Automatizaci´n de Procesos o Industriales Ingeniero de Organizaci´n.

Curso 1o o

Jos´ Mar´ Gonz´lez de e ıa a Durana Dpto. I.S.A. EUI –UPV/EHU– Vitoria-Gasteiz

Directory
Indice Contenidos

Copyright c 2005 Ultima Revisi´n: Febrero 2004 o

Indice
1. OBJETIVOS ´ 2. METODO 3. EVALUACION 4. CONTENIDOS 5. Libros recomendados . Tema 1. Introducci´n o

1. Perspectiva hist´rica o 2. La empresa productiva 2.1. El proceso productivo 2.2. Operaciones b´sicas de fabricaci´n a o • Procesado de un elemento • Montaje • Movimiento de material • Almacenamiento • Inspecci´n y control o 2.3. Tipos de procesos

• Job Shops • Producci´n por lotes • L´ o ıneas de producci´n • Produco ci´n continua o 2.4. Ubicaci´n de los procesos o • Producto en posici´n fija • Por clases de procesos • En flujo de o producto • Por tecnolog´ de grupo ıa 3. El proceso en feedback 3.1. Esquema de regulaci´n en feedback o 3.2. El significado del control 3.3. El control en la empresa 4. La automatizaci´n industrial o • T´cnicas anal´gicas • T´cnicas digitales e o e 4.1. Estructuras de automatizaci´n o 4.2. Ventajas e inconvenientes de la automatizaci´n o 4.3. Elementos de la automatizaci´n o 5. Modelos matem´ticos de sistemas a 3

6. Modelado y simulaci´n de sistemas complejos o 6.1. Importancia del modelado • Lenguaje Unificado de Modelizaci´n (UML) o 7. Estructura del curso Parte I. Control de procesos de eventos discretos . Tema 2. Sistemas booleanos

1. Dispositivos l´gicos o 2. Algebra de Boole 2.1. Funciones booleanas • Formas can´nicas o 2.2. Simplificaci´n de funciones booleanas o • M´todo de Karnaugh • M´todo de Quine-McCluskey • Algoritmo de e e Quine 3. Sistemas combinacionales 3.1. Funciones l´gicas elementales o 4

• Funci´n NOT • Funci´n AND • Funci´n OR • Funci´n NAND o o o o • Funci´n NOR • Funci´n XOR o o 4. Sistemas secuenciales 4.1. Aut´mata de Mealy o 4.2. Aut´mata de Moore o 4.3. Tablas de estado 4.4. Diagrama de estado 4.5. Dispositivos biestables • Biestable R-S . Tema 3. Modelos computacionales

1. Grafcet 1.1. Elementos b´sicos a • Etapas • Transiciones • Segmentos paralelos 1.2. Estructuras b´sicas a • Secuencia simple • Divergencia OR • Convergencia OR • Divergencia 5

AND • Convergencia AND • Saltos • Posibilidades avanzadas 2. Cartas de estado 2.1. Stateflow 2.2. Elementos de una carta de estado • Estados • Transiciones • Uniones 2.3. Elementos de texto especiales • Datos • Eventos 3. Creaci´n de un modelo con Stateflow–Simulink o • Observaciones • Ejemplo. Control de barrera de ferrocarril Parte II. Control de procesos continuos . Tema 4. Modelos de sistemas continuos

1. Ecuaci´n diferencial o 1.1. Sistemas lineales - par´metros constantes a • Modelo externo • Modelo interno 1.2. Modelo externo 6

1.3. Modelo interno 1.4. C´lculo de la respuesta temporal a • C´lculo de la respuesta con Matlab a 2. Simulink • Ejemplo. Modelo simple • Ejemplo, Circuito el´ctrico • C´lculo con e a Matlab para c. alterna 3. Sistemas no lineales – p´ndulo e 3.1. Respuesta – modelo externo • Resoluci´n simb´lica o o 3.2. Respuesta – modelo interno 4. Sistema de primer orden 5. Sistema de segundo orden 6. Linealizaci´n o • Ejemplo. Dep´sito o 7. Respuesta de frecuencia 7

7.1. Diagrama de Nyquist 7.2. Criterio de Nyquist • Principio del argumento • Criterio de estabilidad de Nyquist • Ejemplo 1 • Ejemplo 2 • Ejemplo 3 • Ejemplo 4 7.3. Diagramas de Bode 8. El lugar de las ra´ ıces 8.1. Reglas para el trazado 8.2. Trazado por computador . Tema 5. Realizaci´n del control o

1. Realizaci´n f´ o ısica 2. Sensores 2.1. Tipos de sensores 2.2. Clasificaci´n o 2.3. Calibraci´n o 2.4. Tipos de transductores 8

2.5. El potenci´metro como sensor de posici´n o o 3. Actuadores 3.1. Tipos de actuadores 3.2. Otros actuadores 3.3. Accesorios mec´nicos a 3.4. El motor de c.c. 3.5. Ecuaciones diferenciales 3.6. Modelo externo 3.7. Funci´n de transferencia del motor o 3.8. Reductor de velocidad 3.9. Funci´n de transferencia del reductor o 3.10.Reductor con poleas el´sticas a 3.11.Aplicaci´n pr´ctica: sistema de control de posici´n o a o 4. Especificaciones de funcionamiento 4.1. Especificaciones en tiempo 9

• Valores para el sistema de 2o orden • Otros valores 4.2. Especificaciones en frecuencia 5. Estabilidad, controlabilidad y observabilidad, sistemas lineales . Tema 6. Dise˜ o de Sistemas de Control continuos n

1. Introducci´n o 2. Tipos de controladores • Realizaci´n de los controladores • Controlador PID • Controladores o de adelanto y de retraso de fase • Controlador de adelanto-retraso con red pasiva • Controlador de adelanto-retraso con amp. operacional 3. Dise˜ o en el lugar de las ra´ n ıces • Efecto de a˜adir un cero • Efecto de a˜adir un polo n n 3.1. Dise˜ o de un controlador de adelanto de fase n 3.2. Dise˜ o de un controlador PID n Parte III. Automatizaci´n local o . Tema 7. Aut´matas programables o 10

1. Descripci´n de un PLC o 2. Programacion de PLC’s 2.1. Ladder Diagram (LD) 3. C´lula flexible SMC e 3.1. Aut´mata programable Omron CPM2A-30CDR-A o 3.2. Ejemplos . Tema 8. Sensores

1. Tipos de sensores 1.1. Clasificaci´n o 1.2. Caracter´ ısticas 2. Calibraci´n o 3. Tipos de transductores . Tema 9. Actuadores

1. Tipos de actuadores 11

1.1. Otros actuadores 1.2. Accesorios mec´nicos a 2. Neum´tica a 2.1. V´lvulas a 3. Automatismos el´ctricos e 3.1. El rel´ e 3.2. Funciones l´gicas con rel´s o e Parte IV. Automatizaci´n global o . Tema 10. Niveles de Automatizaci´n o

1. Fabricaci´n inteligente o Parte V. APENDICES . Tema A. Ecuaciones diferenciales

1. Ecuaciones diferenciales de primer orden 1.1. Problema de condiciones iniciales (PCI) 12

2. Estudio cualitativo 3. Orden de una ecuaci´n diferencial o 4. Interpretaci´n geom´trica o e 5. Sistemas de 2o orden • Interpretaci´n geom´trica o e 6. Soluci´n num´rica o e 7. Soluci´n num´rica con Matlab o e • Interpretaci´n geom´trica o e 7.1. M´todo de Kelvin e

13

1. OBJETIVOS • Formar personas con capacidad para el planeamiento, gesti´n, dise˜o y desao n rrollo de proyectos de automatizaci´n. o • Utilizar para ello las tecnolog´ y m´todos de actualidad. ıas e • Inculcar un marco te´rico en el que tengan cabida los complejos procesos o productivos. • An´lisis, dise˜o y realizaci´n. a n o • Visualizar los m´todos y tecnolog´ existentes. e ıas ´ 2. METODO • Clases te´ricas: proyector (a completar), pizarra, ejercicios. o • Clases pr´cticas: ordenador, ejercicios, montajes. a • Trabajos tutorizados. • Tutor´ cuestiones, ejercicios, trabajos. ıas: horario 2-cuatr: lunes de 10 a 12, mi´rcoles y jueves de 17 a 19 e 14

3. EVALUACION Trabajos: ejercicios, problemas, temas te´ricos, programas, montajes. o Calificaci´n: ≤ 2. Han de ser concertados con el profesor. o Pr´cticas: ejercicios resueltos por computador, montajes. a Calificaci´n: la nota (≤ 4) se pondera por el no de asistencias. o Nota: los trabajos y las pr´cticas se hacen durante el curso, no en verano. a Examen: teor´ y problemas. ıa Calificaciones m´ximas: a Trabajos Pr´cticas a Examen Total 2 4 4 10

15

4. CONTENIDOS Tema 1. Introducci´n o Parte I. Control de procesos de eventos discretos Tema 2. Sistemas booleanos Tema 3. Modelos computacionales Parte II. Control de procesos continuos Tema 4. Modelos de sistemas continuos Tema 5. Realizaci´n del control o Tema 6. Dise˜o de sistemas de control continuos n Parte III. Automatizacion local Tema 7. Aut´matas programables o Tema 8. Sensores Tema 9. Actuadores Parte IV. Automatizacion global Tema 10. La pir´mide de automatizacion a Fases An´lisis –obtenci´n de modelos computacionales, matem´ticos. a o a Dise˜o –dise˜o y programaci´n de controladores, simulaci´n. n n o o Realizaci´n –matem´tica, computacional, f´ o a ısica. 16

Herramientas Programaci´n en lenguajes est´ndar: C, C++, Java. o a Programas espec´ ıficos para control: Matlab, Scilab, Octave, Maple. Prerrequisitos Algebra Lineal: espacios vectoriales, matrices. An´lisis Matem´tico: an´lisis real y complejo (b´sico), ecuaciones difea a a a renciales ordinarias. Inform´tica: manejo del ordenador, windows, nociones de programaci´n a o (C, C++, Java). F´ ısica: nociones de mec´nica, electricidad, calor, fluidos. a

17

Sistemas continuos en el tiempo Son sistemas de control cuyo modelo es una ecuaci´n diferencial (ordinaria) o dx (t) = f (t, x, u), t ∈ R, x(t) ∈ Rn , u(t) ∈ Rq dt f : R × Rn × Rq → Rn continua, Ecuaci´n de salida y(t) = g(x, u), o u1 (t) x(t) u : R → Rq (entrada, dada) y(t) ∈ Rp . Las soluciones x(t) representan el “movimiento” del sistema.

u2 (t) y(t) 18

Sistemas discretos en el tiempo El modelo es una ecuaci´n en diferencias finitas. t = k T ∈ T Z o x((k + 1)T ) = f (kT, x(kT ), u((k + 1)T )), T ∈ R : periodo de discretizaci´n o de muestreo. o Ecuaci´n de salida y(kT ) = g(x(kT ), u(kT )), o y(t) ∈ Rp . x(t) ∈ Rn , u(t) ∈ Rq f : R × Rn × Rq → Rn ; u(t) : R → Rq (entrada, dada).

Acelerador de iones Tandetron. IBeAM, Arizona State University 19

Sistemas de eventos discretos – sistemas h´ ıbridos a) Producen eventos: sistemas continuos o discretos. b) Reaccionan ante eventos que reciben (sistemas reactivos). a b) Sistemas h´ ıbridos. Modelos matem´ticos: ecuaci´n diferencial (ordinaria) a o dx (t) = f (t, x, u), dt t ∈ R, x(t) ∈ Rn , u(t) ∈ Rq

f : R × Rn × Rq → Rn discontinua; u : R → Rq (entrada, dada) Modelos computacionales: Matlab + Simulink + Stateflow u(t) s3 x(t) s2 s1 y(t) 20

Ejercicios Sistemas continuos Buscar ejemplos de sistemas de control continuos en t. Identificar en ellos las entradas y salidas. Si es posible, hallar n, p, q en cada uno de ellos. Sistemas discretos Buscar ejemplos de sistemas de control discretos en t. Sistemas reactivos Buscar ejemplos de sistemas reactivos. Identificar los procesos que emiten eventos y los que los reciben. Iniciar el estudio de MATLAB, Simulink y Stateflow.

21

5. Libros recomendados

Bibliograf´ ıa
[1] Paul H. Lewis, Hang Yang Sistemas de Control en Ingenier´ ıa Prencice Hall Inc., 1999 [2] Benjamin C. Kuo Sistemas Autom´ticos de Control a Editorial Prentice-Hall - 1996 [3] Emilio Garc´ Moreno ıa Automatizaci´n de procesos industriales o Editorial U.P.V. (Universidad Polit´cnica de Valencia). 1999 e [4] M.P. Groover. Automation, Production Systems and Computer Aided Manufacturing. Prentice Hall. 1980. [5] David Harel “Statecharts: A Visual formalism for Complex Systems” Science of Computer Programming 8, (1987) pp. 231-274. [6] The International Electrotechnical Comision. The International Standard IEC-61631 http://www.plcopen.org

22

Cap´ ıtulo 1. Introducci´n o
Automatizaci´n: teor´ y tecnolog´ para sustituir el trabajo del hombre por o ıas ıas el de la m´quina. Mecanismo de feedback a Relacionada con las Teor´ de Control y de Sistemas. ıas Adopta los m´s recientes avances. a Para automatizar procesos: saber c´mo funcionan esos procesos. o Procesos continuos Procesos comandados por eventos Procesos de fabricaci´n o Estudio – Visitas a empresas. Procesos conectados entre si – gesti´n – marco jer´rquico – o a Estructura de la empresa – redes locales – buses de comunicaci´n o

23

1. Perspectiva hist´rica o Fuego: Homo sapiens→ calefacci´n → alimentos o Edad Bronce → metales → cer´mica → “procesos fabricaci´n” a o Energ´ e´lica: ıa o 2000 A.C: embarcaciones a vela 1000 A.C.: Fenicios → Mediterr´neo a Edad Media: Europa → molinos de viento Energ´ hidr´ulica: ıa a M´quina de vapor a James Watt, 1750 → Revoluci´n Industrial o Maquina de vapor → bombas agua (minas de Gales) Automatizaci´n telares (Manchester) o 50 A.C: Romanos → noria

24

Teor´ ıas, tecnolog´ y ´reas ıas a Teor´ ıas – Teor´ de Control, Sistemas y Se˜al ıas n – Sistemas de eventos discretos – M´quinas de estado, Redes de Petri, Grafcet, Statechart a Tecnolog´ ıas – Neum´tica, Hidr´ulica a a – Electr´nica o – Microprocesadores, Ordenadores, Aut´matas programables o – Rob´tica o – Comunicaciones – Desarrollo del software Areas tecnol´gicas o – Automatizaci´n de las m´quinas-herramienta o a – Control por computador, CAD, CAM, CIM – Control de procesos distribuido – C´lulas flexibles e

25

2. La empresa productiva Ente socioecon´mico – adecuaci´n parcial de flujos: producci´n y consumo o o o Dos subsistemas: uno para medir las necesidades de los consumidores y de trasferirles los productos que las satisfagan y otro que se encarga de la producci´n. o Elemento productivo – Elemento consumidor (de materias primas) Departamentos o secciones: Finanzas Gesti´n o Compras Almac´n de materias primas e Producci´n o Almac´n de productos terminados e Ventas

26

Actividad de la empresa
Almacén de materias primas Producción Almacén de productos terminados

Gestión

Compras

Finanzas

Ventas

MERCADO

Gesti´n: controla a todos los dem´s o a parte superior: generaci´n del producto (gesti´n de producci´n) o o o parte inferior: ventas − comparas = beneficio (mercadotecnia) Objetivo: maximizar el beneficio.

27

2.1. El proceso productivo Sistema din´mico de control: a Materia primas E (Flujo de producto) Proceso productivo Producto terminado E (Flujo de producto)

Internamente: diferentes subprocesos conectados entre s´ ı. bloque o “funci´n”: complejo sistema movido por eventos o interconexi´n + naturaleza estoc´stica = complejidad o a conocer modelos matem´ticos de los procesos m´s simples a a proceso → producto proceso ← producto

28

2.2. Operaciones b´sicas de fabricaci´n a o

• Procesado de un elemento
Materia primaE Mecanizado Pieza E

• Montaje
Mat. prima 1 E Mecanizado 1 Pieza 1E
E Montaje Producto

Mat. prima 2 E Mecanizado 2

Pieza 2E

• Movimiento de material • Almacenamiento • Inspecci´n y control o

29

2.3. Tipos de procesos

• Job Shops
- amplia gama, alta tecnolog´ series medianas–peque˜as ıa, n - mano de obra y maquinaria especializadas – elevados costes

• Producci´n por lotes o
- muy extendida – lotes tama˜o medio, cada lote de una tirada n - maquinaria y el personal preparados – cambio lote

• L´ ıneas de producci´n o
- cadena – grandes series - pocos productos – autom´viles o - cintas trasportadoras – estaciones (proceso o montaje) – almacenes

• Producci´n continua o
- productos simples – grandes cantidades – petroqu´ ımica - flujo continuo de producto

30

2.4. Ubicaci´n de los procesos o
Importancia: procesos, comodidad del personal, cableados, buses etc. Programas simulaci´n (estoc´stica) o a

• Producto en posici´n fija o
El producto no debe moverse – obras – naval y aeron´utica a

• Por clases de procesos
M´quinas en locales por clases de procesos – mecanizado – flexible a

• En flujo de producto
M´quinas a lo largo del flujo a

• Por tecnolog´ de grupo ıa
Por clases + en flujo de producto

31

3. El proceso en feedback
ω(t)
xC : consigna de velocidad ωref (fija)
C

Si ω aumenta ⇒ aumenta fuerza centr´ ıfuga
B

⇒ bolas B se separan ⇒ A sube ⇒ x cierra v´lvula vapor de la caldera a ⇒ baja la presi´n o ⇒ ω disminuye

Actuador válvula

A x

Feedback: artificio b´sico del control. a Governor de Watt

32

3.1. Esquema de regulaci´n en feedback o
B´sico en muchos procesos de la Naturaleza, incluso en los seres vivos. a

d(t) yref
E + (t) C m E − T m (t) y

x(t) E

A

c u(t) m E E + v(t) P

r y(t) E

M '
ref −→ Entrada de referencia

y

C Controlador A Actuador P Planta o Proceso M Medidor

−→ Entrada perturbadora −→ Salida −→ Error
(t) y(t)

d(t)

33

3.2. El significado del control
Controlar: conducir, dirigir, gobernar, comardar, ... trayectoria prefijada — controles  volante    acelerador ch´fer → o → veh´ ıculo frenos    cambio de marchas Teor´ de Control ıa sistema de control = entidad – terminales de entrada (controles) → est´ ımulos – terminales de salida → respuesta Caja negra o bloque – planta o proceso EntradaE Salida E

Bloque

34

3.3. El control en la empresa
El esquema de feedback es aplicable los procesos de la empresa. Control de producci´n o Control de calidad Control de presupuestos Control de procesos Elementos esenciales: medida de variables del proceso a controlar realimentaci´n de las variables medidas o comparaci´n con una consigna o actuaci´n sobre el proceso o

35

4. La automatizaci´n industrial o
Aplicar feedback – procesos continuos – procesos movidos por eventos

• T´cnicas anal´gicas e o
Controlador: mec´nico, neum´tico, hidr´ulico, el´ctrico, electr´nico, ´ptico a a a e o o Procesos Continuos – controlador PID x(t) = C( (t)) = Kp 1 + Td dx(t) 1 + dt Ti
t

x(τ )dτ
0

• T´cnicas digitales e
Ordenador – microprocesadores – microcontroladores – ordenador personal comunicaciones – software ... Controladores para procesos continuos – PID Control de procesos de eventos discretos – aut´mata programable o Estructuras de control – Automatizaci´n Global o

36

4.1. Estructuras de automatizaci´n o

Proceso 1

Proceso 2

Proceso 3

Proceso 4

Automatizaci´n fija – producci´n muy alta – autom´viles o o o Automatizaci´n programable – producci´n baja – diversidad de productos o o Automatizaci´n flexible – producci´n media – pocos productos o o Automatizaci´n total o

37

4.2. Ventajas e inconvenientes de la automatizaci´n o
Ventajas: Permite aumentar la producci´n y adaptarla a la demanda o Disminuye el coste del producto Consigue mejorar la calidad del producto y mantenerla constante Mejora la gesti´n de la empresa o Disminuye de la mano de obra necesaria Hace m´s flexible el uso de la herramienta a Inconvenientes: • • • • Incremento del paro en la sociedad Incremento de la energ´ consumida por producto ıa Repercusi´n de la inversi´n en el coste del producto o o Exigencia de mayor nivel de conocimientos de los operarios

38

4.3. Elementos de la automatizaci´n o
Mec´nica: herramientas, mecanismos, m´quinas, elementos de transporte a a El´ctrica: automatismos el´ctricos, motores el´ctricos de c.c. y c.a., cableados e e e – fuerza – mando, aparillajes el´ctricos e Tecnolog´ Electr´nica: controladores anal´gicos, sensores, pre-accionadores, ıa o o drivers – accionamientos, communicaciones, telemando-telemetr´ comunicaıa, ci´n inal´mbrica o a Neum´tica – electro-neum´tica: cilindros neum´ticos, v´lvulas neum´ticas y a a a a a electro-neum´ticas, automatismos neum´ticos a a Hidr´ulica y electro-hidr´ulica: cilindros hidr´ulicos, v´lvulas hidraulocas y a a a a electro-hidr´ulicas, automatismos hidr´ulicos a a Control e Inform´tica Industrial: controladores de procesos, control por compua tador, embedded control, aut´matas programables, visi´n artificial, rob´tica, o o o mecatr´nica, c´lulas – fabricaci´n flexible – mecanizado – montaje, control o e o num´rico, CAD-CAM, CIM, redes y buses – comunicaciones e

39

5. Modelos matem´ticos de sistemas a
Modelo matem´tico: ecuaci´n o sistema de ecuaciones que lo representa y cuya evoa o luci´n en el tiempo se corresponde con la del sistema. o Permite hacer c´lculos, predicciones, simulaciones y dise˜ar. a n Clasificaci´n: o Sistemas de tiempo continuo Sistemas de tiempo discreto Sistemas de eventos discretos Sistemas de eventos discretos = sistemas reactivos = sistemas comandados por eventos (event-driven systems) Modelos complejos – procesos estoc´sticos – procesos de colas – modelos no maa tem´ticos basados en computador. a Lenguaje Unificado de Modelado (UML).

6. Modelado y simulaci´n de sistemas complejos o
Din´mica de fluidos – sistemas energ´ticos – gesti´n de negocios a e o

40

Teor´ de Sistemas – Teor´ de Control – An´lisis Num´rico – ıa ıa a e Ciencias de la Computaci´n – Inteligencia Artificial – Investigaci´n Operativa o o Mayor importancia cuanto mayor es la complejidad del sistema. Paradigma de computaci´n del futuro: m´todo para representar los problemas, anao e lizarlos y obtener soluciones Lenguaje de modelizaci´n universal: o comunicaci´n → equipos empresa → miembros de la comunidad cient´ o ıfica Un buen lenguaje de modelizaci´n ha de tener o Elementos del modelo – conceptos fundamentales y sem´ntica a Notaci´n – representaci´n visual de los elementos del modelo o o Directivas – lenguajes a utilizar para el modelado

41

6.1. Importancia del modelado
REALIDAD
Entidad del Mundo Real análisis sólo en contexto experimental

MODELO

Modelo básico

OBJETIVOS

dentro del contexto Sistema S Modelo M

Conocimiento a priori del modelo básico

experimento dentro de contexto

Simulación = Experimento virtual

Datos observados de Experimento

Validación

Resultados de Simulación

Proceso de Modelado y Simulación

42

• Lenguaje Unificado de Modelizaci´n (UML) o
Booch, Rumbaugh y Jacobson Objtivos: 1. Otorgar al modelado de sistemas (y no s´lo al software) la capacidad de utilizar o conceptos orientados a objetos. 2. Establecer un acoplamiento expl´ ıcito con los artefactos tanto conceptual como ejecutable. 3. Tratar los temas inherentes a la escala en los sistemas complejos y de misi´n o cr´ ıtica. 4. Crear un lenguaje de modelado entendible tanto por las m´quinas como por a los seres humanos. Versiones 0.9 y 0.91 de UML en Junio y en Octubre de 1996. Versi´n UML 1.3 en Junio de 1999. o

43

Objetivos actuales: Ofrecer a los usuarios un lenguaje de modelado de uso inmediato, expresivo y visual, para desarrollar e intercambiar modelos significativos. Suministrar mecanismos de extensi´n y especializaci´n que permitan extender o o los conceptos del n´cleo del lenguaje. u Soportar especificaciones que sean independientes de los lenguajes de programaci´n particulares y de los procesos de desarrollo. o Dar una base formal para el aprendizaje del lenguaje. Animar el crecimiento del mercado de herramientas para objetos. Soportar conceptos de desarrollo de alto nivel: components, collaborations, frameworks, patterns. Integrar las mejores pr´cticas de programaci´n. a o

Caracter´ ısticas de UML
Consistente lenguaje sin propietario y abierto a todos. Permite especificar, visualizar, construir y documentar los artefactos de software. Vale tambi´n para el modelado de e negocios y otros sistemas. Est´ estructurado en 9 paquetes: a

44

Data Types Core Extension Mechanisms Common Behavior State Machines Activity Graphs Collaborations Use Cases Model Management

45

Consideraciones Estudio de sistema complejo ← secuencia de visiones distintas del modelo Un modelo: diferentes niveles de fidelidad Los mejores modelos – conectados realidad Gr´ficos (a modo de vistas) de un modelo a use case diagram class diagram behavior diagrams: – statechart diagram – activity diagram – interaction diagrams ∗ sequence diagram ∗ collaboration diagram – implementation diagrams: ∗ component diagram ∗ deployment diagram UML no soporta diagramas de flujo de datos

46

7. Estructura del curso
• Control de procesos continuos Dise˜o controladores – procesos t continuo – PID – n • Control de procesos de eventos discretos Diagramas de estado Redes de Petri Grafcet Statecharts • Automatizaci´n local o Captadores Pre-actuadores y actuadores Automatismos el´ctricos, neum´ticos e hidr´ulicos e a a Aut´matas programables – Controladores industriales o • Automatizaci´n global o Simulaci´n de procesos productivos o Redes locales – Buses industriales GEMMA – SCADA – Control jer´rquico a

47

Bibliograf´ ıa
[1] Paul H. Lewis Sistemas de Control en Ingenier´ Prentice Hall, Madrid, 1999. ıa. [2] Emilio Garc´ Moreno Automatizaci´n de procesos industriales. Editorial U.P.V. ıa o (Universidad Polit´cnica de Valencia), 1999. e [3] K.Lockyer La producci´n industrial, su administraci´n. Representaciones y Sero o vicios de Ingenier´ S.A., Mexico, 1988. ıa [4] M.P. Groover Automation, Production Systems and Computer Aided Manufacturing. Prentice Hall. 1980. [5] David Harel “Statecharts: A Visual formalism for Complex Systems”, Science of Computer Programming 8, (1987), pp. 231-274. [6] Object Modeling Group OMG Unified Modeeling Language Specification. Object Modeling Group, Inc., Version 1.3, June 1999. [7] Hans Vangheluwe Modeling and Simulation Concepts. McGill, CA, CS 522 Fall Term 2001.

48

Parte I. Control de procesos de eventos discretos

49

Cap´ ıtulo 2. Sistemas booleanos
1. Dispositivos l´gicos o
Dispositivos f´ ısicos con s´lo dos estados: mec´nicos, interruptor, v´lvula, transistor o a a → automatismos.

0

1

Sistemas combinacionales Sistemas secuenciales

50

¡ ¡¡ ¡ ¡¡ ¡ ¡¡ ¡ ¡ ¡ ¡ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢  ¢¡¢¡¡¢¡¢¡¡¢¡¢¡¡¢¡¢¡¢¡¢¡ ¡ ¡¡ ¡ ¡¡ ¡ ¡¡ ¡ ¡ ¡ ¡ ¡¢¡ ¢¡¢¡¢¡ ¢¡¢¡¢¡ ¢¡¢¡¢¡¢¡¢¡ ¢ ¢¢ ¡¡¢¢ ¡¡¡¢¢ ¡¡¡¢¢ ¡¡¡¡¡¢¢  ¢ ¡¡¢ ¡¡¡¢ ¡¡¡¢ ¡¡¡¡¡¢  ¡ ¢¡¡ ¢¡ ¢¡¡ ¢¡ ¢¡¡ ¢¡ ¢¡ ¢¡ ¢¡  ¢   ¢   ¢   ¢   ¢   ¢   ¢   ¢   ¢   ¢ ¡¢¡¢ ¡¢¡¢¡¢ ¡¢¡¢¡¢ ¡¢¡¢¡¢¡¢¡¢  ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡   ¢¡¡ ¢¡¡¡ ¢¡¡¡ ¢¡¡¡¡¡ ¢ ¡ ¢¡¡ ¢¡ ¢¡¡ ¢¡ ¢¡¡ ¢¡ ¢¡ ¢¡ ¢¡ ¢ ¢¡¡¢ ¢¡¡¡¢ ¢¡¡¡¢ ¢¡¡¡¡¡¢ ¢ ¡ ¡¡ ¡ ¡¡ ¡ ¡¡ ¡ ¡ ¡ ¡ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¡ ¢¡¡ ¢¡ ¢¡¡ ¢¡ ¢¡¡ ¢¡ ¢¡ ¢¡ ¢¡  ¢ ¡¡ ¢ ¡¡¡ ¢ ¡¡¡ ¢ ¡¡¡¡¡ ¢ 

¡£¡£¡¡£¡£¡£¡£¡¡¡¡£¡£¡ ¡ ¡ ¡¡ ¡ ¡ ¡ ¡¡¡¡ ¡ ¡ ¡¢¡¢¡¡¢¡¢¡¢¡¢¡¡¡¡¢¡¢¡ ¡¡¡¡¡¡¡¡¡¡¡¡¡  ¢£¤ ¤ ¤  ¢£¤ ¤ ¤ ¤ ¤  ¢£¤ ¤ ¤ ¡¢¡¢¡¡¢¡¢¡¢¡¢¡¡¡¡¢¡¢¡ ¡¢¤¡¢¤¡¡¢¤¡¢¤¡¢¤¡¢¤¡ ¢£¤¡¡ ¢£¤¡¢¤¡¢¤¡ ¢£¤ ¡ ¡ ¡¡ ¡ ¡ ¡ ¡¡¡¡ ¡ ¡ ¡¤¡¤¡¡¤¡¤¡¤¡¤¡¡¡¡¤¡¤¡ ¡¡¡¡¡¡¡¡¢¤¢¤ £¡¡¢¤¢¤ £¡¡¡¢¤¢¤ £ ¢¤¢¤ £ £ £ ¢¤¢¤ £ £ £ £ £ ¢¤¢¤ £ £ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¢¤ £ ¡¤¡¤¡¡¤¡¤¡¤¡¤¡ £¡¡ £¡¤¡¤¡ £ ¡£¡£¡¡£¡£¡£¡£¡¡¡¡£¡£¡ ¡ ¡ ¡¡ ¡ ¡ ¡ ¡¢¤¡¡¢¤¡ ¡ ¡¢¤ ¡¢¡¢¡¡¢¡¢¡¢¡¢¡¡¡¡¢¡¢¡ ¡¡¡¡¡¡¡¡ ¢£¤ £¡¡ ¢£¤ £¡¡¡ ¢£¤ £  ¢£¤ £  £  £  ¢£¤ £  £  £  £  £  ¢£¤ £  £  £  ¢£¤ ¤ ¤  ¢£¤ ¤ ¤ ¤ ¤  ¢£¤ ¢£¤ ¤ ¤ ¤¡¢£¡¢£¡¡¢£¡¢£¡¢£¡¢£¡¡¡¡¢£¡¢£¡ ¢¡ ¡ ¡¡ ¡ ¡ ¡ ¡¢¤¡¡¢¤¡ ¡ ¡¢¤ £¡¡¡¡¡¡¡¡¡¡¡¡¡  ¡ ¢£¤¡ ¢£¤¡¡ ¢£¤¡ ¢£¤¡ ¢£¤¡ ¢£¤¡¡¡¡ ¢£¤¡ ¢£¤¡ ¡¤¡¤¡¡¤¡¤¡¤¡¤¡ £¡¡ £¡¤¡¤¡ £ ¡£¡£¡¡£¡£¡£¡£¡¡¡¡£¡£¡ ¡ ¡ ¡¡ ¡ ¡ ¡ ¡¢¤¡¡¢¤¡ ¡ ¡¢¤ ¢¤ ¢£¤ ¢¤ ¡¢¡¢¡¡¢¡¢¡¢¡¢¡¡¡¡¢¡¢¡ ¡¤¡¤¡¡¤¡¤¡¤¡¤¡ £¡¡ £¡¤¡¤¡ £ ¡£¡£¡¡£¡£¡£¡£¡¡¡¡£¡£¡ ¡¡¡¡¡¡¡¡ ¢£¤ ¢£¤¡¡ ¢£¤ ¢£¤¡¡¡ ¢£¤ ¢£¤ ¢¤ £ ¢£¤ ¡¢¡¢¡¡¢¡¢¡¢¡¢¡¡¡¡¢¡¢¡ ¡ ¡ ¡¡ ¡ ¡ ¡ ¡¡¡¡ ¡ ¡  ¢£¤ £  ¢£¤ £

Dispositivos biestables: b´sicos para las memorias RAM a

sistemas con memoria.

¡¡¡ ¡ ¢ ¢ ¢  ¢¡¡¡¢¡ ¡¡¡ ¡¢  ¢¡¡¡¡¢   ¢  £¤  ¢  ¡¡¡ ¡   ¢ ¦£¤¥£¤  ¢ ¢ ¢ ¢¡¡¡ ¢¡ ¢ ¢¡¡¡¡¢ ¢ ¢  ¢ ¥¦ ¢  ¢   ¡¡¡¢ ¡ ¢¡¡¡¢¡   ¡¡¡ ¡ ¡¡¡¡ ¢  ¢ ¥¦  ¢
2

Conjunto U — dos operaciones + , · tales que ∀a, b, c ∈ U :

2. Algebra de Boole
sistemas sin memoria
2

Figura 2.1: Pulsador

1

51
2 1

1

1. Idempotentes: a + a = a · a = a 2. Conmutativas: a + b = b + a, a · b = b · a 3. Asociativas: a + (b + c) = (a + b) + c, a · (b · c) = (a · b) · c 4. Absorciones: a · (a + b) = a + (a · b) = a ⇒ (U, +, ·) es un ret´ ıculo. Si adem´s a 5. Distributivas: a + (b · c) = (a + b) · (a + c), a · (b + c) = (a · b) + (a · c) ⇒ (U, +, ·) ret´ ıculo distributivo. Si 6. 7. Cotas universales: ∃ 0, 1 ∈ U tales que 0 · a = 0, 0 + a = a, 1 · a = a, 1 + a = 1 Complemento: ∀a ∈ U ∃a ∈ U | a + a = 1, a · a = 0 ⇒ (U, +, ·, , 0, 1) es un ´lgebra de Boole. a Z2 := ({0, 1} , OR , AND) es un ´lgebra de Boole. a

52

2.1. Funciones booleanas
f : Zn → Z2 2 (x1 , . . . , xn ) → f (x1 , . . . , xn ) Tabla de verdad f (x1 , . . . , xn ), g(x1 , . . . , xn ) equivalentes ⇐⇒ tablas de verdad coinciden P. ej., f (x1 , x2 , x3 ) = x1 x2 , g(x1 , x2 , x3 ) = x1 x2 (x3 + x3 ) equivalentes: x1 0 0 0 0 1 1 1 1 x2 0 0 1 1 0 0 1 1 x3 0 1 0 1 0 1 0 1 f 0 0 0 0 0 0 1 1 x1 0 0 0 0 1 1 1 1 x2 0 0 1 1 0 0 1 1 x3 0 1 0 1 0 1 0 1 g 0 0 0 0 0 0 1 1

53

• Formas can´nicas o
≡ func. booleanas: relaci´n de equivalencia → representantes can´nicos: o o suma de min-terms, p. ej., f (a, b, c, d) = abcd + abcd + abcd producto de max-terms: f = (a + b + c + d)(a + b + c + d)(a + b + c + d) n variables ⇒ 2n t´rminos can´nicos diferentes e o minterms f (x) x, x xy, xy, xy, xy f (x, y) f (x, y, z) xyz, xyz, xyz, xyz, xyz, xyz, xyz, xyz min-term = n´mero binario = n´mero decimal u u p. ej., xyz = 010 = 2. Obtenci´n de la f.c.: o Tabla de verdad ⇒ f.c. (inmediato) Para i = 1, . . . , n mult. por (xi + xi ) los t´rminos de f sin xi . e

54

2.2. Simplificaci´n de funciones booleanas o
Aplicar la ley de complementaci´n: x + x = 1 ⇒ f · (x1 + x1 ) ≡ f . o f = suma de implicantes primos (t´rminos irreducibles). e

• M´todo de Karnaugh e
f (a, b, c, d) = b + bc cd d 00 01 11 ab d 00 00 00 00 00 01 11 01 01 01 01 00 01 11 11 11 00 10 10 00
11 01 10 01 11 11 10 11

10
00 10 01 10 11 10 10 10

ab d 01 11 cd d 00 # 10 00 0 1 1 0 01 0 11 1
#

1 1

1 1

0 0

10 " ! 1 "! 1 1 0

– cada casilla representa un min-term –

55

• M´todo de Quine-McCluskey e
Ejemplo: f (x1 , x2 , x3 , x4 ) = Σ(0, 7∗ , 9, 12∗ , 13, 15) i 0 7∗ 9 12∗ 13 15 Tabla min-terms 0000 0111 1001 1100 1101 1111 de verdad u 0 1 2 3 4 i 0 9 12∗ 7∗ 13 15 1-term 2-term

0000 0000 1 1 0 1 1 0 1 1 1 1 0 0 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1

(a) Ordenar tabla por n´mero de unos de cada t´rmino → grupos. u e (b) Los elementos de cada grupo se combinan con los del siguiente. (c) Repetir el proceso hasta que no se puedan combinar m´s. a f = x1 x2 x3 x4 + x1 x3 x4 + x1 x2 x4 . Un t´rmino indiferente puede aprovecharse si cubre m´s de un min-term. e a

56

• Algoritmo de Quine
Como ya se ha indicado, el m´todo de Quine-McCluskey, lo mismo que el de Kare naugh, se basa en utilizar repetidamente la ley a + a = 1. Dada una funci´n f en o forma can´nica de suma de m min-terms, el algoritmo es el siguiente: o 1. Poner todos los min-terms en una lista, ordenados de alguna forma de 1 a m. 2. para i desde 1 hasta m − 1 hacer Elegir el t´rmino i-´simo, Ti , de la lista e e para j desde i + 1 hasta m hacer Tomar el t´rmino j-´simo, Tj , de la lista e e Simplificar, si es posible, la expresi´n Ti + Tj , aplicando la ley a + a = 1 o y poner el t´rmino simplificado en una nueva lista. e 3. Volver al paso 1 con la nueva lista obtenida y repetir el algoritmo 4. El algoritmo termina cuando no es posible simplificar m´s. a Gran coste computacional si el n es elevado.

57

3. Sistemas combinacionales
Sistema de control con p entradas u1 (t), . . . , up (t) ∈ Z2 y q salidas y1 (t), . . . , yq (t) ∈ Z2 , yi (t) = fi (u1 (t), . . . , up (t)), Tiempo continuo: I ⊂ R; tiempo es discreto: I = {t0 , t0 + T, . . . , t0 + kT, t0 + 2kT, . . .}, u1 (t)E u2 (t)E . . . up (t)E S.C. y1 (t)E y2 (t)E . . . yq (t)E t0 , T ∈ R. i = 1 . . . q.

Los valores de las salidas en el instante t s´lo dependen de los valores que en ese o mismo instante tengan las entradas.

58

3.1. Funciones l´gicas elementales o

• Funci´n NOT o
x z 0 1 1 0 x
d

z

x

z

• Funci´n AND o
x 0 0 1 1 y 0 1 0 1 z 0 0 0 1 xE y
E

&

zE

x y

z

59

• Funci´n OR o
x 0 0 1 1 y 0 1 0 1 z 0 1 1 1 xE y
E

≥1

zE

x y

z

• Funci´n NAND o
x 0 0 1 1 y 0 1 0 1 z 1 1 1 0 xE y
E d zE

&

x y

z

60

• Funci´n NOR o
x 0 0 1 1 y 0 1 0 1 z 1 0 0 0 xE y
E d zE

≥1

x y

z

• Funci´n XOR o
x 0 0 1 1 y 0 1 0 1 z 1 0 0 1 xE y
E d zE

=1

x y

z

61

4. Sistemas secuenciales
Sistema de control con p entradas u1 (t), . . . , up (t) ∈ Z2 , q salidas y1 (t), . . . , yq (t) ∈ Z2 y n variables de estado. u1 (t)E u2 (t)E . . . up (t)E x1 (t) x2 (t) . . . xn (t) y1 (t)E y2 (t)E . . . yq (t)E

Las variables de estado x1 (t), . . . , xn (t) ∈ Z2 memorizan el comportamiento del sistema en instantes anteriores a t. Modelos: modelo de estado (ecuaci´n en diferencias finitas), m´quinas de estados, o a redes de Petri ⇒ modelos computacionales: grafcet, StateCharts.

62

4.1. Aut´mata de Mealy o
M1 = {U, Y, X, f, g} U, Y ,X: conjuntos de entrada, de salida y de estado. estado: f :U ×X → X (u, x) → x = f (u, x) salida: g :U ×X → Y (u, x) → y = f (u, x)

4.2. Aut´mata de Moore o
M2 = {U, Y, X, f, g} U, Y ,X: conjuntos de entrada, de salida y de estado. estado: f :U ×X → X (u, x) → x = f (u, x) salida: g:X → Y (x) → y = f (x)

Aut´mata de Mealy ↔ Aut´mata de Moore. o o

63

4.3. Tablas de estado
f (x, u): tabla de transici´n, g(x, u): tabla de salida. o Aut´mata de Mealy: o x1 x2 . . . x2n u1 x1,1 x2,1 . . . u2 x1,2 x2,2 . . . ... ... ... u 2q x1,2q x2,2q . . . x1 x2 . . . x2n u1 y1,1 y2,1 . . . u2 y1,2 y2,2 . . . ... ... ... u 2q y1,2q y2,2q . . .

x2n ,1 x2n ,2 . . . x2n ,2q u 2q x1,2q x2,2q . . . x2n ,2q

y2n ,1 y2n ,2 . . . y2n ,2q

Aut´mata de Moore: o u1 u2 . . . x1 x1,1 x1,2 . . . x2 x2,1 x2,2 . . . . . . . . . . . . x2n x2n ,1 x2n ,2 . . .

x1 x2 . . . x2n

y1 y2 y 2n

Tama˜o (m´ximo): (2n × 2q ) casillas. n a

64

4.4. Diagrama de estado
Grafo orientado con N v´rtices y q aristas. e Mealy:
u xd d A = 00 B = 01 C = 10 11 0 00 01 00 − 1 01 10 01 − u xd d A = 00 B = 01 C = 10 11 0 0 0 0 − 1 0 0 1 − GFED @ABC A
444 44

1/0

440/0
44

44

1/1 Ô
GFED @ABCs GFED @ABC Q C R B
0/0 0 0/0

1/0

Tabla de transici´n o

Tabla de salida

Moore:
u xd d A = 00 B = 01 C = 10 D = 11 0 00 10 00 10 1 01 01 11 01 x y A = 00 B = 01 C = 10 D = 11 0 0 0 1
1

Tabla de transici´n o

Tabla de salida

GABD @A/ 0C FE ˆ222 22 220 1 22 22 Ö 0 GABD @B/ 0C FE GABD G@C/ 0Cr FE f R
1

0 1

GABD @D/1C P FE

65

4.5. Dispositivos biestables
Son los sistemas secuenciales m´s simples. a Una o dos entradas u1 , u2 Una variable de estado Q Una salida y1 = Q (salida adicional y2 = Q). As´ ıncronos o s´ ıncronos. Qt+1 = f (Qt , u1 , u2 ), S´ ıncronos: Clk se˜al de reloj n
Clk 1 0 t

El valor del estado Q se actualiza en los flancos de bajada.

66

• Biestable R-S
Biestable as´ ıncrono b´sico. a

S

Q

R
Tabla de transici´n: o
SR Qd d

_ Q

00 01 11 10 0 0 0 − 1 1 1 1 − 0

S

Q
Clk

S

Q

R

Q

R

Q

Combinaci´n de entradas “11” no permitida (contradicci´n: Q = Q = 0) o o

67

Cap´ ıtulo 3. Modelos computacionales
1. Grafcet
Graphe de Comands Etape/Transition. Norma IEC-848: fabricantes PLC. Aplicable al esquema:

órdenes

P.C.
eventos

P.O.

Sistema automatizado de producci´n o

Parte operativa: dispositivos que interact´an sobre el producto: preactuadores, u actuadores y captadores Parte de Comando (control): computadores, procesadores o aut´matas o

68

1.1. Elementos b´sicos a

• Etapas
Rect´ngulo numerado. a Estado o modo de funcionamiento estable del sistema. La Parte de Comando asociada se mantiene invariable. Etapas activas: c´ ırculo negro. Etapa inicial: rect´ngulo doble. a

• Transiciones
Segmento horizontal que corta la l´ ınea de enlace entre dos etapas. Condici´n de paso: receptividad. o

• Segmentos paralelos
Procesos que evolucionan de forma concurrente.

69

1.2. Estructuras b´sicas a

• Secuencia simple • Divergencia OR • Convergencia OR • Divergencia AND • Convergencia AND • Saltos • Posibilidades avanzadas
Paralelismo Sincronizaci´n o Jerarqu´ ıa Comunicaci´n o

70

2. Cartas de estado
Statecharts – David Harel, 1987. Generalizaci´n m´quinas de estados. o a Capacidad de agrupar varios estados en un superestado. Posibilidad de ortogonalidad o independencia (paralelismo) entre ciertos estados. Necesidad de transiciones m´s generales que la flecha etiquetada con un simple a evento. Posibilidad de refinamiento de los estados. Formalismo visual para describir estados y transiciones de forma modular que permite el agrupamiento de estados (jerarqu´ la ortogonalidad (paralelismo) y el refiıa), namiento de estados. Admite la visualizaci´n tipo ”zoom”entre los diferentes niveles o de abstracci´n. o Implementaciones: Statemate, Stateflow etc.

71

2.1. Stateflow
Toolbox de Matlab para modelar sistemas de eventos discretos. Tiene un unico elemento: Chart = carta de estados (D.Harel) ´
Creaci´n de un modelo: o Matlab → Simulink → new-model → Chart Crear la carta Stateflow Utilizar el Explorer de Stateflow Definir un interface para los bloques de Stateflow Ejecutar la simulaci´n o Generar el c´digo o Generadores de c´digo: o sf2vdh: traductor de Stateflow a VHLD sf2plc: genera c´digo para programar algunos PLC. o Carta de estados de Stateflow

72

2.2. Elementos de una carta de estado
– Elementos gr´ficos: cartas, estados, transiciones y uniones a – Elementos de texto: lenguaje, datos y eventos.
Carta: m´quina de estados generalizaa da – bloque de Simulink Estados: modos de funcionamiento – Nombre / acciones – Acciones: entry: a, exit: b, during: c, on event e : d Descomposici´n OR (trazo continuo) y o AND (trazo discontinuo). Transiciones: saltos – Nombre / acciones – Nombre: e (evento), [c] (condici´n) o – Acciones: {a} (acci´n) o – default-transition Uniones puntos de bifurcaci´n. o – Conectivas – de historia Datos – Entrada de Simulink – Salida de Simulink – Local – Constante – Temporal – Workspace Eventos – Entrada de Simulink – Salida de Simulink – Local I/O Simulink: disparo por ↑, ↓ o

73

• Estados
Sintaxis: nombre / entry: acci´n o exit: acci´n o during: acci´n o on event e: acci´n o Acci´n: cambiar salida – llamada a funci´n. o o Estado (padre) = { subestados (hijos) } Descomposici´n AND: todos activos – hijos en l´ o ınea discontinua Descomposici´n OR: s´lo uno activo – hijos en l´ o o ınea continua.
S2 e S1

74

• Transiciones
Forma de flecha – saltos entre estados – eventos Acciones asociadas Transici´n por defecto – se˜ala el estado inicial o n Sintaxis: e – nombre de un evento [c] – expresi´n booleana – condici´n o o {a} – acci´n o No texto – disparo con evento cualquiera en el sistema.

75

• Uniones
Forma de peque˜o c´ n ırculo Uniones conectivas – puntos de bifurcaci´n – decisi´n condicionada o o Uniones de historia – descomposici´n OR – activo = ultimo o ´

e1

e2

P

H C1 C2

e3

76

2.3. Elementos de texto especiales

• Datos
Entrada de Simulink Salida a Simulink Local Constante Temporal Workspace

• Eventos
Entrada de Simulink Salida a Simulink Local Activaci´n: flanco subida - flanco de bajada - flanco indiferente o

77

3. Creaci´n de un modelo con Stateflow–Simulink o
Matlab → Simulink → new-model Stateflow → Chart Chart estados, transiciones, etc. Pasos a seguir: Crear carta Stateflow Establecer interface Simulink – Stateflow Con Explorer de Stateflow declarar datos y eventos Ejecutar la simulaci´n o Generar el c´digo (ANSI C, sf2vhld, sf2plc) o

• Observaciones
Simulaci´n larga: t = inf o Chart → File → Chart Properties → “Execute (enter) Chart At Initialization”

78

• Ejemplo. Control de barrera de ferrocarril
Objetivo – cerrar la barrera si llega tren – abrirla si ha pasado.

Sistema de eventos discretos: tren llega – tren ha pasado.

79

Esquema:
d d d d TREN E

S1 • Componentes: 2 sensores S1 y S2

0

• S2

x

barrera con motor-reductor

sistema digital, rel´s y elementos auxiliares. e Sensores: S1 en x1 < 0 S2 en x2 > 0 – evento en se˜al s1 – llega tren n – evento en se˜al s2 – tren ha pasado n

Presencia del tren en [x1 , x2 ] – sensores S1 y S2 . Operaci´n sistema: o si S1 se activa la barrera debe cerrarse, si S2 se activa la barrera puede abrirse.

80

Sistema de control de eventos discretos – divisi´n en paralelo (paralelismo) – trasmisi´n de eventos. o o Sensores: S1 y S2 – Manual Switch de Simulink flanco de subida en s1 : llega el tren flanco de bajada en s2 : el tren se ha ido. Carta de estados: dos estados Tren y Barrera, en paralelo. Barrera – dos hijos Abrir y Cerrar, Tren – dos hijos Fuera y Dentro.
Tren
1

Barrera Abrir

2

1 0 S1 1 0 S2 Chart

Fuera

s1/e1 Dentro

s2/e2

e1 Cerrar

e2

81

Parte II. Control de procesos continuos

82

Cap´ ıtulo 4. Modelos de sistemas continuos
1. Ecuaci´n diferencial o
Sistema f´ ısico fi = ma
i Leyes f´ ısicas

−→

Ecuaci´n diferencial o

k f( t ) m1 x1( t ) b x2( t ) m2

0

Ecuaci´n diferencial: o   f (t) − k (x (t) − x (t)) − b   1 2      k (x1 (t) − x2 (t)) + b

dx1 (t) dx2 (t) − dt dt dx1 (t) dx2 (t) − dt dt

= m1 = m2

d2 x1 (t) dt d2 x2 (t) dt

83

1.1. Sistemas lineales - par´metros constantes a

• Modelo externo
L Ecuaci´n diferencial −→ G(s) funci´n de transferencia o o Modelo entrada – salida Diagrama de bloques

• Modelo interno
Ecuaci´n diferencial −→ o Algebra lineal C´lculo por computador a Sistemas multivariable
cambios

x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t)

modelo de estado

84

1.2. Modelo externo
Ecuaci´n diferencial: o a2 x(t) + a1 x(t) + a0 x(t) = b1 u(t) + b0 u(t) ¨ ˙ ˙ Aplicando la transformaci´n de Laplace tenemos o a2 [s2 X(s) − sx0 − x0 ] + a1 [sX(s) − x0 ] + a0 X(s) = U (s)[b1 s + b0 ] ˙ y si suponemos condiciones iniciales nulas queda X(s) = Funci´n de transferencia G(s): o X(s) = G(s)U (s) G(s): funci´n racional; denom. de G(s) := polinomio caracter´ o ıstico. a2 s2 b1 s + b0 U (s). + a1 s + a0

85

1.3. Modelo interno
¨ ˙ ˙ Ecuaci´n diferencial: a2 x(t) + a1 x(t) + a0 x(t) = b1 u(t) + b0 u(t) o cambios: x1 := x; x2 := x; ˙ u1 := u; u2 := u ˙ ⇓ x1 (t) = x2 (t) ˙ Modelo de estado b b a0 x2 (t) = − a2 x1 (t) − a1 x2 (t) + a0 u1 (t) + a1 x2 (t) ˙ a2 2 2 Ecuaci´n de estado: o x1 (t) ˙ x2 (t) ˙ = 0 a0 − a2 1 − a1 a2 x1 (t) + x2 (t) 0
b0 a2

0
b1 a2

u1 (t) u2 (t)

Ecuaci´n de salida (si salidas ≡ estados): o y1 (t) y2 (t) Modelo de estado: x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) = 1 0 0 1 x1 (t) 0 0 + x2 (t) 0 0 u1 (t) u2 (t)

86

1.4. C´lculo de la respuesta temporal a
1. Resoluci´n de la ecuaci´n diferencial o o 2. Modelo externo G(s): Integraci´n compleja: o σ+j∞ 1 y(t) = L−1 [Y (s)] = Y (s)est ds 2πj σ−j∞ Transformada de Laplace – expansi´n frac. simmples: o u(t) −→ U (s); G(s) U (s) = Y (s); Integral de convoluci´n: o
t L

Y (s) −→ y(t)

L−1

y(t) = u(t) ⊗ g(t) =
0

g(t − τ ) u(τ ) dτ

3. Modelo interno: Resoluci´n de la ecuaci´n de estado: o o
t

x(t) = eAt x(0) +
0

eA(t−τ ) Bu(τ ) dτ

87

• C´lculo de la respuesta con Matlab a
Circuitos – C´lculos con matrices – metodos de mallas y nudos a Sistemas lineales y no lineales – Resoluci´n ecuaci´n diferencial o o – ode23 y ode45 Modelo externo – – – – residue – expansi´n de Y (s) en frac. simples o series, parallel, feedback: simplificaci´n diagr. bloques. o impulse, step, lsim – respuesta temporal (num´rica) e Symbolic Toolbox – transformadas de Laplace L y L−1

Modelo interno – impulse, step, lsim – respuesta temporal (num´rica) e Conversi´n modelos interno y externo o – ss2tf, tf2ss

88

2. Simulink
Simulink: librer´ (toolbox ) de Matlab para modelado y simulaci´n. ıa o Modelo externo – Modelo interno – Sist. no lineales – Sist. reactivos ...

Ventana gr´fica de Simulink a

Ventana de comandos de Matlab

Ventana con la respuesta temporal

89

Inicio: – escribir simulink en Matlab command window – clic en el icono Simulink Simulink − Simulink — — — — — — Countinous Discrete Math Operations Signal Routing Sinks Sources . . .

+ +

Dials & Gauges Blockset Stateflow . . .

90

• Ejemplo. Modelo simple
Sistema de control en feedback con K = 5, G(s) = s+1 , s2 + 4 H(s) = 2s + 1 s+1

Ventana para dibujo: File → New → Model G(s) y H(s): Continuous → Transfer Fcn → G(s): numerador = [1, 1] denominador = [1, 0, 4] → H(s): numerador = [2, 1] denominador = [1, 1] K: Math Operations → Gain →K=5 Suma: Math Operations → Sum → (+) (−) | flechas

91

Entrada escal´n: Sources → Step o → Step time = 0, Initial value = 0, Final value = 1. Visualizaci´n: Sinks → Scope o Uni´n con flechas o
0.7 Respuesta temporal 0.6

5 Step Sum Gain

s+1 s2+4
y(t)

0.5

Transfer Fcn

Scope

0.4

0.3

0.2

2s+1 s+1 Transfer Fcn
0.1 0

0

0.1

0.2

0.3

0.4

0.5 t

0.6

0.7

0.8

0.9

1

Simulaci´n: Simulation → Simulation parameters o → t inicial, t final, algoritmo, paso, etc.

92

• Ejemplo, Circuito el´ctrico e
Z1 + v i1 Z2 i3 i2 Z3 Z5 Z6 Z4

Metodo de mallas: v = (z1 + z2 + z4 )i1 − z2 i2 − z4 i3 0 = −z4 i1 − z5 i2 + (z4 + z5 + z6 )i3 0 = −z2 i1 + (z2 + z5 + z3 )i2 − z5 i3

En forma matricial: V = Z I, es decir      i1 v z 1 + z 2 + z4 −z2 −z4 0 =  −z4 −z5 z4 + z5 + z6  i2  −z2 z 2 + z5 + z3 −z5 i3 0 Soluci´n: o I = Z −1 V

93

• C´lculo con Matlab para c. alterna a
Escribimos en el archivo circuito.m los datos y las ´rdenes oportunas. o
Vef=220; f=50; w=2*pi*f; R1=1; L1=0.1; C1=100e-6; z1=R1+j*L1*w+1/(i*C1*w) R2=1; L2=0.03; C2=220e-6; z1=R2+j*L2*w+1/(i*C2*w) R3=0.25; L3=0.2; C3=100e-6; z1=R3+j*L3*w+1/(i*C3*w) R4=5; L4=0.1; C4=100e-6; z1=R4+j*L4*w+1/(i*C4*w) R5=20; L5=0.01; C5=100e-6; z1=R5+j*L5*w+1/(i*C5*w) R6=25; L6=0.33; C6=100e-6; z1=R6+j*L6*w+1/(i*C6*w) V = [Vef 0 0]’ Z = [ z_1+z_2+z_4 - z_2 - z_4 -z_4 - z_5 z_4+z_5+z_6 -z_2 z_2+z_5+z_3 - z_5 ]; I = inv(Z)*V

Para hacer el c´lculo, en la pantalla de comandos de Matlab escribimos a >> circuito y, pulsando Enter , obtendremos el vector intensidades: I = [17.9962 + 10.1363i, 2.1462 − 3.5405i, −0.4702 − 1.3816i]

94

3. Sistemas no lineales – p´ndulo e
Ecuaci´n diferencial: o f (t) − mg sin(β(t)) − ma = 0 ¨ f (t) − mg sin(β(t)) − mlβ(t) = 0 ¨ mlβ + mg sin(β) − f (t) = 0
f (t)

β

mg

˙ Cambio x1 := β,2 := β: x  x1 = x2 ˙ f (t) − mg sin x1  x2 = ˙ lm

En el archivo pendulo.m escribimos: Soluci´n num´rica del P.C.I.: o e function x_prima=p´ndulo(t,x) e >> t0=0; tf=5; % Interv. integraci´n o l=1; m=1; g=9.8; % Par´metros a >> x0=[0 0]’; % Cond. iniciales if t<1 % Fuerza exterior >> [t,x]=ode23(’p´ndulo’,t0,tf,x0); e f=1; >> plot(t,x) else f=0; end % Ecuac. estado: x_prima=[x(2) (f-m*g*sin(x(1)))/(m*l)]’;

95

3.1. Respuesta – modelo externo
k

y(t) 1.2

1

0.8

f (t) m 0
0.6 0.4

x(t)

b

0.2

Ecuaci´n diferencial: o m¨(t) + bx(t) + kx(t) = f (t) x ˙ ↓L ms2 X(s)+bsX(s)+kX(s) = F (s) f (t) = 1(t) ⇒ F (s) = 1/s Expansi´n en fraciones simples: o 1 G(s) = ms2 +bs+k ; X(s) = G(s) 1 s r1 r2 r3 X(s) = s−p1 + s−p1 + s−p3 L−1 es inmediata: y(t) = r1 ep1 t + r2 ep2 t + r3 ep3 t

0

0

5 t

10

15

C´lculo de x(t) con Matlab: a >> m=1; b=1; k=1; B=1; >> A=[m b k 0]; >> [r,p,c]=residue(B,A) >> t=[0:0.05:15]; >> x=r(1)*exp(p(1)*t) +r(2)*exp(p(2)*t) +r(3)*exp(p(3)*t); >> plot(t,x) .

M´s sencillo a´n: con impulse, step o lsim a u

96

• Resoluci´n simb´lica o o
Symbolic Toolbox de Matlab – Maple core – Transformada de Laplace L(f (t)) = F (s): >> F = laplace(f,t,s) Transformada inversa de Laplace L−1 (F (s)) = f (t): >> f = ilaplace(F,s,t) El mismo ejercicio anterior: >> >> >> >> >> >> >> syms s t m=1; b=1; k=1; G = 1/(ms^2+b*s+k); U = 1/s; Y = G * U ; y = ilaplace(Y,s,t); ezplot(y, [0,15], axis([0, 15, 0, 1.25])

−→ gr´fica igual que la de antes. a

97

3.2. Respuesta – modelo interno
k f( t ) m1 x1( t ) b x2( t ) m2

0

f (t)−k(x1 (t)−x2 (t))−b(x1 (t)−˙ 2 (t)) = m1 x1 (t) ˙ x ¨ k(x1 (t)−x2 (t))+b(x1 (t)−˙ 2 (t)) = m2 x2 (t) ˙ x ¨ Cambios: x3 = x1 , x4 = x2 , u := f ˙ ˙ ⇓ k b b 1 k ˙ ˙ x1 = − m1 x1 + m1 x2 − m1 x1 + m1 x2 + m1 u ¨ k k b b x2 = + m2 x1 − m2 x2 + m2 x1 − m2 x2 ¨ ˙ ˙ Modelo de estado (sup. salidas≡estados):        0 0 1 0 0 x1 x1 ˙ x2   0 0 0 1 x2   0  ˙        −k k −b b x3 = m m m m x3 + 1 u ˙ m1 1 1 1 1 k −k b −b x4 ˙ x4 0 m2 m2 m2 m2        y1 1 0 0 0 x1 0 y2  0 1 0 0 x2  0  =      y3  0 0 1 0 x3 + 0 u y4 0 0 0 1 x4 0

Resoluci´n con Matlab: o >> m_1=1; m_2=2; >> k=0.1; b=0.25; >> A=[0 0 1 0 0 0 0 1 -k/m_1 k/m_1 -b/m_1 b/m_1 k/m_2 -k/m_2 b/m_2 -b/m_2] >> B=[0 0 1/m1 0]’ >> C=eye(4,4); D=zeros(4,1); >> S=ss(A,B,C,D); % crea sistema >> t=[0:0.1:12]; >> % Respuesta a escal´n unitario: o >> y=step(S,t) >> % Gr´fica de la respuesta: a >> plot(t,y)

98

4. Sistema de primer orden
Respuesta impulsional 1 0.9 0.8 0.7 0.6 0.5 0.4

U (s) E Entrada:

A s+a

Y (s) E

Impulso de Dirac L u(t) = δ(t) −→ U (s) = 1 A G(s)U (s) = s+a = Y (s) L−1 (Y (s)) = y(t) = Ae−at Escal´n unitario o L u(t) = 1(t) −→ U (s) = 1/s A G(s)U (s) = s(s+a) = Y (s) L−1 (Y (s)) = y(t) =
A a

0.3 0.2 0.1 0 0

0.5

1

1.5

2

2.5 t

3

3.5

4

4.5

5

Respuesta al escalon 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2

A −at ae

τ := 1/a constante de tiempo

0.1 0 0

0.5

1

1.5

2

2.5 t

3

3.5

4

4.5

5

99

5. Sistema de segundo orden
Respuesta impulsional 3 2.5

U (s) E

s2

2 ωn 2 + 2ξωn s + ωn

Y (s) E

2 1.5 1 0.5 0 -0.5 -1 -1.5 0

Entrada: • Impulso de Dirac L u(t) = δ(t) −→ U (s) = 1 ω2 G(s)U (s) = s2 +2ξωn s+ω2 = Y (s) n n √ √ωn e−ξωn t sin (ωn 1−ξ2 ) t y(t) =
1−ξ 2

0.5

1

1.5

2

2.5 t

3

3.5

4

4.5

5

im s
1

• Escal´n unitario o L u(t) = 1(t) −→ U (s) = 1/s G(s)U (s) =
2 ωn 2 +2ξω s+ω 2 ) s(s n n

ω
n

y(t) = 1 − √ 1

1−ξ 2

= Y (s) √ e−ξωn t sin (ωn 1−ξ2 t + α) ξ: coef. amort.
s
2

α ξω n

ϕ re

ωn : pulsaci´n nat. o

100

6. Linealizaci´n o
a) Caso monovariable. x = f (x(t), u(t), t), ˙ x ∈ R, u ∈ R b) Caso multivariable f (.), x(.), u(.): vectores. ⇒ fx (.) y fu (.): jacobianos de f (.) resp. de x y u
∂f ∂x

Soluci´n {x0 (.), u0 (.)} (equilibrio). Perturbamos: o x(t) = x0 (t) + δx(t), Suponemos que (δx)i = o(δx, δu), (δu)i = o(δx, δu), i > 1 Derivando respecto a t, ˙ x(t) = x0 (t) + δx(t) ˙ ˙ tenemos que ˙ δx(t) = x(t) − x0 (t) ˙ ˙ f (.) lisa ⇒ Desarrollo Taylor: f (x, u, t) = f (x0 , u0 , t) + fx δx + fu δu + o(δx, δu) x − x0 = fx δx + fu δu + o(δx, δu) ˙ ˙ ˙ δx = Aδx + Bδu + o(δx, δu) en donde ∂f , A = fx (t) = ∂x x0 ,u0

u(t) = u0 (t) + δu(t)

Jx0 =

x0 ,u0

∂f . . . ∂x1 n B C = @ ... ... ... A ∂fn ∂fn . . . ∂x ∂x ∂f1 ∂x1
0
1

0

1

J u0 =

∂f ∂u

x0 ,uo

∂f . . . ∂u1 n B C = @ ... ... ... A ∂fn ∂fn . . . ∂u ∂u
1 n

∂f1 ∂u1

n 1x0 ,u0

x0 ,u0

De donde ˙ δx = fx δx + fu δu o bien ˙ ¯ x(t) = A(t)¯ (t) + B(t)¯ (t) x u ¯ ¯ en donde x(t) = δx(t), u(t) = δu(t), A(t) = fx (t), B(t) = fu (t) Las matrices A(t) y B(t) (jacobianos) son funciones de tiempo si la soluci´n de la ecuaci´n difereno o cial no es constante. (4.1)

∂f B = fu (t) = ∂u x0 ,u0

101

• Ejemplo. Dep´sito o

Punto de funcionamiento (o estado de equilibrio) a0 , h0 : valores de equilibrio de (a(t), h(t)). x(t) := h(t)−h0 y u(t) := a(t)−a0 : incrementos. f (h, a) =
p 1 a(t) 2gh(t), A1

“peque˜ os” n

h( t )

Derivando f respecto de h, tenemos
q( t ) a( t )

Area A1

1 2ga ∂f ga0 √ √ = := A, = ∂h ho ,a0 A1 2 2gh ho ,a0 A1 2gh0 y, derivando f respecto de a, ∂f 1 p = 2gh0 := B. ∂a ho ,a0 A1 Modelo linealizado en h0 , a0 : 

Elemento – masa m: 1 Ep = mgh(t) = mv(t)2 = Ec , 2 p ⇒ velocidad de salida v(t) = 2gh(t). Caudal de salida: q(t) = a(t)v(t) = a(t)
p

2gh(t)

Pero caudal = variaci´n de volumen, o d dh q(t) = A1 h(t) = A1 dt dt Igualando, p 1 dh = a(t) 2gh(t) dt A1

x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t)

Hemos supuesto (impl´ ıcitamente) que no hay p´rdidas de energ´ por rozamiento. e ıa

102

7. Respuesta de frecuencia
U (s)E Entrada sinusoidal: L u(t) = sin ωt −→ U (s) = Y (s) = ω s2 + ω 2 ⇒ ω G(s) = Y (s) s2 + ω 2 G(s) Y (s)E G(s) = b(s) a(s) estable

¯ k0 k0 k1 k2 kn + + + + ... + s − iω s + iω s − s1 s − s2 s − sn ¯0 , k1 , . . . , kn : res´ s1 , . . . , sn : ra´ ıces (sup. simples) de a(s); k0 , k ıduos de Y (s). ¯ y(t) = k0 eiωt + k0 e−iωt + K1 es1 t + K2 es2 t + . . . + Kn esn t yss (t) →0

yss (t) = M sin(ωt + φ) M = |G(iω)| , φ = arg G(iω)

103

7.1. Diagrama de Nyquist
Es un gr´fico en C de la funci´n a o M´todos: e Manual – tabla de valores 1 s+1 M = |G(iω)| G(s) = φ = arg G(iω) G:R → C ω → G(iω)

ω 0.0 0.5 1.0 1.5 2.0 3.0 5.0 10.0

M 1.000 0.894 0.707 0.555 0.447 0.316 0.196 0.100

φ 0.0 -26.6 -45.0 -56.3 -63.4 -71.6 -78.7 -84.3

Con Matlab:

[M,phi] = nyquist(num,den,w)

104

7.2. Criterio de Nyquist
Sirve para averiguar si un sistema con realimentaci´n, de la forma o U (s) Y (s) E j E G(s) r E
T

H(s) ' es estable o no, conociendo el diagrama de Nyquist de G(s)H(s) y el n´mero de polos u en C+ de G(s)H(s).

• Principio del argumento
Sea f : C → C anal´ ıtica en todos los puntos –excepto en un n´mero finito de polos– u de un dominio D y en todos los puntos de su contorno δ, y sean Zf y Pf los n´meros u de polos y de ceros, respectivamente, de f (z) en D. Entonces Zf − Pf = 1 ∆ arg f (z) 2π s∈γ

105

T Plano z

TPlano f (z)

E

E

Principio del argumento
TPlano G(s)H(s)

T Plano s

E

−1

E

Criterio de Nyquist

106

• Criterio de estabilidad de Nyquist
G(s) = T (s) =
nG dG ,

H(s) = =

nH dH ,

G(s)H(s) = =

nG nH dG dH

G(s) 1+G(s)H(s)

nG dG nG nH 1+ d d G H

nG dH dG dH +nG nH

F (s) = 1 + G(s)H(s) = 1 +

nG nH dG dH

=

dG dH +nG nH dG dH

polos de T (s) ≡ ceros de F (s) polos de G(s)H(s) ≡ polos de F (s) Aplicamos el principio del argumento a F (s):
1 ∆ 2π s∈γ

arg F (s) = ZF − PF = PT − PGH

Criterio de Nyquist: PT = PGH + 1 ∆ arg F (s) 2π s∈γ

No polos de T (s) en C+ = No de polos de G(s)H(s) en C+ + No de vueltas de G(s)H(s) alrededor de (-1 + 0j)

107

• Ejemplo 1
Plano s 1 2 1 0 −1 −2 −1 −2 −1 0 1 2 −1 −0.5 0 0.5 1 0.5 Plano G(s)H(s)

0

−0.5

1 G(s) = , (s + 1)(s + 2)

H(s) = 2

Polos de G(s)H(s) = {−1, −2} PT = PGH + T (s) = 1 ∆ arg F (s) = 0 + 0 = 0 2πs∈γ es estable.

G(s) 1 + G(s)H(s)

108

• Ejemplo 2
Plano s 1 2 1 0 −1 −2 −1 −2 −1 0 1 2 −1 −0.5 0 0.5 1 0.5 Plano G(s)H(s)

0

−0.5

5 G(s) = 3 , s + 5s2 + 9s + 5

H(s) = 1

Polos de G(s)H(s) = {−2 + i, −2 − i, −1} PT = PGH + T (s) = 1 ∆ arg F (s) = 0 + 0 = 0 2πs∈γ es estable.

G(s) 1 + G(s)H(s)

109

• Ejemplo 3
Plano s 1 2 1 0 −1 −2 −1 −2 −1 0 1 2 −2 −1.5 −1 −0.5 0 0.5 Plano G(s)H(s)

0

−0.5

5 G(s) = 4 , s + 4s3 + 4s2 − 4s − 5

H(s) = 2

Polos de G(s)H(s) = {−2 + i, −2 − i, −1, 1} PT = PGH + T (s) = 1 ∆ arg F (s) = 1 + 1 = 2. 2πs∈γ es inestable.

G(s) 1 + G(s)H(s)

110

• Ejemplo 4
Plano s 1 2 1 0 −1 −2 −1 −2 −1 0 1 2 −2 −1.5 −1 −0.5 0 0.5 Plano G(s)H(s)

0

−0.5

5 G(s) = 4 , H(s) = 1.4(s + 0.95) s + 4s3 + 4s2 − 4s − 5 Polos de G(s)H(s) = {−2 + i, −2 − i, −1, 1} PT = PGH + T (s) = 1 ∆ arg F (s) = 1 − 1 = 0. 2πs∈γ es estable.

G(s) 1 + G(s)H(s)

111

7.3. Diagramas de Bode
Se compone de dos gr´ficos en R, asociados a la funci´n a o G:R → C ω → G(iω), que representan M (ω) y φ(ω). M´todos: e Manual – l´piz y regla a Con Matlab: bode(num,den,w)
-4
ωn=10 ζ=1/8

0

dB

/d e

c

112

8. El lugar de las ra´ ıces
U (s) j E E+ k
−T

E G(s)

s Y (s) E

H(s) ' nH nG , H(s) = , k∈R dG dH nG nH Z(s) (s − z1 )(s − z2 ) . . . (s − zm ) G(S)H(s) = = =K dG dH P (s) (s − p1 )(s − p2 ) . . . (s − pn ) G k nG kG(s) k nG d H d T (s) = = nG nH = 1 + kG(s)H(s) 1 + k dG dH d G d H + k nG n H G(s) = = nT k nG d H = P (s) + k Z(s) dT

L.R. es el lugar geom´trico, en C, de las ra´ e ıces de dT (s) al variar k en R+

113

8.1. Reglas para el trazado
|s − z1 ||s − z2 | . . . |s − zm | jΣφi Z(S) |s − z1 |ejφz1 . . . |s − zm |ejφzm = = e jφp1 . . . |s − p |ejφpn P (s) |s − p1 | . . . |s − pn | |s − p1 |e n Ecuaci´n caracter´ o ıstica: P (s) + kZ(S) = 0 k Z(S) |s − z1 | . . . |s − zm | jΣφi = −1 ⇐⇒ k e = e±j(2k+1)π , P (s) |s − p1 | . . . |s − pn | k = 0, 1, 2, . . .

1. Condici´n ´ngulo – trazado o a arg[kG(s)H(s)] = Σφi = ±(2k + 1)π 2. Condici´n de magnitud – c´lculo de k en cada punto o a k= ⇓ Reglas para el trazado |s − p1 | . . . |s − pn | |s − z1 | . . . |s − zm |

114

8.2. Trazado por computador
Ejemplo de trazado del lugar de las ra´ ıces mediante MATLAB: G(s)H(s) = s+1 s(s + 2)(s2 + 6s + 13)
6

>> num=[1 1] >> den=conv([1 2 0],[1 6 13]) >> rlocus(num,den)
Eje Imag

4

2

0

-2

-4

-6 -6

-4

-2

0 Eje Real

2

4

6

115

Cap´ ıtulo 5. Realizaci´n del control o
Realizaciones
Realizaci´n matem´tica lineal de orden n. o a Dada G(s) ∈ R(s)p×q , hallar A, B, C, D, tales que el sistema x(t) = A x(t) + B u(t) ˙ y(t) = C x(t) + D u(t), con A ∈ Rn×n , B ∈ Rn×q , C ∈ Rp×n , D ∈ Rp×q , tenga por matriz de transferencia G(s). Se llama realizaci´n minimal si el n´mero entero n es el menor que o u puede encontrarse. Las m´s simples son las llamadas realizaciones can´nicas: a o controlador, observador, controlabilidad y observabilidad. Realizaci´n anal´gica. – modelo – circuito electr´nico o o o Realizaci´n digital. – programa (Matlab, Simulink, C++, Java, etc.) o Realizaci´n f´ o ısica. – prototipo – fabricaci´n o

116

1. Realizaci´n f´ o ısica
Entrada E+ m E − T C E A E P r SalidaE

S

'

P Planta o proceso a controlar. –fijo –dado A Actuador. –potencia suficiente para ”mover”la planta S Sensor. –adecuado a la se˜al de salida n C Controlador. –PID –adelanto/retraso –anal´gico/digital o En el caso lineal los bloques son funciones de transferencia Diferentes tecnolog´ ıas: neum´tica, el´ctrica, electr´nica a e o Los bloques A y S son (pr´cticamente) constantes a Problema de dise˜o: Dada la planta P , hallar C para que el sistema funcione n de forma adecuada (especificaciones).

117

2. Sensores Partes de un sensor
Captador: dispositivo con un par´metro p sensible a una magnitud f´ a ısica h – emite energ´ w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte. ıa Transductor: recibe la energ´ w del captador, la transforma en energ´ el´ctrica ıa ıa e e(t) y la retransmite. Acondicionador: recibe la se˜al e(t) del transductor y la ajusta a los niveles de n voltaje e intensidad, precisos para su posterior tratamiento, dando v(t).
h(t) Captador p ( h) w (p ) ( h ) ( t ) Transductor e(t ) Acondicionador v(t )

Sensor = Captador + Transductor + Acondicionador Anal´gicos: todas las se˜ales son anal´gicas o n o Digitales: v(t) digital. Sistemas de control: medici´n de variables que intervienen en el proceso. o El sensor ha de ser de gran calidad. Est´tica – Din´mica. a a

118

2.1. Tipos de sensores
Anal´gicos: par´metro sensible – magnitud f´ o a ısica Resistencia R – desplazamiento, temperatura, fuerza (galgas) Capacidad C – desplazamiento, presencia Autoinducci´n, reluctancia L – desplazamiento (n´cleo m´vil) o u o Efecto Seebeck – temperatura (termopar) Piezoelectricidad – fuerza, presi´n o Dispositivos electr´nicos – temperatura, presi´n o o Avanzados: ionizaci´n, ultrasonidos, l´ser, c´maras CCD, etc. o a a Digitales: binarios o n bits Fin de carrera – presencia (interruptor) Dilataci´n – temperatura (termostato) o Resistencia, capacidad, autoinducci´n – presencia o Efecto fotoel´ctrico – presencia (1 bit), posici´n (n bits), velocidad e o

119

2.2. Clasificaci´n o
Aspecto – tipos Se˜al de salida – anal´gicos, digitales n o Energ´ – pasivos, activos ıa Funcionamiento – deflexi´n, comparaci´n o o

Caracter´ ısticas
Aspecto – caracter´ ısticas Dise˜o – el´ctrico, dise˜o mec´nico, actuaci´n n e n a o Escalas – rango, resoluci´n o Est´tica – precisi´n, linealidad, hist´resis, repetitividad, derivas a o e Din´mica – orden cero, orden uno, orden dos a Fiabilidad

120

2.3. Calibraci´n o
Ensayo: entrada h = magnitud de valor conocido – salida medida v Tabla de calibraci´n: varios puntos h1 → v1 , . . . , hn → vn , dentro del rango o Curva de Calibraci´n: representaci´n gr´fica (h, v) o o a Necesario: aparato de medida de mayor precisi´n que el sensor o Linealizaci´n: curva de calibraci´n → l´ o o ınea recta Por punto final: v = m h, en donde m = vn /hn Por l´ ınea independiente: v = m h + b Por m´ ınimos cuadrados: v = m h + b, en donde
n n n n n

n m=
i=1 n

hi vi − h2 − i
i=1

hi
i=1 n i=1 i=1

vi
2

vi , b=
i=1

hi − m i=1 n

n

n

hi

121

2.4. Tipos de transductores
Temperatura Termistor – par´metro sensible: R (ptc, ntc) a Termopar – ∆T → ∆v – r´pido (ms) – se˜al d´bil – T alta a n e Circuitos integrados – LM335 (10 mV/0 K), AD592 (1µ A/0 K). Posici´n o Resistivos – potenci´metro (R) – lineal y angular o Inductivos – LVDT Encoder – digital – lineal y angular Ultrasonidos L´ser a Velocidad D´ ınamo tacom´trica e Encoder Aceleraci´n, fuerza, presi´n, luz, color, etc. o o

122

2.5. El potenci´metro como sensor de posici´n o o
V+ i(t)
c

Rx = vx (t) i(t) =

ρ x(t) A V+ R V+ ρ x(t) = Kpot x(t) A R

R Rx x(t) 0

vx (t) = Rx i(t) =

Ventajas: precio econ´mico o Inconvenientes: –rozamiento –ruido en la medida Tipos: –lineal –circular –de una vuelta –de varias vueltas Si ponemos V − en vez de 0 mide x negativos

123

3. Actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia. Transforma energ´ el´ctrica → el´ctrica – el´ctrica → mec´nica – etc. ıa: e e e a

3.1. Tipos de actuadores
Actuadores hidr´ulicos – potencia alta a Principio de Pascal – aceite especial – 200 bar – 0.25 l/s Cargas mayores de 6 o 7 Kg Control: servov´lvulas (con motor) – controlan el flujo de fluido a Actuadores neum´ticos – potencia baja – control neum´tico a a Cilindros - motores - movimientos r´pidos - poca precisi´n a o fluido: aire – aire comprimido – 5 a 10 bar Actuadores el´ctricos e Motores el´ctricos: C.C., C.A, lineales, paso a paso, brushless, etc. e

124

3.2. Otros actuadores
Rel´s – automatismos el´ctricos e e Contactores Arrancadores y Drivers para motores Amplificadores electr´nicos de potencia o

3.3. Accesorios mec´nicos a
M´quinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodia llos, poleas, agitadores, vibradores, etc. Poleas, cremalleras, pi˜ones: translaci´n → rotaci´n n o o Reductores de velocidad M´quinas complejas a

125

3.4. El motor de c.c.

N
φ
c

θ(t)

ca

i (t)

+

va (t)

φ
c

S
126

3.5. Ecuaciones diferenciales
Ra
+

ia (t)
E

if (t) φ(t)
' '

Rf
+

va (t)

La ea (t)

Lf

vf (t)

dif dt dia inducido: va (t) − ea (t) = Ra ia (t) + La dt flujo magn´tico: φ(t) = kf if (t) e inductor: vf (t) = Rf if (t) + Lf Pm (t) = kt φ(t) ia (t) dθ variables de rotaci´n: ω(t) = o dt f.c.e.m.: ea (t) = ke φ(t) ω(t) carga mec´nica: a Pm (t) − Pl (s) = Jm par motor: dω dt

α(t) =

dω + Bm ω(t) dt

127

3.6. Modelo externo
Transformada de Laplace con condiciones iniciales nulas: vf (t) = Rf if (t) + Lf va (t) − ea (t) = Ra ia (t) +
dif dt La dia dt

=⇒ Vf (s) = (Rf + s Lf )If (s) =⇒ Va (s) − Ea (s) = (Ra + s La )Ia (s)
L L L

L

φ(t) = kf if (t) =⇒ φ(s) = kf If (s) Pm (t) = kt φ(t) ia (t) =⇒ Pm (s) = kt φ(s) Ia (s) ω(t) =
dθ dt

α(t) =

dω dt

=⇒ ω(s) = sθ(s)
L L

L

α(s) = sω(s)

ea (t) = ke φ(t) ω(t) =⇒ Ea (s) = ke φ(s) ω(s) Pm (t) − Pl (t) = Jm dω + Bm ω(t) =⇒ Pm − Pl = s Jm + Bm ω(s) dt Motor de c.c. controlado por inducido: φ = cte.
Va (s) m E 1 Ia (s) E+ E Kt sLa + Ra − T Ea (s)

Kt = kt φ ,

Ke = ke φ
r ω(s) E

Pl (s) c Pm (s) m E E+ 1 sJm + Bm

Ke '

128

3.7. Funci´n de transferencia del motor o
Y (s) = G(s) U (s) U (s) = G11 = Va (s) Pm (s) G(s) ∈ R(s)1×2 Y (s) = ω(s)

G(s) = G11 G12 Kt

(sLa + Ra )(sJm + Bm ) 1 + = G12 s2 La Jm

Kt Ke (sLa + Ra )(sJm + Bm )

Kt + s(La Bm + Ra Jm ) + Ra Bm + Kt Ke 1 = Kt Ke (sJm + Bm ) 1 + (sLa + Ra )(sJm + Bm ) sLa + Ra s2 La Jm + s(La Bm + Ra Jm ) + Ra Bm + Kt Ke Va (s) = G11 Va (s) + G12 Pm (s) Pm (s)

=

ω(s) = G11 G12

129

3.8. Reductor de velocidad
Pl Pm

1
2 2 2

2
L L L L

3

4

1 : Pm (t) − P21 (t) = J1 ddtθ1 + B1 dθ1 =⇒ Pm (s) − P21 (s) = s (J1 s + B1 ) θ1 (s) 2 dt 2 : P12 (t) − P32 (t) = J2 ddtθ2 + B2 dθ2 =⇒ P12 (s) − P32 (s) = s (J2 s + B2 ) θ2 (s) 2 dt 3 : P23 (t) − P43 (t) = J3 ddtθ3 + B3 dθ3 =⇒ 2 dt 4 : P34 (t) − Pl (t) =
P Pm (s)  E + 21 E  T − J1 s+B1
2 J4 ddtθ4 2

P23 − P21 (s) = s (J3 s + B3 ) θ3 (s) P34 − Pl (s) = s (J4 s + B4 ) θ4 (s)
Pl c  E+ E 1  sJ4 +B4

+

B4 dθ4 dt

=⇒

D2 d1

P12 

P E + 32 E  T −
J2 s+B2

D3 d2

P23 

P E + 43 E  T −
J3 s+B3

D4 d3

P34

sE

1 s

θ4 (s) E

T ω1

D2 d1

'

T s ω2

D3 d2

'

T s ω3

D4 d3

'

ω4

130

3.9. Funci´n de transferencia del reductor o
El diagrama de bloques puede reducirse a
Pl (s) c 1 Kr c Pm (s) m E+ ω1 (s) 1 E Kr sJr + Br ω4 (s) 1 E s θ4 (s) E

E

en donde Jr = Br = Kr =
d1 2 d2 2 d3 2 D2 2 D4 2 D3 2 d1 2 d2 2 d3 2 D2 2 D4 2 D3 2 d1 d2 d3 D2 D3 D4 .

J4 +

d1 2 d2 2 D3 2 D2 2

J3 +

d1 2 D2 2

J2 + J1 B2 + B1

B4 +

d1 2 d2 2 D3 2 D2 2

B3 +

d1 2 D2 2

Es un sistema de primer orden (para ω) o de segundo (para θ).

131

3.10. Reductor con poleas el´sticas a
ω1 (s) Pm (s)  E E+ E 1 J1 s+B1 
− P21 (s) T
r1 1 s

s

θ1 (s) E

1 : f12 (s) = K12 (r1 θ1 (s) − R2 θ2 (s)) P21 (s) = r1 f12 (s) P12 (s) = R1 f12 (s) Pm (s) − P21 (s) = s (J1 s + B1 ) 2 : f23 (s) = K23 (r2 θ2 (s) − R3 θ3 (s)) P32 (s) = r2 f23 (s) P23 (s) = R3 f23 (s) P12 (s) − P32 (s) = s (J2 s + B2 ) 3 : f34 (s) = K34 (r1 θ3 (s) − R2 θ4 (s)) P43 (s) = r3 f34 (s) P34 (s) = R4 f34 (s) P23 (s) − P32 (s) = s (J3 s + B3 ) 4 : P34 (s) − Pl (s) = s (J4 s + B4 )

c
r1

T

f12 (s) s
c
R2

K12

'

x1 (s) c  +  x2 (s) T −
R2

c  ω2 (s) 1 E + E J2 s+B2  − P32 (s) T

P12 (s)

T
1 s

θ (s) s 2 E
c

Pl (s)  E+ Es un sistema de orden 2 × no de poleas. Modelo externo: formula de Mason. 

132

3.11. Aplicaci´n pr´ctica: sistema de control de posici´n o a o
Vxr S
+ −

Motor de c.c. C A

Poleas x(t) Carrito

Entrada = Vx Salida = x(t)

–control –referencia –consigna

C Controlador = PID anal´gico o A Actuador = Amplificador de potencia P Planta = Motor c.c. + Poleas + Carrito S Sensor = Potenci´metro o

133

4. Especificaciones de funcionamiento
Son condiciones que se exigen a un sistema de control para que su funcionamiento sea aceptable. 1. Estabilidad 2. Rapidez 3. Precisi´n o Las especificaciones de funcionamiento suelen expresarse por n´meros que se definen u a partir de la respuesta en el tiempo la respuesta en frecuencia Problema de dise˜o: dado una planta o proceso a controlar y fijadas unas especifican ciones de funcionamiento, obtener el modelo matem´tico de un controlador tal que el a sistema de control resultante cumpla tales especificaciones.

134

4.1. Especificaciones en tiempo
Respuesta temporal: gr´fica de la se˜al de salida. a n Entradas de prueba: impulso de Dirac, escal´n unitario, funci´n rampa, funci´n o o o par´bola, etc. a Respuesta para entrada escal´n ⇒ revela especificaciones. o

Mp : tp :

estabilidad rapidez precisi´n o

error :

135

• Valores para el sistema de 2o orden
y(t) = 1 + 1 1− ξ2 e−ξωn t sin(ωn −ξ 2 ωn 1 − ξ2 + ωn ⇒ 1 − ξ 2 t − φ), 1 − ξ2 t= φ = arctan −ξ 1 − ξ2

y (t) = e−ξωn t ⇒ sin(ωn

sin(ωn kπ ,

1 − ξ 2 t) = 0 k = 0, 1, 2, . . .

1 − ξ 2 t) = 0

ωn

1 − ξ2

Para k = 1 (primer m´ximo), a tP = π ωn 1− ξ2 ; y(tP ) = 1 + 1 1 − ξ2 ⇒ e−ξωn tp (− 1 − ξ 2 cos π + ξ sin π) √
1−ξ 2

y(tp ) = 1 + MP

Mp = e−ξπ/

• Otros valores
tr = arctan(− 1 − ξ 2 /ξ) ωn 1− ξ2 , ts 4 , ξωn 1 = constante de tiempo ξωn

136

4.2. Especificaciones en frecuencia
Respuesta de G(s) con u(t) = A sin(ωt): yss (t) = M sin(ωt + φ), M = |G(jω)|, φ = arg G(jω)

• Frecuencias de corte: ωA , ωB ; -3 dB • Anchura de banda BW = ωB − ωA ⇒ rapidez • Ganancia en BW: constante ⇒ precisi´n o • M´rgenes de ganancia y fase a ⇒ estabilidad

No hay una relaci´n expl´ o ıcita entre las especificaciones en tiempo y en frecuencia.

137

5. Estabilidad, controlabilidad y observabilidad, sistemas lineales
Sistema lineal S: modelo de estado
A B C D

∈ R(n+q)×(n+p) ⇒ G(s) ∈ R(s)p×q

Estabilidad – G(s) – polos simples s1 , s2 , . . . , sn y(t) = k1 es1 t + k2 es2 t + . . . + kn esn t Si alg´n si ∈ C+ u ⇒ y(t) → ∞ – sistema inestable.

Controlabilidad: Q = [B AB A2 B . . . An−1 B] ∈ Rn×nq Observabilidad: R = [C CA CA2 . . . CAn−1 ]T ∈ Rnp×n S controlable ⇐⇒ rank Q = n S observable ⇐⇒ rank R = n

Si S es controlable y observable se puede realizar un feedback de estado para reubicar los polos de S, i.e., se puede S inestable
state feedback

−−−− −→

S estable

138

Cap´ ıtulo 6. Dise˜ o de Sistemas de Control continuos n
1. Introducci´n o
Aplicaci´n en numerosos campos en tecnolog´ y ciencia. o ıa pilotos autom´ticos en barcos o aviones a control teledirigido de naves espaciales controles de posici´n y velocidad – m´quinas herramientas o a control de procesos industriales – robots controles en autom´viles – suspensi´n activa o o controles en electrodom´sticos e Desarrollo: Bajo coste y miniaturizaci´n de electr´nica. o o Objeto del dise˜o: controlador. n Control: sistemas SISO y MIMO. Realizaci´n: componentes electr´nicos anal´gicos – computador digital. o o o

139

2. Tipos de controladores
Dise˜o: determinar Gc (s) para conseguir un adecuado funcionamiento. n
D(s) R(s) ε Gc Gp Y(s)

H

Controlador Gc (s): P I D PID Proporcional : Gc (s) = Kp Integrador : Gc (s) =
1 sTi

Derivativo : Gc (s) = sTd Gc (s) = Kp (1 +
1 sTi

+ sTd )

140

• Realizaci´n de los controladores o
Vi R Vo

P
R1

R2

V0 R1 + R2 R1 + R2 = = Kp = Vi R1 R1

C1
Vi R1 Vo

I
R

V0 1 =− ; Vi sR1 C1

Ti = sR1 C1

R1 Vi

C1
Vo

D
R

V0 = −sR1 C1 ; Vi

Td = sR1 C1

141

• Controlador PID
1

Gc =
Kp Vo

V0 Vi

= Kp 1 +

1 sTi

+ sTd Td = R3 C3

Vi

1 sT i

Kp =

R5 R4 ,

Ti = R2 C2 ,

sT d

R1 R1 R4

C2
R5 Vi R1 R4 Vo

R3

C3

R4

142

• Controladores de adelanto y de retraso de fase
Gc =
C R1 R1 C Vi R2 Vo

s − zc V0 = Kc Vi s − pc

a) | zc |<| pc | a) | zc |>| pc |

adelanto de fase retraso de fase

Vi

R2

Vo

a)

b)

s−z Gc = Kc s−pc = c

1+αT s α(1+T s) CR1 R2 R1 +R2

s−z Gc = Kc s−pc = c

1+T s 1+αT s

α=

R1 +R2 R2 ,

T =

α=

R1 +R2 R2 ,

T = R2 C

143

• Controlador de adelanto-retraso con red pasiva
C1

R1

R2 Vi C2 Vo

Gc =

V0 (1 + αT1 s)(1 + βT2 s) = Vi (1 + T1 s)(1 + T2 s)

donde α > 1, β = 1/α, αT1 = R1 C1 , T2 = R2 C2 y T1 T2 = R1 R2 C1 C2 .

144

• Controlador de adelanto-retraso con amp. operacional
C2 C1 R2 Vi R1 Vo

Gc =

V0 s − zc C1 (s + 1/R1 C1 ) = Kc =− Vi s − pc C2 (s + 1/R2 C2 )

Eliminando R2 Eliminando C2

⇒ ⇒

controlador PI controlador PD

145

3. Dise˜o en el lugar de las ra´ n ıces
G(s) = 1 s2

Sistema marginalmente estable para cualquier K.

146

• Efecto de a˜adir un cero n
Cero en z1 = (−2.5, 0); G(s) = s + 2.5 s2

Es como si z1 “tirase” del L.R. hacia s´ estabilizando el sistema. ı,

147

• Efecto de a˜adir un polo n
Polo en p1 = (−2, 0); G(s) = s2 (s 1 + 2)

Es como si p1 empujara al L.R., desestabilizando el sistema.

148

3.1. Dise˜o de un controlador de adelanto de fase n
El controlador es Gc (s) = Kc s − zc , s − pc |zc | < |pc | (6.2)

Dise˜o: hallar zc y pc para que el L.R. pase por un punto dado, definido a partir de n las especificaciones de funcionamiento. Ejemplo. Dado un sistema con G(s) = 1 , s2 H(s) = 1, (6.3)

dise˜ar un controlador de adelanto de fase para conseguir las siguientes especificacion nes de funcionamiento: Mp < 0.2, Ts < 4 s para = 2%

siendo ± la banda de tolerancia de error.

149

Resoluci´n. o Para el sistema de 2o orden sabemos que Mp = e−ξπ/ √
1−ξ 2

ξ=

− ln(Mp ) = 0.456. ln(Mp )2 + π 2

Para t = 4τ tenemos que e−t/τ = e−4 = 0.0183 < 0.02. Por tanto, si ts = 4τ tenemos que para t > ts se cumple que y(t) < 0.02. ts = 4τ = Sustituyendo, 4= 4 0.456 ωn ⇒ ωn = 2.22. 4 ξωn

Por tanto, el punto s0 ∈ C correspondiente a las especificaciones dadas es: s0 = −ξωn ± iωn 1 − ξ 2 = −1 ± 2i.

Ahora el problema es calcular Gc (s) para que el L.R. pase por s0 .

150

Ponemos el cero del controlador en el punto zc = −1, bajo el punto s0 = (−1 ± 2i) por donde ha de pasar el L.R.
im 3 Raíz deseada 2

1
θp 90º 116.56º

-5

-4

-3

-2

-1

re

Por la condici´n de ´ngulo, o a 90o − 2(116.56o ) − θp = −180o ⇒ θp = 38o ,

se deduce que el polo ha de ser pc = −3.6. Aplicando ahora la condici´n de m´dulo o o en el punto s = −1 + 2i resulta Kc = 8.1.

151

El lugar de las ra´ ıces del sistema con controlador es

El controlador dise˜ado es n

Gc (s) = 8.1

s+1 . s + 3.6

152

3.2. Dise˜o de un controlador PID n
Ejemplo. Se trata dise˜ar un controlador PID para un sistema con Gp (s) = 1/s2 y n H(s) = 1. Las especificaciones son las mismas en el ejemplo anterior. Mp < 0.2, Ts < 4 s para = 2%

siendo ± la banda de tolerancia de error. Resoluci´n. o Como en el ejemplo anterior, el lugar de las ra´ ıces ha de pasar por el punto s0 = (−1 ± 2j). La funci´n de transferencia del PID es o Gc = Kp 1 + = Td Kp con Kc = Td Kp . 1 + sTd sTi
1 Td s

= Kp

Td Ti s2 + Ti s + 1 Ti s (s − z1 )(s − z2 ) , s

s2 +

+

1 Td Ti

s

= Kc

153

im 3 Raíz deseada 2

1
θz2 90º 116.56º

-5

-4

-3

-2

-1

re

M´todo simple: e (a) suponemos que los ceros z1 y z2 son reales, (b) ponemos el cero z1 bajo la ra´ s0 deseada, ız (c) aplicando la condici´n de ´ngulo, determinamos el otro cero, o a (d) aplicando la condici´n de m´dulo, hallamos Kp . o o

154

(a) z1 y z2 en el eje real. (b) z1 = −1 (c) Condici´n de ´ngulo: o a 90o + θz2 − 3(116.56o ) = −180o , θz2 = 3(116.56) − 180o − 90o = 79.6952o

⇒ z2 = −1.3636. Con z1 y z2 ya podemos hallar Td , Ti y Kp : Kc s2 +
1 Td s

+

1 Td Ti

s

= Kc

(s − z1 )(s − z2 ) s2 + 2.3636s + 1.3636 ≡ Kc , s s

siendo Kc = Td Kp , de donde resulta Td = 1 = 0.4231 s, 2.3636 Ti = 2.3636 = 1.7333 s 1.3636

(d) Por ultimo, aplicando la condici´n de m´dulo, hallamos Kp . ´ o o √ ( 12 + 22 )3 Kc = 2.750 = Kc ⇒ Kp = = 6.5 2 + 22 Td 2 (1.3636 − 1)

155

156

Control del balanceo de una barra
Dise˜o de un sistema de control para mantener una barra en posici´n vertical. n o
y

• Barra de longitud l y masa m • Movimiento en el plano xy • Fuerza f (t) horizontal
θ

• Desplazamiento x(t) de la base • Giro θ(t) de la barra

¿Es posible el control —sin feedback— de la barra?
f x

157

Modelo matem´tico. 2a ley de Newton : a

d2 θ dt2 l l 3 1 1 l J := x2 dm = x2 ρAdx = ρA = ρAl l2 = m l2 3 3 3 0 0 2θ l l d f (t) cos θ(t) + mg sin θ(t) = J 2 2 2 dt P =J Linealizaci´n: cos θ o 1, sin θ θ ⇓ ⇓L

f (t) θ(t) mg

1 2 d2 θ l l ml − mg θ(t) = f (t) 2 3 dt 2 2
d2 θ dt2

3g 2l θ(t)

=

3 2ml

f (t)

(s2 −
O

3g 2l )θ(s)

=

3 2ml F (s)

Modelo externo: ⇒

θ(s) =

3 2ml

s2 −

3g 2l

F (s)

Datos:

g = 9.8, m = 1, l = 1

polos : p1 = 3.834058, p2 = −3.834058.

158

Lugar de las ra´ ıces.
Root Locus 5

4

3

2

1 Imaginary Axis

0

−1

−2

−3

−4

−5 −8

−6

−4

−2

0 Real Axis

2

4

6

8

Sistema inestable o marginalmente estable con controlador P

159

Dise˜ o de un controlador. n Especificaciones: 1 tp = , 4 Sistema de segundo orden: Mp = e−ξπ/ tp = Polo del sistema: s0 = −ξωn ± i ωn 1 − ξ 2 = −4.158883 ± 9.424777i √
1−ξ 2

Mp =

1 3

⇒ ⇒

ξ= ωn =

− ln(Mp ) = 0.403712 ln(Mp )2 + π 2 π tp 1 − ξ2 = 10.301589

π ωn 1 − ξ2

Problema: hallar Gc (s) para que el L.R. pase por s0 .

160

C´lculo de los par´metros de Gc (s). a a s0

φpc pc Condici´n de ´ngulo: o a φzc − φp1 − φp2 − φpc = (2k + 1)π

φp2 φzc zc p 2

φp1 p1

⇒ φpc = 0.840410 rad =48.151970o

⇒ pc = −4 − 8.440951 = −12.440951 Condici´n de m´dulo: o o |s0 − p1 ||s0 − p2 ||s0 − pc | K= = 156.425395 |s0 − zc |

161

Parte III. Automatizaci´n local o

162

Cap´ ıtulo 7. Aut´matas programables o
1. Descripci´n de un PLC o
Externamente un PLC se compone de una o varias cajas de pl´stico acopladas a mec´nica y el´ctricamente entre s´ Una de ellas contiene la CPU (Central Process a e ı. Unit) y las otras son m´dulos complementarios para entradas, salidas, comunicacioo nes, alimentaci´n y otras funciones especiales. o Datan de la d´cada de los 80 e – sustituir rel´s y temporizadores. e
CPU

Potentes PLC: operaciones potentes – tipo maestro. PLC’s de gama baja: actuadores – sensores – pocas I/O – tipo esclavo.

Tanto la CPU como los m´dulos adicionales tienen bornas para los cables de conexi´n o o del aut´mata con sensores y actuadores as´ como con otros aut´matas y ordenadores. o ı o

163

Arquitectura de un PLC
EPROM RAM CPU ROM EEPROM

Buses: direcciones − datos − control

relés − salidas

opto − entradas

Sistema basado en microprocesador. Entradas opto-acopladas y filtradas, salidas por rel´. e Alta inmunidad al ruido – gran fiabilidad.

164

Cableado directo I/O (obsoleto)
CPU

Drivers

Drivers

Proceso 1

Proceso 2

Proceso 3

Sensores y actuadores cl´sicos. a Las entradas – salidas se cablean hasta el proceso. Posiblilidad de errores de transmisi´n. o Gran cantidad de cables.

165

Cableado por bus de campo
0
CPU

1

2
CPU

3

Proceso 1

Proceso 2

Sensores y actuadores “inteligentes”. Aut´mata esclavo en proceso. o Reducido numero de cables. Posibilidad de usar elementos de radiofrecuencia.

166

2. Programacion de PLC’s
Lenta evoluci´n de los lenguajes de control industrial. o Motivo: los programas se pueden usar en ´reas en las que los fallos pueden originar a riesgos para la seguridad humana o producir enormes p´rdidas econ´micas. e o Antes de que una nueva t´cnica ser aceptada, debe ser probada para verificar que e cumple unas severas condiciones de seguridad y fiabilidad. Los programas deben ser comprendidos por otras personas ajenas al programador: t´cnicos (electricistas, mec´nicos, etc.), encargados de planta e ingenieros de proceso e a → lenguajes con caracter´ ısticas especiales. Es posible resolver el mismo problema con diferentes lenguajes. El grado de dificultad puede variar. Hay sistemas que convierten autom´ticamente de un lenguaje a otro. a Programaci´n con rat´n mediante interfaces gr´ficas bajo windows. o o a

167

La norma IEC 1131
Intento de normalizaci´n del empleo de PLC’s en automatizaci´n. o o Antes de la IEC 1131-3: lenguajes espec´ ıficos de cada PLC → confusi´n, mala coordinaci´n y p´rdidas de tiempo y dinero. o o e Objetivo de la IEC 1131-3: hacer que los programas se entiendan mejor. Familias de la IEC 1131: IEC 1131-1 Informaci´n general: definici´n de t´rminos, normas para la elecci´n o o e o de PLC’s y perif´ricos. e IEC 1131-2 Hardware: requisitos m´ ınimos de construcci´n y servicio. o IEC 1131-3 Lenguajes de programaci´n: elementos comunes, sintaxis, sem´ntica. o a IEC 1131-4 Gu´ de usuario: para todo proyecto de automatizaci´n. ıa o IEC 1131-5 Comunicaciones: PLC – perif´ricos, PLC – PLC, PLC – PC. e

168

La IEC 1131-3. Lenguajes de programacion
Norma para el dise˜o de software para sistemas de control industrial, en particular n para PLC’s (Programmable Logic Controller). Fue publicada por primera vez en 1993. Hasta entonces no hab´ ning´n est´ndar ıa u a para la programaci´n de sistemas PLC. o Lenguajes incluidos en la norma IEC 61131-3: Structured Text (ST) Function Block Diagram (FBD) Ladder Diagram (LD) Instruction List (IL) Sequential Function Chart (SFC) Metodolog´ flexible de programaci´n. ıa o Permite combinar bloques realizados en diferentes lenguajes.

169

2.1. Ladder Diagram (LD)
Lenguaje de contactos Dise˜ado para t´cnicos electricistas n e Cada contacto representa un bit: entrada, salida, memoria Dise˜o con Statecharts, SFC. n Aut´matas gama alta: programables en C o SFC o Aut´matas gama baja: conversi´n (manual) SFC → LD o o M a
     

B

b

c

Si se activa la entrada M y no se activa el bit a o se activa el bit b y se activa el bit c entonces se activa la salida B.

170

Conversion manual SFC → LD
ON 0 r1 e0 1 r2 e1 2 e3 r2 keep(11) e2 e2 r1 keep(11) e1 keep(11) e1 e0

. r3 . rn .
n

. . .
en−1 en+1 rn

. . .
keep(11) en

rn+1

171

3. C´lula flexible SMC e
Transfer (cinta trasportadora) + 8 Estaciones.

Producto: montaje simple

172

Estaci´n 1 o

Elementos Actuadores: 6 cilindros neum´ticos a controlados por electrov´lvulas a Sensores: detectores magn´ticos e Pulsadores de marcha, paro y rearme. Selector ciclo, seccionador, seta emergencia Piloto indicador error PLC con 13 entradas y 10 salidas Operaciones Sacar la base del almac´n (cilindro A) e Verificar posici´n correcta (cilindro V) o Trasladar base al manipulador (cilindro T) Rechazar base incorrecta (cilindro R) Insertar base en palet (cilindros MH y MV)

173

Grafcet estaci´n 1 o

174

Simulaci´n estaci´n 1 en Matlab o o

175

v vA base vP vT vE v

L R x

A
L R x

1 0 pos 1 0 vacio 1 0 c.i. 0
ci vacio

vMV vMH FM PD v

P
L R x

Chart
v

T
L R x

E
v L R x

Defecto 0 Falta material 1 0 rearme
v

MV
L R x

MH

Scope

176

estacion1s/Chart
S0/ [ci==1] [ci==0]

S1/entry: vA=1; % avance AP a1 S2/entry: vA=0; vP=1; % bajar VP p1 S2w/entry: vP=0; t0=t; [t>t0+5] S3/entry: vP=−1; % subir VP p0 S3w/entry:vP=0; t0=t; % temporizador [t>t0+5] S4/entry: vA=−1; % retro. A a0 S5/entry: vA=0; vT=1; % trasladar tr1 S6/entry: vT=−1; % traslado atras tr0 S6a/entry: vT=0; % traslado atras [base==0] S7/entry: vE=1; % expulsar e1 e0 S8/entry: vE=−1; % expulsor atras exit: vE=0; S10/entry: vMV=0;

S30/entry: PD = 1; rearme S31/ % poner c.i. [ci==1] S32/entry: PD = 0;

[base==1] S9/entry: vMV=1; % bajar MV mv1

[vacio==0] [vacio==1] S11/entry: vMV=−1; % subir MV mv0 S12/entry: vMV=0; vMH=1; % avance MH mh1 S13/entry: vMH=0; vMV=1; % bajar MV mv1 S14/entry: vMV=0; % cesar vacio ven S20/entry: FM = 1; rearme S21/entry: FM=0; vMV=−1; % subir MV exit: vMV=0; mv0

S15/entry: vMV=−1; % subir MV mv0 S16/entry: vMV=0; vMH=−1; % retro MH exit: vMH=0; mh0

Printed 03−May−2005 18:20:38

177

3.1. Aut´mata programable Omron CPM2A-30CDR-A o
Lenguaje: LD + instrucciones –16 bits– Entradas: IR 00000-IR 00915 (o bits) Ch: 00.00 a 00.11 y 01.00 a 01.05 Salidas: IR 01000-IR 01915 (o bits) Ch: 10.00 a 10.07 y 11.00 a 00.03 Bits: IR 02000-IR 04915 y IR 20000-IR 22715 Especial: SR 22800-SR 25515 Temporal: TR 0-TR 7 Holding: HR 0000-HR 1915 Auxiliar: AR 0000-AR 2315 Link: LR 0000-LR 1515 Timers: TIM/CNT 000 to TIM/CNT 255 Memoria datos: DM 0000-DM 6655 (RW) Interrupciones externas: 4 Salida de pulsos: 2 puntos 10 KHz Entradas respuesta r´pida: 4 (50µ s) a Controles anal´gicos: 2 (0-200) o 2 Puertos comunicaciones: perif., RS232

ccccccccc ccccccccc 18 entradas

Programa

Memoria

Perif.

12 salidas cccccc cccccc

RS-232

178

3.2. Ejemplos
Programa 1: al pulsar M se encender´ la luz FM. a M 0.00 


FM

11.01

179

Programa 2: al pulsar M se encender´ la luz FM y se mantendr´ encendida; al pulsar a a P se apagar´. a M 0.00 P 0.01 e hr00 keep(11) e 



FM

11.01

180

Dise˜ o con StateCharts n

chart_1cil_doble_4e/Chart

va vr

va vr

si sd x

A/ va=1; %avance vr=0; M sd

Chart 1 0 M

cilindro A

I/ va=0; vr=0;

D/ va=0; vr=0;

Scope

si
x(t) 0 1 0 1 0 1 2 vr 3 x 2 sd 1 si

R/ va=0; %retro. vr=1;

M

1 va

1 s

Printed 09−May−2005 12:07:20

181

Implementaci´n con LD o
ON 0.00 R si keep(11) I

20.03 0.04 A 20.01 I

M keep(11) A

20.00 0.01 D 20.02 A

sd keep(11) D

20.01 0.05 R 20.03 D

M keep(11) R

20.02 0.01 I 20.00 A 20.01 R 20.03

va

g

10.01 vr

g

10.02

182

Cap´ ıtulo 8. Sensores
Partes de un sensor
Captador: dispositivo con un par´metro p sensible a una magnitud f´ a ısica h – emite energ´ w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte. ıa Transductor: recibe la energ´ w del captador, la transforma en energ´ el´ctrica ıa ıa e e(t) y la retransmite. Acondicionador: recibe la se˜al e(t) del transductor y la ajusta a los niveles de n voltaje e intensidad, precisos para su posterior tratamiento, dando v(t).
h(t) Captador p ( h) w (p ) ( h ) ( t ) Transductor e(t ) Acondicionador v(t )

Sensor = Captador + Transductor + Acondicionador Anal´gicos: todas las se˜ales son anal´gicas o n o Digitales: v(t) digital. Sistemas de control: medici´n de variables que intervienen en el proceso. o El sensor ha de ser de gran calidad. Est´tica – Din´mica. a a

183

1. Tipos de sensores
Anal´gicos: par´metro sensible – magnitud f´ o a ısica Resistencia R – desplazamiento, temperatura, fuerza (galgas) Capacidad C – desplazamiento, presencia Autoinducci´n, reluctancia L – desplazamiento (n´cleo m´vil) o u o Efecto Seebeck – temperatura (termopar) Piezoelectricidad – fuerza, presi´n o Dispositivos electr´nicos – temperatura, presi´n o o Avanzados: ionizaci´n, ultrasonidos, l´ser, c´maras CCD, etc. o a a Digitales: binarios o n bits Fin de carrera – presencia (interruptor) Dilataci´n – temperatura (termostato) o Resistencia, capacidad, autoinducci´n – presencia o Efecto fotoel´ctrico – presencia (1 bit), posici´n (n bits), velocidad e o

184

1.1. Clasificaci´n o
Aspecto – tipos Se˜al de salida – anal´gicos, digitales n o Energ´ – pasivos, activos ıa Funcionamiento – deflexi´n, comparaci´n o o

1.2. Caracter´ ısticas
Aspecto – caracter´ ısticas Dise˜o – el´ctrico, dise˜o mec´nico, actuaci´n n e n a o Escalas – rango, resoluci´n o Est´tica – precisi´n, linealidad, hist´resis, repetitividad, derivas a o e Din´mica – orden cero, orden uno, orden dos a Fiabilidad

185

2. Calibraci´n o
Ensayo: entrada h = magnitud de valor conocido – salida medida v Tabla de calibraci´n: varios puntos h1 → v1 , . . . , hn → vn , dentro del rango o Curva de Calibraci´n: representaci´n gr´fica (h, v) o o a Necesario: aparato de medida de mayor precisi´n que el sensor o Linealizaci´n: curva de calibraci´n → l´ o o ınea recta Por punto final: v = m h, en donde m = vn /hn Por l´ ınea independiente: v = m h + b Por m´ ınimos cuadrados: v = m h + b, en donde
n n n n n

n m=
i=1 n

hi vi − h2 − i
i=1

hi
i=1 n i=1 i=1

vi
2

vi , b=
i=1

hi − m i=1 n

n

n

hi

186

3. Tipos de transductores
Temperatura Termistor – par´metro sensible: R (ptc, ntc) a RT = R0 e
1 1 β(( T )−( T )) 0

,

β = cte.,

T0 = 250 C – formas variadas

Termopar – ∆T → ∆v – r´pido (ms) – se˜al d´bil – T alta a n e Circuitos integrados – LM335 (10 mV/0 K), AD592 (1µ A/0 K). Posici´n o Resistivos – potenci´metro (R) – lineal y angular o Inductivos – LVDT Encoder – digital – lineal y angular Ultrasonidos L´ser a Velocidad D´ ınamo tacom´trica e Encoder

187

Cap´ ıtulo 9. Actuadores
1. Tipos de actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia. Transforma energ´ el´ctrica → mec´nica – estabilidad, rapidez, precisi´n. ıa: e a o Actuadores hidr´ulicos – potencia alta a Principio de Pascal – aceite especial – 200 bar – 0.25 l/s Cargas mayores de 6 o 7 Kg Control: servov´lvulas (con motor) – controlan el flujo de fluido a Actuadores neum´ticos – potencia baja – control neum´tico a a Cilindros - motores - movimientos r´pidos - poca precisi´n a o fluido: aire – aire comprimido – 5 a 10 bar Actuadores el´ctricos e Motores el´ctricos: C.C., C.A, lineales, paso a paso e

188

1.1. Otros actuadores
Rel´s – automatismos el´ctricos e e Contactores Arrancadores y Drivers para motores Amplificadores electr´nicos de potencia o

1.2. Accesorios mec´nicos a
M´quinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodia llos, poleas, agitadores, vibradores, etc. Poleas, cremalleras, pi˜ones: translaci´n → rotaci´n n o o Reductores de velocidad M´quinas complejas a

189

2. Neum´tica a
Tecnolog´ b´sica de la automatizaci´n – fabricaci´n y montaje Utilizaci´n de la ıa a o o o energ´ potencial del aire comprimido. DIN 24300 ıa Sencillez de dise˜o – rapidez de montaje – flexibilidad – fiabilidad n Componentes: Cilindros (actuadores) y v´lvulas (control flujos) a Cilindro: energ´ aire comprimido → energ´ mec´nica ıa ıa a Tubo de acero – ´mbolo – v´stago – una o dos tomas de aire e a

P

P

de simple efecto

P Cilindro de doble efecto

Cilindro

Tipos: con amortiguador, en t´ndem, multiposicionales, rotativos y mesas, a de impacto, sin v´stago. a

190

2.1. V´lvulas a
Sirven para controlar el paso de fluido – notaci´n: no v´ / no de posiciones o ıas Distribuidoras: pieza fija + pieza m´vil. Muchas formas y dimensiones o Accionamiento: Manual, con pulsador, seta, palanca o pedal. Mec´nico, con leva, rodillo o varilla. a Neum´tico, con orificios especiales para se˜ales neum´ticas. a n a El´ctrico, con electroim´n. e a Electroneum´tico. a
A

R

P

V´lvula 3/2 de corredera y con accionamiento mec´nico a a

191

¨¡ ¡¡¡¡ ¥¡ ¦  ¨¡§¨ ¡¡¡¡ ¦¡¥¦ §§¡ ¡¡¡¡ ¥¡ ¡ ¡¡¡¡ ¦¡ ¡¨ ¡¡¡¡ ¥¡¦ §¨¡§¨§ ¡¡¡¡ ¡¥¦¥  ¡¡¡ ¡¡¡    ¡¡¡ ¡¡¡    ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡    ¡¡¡ ¡¡¡
A R P

¤¡ ©¡¡©¡¡  ¡   ¢ ¤¡£¤ ¡©¡¡©¡© ¢¡ ¢ ££¡ ©¡¡©¡¡ ¢¡ ¡ ¡¡¡¡  ¡ ¡¤ ©¡¡©¡¡  ¡¢ £¤¡£¤£ ¡©©¡¡©©¡©© ¡ ¢  ¡¡¡ ¡¡¡    ¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡ ¡¡¡

V´lvulas de dos v´ a ıas
V´lvula 2/2: dos orificios o v´ de aire (entrada y salida), y dos posiciones de trabajo. a ıas Dos tipos: NC y NA. Reposo: cuadrado dcha.
A A

P

P

Con accionamientos:
A
A

P

P

192

V´lvulas de tres v´ a ıas
Tres v´ y dos o tres posiciones de trabajo. V´lvulas 3/2: 3 v´ y 2 posiciones y ıas a ıas pueden ser de tipo NC o NA.
A A

P

R

P

R

V´lvulas 3/3: 3 v´ de aire y 3 posiciones. a ıas
A

P

R

abrir ← (centro: las tres v´ cerradas) → cerrar ıas

193

V´lvulas de cuatro y cinco v´ a ıas
4 v´ y 2 o 3 posiciones trabajo; 5 v´ y 2, 3 o 4 posiciones de trabajo ıas ıas
A X B X A B Y

P A X

R

P

R B Y

V´lvulas 4/2 y 4/3 a
B Y X A

RS P A X B

RP S

Y

RP S

V´lvulas 5/2, 5/3 y 5/4 a

194

V´lvula selectora a
Conductos internos con forma de T; la bolita tapona la entrada X o Y Si pX > pY entonces la bolita tapa la entrada Y y pA = pX . En cambio, si pY > pX ocurre lo contrario y pA = pY Si pX = pY = baja entonces

A

X

Y

Figura 9.2: v´lvula de lanzadera a
pA = baja; Si pX = pY = alta entonces pA = alta. Realiza neum´ticamente la funci´n l´gica OR. a o o

V´lvulas de simultaneidad a
Lleva una corredera en el conducto que comunica las entradas X e Y . La corredera tiene dos tapones ubicados en sendas cavidades, uno para la entrada X y otro para

195

la entrada Y y unidos por una varilla. Si pX > pY entonces la cavidad de la entrada X resulta taponada y pA = pY .

A

X

Y

Por el contrario, si pY > pX se tapona la cavidad de Y y la presi´n en pA = pX . o Si pX = pY , la corredera queda en el centro y entonces pX = pA = pY . Realiza neum´ticamente la funci´n l´gica AND. a o o

Aplicaci´n sencilla o
Control de un cilindro de doble efecto desde dos posiciones X e Y mediante una v´lvula selectora de tipo OR. a

196

X

Y

197

3. Automatismos el´ctricos e 3.1. El rel´ e
Interruptor accionado por electroim´n a Dispositivo fundamental en automatismos el´ctricos e Contactores Diagrama de contactos

1 NC NA A1

A1

12

14

A2
A2

11

Esquema seg´n norma CEI u

198

3.2. Funciones l´gicas con rel´s o e
+ a K −

+

a

s

+

− a

s


K

Identidad
+

Negaci´n o
− +

Negaci´n con rel´ o e

a

b

K

a

b

K

+

a

b

s


K

s

K

s

Funci´n AND o

Funci´n AND o

Funci´n NAND o

199

Parte IV. Automatizaci´n global o

200

Cap´ ıtulo 10. Niveles de Automatizaci´n o
Esquema simple de una empresa
Almacén de materias primas Producción Almacén de productos terminados

Nivel productivo de automatizaci´n o
Gestión

Redes de comunicaci´n o
Compras Finanzas Ventas

Controladores Actuadores Sensores

MERCADO

Procesos Fases de automatizaci´n: o Producci´n → Dise˜o → Gesti´n → Automatizaci´n total o n o o

201

Automatizaci´n producci´n – Software o o
CAD Computer Aided Design – m´quinas herramientas a CAPP Computer Aided Process Planning – planificaci´n sistemas o PPS Planning Production System – optimizaci´n producci´n o o MRP Material Requirement Planning – almac´n materias primas e CAM Computer Aided Manufacturing – equipos productivos CNC Computer numeric control NC Numeric control SFC Shop Floor Control – almac´n → planta → pedidos e QC Quality Circle – mejora calidad – reducci´n costes o CAPC Computer Aided Production control – control producci´n o CAPM Computer Aided Production management – gesti´n producci´n o o TMS Transportation Management System – gesti´n i/o productos o

202

Pir´mide de Automatizaci´n a o
¡e ¡ e o ¡ G e MF, WS, PC, Gesti´n ¡ e ¡ e ¡ e ¡ Factor´ e MF, WS, PC, CAD/CAM, CAPP, etc. ıa ¡ e ¡ e ¡ e ¡ e o ¡ Producci´n – Planta e WS, PCC, PC ¡ e ¡ e ¡ e ¡ e PLC, CNC, NC Proceso – Campo ¡ e ¡ e ¡ e ¡ e C´lula – Planta Baja e ¡ e Sensor, Actuador, PID ¡ e e ¡

203

SCADA
Supervisory Control and Data Acquisition (de Control Supervisor y Adquisici´n de o Datos). Software de captura de informaci´n de un proceso o planta. –an´lisis o o a estudios –retroalimentaci´n y control del proceso. o Generaci´n, transmisi´n y distribuci´n energ´ el´ctrica o o o ıa e Sistemas del control del medio ambiente Procesos de fabricaci´n o Gesti´n de se˜ales de tr´fico o n a Gesti´n de abastecimiento de aguas o Sistemas de tr´nsito masivo a Supervisi´n y control de estaciones remotas o Caracter´ ısticas de SCADA: Mostrar de forma inteligible las lecturas de medidas y de estado de la planta en las computadoras principales. Permitir a los operadores controlar la planta de maneras predefinidas.

204

Para restringir el acceso a las computadoras principales se suelen emplear consolas especiales conectadas con ellas en red. El interfaz hombre-maquina de SCADA permite generalmente que los operadores puedan ver el estado de cualquier parte del equipo de la planta. La interacci´n del operador con el sistema se realiza mayormente a trav´s de un o e sistema de alarmas. Las alarmas son condiciones anormales autom´ticamente a detectadas en el equipo de la planta que requieren la atenci´n del operador, y o posiblemente su intervenci´n actuando adecuadamente sobre el proceso quiz´s o a guardando informaci´n importante y volviendo a ponerlo a funcionar suaveo mente. Las computadoras principales de SCADA funcionan t´ ıpicamente bajo un sistema operativo est´ndar. Casi todos los programas SCADA funcionan en alguna a variante de UNIX, pero muchos vendedores est´n comenzando a suministrar a Microsoft Windows como sistema operativo. Los sistemas de SCADA disponen generalmente de una base de datos distribuida que contiene datos llamados puntos. Un punto representa un solo valor de la entrada o de la salida supervisado o controlado por el sistema. Los puntos pueden ser “duros” o “suaves”. Un punto duro representa una entrada real o salida conectada con el sistema, de mientras que uno suave es el resultado de

205

operaciones l´gicas y matem´ticas aplicadas a otros puntos duros y suaves. o a El interfaz hombre-m´quina de un sistema SCADA suministra un programa a de dibujo para poder representar estos puntos. Las representaciones pueden ser tan simples como un sem´foro en pantalla que represente el estado de un a sem´foro real en el campo, o tan complejas como una imagen de realidad virtual a que representa la evoluci´n real de la planta. o En la pasada d´cada la demanda de aplicaciones civiles de sistemas de SCADA e ha ido creciendo, requiriendo realizar cada vez m´s operaciones autom´ticamente. a a Por otro lado, soluciones SCADA han adoptado una estructura distribuida, con posibilidad de adaptarse a los componentes de un sistema de control distribuido (DCS) con m´ltiples RTUs o PLCs inteligentes, capaces de ejecutar procesos u simples en modo aut´nomo sin la participaci´n de la computadora principal. o o Los RTUs y PLCs actuales pueden programarse en los lenguajes de definidos en la norma IEC 61131-3, como el BFD (Function Block Diagram), lo que a los programadores de SCADA para realizar el dise˜o y puesta a punto de n programas. Ello permite que algunos programas comunes (intercambio de datos, calidad, gesti´n de alarmas, seguridad, etc.) puedan ser realizados por los o programadores de estaci´n principal y luego cargados desde ella en todos los o aut´matas. De este modo los requisitos de seguridad ahora se aplican al sisteo

206

ma en su totalidad, e incluso el software de la estaci´n principal debe resolver o los est´ndares de seguridad rigurosos para algunos mercados. a Adem´s, el software de la estaci´n principal realiza an´lisis de datos, an´lisis a o a a hist´ricos y an´lisis asociados a requisitos particulares de la industria para o a presentarlos a los operadores de la gesti´n de la empresa. o En algunas instalaciones los costes que resultar´ de fallar del sistema de ıan control son extremadamente altos, pudiendo incluso perderse vidas humanas en algunos casos. La fiabilidad de los sistemas de SCADA ha de estar garantizada para soportar variaciones de temperatura, vibraciones, fluctuaciones de voltaje y otras condiciones extremas empleando a veces para ello hardware y canales de comunicaci´n redundantes. o Si un fallo se identifica r´pidamente, el control puede ser autom´ticamente a a asumido por el hardware de reserva y as´ la parte averiada puede sustituirse sin ı parar el proceso. La fiabilidad de tales sistemas se puede calcular estad´ ısticamente. El tiempo calculado de fallo de algunos sistemas de alta calidad puede ser incluso de siglos.

207

Algunos sistemas SCADA utilizan la comunicaci´n por radio o por tel´fono. Eso e to abre nuevas posibilidades, impensables hace pocos a˜os, a la automatizaci´n n o industrial. Indicadores sin retroalimentaci´n inherente: o – Estado actual del proceso: valores instant´neos a – Desviaci´n o deriva del proceso: Evoluci´n hist´rica y acumulada o o o Indicadores con retroalimentaci´n inherente (afectan al proceso, despu´s al opeo e rador): – Generaci´n de alarmas; o – MHI (Interfaces hombre-m´quina); a – Toma de decisiones: + Mediante operatoria humana; + Autom´tica (mea diante la utilizaci´n de sistemas basados en el conocimiento o sistemas o expertos). – etc. Aplicaci´n diferentes ´reas industriales: o a Gesti´n de la producci´n (facilita la programaci´n de la fabricaci´n); o o o o Mantenimiento (proporciona magnitudes de inter´s tales para evaluar y detere minar modos de fallo, MTBF, ´ ındices de Fiabilidad, entre otros);

208

Control de Calidad (proporciona de manera automatizada los datos necesarios para calcular ´ ındices de estabilidad de la producci´n CP y CPk, tolerancias, o ´ ındice de piezas NOK/OK, etc; Administraci´n (actualmente pueden enlazarse estos datos del SCADA con un o servidor SAP e integrarse como un m´dulo m´s); o a Tratamiento hist´rico de informaci´n (mediante su incorporaci´n en bases de o o o datos). Etapas de un sistema SCADA: Las etapas de un sistema de adquisici´n de datos comprenden una serie de pasos que o van desde la captura de la magnitud a su postprocesado.

209

Molido de la malta

Uno de los primeros procesos en la elaboraci´n de la cerveza. La malta y el grano se o pesan y se muelen seg´n la receta elegida. u

210

Elaboraci´n de la cerveza o

Una vez molido el grano y obtenido el mosto, se bombea en grandes tinas y comienza el proceso. Aqu´ vemos tres grandes tinas con sus tubos. ı

211

Embotellado

La cerveza elaborada se embotella. Vemos el proceso de embotellado mostrando las identificaciones de lote y producto, la hora de inicio e informaci´n de alarmas. o

212

Empaquetado

Finalmente, la cerveza en botella se empaqueta en cajas. Aqu´ se ponen seis paquetes ı, en cada caja. Las cajas se sellan y se cargan sobre las plataformas.

213

1. Fabricaci´n inteligente o

Intellution iHistorian: La importancia de transformar datos de fabricaci´n en inteligencia de planta. o

214

El Desaf´ Convertir datos en conocimiento ıo: Hist´ricamente la fabricaci´n se ha identificado con la maquinaria ruidosa instalada o o en la planta baja, v´lvulas del vapor silbando y chimeneas humeando. a Hoy, la fabricaci´n se ha convertido en uno de los sectores de informaci´n m´s ino o a tensivos del mundo. Junto con los productos que salen l´ ıneas de empaquetado o se vierten a trav´s de tuber´ el producto de las instalaciones fabriles, es una corriente e ıas, cada vez mayor de datos se originan en el nivel de planta. Estos datos se utilizan para optimizar el inventario y la producci´n, mejorar calidad y o consistencia del producto, para el correcto mantenimiento del equipo, y para asegurar que las plantas cumplen con las leyes ambientales, de seguridad y de salud. Para convertir el torrencial flujo de datos de las instalaciones de fabricaci´n actuales o en conocimiento, las compa˜´ deben poder capturarlo de un amplio n´mero de nıas u fuentes, juntarlo en un formato com´n, y ponerlo a disposici´n del software que u o puede interpretarlo, d´ndole el significado y el valor. a Por ejemplo, en una l´ ınea de empaquetado con tres l´ ıneas de llenado de botellas que genera datos sobre el estado de cada l´ ınea, cuando esos datos se analizan al cabo de cierto tiempo se puede determinar el grado de paradas no programadas ocurridas en una determinada m´quina. Esto lleva a unas mejores decisiones informadas sobre a mantenimiento preventivo y a gastos de capital en equipo nuevo de la planta.

215

Crear una ”planta inteligente”, sin embargo, requiere algo m´s que elaborar datos a representativos e implementar aplicaciones para interpretarlos. La pieza de este rompecabezas que ha faltado a muchos fabricantes hasta la fecha es un simple dep´sito o central para los masivos vol´menes de datos hist´ricos que emanan de los sistemas u o de operaciones a trav´s de la planta: un historiador de planta extensa. e Estos historiadores de planta extensa pueden surtir estos datos a una amplia variedad de usos en los niveles operativo y de negocio de la empresa. Algunos historiadores de datos de planta extensa han estado ya en el mercado hace a˜os, pero se han considerado demasiado costosos y complejos para casi todas las n instalaciones de fabricaci´n corrientes, excepto para las m´s grandes, tales como ciero a tas operaciones de proceso continuo como las industrias qu´ ımicas y las refiner´ de ıas petr´leo. o

216

Parte V. APENDICES

217

Cap´ ıtulo A. Ecuaciones diferenciales
1. Ecuaciones diferenciales de primer orden
La ecuaci´n diferencial o dx = ax(t), a = constante dt es una de las m´s simples. Dice: ∀t la ecuaci´n x (t) = ax(t) es cierta. a o (A.4)

o Soluciones: son las funciones u(t) que verifican la ecuaci´n diferencial (A.4). En este caso es f´cil hallarlas: a f (t) = k eat es una soluci´n de (A.4) ya que f (t) = a k eat = a f (t) o No hay m´s soluciones: sea u(t) una soluci´n cualquiera. Entonces a o d u(t) e−at = u (t) e−at + u(t) (−a e−at ) = a u(t)e−at − u(t) a e−at = 0 dt ⇒ u(t) e−at = cte. ⇒ u(t) = cte. eat Hemos probado la existencia y unicidad de la soluci´n de (A.4). o

218

1.1. Problema de condiciones iniciales (PCI)
x(t) = k eat soluci´n de (A.4), a dada o

k queda determinada si nos dan el valor x0 de x(t) en t0 : x(t0 ) = k eat0 = x0 ⇒ k = e−at0 x0 ; si t0 = 0 entonces k = x0 . Por tanto, la ecuaci´n diferencial o x (t) = a x(t) tiene una unica soluci´n que cumple la condici´n inicial ´ o o x(t0 ) = x0 Problema de condiciones iniciales: Dadas hallar la soluci´n u(t) que pasa por x0 . o x (t) = a x(t) x(t0 ) = x0 (A.5)

219

2. Estudio cualitativo
El problema de condiciones iniciales es el que m´s interesa en las aplicaciones de a ingenier´ Pero s´lo estudia una soluci´n. ¿Hay alguna forma de estudiar todas las ıa. o o soluciones a la vez? x (t) = a x(t) PCI: x(t0 ) = x0 Soluci´n: o x(t) = x0 eat a > 0 ⇒ lim x0 eat = ∞
t→∞

a = 0 ⇒ x(t) = cte. a < 0 ⇒ lim x0 eat = 0
t→∞

El signo de a es crucial para el comportamiento de la soluci´n. o

220

¿Qu´ ocurre si se perturba el par´metro a? e a
x T x0 E t x0 E t x T x0 E t x T

a>0

a=0

a<0

a=0: a=0:

el comportamiento no cambia al perturbar a cambio radical

a = 0 es un punto de bifurcaci´n en la familia de ecuaciones diferenciales o {x = a x, a ∈ R}

221

3. Orden de una ecuaci´n diferencial o
  orden 1 : x = f (t, x) | t, x ∈ R, f : R × R → R       orden 2 : x1 = f1 (t, x1 , x2 ) t, x1 , x2 ∈ R  x2 = f2 (t, x1 , x2 ) f1 , f2 : R × R2 → R (a) sistema .  .   .     orden n : x = f (t, x) | t ∈ R, x ∈ Rn , f : R × Rn → Rn  (b) ecuaci´n x(n) = F (t, x, x , x , . . . , x(n−1) ) o orden = = n´mero n de ecuaciones en (a) u orden de la derivada de orden m´ximo en (b). a

Con x = x1 , x = x2 , x = x3 , . . . , x(n−1) = xn se pasa de (b) a (a). Si la ecuaci´n diferencial (a) es de la forma o x = f (x) i.e. no depende expl´ ıcitamente de t, entonces se llama sistema aut´nomo. o

222

4. Interpretaci´n geom´trica o e
dx dt

= f (t, x) asigna a cada punto (t, x), un n´mero: la pendiente. u f : R2 → R dx (t, x) → = pendiente dt
2 x(t)

1.5

1

x(0)

0.5

0

−0.5

−1

−1.5

−2 −2

−1.5

−1

−0.5

0

t

0.5

1

1.5

2

2.5

223

5. Sistemas de 2o orden
La ecuaci´n diferencial o dx = f (t, x), dt t ∈ R, x ∈ R2 , f : R × R2 → R2

es de segundo orden. Tambi´n puede escribirse como un sistema e   dx1  = f1 (t, x1 , x2 ) t, x1 , x2 ∈ R dt dx2 f1 , f2 : R × R2 → R2   = f2 (t, x1 , x2 ) dt de dos ecuaciones de primer orden; se llama sistema de segundo orden.

• Interpretaci´n geom´trica o e
A cada punto (t, x1 , x2 ) ∈ R3 le asociamos el vector (f1 , f2 ). Si el sistema es aut´nomo o 2. (no depende de t), entonces es en R

224

6. Soluci´n num´rica o e
Obtener soluciones u(t) expresadas por funciones elementales de x (t) = f (t, x), t ∈ R, x ∈ Rn ,

es a veces dif´ o imposible, incluso si n = 1. En esos casos procede hacer un estudio ıcil cualitativo, la interpretaci´n geom´trica o hallar la soluci´n num´rica o e o e Soluci´n num´rica: tabla de valores de la soluci´n u(t) del PCI. o e o t −10 . . . 0 . . . 10 u1 u2 . . . −3 −1.1 . . . . . . . . . un 0.2 . . . Tabla → representaci´n gr´fica o a Obtenci´n: o • algoritmo: Euler, Runge-Kutta, etc. • del gr´fico de pendientes (i. geom.) a • gr´ficamente: quebradas de Euler a

225

7. Soluci´n num´rica con Matlab o e
M´todos: e ode23 ode45 Simulink ode23 y ode45 implementan m´todos num´ricos de Euler, Runge-Kutta, etc. Para e e hallar la soluci´n del PCI o x (t) = f (t, x) x(0) = x0 hemos de hacer dos cosas: archivo .m de Matlab para describir la funci´n o llamada a ode23 t ∈ R, x ∈ Rn

226

Para un PCI de 2o orden, en el archivo f_prueba.m, pondremos function xp = f_prueba(t,x) xp = zeros(2,1) % indica el orden n = 2 xp(1) = f1(x(1),x(2),t) xp(2) = f2(x(1),x(2),t) en donde f1 y f2 vendr´n dadas. a Para hacer la llamada a ode23 o a ode45 escribiremos: x0 = [a; b]; % condiciones iniciales (dadas) t0 = 0; % es lo normal tf = tiempo final; [t,x] = ode23(@fprueba, [t0,tf], x0) plot(t,x) % respuesta temporal plot(x(:,1),x(:,2)) % phase portrait en la ventana de comandos de Matlab o en un archivo .m.

227

Ejemplo. Sistema mec´nico a
k f (t) m b

f (t) − k x(t) − b x (t) = m x (t) Cambios: x1 = x, x2 = x ⇒ x1 = x2 b 1 k x2 = − m x1 − m x2 + m f
1 0.8 0.6 0.4 0.2 0 −0.2 −0.4 0 1 2 3 4 5 Mapa de fase x(0) 6 7 8 9 10 Respuesta temporal

Soluci´n num´rica: o e • Archivo f mkb.m function xp = f mkb(t,x) xp=zeros(2,1);f=1;m=1;k=2;b=1; xp(1)= x(2); xp(2)=-k/m*x(1)-b/m*x(2)+1/m*f; • Llamada a ode23 x0=[0;1]; t0=0; tf=10; [t,x]=ode23(’f mkb’,[t0,tf],x0) plot(t,x),title(’Resp. temp.’) plot(x(:,1),x(:,2)), title(’Mapa fase’)

1 0.8 0.6 0.4 0.2 0 −0.2 −0.4 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

228

• Interpretaci´n geom´trica o e
Sistema mec´nico (m, k, b): a
Campo vectorial

x1 (t) = x2 (t) k b 1 x2 (t) = − x1 (t) − x2 (t) + f (t) m m m Con Matlab es posible superponer el campo de vectores (interpretaci´n geom´trica) o e y la soluci´n num´rica: o e m=1; k=2; b=1; f=1; [X1,X2]=meshgrid(-1.2:0.2:1.2); U1 = X2; U2 = -k/m*X1-b/m*X2+1/m*f; M = sqrt(U1.^2 + U2.^2); V1 = ones(size(M))./M .* U1; V2 = ones(size(M))./M .* U2; quiver(X1,X2,V1,V2),axis square

1.5

1

0.5

0

−0.5

−1

x(0)

−1.5 −1.5

−1

−0.5

0

0.5

1

1.5

229

7.1. M´todo de Kelvin e
Teorema. z(t) es una soluci´n del P.C.I. o   x (t) = f (t, x)  x(0) = x 0 si y s´lo si o
t

(1)

z(t) = x0 +
t0

f (s, z(s))ds.
t t

(2) z (s)ds =
t0 t0

Demostraci´n. z(t) soluci´n de (1) ⇒ z (t) = f (t, z(t)) ⇒ o o
t t

f (s, z(s))

⇒ z(t) − z(0) =
t0

f (s, z(s) ⇒ z(t) = x0 +
t0

f (s, z(s).

z(t) verifica (2)

dz = f (t, z(t)). dt t
t0

0

⇒ z(0) = x0 +

f (s, z(s))ds = x0 .

230

Idea de Kelvin: construir un integrador f´ ısico (mec´nico) y realizar f´ a ısicamente (mec´nicam a el esquema t ' f '

x (t) E x0
E

r x(t) E

Muchas veces en los sistemas de control

231

Sign up to vote on this title
UsefulNot useful