A es normal si: A es peri´dica si: o A es nilpotente si: A−1 es la inversa de A si: A es singular si: AT = A A = −A A H T (A.2. . denotada tambi´n como In (n es el orden de la matriz).14) (A. . entonces: A = A AA AA A A κ H H T = A A = I. entonces A es una matriz cuadrada de orden n. .9) (A. . La matriz identidad I. Si los elementos encima de su diagonal son todos ceros. 0 0 0 . 0  0 d22 0 .16) A H AA = A A = I. AI = IA.

el determinante de una matriz de orden n = 3 se calcula como:   a11 a12 a13 a22 a23 det  a21 a22 a23  = (−1)1+1 a11 det + a32 a33 a31 a32 a33 (−1)1+2 a12 det a21 a23 a31 a33 + (−1)1+3 a13 det a21 a22 a31 a32 (A. . j = 1.18) Con relaci´n a dos matrices cuadradas A y B de orden n: o . Es 2 2 decir: 1 1 A = B + C = (A + AH ) + (A − AH ) 2 2 Ejemplo A. .17 Demostrar que B = 1 (A + AH ) y C = 1 (A − AH ) son matrices hermitiana y 2 2 antihermitiana respectivamente. donde A es la siguiente matriz compleja: A= Soluci´n: o AH = (A∗ )T = 1 B = (A + AH ) = 2 1 C = (A − AH ) = 2 1+j 2−j 6+j 5−j 1−j 6−j 2+j 5+j BH = (B∗ )T = B CH = (C∗ )T = −C 1 4−j 4+j 5 j −2 2 −j A.2 Matrices y Determinantes 167 Una matriz compleja cuadrada A puede ser escrita como la suma de una matriz a hermitiana B = 1 (A + AH ) m´s otra matriz antihermitiana C = 1 (A − AH ).2. el determinante de e o una matriz A se obtiene de: n det(A) = j=1 (−1)1+j a1j det(A1j ) = (−1)1+1 a11 det(A11 ) + (−1)1+2 a12 det(A12 ) + · · · donde A1j . Determinantes y Matriz Inversa Determinantes El determinante de la matriz A = [aij ] de orden 2 es: det a11 a12 a21 a22 = a11 a22 − a12 a21 (A.3. .17) Para obtener el determinante de una matriz de orden n > 2 podemos emplear el m´todo de la expansi´n. Si tomamos como base la primera fila. n es la matriz que resulta luego de eliminar la fila 1 y la columna j de A. Por ejemplo. .A.

Soluci´n: Ejecutar el programa matinv.19) Del mismo modo.m mostrado abajo. .168 Matem´tica para Sistemas Continuos a 1. 3. . o Matriz inversa Si A y B son dos matrices no singulares. 6.4. . (AT )−1 = (A−1 )T ((A∗ )T )−1 = ((A−1 )∗ )T . entonces det(A) = 0. entonces det(A) = 0. Si los eigenvalores de A son λ1 . 4. 7. 5. λ2 . A−1 = 1 ad − bc d −b −c a (A. Si la constante real κ multiplica una fila o una columna de A. . det(AB) = det(BA) = det(A)det(B) 8. La determinaci´n de los eigenvalores o valores propios de una matriz se trata en la o subsecci´n A. λn . entonces el det(A) queda multiplicado por κ. .20) det(A) = aei + gbf + cdh − gec − ahf − idb Ejemplo A.20). es decir. . Si la matriz B se obtiene intercambiando dos filas o dos columnas de A. Si sumamos un m´ltiplo de una fila o una columna de A a cualquiera de sus u filas o columnas. si det(A) = 0 y det(B) = 0.18 Comprobar simb´licamente las f´rmulas de la inversa y del determinante de A dadas o o en (A. λn . Si dos filas o columnas de A son iguales. o . det(A−1 ) = 1 det(A) Si A es una matriz no singular de orden 2. 2. si A es una matriz no singular de orden 3:   a b c A= d e f  g h i e f  det h i   1  −det d f = g i det(A)    d e det g h  b h a det g a −det g −det c i c i b h det A−1 b e a −det d a det d c f c f b e         (A. entonces: (AB)−1 = B−1 A−1 .2. entonces det(B) = −det(A). el valor del det(A) no cambia. Si cada elemento de una fila o columna de A es cero. vale recordar que: A= a b c d . luego: det(A) = λ1 λ2 . det(A) = det(AT ).

clc.a f h . pretty(detA) % DEVUELVE DETERMINANTE DE A % aei .i d b + d c h + g b f .d e f.3 muestra los comandos para ejecutar operaciones matriciales con MATLAB. a . Ejemplo A.A.g h i]. A.19. o 4j 5 2 −3 −135º −j G 11 = 2 −135º G12 = 5 127º 3j G13 = 2 −60º 127º 1 −60º 2 m[G] = m[Gij ] |G| = |Gij |. Luego. pretty(invA) % DEVUELVE INVERSA DE A detA = det(A). entonces las operaciones anteriores se ejecutan elemento por elemento.2 Matrices y Determinantes % matinv.m INVERSA Y DETERMINANTE DE UNA MATRIZ EN FORMA SIMB ´LICA O clear all. es decir: e[G] = e[Gij ].19 Calcular en forma gr´fica y usando MATLAB el angulo y el m´dulo de: a ´ o √ G = [−1 − j − 3 + 4j 1 − 3j] = [G11 G12 G13 ] Soluci´n: Los elementos de G corresponden a tri´ngulos notables mostrados en la o a Fig.m se obtiene la misma soluci´n. El valor absoluto o m´dulo o magnitud o de G se denota como |G| mientras que el angulo o argumento de G se expresa como ´ ∠ G. close all.21) Si G es un vector o matriz compleja con elementos complejos Gij .3. G se puede formular como: G = e[G] + j m[G] = |G|∠ G |G| = ( e[G])2 + ( m[G])2 ∠ G = arctan m[G] e[G] (A. ∠ G = ∠ Gij −1 Fig. % MATRIZ SIMB´LICA O invA = inv(A). A. G = |G|∠ G = |Gij |∠ Gij . Cantidades Complejas Sea G = Gr + jGi un n´mero o funci´n compleja donde e[G] = Gr es su parte u o real e m[G] = Gi es su parte imaginaria. Ejecutando el programa trnot. syms a b c d e f g h i % COMANDO syms GENERA S´MBOLOS I A = [a b c.3: Tri´ngulos notables para el problema A.g c e 169 La Tabla A.

X = B/A abs(A) angle(A) real(A) imag(A) trace(A) eye(n) A+B A−B AB κA A∗ AT AT AH An det(A) A−1 |A| ∠A e[A] m[A] n i=1 aii In Ejemplo A.4142 = sqrt(2) Tabla A. anguloG = angle(G)*(180/pi). . X = A\ B X*A = B. G12 = -3+4j. calcular B.8699 -60] moduloG = abs(G). 1.m N´MEROS COMPLEJOS U clear all. Soluci´n: El programa calmat.20 Dada la matriz cuadrada A. por ser hero a mitiana: M = MH . G11 = -1-j. Entonces basta comprobar que M − MH = 0 y que N + NH = 0. A. clc.B A*B kappa*A conj(A) A’ conj(A’).’ A’ A^n det(A) inv(A) A*X = B. G = [G11 G12 G13]. G13 = 1-sqrt(3)*j.3: Comandos para c´mputo matricial o Operaci´n o Suma Resta Multiplicaci´n o Multiplicaci´n o Conjugada Transpuesta (A real) Transpuesta (A compleja) Hermitiana Potencia Determinante Inversa Divisi´n izquierda o Divisi´n derecha o Valor absoluto ´ Angulo Parte real Parte imaginaria Traza Matriz identidad C´digo MATLAB o A + B A .170 Matem´tica para Sistemas Continuos a % trnot.   1−j 2−j 3−j −2 3 + 5j  A =  4j 6 − j 7 − j 8 + 3j B= (A∗ + AT − 0.m calcula la matriz B pedida. y por ser antihermitiana: N = −NH .7jA3 )A−1 AH |A|∠ A e[A] m[A] (2j + 1) traza(A)det(A) Luego. close all. % moduloG = [1. % (180/pi) CONVIERTE rad A GRADOS % anguloG = [-135 126. comprobar que M = 1 (B + BH ) y N = 1 (B − BH ) son sus matrices hermi2 2 tiana y antihermitiana respectivamente.4142 5 2]. Adem´s.

para las filas de B: m = 2 + 3 + 1 = 6.2 Matrices y Determinantes % calmat. Ejemplo A.– Si los vectores x. m.21 Multiplicaci´n con Partici´n de Matrices. mientras que o para las columnas de A: m = 2 + 3 + 1 = 6. A n n m1 · · · A n n mm B m m p1 · · · B m m pp La condici´n necesaria para realizar el producto Cnp = Anm Bmp empleando partio ciones. La multiplicaci´n ahora es directa: o o   A22 B22 + A23 B32 + A21 B12 A22 B23 + A23 B33 + A21 B13 C =  A32 B22 + A33 B32 + A31 B12 A32 B23 + A33 B33 + A31 B13  A42 B22 + A43 B32 + A41 B12 A42 B23 + A43 B33 + A41 B13 Ejemplo A. . .. . . p y q respectivamente. la partici´n es correcta.23 Matriz Aumentada. clc. . v y w son de orden n. Por consiguiente. .22 Empleando la regla descrita determinar obtener C = AB. y. . dy dt dy ˙ = y = Cy + Dw dt ˙ = y denotan las derivadas de x e y con respecto al tiempo.A. M = (B + B’)/2. close all.4j -2 3+5j. . obtener una sola ecuaci´n diferencial matricial que reemplace a las dos o ecuaciones diferenciales siguientes: dx ˙ = x = Ax + Bv. % MATRIZ DATO B = (conj(A)+conj(A’)-0.j. n = n1 + · · · + nn .m C´LCULO MATRICIAL COMPLEJO A clear all. Por lo tanto. dt ˙ donde dx = x y dt respectivamente. A = [1-j 2-j 3.7j*A^3)*inv(A)*A’*abs(A)* .. % M ES HERMITIANA PORQUE M=M’ ´ M-M’=0 O N = (B .B’)/2. a   B22 B23 A21 A31   B32 B33  B12 B13 A41 Soluci´n: Podemos notar que para las filas de A: n = 2 + 3 + 4 = 9.  A22 A23 AB =  A32 A33 A42 A43 si el producto siguiente es v´lido y si lo es. .– Dos matrices Anm y Bmp (los o o sub´ ındices indican las dimensiones) pueden ser particionadas como sigue:     B m 1 p1 · · · B m 1 pp A n 1 m1 · · · A n 1 mm     . Del mismo modo.6-j 7-j 8+3j]. . m = m1 + · · · + mm y p = p1 + · · · + pp . . . mientras que para las columnas de B: p = 2 + 3 = 5. angle(A)*real(A)*imag(A)/((2*j+1)*trace(A)*det(A)). es que las columnas de A y las filas de B sean particionadas en la misma forma. B= A=  . % N ES ANTIHERMITIANA PORQUE M=-M’ ´ M+M’=0 O 171 Ejemplo A.

entonces A debe ser de o orden n × n. y e as´ sucesivamente. Si suponemos que dichas constantes existen. Las dimensiones de los vectores y matrices se indican con sub´ ındices.25 Determinar si los siguientes vectores son o no linealmente independientes. ˙ x ˙ y = A 0 0 C x y + B 0 0 D v w ˙ xn×1 = An×n xn×1 + 0n×m ym×1 + Bn×p vp×1 + 0n×q wq×1 ˙ ym×1 = 0m×n xn×1 + Cm×m ym×1 + 0m×p vp×1 + Dm×q wq×1 A. tal conjunto o de vectores es linealmente dependiente cuando alguno de ellos se puede escribir como una combinaci´n lineal de los dem´s.24 Determinar si los siguientes vectores son o no linealmente dependientes. entonces B debe ser de orden n × p. Entonces. el conjunto de vectores u. Rango. v y w es linealmente independiente. es decir:         18 3 4 3α + 4β  28  = α  5  + β  6  =  5α + 6β  29 7 5 7α + 5β El sistema de tres ecuaciones y dos inc´gnitas resultante es incompatible y sin soluo ci´n. o Soluci´n: Tal conjunto de vectores es linealmente independiente si se demuestra que o no existen dos constantes α y β no nulas que verifiquen: u = αv + βw.4.       1 3 4  2   5   6  u= v= w= 3 7 5 Soluci´n: Tal conjunto de vectores es linealmente dependiente si se demuestra que o existen dos constantes α y β no nulas que verifiquen: u = αv + βw.172 Matem´tica para Sistemas Continuos a Soluci´n: Es importante notar que si x es de orden n. La ecuaci´n pedida se muestra a continuaci´n. Tambi´n. o a Ejemplo A. Ejemplo A.       18 3 4 u =  28  v= 5  w= 6  29 7 5 Resolviendo este sistema de tres ecuaciones y dos inc´gnitas resulta: α = 2 y β = 3. el conjunto de vectores u. donde 0 es la matriz ı o o nula. Al contrario. entonces:         4 3α + 4β 1 3  2  = α  5  + β  6  =  5α + 6β  5 7α + 5β 3 7 . v y w son linealmente dependientes. Eigenvectores y Pseudoinversas Dependencia e Independencia de Vectores Un conjunto de vectores es linealmente independiente cuando ninguno de ellos se puede escribir como una combinaci´n lineal de los restantes. o Por lo tanto.2. si v es de orden p.

rango(AB) = rango(B). si det(A) = 0. Si A es una matriz cuadrada de orden n × n. Propiedades del Rango Si A es una matriz de orden n × m y B es de orden m × k. el rango de la matriz B es r = 2 porque el determinante del segundo m´ ınimo cuadrado es diferente de 0. el n´mero de vectores filas linealmente independientes coincide u con el n´mero de vectores columnas linealmente independientes.A. debido a que es igual al segundo vector fila menos el doble del primer vector fila. En otro caso. si A y B son no singulares si A y B son no singulares rango(AB) ≤ rango(B) . m). se puede comprobar que det(B) = 0. su rango es n siempre que A sea no singular. pero el tercer vector fila si lo es. es decir: rango(B) < n. o La matriz B de orden n = 3 posee rango r = 2. El rango de una matriz tambi´n se puede determinar evaluando los determinantes de e sus m´ ınimos cuadrados. Por consiguiente. porque los dos primeros vectores filas no son linealmente dependientes. Por otro lado. se cumple: rango(AB) = rango(AH ) = rango(AH A) = rango(AAH ) rango(AB) = rango(AT ) = rango(AT A) = rango(AAT ) rango(AB) = rango(A). si det(A) = 0. tal como se ilustra en el siguiente ejemplo. mientras que el determinante del tercer m´ ınimo cuadrado es nulo. Los determinantes de los m´ ınimos cuadrados de B son:   1 3 2 1 3 det([1]) = 1 = 0 det =1=0 det  3 8 9  = 0 3 8 1 2 5 Por consiguiente. La segunda raz´n es que A es no singular. La primera es que ning´n vector fila o vector columna es una combinaci´n u o lineal de las restantes. rango(AB) ≤ rango(A). denotado como rango(A). Ejemplo A. lo que implica que B no posee rango completo por ser singular. u a En cualquier matriz. el u valor m´ximo rmax que puede tener el rango r de una matriz de orden n × m es: a rmax = min(n. su rango. entonces: rango(A) < n.2 Matrices y Determinantes Rango de una Matriz 173 Si A es una matriz de orden n × m. es igual al n´mero m´ximo r de sus vectores filas (o columnas) linealmente independientes.26 Determinar el rango de las siguientes matrices empleando varios m´todos: e     1 2 3 1 3 2 A= 3 5 7  B= 3 8 9  4 6 5 1 2 5 Soluci´n: La matriz A de orden n = 3 posee rango completo (r = n = 3) por dos o razones. es decir.

rCB=2=rB. rAB = rank(A*B).27 Matem´tica para Sistemas Continuos a Sean las matrices Anm . % rA=3=min(3. rango(B)) rango(CB) = rango(B) Soluci´n: El siguiente programa presenta las demostraciones pedidas.4). Bmp y Cmm .4) Y (4. (2. rB=2.  . conocido tambi´n como valor propio.22) obtenemos la ecuaci´n caracter´ o ıstica de A: det(λI − A) = 0 (A. m) Eigenvalores y Eigenvectores Un eigenvalor de una matriz de orden n. e modo.22) Factorizando x en (A. E = e1 · · · en =  . .-2+3j 4-6j -2-5j 7j].rB).4).. Demostrar num´ricamente que: e rango(A) = rango(AH ) rango(AB) ≤ min(rango(A).4-6j -2-5j 7j -j. el vector e1 se i calcula como:   e11 e1  . C=[-1+j -2+j 3-j -5-7j. rAH=rA.174 Ejemplo A. rAB=2=min(rA.m PROPIEDADES DEL RANGO clear all A=[-1+j 3-5j -5+6j -2+5j.23) Asociado con cada eigenvalor λi existe un eigenvector ei de magnitud arbitraria que es soluci´n de (ver (A.4) RESPECTIVAMENTE rA=rank(A). . Por ejemplo. B Y C SON (3. en1 · · · enn toma la forma:    e Un eigenvector normalizado se define como: ei = |ei | . 11 n1 |e1 | en1 Ejemplo A.-5-6j -2+5j].8+9j -4+2j. .-2+3j -4-6j. rAH=rank(A’). % DIMENSIONES DE A. B=[1+j -3-5j. . . o % proprango.24) La matriz E de eigenvectores para una matriz A de orden n  e11 · · · e1n  . eigenvalue. rB=rank(B).4-2j -1+j -4 2.28 . rCB=rank(C*B).7j -1 9j 4j].22)): o Aei = λi ei (A. o ra´ caracter´ ız ıstica. .  |e1 | = e2 + · · · + e2 e1 = e1 =  .8-9j 4-2j -1+j -4. rango(A) ≤ m´ ın(n. es un escalar λ que permite una soluci´n no o trivial de la ecuaci´n: o Ax = λx (A.

. . λn .m COMPRUEBA QUE det(A)=L(1)L(2)L(3)L(4) clear all A = [1-j 2-j 3-j -3+8j 4j -2 3+5j 4-2j 6-j 7-j 8+3j 3+j 2 -1 j 0]. % DETERMINA LOS EIGENVALORES DE A detA = det(A). . comprobar num´ricamente: e det(A) = λ1 λ2 . % SE CUMPLE QUE: det(A) = P i = 1.D]=eig(A).23): o det(λI − A) = det λ 0 0 λ − 1 2 4 3 = (λ − 1)(λ − 3) − 8 = 0 resultando: λ1 = −1 y λ2 = 5. clc. o % eig2. . o % eig1.30 Si los λi son los eigenvalores de la matriz A de orden n.A.-j 5j -4 -3j.2 Matrices y Determinantes Determinar los eigenvalores y eigenvectores del sistema siguiente: x1 ˙ x2 ˙ = 1 2 4 3 x1 x2 175 Soluci´n: Los eigenvalores se determinan de (A. .24) para λ1 y λ2 : Ae1 = λ1 e1 y Ae2 = λ2 e2 . n . Ejemplo A. . close all. L = eig(A).29 Determinar los eigenvalores y eigenvectores para la matriz A empleando MATLAB. Los eigenvectores se calculan de (A. los eigenvectores normalizados resultan: e1 = e1 /|e1 | y e2 = e2 /|e2 |.8 6j -4 -9j].m. [E. P = L(1)*L(2)*L(3)*L(4).   1 2j 4 −3  −j 5j −4 −3j     0 −7j −2 −j  8 6j −4 −9j Soluci´n: Ejecutar el programa eig1.m. % E: MATRIZ DE EIGENVECTORES NORMALIZADOS % D: MATRIZ DIAGONAL DE EIGENVALORES Ejemplo A. Soluci´n: Ver el programa eig2.m C´LCULO DE EIGENVALORES Y EIGENVECTORES A clear all.0 -7j -2 -j. Dado que |e1 | = 2 y las |e2 | = 5. obteni´ndose: e e1 = 1 Ae1 = λ1 e11 −e11 = 1 −1 e2 = 1 Ae2 = λ2 e12 2e12 = 1 2 √ donde √ soluciones e11 = 1 y e12 = 1 son arbitrarias. A = [1 2j 4 -3.

close all. x es un vector de orden n y b es un vector de orden m.m se resuelven sistemas de ecuaciones empleando pseudoinversas.m. A = [1+i 2+3i 3-i. % VECTOR SOLUCION DE DIMENSI´N (2. sea la ecuaci´n: Ax = b. X = A\B.2-3i. % pseudoinv. b = [10-i. Ejemplo A. donde A es una matriz de orden m×n o y de rango m.1) C = [1+i 1-i.1 2+3i. En forma similar. % C(3. Se supone que n > m.31 En pseudoinv. o % miqe. close all. La soluci´n de tal ecuaci´n se obtiene de: o o xo = AII b AII = (AT A)−1 AT donde AII es la matriz pseudoinversa izquierda (o m´ ınima inversa izquierda) de A que cumple la propiedad: AII A = Im . MAS INC´GNITAS QUE ECUACIONES O -6+j 8-2j 1+4j]. 4jx1 − 2x2 + (3 + 5j)x3 − 7jx4 + (8 − 2j)x5 = 4 − j . La soluci´n de tal ecuaci´n est´ dada o o a por: xo = AID b AID = AT (AAT )−1 donde AID es la matriz pseudoinversa derecha (o m´ ınima inversa derecha) de A que cumple la propiedad: AAID = In .32 Resolver el siguiente sistema (m´s inc´gnitas que ecuaciones): a o (5 − j)x1 + (2 + 3j)x2 + (3 − j)x3 + (−1 + 4j)x4 + (−6 + j)x5 = 2 − 9j (6 − j)x1 + (7 − j)x2 + (8 − 3j)x3 + (3 − j)x4 + (1 + 4j)x5 = 3 + j Soluci´n: Ver el programa miqe.m SOLUCION DE ECUACIONES USANDO PSEUDOINVERSAS clear all.4-2i 5+i 6].20+3i].176 Matem´tica para Sistemas Continuos a Pseudoinversas El concepto de pseudoinversa de una matriz es la generalizaci´n de su inversa y o resulta util para encontrar una soluci´n en un conjunto de ecuaciones algebraicas en ´ o donde el n´mero de variables desconocidas y el n´mero de ecuaciones linealmente u u independientes no son iguales.1) MPID = A’*(A*A’)^(-1). A = [5-j 2+3j 3-j -1+4j 4j -2 3+5j -7j 6-j 7-j 8-3j 3-j B = [2-9j.3+j]. Sea la ecuaci´n: o Ax = b donde A es una matriz de orden n × m y de rango n. % MATRIZ PSEUDOINVERSA DERECHA x = MPID*b.3+i]. % A(2.4-j. clc. % VECTOR SOLUCION DE DIMENSI´N (3. % MATRIZ PSEUDOINVERSA IZQUIERDA y = MPII*d.1) = d(3.1) = b(2.2)*y(2.1) O Ejemplo A.1 4-i]. x es un vector de orden m y b es un vector de orden n.3)*x(3. Se supone que n < m.1) O MPII = (C’*C)^(-1)*C’. d = [1.m SISTEMA DE ECUACIONES: clear all. clc.

A. 0    (A. B = [2-9j. la matriz de eigenvectores E no es unitaria (E . . A = [5-j 2+3j 3-j 4j -2 3+5j 6-j 7-j 8-3j -1+4j -6+j 3-j -7j 8-2j 1+4j]. clc.   . Sea Λ una matriz diagonal formada con los eigenvalores de A. . o Esta transformaci´n se denomina can´nica. o o Por otro lado. close all. entonces A se puede diagonalizar mediante la relaci´n E −1 AE = Λ. Diagonalizaci´n de Matrices y Formas Can´nicas o o Diagonalizaci´n de Matrices o Si A es una matriz de orden n que posee n eigenvalores distintos λi . . λn El proceso de diagonalizaci´n arriba mencionado permite transformar un sistema o descrito por la denominada ecuaci´n de estado (secci´n A.-3+7j.33 Resolver el siguiente sistema (m´s ecuaciones que inc´gnitas): a o (5 − j)x1 + (2 + 3j)x2 + (3 − j)x3 = 2 − 9j (6 − j)x1 + (7 − j)x2 + (8 − 3j)x3 = 3 + j −7jx1 + (8 − 2j)x2 + (1 + 4j)x3 = −9 4jx1 − 2x2 + (3 + 5j)x3 = 4 − j 177 (−1 + 4j)x1 + (−6 + j)x2 + (3 − j)x3 = −3 + 7j Soluci´n: Ejecutar el programa meqi.m.2. .25) E−1 AE = Λ =  . o H = E−1 ).5. . .3) : o o dx = x = Ax + Bu ˙ dt en otro sistema descrito por la ecuaci´n: o dx∗ = x ∗ = A ∗ x∗ + B ∗ u ˙ dt donde: x = Ex∗ es una transformaci´n lineal. en ] es unitaria porque: EH = E−1 . . 0  0 λ2 .2 Matrices y Determinantes Ejemplo A. . . entonces su matriz de eigenvectores E = [e1 . o % meqi. A∗ = E−1 AE = Λ y B∗ = E−1 B. X = A\B. Sin embargo.4-j. .3+j. si A es una matriz de orden n de rango completo que posee eingenvalores repetidos. . . . .m SISTEMA DE ECUACIONES: MAS ECUACIONES QUE INCOGNITAS clear all. 0 0 . Entonces se cumple:   λ1 0 .A.  .-9].

-1]. % Aast=[1 0.0968).1. Considerando que el flujo de salida qo es laminar: qo = h Rh (A. % rank(A3)=6 (RANGO COMPLETO) [E3. n1 = 3. 1 -2 -1 1 3 1. n3 = 6.866i. q1 es el flujo de o entrada y qo es el flujo de salida. % D2 = DD2 = diag(-1.D]=eig(A).1.4 muestra el sistema tanque con agua. A..m TRANSFORMACI´N CAN´NICA O O clear all.-1.-1). RA ´CES NO REPETIDAS => inv(E1)=E1’ I A2 = [-2 -1 -1 -1 2.m DIAGONALIZACION DE MATRICES DE RANGO COMPLETO clear all.26) dt dt donde S es la secci´n uniforme del tanque.1. A1 = [2 2 -1.0. n2 = 5. Variables de Estado Ejemplo de Introducci´n o El siguiente ejemplo sirve para introducir el concepto de variable de estado.D3] = eig(A3).-1 0 2].4142}. Bast=[0. Ejemplo A. clc.D1] = eig(A1).1 1 -1 -1 2 1.0 2].-1..3.866i.1 0 -1 0 2 0]..35 En el programa siguiente se diagonalizan varias matrices de rango completo.-1 -4 -1 -2 1. clc.-1 -4 -2 -1 1.. -2 -2 -2 -2 3]. % diagmat.7093. DD1=inv(E1)*A1*E1.-1) % DOS RA´CES REPETIDAS => inv(E2) ~= E2’ I A3 = [-2 3 3 -1 -6 -2.5-0. % D1=DD1=diag(4. close all. DD2=inv(E2)*A2*E2.1. % rank(A1) = 3 (RANGO COMPLETO) [E1. [E.m para obtener la siguiente transformaci´n o o can´nica: o dx∗ = x ∗ = A ∗ x∗ + B ∗ u ˙ dt 0 x∗ ˙1 1 0 x∗ 1 = u + √ ∗ x2 ˙ 0 2 x∗ 2 2 % trancan..34 Matem´tica para Sistemas Continuos a Hallar la transformaci´n can´nica del siguiente sistema: o o x = Ax + Bu = ˙ 2 0 −1 1 x+ 1 −1 u Soluci´n: Ejecutar el programa trancan. h es el nivel del liquido.1. 2) Aast=inv(E)*A*E. La Fig.. % rank(A2) = 5 (RANGO COMPLETO) [E2.1 -2 0 1 2 0. % E=[e1 e2]: MATRIZ DE EIGENVECTORES % EIGENVALORES: D = diag(1. B = [1. Bast=inv(E)*B.1.-1 1]. donde el volumen de agua acumulado se modela como: dh dh ˙ ˙ S = S h = q i − qo h= (A.1.2 3 0.3. close all.1 3 1 1 -1.D2] = eig(A2).1 0 -1 0 2 1. A = [2 0.27) . A. % D3 = diag(-1.2. TRES RA´CES REPETIDAS => inv(E3) ~= E3’ I A. DD3=inv(E3)*A3*E3.5+0.178 Ejemplo A.1939.

La ecuaci´n de salida del proceso toma la forma: y = Cx = [1]x (A. respectivamente. L[qi ] = Qi (s) y L[x] = L[y] = ˙ ˙ s[Y (s) − y(0)].30) donde y es la salida y C es la matriz de salida.3 Variables de Estado 179 h Sensor de presión Fig. Por consiguiente. En cambio. A. Sabiendo que L[ ] es el operador de Laplace. la FT del sistema con y(0) = 0 resulta de (A. donde Rh es la resistencia hidr´ulica.29): Y (s) Rh = Qi (s) SRh s + 1 (A. son dos formas de describir la din´mica del sistema.26) se obtiene la ecuaci´n de estado del sistema. la representaci´n en el espacio de estado (variables de estado m´s ecuaciones o a de estado y de salida). u = qi es la variable de entrada. Sin a embargo.32) ™ ™ ˜™ ˜ ˜ dd qi A qo . la FT s´lo es aplicable a sistemas a o lineales.4: Sistema tanque con agua. entonces: L[u] = U (s).A. la cual se calcula de la relaci´n: a o Rh = H Q (A. 1 A = − SRh es la matriz de estado del sistema (en este caso una matriz de orden uno) 1 o o y B = S es la matriz de distribuci´n de orden uno. la cual es una ecuaci´n o o diferencial de primer orden de la forma: 1 1 ˙ h=− h + qi SRh S x = Ax + B u ˙ (A.31) donde el producto SRh es la constante de tiempo del sistema nivel. L[x] = X(s) = Y (s). es general porque se puede aplicar tambi´n a sistemas no e lineales como se ver´ oportunamente.28) donde H y Q son los valores estacionarios de h y qo . Para sistemas MIMO lineales y con par´metros invariantes con el tiempo.29) donde x = h es la variable de estado del sistema. la FT y las ecuaciones de estado y de salida de un determinado sistema SISO (de una entrada y una salida). las a ecuaciones de estado y de salida toman la forma: ˙ x = Ax + Bu y = Cx + Du (A. Despejando ˙ h de (A.

180

Matem´tica para Sistemas Continuos a

donde los ordenes de los vectores y matrices se ilustran en la siguiente relaci´n: o ˙ xn×1 = An×n xn×1 + Bn×m um×1 yp×1 = Cp×n xn×1 + Dp×m um×1

A.3.2.

Definici´n de Variables de Estado o

El vector de estado x = [x1 . . . xn ]T de un sistema (donde el super´ ındice T indica transpuesta) es el m´ ınimo conjunto de variables, las variables de estado x 1 . . . xn , las cuales contienen informaci´n suficiente acerca de la historia pasada del sistema. Esta o informaci´n permite computar todos los futuros estados del sistema, asumiendo por o supuesto, que todas las futuras entradas u son tambi´n conocidas, como del mismo e modo lo son las ecuaciones din´micas que describen dicho sistema. El n´mero n de a u variables de estado (el n´mero de ecuaciones diferenciales de primer orden) define el u orden o la dimensi´n del sistema. o El espacio de estado es el espacio n-dimensional de todos los estados. Cuando el sistema es de orden n = 2, el espacio de estado es conocido como el plano de fase con coordenadas x1 y x2 . Los puntos de equilibrio o puntos singulares en el espacio de estado de un sistema no forzado; es decir, cuando u = 0, se definen como los puntos en donde los estados del sistema permanecen por siempre. Esto implica, en un caso general, resolver la ecuaci´n x = 0 cuando u = 0. Para sistemas lineales, el punto de o ˙ equilibrio es siempre el origen 0 porque x = Ax = 0 implica que xe = 0, donde el ˙ super´ ındice e indica equilibrio. Ejemplo A.36 La Fig. A.5 muestra un sistema masa–resorte compuesto por una masa M unida a un resorte de constante K. Determinar anal´ ıtica y gr´ficamente su plano de fase a mostrando las correspondientes trayectorias de estado y sus puntos de equilibrio. Notar que el sistema masa–resorte es no forzado porque no existe fuerza exterior alguna actuando sobre el mismo.

K=1 M=1

z

z0

Fig. A.5: Sistema mec´nico masa–resorte. a Soluci´n: El sistema masa–resorte est´ gobernado por la siguiente ecuaci´n difereno a o cial lineal de segundo orden: M z + Kz = 0 ¨ (A.33) Como el sistema es de orden dos, seleccionemos como variables de estado x 1 = z y x2 = z. Este modelo din´mico con M = K = 1 produce dos ecuaciones de estado y ˙ a una ecuaci´n de salida: o x1 = x 2 ˙ x2 = −x1 ˙ y = x1

A.3 Variables de Estado

181

Por consiguiente, las ecuaciones de estado y salida del sistema masa–resorte son: x = Ax ˙ x= ˙ x1 ˙ x2 ˙ x= x1 x2 A= y = Cx 0 1 −1 0 C= 1 0

Asumamos que estiramos el resorte hasta que M se encuentre en la posici´n inicial o z0 . Luego soltamos el resorte, lo cual produce un movimiento oscilatorio que puede modelarse como z(t) = z0 cos t. Es f´cil comprobar que la soluci´n z(t) = z0 cos t a o verifica el modelo din´mico dado en (A.33). Usando las variables de estado definidas a anteriormente resulta: x1 (t) = z0 cos t Elevando al cuadrado y sumando se obtiene:
2 2 x2 + x2 = z0 (cos2 t + sen2 t) = z0 1 2

x2 (t) = −z0 sen t

La ultima ecuaci´n representa un c´ ´ o ırculo de radio z0 . Por consiguiente, las trayectorias de estado en el plano de fase x1 versus x2 son c´ ırculos cuyos radios dependen de la posici´n inicial de reposo z0 . tales trayectorias se muestran en la Fig. A.6. Para o obtener dichas trayectorias de fase, ejecutar el programa pfl.m. Los eigenvalores del sistema masa–resorte se determinan de: det(λI − A) = det λ 1 −1 λ = λ2 + 1 = 0

Por lo tanto: λ1 = i, λ2 = −i, ambas ra´ ıces imaginarias, lo cual nos informa del car´cter oscilante de la respuesta del sistema, tal como se discute en la siguiente a secci´n. El unico punto de equilibrio xe = 0 del sistema se determina de: o ´ xe = Axe = 0 ˙ xe = xe 1 xe 2 = 0 0

% C2pfl.m PLANO DE FASE EN UN SISTEMA LINEAL clear all; close all; clc; g = inline(’[x(2);-x(1)]’,’t’,’x’); % MODELO MATEM ´TICO A vectfield(g,-1:0.2:1,-1:0.2:1) % RANGOS DE LOS EJES HORIZONTAL Y VERTICAL hold on for x20=-1:0.2:1 % SIMULACI´N PARA ESTAS CONDICIONES INICIALES DE y(2) O [ts,xs]=ode45(g,[0,10],[0;x20]); % [0,10]: SIMULACI ´N DE 0 A 10 s O plot(xs(:,1),xs(:,2)); grid; end hold off, ylabel(’x2(t)’), xlabel(’x1(t)’), title(’PLANO DE FASE x2(t) VS x1(t)’), print -deps -f C2pfl

A.3.3.

Matriz de Transferencia y Estabilidad

Las ecuaciones de estado y de salida multivariables de un Sistema Lineal e Invariante con el Tiempo (SLIT) sujeto a los vectores de disturbio v en los estados y w en las salidas, los cuales se asumen conocidos, se representan como: ˙ x = Ax + Bu + Ev y = Cx + Du + Fw (A.34)

182

Matem´tica para Sistemas Continuos a
PLANO DE FASE x1 VS x2 1 0.8 0.6 0.4 VELOCIDAD x2 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 POSICIÓN x1 0.4 0.6 0.8 1

Fig. A.6: Plano de fase mostrando las trayectorias de estado (Ejemplo A.36). Donde E y F son matrices disturbio tambi´n conocidas. El sistema es invariante e con el tiempo porque todas sus matrices son constantes. Si v y/o w fueran vectores estimados o estad´ ısticos, entonces el SLIT en cuesti´n ser´ estoc´stico. El sistema o ıa a SLIT libre de disturbios se determina haciendo v = w = 0 en (A.34): ˙ x = Ax + Bu y = Cx + Du (A.35)

La matriz de transferencia (MT) del sistema SLIT se halla aplicando la transformada de Laplace en (A.35) con x(0) = y(0) = 0 (condiciones iniciales nulas): sX(s) = AX(s) + BU(s) Y(s) = CX(s) + DU(s) (A.36)

Despejamos X(s) de la primera relaci´n de (A.36) y la reemplazamos en la segunda o relaci´n. El resultado es: o Y(s) = [C(sI − A)−1 B + D]U(s) = G(s)u(s) donde s es la variable laplaciana, I es la matriz identidad y G(s) es la MT: G(s) = C(sI − A)−1 B + D Ejemplo A.37 Determine la MT del sistema siguiente, empleando matem´tica simb´lica: a o x1 = −x1 + x2 + 2u1 − u2 ˙ y1 = x1 − 5u2 x2 = 2x1 − 3x2 + u1 − 2u2 ˙ y2 = −x2 − 3u1 (A.37)

A.3 Variables de Estado Soluci´n: Las ecuaciones de estado y de salida correspondientes son: o x = Ax + Bu ˙ x= A= −1 1 2 −3 ; x1 x2 ; y= ; y1 y2 y = Cx + Du ; u= 1 0 0 −1 u1 u2 ; D= 0 −5 −3 0

183

B=

2 −1 1 −2

C=

El programa mtrans.m determina la MT pedida. El resultado es:   2 2s+7 − 5ss2+21s+10 2 +4s+1   s +4s+1 G(s) = C(sI − A)−1 B + D =   2 2s+4 − 3s2 +13s+8 s +4s+1 s2 +4s+1

% mtransf.m C´LCULO DE LA MATRIZ DE TRANSFERENCIA A clear all; close all; clc; syms s; A=[-1 1;2 -3]; B=[2 -1;1 -2]; C=[1 0;0 -1]; D=[0 -5;-3 0]; I = [1 0;0 1]; G = C*inv(s*I-A)*B + D; pretty(simplify(G))

Estabilidad Cuando las se˜ales y y u son unidimensionales, la ecuaci´n (A.37) se convierte en n o la FT del sistema SLIT y se puede representar como la relaci´n entre dos polinomios o A(s) y B(s) como sigue: B(s) y(s) = G(s) = [C(sI − A)−1 B + D] = u(s) A(s) (A.38)

En general, la ecuaci´n caracter´ o ıstica del sistema SLIT (ecuaci´n (A.35)) se obo tiene de: A(s) = det(sI − A) = 0 (A.39) Las ra´ de (A.39) son los eigenvalores de la matriz de estado A, tal como se trat´ en ıces o (A.23). Los eigenvalores de un sistema SLIT determinan la estabilidad del sistema alrededor de un punto de equilibrio xe en el espacio de estado como sigue: El sistema SLIT no forzado x = Ax (ecuaci´n (A.35) con u = 0 es estable, siempre ˙ o que todos sus eigenvalores (ra´ ıces de (A.39)) posean parte real negativa. Cuando al menos uno de tales eigenvalores posea parte real positiva o cero, entonces el sistema es inestable. Notar que todas las funciones de transferencia de la matriz G del ejemplo A.37 poseen un mismo denominador com´n: el polinomio A(s) = s2 +4s+1. Este polinomio u es tambi´n la ecuaci´n caracter´ e o ıstica del sistema multivariable, siendo sus eigenvalores s1 = –3.7321 y s2 = –0.2679. Por consiguiente, tal sistema es estable. El sistema no forzado x = Ax posee un solo punto de equilibrio: el origen, debido ˙ ˙ a que la soluci´n de x = Ax = 0 es xe = 0. Por consiguiente, un SLIT no forzado o es estable, cuando el estado x del sistema tiende al estado de equilibrio xe = 0

184

Matem´tica para Sistemas Continuos a

para cualquier estado inicial finito x(t0 ), donde t0 es el tiempo inicial. Por ejemplo, el sistema de primer orden x = a x donde a > 0, es inestable porque su soluci´n ˙ o x(t) = x(0)eat no tiende al estado de equilibrio xe = 0 cuando t → ∞ para cualquier estado inicial x(0).

Tipos de Puntos Singulares en SLITs de 2do Orden
Un SLIT de orden dos no forzado se describe mediante la siguiente ecuaci´n o matricial: x1 ˙ a11 a12 x1 x= ˙ = Ax = x2 ˙ a21 a22 x2 Para este sistema, el unico punto singular o de equilibrio es xe = 0 (el origen). Los ´ dos eigenvalores λ1 y λ2 de la matriz de estado A se determinan de su ecuaci´n o caracter´ ıstica: det(λI − A) = 0. Dependiendo de la ubicaci´n de los eigenvalores o λ1 = σ1 + jω1 y λ2 = σ2 + jω2 en el plano σ versus jω, el punto de equilibrio correspondiente presenta ciertas caracter´ ısticas, tal como se ilustra en la Fig. A.7, en donde los puntos negros sobre los gr´ficos jω versus σ representan tales eigenvalores. a Por ejemplo, si λ1 < 0 y λ2 > 0 (caso (c)), las trayectorias en el plano de fase forman una figura denominada silla de montar. El punto singular silla de montar es inestable debido a la presencia del eigenvalor positivo. El caso (f), analizado tambi´n e en el ejemplo A.36, corresponde a un sistema oscilante porque los eigenvalores son imaginarios puros. Las trayectorias de estado en este caso forman un punto centro.

A.3.4.

Controlabilidad y Observabilidad

Controlabilidad Completa
Se dice que un SLIT continuo es controlable si es que existe un vector u(t) de orden m realizable y capaz de trasladar el estado x(t) de orden n del sistema, desde un estado inicial x(t0 ) hacia cualquier estado final x(tN ) en un tiempo finito tN . Si todos los estados son controlables, se dice que el sistema es completamente controlable o que posee controlabilidad completa. Sin demostraci´n se establece que en general, para que el sistema x = Ax + Bu o ˙ sea completamente controlable, la siguiente matriz M de orden n × nm: M= B AB · · · An−1 B (A.40)

denominada matriz de controlabilidad, debe ser de rango n. Para ahondar un poco en el tema de controlabilidad, a continuaci´n se analiza un caso especial. o Caso Especial: Eigenvalores de A no se Repiten Si los eigenvalores de A son distintos, entonces reemplazando la transformaci´n o lineal x = Ex∗ en x = Ax + Bu, donde E es la matriz de vectores propios (ver ˙ subsecci´n A.2.5), y despejando x∗ se obtiene: o ˙ x∗ = E−1 AEx∗ + E−1 Bu = Λx∗ + B∗ u (A.41)

(c) punto silla de montar. (b) nodo inestable. ∗ · · · bnm      u1 u2 . . . entonces la segunda fila de a 2 B∗ tiene que ser nula. (e) foco inestable. · · · b∗ 1m · · · b∗ 2m . . . . x∗ ˙n   λ1 λ2 . Si este es el caso. . 0 .41) se obtiene: o x∗ = λ2 x∗ + 0u1 + 0u2 + · · · + 0um ˙2 2 de donde claramente se observa que ninguna fuerza de control est´ actuando sobre a la variable x∗ . . λn 0      x∗ 1 x∗ 2 . .41) podemos aseverar que para controlabilidad completa. . A. ninguna o ∗ = E−1 B debe de ser nula. (d) foco estable.A. .. (f) punto centro. b∗ 12 b∗ 22 . x∗ n   b∗ 11 b∗ 21 .3 Variables de Estado jω x2 jω x2 185 σ λ1 λ 2 (a) jω x2 x1 σ λ1 λ 2 (b) jω λ1 x2 x1 λ1 λ2 σ x1 σ x1 (c) jω λ1 x2 λ2 jω λ1 (d) x2 σ x1 λ2 σ (f) x1 λ2 (e) Fig. de la ecuaci´n (A.      x∗ ˙1 x∗ ˙2 . 2 Controlabilidad Completa a la Salida El sistema SLIT descrito en (A.42)      =        +   b∗ b∗ n1 n2 . Cpn y Dpm es completamente controlable en la salida si el rango de la siguiente matriz de orden p × (n + 1)m iguala al orden p del vector de salida y del sistema: [CB CAB CA2 B · · · CAn−1 B D] (A. . . Bnm . . . la variable de estado x (la cual fila de B 2 est´ asociada a x∗ y al eigenvalor λ2 ) es no controlable. Si por ejemplo.7: Tipos de puntos singulares en un sistema lineal de segundo orden: (a) nodo estable.44) con dimensiones Ann . . um      De la ecuaci´n (A.

o . M = ctrb(A.43). Para que un sistema sea completamente observable. o Si existe una transformaci´n lineal x = Ex∗ de modo tal que E−1 AE = Λ.-1 0 2].2 1].m CONTROLABILIDAD COMPLETA DE UN SLIT clear all. entonces la operaci´n hermitiana o se reemplaza por la operci´n transpuesta. .-1 0. Ejemplo A.186 Matem´tica para Sistemas Continuos a Observar que (A. % n = 3. C = [1 0 1. Se sabe que si todas las matrices son reales. el super´ ındice H indica operaci´n hermio tiana.38 En el programa cont1. close all.clc. o ˙ o % cont1.43)  = CH AH CH · · · (AH )n−1 CH . entonces no se podr´ reconstruir completamente el vector de estado x. lo que ıa se contrapone a la definici´n de observabilidad completa. 0      x∗ (t0 ) 1 x∗ (t0 ) 2 . donde o Λ es la matriz diagonal cuyos elementos λi son los eigenvalores de A. La observabilidad completa en un sistema es de suma importancia porque permite reconstruir las variables de estado no medibles partiendo del vector medible y(t). B = [0 2. ninguna de las columnas de la matriz CE de orden p × n debe de ser nula.0 3]. se puede determinar partiendo de la observaci´n de la salida y(t) o en un tiempo finito t0 ≤ t ≤ t1 ..2 3 0. % M = [A A*B A^2*B]: MATRIZ DE CONTROLABILIDAD rankM = rank(M). En (A.-2 3 0]. D = [1 -1. x∗ (t0 ) n      e λn t Entonces. .m se determina la controlabilidad completa y de la salida de un SLIT con ecuaci´n de estado x = Ax + Bu y ecuaci´n de salida y = Cx + Du. rankCS = rank(CS). entonces (??) toma la forma: x∗ = E−1 AEx∗ = Λx∗ ˙ x∗ = eΛt x∗ (t0 ) Luego:   y = CEx = CEe x (t0 ) = CE   ∗ Λt ∗  eλ 1 t eλ 2 t . Si alguna columna i fuera nula.   . incluyendo el u estado inicial x(t0 ).42) requiere la presencia del t´rmino Du en la ecuaci´n de salida e o dada en (A. p = 2. % rankM = 3 = n => SISTEMA COMPLETAMENTE CONTROLABLE CS = [C*B C*A*B C*A^2*B D]. A = [2 2 -1. Sin demostraci´n se establece la condici´n de estabilidad o o completa. .B).35). % rankCS = p = 2 => SISTEMA COMPLETAMENTE CONTROLABLE A LA SALIDA Observabilidad Completa Un sistema SLIT es completamente observable si alg´n estado x(t). CAn−1 posea rango n (rango completo). es necesario que el rango de la denominada matriz de observabilidad N de dimensi´n np × p : o   C  CA  H   N= (A. 0 . para que el sistema SLIT sea completamente observable.

C2 = [0 1 -1].3. % D3 = diag(0.-1. n3=3. % rankN1=3=n1 => SISTEMA COMPLETAMENTE OBSERVABLE A2 = [-1 1 -1. % rankN3=3=n3 => SISTEMA COMPLETAMENTE OBSERVABLE A.2) N1 = obsv(A1. vimos que la din´mica linealizada de un o o a sistema (sin la presencia de disturbios) se representa en el espacio de estado mediante sus ecuaciones de estado y de salida: ˙ x = Ax + Bu. ecuaci´n (A. % D2 = diag(-1.44) La soluci´n de la ecuaci´n de estado anterior.m OBSERVABILIDAD COMPLETA DE SLITs clear all. y = Cx + Du (A. B3 = [0 1.45) (A.5.2 0 3]. C3*A3. C1 = [1 2 1.D1] = eig(A1). dado un estado inicial x(t 0 ). C2*A2^2] rankN2=rank(N2).-1 0 2].7093) N3 = obsv(A3. % RETORNA MATRIZ DE OBSERVABILIDAD [C1. C1*A1. es: o o x(t) = eA(t−t0 ) x(t0 ) + = Φ(t − t0 )x(t0 ) + donde: Φ(t−t0 ) = eA(t−t0 ) = Aν (t − t0 )ν A2 (t − t0 )2 A3 (t − t0 )3 = I+A(t−t0 )+ + +· · · ν! 2! 3! ν=0 (A.C3). % D1 = diag(2.0 1]. C1*A1^2] rankN1=rank(N1).C2). close all.0 1 -4.2 0 3].1 0. La derivada total de e o deA(t−t0 ) dt A3 (t − to )2 + ··· 2! A2 (t − t0 )2 = A I + A(t − t0 ) + + +··· 2! = A + A2 (t − to ) + = AeA(t−t0 ) = eA(t−t0 ) A Derivando ahora (A. % RETORNA MATRIZ DE OBSERVABILIDAD [C2. n2 = 3.45) con respecto al tiempo t se obtiene: x = AeA(t−t0 ) x(t0 ) + ˙ d At e dt t t0 t t0 ∞ t t0 t t0 eA(t−τ ) Bu(τ )dτ Φ(t − τ )Bu(τ )dτ (A. C2*A2.4. n1 = 3. Soluci´n de la Ecuaci´n de Estado de SLITs Continuos o o En la subsecci´n A. A1 = [2 0 0.39 187 En el programa observ1. DD1 = inv(E1)*A1*E1. C3*A3^2] rankN3=rank(N3). [E1.46) A(t−t0 ) resulta: es la matriz de transici´n o exponencial. DD3 = inv(E3)*A3*E3.2.1. % RETORNA MATRIZ DE OBSERVABILIDAD [C3. B1 = [0 1.m se determina la observabilidad completa de varios SLITs. B2 = [0 2 1].A. % observ1.2 3 0.47) e−Aτ Bu(τ )dτ = AeA(t−t0 ) x(t0 ) + AeAt e−Aτ Bu(τ )dτ + eAt e−At Bu = Ax + Bu .3.D2] = eig(A2).0 3 1].3.35).0 1]. clc.3 Variables de Estado Ejemplo A.1939. % rankN2=2<n2 => SISTEMA NO ES COMPLETAMENTE OBSERVABLE A3 = [2 2 -1.0 2 0.0968.D3] = eig(A3). C3 = [1 2 1.1 0. [E2.C1).-1) N2 = obsv(A2. DD2 = inv(E2)*A2*E2. [E3.0 1 -3].

40 Graficar la respuesta x(t) del sistema: x = −2x + 5u con x(0) = 3.48) con (A.44).m se muestra en la Fig.8.188 Matem´tica para Sistemas Continuos a De esta forma se demuestra que (A.45) podemos afirmar que: Φ(t − t0 ) = eA(t−t0 ) = L−1 [(sI − A)−1 ] (A. t0 = 0 y x(t0 ) = 3.8: Entrada u(t) para el ejemplo A. u(t) = 3−t 2 . las integraciones en L−1 [(sI − A)−1 ] se deben de hacer de t0 a t. u(t) = 0. Luego: x(t) = x(3)e−2(t−3) El gr´fico de x(t). A.45) es la soluci´n de la ecuaci´n de estado (A. A.37) tambi´n se obtiene haciendo x(t0 ) = 0 en (A. Luego: x(t) = 3e−2t . Para incluir el tiempo inicial o t0 . La entrada u(t) ˙ tiene la forma mostrada en la Fig. a . obtenido con el programa C2rpta. Luego: 3−τ 5 dτ = 3e−2t + e−2t 7e2τ − e2τ τ 2 8 5 x(3) = 3e−6 + (4 − 6e−4 ) 8 τ =t τ =1 x(t) = 3e−2 e−2(t−1) + e−2(t−τ ) 5 5 x(t) = 3e−2t + [7 − t − 6e2(1−t) ].9. t0 = 3 y x(t0 ) = x(3). 1 u(t) t 0 1 2 3 4 Fig. t0 t 1 x(1) = 3e−2 = 1 y x(t0 ) = x(1).40.48) (A.45) con A = −2 y B = 5. u(t) = 0.49). A. Soluci´n: Emplearemos la soluci´n dada en (A.49) y(s) = Cx(s) + Du(s) = C(sI − A)−1 x(t0 ) + [C(sI − A)−1 B + D]u(s) Comparando (A. Para o o 0 ≤ t ≤ 1. Para 1 ≤ t ≤ 3.50) La matriz Φ(t − t0 ) se denomina la matriz de transici´n. 8 Para t ≥ 3 . La matriz de transferencia definida en (A. e Ejemplo A. o o La representaci´n de la ecuaci´n de estado en el dominio laplaciano toma la forma: o o sx(s) − x(t0 ) = Ax(s) + Bu(s) x(s) = (sI − A)−1 x(t0 ) + (sI − A)−1 Bu(s) = Φ(s)x(t0 ) + Φ(s)Bu(s) (A.

end k=k+1. end ejex = linspace(0. ˙ x2 = −12x1 − u ˙ y = 3x1 − 4x2 − 2u Condiciones iniciales: x1 (0) = −6. x(k)= 3*exp(-2*t)+5*(7-t-6*exp(2-2*t))/8.m RESPUESTA DE UN SLIT A UNA ENTRADA ARBITRARIA clear all. x2 (0) = 1. B= 2 −1 x(0) = −6 1 C= 3 −4 D = [−2]. end if t>3.01)).5 2 RESPUESTA x(t) 1. print -deps -f rptarb Ejemplo A.04 s. Soluci´n: Es f´cil determinar que las ecuaciones de estado y de salida del sistema o a poseen la forma x = Ax + Bu y y = Cx + Du respectivamente. grid ylabel(’RESPUESTA x(t)’).1 s y 0. % C2rpta. k=1.9: Respuesta x(t) de un SLIT de primer orden a una entrada arbitraria u(t).01:T x(k)=3*exp(-2*t). A.x(1:T/0. donde: ˙ A= −7 1 −12 0 .41 Dado u(t) = 3e−t . . plot(ejex. Graficar la respuesta y(t) y compararla con las respuestas obtenidas mediante discretizaci´n para los tiempos de muestreo de o 0.A. x_3 = 3*exp(-6)+5*(4-6*exp(-4))/8. for t=0:0.T.3 Variables de Estado 3 189 2. . determinar la respuesta de un sistema descrito por las siguientes ecuaciones de estado y de salida: x1 = −7x1 + x2 + 2u.T/0. clc. if t>1. T=10. close all. x(k)= x_3*exp(-2*(t-3)). xlabel(’TIEMPO [s]’).5 0 0 1 2 3 4 5 6 TIEMPO EN SEGUNDOS 7 8 9 10 Fig.01).5 1 0.

B = [2.1]. y = 297*exp(-t)/6 .250).04.10.y2.42 . Para T ≤ 0. % crpta. la diferencia entre y(t) e y(kT ) es m´s notoria. A. A = [-7 1. clc.48)) e y(s) u o (ecuaci´n (A. x = [-6.-1]. % CONDICION INICIAL Y TIEMPOS DE MUESTREO for k = 1:100 u(k) = 3*exp(-k*T1).04 s.m COMPARACI´N DE RESPUESTAS PARA DIFERENTES TIEMPOS DE MUESTREO O clear all. Notar que se emplea la siguiente aproximaci´n de la derivada: o x∼ ˙ = x(k + 1) − x(k) = Ax + Bu → x = x + T (Ax + Bu) T donde T es el tiempo de muestreo y k = t/T es el tiempo discreto.10 se realizaron con el programa crpta. lo cual nos indica a que los sistemas muestreados dependen de T . Dc = [-2].1.1: u(s) = L[3e−t ] = 3/(s + 1).m. Luego. xlabel(’TIEMPO [s]’). x = x + T1*(A*x + B*u(k)). print -deps -f crpta Ejemplo A. y2(k) = Cc*x + Dc*u(k).-12 0].’--’. x = x + T2*(A*x + B*u(k)). t1=linspace(0. las respuestas y(t) e y(kT ) pr´cticamente coinciden.t1. plot(t.10. t≥0 6 2 3 Las respuestas mostradas en la Fig.t2. Se deja como ejercicio resolver este ejemplo usando MATLAB.190 Matem´tica para Sistemas Continuos a Seg´n la Tabla A. T2=0.’:’). end for k = 1:250 u(k) = 3*exp(-k*T2).101).1:10. y1(k) = Cc*x + Dc*u(k). Conforme T aumenta (por ejema plo para T = 0. end t = 0:0.49)) toman la forma: o x(s) = = = s2 s + 7 −1 12 s 1 + 7s + 12 −1 −6 1 + s + 7 −1 12 s −6 1 + −1 −6s2 +s−2 (s+1)(s+3)(s+4) s2 +77s−14 (s+1)(s+3)(s+4) s 1 −12 s + 7 2 −1 2 −1 u(s) 3 s+1 y(s) = Cx(s) + Du(s) = = y(t) = 3 −4 −6s2 +s−2 (s+1)(s+3)(s+4) s2 +77s−14 (s+1)(s+3)(s+4) −2 3 s+1 6 297/6 −767/2 918/3 −22s2 − 305s + 50 − = + + (s + 1)(s + 3)(s + 4) s + 1 s+1 s+3 s+4 297 −t −767 −3t 918 −4t e + e + e . x(s) (ecuaci´n (A. t2=linspace(0.y1.y.1 s).767*exp(-3*t)/2 + 918*exp(-4*t)/3. T1=0.10. % GR´FICOS A t=linspace(0. close all. grid ylabel(’RESPUESTAS ’).100). Cc = [3 -4].

A.41. En el ejemplo anterior sean u1 (t) = 3e−t . (c) Determinar si el sistema es estable.’:’). Para este sistema: (a) Determinar su ecuaci´n de estado y su ecuaci´n de salida.1 s 10 0 RESPUESTAS T2 = 0.m demuestra gr´ficamente (ver figura A.04 s −10 −20 −30 −40 −50 y(t) 0 2 4 TIEMPO [s] 6 8 10 Fig. A.-1]. x2 = x1.50) para determinar su matriz de transici´n con t 0 = 0.M). T = 0.’--’.3 Variables de Estado 191 20 T1 = 0. plot(t. x2 = x2 + T*(A*x2 + B*u2(k)). las cuales se han fijado a la salida de cada bloque de primer orden. end t=linspace(0.y2. xlabel(’TIEMPO [s]’). A = [-7 1. x3 = x3 + T*(A*x3 + B*u3(k)).y1. (f) Deo terminar y(t) para x(t0 ) = 0 usando (A. y a de superposici´n: y3 (t) = y1 (t) + y2 (t). x3 = x1. (e) Usar (A. B = [2. (g) Graficar las respuestas y1 (t) e y2 (t) a entradas tipo escal´n unitario. print -deps -f C2prosup Ejemplo A. M = 100. for k= 1:M u1(k)=3. y2 (t) e y3 (t). o . u2 (t) = 2u1 (t) y u3 (t) = u1 (t) + u2 (t) y sean las salidas respectivas y1 (t).04.12 ya se han definido las variables de estado xi del sistema. close all.-12 0]. y2(k) = Cc*x2 + Dc*u2(k). x1 = x1 + T*(A*x1 + B*u1(k)).t.11) los principios de proporcionalidad: y 2 (t) = 2y1 (t).A. y3(k) = Cc*x3 + Dc*u3(k). (b) Hallar su matriz o o de transferencia. Dc = [-2]. clc.49).10: Respuestas para el ejemplo A. grid ylabel(’RESPUESTAS’). (d) Hallar la controlabilidad completa. Cc = [3 -4].y3. la controlabilidad completa en la salida y la observabilidad completa del sistema.t. x1 = [0.m PRINCIPIOS DE PROPORCIONALIDAD Y SUPERPOSICI ´N O clear all.0]. y1(k) = Cc*x1 + Dc*u1(k). El programa C2prosup. o % C2prosup. u2(k)=2*u1(k). u3(k)=u1(k)+u2(k).M*T.43 En el sistema de la Fig.

A.5 2 2.5 4 y1 y2 = 2y1 y3 = y1 + y2 Fig. se obtiene: ´ o x1 = −x1 − x2 − x3 − x4 + x5 − u3 ˙ Operando del mismo modo con los otros bloques resultan: (s + 2)x2 = 2(u2 − x2 ) → x2 = −4x2 + 2u2 ˙ .5 1 1.43 Soluci´n: (a) Del diagrama de bloques se puede comprobar que las salidas y1 e y2 o poseen las expresiones: y1 = x 2 + x 3 + x 4 − x 5 + u 3 x1 = 1 (u1 − y1 ) s+1 → y2 = x 1 − x 2 + x 5 + u 2 (s + 1)x1 = x1 + x1 = u1 − y1 ˙ (A.52) (A.51) Operando en el bloque que tiene como salida la variable de estado x1 .11: Respuestas de un sistema lineal a entradas arbitrarias. A.12: Sistema del ejemplo A.51) en la ultima expresi´n.5 TIEMPO [s] 3 3. Observar que y2 (t) = 2y1 (t) (proporcionalidad) e y3 (t) = y1 (t) + y2 (t) (superposici´n) o 1 s+1 x1 4 s+4 x4 y1 u1 u2 2 s+2 x2 u3 5 s+5 3 s+3 x3 x5 y2 Fig.192 Matem´tica para Sistemas Continuos a 80 70 60 50 RESPUESTAS 40 30 20 10 0 −10 −20 0 0. se obtiene: Reemplazando y1 de (A.

53) Las ecuaciones en (A.3 Variables de Estado (s + 3)x3 = 3(u3 − x5 ) → x3 = −3x3 − 3x5 + 3u3 ˙ → 193 (s + 5)x5 = 5(x2 + u3 − x3 + x3 ) (s + 4)x4 = 4(x1 + u2 − x2 ) → x4 = 4x1 − 4x2 − 4x4 + 4u2 ˙ x5 = 5x2 − 5x5 + 5x3 ˙ (A. u2 = 1 y u3 = 1 (In(1). In(2) e In(3) en el gr´fico) a a obtenidas con el comando step de MATLAB. A. Ejecutar el archivo va. o        x1 ˙ −1 −1 −1 −1 1 x1 1 0 −1    x2   0 −4 0 0 0   x 2   0 2 0  u1  ˙        x3  =  0 0 −3 0 −3   x3  +  0 0 3   u2   ˙        x4   4 −4 0 −4 0   x4   0 4 0  u3 ˙ x5 ˙ 0 5 0 0 −5 x5 0 0 5 y1 y2 1 0 1 1 −1 1 −1 0 0 1       x1 x2 x3 x4 x5    +   0 0 1 0 1 0   u1  u2  u3 = La MT G(s) toma la forma (ver archivo va. o tal como se muestra a continuaci´n.m): G(s) = s+8 s2 + 5s + 8 G13 (s) = G21 (s) = s+4 2 + 5s + 8 s G11 (s) G12 (s) G13 (s) G21 (s) G22 (s) G23 (s) G12 (s) = 4s4 + 14s3 − 4s2 − 139s − 120 (s2 + 5s + 8)(s2 + 9s + 20)(s + 3) G11 (s) = (s2 + 10s + 24)2 (s + 5)(s + 3)(s2 + 5s + 8) s5 + 15s2 + 93s3 + 291s2 + 510s + 480 (s2 + 5s + 8)(s2 + 9s + 20)(s + 3) G22 (s) = G23 (s) = 4s3 + 30s2 + 91s + 120 (s + 5)(s3 + s2 + 23s + 24) Los elementos y1 (t) e y2 (t) del vector de salida y (calculados en va.m) resultan: 5 13 17 5 51 5 y1 = − e−3t + e−5t − e−4t + e− 2 t cos 2 4 16 2 16 5 3 183 − 5 t 1 39 e 2 cos y2 = − e−3t + e−5t − e−4t + 2 4 16 2 16 √ 7 t 2 √ 7 t 2 111 √ − 5 t 7e 2 sen − 112 99 √ − 5 t − 7e 2 sen 112 √ 7 t 2 √ 7 t 2 Por otro lado.51) forman la ecuaci´n de salida y = Cx + Du.m. la Fig.A. .53) forman la ecuaci´n de estado x = Ax + Bu o ˙ mientras que las ecuaciones en (A.13 muestra las respuestas y1 (t) e y2 (t) (Out(1) y Out(2) en el gr´fico) a los escalones u1 = 1.52) y (A.

o o . % MATRIZ DE OBSERVABILIDAD N=[C.3. C*A. syms s.0000) % SISTEMA ESTABLE PORQUE LA PARTE REAL DE LAS RA ´CES SON NEGATIVAS I % (d) CONTROLABILIDAD Y OBSERVABILIDAD M = ctrb(A.C). Otras formas can´nicas se describen a continuaci´n. n = 5. pretty(simplify(y)) % (g) GR´FICOS DE LAS SALIDAS A step(A. ˙ Tal sistema posee diversas representaciones notables en el espacio de estado.0 4 0.1/s.194 Matem´tica para Sistemas Continuos a ´ % va.5000+1.43 clear all.0 0 -3 0 -3.1/s]. p = 2. La transformaci´n can´nica tratada o o o en el ejemplo A. -2. Dichas representaciones se denominan formas can´nicas. Y = G*U. pretty(simplify(Phi)) % (f) RESPUESTAS y1(t) e y2(t) U = [1/s. % rankCS = p = 2 => SISTEMA COMPLETAMENTE CONTROLABLE A LA SALIDA N = obsv(A.34 es una de ellas.55) En (A. % (a) ECUACIONES DE ESTADO Y DE SALIDA A = [-1 -1 -1 -1 1. y = ilaplace(Y).B. % (b) MATRIZ DE TRANSFERENCIA G = C*inv(s*I-A)*B + D.0 0 3. -5. rankCS = rank(CS). D = [0 0 1.0 2 0. % MATRIZ DE CONTROLABILIDAD M = [A A*B A^2*B A^3*C A^4*B] rankM = rank(M).0 5 0 0 -5]. y = Cx+Du. close all.0000.0000.54) es: G(s) = b0 sn + b1 sn−1 + · · · + bn b0 + b1 s−1 + · · · + bn s−n y(s) = n = u(s) s + a1 sn−1 + · · · + an 1 + a1 s−1 + · · · + an s−n (A.D).6.0 -4 0 0 0.0 0 5]. C = [1 0 1 1 -1.B). % rankM = 5 = n => SISTEMA COMPLETAMENTE CONTROLABLE CS = [C*B C*A*B C*A^2*B C*A^3*B C*A^4*B D].C. clc. B = [1 0 -1. I = eye(5).m VARIOS CALCULOS PARA EL EJEMPLO 2. -3. -4.5000-1. C*A^3. print -deps -f va A.4 -4 0 -4 0. % rankN=5=n => EL SISTEMA ES COMPLETAMENTE OBSERVABLE % (e) MATRIZ DE TRANSICI´N Phi(t)=L^(-1)[(sI-A)^(-1)] O Phi = ilaplace(inv(s*I-A)).38) vimos que la FT tambi´n se puede formular como: e y(s) = G(s) = [C(sI − A)−1 B + D] u(s) que corresponde al sistema SLIT en el espacio de estado: x = Ax+Bu. Formas Can´nicas SISO en el Espacio de Estado o La ecuaci´n diferencial que describe a un sistema SISO con par´metros constantes o a toma la forma: dn−1 y(t) dn u(t) dn−1 u(t) dn y(t) + a1 + · · · + an y(t) = b0 + b1 + · · · + bn u(t) (A.1 -1 0 0 1]. pretty(simplify(G)) % (c) ESTABILIDAD [E. C*A^4] rankN=rank(N).54) dtn dtn−1 dtn dtn−1 La FT correspondiente al sistema (A. % DD = diag(-2.DD]=eig(A). C*A^2.0 1 0].3229i.3229i.

0 −an−1 0 1 . etc. .        +     βn−1 βn  β1 β2 . . A. . . .5 1 0.5 −1 1.56) Segunda Forma Can´nica Controlable: o    x= ˙    0 0 . 0 −an 1 0 .5 0 0 1 2 3 0 1 2 Time (sec) 3 0 1 2 3 Fig. .43) . 0 −an−1 0 1 .57) donde: β0 = b0 . 0 −an 1 0 .     u   y= bn − a n b0 bn−1 − an−1 b0 b 1 − a 1 b0 x + b0 u (A.3 Variables de Estado Step Response From: In(1) From: In(2) From: In(3) 195 1. . .     u   y= (A. . β2 = b2 − a1 β1 − a2 β0 . 0 −an−2 1 0 ··· ··· ··· ··· ···      1   xn−1 −a1 xn 0 x + β0 u 0 0 . .  x1 x2 . . . . . . . β1 = b1 − a1 β0 . . Generalizando: βn = bn − a1 βn−1 − · · · − an−1 β1 − an β0 . .  x1 x2 . . .A. . . . 0 −an−2 ··· ··· ··· ···      1   xn−1 −a1 xn ··· 0 0 .5 0 −0.5 1 To: Out(1) Amplitude To: Out(2) 0. u2 = 1 y u3 = 1 (ejemplo A. . Primera Forma Can´nica Controlable: o    x= ˙    0 0 .        +     0 1  0 0 .13: Respuestas y1 (t) e y2 (t) a los escalones u1 = 1.

. .196 Matem´tica para Sistemas Continuos a Tercera Forma Can´nica Controlable: o    x= ˙    −a1 1 0 . λn cn      x1 x2 . 0 c2 ··· ··· ··· ··· 0 0 . . . . .     u   y= b2 − a 2 b0 b n − a n b0 x + b0 u (A. 0 b1 − a 1 b0 ··· ··· ··· ··· −an−1 0 0 . . . . . . −a2 −a1 0         xn−1 xn 0 1 x1 x2 . 0 −a2 0 1 . . . . . . .        +     0 0  1 0 . . . 0 0 0 1 . .        +      bn − a n b0 bn−1 − an−1 b0 . . 1 0 . . 1    u  (A. . . 0 1 0 −an −an−1 . . . 0 0 ··· ··· ··· ··· 0 0 . .        =    λ1 0 .58) Primera Forma Can´nica Observable: o    x= ˙   0 0  0 1 . .  x1 x2 . . . . xn      +    1 1 .        +     bn−1 − an−1 b0 bn − a n b0 x + b0 u  b1 − a 1 b0 b2 − a 2 b0 . b2 − a 2 b0 b1 − a 1 b0     u   ··· x + b0 u (A. . . 0 ···         xn−1 xn x1 x2 . . . . 1 −an 0 0 . . . 0 c1 0 λ2 . . 0 0 . la forma can´nica diagonal es: o        xn−1 ˙ xn ˙ x1 ˙ x2 ˙ . . .55) como: y(s) b0 sn + b1 sn−1 + · · · + bn−1 s + bn G(s) = = = b0 + u(s) (s − p1 )(s − p2 ) · · · (s − pn ) n i=1 ci s − pi donde las ra´ ıces pi (los eigenvalores del sistema) son no repetidos. .61) y= x + b0 u . 1 0 y= 0 0 . . . 0 0 ··· ··· ··· ··· 1 0 0 . .     u   y= ··· (A. . 0 0 0      1   xn−1 0 xn 0 0··· 0 0 . . .60) Forma Can´nica Diagonal (eigenvalores no repetidos) o Formulando (A. . . . las constantes ci se pueden hallar en la forma acostumbrada a partir de: ci = l´ [(s − pi )G(s)] ım s→pi Luego. .59) Segunda forma can´nica observable: o    x= ˙   −an−1 −an  −a1 −a2 .

% A(s): POLINOMIO DEL DENOMINADOR roots(A).p.m se determinan varias formas can´nicas para: o G(s) = 1 − 2.62) ci (A. p6 . . b0=1. b4=-4.04. o La forma can´nica de Jordan es (notar la ubicaci´n de los ceros y unos en el vector o o que multiplica a u):      x1 0 p1 1 0 0 0 0 0 0  0 p 1 1 0 0 0 0 0   x2   0        0 0 p 1 0 0 0 0 0   x3   1        0 0 0 p 2 1 0 0 0   x4   0    +  u  x= ˙ 0 0 0 0 p 2 0 0 0   x5   1        0 0 0 0 0 p 6 0 0   x6   1        0 0 0 0 0 0 p 7 0   x7   1  1 0 0 0 0 0 0 0 p8 x8 y= c1 c2 c3 c4 c5 c6 c7 c8 c9 x + b0 u 8 i=6 (A. beta2 = b2-a1*beta1-a2*beta0. p7 y p8 se calculan empleando el comando [r. . a1=1.5 I % 2DA FORMA CAN´NICA CONTROLABLE: dx/dt = Acc*x + Bcc*u. 0.A. B = [b0 b1 b2 b3 b4 b5 b6]. -0.3s−5 + 1. a6=-0.25. Las constantes b0 .2.4.8. p7 y p8 no lo son.A) (ver ecuaci´n (A.3.65. 0.k] = residue(B.3s−1 − 1.8s−3 − 4. clc. a2=-1. % B(s): POLINOMIO DEL NUMERADOR A =[1 a1 a2 a3 a4 a5 a6].02.69.5.65s−2 + 6.8. Supongamos que o (A.8s−1 − 0. . i = 1. -0.04s−6 ´ % C2forca1. ci .49. 8 y los eigenvalores p1 . a5=0. b6=1. b3=6.25s−4 − 1.4.345s−3 + 0.5.m FORMAS CANONICAS clear all.3.3 Variables de Estado Forma Can´nica de Jordan (eigenvalores repetidos) o 197 Describiremos la forma can´nica de Jordan con un ejemplo. a3=-0.5.5)). -2 I % EL SISTEMA ES INESTABLE DEBIDO A LA RA´Z TRIPLE 0. y el resto. beta3 = b3-a1*beta2-a2*beta1-a3*beta0. b1=-2.02s−5 − 0. beta1 = b1-a1*beta0. close all.49s−4 + 0.44 En el programa C2forca1. b2=-0. a4=0.63) s − pi y(s) c1 c2 c3 c4 c5 = b0 + + + + + + 3 2 2 u(s) (s − p1 ) (s − p1 ) s − p1 (s − p2 ) s − p2 Ejemplo A. % RA´CES DE A(s): 0.345. p6 . b5=-1. .2s−6 1 + 1. y = Ccc*x + Dcc*u O beta0 = b0.69s−2 − 0. p2 . .55) toma la forma: G(s) = y(s) b0 sn + b1 sn−1 + · · · + bn−1 s + bn B(s) = = 3 (s − p )2 (s − p ) · · · (s − p ) u(s) (s − p1 ) A(s) 4 6 n c2 c3 c4 c5 c1 + + + + + = b0 + (s − p1 )3 (s − p1 )2 s − p1 (s − p2 )2 s − p2 8 i=6 ci s − pi donde los eigenvalores p1 y p2 se repiten tres y dos veces respectivamente.

p1=p(1). y = Cx + Du. p1=p(1).b5-a5*b0. c1=c(1). c3=c(3).5 0. Cj = [c1 c2 c3 c4 c5 c6].0.k] = residue(num. Aj = [p1 0 0 0 0 0 0 p2 1 0 0 0 0 0 p2 1 0 0 0 0 0 p2 0 0 0 0 0 0 p3 1 0 0 0 0 0 p3].0 -1 1 1. o Soluci´n: El siguiente programa resuelve las preguntas planteadas. k = 1.6133 -1. -1. c3=c(3).beta2.A).b1-a1*b0]. 1RA FORMA CAN´NICA OBSERVABLE: dx/dt = Aco*x + Bco*u. Ccc = [1 0 0 0 0 0].5323]’.5 -0.p. D = [-2].45 Conocido el sistema x = Ax + Bu. [0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 -a6 -a5 -a4 -a3 -a2 -a1]. y = Cj x+Dj u. p2=p(4).8233 -0. -1. c4=c(4).0 0 -1 -2]. p3=p(3). FORMA CAN´NICA DE JORDAN: dx/dt = Aj*x + Bj*u. p = [-2 0.b2-a2*b0.0136 0. Aco = [b6-a6*b0. Cco = [0 0 0 0 0 1]. y = Coo*x + Doo*u O Aoo = [0 0 0 0 0 -a6 1 0 0 0 0 -a5 0 1 0 0 0 -a4 0 0 1 0 0 -a3 0 0 0 1 0 -a2 0 0 0 0 1 -a1].beta6]. [num. Bcc = [beta1.C. Dco=[b0].D). = b5-a1*beta4-a2*beta3-a3*beta2-a4*beta1-a5*beta0. o o ˙ Demuestre que las matrices A y Aj poseen los mismos eigenvalores y que ambas representaciones de estado generan la misma funci´n de transferencia.b4-a4*b0. c5=c(5). o % C2forca2.beta4. determinar la ecuaci´n de estado y ˙ o la ecuaci´n de salida en su forma can´nica de Jordan: x = Aj x+Bj u.beta3. p = [-1 -1 -1 0].b3-a3*b0.m FORMA CANONICA DE JORDAN DE dx/dt + A*x + B*u.0].1]. % EIGENVALORES DE A: eigA = [-1. .0. 0] [c. c2=c(2). A = [0 1 0 3. C = [1 0 0 0]. c1=c(1). Bj = [1. close all.k] = residue(B. k = -2.5 0. p2=p(3). B = [1. p4=p(4). p3=p(5).-4. c2=c(2). % EXPANSION EN FRACCIONES % c = [-8 -8 0 9]’.den). % EXPANSI´N EN FRACCIONES PARCIALES O c = [-1. p2=p(2).1. c4=c(4).0.198 beta4 beta5 beta6 Acc = Matem´tica para Sistemas Continuos a % % % % = b4-a1*beta3-a2*beta2-a3*beta1-a4*beta0. clc. = b6-a1*beta5-a2*beta4-a3*beta3-a4*beta2-a5*beta1-a6*beta0. eigA = eig(A). y = Cj*x + Dj*u O [c.p.0 0 0 1.1111 -5.B. p2=p(2). c6=c(6).0.beta5.89 3.4 -0. Dcc =[beta0]. y = C*x + D*u clear all.den] = ss2tf(A. Dj = [k].4]. p3=p(6). Ejemplo A.

A.46 Determinar la ecuaci´n de diferencias de la siguiente integral usando tanto aproxio maci´n rectangular como trapezoidal.1.0 0 p1 0. Cj = [c1 c2 c3 c4]. den=denj eigAj = eig(Aj).1. el area debajo de dicha ´ curva.0 p1 1 0.4. A. Ejemplo A.Dj). -1.1].denj] = ss2tf(Aj. Bj = [0.0 0 0 p2].A. A. o t u(t) = 0 e(τ )dτ Soluci´n: Si empleamos sumatoria de rect´ngulos para aproximar el area debajo de o a ´ la curva e(t). se puede aproximar empleando una sumatoria de rect´ngulos de la forma a T e(iT ) (Fig.14(b).Bj.Cj. Discretizaci´n Directa o Discretizaci´n de la Integral o Es bastante util discretizar directamente modelos din´micos que contengan inte´ a grales y derivadas.4 Discretizaci´n Directa o % dx/dt = Aj*x + Bj*u. (b) o ´ a Mediante trapezoides.64) . donde T es el tiempo de muestreo. se obtiene: k k k−1 u(kT ) ≈ T e(iT ) = T i=0 i=0 e(iT ) = T i=0 e(iT ) + T e(kT ) = u(kT − T ) + T e(kT ) u(kT ) − u(kT − T ) = T e(kT ) u(k) = u(k − 1) + T e(k) (A. Los siguientes ejemplos ilustran tal aproximaciones. % SE VERIFICA: num=numj. [numj. La integral de una curva e(t). % EIGENVALORES DE Aj Y A SON IGUALES: [-1.14: (a) Aproximaci´n del area bajo la curva e(t) mediante rect´ngulos. Dj = [k].14(a)) o trapezoides de la forma: T e(T i) + e(T i + T ) 2 tal como se observa en la Fig. es decir. -1. e(t) e(iT) e(t) e(iT) e(iT+T) T (a) t=iT T (b) t=iT Fig. 0] 199 A. y = Cj*x + Dj*u Aj = [p1 0 0 0.

ya que todos los t´rminos se discretizan empleando dicho e tiempo.64). Determinar la ecuaci´n de diferencias de dicho controlador. . Este controlador se formula en la ecuaci´n (A. hemos omitido en el argumento su dependencia con o el tiempo de muestreo T . .68).200 Matem´tica para Sistemas Continuos a donde k = t/T es el tiempo discreto. denotada como la o ecuaci´n discreta de la integral.65) Discretizaci´n de la Derivada o T´rminos que contengan derivadas pueden discretizarse empleando diferencias e por atraso: de(t) dt de(t) ˙ dt ∆e(kT ) e(kT ) − e(kT − T ) e(k) − e(k − 1) = = T T T ∆e(kT ) ˙ e(t) − e(t − T ) ˙ ˙ ∆e(kT ) − ∆e(kT − T ) = e(t) ≈ ¨ = = T T T2 e(k) − 2e(k − 1) + e(k − 2) e(k) − e(k − 1) − [e(k − 1) − e(k − 2)] = = 2 T T2 .67) = e(t) ≈ ˙ Ejemplo A. o o u(t) = Kc e(t) + 1 TI t e(t)dt + TD 0 de(t) dt (A. En la expresi´n (A.66) = e(t) ≈ ˙ Si la discretizaci´n de la derivada se realiza por adelanto. .68) . empleamos sumatoria de trapecios para aproximar el area ´ debajo de la curva e(t): k u(kT ) ≈ T i=1 e(iT − T ) + e(iT ) 2 k−1 = T i=0 e(kT − T ) + e(kT ) e(iT − T ) + e(iT ) +T 2 2 e(kT − T ) + e(kT ) 2 = u(kT − T ) + T u(kT ) − u(kT − T ) = T [e(kT − T ) + e(kT )] 2 T u(k) = u(k − 1) + [e(k − 1) + e(k)] 2 (A. . entonces las diferencias son o de la forma: de(t) dt de(t) ˙ dt ∆e(kT ) e(kT + T ) − e(kT ) e(k + 1) − e(k) = = T T T ∆e(kT ) ˙ e(t + T ) − e(t) ˙ ˙ ∆e(kT + T ) − ∆e(kT ) = e(t) ≈ ¨ = = T T T2 e(k + 1) − e(k) − [e(k) − e(k − 1)] e(k + 1) − 2e(k) + e(k − 1)] = = T2 T2 . En un primer caso emplear o aproximaci´n rectangular y luego usar aproximaci´n trapezoidal. donde K c es la o ganancia proporcional. (A. (A.47 El controlador PID se emplea en m´s del 90 % de los circuitos de control existentes a en la industria. Ti es el tiempo integral y Td es el tiempo derivativo. Para el otro caso.

entonces: o e u(k) = Kc e(k) + 1 TI k T i=1 k−1 e(i − 1) + e(i) TD + [e(k) − e(k − 1)] 2 T e(i − 1) + e(i) TD [e(k − 1) − e(k − 2)] + 2 T u(k − 1) = Kc 1 e(k − 1) + TI T i=1 Restando las expresiones anteriores teniendo en cuenta que: k i=1 k−1 [e(i − 1) + e(i)] = i=1 [e(i − 1) + e(i)] + e(k − 1) + e(k) y despejando u(k) obtenemos una expresi´n similar a (A. + Ti T q1 = −Kc 1 + 2 TD . el tiempo muerto se debe de tomar en cuenta cuando por ejemplo existe un retardo considerable hasta que la se˜al de control n llegue al actuador.64) y (A. T 2TI q1 = −Kc 1 + 2 T TD − .66) en (A. Sistemas con Tiempo Muerto En algunos sistemas industriales. cuando en la planta s´lo se pueden a e o instalar sensores lejos de la zona de inter´s para la medici´n.69). T q2 = K c TD T (A. por ejemplo. tal como se ilustra a continuaci´n: o x(t) = Ax(t − τx ) + Bu(t − τu ) ˙ y(t − τy ) = Cx(t) + Du(t) (A. T 2TI q2 = K c TD T A. dicho retardo aparece cuando el punto de medici´n o est´ lejos de la zona de inter´s.5 Sistemas con Tiempo Muerto Soluci´n: Empleando las relaciones (A. donde: o q0 = K c 1 + T TD + . En otro caso.69) Si la integraci´n emplea el m´todo trapezoidal.68) se obtiene: o u(k) = Kc e(k) + T TI k 201 e(i) + i=0 k−1 TD [e(k) − e(k − 1)] T TD [e(k − 1) − e(k − 2)] T u(k − 1) = Kc T e(k − 1) + TI e(i) + i=0 k k−1 Teniendo en cuenta que: i=0 e(i) = i=0 e(i) + e(k). restamos las expresiones anteriores y despejamos u(k) para obtener la siguiente ecuaci´n de diferencias del o controlador PID: u(k) = u(k − 1) + q0 e(k) + q1 e(k − 1) + q2 e(k − 2) donde: q0 = K c 1 + TD T . Este tiempo muerto e o puede existir en la entrada u(t).5.70) . en la salida y(t) o en el vector de estado x(t) del sistema.A.

% ejpade. el tiempo muerto τ se modela mediante la siguiente expresi´n de la transformada de Laplace: e −τ s .48 Comparar la respuesta a un escal´n del sistema: o y(s) 10 −5.70) en otro modelo sin tiempos muertos.202 Matem´tica para Sistemas Continuos a Donde τx . % HABILITA FT D = 5. donde d = 1. % exp(-s*D) = numD/denD Gp=10/(2*s+1). determinar la ecuaci´n o e o de estado aproximada del sistema. Tal aproximaci´n tiene la forma: o e−τ s ≈ num(s) 1 − τ s/2 + (τ s)2 /10 − (τ s)3 /120 = den(s) 1 + τ s/2 + (τ s)2 /10 + (τ s)3 /120 La principal ventaja de usar una aproximaci´n racional para el tiempo muerto es o transformar el modelo del sistema dado en (A. numD=-D^3*s^3/120+D^2*s^2/10-D*s/2+1.15. G1=Gp*exp(-s*D).71) donde los tiempos muertos dk . s = tf(’s’).m resuelve el problema planteado y los resultados se o ilustran en la Fig. . sis=ss(G2). Luego. y T es el tiempo de muestreo.G2. . Ejemplo A.8. en la salida o en el vector de estado del sistema. Soluci´n: El programa ejpade. tal como se ilustra a continuaci´n: o x(k + 1) = Gx(k − dx ) + Hu(k − du ) y(k + dy ) = Cx(k) (A.5 rad) [12]. close all. 2.m SISTEMAS CON TIEMPO MUERTO D Y CON APROXIMACI ´N DE PAD´ O E clear all. Resulta util emplear la aproximaci´n de Pad´ para modelar el tiempo muerto en ´ o e el dominio continuo: e−τ s = 1 − sτ + 1 1 num(s) (sτ )2 − (sτ )3 + · · · = !2 !3 den(s) Con una aproximaci´n de tercer orden podemos acomodar retardos de fase de hasta o o (3. .’--’) print -deps -f ejpades.8s = e u(s) 2s + 1 con respecto a la respuesta originada por el sistema cuando el tiempo muerto se aproxima con una relaci´n de Pad´ de tercer orden. Si o τ = d T . el tiempo muerto toma la forma z −d . clc. Este tiempo muerto puede existir en la entrada. denD=D^3*s^3/120+D^2*s^2/10+D*s/2+1. y definiendo la unidad de desplazamiento discreto como: eτ s = z. τu y τy son los tiempos muertos. A. En el dominio continuo. du y dy toman valores enteros positivos. entonces. G2=Gp*(numD/denD). lo cual es suficiente para capturar el efecto del tiempo muerto en 200 muchas aplicaciones. step(G1. % sis: MODELO EN EL ESPACIO DE ESTADO . en el dominio discreto.

.6.6 Linealizaci´n de Sistemas Continuos o 203 Step Response 10 8 6 Amplitude 4 2 exp(−sD) 0 Padé de 3er orden −2 0 5 10 Time (sec) 15 20 25 Fig.A. A. .72) (X=X) (X=X) Si la expresi´n de Y depende de las n variables X1 .15: Comparaci´n de las respuestas a un escal´n del sistema y de su modelo o o aproximado mediante una aproximaci´n de Pad´ de tercer orden (ejemplo A. Xn ) = f (X 1 . . despreciando los t´rminos de orden m´s alto. . . C A ): o o rA = k0 e− RT CA E ∂f ∂X1 (X1 =X 1 ) (X1 − X 1 ) (A. . Xn . Linealizaci´n de Sistemas Continuos o Caso SISO El desarrollo de la serie de Taylor permite expandir una expresi´n no lineal cono tinua Y = f (X) alrededor de un punto de operaci´n (o estado de equilibrio) X como o sigue: Y = f (X) = f (X) + df dX (X − X) d2 f + 1! dX 2 (X − X)2 + ··· 2! (A.1.6. . o e A.49 Linealizar la siguiente taza de reacci´n rA para el punto de operaci´n (T . produce: e a Y = f (X1 .48). . . . .73) ∂f ∂X2 (X2 =X 2 ) (X2 − X 2 ) + · · · + ∂f ∂Xn (Xn =X n ) (Xn − X n ) . . X n ) + + Ejemplo A. A. entonces el desarrollo de o Taylor.

74) (T =T ) (CA =C A ) Las variables t y cA se denominan variables residuales o de desviaci´n. U) ¯ (X − X)2 + 2 (X − X)(U − U ) + (U − U)2 + · · · 2! ∂x2 ∂X∂U ∂U2 Despreciando los t´rminos de orden dos se obtiene: e ∂f ˙ X = f (X. U) ∂ 2 f (X. Tanto f como g son funciones vectoriales de las variables veco toriales X y U. =   . U) ∂ 2 f (X.     . U) es la ecuaci´n de estado del sistema. .  .204 donde k0 . U) Y = g(X.U) ∂f ∂U (X. U) Um X ¯ 1 ∂ 2 f (X. U) Yp gp (X.78) donde A es la matriz de estado de orden n × n.6.     . E y R son constantes.76) x+ (X.75)           ˙ X1 f1 (X.73) con X1 = T y X2 = CA se obtiene: o r A = r A + C 1 t + C 2 cA r A = k0 e ∂rA C1 = ∂T − E RT CA C2 = t=T −T ∂rA ∂CA c A = CA − C A (A. las formas linealizadas de (A.77) se puede expresar como: ˙ x = Ax + Bu y = Cx + Du (A.U) (U − U) (A.77) Por consiguiente. U) es la o ecuaci´n de salida. .U) ∂g ∂U u (X. U) U1  . . . C es la matriz de salida de los estados de orden p × n y D es la matriz de salida de las entradas de orden p × m. U) ˙ (X − X) + (U − U) + X = f (X.   . Matem´tica para Sistemas Continuos a Soluci´n: Aplicando (A.76) y (A. x = X − X es el vector residual (o de desviaci´n) de estados. ˙n fn (X. B es la matriz de distribuci´n de o orden n × m. U) Y1 g1 (X. U= . .U) (X. o A. Caso MIMO donde f (X. El desarrollo de Taylor para la ecuaci´n de estado de este sistema.2.U) (A. u = U − U es el vector residual de control. e y = Y − Y es o . U) + ∂X ∂U Un sistema MIMO no Lineal invariante con el tiempo de orden n se puede representar como: ˙ X = f (X. U) = x = ∂X (X − X) + u (X. mientras que g(X. . . U) (A. U) + ∂X ∂f ˙ ˙ X − f (X.U) ∂f ∂U Del mismo modo. U) = f (X. la ecuaci´n de salida del sistema se puede formular como: o y= ∂g ∂X x+ (X. U) ∂f (X. =  . o resulta: ¯ ∂f (X.

B. Q2 = γ P2 − P0 donde P1 . cuando el sistema est´ controlado.6 Linealizaci´n de Sistemas Continuos o 205 el vector residual de la salida. El objetivo de control es estabilizar (controlar) la altura H2 empleando como fuerza de control el flujo de alimentaci´n o Qo . El procedimiento de linealizaci´n significa entonces que estamos asumiendo variao ciones peque˜as de la din´mica del sistema alrededor del estado estacionario o de n a equilibrio. o Q 0  ∂fn ∂X1 ∂h1 ∂X1 ··· ··· .79) (X. . B= . C y D se determinadas evaluando las siguientes matrices jacobianas:  ∂f1  ∂f1 ∂f1  ∂f1  ∂X1 · · · ∂Xn ∂U1 · · · ∂Um  . . ··· ∂fn ∂Xn ∂h1 ∂Xn . . .. P2 y P0 son las presiones en el fondo de los tanques y en el exterior respectivamente. .A. ∂hr ∂X1 ∂hr ∂Xn    (X..16 muestra dos tanques id´nticos colocados en cascada. es el vector de referencias o set points R. .U) (X. A.81 m/s2 es la aceleraci´n de la o gravedad: P1 − P0 = ρgH1 P2 − P0 = ρgH2 . mientras que el estado estacionario del vector de salida Y.U) p H1 0 ρ p 1 γ p Q 0 Tanque 1 g 1 H2 ρ p 2 γ Q Tanque 2 2 Fig. La secci´n horie o zontal S=9 m2 de cada tanque es constante. ··· ∂h1 ∂Um .  . ∂hr ∂U1 ··· .U)  D=  ∂fn ∂U1 ··· ∂fn ∂Um ∂h1 ∂U1 . .U) (A..  . ∂hr ∂Um    (X. A.  . su estabilidad y su a funci´n de transferencia. . y γ=0.  . a Soluci´n: Los flujos de salida Q1 y Q2 de los tanques se pueden modelar como: o Q1 = γ P1 − P0 . .  C =  Ejemplo A. . .50 La Fig.16: Sistema hidr´ulico. . .. . Determinar el modelo linealizado de este sistema hidr´ulico. . Las matrices A.23 kg/m3 es la densidad del l´ ıquido y g=9. . ıa Si ρ=1. Los estados estacionarios o de equilibrio de X y U son X y U respectivamente.4 es una constante que depende de la geometr´ del orificio. es decir: a Y = R. . .  A =  . . .

75)): ˙ X = f(X. u) = x2 = C x  √ γ ρg √ ¯ 2S X1 √ γ ρg D = [0]   .m.X 2 . . C= ∂h ∂X1 = − 0 − √ γ ρg 2S 2S √ X1 √ X2 ∂h ∂X2 = [0 1] (X 1 . U ) S S √ γ ρg ˙ X2 = [ X1 − X2 ] = f2 (X. A= ∂f1 ∂X1 ∂f2 ∂X1 ∂f1 ∂X2 ∂f2 ∂X2 (X 1 . y resolviendo las ecuaciones anteriores para X1 y X2 . U ) S y su correspondiente ecuaci´n de salida: o Y = h(X.206 El flujo acumulado en cada tanque es: Q0 − Q 1 = S dH1 dt Matem´tica para Sistemas Continuos a Q1 − Q 2 = S dH2 dt Definiendo las variables de estado X1 = H1 y X2 = H2 y la entrada U = Q0 . el estado estable del sistema se puede obtener de: √ ˙ = 1 U − γ ρg X = 0 X1 1 S S √ γ ρg ˙ X2 = X1 − X2 = 0 S lo que resulta en: U X1 = X2 = 2 γ ρg Aplicando el jacobiano. y: o ˙ X= ˙ X1 ˙ X2 f= f1 f2 Definamos las siguientes variables residuales: x1 = X 1 − X 1 x2 = X 2 − X 2 u=U −U Conociendo que U = 3 m3 /s.X 2 .U ) B= = (X 1 . obtenemos: √ γ ρg 1 ˙ X1 = U − X1 = f1 (X.80) y = h(x. U ) = X2 donde la salida Y (la funci´n g) y la entrada U son en este caso escalares.U ) La estabilidad y la funci´n de transferencia del sistema se computan con el programa o C2tqh.X 2 . U ) Y = h(X.U ) 1/S 0 . U ) = X2 Observar que las ecuaciones anteriores poseen las formas dada en (A. el sistema linealizado resulta: ˙ x = Ax + Bu donde: x= x1 x2 ∂f1 ∂U ∂f2 ∂U 2 (A.

B = [1/S.2  1 2 3 B= 2 4 8  1 2 3  Problema A. X2bar = X1bar. cuando:       2 1 −1 −2 1 4 1 0 1 −3 2 C =  3 −2 −1 −1  B= 2 1 1 1  A =  2 1 −3  2 −5 −1 0 1 −2 1 2 4 −3 −1 Problema A.7 Problemas 207 % C2tqh.23.004]. close all.5 Una matriz M es idempotente cuando M2 = M. Problemas Problema A. % PUNTOS DE EQUILIBRIO a11 = -gamma*sqrt(rho*g)/(2*S*sqrt(X1bar)). clc.7. % SISTEMA LINEAL eigA = eig(A).0715s + 0. g = 9.0013) A. Demostrar que (A ± B)2 = A2 + B2 cuando:     2 −3 −5 −1 3 5 5  A =  −1 4 B =  1 −3 −5  1 −3 −4 −1 3 5 Problema A.m SISTEMA HIDR´ULICO A clear all.4. % EINGENVALORES: -0.004 /(s^2 + 0.0013] % FUNCION DE TRANSFERENCIA: P(s)/Q(s)=0. C = [0 1]. rho = 1.A.1 Demostrar que AB = BA. gamma = 0.81.0715 0.     2 −3 −5 −1 3 5 5  A =  −1 4 B =  1 −3 −5  1 −3 −4 −1 3 5 Demostrar que la siguientes matriz es peri´dica.0358 => SISTEMA ESTABLE [P. S = 9. % PARAMETROS X1bar = Ubar^2/(gamma^2*rho*g). Demostrar que A2 = A y B2 = B. % P = [0 0 0.B.a21 a22].0]. a22 = -gamma*sqrt(rho*g)/(2*S*sqrt(X2bar)). A = [a11 0. lo cual no necesariamente implica que B = C. Q = [1 0.Q] = ss2tf(A. Qoinf = 3. con per´ o ıodo igual a 2:   1 −2 −6  −3 2 9  A= 2 0 −3 . .C. cuando:   1 −1 1 A =  −2 2 −1  −2 1 0 Problema A. D = [0].0358 Y -0.D).4 En general: (A ± B)2 = A2 ± 2AB + B2 y A2 − B2 = (A + B)(A − B). a21 = -a11.3 Demostrar que AB = AC.

Si el conjunto es dependiente. x4 =  −1           2   −2   6   −6  −1 3 −5 7 . y que B y B∗ son antihermitianas.8 Empleando matem´tica simb´lica demostrar que: a o λ 1 0 λ Problema A.9 Empleando matem´tica a  2 a  b2 A= 2  c d2 simb´lica demostrar que las matrices: o   3 2 a 1 bcd a a   b3 b2 b 1 acd  B= 3 2  c c c 1 abd  d 1 abc d3 d2  1 1   1  1 n Dada las matrices:   1 1 + i 2 + 3i 2 −i  A= 1−i 2 − 3i i 0 = λn nλn−1 0 λn a b c d poseen el mismo determinante: (a − b)(a − c)(a − d)(b − c)(b − d)(c − d).6 Matem´tica para Sistemas Continuos a Problema A. x2 =  1  .11 Examine la dependencia o independencia lineal del siguiente conjunto de vectores.7 Demostrar que la siguientes matriz es nilpotente:   1 −3 −4 4  A =  −1 3 1 −3 −4  i 1 + i 2 − 3i 2i 1  B =  −1 + i −2 − 3i −1 0  demostrar que A. iB y A∗ son hermitianas.         2 4 0 6  1   2   0   3          x1 =  3  . x3 =  5  .208 Problema A.10 Empleando matem´tica simb´lica hallar la derivada con respecto a x del determinante a o de la matriz:   x 1 2 x3  A =  x2 2x + 1 2+1 0 3x − 2 x Problema A. Problema A. Problema A. seleccione el m´ximo subconjunto linealmente indepena diente y exprese cada uno de los vectores dependientes como una combinaci´n lineal o de los independientes.

elaborar un programa en MATLAB para o graficar la salida y(t) cuando u(t) es un escal´n unitario. entonces B = (I − A)(I + A) −1 e es ortogonal.16 Para cada ecuaci´n integro–diferencial.14 Si la matriz A es antihermitiana e I+A es no singular.12 209 Si la matriz A es antisim´trica e I + A es no singular. Obtenga la matriz ortogonal B de:   0 1 2 A =  −1 0 3  −2 −3 0 Problema A. Problema A. x3 = [1 − i 1 3i]T . elaborar un proo grama en Simulink para visualizar la se˜al y(t).A. Todas las condiciones iniciales son n nulas.13 Demostrar que los siguientes vectores son linealmente independientes y mutuamente ortogonales: x1 = [1 + i i 1]T .15 Demostrar que el producto xH Ax es definida positiva y que el producto xH Bx es semidefinida positiva. entonces B = (I−A)(I+A) −1 es unitaria. Obtenga la matriz unitaria B de:   0 i 1+i i 0 i  A= −1 + i i 0 Problema A. Luego. donde:     1 1+i −1 1 1 + i 1 + 2i 6 −3 + i  3 5  A= 1−i B= 1−i −1 −3 − i 11 1 − 2i 5 10 Problema A.7 Problemas Problema A. (a) = t dy(t) + 2y(t) 5y(t) + 4 y(τ )dτ = u(t) dt 0 d2 y(t) dy(t) (b) = + y(t) = u(t) dt2 dt t dy(t) y(τ )dτ = u(t) + 2y 2 (t) + 4 (c) = − dt 0 t d2 y(t) y(τ )dτ = u(t) + 7y 3 (t) − (d) = − dt2 0 x2 = [i 1 − i 0]T .

˙ y1 = 3x1 − x2 + u1 . es evaluando la siguiente o condici´n para estabilidad: o ∞ −∞ |G(τ )|dτ < ∞ t Por ejemplo. determine la estabilidad. ˙ y1 = 4x1 x2 − u1 + u2 . Problema A. i(0) = 5 A y di(0) = −5 ıa dt A/s. sabiendo que R = 100 Ω. y2 = −x1 − 5x3 − 5u2 x2 − 6x3 = x3 − u1 + 9u2 ˙ x2 − 3x1 + 5x2 + 62x3 = −u1 − 7u2 ˙ (d) 3x2 − 5x3 + x1 = −3u1 + 3u2 . .19 Una forma de determinar la estabilidad de un SLIT con entrada x(t) y salida y(t) conociendo su funci´n G(t) de respuesta al impulso δ(t). x2 y x3 son las variables de estado. su respuesta al t o o impulso es: y(t) = G(t) = 0 δ(τ )dτ = µ(t). y2 = −3x1 + 7x3 + u1 − 5u2 2x2 − 5x3 = −3u1 + 3u2 + x3 ˙ 2x1 + 4x2 − 2x3 = −3u2 − u2 + x2 ˙ (c) 6x1 + 7x2 + x1 = 4u2 .17 Matem´tica para Sistemas Continuos a Determinar la ecuaci´n de estado y la ecuaci´n de salida de los sistemas: o o (a) 2x1 + 3x2 − 5x3 = 4u1 − 3u2 + x1 . Partiendo de la ecuaci´n caracter´ o ıstica del circuito. ˙ y1 = x1 − 3x2 − u2 .20 Hallar la transformada inversa de: G(s) = (s3 + s2 + 2s + 1)/(s3 + 3s2 + 2s + 3). determine G(t) y la estabilidad del sistema: y + 2y = x. la frecuencia natural de oscilaci´n y el coeficiente de amortiguamiento de dicho circuito.210 Problema A. L = 2 H. 2x2 − 5x3 = −3u2 − 4u2 − x3 ˙ x2 − x1 + 8x2 − 2x3 = −u1 ˙ (b) −x1 − 8x2 + x3 + x1 = u1 . x1 − 2x2 − 5x3 + x3 = −3u1 ˙ y2 = −3x1 + 7x2 − 5u2 x2 − 6x1 + 5x2 − 7x3 = −3u2 ˙ y2 = −3x2 + 7x3 − 9u1 − 2u2 donde u1 y u2 son las entradas. y1 e y2 son las salidas y x1 .18 Graficar la corriente i(t) que circula en un circuito serie RLC alimentado por una bater´ E de 12 V. ˙ y1 = x1 − u2 + 8u2 . o Problema A. ˙ Problema A. El sistema es inestable porque: ∞ −∞ |G(τ )|dτ = ∞ 0 |1|dτ = ∞ Aplicando este principio. C = 1 F. que es la funci´n escal´n. para un integrador y(t) = 0 x(τ )dτ con y(0) = 0. la cual es igual a 1 para t ≥ 1.

determinar el valor de K usando el m´todo de e prueba y error que haga que la salida y siga a la referencia r con suficiente rapidez y con m´ ınimo error e = r − y. donde u es el voltaje o ˙ de entrada al motor que se asume constante y de magnitud A para el intervalo 2T ≤ t ≤ 3T . la ecuaci´n caracter´ o o ıstica. se describe mediante la relaci´n: ω = −ω + u. la controlabilidad. ım Problema A. Problema A.25 Un motor DC empleado en los sistemas de control de posici´n angular θ y de velocidad o ˙ angular θ = ω.26 El siguiente diagrama de bloques corresponde al sistema de control autom´tico de la a profundidad y de un submarino. la observabilidad (el primer elemento del vector de estado v es la salida) y la FT del sistema siguiente: v= ˙ Problema A.23 3s3 + 20 s2 (s + 1) 211 Determine la matriz de transici´n.27 0 1 0 −2 v+ 3 −4 u . Empleando Simulink.7 Problemas Problema A.22 Determine la transformada inversa de: G(s) = Problema A. Hallar θ(t) anal´ ıticamente.24 Hallar varias ecuaciones de estado y de salida can´nicas para el sistema: o s3 − 2s + 1 y(s) = 3 u(s) s − 2s2 + 3s − 4 Problema A. Problema A.21 Graficar para varios valores del cero c. la respuesta al escal´n del sistema: o K(s + c) y(s) = 2 u(s) s + 3s + 100 Para cada c. el cual se logra generando un angulo de control a ´ adecuado. Suponga que el submarino debe de navegar manteniendo una profundidad de r = −250 m. la estabilidad. seleccionar el valor de K que haga: l´ y(t)t→∞ = 1.A.

18. Emplear Simulink y usar el m´todo de prueba y error para determinar los e par´metros Kc y Ki que hagan que la salida Y siga a la referencia R con suficiente a rapidez.18: Sistema realimentado para el problema A. Sabiendo que: de dt de transici´n es: o At t=0 = A. A.1R.28 Las ecuaciones que rigen el calentamiento de un cuarto son: qR = q a − q p qR = Ri2 qa = C t dTi dt qp = Ti − T a Rt donde Ct = 4184 J/o C es la capacitancia t´rmica.1 o C/J es la resistencia t´rmica. A. Considerar que la temperatura Ti (0) inicial en el integrador es 22 o C. i(t) es una corriente de entrada tipo escal´n e o de magnitud 0. A.7) Problema A. R = 20 Ω es la resistencia el´ctrica. R es un escal´n unitario y N es un disturbio escal´n de magnitud o o 0. cuyo valor inicial es 1 A.7) 3e−t cos(t + 1. qp es el flujo de calor en J/s que va al exterior y Ti es la temperatura en o C en el interior.5) 2e−t cos(t − 0.29 En la Fig. Elaborar un programa en Simulink para graficar las se˜ales i(t). hallar la matriz de estado A de un sistema cuya matriz 2e−t cos(t + 0. Ta es la temperatura o ambiente que act´a como una entrada tipo escal´n de duraci´n 6000 s.26). Problema A.30 . cuyo valor u o o inicial es 20 o C y su valor final es 15 o C. T a (t) y n Ti (t).5 A y de duraci´n 2000 s. qR es el flujo de calor en J/s producido en R.17: Sistema de control de la profundidad de un submarino (problema A.5) e−t cos(t − 1. e e Rt = 0. N R Kc + Ki/s (s+7)(s+8)(s+9) (s+1)(s+2)(s+3)(s+4)(s+5) Y Fig. Problema A.212 r e a Matem´tica para Sistemas Continuos a 2 K (s − 1) s +1 2 1 s y Fig.29.

B = D = 0. o Problema A. Tambi´n. Problema A. Emplear Simulink y usar el m´todo de prueba y error para determinar los e par´metros Kc y Ki que hagan que la salida Y siga a la referencia R con suficiente a rapidez.05. R es un escal´n unitario y N es un disturbio escal´n de magnitud o o 0.19: Sistema realimentado para el problema A.32 Para el sistema mostrado en la Fig. A.32 . A. N R Kc + Ki/s 2e −2t 10e−3t 4s+1 Y Fig. A.20 investigar empleando Simulink si es posible hallar las ganancias K1 .1R.A. x1 4 s+4 x4 y1 r1 r2 K1 u u2 1 1 s+1 K2 2 s+2 x2 r3 5 s+5 K3 u3 3 s+3 x3 x5 y2 Fig.01 m3 /min. Fo = 0.31.20: Sistema del problema A. A. K2 y K3 que hagan que y1 siga a r1 y que y2 siga a r3 con suficiente rapidez.31 En la Fig.7 Problemas 213 Graficar las salidas usando Simulink en el siguiente sistema de ecuaciones diferenciales acopladas: dT = A(T − To1 )Fo − B(T − Ta ) dt dTa = C(Ta − To2 )Fo + D(Ta − T ) dt donde A = C = 0. To1 = 280K y To2 e = 350 K son perturbaciones tipo escal´n.08.19.

u2 = −1 hallar las ecuaciones de estado y de salida lineales del siguiente sistema no lineal y determinar su estabilidad.0417s + 0. P2 y P3 de tres especies en un area restringida est´ gobernada ´ a por las ecuaciones: ˙ P1 = 2P1 + 3P2 + 6P3 + c1 u ˙ P2 = −3P1 + 3P2 + 8P3 + c2 u ˙ P3 = P1 − 3P2 + 2P3 + c3 u 0 ≤ c1 0 ≤ c2 0 ≤ c3 c < −1 + c2 + c3 Elaborar un programa en MATLAB para graficar las respuestas P 1 (t).21: Funci´n rampa. o Problema A.36 Para el punto de operaci´n: o x1 = −1. u(t) Fig. P2 (t) y P3 (t).5417 = 3 u(s) s + 0. A. y (d) varias ecuaciones de estado y de salida can´nicas. x1 = −2x2 + 3x1 x2 − u3 + u2 ˙ 1 1 efef ef ef ef ee f ef f efef efef ef ef ef ee f ef f efef fee f ef f eef efef ef ef ef ee f ef f efef efef ef ef ef f f ef f eee ef 0 1 1 t . Problema A.9167s − 0.0417 V´ Simulink determine: (a) su respuesta ye (t) a un escal´n unitario.33 Matem´tica para Sistemas Continuos a La funci´n de transferencia de un sistema tiene la forma: o G(s) = y(s) 5s2 − 0. u1 = −2. (c) la salida y(∞) para la parte (b) usando el teorema del valor final. (b) su respuesta ıa o yi (t) al impulso.5833s2 + 0. A. o Problema A.214 Problema A.21.35 Dada la siguiente ecuaci´n de estado: o x(t) = −4x(t) + 2u(t) ˙ graficar x(t) sabiendo que x(0) = 1 y u(t) es la rampa mostrada en la Fig. x2 = −1.34 Las poblaciones P1 .

Problema A.23.37 y1 = 3x1 − 4u1 + 6u2 2 215 En el sistema de la Fig. (e) Determinar la matriz de transici´n con t0 = 0.37. Por tanteo. Se sugiere hacer un programa. (b) Hallar su matriz de transferencia.38 Para los sistemas de control mostrados en la Fig.22: (a) Determinar su ecuaci´n de estado y ecuaci´n de o o salida. (c) Determinar su estabilidad.A. determine los valores de P. Tambi´n debe de verificar que cuando r(t) es nulo. (f) Hallar y1 (t) e y2 (t) o donde u1 (t) y u2 (t) son entrada rampa unitaria. la controlabilidad completa a la salida y la observabilidad completa. A. (d) Hallar la controlabilidad completa.22: Sistema del problema A. u1 y1 1 s+1 4 u2 2 s+2 6 y2 Fig. la e salida y(t) debe de tender a cero. I y D que debe de poseer el bloque PID para que la salida y(t) siga a la se˜al escal´n deseada r(t) en presencia n o de la carga (o disturbio) n(t). La magnitud de r(t) es 10 veces la magnitud de n(t).7 Problemas x2 = −4x3 + 6x2 x2 − 4u3 − 2u2 ˙ 1 1 1 2 y2 = −3x2 + 4x2 + 2u1 1 Problema A. elabore los respectivos programas en Simulink. (f) Graficar y1 (t) e y2 (t). A. (a) G(s) = (b) G(s) = 4(s + 1)(s + 2) e−2s (s + 3)(s + 4)(s + 5)(s + 6) 2(s + 1) e−3s (s + 3)(s + 4)(s + 5)(s + 6)(s + 8) s2 + 2s + 1 −s e (s + 3)4 8 e−4s (s + 3)(s + 4)(s + 5)(s + 6)(s + 7)2 (s + 8) (c) G(s) = (d) G(s) = . A.

A.23: Sistema de control con presencia de disturbio. .216 Matem´tica para Sistemas Continuos a n(t) r(t) PID G(s) y(t) Fig.

Las principales son (ver Fig.1. B. B. e Directorio actual (Current Directory). El modelo o del sistema puede ser lineal o no lineal y puede tener diferentes partes que se discreticen o se actualicen a diferentes tiempos de muestreo.Ventana que muestra el historial de las instrucciones introducidas a trav´s de la ventana de comandos. a En este Ap´ndice. disponibles por separado. visualizaci´n y an´lisis de datos y computaci´n o a o num´rica. simular y analizar sistemas din´micos continuos. e o a Todos los archivos de esta publicaci´n se pueden descargar del link DESCARGAS de o www.. .1.. dise˜o de sistemas de control.Ap´ndice B e Fundamentos de MATLAB y Simulink MATLAB es un lenguaje t´cnico de c´mputo de alto nivel e interactivo que puede ser e o empleado para el desarrollo de algoritmos. Esta herramienta permite validar los modelos din´micos existentes o aquellos construidos desde cero. Para iniciar MATLAB hacer doble click en tal ´ ıcono para hacer aparecer la Fig.ctlima. B.Ventana que muestra los directorios y archivos actuales. los cuales permiten resolver ciertas clases de problemas en el ´rea de su aplicaci´n.1. a o Simulink emplea un lenguaje en bloques y se usa para modelar.1. MATLAB a ıa tambi´n cuenta con una colecci´n herramientas (Toolboxes) para prop´sitos espec´ e o o ıficos. B.com. La interacci´n de MATLAB con el usuario es a trav´s de veno e tanas.1): Ventana de comandos (Command Window).. ı Historial de comandos (Command History). Fundamentos de MATLAB El Entorno de Trabajo de MATLAB Luego de instalar el programa MATLAB. discretos o h´ a ıbridos (combinaci´n de ambas). telecomunicaciones. una secci´n est´ dedicada a MATLAB y la otra a Simulink. MATLAB se emplea mundialmente en diversas aplicaciones que incluyen procee samiento de se˜ales e im´genes. aparece un icono caracter´ ıstico del mismo en el escritorio. modelado y an´lisis financiero y biolog´ computacional. pruen a n bas y mediciones.Aqu´ se ejecutan las instrucciones.

Ventana donde aparecen las variables almacenadas en memoria. a Fig. B. si tipea save o o y hace click en Go.Las figuras aparecen cuando el usuario las realiza. Comandos y Funciones Generales Tener en cuenta que MATLAB NO HACE la distinci´n entre may´sculas y o u min´sculas en sus comandos. ubicado debajo de la l´ o ınea del men´ de la Fig. Se sugiere usar siempre letras min´sculas para los cou u mandos. B.1: El entorno de trabajo de MATLAB.218 Fundamentos de MATLAB y Simulink Espacio de trabajo (Workspace).1. El s´ ımbolo >> que aparece en la ventana de comandos es el prompt de . B.. hacer click en el icono s´ ımbolo de interrogaci´n ?. Ventana de figuras. Para obtener informaci´n detallada de cualquier t´pico relacionado con MATo o LAB.2..1. para que aparezca la ventana Help. En el espacio Search for u de tal ventana. entonces la informaci´n detallada y ejemplos sobre este comando o aparecer´n en la parte derecha de la ventana Help. seleccionar en el men´: File − > Exit MATLAB o tipear u quit en la ventana de comandos. tipear el t´pico del que desea informaci´n. Por ejemplo. Para cerrar el programa.

El resultado de la operaci´n a/b es o a o igual al resultado de b\a. MAT y MEX. Por ejemplo. 1/3 devuelve 0. a A continuaci´n se describen otros comandos de utilidad general. divisi´n izquierda a\b y exponenciaci´n a^b.2j devuelve 0 + 2... y finalmente la suma y resta.7071 Observar que los tres puntos al final de la primera fila indica que la sentencia contin´a u en la siguiente l´ ınea. clear Limpia variables y funciones de la memoria. mientras que >> 8i-j4 devuelve Undefined function or variable ’j4’. . save Salvar variables del espacio de trabajo al disco. mientras que >> format. 1/3. load Carga variables del disco al espacio de trabajo. Es decir: i = u √ √ −1 y j = −1. >> 4i . despu´s la multiplicaci´n o divisi´n e a e o o (ambos tienen igual presedencia). a El comando format long le dice a MATLAB que se quiere trabajar con 15 d´ ıgitos para doble precisi´n y 5 d´ o ıgitos para simple precisi´n. -(0. o what Lista archivos con extensi´n m.7854)^3/(1*2*3)+0. MATLAB reconoce a las letras i y j como n´meros imaginarios.1 Fundamentos de MATLAB 219 MATLAB. donde NaN est´ por Not a Number. Ejemplo: >> 0. escribiendo en o la VC: >> format long. Sabemos que la divisi´n sobre cero es infinito. o type Lista archivos tipo m. help help Lista t´picos de ayuda. En notaci´n MATLAB >> 20/0 devuelve Inf .785)^7/(1*2*3*4*5*6*7) ans = 0. who Lista las variables actuales. Se recomienda o leer el help del comando antes de usarlo. which Localiza funciones y archivos. resta a-b. demo Ejecuta un demo de MatLab. Se muestra en la ventana de ayuda. El formato siguiente: >> help roots ENTER . divisi´n derecha a/b. multiplicaci´n a*b.0000i. luego los exponentes. luego de presionar la tecla ENTER. En lo que sigue. mientras que o >> 0/0 devuelve NaN. Los comandos escritos despu´s del prompt requieren de un ENTER para e que MATLAB los procese. La o o o o divisi´n izquierda se emplea m´s con matrices. Las operaciones fundamentales en MATLAB son suma a+b.785^5/(1*2*3*4*5). la VC (Ventana de Comandos) muestra la ayuda correspondiente al comando roots.B. Por ejemplo.7854-(0. mientras que la divisi´n 0/0 es o o indeterminada. es util ´ cuando se desea tener informaci´n de un determinado comando. helpwin Ayuda en l´ ınea. lookfor Busca archivos m desde el teclado. la introducci´n de la tecla o ENTER ser´ sobreentendida. whos Lista las variables actuales en forma extendida. clc Despeja (limpia) la ventana de comandos. En este caso partico ular. MATLAB devuelve 0. El orden de precedencia en las operaciones fundamentales es: ejecutar primero el par´ntesis m´s interno.3333.33333333333333.

0000 7. hostid Identifica el n´mero del servidor host.dat >> clear. tales como archivos m.0000 5. .0000 1.0000 2. ingresando: >> clear. a = magic(3). etc. archivos de datos.0000 6. Simulink y Toolboxes. >> save -ascii mydata. cd Cambiar el directorio actual de trabajo.7 y la ultima fila corresponde ´ al vector c=[8 6 4 2]. o unix Ejecuta comandos del sistema operativo Unix. a Por ejemplo.0000 4. isnan(x) Devuelve 1 si x es indeterminado y cero en otro caso. o whatsnew Informa acerca de lo nuevo de MATLAB.dat. mes. ´ diary Guarda el texto de la sesi´n de trabajo actual. en donde deben de estar todos sus archivos de de trabajo. exist Chequea si est´n definidas las variables o funciones. u date Proporciona la fecha. calendar Proporciona el mes en curso. dir Muestra el directorio actual.0000 6. donde las 3 primeras filas corresponden a la matriz formada por el comando a=magic(3). y cero en otro caso. 3)*-5. la fila 5 se origina por el comando b = ones(1.7000 -5.7000 -5. d´ hora. a finite(x) Devuelve 1 si x es finito y cero en otro caso. lasterr Devuelve el ultimo mensaje de error. minuto. n ıa. isinf(x) Devuelve 1 si x es ∞ o −∞.0000 4. o info Da informaci´n acerca de la empresa Mathworks. ver Informa sobre la versi´n de MATLAB.7. Un archivo m se genera como sigue: Crear un directorio de trabajo.0000 c = [8 6 4]. o why Devuelve respuestas breves a casi cualquier interrogante.1. B. u disp Muestra los valores de una matriz o texto. 3)*-5. fix(clock) Proporciona lo mismo que clock.3.7000 8.220 Fundamentos de MATLAB y Simulink pwd Muestra el directorio de trabajo actual. n length N´mero de elementos de un vector. load mydata. segundo].0000 -5.0000 3. size Muestra el tama˜o de una matriz. delete Borra un archivo u objeto gr´fico. b = ones(1. mydata mydata = 8. Creaci´n de Archivos Tipo m o La forma m´s conveniente de procesar informaci´n en MATLAB es mediante los a o archivos m. version Devuelve la versi´n actual de MATLAB. computer Devuelve el tipo de computadora. clock Proporciona el vector: [a˜o.0000 9.

m GENERACI´N DE UN ARCHIVO m. Escribir el contenido usando lenguaje MATLAB y guardarlo con un nombre arbitrario.1. r1=ceil(x1). close all.1.m FUNCIONES MATEM´TICAS COMUNES A clear all. O % MATLAB NO PROCESA LO QUE EST´ A LA DERECHA DEL S´MBOLO: % A I clear all. % r1=6 (ceil REDONDEA HACIA INFINITO) . e a Corregir tales errores y ejecutar el programa. para abrir el editor de MATLAB. u Si el programa posee errores.2 as´ como otros m´s especializados. el cual se ubica debajo de la l´ ınea que contiene el men´ del editor. clc. % close: CIERRA FIGURAS. clc. e = a^b. % clear: LIMPIA VARIABLES Y FUNCIONES DE LA MEMORIA. close all. s´lo emplearemos archivos m para explicar mediante numerosos o ejemplos las bondades del lenguaje MATLAB.4. DONDE EL S´MBOLO .1.1. o ı a B. IMPIDE QUE LA VC I % MUESTRE a Y b LUEGO DE EJECUTAR miarchivom. o % miarchivom. m = a*b.m En lo que sigue. Esta operaci´n puede repetirse o pocas o varias veces dependiendo de la magnitud del programa y experiencia del programador.B. (2) haciendo click en Debug → Run en el men´ del editor.1 Fundamentos de MATLAB 221 Ubicarse en tal directorio de trabajo creado empleando el browser de MATLAB (el icono cuadrado con tres puntos ubicado en el extremo superior derecho de la Fig. La ejecuci´n de un archivo m se puede parar en cualquier momento presionando o simult´neamente las teclas Ctrl + C. En tales ejemplos emplearemos tanto los comandos listados en la subsecci´n B. b=-4. clc E A a=7. ´stos ser´n mostrados en la ventana de comandos. a El siguiente archivo de nombre miarchivom. % APROXIMACIONES x1=5.92.m contiene informaci´n adicional. Hacer click en el icono hoja de papel en blanco ubicado en el extremo superior izquierdo de la Fig.m r=a-b. close all. a o Hay tres formas de ejecutar el archivo m generado: (1) presionando la tecla F5. B. (3) haciendo click u en el icono Run and Save del editor. d = a/b. % OPERACIONES ARITM´TICAS E s=a+b % LA VC DEVUELVE s=3 LUEGO DE EJECUTAR miarchivom. % clc: LIMPIA LA VENTANA DE COMANDOS (VC) DE MATLAB % TAMBI´N ES V´LIDO ESCRIBIR: clear all. % DATOS. El programa genera autom´ticamente la extensi´n m del archivo. Matem´ticas a Funciones Matem´ticas Comunes a % funcionesmat. B.

% VECTOR FILA.5). r13=x-n. % M´NIMO COM´N M´LTIPLO ENTRE 10 Y 25. % r4=[5. % VECTOR FILA. -2 y -6] r5=x([3 5 1]). % A(2)=4. r14=2 O r15=nthroot (8. A(3)=2. % r5=1 (´NGULO EN RADIANES) A r6=sind(-90).:).2:3). % r6=4 r7=A(2.5]. % r7=0. % VALOR ABSOLUTO. COLUMNAS DE 2 A LA 3) % [2 3] r11=A(end. ELEM SEPARADOS POR COMAS z = [0 1 2. r4=[20 14 -2 1] (round REDONDEA HACIA EL ENTERO M´S PR´XIMO) A O ´A TRIGONOMETRI r5=sin(pi/2). SI y~=0. A(4)=3.3. % r11=[4 6] % CONSTRUCCI´N ABREVIADA DE ALGUNOS VECTORES O . COLUMNAS DE 2 A LA 3) r9=A(2. -6. clc. % r8=[5 6] (2da FILA. % C´MO DEFINIRLOS O x = [5 7 -2 4 -6]. % r8=90 (´NGULO EN GRADOS) A ALGUNAS OPERACIONES r9=abs (-7).6+0.54646 13. % r1=7 r2=x(end).3 4. ELEM SEPARADOS POR ESPACIOS y = [2.25). A(5)=3 4 5 6]. % MO r14=rem (12.1. % r10=[5 6] (FILAS 2 y 1. n=floor(x. % RA´Z C´BICA DE 8. r11=3 A U r12=lcm (10. 1] r6=A(2. ELEM SEPARADOS POR COMAS Y ESPACIOS w = [2. % r3=[7 -2 4] r4=x(1:3:5). % r16=x/abs(x)=(3+4i)/5=0. % MATRIZ DE 2 FILAS Y 3 COLUMNAS AL IGUAL QUE A % DIRECCIONAMIENTO r1=x(2).4 5 6]. A(6)=6 B = [1 2 3. % r7=[4 5 6] r8=A(2. % r6=-1 (´NGULO EN GRADOS) A r7=cosd(60).222 Fundamentos de MATLAB y Simulink % % % % r2=fix (x1). r10=10/abs(10)=10/10=1 r11=gcd (9. % M´XIMO COM´N DIVISOR ENTRE 9 Y 12. r16=sign(x).7].5 (´NGULO EN GRADOS) A r8=asind(1).12).78]).2:3). % r2=-6 r3=x(2:4).[3 1]).1.5).m VECTORES Y MATRICES. % SIGNO.3). r12=50 I U U ´DULO. r15=2 I U CON N´MEROS COMPLEJOS U x=3+4i. % RESTO DE LA DIVISI´N ENTRE 12 Y 5.1). % r3=5 (floor REDONDEA HACIA MENOS INFINITO) r4=round([19. % r2=5 (fix REDONDEA HACIA CERO) r3=floor (x1). % VECTOR COLUMNA A = [1 2 3 % A(1)=1.*y=3 r13=mod (-12. % IDEM./y)=-3. % r9=[6 4} r10=A([2 1].656 -2.3. close all.7]. ELEM = ELEMENTOS clear all. % r5=^[-2. r9=7 r10=sign(10).[1 3]).1565 0.8i Vectores y Matrices % vectoresymatrices.

% VECTOR LOG. % INVERSA DE LA MATRIZ DE HILBERT 3 x 3 OPERACIONES B´SICAS CON MATRICES A P=[1 2. PRODUCTO VECTORIAL: cross(x.5). 2 Y 3 M = [1 2 3 4.1 Fundamentos de MATLAB 223 % % % % % % % % % % % % % % % % r12=(1:7). % TRANSPUESTA DE R r45=P+2.0000] r19=linspace(2.3333 4. MEDIA 0 Y DESVIACI´N 1: NORMAL(0.1) O r27=eye(2).3).*Q.’. % r42=[1 2. % r17=[2. % r13=[1 2 3 4 5 6 7] r14=(1:3:10). % r20=[1. R=[1+i 2+2i. % MATRIZ CUADRADA DE 3x3 LLENA DE CEROS r23=zeros(2.5).6). % MATRIZ M´GICA 3 x 3. % r14=[1 4 7 10] (ENTRE 1 Y 10 CON INCREMENTO 3) r15=(1:4:10).6667 6. % xcy=[-3 6 -3] PRODUCTO ESCALAR: dot(x. % r41=[1 3. CONTIENE N´MEROS 1 AL 3^2. xcy=cross(x1. 7 8 9 2. % CONJUGADA Y TRANSPUESTA DE R Y VICIVERSA r44=R.6.2).y)=[(x2*y3-y2*x3) -(x1*y3-y1*x3) (x1*y2-y1*x2)] x1 = [1 2 3]. % MATRIZ 2 x 5 DE CEROS r24=ones(2.0 4] (MULTIPLICACI´N ELEMENTO A ELEMENTO) O r43=R’. % r15=[1 5 9] (ENTRE 1 Y 10 CON INCREMENTO 4) r16=(50:-7:1).8. % SUMA 2 A CADA ELEMENTO DE A FUNCIONES PARA OPERAR CON VECTORES SEAN LOS VECTORES: x = [x1 x2 x3].3+i 4+7i].4).2).3). 0s EN EL RESTO r29=magic(3).3 4].6. % MATRIZ IDENTIDAD 2 X 2 r28=eye(4.) r18=linspace(2.4). Q=[1 1. EQUIDISTANTES I r21=logspace (0. VECTOR LOGAR´TMICAMENTE ESPACIADO 10^0 Y 10^2 CON 4 ELEM. % MATRIZ 2 x 5 DE N´MEROS ALEATORIOS. % VECTOR LINEAL ENTRE 2 Y 6 CON 100 ELEM. 2 4 6 8]. y1 = [4 5 6]. y = [y1 y2 y3]. A U DONDE: SUMA ELEM FILAS = SUMA ELEM COLUMNAS = SUMA ELEM DIAGONAL: 8 1 6 3 5 7 4 9 2 r30=hilb(3).4).5443 100]. % MATRIZ DE HILBERT 3 x 3 r40=invhilb(3).y)=x1*y4+x2*y5+x3*y6 xdy=dot(x1.3 7] r42=P.y1). r46=diag(M).6]: VECTOR CON ELEMENTOS DE LA DIAGONAL . >> diag (v) % CREA MATRIZ DIAGONAL CON ELEMENTOS 1. % MATRIZ 2 x 3 DE CEROS U r25=rand(2. % r17=[2 4 6] (LINEAL ENTRE 2 Y 6. DISTRIBUCI´N U O NORMAL. % MATRIZ 4 X 2 DE 1s EN LA DIAGONAL.0000 3.0 1]. % r16=[50 43 36 29 22 15 8 1] r17=linspace(2. 3 ELEM. r41=P*Q. % xdy=32 FUNCIONES PARA EL AN´LISIS DE MATRICES A v = [1 2 3]. % r12=[1 2 3 4 5 6 7] r13=[1:7].6416 21. ENTRE 10^0 Y 10^2 CON 50 ELEM. r20=logspace(0.0000 4.2. CONSTRUCCI´N DE ALGUNAS MATRICES O r22=zeros(3).y1). % r46=[1. % MATRIZ 2 x 4 DE N´MEROS ALEATORIOS ENTRE 1 Y 0 O CON DISTRIBUCI´N UNIFORME r26=randn (2.B.

% r61=[99 97 115 97]. % CALCULA MATRIZ EXPONENCIAL DE A2 ´N C/D RESUELVE EL SISTEMA Cx=D Y ES EQUIVALENTE A inv(C)*D. SUMA ASCII ELEM POR ELEM r61=a + 0. AA = ’CASA’. % CALCULA SENO DE CADA ELEMENTO DE A2 r58=expm(A2). disp(d).224 Fundamentos de MATLAB y Simulink % % % % % % % % % % % % % % % % r47=size(M).8.2. % DEVUELVE 5 EN LA VC disp(’escribe esto’). % r49=2 (2 ES EL RANGO DE M. % r63=[99 97 115 97].3.m POLINOMIOS .6. VER help rank) r50=rref(M). b = ’gato’. % DEVUELVE 4 (LA DIMENSI´N MAYOR DE LA MATRIZ M) O r49=rank(M). % REDUCCI´N MEDIANTE GAUSS O r50 = 1 0 -1 -4. REPRESENTACI´N ASCII DE a O r62=abs(a). % CADENAS DE CARACTERES r60=a + b.@sin). DIVISIO O DIVISI´N C\D RESUELVE EL SISTEMA xD=C Y ES EQUIVALENTE A C*inv(D). REPRESENTACI´N ASCII DE a O O r63=double(a).2. % DEVUELVE << escribe esto >> EN LA VC Polinomios % polinomios.5.3). I r52=find(A1). % r62=[99 97 115 97]. % r65=32. % A1 GIRA 90o . % r60=[202 194 231 208]. % r47=[3 4]: DIMENSIONES DE M (3 FILAS Y 4 COLUMNAS) r48=length(M). % CREA MATRIZ TRIANGULAR SUPERIOR r52=triu(M). % DEVUELVE VECTOR COLUMNA DE ´NDICES [1. % r64=casa U U r65=abs(’a’)-abs(’A’).6). RESTA MIN´SCULAS MENOS MAY´SCULAS r66=setstr (a-32). % A1 gira 270o ( 90o x 3 = 270o ) FORMEMOS LA MATRIA A2: A2=[A1 2 4 6 3]. r57=funm(A2.10] r54=reshape(A1. TEXTO a = ’casa’. % CREA MATRIZ TRIANGULAR INFERIOR OTRAS OPERACIONES CON MATRICES A1=[1 0 0 2 3 4 5 0 2 4 0 0]. % r54: MATRIZ 2 X 6 A PARTIR DE COLUMNAS DE A1 r54= 1 2 4 0 0 0 3 0 4 5 2 0 r55=rot90(A1).6667 0 1 2 4. r55 TOMA LA FORMA: 2 0 0 0 5 0 0 4 4 1 3 2 r56=rot90(A1. REPRESENTACI ´N ASCII DE a r64=setstr([99 97 115 97]).3333 0 0 0 0 % rank(M)=2 PORQUE EXISTEN DOS FILAS NULAS r51=tril(M). % r66=CASA (LA DIFERENCIA) d=5.

y) o Por ejemplo.b]. % r4(i)=1 SI (a(i)>b(i))&(b(i)>-3). close all.14 ==> [1 -9 13 9 -14] O x = [1 -9 13 9 -14]. % r2(i)=1 SI a(i)==b(i) ES VERDADERO. % a=[1 2 3 4 5 6 7 8 9].q).m o o para obtener los resultados.[0 1 5]).m OPERACIONES RELACIONALES Y L´GICAS O clear all.q). Los resultados los devuelve en u [a. % OPERADORES RELACIONALES: < <= > >= == ~= % OPERADORES L´GICOS: & (AND) O | (OR) ~ (NOT) % ORDEN DE PRECEDENCIA: ~= == <= >= < > a =1:9.q).[0 1 2.4 0 7]). % DERIVADA DE POLINOMIO p dpq = polyder(p.B. r(i)=1 SI a<6. b=[4 3 2 1 0 -1 -2 -3 -4] r1=a<6. vectores o matrices (x. clc. 0 SI ES FALSO r3=a~=b. Los listados del archivo calculos. % rx CONTIENE RA´CES DE x I xx = poly(rx). % EVAL´A p PARA CADA FILA U em= 7 10 15 6 7 10 31 7 70 225 % % % % % % Operaciones Relacionales y L´gicas o % operaclogicas. b=5-a. q = [1 3 6]. S´lo es necesario ejecutar el archivo usacalculos. % >> exist(’c’) % DEVUELVE 1 PORQUE c EXISTE % >> isnan(c) % DEVUELVE 1 SI c(i) ES NaN Y 0 SI NO ES NaN % >> isinf(c) % DEVUELVE 1 SI c(i) ES Inf Y 0 SI NO ES Inf % >> isfinite(c) % DEVUELVE 1 SI c(i) ES FINITO Y 0 SI NO LO ES Creaci´n de Funciones o La forma general de una funci´n de dos variables es: o function[a.1 Fundamentos de MATLAB clear all. % calculos.m se muestran a continuaci´n.y). rx=roots(x). clc.9x^3 + 13x^2 + 9x .m y el archivo usacalculo. % r1=[1 1 1 1 1 0 0 0 0]. c = conv(p. se desea crear la funci´n de nombre calculos para calcular la suma o y la resta de dos n´meros. 0 si a >= 6 r2=a==b. % COCIENTE DE DIVIDIR c ENTRE q dp = polyder(p).-1 -2 -3.m para usar calculos. NOTACI´N: 5x^4 . % r3(i)=1 SI a(i)~=b(i) ES VERDADERO. % c=(z^2+2z+7)(z^2+3z+6)=z^4+5z^3+19z^2+33z+42 =[1 5 19 33 42] d = deconv(c. % DEVUELVE xx GENERADO POR RA´CES DE rx (xx=x) I p = [1 2 7]. close all. % DERIVADA DEL PRODUCTO p*q ep=polyval(p. % EVAL´A p=x^2+2x+7 PARA x=0. 0 SI ES FALSO c = [Inf 0 5 -8 NaN 94].b]=nombre_funci´n(x. x=1 y x=5 U em=polyval(p. 0 SI ES FALSO r4=(a>b)&(b>-3).m FUNCI´N calculos O .

b] = calculos(x. while n <= sqrt(i) if rem(i. 3 7.m O clear all. close all.y) suma = x + y.m PROGRAMACI´N EN MATLAB O clear all. close all. close all. y = [16 -1.y.y). b = x-y Programaci´n o % programacion. [a.m USA FUNCI´N CONTENIDA EN calculos.resta] = calculos(x. end % SENTENCIA IF b = 5. -1 3]. function[suma. clc. 1 5. clc. a. x = [1 5. if b == 0 % SE USA == PORQUE ES UNA EXPRESI´N L´GICA O O disp (’el valor de b es 0’) elseif b == 1 disp (’el valor de b es 1’) elseif b == 2 disp (’el valor de b es 2’) elseif b == 3 disp (’el valor de b es 3’) else disp (’b no es ni 0 ni 1 ni 2 ni 3’) end % GENERACI´N DE N´MEROS PRIMOS MENORES DE 100 O U disp(’Estos son los n´meros primos menores de 100’) u disp(2) for i=2:100 n=2. % SENTENCIA FOR for x = 1:5 disp(’x toma el valor’) % DEVUELVE x toma el valor PARA CADA x disp(x) % DEVUELVE EL VALOR DE x end % SENTENCIA WHILE a=3. while a < 5 disp(’a es menor que 5 porque su valor es:’) disp(a) a = a + 1. 4 -1.226 Fundamentos de MATLAB y Simulink clear all. 3 -2. 0 2]. . b % LA VENTANA DE COMANDO VC DEVUELVE a = x+y. resta = x . 0 4. -1 0. clc. % usacalculos.n)==0 n=i.

[0 pi/3 pi] ). % >> tabulate(Y) % DEVUELVE: % Value Count Percent % 1 4 20.00% % 7 3 15. close all. A % analisisdatos.00% % 4 0 0. clc.00% % 5 5 25.B.0.pi).’y’). % EVAL´A EL COSENO EN VARIOS PUNTOS U em=feval(@cos.100).00% (EL N´MERO 1 APARECE 4 VECES) U % 2 2 10. 3 1 7 5 1.[0 pi/3 pi] ).2). clc. % EVAL´A EL COSENO EN VARIOS PUNTOS U I fm=fminbnd(@sind. % DEVUELVE SEGUNDA DERIVADA RESPECTO A x ec=feval(’cos’. ds=diff(’sin(7*x) ’).pi). % INTEGRAL DEL SENO DE 0 A pi. close all.360). % EVAL´A EL COSENO EN pi U ep=feval(’cos’.360. % VALOR MA fq=quad(’sin’. % >> cumprod(X) % DEVUELVE MATRIZ DE PRODUCTOS ACUMULADOS % >> cumsum(X) % DEVUELVE MATRIA DE SUMAS ACUMULADAS % >> mean(X) % DEVUELVE LA MEDIA DE CADA COLUMNA % >> sort(X) % ORDENA LOS VALORES DE CADA COLUMNA % >> sum(X) % DEVUELVE SUMA DE LOS ELEMENTOS DE CADA COLUMNA % >> var(X) % DEVUELVE VARIANZA DE LOS ELEMENTOS DE C/COLUMNA A % >> max (X) % DEVUELVE VALOR M´XIMO DE CADA COLUMNA I % >> min (X) % DEVUELVE VALOR M´NIMO DE CADA COLUMNA % >> iqr (X) % DEVUELVE RANGO intercuart´lico DE CADA COLUMNA ı % >> range(X) % DEVUELVE RANGO DE CADA COLUMNA: DIFERENCIA ENTRE % EL M´XIMO Y EL M´NIMO A I Y = [5 7 9 2 9 3 1 7 5 1 3 9 2 7 5 1 5 5 1 8].00% % 6 0 0.00% % 8 1 5.m AN´LISIS NUM´RICO A E clear all.00% (EL N´MERO 2 APARECE 2 VECES) U % 3 2 10.00% % 9 3 15. % DEVUELVE DERIVADA RESPECTO A x dp=diff(’(exp(x)*cos(3*x*y))’. 3 9 2 7 5. APROX.m AN´LISIS DE DATOS clear all.0. X = [5 7 9 2 9. RECT. 1 5 5 1 8].1 Fundamentos de MATLAB else n=n+1. %DEVUELVE DERIVADA PARCIAL EN y dd=diff(’(sin (x^2))’. end end if n~=i disp(i) end end An´lisis Num´rico y de Datos a e 227 % analisisnumerico. sind TOMA EL M ´NIMO ´S PR´XIMO A 100 DONDE sind=0 O fz=fzero(’sind’.00% . % VALOR ENTRE 0.

[0 pi]) figure(5) subplot(2.z.’cos(t)’. plot(x1. figure(1) % CREA figure(1) x=[-2 -1 0 1 2 3].5:10.Y. y3=sin(x1).’*’. y2=cosd(x1). y3=[4 8 4 0 4].z4) figure(7) x = -10:0. fplot(’sind(x)’.05 0.2. hold on plot (x1.1).5:10).*sind(x1)./sqrt(X . subplot(311). [X. ezplot(’sin(t)’.Z) % DIBUJA LA GR´FICA A subplot(3.[0 180]).^2)).1. ezsurf(’sin(x*y)’.2. ylabel(’eje y’).^2)). text(1.5 2.2).[-0. y4=sind(x4). figure(6) x3=[-2 0 2 0 -2]. y3=[4 8 4 0 4]. y1=x1. x4=-720:720.1.y2). z3=[3 5 10 5 3].y4).Y]=meshgrid(x.3). xlabel(’eje x’).^ 2 + Y .2.y. title(’x^2 * sin(1/x)’) subplot(223).228 Fundamentos de MATLAB y Simulink B. subplot(2. gtext(’AQU´ COLOCO TEXTO’) I figure(2) x1 = pi*(-1:0.y3). z=[6 5 3 7 5 2].^2 + Y .y3. plot (x1.Y1).y2).’HOLA>&$’).1).1. title (’sen(x1)*exp(x1)’). close all. ezplot(’x^2 .y4. title (’x1*seno(x1)*’) subplot(2. z4=cosd(x4).4). axis([-3 3 -1 10]).’b’) % plot en 3D.1)./ sqrt (X .5]. plot(x1. Z=sin(sqrt(X . plot(X1. title (’cos(x1)’) subplot(2.Y.1’) x3=[-2 0 2 0 -2].^ 2 + Y . close all. subplot(2. title(’sen(x) de 0 a 360 grados’) subplot(222).01:1).x. title (’sen(x1)*exp(x1)’) subplot(2. fill3(x3.^2 + Y .y). clc.^ 2 + 0. [X.m GR´FICAS EN 3 DIMENSIONES A clear all. title(’x vs y’). title (’-exp(x1)’) figure(3) plot(x1.2.y3. y4=exp(-x1). hold off figure(4) subplot(221). title (’cos(x1)’).1.’r’) % r=RED % graficas3D. grid.Y] = meshgrid (-10:0.1.y3).5 1. % CREA MATRICES PARA LA MALLA Z=sin(sqrt(X . subplot(3.2).2). y=[4 1 0 1 4 9].[-2 2 -2 2]) subplot(313). plot3(x4. mesh (X.’-’).m GR´FICAS EN 2 DIMENSIONES A clear all. fplot(’x^2*sin(1/x)’. plot(x.05]).z3. title (’x1*seno(x1)*’). plot(x1.y1).1).y^2 . fill(x3. w=[-2 -1 0 0. clc. y = -10:0.^2 + 0. b=blue subplot(312). ezplot(’exp(x)’) % EASY PLOT DE exp(x) subplot(224).y3).5:10. Gr´ficos a % graficas2D. mesh(X.5. plot(x3.4.1).*exp(x1).Z) .

y = -10:0.70) % AZIMUT 10.Y. [az. surfl(t.2.z).5. surf(X. % r2=a*cos(b + a*t). 0 0 1. r1=diff(f1).Z).h]=contour(X. VERDE. ROJO. v=900:1025. % FIJA MODO shading (SOMBRA) CON INTERPOLACI ´N O colormap(pink).B. M = [0 0 0. ELEVACI ´N 70 subplot(2.2).6.1).1). f1=x^n. [X.^2)).-12. DERIVADA EN t f3=exp(i*th).^2)).Y.2. surf(X.Z).y). colorbar % colorbar A~ADE BARRA DE COLOR N % >> surf (X. r2=diff(f2). AMARILLO colormap(M).Y.5:10.1 Fundamentos de MATLAB 229 subplot(3. % CREA MATRICES PARA HACER LA MALLA Z=sin(sqrt(X .1).Z). clabel(C. w=T.1). Matem´tica Simb´lica a o % simbolica.Z). % SUPERFICIE SOMBREADA 3D CON RAYOS shading interp./ sqrt (X .009. z=35000000*w. 1 0 0. 1 1 0].Y.2.Y.2). pcolor(X. subplot(2.m MATEM´TICA SIMB´LICA A O clear all.^2).Y] = meshgrid(x. contour (X. r3=diff(f3).^2 + Y .1).5:10.^ 2 + Y .^2).*((V-1011). % r5=1/y. AZUL. INTEGRAL INDEFINIDA EN x f5=y^(-1).Y./aux2.1.3). % r1=x^n*n/x=n*x^(n .Y. [X. % GIRA LA FIGURA USANDO EL MAUSE print -f -depsc ultimo % GENERA ultimo. subplot(2.v).5:10. % CREA MATRICES PARA HACER LA MALLA Z = sin(sqrt(X . % r4=x^(n+1)/(n+1). clc % DERIVADAS E INTEGRALES syms x n a b t theta y u. aux2=aux1+(2*V-1929).^2 + Y ./ sqrt (X .1.2).Z) figure(8) x = -10:0. r6=int(f6).1. view(10. DERIVADA EN x f2=sin(a*t + b). % FIJA EN pink (ROSADO) EL COLOR DE LA FIGURA rotate3d.4). surf (X. DERIVADA EN th r4=int(f1). % r6=n^x/log(n). surf (X. y = -10:0.el]=view % DEVUELVE AZIMUT=-37.3).^ 2 + 0.^2). view(10.Z) % TRANSFORMA ALTURA EN COLORES O subplot(2.*((V-918).Z) % DIBUJA L´NEAS DEL CONTORNO I subplot(2. % r3=exp(th*i)*i.h) % A~ADE ALTURAS A CONTORNOS N subplot(2. r5=int(f5).v.y). 0 1 0.^ 2 + Y .001:0. ELEVAC=30 figure(11) x=-10:0.5:10. INTEGRAL INDEFINIDA EN n .Z) figure(12) t=0:0.1.^ 2 + 0. % MATRIZ DE COLORES NEGRO.2. [T V]=meshgrid(t.^2.Y] = meshgrid(x. [C.Y. close all. INTEGRAL INDEFINIDA EN y f6=n^x. aux1=16*pi^2*(T.eps EN COLOR B.

r22=expand(f22). % r30=x + 1 f31 = (1/a^3+6/a^2+12/a+8)^(1/3). r18=expand(f18).3*x^2. % r39=exp(x*i) f40 = cos(3*acos(x)). f34 = (1/a^3 + 6/a^2 +12/a + 8)^(1/3). r8=int(f8). % r22=4*x^3 . % r29=(x-1)*(x-2)*(x-3) f30 = (1 . c. % r20=exp(a)*exp(b) f21 = cos(x + y). r23=expand(f23). % r24=x*(x*(x-6)+11)-6 f25 = 1.x^2 + 1) simplify: HERRAMIENTA PODEROSA PARA SIMPLIFICAR f29 = x*(x*(x-6)+11)-6. r40=simple(f40). d). f11 = 1/x. % r32=exp(x + y) f33 = cos(x)^2 + sin(x)^2.230 Fundamentos de MATLAB y Simulink % % % % % % % % % % % % % r7=int(f2).3*x O A pretty: HACE M´S VISIBLE LAS EXPRESIONES SIMB´LICAS . r14=collect(f14). r36=simplify(f36). r28=factor(f28). d=2.3*x f23 = 3*x*(x^2-1)+x^3. r11=int(f11. r31=((2*a+1)^3/a^3)^(1/3) f32 = exp(x)*exp(y). r21=expand(f21). INTEGRAL INDEFINIDA EN n f9=exp(-x^2). % r10=1/8. % r7=-cos(b + a*theta)/a.2*x+3. r31=simplify(f31). % r13=pi^(1/2)/2 SIMPLIFICACIONES Y SUSTITUCIONES collect: COLECTA TODOS LOS COEFICIENTES CON LA MISMA POTENCIA DE x f14=(x-1)*(x-2)*(x-3). INTEGRAL EN theta f8=1/(1+u^2).c.3*x horner: TRANSFORMA UN POLINOMIO SIMB´LICO EN SU FORMA ENCADENADA O f24 = x^3-6*x^2+11*x-6. % r17=a*x + a*y f18 = (x-1)*(x-2)*(x-3). % r38=cos(2*x) f39 = cos(x) + i*sin(x). % r12=-4/9 c=0.d). r13=int(f13. r37=simple(f37). r15=collect(f15). d=1. d). r12=int(f12.x). r34= (8*a^3 + 12*a^2 + 6*a + 1)^(1/3)/a f35 = (1/a^3+6/a^2+12/a+8)^(1/3). % r23=4*x^3 . % r35=1/a+2 f36 = cos(x) + i*sin(x). % r21=cos(x)*cos(y)-sin(x)*sin(y) f22 = cos(3*acos(x)). r19=expand(f19). r26=factor(f26). INTEGRAL DEFIN. % r26=(x-3)*(x-1)*(x-2) f27 = x^3-6*x^2+11*x-5. d=1. % r37=exp(x*i) f38 = cos(x)^2 -sin(x)^2. % r16=(2*t)*x+t expand: DISTRIBUYE PRODUCTOS EN SUMAS Y APLICA IDENTIDADES DE SUMAS f17 = a*(x+y). % r36=cos(x) + sin(x)*i f37 = cos(x) + i*sin(x). c=0. d=inf. % r8=atan(u). r38=simple(f38). % r19=x^3-6*x^2+11*x-6 f20 = exp(a + b). % r18=x^3-6*x^2+11*x-6 f19 = x*(x*(x-6)+ 11)-6. f12 = log(x)*sqrt(x). r25=x*((33*x)/10+11/5)+11/10 factor: EXPRESA f COMO UN PRODUCTO DE POLINOMIOS DE GRADO BAJO f26 = x^3-6*x^2+11*x-6. % r33=1 simple: ENCUENTRA UNA EXPRESI´N CON M´NIMA CANTIDAD DE CARACTERES O I syms a positive x. r27=factor(f27).c. f13 = exp(-x^2). r16=collect(f16). f10 = x^7. r35=simple(f35). erf=funci´n error o c=0. r39=simple(f39). r32=simplify(f32). r17=expand(f17). % r14=x^3-6*x^2+11*x-6 f15=x*(x*(x-6)+11)-6. r33=simplify(f33). r25=horner(f25). r20=expand(f20).d). % r28=(x^2 + 1)*(x^4 . r34=simplify(f34). r24=horner(f24). % r11=log(2). c.x^2)/(1 . % r40=4*x^3 . r10=int(f10. % r9=(pi^(1/2)*erf(x))/2. r30=simplify(f30). % r14=x^3-6*x^2+11*x-6 f16=(1+x)*t + x*t. INTEGRAL DEFINIDA c=1. % r27=x^3-6*x^2+11*x-5 f28 = x^6 + 1.1+2. r29=simplify(f29). r9=int(f9).

q)q + d(q) = u q ˙ ˙ donde: M= M11 0 0 M22 M11 = M22 = P11 = P12 = P21 = P22 = d21 = Ra nKm KA Ra nKm KA Ra nKm KA Ra nKm KA Ra nKm KA Ra nKm KA Ra nKm KA P= P11 P12 P21 P22 d= 0 d21 q= q1 q2 u= u1 u2 1 J1 + Jeq + m2 L2 sen2 q2 4 1 J2 + Jeq + m2 L2 4 2K K n m b Beq + Ra 1 m2 L2 q1 senq2 cos q2 ˙ 2 1 − m2 L2 q1 senq2 cos q2 ˙ 4 n2 K m K b Beq + Ra 1 − m2 L2 gsenq2 2 El dise˜o de un controlador backstepping emplea el procedimiento descrito en la n secci´n ??. El modelo din´mico de Lagrange o e a del MRE deducido en la subsecci´n ??.B. El observador se expresa como: ˙ q = qd + Ld (q − q) ˙ . (2) Determinar la ley de control backstepping dada en (??). Simulaci´n de un Sistema de Control o El siguiente programa simula el sistema de control de posici´n backstepping del o prototipo MRE (Manipulador Rob´tico Esf´rico).7. ecuaci´n (??). formular el vector de error e y el vector qr : ˙ e = z1 = q − q d qr = qd − Kz1 ˙ ˙ donde K es una matriz diagonal con elementos k positivos. Para ello. posee la forma: o o M(q)¨ + P(q. definir el vector de referencias deseadas qd . que en forma breve establece hasta el nivel de simulaci´n: o o (1) Definir las especificaciones de dise˜o y determinar el modelo no lineal del sisn tema a controlar en la forma dada en (??).1.1 Fundamentos de MATLAB % >> pretty(f34) El comando pretty(f34) devuelve: 1 6 12 + 2+ +8 3 a a a 1/3 231 B.

B. La ley de control backstepping posee la forma: ˙ ˙ ˙ u = M(q)¨ + P(q. k1 y d . El archivo bscmrer. clc. El resultado de la simulaci´n se muestran o en la Fig. El vector q se puede ˙ calcular integrando q. o La Fig. Inicio Parámetros del sistema Parámetros de sintonización Condiciones iniciales Lazo de control k=1 Señales de referencia Algoritmo de control Almacenamiento de datos ¿k < N? NO Gráficos de resultados SI Fig. emplea el diagrama de flujos de la Fig. B. que es autoexplicativo. B.3. B.m CONTROL BACKSTEPPING DEL MANIPULADOR MRE. close all.232 Fundamentos de MATLAB y Simulink donde Ld es una matriz diagonal con elemento positivos.2: Diagrama de flujo para la simulaci´n de un sistema de control. (3) Simular el sistema de control backstepping empleando los par´metros de sina tonizaci´n kd . o % bscmrer. . q)qr + d(q) − Kd (q − qr ) − K1 z1 q ˙ en donde Kd y K1 son matrices diagonales con elementos kd y k1 positivos.2. Este archivo. % CASO: REGULACI´N (REFERENCIA CONSTANTE EN EL TIEMPO) O clear all.2 muestra el diagrama de flujo empleado en esta publicaci´n para o simular los sistemas de control.m muestra el programa en c´digo o MATLAB para simular el el control simult´neo de las posiciones de los brazos del a MRE empleando un controlador backstepping. respectivamente.

J2 = m2*L2/3.01.0564. qd1 = 0.81. % PAR´METROS DE CONTROL A K = 5. % CONTROL M11e = Ra*(J1 + Jeq + m2*L2*sin(qe2)^2/4)/(n*Km*KA). qd2 = 0. Jeq = n^2*Jm+Jg. m2 = ma + mh.1 Fundamentos de MATLAB 233 % DATOS DEL SUB-SISTEMA MEC´NICO A d = 0. J1 = Jd+Jb.0421. U2(k) = u2. b = 0.15. u2 = M22*ddqd2+P21e*dqr1+P22*dqr2+d21e-Kd*(dqe2-dqr2) . P12e = Ra*m2*L2*dqe1*sin(q2)*cos(q2)/(2*n*Km*KA). L2=La+Lh. % A: MAGNITUD DE LAS REFERENCIAS DESEADAS % LAZO DE CONTROL for k=1:N. dqe2 = dqd2 + Ld*(q2 . P21e = -Ra*m2*L2*dqe1*sin(q2)*cos(q2)/(4*n*Km*KA).3.K1*z22. P22 = Ra*Beq + n^2*Km*Kb/Ra/(n*Km*KA).06. qe1 = qe1 + T*(dqe1). qe2 = qe2 + T*(dqe2). . dq2 = 0. Beq = n^2*Bm+Bg. mb = 0.044. d11 = 0.3*A. g =9. elseif(k >= N/4 && k <= N/2). u1 = M11e*ddqd1+P11*dqr1+P12e*dqr2+d11. n = 12. ddqd2 = 0. Larm = 0. P12 = Ra*m2*L2*sin(q2)*cos(q2)*dq1/(2*n*Km*KA).3*A. ma = 0. qe2 = 0. KA = 12. dqr2 = dqd2 . M22 = Ra*(J2 + Jeq+m2*L2/4)/(n*Km*KA). Jb = mb*a^2/6.5. % ERROR DE SEGUIMIENTO e1 = q1 . dqr1 = dqd1 . elseif(k >= N/2 && k <= 3*N/4). Qd2(k) = qd2. A = 1. U1(k) = u1. end Qd1(k) = qd1.053. mh = 0.qe2). qd1 = 0. U % TIEMPO DE MUESTREO T (segundos) Y N´MERO DE ITERACIONES N T= 0. dqd2 = 0.K*z22.1*A. md = 0. Kd=8. a = 0. % OBSERVADOR dqe1 = dqd1 + Ld*(q1 . K1=8.9. rd = 0. E % DATOS DEL SUB-SISTEMA EL´CTRICO Km = 0. qd2 = 0.0003. Lh = 0.05. % MODELO DEL SISTEMA CONTROLADO M11 = Ra*(J1 + Jeq + m2*L2*sin(q2)^2/4)/(n*Km*KA). elseif(k >= 3*N/4 && k <= N).8. z22 = e2.8*A. Jd = md*rd^2/2. La = 0. dq1 = 0.01. qd2 = 0. L1=(mb*b+md*d)/(mb+md). Jm = 0. z11 = e1. Ra = 5. Ld=10.K*z11. Jg = 0. % REFERENCIAS DESEADAS qd1 Y qd2 if(k >= 0 && k <= N/4).Kd*(dqe1-dqr1) .5. q2 = 0. % VALORES INICIALES q1 = 0. Bm = 0. e2 = q2 .5*A.qe1). ddqd1 = 0.55. qe1 = 0. N=4000.01. qd1 = 0.qd2. qd2 = 0.K1*z11. qd1 = 0. d21e = -Ra*m2*L2*g*sin(qe2)/(2*n*Km*KA). dqd1 = 0. m1 = md + mb.0001.25.3.2*A.5*A. Bg = 0.qd1. P11 = Ra*(Beq + n^2*Km*Kb/Ra)/(n*Km*KA).B. Kb=0.7*A.

y (6) o validar los resultados de la simulaci´n. 3. correr la simulaci´n.N*T.P21*dq1 .P11*dq1 .U2(1:N)). (4) elaborar el diagrama de bloques en Simulink.ejex. grid on ylabel(’POSICI´N q2 [rad]’) O subplot(414) plot(ejex.2.ejex.Qd2(1:N). Abrir MATLAB. Q2(k) = q2. q1 = q1 + T*dq1. dq2 = dq2 + T*(u2 .Q1(1:N)). . Click en el icono Simulink: ubicado en la barra de menus de MATLAB. Se recomienda los siguientes 6 pasos para modelar un sistema: (1) definir el sistema. 2. Simulink tama bi´n usa algunas caracter´ e ısticas de MATLAB. luego tipear simulink en el prompt.eps B. dq1 = dq1 + T*(u1 . end % FINALIZA EL LAZO DE CONTROL % GR´FICOS A ejex=linspace(0.d11)/M11. B. grid on xlabel(’TIEMPO [S]’) ylabel(’CONTROL u2 [v]’) print -f -deps dfsimr % GENERA FIGURA dfsimr. (2) identificar los componenetes del sistema. a o y realizar operaciones y funciones propias de MATLAB dentro del modelo.234 Fundamentos de MATLAB y Simulink P21 = -Ra*m2*L2*dq1*sin(q2)*cos(q2)/(4*n*Km*KA). tales como: definici´n de las entradas o del modelo. Fig. Fundamentos de Simulink Simulink se ejecuta dentro del entorno de MATLAB y depende de este programa para definir y evaluar el modelo a simular y los bloques de par´metros.P22*dq2. almacenamiento de las salidas del modelo para an´lisis y visualizaci´n. grid on ylabel(’POSICI´N q1 [rad]’) O subplot(412) plot(ejex.Q2(1:N)).4): 1.2. Q1(k) = q1.Qd1(1:N).1. Click el bot´n Start (extremo inferior izquierdo de la ventana MATLAB) y o luego seleccionar: Simulink > Library Browser. d21 = -Ra*m2*L2*g*sin(q2)/(2*n*Km*KA). (3) modelar el sistema con ecuaciones.U1(1:N)).d21)/M22. q2 = q2 + T*dq2.P12*dq2. o B.grid on xlabel(’TIEMPO [S]’) ylabel(’CONTROL u1 [v]’) subplot(413) plot(ejex. Fundamentos del Software Simulink Para mostrar la biblioteca de bloques (Simulink Library Browser. % EJE DE TIEMPO subplot(411) plot(ejex.N).

B. Ubicado el archivo.5 0 50 0 −50 1 0. hacer click en el icono [. En la VC (ventana de comandos) de MATLAB..mdl a abrir. B. para que aparezca el modelo buscado. notar lo siguiente: ıa. seleccionar File > Open. Los bloques de una biblioteca se pueden ver seleccionando el nombre de la . escribir el nombre del a archivo sin extensi´n.3: Resultado de la simulaci´n del sistema de control backstepping del MRE: o las posiciones de los brazos del manipulador siguen las se˜ales de referencia deseada.2 Fundamentos de Simulink POSICIÓN q1 [rad] 235 1 0. El software abre una ventana vac´ (Fig. para que aparezca la ventana Buscar carpeta. seleccionarlo y o click Abrir. El software abre el archivo buscado en una ventana que tiene como etiqueta el nombre del archivo.5 0 50 0 −50 0 5 10 15 20 25 30 35 40 CONTROL u1 [v] 0 5 10 15 POSICIÓN q2 [rad] 20 TIEMPO [S] 25 30 35 40 0 5 10 15 20 25 30 35 40 CONTROL u2 [v] 0 5 10 15 20 TIEMPO [S] 25 30 35 40 Fig.. B.5) ıa en donde construir el modelo. n Para crear un nuevo modelo.B.6. 2. Los bloques se pueden copiar o arrastrar desde esta ventana a una ventana vac´ Cuando use la ventana SLB. seleccionar en el men´ de la ventana Simulink Library u Browser (SLB): File > New > Model. En el men´ de la ventana SLB. muestra la biblioteca de bloques de Simulink instaladas en su sistema. Para abrir un modelo existente: 1.] (tres puntos seguidos) ubicado en la parte superior derecha. En la ventana Open u buscar el archivo con extensi´n . Luego.mdl. o La ventana SLB. En esta ventana ubicarse en el directorio donde est´ el archivo . Fig. en el prompt de MATLAB.

4: Librer´ de bloques (Simulink Library Browser). .5: Nueva ventana para construir un modelo.236 Fundamentos de MATLAB y Simulink Fig. B. B. ıa Fig.

o haciendo doble click en el bloque seleccionado. Se puede buscar un determinado block en la ventana SLB. seleccionar el bloque en la veno tana SLB. hacer click en el bot´n Start ubicado en el exo tremo inferior izquierdo de la ventana MATLAB y luego ir a Start > Simulink > Demos. su descripci´n aparece en la parte inferior de o la ventana SLB. Para obtener mayor informaci´n de un bloque. Para ingresar a los demos.2 Fundamentos de Simulink 237 biblioteca en la parte izquierda de la ventana SLB. Fig. Cuando se selecciona un bloque.B. es hacer a a click derecho y luego seleccionar Help. . insertando el nombre del block en el campo de b´squeda ubicado a la derecha del icono u Luego. hacer click sobre tal icono.6: Biblioteca de bloques en la ventana Simulink Library Browser (SLB). B. Simulink proporciona una gran variedad de demos para ilustrar las bondades de este software. La forma m´s r´pida de obtener ayuda en un bloque de una biblioteca. y en su men´ ir hacia Help > Help on the Selected Block. u Los par´metros de un bloque se pueden visualizar y cambiar haciendo click a derecha sobre el bloque. .

que los c´ ırculos x1.2.7: Diagrama de bloques del archivo Simulink disnl2. disnl2_x1 y disnl2_r. Los rect´ngulos u. B. Por otro lado.9 muestra el contenido del subsistema Proceso no lineal. B. seleccionar un directorio de trabajo para alojar los archivos Simulink disnl2. B. La Fig. B. Observador no lineal. hacia o la ventana de trabajo. Haciendo doble click en cada rect´ngulo. Haciendo doble click en cualquier subsistema.9.mdl y MATLAB disnl2p.9 y luego tipeando Ctr + G o seleccionando en el men´ de MATLAB: u Edit > Create Subsystem. es el siguiente: 1. B.m.8). mientras que para las tres salidas se requiere arrastrar tres veces la elipse Out1 ubicada en la ventana SLB: Simulink > Commonly Used Blocks > Out1. se crean arrastrando tres veces el rect´ngulo To File ubicado en la ventana SLB: a Simulik > Sinks > To File.7 muestra el diagrama de bloques Simulink que se obtiene tipeando disnl2 en el prompt de MATLAB. se introduce a un nombre a elecci´n por ejemplo. x2 y x3 son las variables de salida del sistema. que sirven para almacenar a datos. aparece una ventana con el contenido del mismo. x1 y r mostrados en la Fig.238 Fundamentos de MATLAB y Simulink B. B. Observar que los bloques Proceso no lineal. El procedimiento para obtener el resultado de este programa: los gr´ficos de la salida a x1 controlada u la fuerza de control u. Primero. mientras que el c´ ırculo u es la entrada.mdl. En la Fig. disnl2_u u Mux Señal u Señal v Proceso no lineal Mux x1 Referencia r disnl2_r Conversión Observador de x a z no lineal r gráfico disnl2_x1 Fig. La entrada u se genera arrastrando la elipse In1 ubicada en la ventana SLB: Simulink > Commonly Used Blocks > In1. cada uno. la Fig. El subsistema Proceso no lineal se crea seleccionando con el click derecho todo el contenido de la Fig. Creaci´n de un Modelo Simulink o El problema a resolver v´ Simulink.7. o Scope es un graficador que se obtiene de la ventana SLB: Simulink > Sinks > Scope. disnl2_u. Se˜al u y Se˜al v.m para introducir datos al sistema. El archivo no se . Ejecutar el archivo disnl2p.7. Observar en dicha Fig. Conversi´n de x a o z.2. una porci´n n n o del programa de control. son en realidad subsistemas que alojan. Sus componentes se arrastran desde la ventana SLB a la ventana de la Fig. B. es controlar la posici´n angular de un brazo ıa o rob´tico de 1GDL empleando un controlador por linealizaci´n de la realimentaci´n y o o o un observador de estados. B. el bloque Referencia r es una se˜al sinusoide que se arrastra desde su n ubicaci´n en la ventana SLB: Simulink > Sources > Sine Wave (Fig. Por ejemplo.

s+B subsistema mecánico 2 x2 1 s Integrador 1 x1 Fig. B.2 Fundamentos de Simulink 239 Fig. B. o 3 x3 1 u Kact gan 5 1 L.9: Contenido del subsistema Proceso no lineal.s+R sum1 subsistema eléctrico n*E gan 2 N gan 3 MATLAB Function seno n*K gan 6 sum2 1 M. .8: Ubicaci´n del bloque Sin Wave.B.

10 1 Posición (radianes) 0. save disnl2_u en el el prompt de MATLAB. 3.mdl haciendo click en el tri´ngulo negro a ubicado en la parte superior de la Fig. e 2. . correr el programa Simulink disnl2.5 −1 0 2 4 6 8 10 12 Tiempo en segundos 14 16 18 20 2.5 0 −0.5 1 0. 4. B.240 Fundamentos de MATLAB y Simulink ejecuta completamente porque reci´n se van a crear los archivos de datos.m para obtener la Fig.7. Tipear: save disnl2_x1.mat.mat: disnl2_x1.mat y disnl2_u.5 0 2 4 6 8 10 12 Tiempo en segundos 14 16 18 20 Fig. Estos comandos almacenan los datos en los archivos tipo *. save disnl2_r.10: Salida controlada y fuerza de control correspondiente. B. Ejecutar nuevamente el archivo disnl2p.5 0 −0. disnl2_r. B.5 Señal de control (voltios) 2 1.

serie de compendios Schaum. Sistemas de Control en Tiempo Discreto. Mathematical handbook.. e a a a [7] Murray R. 1995. McGraw-Hill M´xico Panam´ Bogot´ y otras..A. serie de compendios Schaum. Rojas-Moreno. [13] Katsuhiko Ogata. John L. [2] W. McGrawHill. Matrices.D. Logan. McGraw-Hill a M´xico Panam´ Bogot´ y otras. An´lisis Vectorial. McGrawa Hill M´xico Panam´ Bogot´ y otras. serie de compendios Schaum. a a a [10] Alan V. 1973 (o ediciones m´s recientes). Transformada de Laplace. Prentice Hall. 1973 (o ediciones m´s recientes). McGraw-Hill M´xico e Panam´ Bogot´ y otras.. McGraw-Hill. [3] H. 3ed edition. 2001. Spiegel..Bibliograf´ ıa [1] Murray R. e a a a [8] Donald M. Theory and Problems of Fluid Dynamics. ISBN-10: 1420858564. ISBN-13: 978-1420858563. Poole Classical mechanics. serie de compendios Schaum. Spiegel. Safko and Charles P. New York et. S. McGraw-Hill M´xico Panam´ Bogot´ y otras. [5] Katsuhiko Ogata. Prentice Hall Hispanoamericana S. Shaum’s Outline Series. Shaum’s outline series. UT. Oppenheim y Alan S. Hughes and J. 2008. 1973 (o ediciones m´s e a a a recientes). e a a a [12] A. 1996 e o [6] Murray R. . 1983. 2005. 3ed. A. AuthorHouse. C´lculo Superior. 1999.A. 2009. 1973 (o ediciones m´s recientes). Wiberg. serie de compendios Schaum. [4] James Curry. al. Utah State University. Willsky. Goldstain. F. M´xico. Brighton. 3ed Edition. Hamiltonian and Lagrangian Mechanics.Inc. Inc.. Modern Control Engineering (5th Edition). Design of Self-tuning Controllers for Processes Having Multiple Unknown Time-varying Delays. 1973 (o ediciones m´s recientes). e [11] Murray R. Spiegel. Thesis. Ph. Addison Wesley. Spiegel. M´xico-Englewood Cliffs-Londres-Sidney y otras. segunda edici´n. Se˜ales y Sistemas Prentice-Hall Hisn panoamericana. [9] Frank Ayres Jr. Espacio de Estado y Sistemas Lineales.

Corripio. A. 14. Sistemas de Control Moderno (10ma Edici´n).L.“Optimal tuning of PID controllers for single and cascade control loops”. [20] G. McGrawHill Book Co.” Trans. Hrones.A. W. Wang. pp. vol. Handbook of PI and PID Controller Tuning Rules. [29] A. 75. 395-400 and part 2. pp 15–34. Nichols. User Guide. durchsehene Auflage. [30] National Instruments. R. “Das symmetrische Optimum”. 1995. (1958) [26] M. 1964. Zhuang y D. Miller. J. pp. O’Dwyer. “Optimum Setting for Automatic Controllers”. “Theoretical consideration of retarded control. 132. Control Autom´tico de Procesos. Rovira. 1952. Design. [23] A. pp. P. Smith. 2005. B. Murrill. 2009. 1996.T. Q. Chan. 1953. Bishop. Y. and J. [19] K. Harriot. Vol 64.. Ziegler y N. A. 3rd edition. pp. “PID Controllers: Theory. Process Control. Vol. 175-185. Chen y D. H.5 and Device Drivers. “On the automatic control of generalized passive systems”. Coon. “Automatic tuning of optimum PID controllers”. diciembre de 1969. L.S. C. 1993.G. Linear Feedback Control: Analysis and Design with Matlab. M. 432-436.J. 1995. Atherton. 1942. Lopez. .B. 759768. pp. Instruments and Control Systems. [24] F. P. pp. 2009. NI Developer Suite: NI LabVIEW 8. “Tuning controllers with error-integral criteria. rt.11. Chemical Engineering Communications. SIAM. Atherton. Grundriss der Praktischen Regelungstechnik (11.B.” Instrumentation Technology. o [17] K. Vol. [21] Erwin Samal. [22] A. 42(12): 67–69. H¨gglund. [27] D. 3. Oldenbourg Verlag Muenchen Wien 1980. Limusa Noriega a Editores. [18] P. C. [25] C. 74. and P. W. ASME. Murrill y C. Imperial College Press. Third Quarter 2008. pp. Juang y C. ASME. rt. [28] C. IEE Proceedings–Part D: Control Theory and Applications. Xue. Chien. Smith y A. vol. A. Pearson Prentice Hall. P. 57–62. Dorf y Robert H.12. 1967. ˚str¨m y T. [16] Richard C. “Tuning controllers for setpoint changes”. vol. Reswick. No. 216–224.. Trans. No. part 1. and Tuning”.S. TE37 Control and Instrumentation Study Station. A o a Instrument Society of America.242 BIBLIOGRAF´ IA [14] TecQuipment Ltd. 2007. Cohen and G. 827-834. No. J. 140. [15] J. Kessler. Smith. Transactions of the American Society Mechanical Engineering.

1995. [38] Jean-Jacques E. McGraw-Hill/Interamericana de Espa˜a. [41] Lin. vol. S. Koditschek. Automatica Volume 37. p.”5th Asian Control Conference.P. Model Predictive Control. Sofonov. July 1990.BIBLIOGRAF´ IA 243 [31] Eduardo F. and E. 1. vol. SpringerVerlag London Limited. Madrid. 6. PA. Issue 12. Burl . 1987. 23rd I. Bailey and A. Pages 1971-1978 . Y. [32] Alberto Isidori. 3ed. Academic Press new York.5 and Device Drivers. SYCON-Rutgers Center for Systems and Control. Arapostathis. Third Quarter 2008.” Int. E. 2006. Caracas. [37] D. and others. “Nonlinear backstepping design of robot manipulators with velocity estimation feedback. “Comparison of nonlinear control design techniques on a model of the Caltech ducted fan”. Nonlinear Systems Analysis (Second Edition). C. 2007. Variable Structure Systems: From Principles to Implementation. [45] Joseph La Salle and Solomon Lefschetz. July 2004. Conf. 1998. “A universal formula for stabilization with bounded controls”. No . New Jersey 07632. Society for Industrial and Applied Mathematics Philadelphia. on Decision and Control. and London. Aracil. p. Sontag.E. ISBN-13: 9780130408907. Lin. Camacho y Carlos Bordons. The Institution of Engineering and Technology. Prentice Hall. Sontag. Control.. “Simple sliding mode control scheme applied to robot manipulators. Fundamentos de Rob´tica. 1989. Las Vegas. 4. The MIT Press Cambridge. 1961. F. [44] M. [33] A. Buenos n aires. BanksLocalizaci´n. December 2001. MA. NI Developer Suite: NI LabVIEW 8. G. Stability and Robustness of Multivariable Feedback Systems. [43] Fang-Shiung Chen and Jung-Shan Lin.E. 1980. ISBN: 0130408905. [36] Jeffrey B. Vidyasagar. A. and E. [35] M. 45. 733. 1984. 2001. .E. 928-935. Applied Nonlinear Control. L. Pe˜in. England. ISSN 0005-1098. no. Nonlinear Control Systems. illustrated edition. Springer-Verlag Berlin. 2004. Linear Optimal Control. James Primbs and Yun Huang. [39] Asif Sabanovic. Vol. Prentice Hall. n o 2nd Edition. Y. 2009. [34] S. [40] E. 1197–1209. pp 351–356. Kilicaslan. J.D. “Natural Motion for Robot Arms´´Proc. No. pags. London. Balaguer. ISBN:0898715261. Barrientos. “A separation theorem for nonlinear syso tems”. [42] Jie Yu. 45. Ali Jadbabaie. Stability by Liapunov’s Direct Method With Applications. S. A journal of IFAC. 2004. [46] National Instruments. Slotine and Weiping Li. and R. USA .D. 978-0130408907. 4. Report 90-10.

162 Matriz de transferencia. 162 o multiplicaci´n de. 138 Variables de estado. 183 Soluci´n de la ecuaci´n de estado. 27 Procesos con tiempo muerto. 176 diagonal. 140 Propiedades de la. 159 identidad. 175 observable. 151 de una matriz. 137 Sistema estable e inestable. 150 eigenvalor de una. 152 Discretizaci´n directa. 168 Eigenvalor. 150 Par´metros. 142 o inversa. 157 traza de una. variables y s´ a ımbolos del sistema Tanque con Agua. 174 de Jordan. 181 Puntos singulares en PLITs. 159 Estabilidad de sistemas. 163 . 175 Formas can´nicas. 159 Eigenvector. 168 Sistema causal.´ Indice alfab´tico e Determinante. 160 rango de una. 142 Linealizaci´n de sistemas. 145 unilateral. 150 triangular superior. 150 triangular inferior. 148 diagonalizaci´n de. 150 pseudoinversa de una. 148 o similares. 183 Forma can´nica o controlable. 168 Sistema PLIT. 170 o o Transformada de Laplace F´rmulas de. 151 propiedades. 178 o Ecuaci´n caracter´ o ıstica. 167 diagonal. 183 o Matrices. 174 o Fracciones parciales.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->