You are on page 1of 148

[Escribir texto

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

PROYECTO FIN DE CARRERA

CONTROL AVANZADO DE UNA CALDERA.

AUTOR: David Morales Galán

MADRID, Junio de 2010

[Escribir texto

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

RESUMEN DEL PROYECTO
El control de procesos de forma automática se ha configurado como uno de los grandes artífices del progreso industrial en lo que ahora se conoce como la segunda revolución industrial. El uso intensivo de las técnicas de medición y control han desembocado en un nueva concepción de los procesos industriales. Para la implementación de los controles se requiere de grandes inversiones en los equipos pero que reducen enormemente los costes de los procesos industriales y tienen otros muchos beneficios intangibles como el ahorro en mano de obra o la eliminación de errores. Además, la evolución de los microprocesadores y el mundo digital ha propiciado la aplicación de ideas y algoritmos de control a sistemas físicos que hasta hace no mucho eran muy difíciles de analizar o controlar. Las aplicaciones hoy en día son múltiples: control de máquinas herramientas, suelos con sistemas de calefacción, control de procesos químicos, etc. En la línea de lo expuesto, este proyecto tratará sobre el diseño del control de una caldera industrial, que seguirá el esquema implementado con Simulink de la Figura 1.

Resumen

I

[Escribir texto

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

Figura 1: Esquema Simulink del sistema control con caldera.

Siguiendo lo expuesto en la Figura 1, la caldera objeto de estudio presenta tres salidas a controlar (presión de vapor, exceso de oxígeno y nivel de agua), tres entadas al sistema o mandos (caudal de combustible, aire y agua) y una perturbación medible (demanda de vapor). Como en la mayoría de procesos industriales el sistema a estudiar es no lineal, siendo necesario un diseño entorno a un punto de trabajo, y multivariable. La existencia de una multiplicidad de variables a controlar supone una de los principales problemáticas del proyecto al presentar sus respuestas acoplamientos entre ellas. Como en cualquier diseño de control se procederá a identificar en primer lugar la dinámica que caracteriza el proceso a estudiar, es decir, de la caldera. Este primer paso es de gran importancia ya que de él dependerá la fiabilidad del control diseñado a posteriori.

Resumen

II

5 0 200 400 600 800 1000 1200 Tiempo (sg) 1400 1600 1800 2000 Figura 2: Respuesta de la primera salida (presión de vapor) ante un escalón en la perturbación. a continuación.5 59 58.5 Caso referencia Predictivo monovariable Consigna PI optimizado 58 57. se ha logrado a través de dos procedimientos distintos un sistema estable y robusto frente a perturbaciones con una notable mejoría respecto del control de partida. Resumen III .[Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Es importante destacar que este proyecto surge con motivo del concurso 2009-2010 propuesto por el Grupo de Ingeniería de control de CEA. con los dos modelos de control que finalmente han resultado satisfactorios: PI optimizado y control predictivo monovariable. Presión de vapor y consigna (%) 60.5 60 59. En consecuencia. Se propone la elaboración de un control que ofrezca mejores prestaciones que el proporcionado por el concurso por lo que servirá de referencia para los controles desarrollados. Como ejemplo se recoge en la Figura 2 la respuesta ante un escalón en la perturbación medible (demanda) de la primera variable a controlar (presión de vapor). se ha procedido en primer lugar a optimizar y mejorar dicho control propuesto para. Como resultado del proyecto. estudiar métodos más complejos como el control predictivo.

etc. control of chemical processes. For the implementation of controls it is required large investments in equipment but. In line with the above. Applications today are many: control of machine tools. on the other hand. Abstract I .[Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL ABSTRACT Automatic control process is configured as one of the major architects of industrial progress developed in what is now known as the second industrial revolution. it greatly reduces costs of industrial processes and has many other intangible benefits such as savings in worker salaries or debugging. The intensive use of measurement and control techniques has led to a new conception of industrial processes. the development of microprocessors and the digital world has led to the implementation of ideas and control algorithms to physical systems that in the past were very difficult to analyze or control. In addition. that project will focus on the design of the control of an industrial boiler. which will continue the scheme implemented with Simulink (Matlab) in Figure 1. floor heating systems.

requiring a design around a working point. Abstract II . Following what it is showed in Figure 1. This first step has great importance because the reliability of the designed control will depend on it. the boiler under consideration has three control outputs (steam pressure. The existence of a multiplicity of variables to control is one of the main problems of the project because of the interference between them.[Escribir texto UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figure 1: Simulink diagram of the boiler control system. As in any control design the first goal must be the identification of the dynamics that characterize the process to be studied. and multivariable. three inputs to the system or controls (fuel flow. excess oxygen and water level). As in most industrial processes the system under study is nonlinear. the boiler. air and water) and a measurable disturbance (steam demand).

The first goal to achieve is to optimize and improve the proposed control and then consider more complex methods such as predictive control.5 0 200 400 600 800 1000 1200 Tiempo (sg) 1400 1600 1800 2000 Figure 2: Response of steam pressure to a step in the disturbance. it was achieved a stable and robust control against disturbances with a significant improvement over the initial control through two different procedures. III . Presión de vapor y consigna (%) 60.5 60 59. As a result of the project.5 59 58.5 Caso referencia Predictivo monovariable Consigna PI optimizado 58 57.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL It can be stood that this project comes up on the occasion of the 2009-2010 contest proposed by the Control Engineering Group of CEA. This control will work as a reference for the developing controls. Abstract. It proposes creating a control that offers better features than the provided by the contest. An example is shown in Figure 2: the response of the first variable to be controlled (vapor pressure) to a step in the measurable disturbance (steam demand) with the two control models that have been successfully implemented.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Documento Nº1 Memoria Memoria .

............ 1 Capítulo 1 Introducción ..................................................................................................... 11 2.....................................................................................2 Sistema de control PID de referencia ......................................3 Resultados .......... 61 Memoria ..................................................................... 32 4......................................... Comparativa con el caso de referencia ....... 17 3............................................................... 2 1.........................................................1 Determinación inicial de los controles PID.............................................................................................................................................................. 1 1....................................................................2 Resultados obtendidos ..................................................................... 1 1.........................................................................................UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice Parte I Memoria ...................................................... 18 Capítulo 4 Optimización del control multivariable PID ........................... 3 1..............1 Estado del arte ..................................................................................... 12 2................ 4 1...........................................................................1 Procedimiento de identificación ..............................................2 Optimización de los parámetros de los controles ..........................4 Índice de calidad..........................................................................3 Objetivos del proyecto.... 44 Capítulo 5 Discretización ................................................... 5 Capítulo 2 Descripción de la planta y del sistema de control ...................4 Metodología de trabajo y recursos a utilizar ........................................................................... 31 4................ 7 2....5 Estructura de la memoria .............................................................2 Motivación del proyecto ...... 14 Capítulo 3 Modelado de la planta para el sistema de controles .......... 42 4.............................................................................................1 Modelo de la caldera ............................3 Resultados obtenidos con el controlador de referencia ......... 7 2......................... Diseño por respuesta en frecuencia ................................................. 16 3...........

............................................................................. 109 1.......................................2 Diseño de un control predictivo monovariable ......1 Fundamentos del control predictivo ........................................................... 104 Parte II Estudio económico .................. Programa “ajuste.......... 86 6...................................................................................................................................................... 115 4..................................................................................................... Programa “coeficientes_multivariable................. 74 Capítulo 6 Desarrollo de un control predictivo ............................. 75 6..................................................... Programa “evalúa_control_caldera.....m” ................................................................UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 5............................. 111 2...........m” ...... Estudio económico ............................................................................... 105 1........................................... Diseño de un control PID por respuesta en frecuencia .. 61 5..................................................................... 95 Capítulo 7 Resultados y conclusiones del proyecto.....2 Conclusiones ..............1 Introducción a la discretización y resultados......................................................................................................................... 99 Bibliografía de la memoria ............................................m” .................... 113 3............... 106 Bibliografía estudio económico ................................................................................... 75 6................................... 108 Parte III Código fuente ................................................... 119 Memoria ...................................................................................3 Diseño de un control predictivo multivariable ....

........................................................... 41 Figura 4............6: Salida y ajuste del término cruzado G21(s) .. 8 Figura 2..........8: Esquema en Simulink del detalle del ajuste........................................... 27 Figura 3............. 10 Figura 3....................................................9: Salida y ajuste del término cruzado G31(s) ............................................3: Mando ante escalón en referencia del 6% en control 2 ..4: Salida con ajuste del término G33(s) ...........................................1 Planta industrial de generación de vapor .. 17 Figura 3.........8: Esquema en Simulink para realizar el segundo ajuste ...............1: Mando ante escalón en referencia del 6% en control ........................................... 38 Figura 4.................... 23 Figura 3............6: Salida ante escalón en referencia del 6% en control 3 ................................1: Representación proceso de ajuste .........7: Esquema Simulink G31(s) ........... 37 Figura 4. 24 Figura 3...2: Esquema simplificado de la caldera industrial ................... 47 Memoria ............................................................................ 28 Figura 4..................2: Salida con ajuste del término G11(s) .................................... 44 Figura 4.............7: Esquema de ajuste de parámetros en Simulink .............5: Mando ante escalón en referencia del 6% en control 3 ....... 20 Figura 3.. 36 Figura 4...........3: Salida con ajuste del término G22(s) . 22 Figura 3.....UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice de figuras Figura 2.. 26 Figura 3...................................................................................2: Salida ante escalón en referencia del 6% en control1 .......4: Salida ante escalón en referencia del 6% en control 2 ...................................... 41 Figura 4........................................................ 39 Figura 4......................5: Salida y ajuste del término cruzado G13(s) .................................... 19 Figura 3.................................................................................

......................9: Nichols en lazo abierto del control1 .............................9: Nichols en lazo abierto control 3 .................................. 59 Figura 5............................................................2: Esquema Simulink de la caldera con los controles discretizados ................................ 87 Figura 6.............................................................1 Esquema de control predictivo-adaptativo ...................... 53 Figura 4............................10: Diagrama Bode en lazo cerrado del control 3 .................................................................. 67 Figura 5...................................... 73 Figura 6.................................................................... 84 Figura 6.............................. 68 Figura 5.....................................................10: Nichols en lazo abierto del control2.........................4: Esquema Simulink control predictivo monovariable .................................4: Diagrama Bode en lazo cerrado del control 1 ......................... 54 Figura 4........ 73 Figura 5........... 71 Figura 5..5: Parámetros a introducir en el bloque predictivo monovariable ... 78 Figura 6.. 88 Figura 6.........................1: Esquema proceso de discretización .............................. 69 Figura 5.......................14: Nichols en lazo abierto controlador 3 ..................... 70 Figura 5.........12: Nichols en lazo abierto controlador 1 .7: Diagrama Bode en lazo cerrado del control 2 ........................................................13: Nichols en lazo abierto controlador 2 ...... 71 Figura 5.....11: Nichols en lazo abierto del control3.. 89 Memoria ................................................. 58 Figura 4............ Trayectorias de referencia ...................... 72 Figura 5.................................................................... 63 Figura 5........ 52 Figura 4...........................3: Nichols en lazo abierto control 1 ....................................... 68 Figura 5.11: Zoom diagrama Bode con amplitud de pico .....UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 4.......................................2........................................................ 58 Figura 4.3 Esquema Simulink del control predictivo ...........15: Comparativa de los Nichols vs caso referencia .........................................5: Zoom diagrama Bode con amplitud de pico ................................... 57 Figura 4.........................8: Zoom diagrama Bode con amplitud de pico .....6: Nichols en lazo abierto control 2 .................

................................................. 93 Figura 6..UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.................... 98 Memoria .................... 92 Figura 6............................................................................................................................................9 Parámetros a introducir en el bloque predictivo multivariable...................................................................6 Salida2 (exceso de oxígeno) para tiempo de muestreo encontrolador 1 ts=30s .............................................8 Esquema Simulink del control predictivo multivariable .. 96 Figura 6.......................7 Salida3 (exceso de oxígeno) para tiempo de muestreo en controlador 1 ts=30s ........

..............5: Índices de calidad J en función de w para el tercer ajuste ...3: Valores característicos de la respuesta en frecuencia del control 1 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice de tablas Tabla2.......................... 46 Tabla 4..........................1: Puntos de operación de los mandos y salidas de la caldera ....................5: Valores característicos de la respuesta en frecuencia del control 3 ........................................ 11 Tabla 2..................... 70 Tabla 5............6: Gráficas de mando y salida para ajuste con amortiguamiento .... 56 Tabla 4...................... 42 Tabla 4. 12 Tabla 2........................2: Gráficas de mandos y salidas del 1º ajuste de parámetros ..........................................4: Valores característicos de la respuesta en frecuencia del control 2 ............................................. 51 Tabla 4.........3: Funciones de transferencia de los controles referencia y los que se procede a evaluar ................ 56 Tabla 4................ 64 Tabla 5........7: Índices de calidad J en función de w para ajuste con amortiguamiento ..............................................3 Resultados obtenidos con los controladores referencia ante un escalón en demanda de vapor del 20% ...................................................... 14 Tabla 4.........8: Datos característicos de la respuesta en frecuencia de los controles optimizados y del modelo referencia ................................................... 60 Tabla 5. 74 Memoria ............................ 49 Tabla 4...1: Parámetros iniciales de diseño para los tres controles. 66 Tabla 5................. 72 Tabla 5..............2: Funciones de transferencia discretizadas ................1: Tiempos de muestreo y retraso correspondiente ............................... 51 Tabla 4......................4: Gráficas de mandos y salidas resultantes del tercer ajuste .....2: Parámetros de los controladores de referencia .......................

......2: Valores de los parámetros de los tres controles predictivos ........................................... 103 Tabla 7............................... 103 Memoria ......1 Funciones de transferencia y constantes de tiempo ...............................3 Gráficas resultantes de salida y mando del control predictivo en comparación con el caso referencia .......................................................................................1 Gráficas de la respuesta temporal ante escalón en perturbación de los controles válidos ................................................ 92 Tabla 6... 74 Tabla 6.....................4: Comparativa de los índices de calidad del control predictivo y el PID ............................................................................ 95 Tabla 6..................................6: Comparativa de los índices de calidad de los dos controles discretizados y el control analógico ............. 91 Tabla 6..................................... 95 Tabla 7.........................2 Índices de calidad de los dos controles válidos PI optimizado y predictivo monovariable ..........UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Tabla 5...........

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL PARTE I MEMORIA Memoria .

en las acuotubulares el agua circula por interior de tubos formando un sistema cerrado y siendo calentado por los gases calientes. Existen multitud de diseños con características particulares pero las calderas se pueden clasificar básicamente en dos grandes grupos: pirotubulares y acuotubulares. Ésta última es el modelo de caldera que se estudiará en este trabajo. calefacción. por ejemplo. Son utilizadas generalmente cuando se requiere de grandes cantidades de vapor como. etc. multivariables (más de una entrada y salida) y con numerosas Parte I. En las pirotubulares los gases calientes procedentes de la combustión circulan por el interior de unos tubos estando bañados por el agua de la caldera.1 Estado del arte Las calderas se hayan ampliamente extendidas tanto para uso industrial como no industrial para la generación de electricidad. agua sanitaria. Sin embargo.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 1 Introducción 1. Memoria Página 1 . Su objetivo principal consiste en transformar en energía térmica la energía química que proviene de la combustión de un combustible para transferirla al agua y generar vapor. fuente de energía útil para muchos procesos. en centrales termoeléctricas. Las calderas son sistemas complejos que presentan comportamientos no lineales.

La necesidad de nuevos controles que ofrezcan mejores prestaciones a nivel de eficiencia. seguridad y de emisiones ha posibilitado la investigación y profundización de sistemas de control más avanzados como el predictivo. control de combustión. dos y tres elementos. Parte I. Todas estrategias mencionadas se basan principalmente en la aplicación de controladores PID a lazos simples. El control predictivo se postula como una gran solución a los problemas citados y está gozando de una creciente popularidad. 1. Estos métodos vienen siendo el estándar de aplicación en la industria de los últimos años [1]. Este proyecto tratará desarrollar un control predictivo que se adapte adecuadamente a la caldera estudiada verificando las ventajas que aporta respecto de un sistema PID que también será optimizado y mejorado. el proceso elegido es una caldera industrial que consta de tres salidas o variables a controlar y que presenta acoplamientos entre ellas. con corrección de oxígeno. Sin embargo. que a iniciativa del Grupo de Ingeniería de Control de CEA se viene convocando anualmente. Memoria Página 2 . control de temperatura. de presión. Este proyecto surge con motivo a la propuesta BENCHMARK 2009-10 del concurso de diseño de controladores.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL interferencias o acoplamientos. linealizando previamente el sistema entorno a un punto de trabajo lo que supone una aproximación ya que el modelo de las calderas es no lineal. control maestro. Para su control la industria viene adoptando distintas estrategias entre las que se pueden destacar: control de uno.2 Motivación del proyecto. etc. en muchos casos resultan ser ineficientes provocando grandes consumos de combustible y contaminación. adaptativo o basado en redes neuronales. En este caso.

se aborda el control de un proceso multivariable 3x3 no lineal y caracterizada por una gran interacción y fuertes restricciones en la magnitud y variación de las señales de control.  Revisar y mejorar los modelos suministrados a través de un ajuste de los parámetros. el objetivo principal será el de lograr un controlador que mejore sustancialmente. Para la comparativa se empleará un índice de calidad. Se partirá de tres controladores PID independientes para cada salida propuestos por el concurso y que funcionarán como referencia y comparativa de los controladores desarrollados. Por tanto. Memoria Página 3 . atendiendo tanto a las características temporales como a la respuesta en frecuencia. tanto en respuesta temporal como en estabilidad. el modelo de referencia basado en PID independientes. Para ello. un modelo de control descentralizado como el suministrado puede no ser adecuado. como es de prever. se tratará de optimizar dichos controles y se hará uso de otras teorías de control más avanzadas como la predictiva. En caso de que las interacciones entre los lazos sean fuertes.3 Objetivos del proyecto De la motivación del proyecto se desprenden los siguientes objetivos:  Estudio de los modelos suministrados por BENCHMARCK consistentes en una estrategia descentralizada de tres controladores PID que no contemplan los acoplamientos.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL principal dificultad del presente proyecto. 1. En definitiva. Por ello. Parte I. concepto que se explicará en los siguientes capítulos. la optimización se efectuará considerando los acoplamientos.

Fase2: Diseño de un sistema de control más sofisticado: control predictivo Tras una primera fase en la que se analiza la estrategia más simple. Memoria Página 4 . Parte I. Supone una alternativa más robusta y sofisticada respecto de los controles más tradicionales.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL  Desarrollo de un control de tipo predictivo monovariable y otro multivariable. 1. Dado que los controladores proporcionados no están bien ajustados puesto que tan sólo se emplean las acciones proporcional e integral prescindiendo de la derivativa se procederá en un primer momento a hacer un mejor uso de las tres acciones (P. Dicho control ofrece unas mejores prestaciones que las que proporciona el control clásico PID aunque requiere un modelo detallado de la planta. estructuras PI-D. De acuerdo a los objetivos expuestos anteriormente se va a proceder a estructurar el proyecto en tres fases claramente diferenciadas: Fase1: Estudio del funcionamiento de los sistemas de control suministrados y mejora de éstos.  Comparación de todos los modelos desarrollados con el fin de extraer conclusiones.I y D) así como de sus otros grados de libertad (filtro en la acción derivativa.4 Metodología de trabajo y recursos a utilizar. se procede a estudiar el sistema predictivo tanto en versión monovariable como la multivariable (que considera los acoplamientos en su dinámica interna).I-PD).

se estudiarán los posibles diseños de los controles. sus requerimientos y requisitos de funcionamiento. En el capítulo cuarto. 1. Una vez reunida toda la información necesaria se evaluarán todos los controladores de forma conjunta con el objetivo de identificar el más adecuado para el control de la caldera industrial. Las razones principales para su uso son su rapidez y facilidad de depuración.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Fase3: Comparación de los resultados obtenidos con los distintos controladores. Ante la necesidad de conocer el modelo matemático de la planta (caldera) para el diseño de los controles. y partiendo de las funciones de transferencia antes citadas. además de ser el programa elegido por el concurso de diseño de controladores BENCHMARK.5 Estructura de la memoria La presente memoria se ha desarrollado según la estructura siguiente: En el segundo capítulo se presenta un estudio minucioso acerca de las características de la caldera industrial. en el capítulo tercero se procederá a la identificación de la dinámica de la misma obteniendo las funciones de transferencia correspondientes. Para el desarrollo del proyecto se va a emplear el programa de cálculo Matlab y la librería Simulink. Memoria Página 5 . Parte I. A continuación se ajustarán para reducir el efecto que produce la perturbación (demanda) en las diferentes variables a controlar.

Parte I. Memoria Página 6 . monovariable y multivariable. y su aplicación concreta al proceso. Por último en el capítulo séptimo se presentarán tanto los resultados finales del proyecto como las conclusiones. En el capítulo sexto se estudiará el control predictivo en sus dos versiones.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En el capítulo quinto se procederá a una discretización del mejor control obtenido hasta el momento ya que este paso es fundamental para su implementación como sistema digital en un microprocesador.

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

Capítulo 2 Descripción de la planta y del sistema de control.

2.1 Modelo de la caldera
Como se explicó en el capítulo de introducción el proceso elegido es una caldera industrial, la cual se ha implementado en Simulink y que reproduce con pequeñas modificaciones el modelo de caldera propuesto por G.Pellegrinetti y J.Benstman en 1996 [2]. La caldera forma parte de una unidad de cogeneración usada para calefacción y generación de energía eléctrica diseñada para suministrar un caudal de vapor de 22.10 kg/s a una presión de 2.24MPa. Su funcionamiento se basa en la conversión en vapor del agua introducida en el calderín a partir de la transferencia de calor por los tubos. Esta energía se obtendrá a partir de la combustión de aire y combustible en el hogar, el cual está formado por tubos de agua que reciben directamente el calor de la llama consiguiendo la máxima transferencia de calor. Los gases resultantes de la combustión se enfrían y abandonan el depósito. El funcionamiento del ciclo se puede observar a través de la representación gráfica de la Figura 2.1.

Parte I. Memoria

Página 7

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

Figura 2.1 Planta industrial de generación de vapor

Para un correcto funcionamiento de la caldera se debe de cumplir una serie de requerimientos básicos que se exponen a continuación:  El vapor resultante del ciclo deberá mantenerse a unos niveles de presión y temperatura óptimos de tal forma que no se vean influenciados por las variaciones en la demanda de vapor. En el diseño del controlador se considerará que la temperatura se encuentra

Parte I. Memoria

Página 8

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL internamente regulada por lo que sólo habrá que atender al nivel de presión.  La combustión deberá ser eficaz independientemente de la carga a la que esté sometida con el fin de cumplir con los estándares de seguridad, eficiencia energética y condiciones ambientales. Este objetivo se consigue fijando un porcentaje de oxígeno en exceso respecto de la combustión estequiométrica, siendo necesario que el sistema de control tenga una medida instantánea de dicha variable (exceso de oxígeno).  Con el fin de evitar sobrecalentamientos indeseados en las piezas del calderín e inundaciones de las líneas de vapor será necesario tener una medida instantánea del nivel de agua en el calderín con el fin de mantener dicho nivel a un valor fijo y especificado.

En resumen, el sistema de control presenta tres variables a controlar: presión de vapor, exceso de oxígeno y nivel del agua en el calderín. Para lograr este objetivo el control podrá actuar sobre otras tres variables (mandos): combustible, aire y agua. Las variaciones en la demanda de vapor se tomarán como una perturbación medible del sistema, que como es lógico no podrá ser manipulada. El esquema simplificado de la caldera se presenta en la Figura 2.2.

Parte I. Memoria

Página 9

1: Parte I. Sin embargo todas ellas están afectadas de ciertos retardos desconocidos. Las tres variables de entrada podrán ser manipuladas en un rango del 0% al 100%. Memoria Página 10 .Además el caudal de aire presenta una limitación en la velocidad de cambio.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Combustible Entradas (mandos) Aire Oxígeno Perturbación Demanda de vapor Presión de vapor Exceso de oxígeno Nivel de agua Variables a controlar (salidas) Figura 2. El modelo proporcionará información de sus tres variables de salida en % estando todas ellas afectadas por ruido para simular unas condiciones similares a una planta industrial. Debido a que el modelo de la caldera es no lineal se procederá a trabajar en su punto de trabajo habitual tal y como se recoge en la Tabla 2.2: Esquema simplificado de la caldera industrial. no pudiendo superar el valor de 1%/s.

exceso de oxígeno y nivel de agua) y que están definidos a partir de los siguientes parámetros de la Tabla 2.2% Presión de vapor(0)=60% Aire(0)=36. Parte I.2.36% Tabla2.1: Puntos de operación de los mandos y salidas de la caldera. Memoria Página 11 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Entradas Salidas Combustible (0)=35.2 Sistema de control PID de referencia Como se indicó en el capítulo introductorio se partirá del controlador de referencia propuesto por el concurso que consiste en tres PID descentralizados que se encargan independientemente de controlar cada una de las variables (presión de vapor. 2.57% Nivel de agua(0)=50% Demanda de vapor(0)=46.01% Exceso de oxígeno(0)=50% Agua(0)=57.

2.3 Resultados obtenidos con el controlador de referencia Con este primer controlador de referencia se hace trabajar a la caldera en el punto de operación inicial durante los 100 primeros segundos. Como se puede observar en la Tabla 2.5 0. Se observa que las tres variables de salida están perfectamente reguladas moviéndose en unas bandas inferiores al 1%.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Controlador referencia 1 Controlador referencia 2 Controlador referencia 3 2.2: Parámetros de los controladores independientes de referencia.1 1. Memoria Página 12 . En el instante t=100segundos se provoca un cambio brusco en forma de escalón en la demanda de vapor (perturbación medible) con un valor del 20%.25 50 s 20 s 50 s Tabla 2.Como consecuencia de este cambio se puede apreciar que las salidas recuperan sus respectivas consignas con oscilaciones y rapidez variable dependiendo del caso. Parte I.2 en los controladores de referencia tan sólo se emplean las acciones proporcional e integral prescindiendo de la derivativa presentando por ello un gran margen de mejora. estando únicamente sometida a las perturbaciones no medibles asociadas al ruido en las tres variables controladas y a la demanda de vapor.

Todos los resultados se encuentran recogidos en la Tabal 2.5 Control referencia Referencia (60%) 60 80 90 Mando1 (combustible) Caudal de combustible (%) Control referencia 59.3.5 0 200 400 600 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Salida2(exceso oxígeno) Oxígeno en exceso y consigna (%) 55 Control referencia Referencia(50%) 50 80 90 Mando2 (aire) Caudal de aire (%) Control referencia 70 45 60 40 50 35 40 30 0 200 400 600 800 1000 1200 1400 Tiempo (sg) 1600 1800 2000 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Se puede destacar que las salidas recuperan la consigna en un tiempo aproximado de 1900 segundos.5 70 59 60 50 58.5 40 58 30 57. Memoria Página 13 . Salida1(presión vapor) Presión de vapor y consigna (%) 60. La evolución de los caudales (mandos) es creciente y suave a excepción del caudal de agua que inicialmente responde en dirección contraria.

2. Memoria Página 14 .3 Resultados obtenidos con los controladores referencia ante un escalón en demanda de vapor del 20%.4 Índice de calidad. Este modelo expuesto así como sus resultados va a suponer el punto de partida y la referencia para verificar si los controles que se desarrollarán son más adecuados o no.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida3 (nivel de agua) Nivel en el calderín y consigna (%) 54 53 52 51 50 49 48 47 46 45 Control referencia Referencia(50%) 90 control referencia 85 80 75 70 65 60 55 50 45 Mando3 (agua) Caudal de agua de alimentación (%) 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Tabla 2. Comparativa con el caso de referencia Para comprobar si los controles diseñados ofrecen mejores prestaciones que el control referencia será imprescindible el uso de un índice de calidad que muestre las mejorías de una forma cuantitativa.2.1] Parte I. El índice de calidad que será utilizado en el presente proyecto se rige por la siguiente expresión: [Ec.

Memoria Página 15 . El error introducido por la integral del valor absoluto de la derivada del mando vendrá ponderado por el coeficiente w en una escala de 0 a 1.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Donde la salida). Parte I. (t)- es el error de la i-ésima variable controlada (error a es la i-ésima variable manipulada (mando). lo cual condicionará mucho el diseño cuando se tomen valores altos de w. El cálculo del índice de calidad J se va a realizar de una forma relativa respecto del control de referencia propuesto (Jcontrol_referencia/Jcontrol_propuesto) según los distintos pesos del coeficiente w. tfinal es la duración de la simulación y tcambio es el instante de tiempo en el que se ha provocado el correspondiente cambio. Por tanto a medida que el índice J sea más pequeño el control será mejor.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 3 Modelado de la planta para el diseño de controles En primer lugar y antes de empezar a desarrollar los controles es necesario identificar las funciones de transferencia del sistema. Puesto que no se dispone de una caldera industrial de estas características resulta imposible realizar ensayos por lo que para realizar la identificación de la planta tendremos que recurrir a la simulación de ésta a parir del modelo de Simulink proporcionado. exceso de oxígeno y nivel de agua). De esta forma y partiendo del modelo de Simulink se va a proceder a introducir un escalón en cada una de las variables de entrada( combustible. aire y agua) sobre sus respectivos puntos de trabajo registrando las salidas obtenidas en el sistema (presión de vapor. También será necesario considerar la amplitud del ruido a la salida que en ningún caso podrá alterar significativamente la salida medida. Parte I. Una vez registrada se podrá obtener la relación entrada-salida (función de transferencia) a través de un proceso de ajuste. Memoria Página 16 . Es importante indicar que la salida obtenida tendrá que estar comprendida entorno al 10% aproximadamente ya que para que el ajuste sea válido tenemos que movernos en puntos cercanos al punto de trabajo. Por ello la amplitud del escalón introducido variará en cada caso.

El proceso de ajuste desarrollado está basado en la optimización a partir del algoritmo de Gauss-Newton.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 3.1: Representación proceso de ajuste. Parte I.1.1 Procedimiento de identificación. Se parte de unos parámetros aproximados de la planta de tal forma que la diferencia entre la salida obtenida con estos parámetros y la ensayada (error) es integrada y posteriormente optimizada con el algoritmo reajustando los parámetros. El procedimiento a seguir se puede observar en el esquema de la Figura 3. Planta Error Optimización GaussNewton Figura 3. Memoria Página 17 . La complejidad de la expresión de la planta se incrementará gradualmente hasta conseguir el ajuste óptimo. Por ejemplo se partirá de un primer orden para ir añadiéndole polos y ceros.

2 la entrada y salida del ensayo en realidad se refiere a la entrada y salida obtenida como resultado de la simulación puesto que no tenemos una caldera para realizar el ensayo.2. Parte I.2) hasta 70. 3. La salida obtenida con su respectivo ajuste será la presentada en la Figura 3.2.2 Resultados obtenidos 3.1 Diagonal principal  G11(s): Combustible-Presión de vapor La entrada introducida será un escalón desde el punto de trabajo (35.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Es importante puntualizar que cuando se indica en la figura 1. Memoria Página 18 .

) Figura 3. Memoria Página 19 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Amplitud(%) Tiempo (seg.2: Salida con ajuste del término G11(s) Función de transferencia: Parte I.

Memoria Página 20 .Como el ruido obtenido a la salida es grande y alteraba la señal se ha optado por llegar al 12%. La salida obtenida con su respectivo ajuste será la presentada en la Figura 3.3: Salida con ajuste del término G22(s) Parte I.3.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL  G22(s): Aire-exceso de oxígeno: La entrada introducida será un escalón desde el punto de trabajo (36) hasta 38. Amplitud(%) Tiempo (seg. En este caso la amplitud del escalón es mucho menor que en el primer caso (g11) con el fin de obtener una salida entorno al 10%.) Figura 3.

Como es lógico la función de transferencia de la planta presentará necesariamente un polo en s=0 debido a la divergencia ya comentada. La salida obtenida con su respectivo ajuste se presenta en la Figura 3.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Función de transferencia:  G33(s) :Agua-Nivel de agua En este caso cuando se introduce un escalón la salida diverge y crece indefinidamente lo que hace necesario realimentar en lazo cerrado para medir de forma adecuada la salida.4. Memoria Página 21 . Se introduce un escalón desde el punto de trabajo (57. Parte I.57%) hasta 65% y se realimenta con un control proporcional con Kp=2.

) Figura 3.4: Salida con ajuste del término G33(s) Función de transferencia: Parte I. Memoria Página 22 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Amplitud(%) Tiempo (seg.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 3.2. Amplitud(%) Tiempo (seg.5.2 Términos cruzados:  G13(s): Agua-Presión de vapor: Este término de la matriz de funciones de transferencia la obtenemos introduciendo en la entrada 3(agua) un escalón desde el punto de trabajo Uo(3)(57.5: Salida y ajuste del término cruzado G13(s) Parte I.57%) hasta 90% . Memoria Página 23 .La salida registrada(presión de vapor) con su ajuste se presenta en la Figura 3.) Figura 3.

2% (punto de trabajo) hasta 36.6: Salida y ajuste del término cruzado G21(s) Parte I. Salida con ajuste: Amplitud(%) Tiempo (seg.) Figura 3.5% obteniendo la salida y ajustes óptimos de la Figura 3.6.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Función de transferencia:  G21(s): Combustible-Exceso de oxígeno Como en el resto de casos se introduce un escalón desde 35. Memoria Página 24 .

Memoria Página 25 . Parte I.21% (punto de trabajo) hasta 50% y se realimenta con un control proporcional de Kp=8 según se observa en el esquema de la Figura 3. Se introduce un escalón en la referencia desde 35.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Se puede observar en la Figura 3. Sin embargo.6 que el ruido obtenido es significativamente mayor que en otros casos con un escalón de entrada mayor. resulta inevitable si no queremos obtener una salida fuera del rango del 10% comentado anteriormente.7. Función de transferencia  G31(s): Combustible-Nivel de agua Como ha ocurrido anteriormente el sistema diverge si se introduce un escalón siendo necesaria la realimentación en lazo cerrado.

Memoria Página 26 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 3. haciendo uso de la función de transferencia G33(s) anteriormente calculada. el efecto que producirá la entrada en el mando (agua) en la salida (nivel de agua) puesto que se está obteniendo la relación entre combustible-nivel de agua. Este procedimiento se puede ver en la siguiente Figura 3.8: Parte I.7: Esquema Simulink G31(s) Para el ajuste de parámetros del término G31(s) será necesario restarle.

8: Esquema en Simulink del detalle del ajuste. Memoria Página 27 . Figura 3. Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Resta del término agua-nivel de agua.

9: Salida y ajuste del término cruzado G31(s). Memoria Página 28 .9.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL La salida (nivel de agua) y su ajuste es la presentada en la Figura 3.) Figura 3. Amplitud(%) Tiempo (seg. Función de transferencia: Parte I.

gases. 2. caudales que le afectan (combustible y agua). como se ha explicado en el cálculo de las funciones G31(s) y G33(s). 3. 4. El caudal de aire sólo influye en el exceso de oxígeno en los Este análisis permite postular un modelo lineal en el punto de operación descrito por la siguiente ecuación matricial (Ec.1) entre las funciones de entrada de las entradas y de las salidas: (Ec. El exceso de oxígeno sólo está afectado por los caudales de El nivel en el calderín tiene carácter integrador para los dos combustible y aire.3.3. y más concretamente por su proporción. Memoria Página 29 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL El resto de funciones de transferencia entre las variables cruzadas son nulas por lo que a modo de resumen podemos sacar las siguientes conclusiones: 1. La presión de vapor presenta un comportamiento estable para los dos caudales que le afectan (combustible y agua).1) A continuación se muestra una tabla con todas las funciones de transferencia calculadas en los apartados anteriores: Parte I.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Tabla funciones de transferencia Salida 1 (presión de vapor) Entrada 1 (combustible) G11= G12= G13= Salida 2 (exceso oxígeno) Salida3 (nivel de agua) Entrada 2 (aire) 0 G22= 0 Entrada 3 (agua) 0 G33= Parte I. Memoria Página 30 .

Por tanto y al no tiene ninguna aplicación práctica se tratarán de evitar márgenes de estabilidad estrechos. Parte I. Para la optimización de empleará de nuevo un programa basado en el algoritmo de Gauss-Newton.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 4 Optimización del control multivariable PID Una vez realizada la identificación de la planta que caracteriza la caldera industrial se procede en un primer momento. Se comprobarán los márgenes de estabilidad tras cada ajuste ya que no interesa un sistema muy rápido y con buenas características de respuesta si en algún momento se pudiera volver inestable. ya que a priori este modelo inicial no cumplirá con las exigencias de rapidez y sobrepaso necesarias para mejorar el controlador de referencia. Este primer diseño se realiza con la función de servir de estimación y de punto de partida para una posterior optimización. al diseño de unos controladores PID a partir de la respuesta en frecuencia. Memoria Página 31 .

Diseño por respuesta en frecuencia. reajustar y optimizar la respuesta considerando el efecto de los acoplamientos entre las variables a controlar.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4. Memoria Página 32 . ante un escalón en la referencia del 6%. Parte I.1 Determinación inicial de los controles PID.1) que se determina según la siguiente expresión: Por tanto: Para el diseño inicial de los controles se establecerá como condición que el mando tome un valor moderado. nunca superior al 100%. Con las funciones de transferencia de la diagonal principal y cruzadas se procede al diseño por respuesta en frecuencia de los controles PID descentralizados para.1 Con el objetivo de partir de un control que proporcione una respuesta lo más rápida posible antes del ajuste se tomará el máximo ángulo de adelanto posible para el valor del factor de filtrado fijado (0. posteriormente. Las condiciones de las que se parte para el diseño en frecuencia de los controles PID son las expuestas a continuación:    Margen de fase = 50º Ángulo de retraso del PI (positivo)= 5º Factor de filtrado=0.

Memoria Página 33 . referencia mando salida Parte I. La expresión y esquema del formato paralelo se presenta en (II). Puesto que en la implantación de los controles se va a emplear la versión en paralelo de los controles PID es necesario establecer la equivalencia serieparalelo para su correcta utilización.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL  Diseño función de transferencia C1(s): La función de transferencia de la que se parte es la siguiente: Atendiendo a las condiciones de diseño del control PID mostrado anteriormente se procede a determinar los parámetros del formato serie cuya expresión y esquema se muestra en (I).

Parámetros del formato serie:     Frecuencia de corte: w0 =0.0292 rad/s Parámetro del PI: I = 0. Memoria Página 34 .1034 Parámetro del PD D=0.0122 Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL referencia mando salida Para la función de transferencia dada se muestran a continuación los parámetros correspondientes tanto para el formato serie como para el paralelo equivalente.0282 Ganancia K =0.

Figura 4. Memoria Página 35 .2.1288 Parámetro del PD Td=0.0152 Parámetro del PI Ti=0.0198 N=7.1 y 4.1: Mando ante escalón en referencia del 6% en control 1 Parte I.0309 Una vez determinados los parámetros se verifica el correcto funcionamiento con las respuestas de mando y salida ante un escalón del 6% en la referencia tal como se muestra en las Figuras 4.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Parámetros del formato paralelo:     Ganancia Kp=0.

por lo tanto cumple con el requisito de diseño de no superar el 100%.  Diseño función de transferencia C2(s): La función de transferencia de la que se parte es la siguiente: Con dicha función y las condiciones de diseño expuestas anteriormente se obtienen los siguientes parámetros del control serie y paralelo equivalente: Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 7 6 5 Amplitud(%) 4 3 2 1 0 200 250 300 350 Tiempo(seg.) 400 450 500 550 Figura 4. Memoria Página 36 .2: Salida ante escalón en referencia del 6% en control1 El mando se encuentra acotado al 30%.

0612 Parámetro del PI Ti=3.0396 Parámetro del PD D=0.8281 Ganancia K =0.5822 N=7.0901 rad/s Parámetro del PI: I = 3.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Parámetros del formato serie     Frecuencia de corte: w0 =0.2 0 180 200 220 240 260 Tiempo(seg. Memoria Página 37 .6 0.4 la comprobación del mando y de la salida ante escalón en referencia del 6%.3 y 4. 1.7849 Parámetro del PD Td=0.8 Amplitud(%) 0.0491 Parámetros del formato paralelo:     Ganancia Kp=0.) 280 300 320 340 360 Figura 4.2 1 0.0309 De nuevo en las Figuras 4.3: Mando ante escalón en referencia del 6% en control 2 Parte I.4 0.

Memoria Página 38 .4: Salida ante escalón en referencia del 6% en control 2  Diseño función de transferencia C3(s): La función de transferencia de la que se parte es la siguiente: A continuación los parámetros del control en formato serie y paralelo equivalente: Parte I.) 300 350 Figura 4.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 7 6 5 Amplitud(%) 4 3 2 1 0 200 250 Tiempo(seg.

2.9503 Parámetro del PD D=30.00902 rad/s Parámetro del PI: I = 110.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Parámetros del formato serie: 1. Frecuencia de corte: w0= 0. 3.5 y 4. 4.6 la comprobación del mando y salida ante escalón del 6% en referencia como en los dos casos anteriores. 3. Memoria Página 39 .7561 Parámetro del PI Ti=138.1592 Parámetro del PD Td=21.2262 Ganancia K =0. Ganancia Kp=0.0309 En las figuras 4.2520 N=7. 4. 2. Parte I.6072 Parámetros del formato paralelo: 1.

6: Salida ante escalón en referencia del 6% en control 3 Parte I. Memoria Página 40 .) 1000 1500 Figura 4.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 35 30 25 Amplitud(%) 20 15 10 5 0 200 250 300 Tiempo(seg.) 350 400 450 Figura 4.5: Mando ante escalón en referencia del 6% en control 3 8 7 6 5 Amplitud(%) 4 3 2 1 0 -1 0 500 Tiempo(seg.

0282 K = 0.00902 rad/s I= 110.7561 Ti=138.0491 K=0.0122 Parámetros paralelo Kp=0.8281 K=0.9503 D =30.0901 rad/s I = 3.1: Resumen de los parámetros iniciales de diseño en frecuencia para los tres controles.0612 Ti=3.0396 D=0.6072 K=0.0309 G22(s) w0 =0. Memoria Página 41 .0198 N=7.2262 K =0.0309 G33(s) w0= 0.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL De forma resumida se pueden comprobar los distintos parámetros finales de diseño en la Tabla 4.2520 N=7.1: Parámetros serie G11(S) w0 =0.0292 rad/s I = 0.7849 Td=0. Parte I.1592 Td=21.0309 Tabla 4.5822 N=7.1288 Td=0.0152 Ti=0.1034 D =0.

El archivo “ajuste. A continuación y a modo de recordatorio se indica la expresión del índice de calidad: El proceso de optimización que se va a emplear en este apartado es el mismo que el utilizado en el ajuste de los parámetros de identificación de la planta realizado anteriormente. Memoria Página 42 . Teniendo en cuenta estos condicionantes se va a proceder en primer lugar a optimizar los controles de una forma descentralizada para obtener una primera aproximación y ver si es considerable el efecto de las funciones de transferencia cruzadas. El objetivo principal de este reajuste será el de mejorar el índice de calidad del control de referencia propuesto por el Grupo de Ingeniería de Control de CEA.m” que contiene dicho algoritmo se puede encontrar en el apartado de anexos de este proyecto. Parte I. Como se indicó. Para el ajuste se deja fijo N=7.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4.2 Optimización de los parámetros de los controles: A partir de los diseños iniciales de los controles se va a proceder a optimizarlos teniendo en cuenta su respuesta ante un escalón en la perturbación (demanda). compuesto como ya se ha visto por tres controladores PI descentralizados.0309 y los demás parámetros variables siendo el esquema de ajuste del modelo descentralizado el mostrado en la Figura 4.7. dicha optimización está basada en el algoritmo de Gauss-Newton.

7: Esquema de ajuste de parámetros en Simulink. Gracias a ello se consigue que el sistema arranque siempre en su punto de trabajo con lo que de aquí en adelante todas las gráficas se obtendrán aplicando esta operación. Memoria Página 43 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 4. Parte I. Como puede advertirse en el esquema de la Figura 4.7. se suma el valor del punto de trabajo en el mando con el objetivo de eliminar en el ajuste el transitorio inicial al que tiende el sistema.

1 Resultados del primer ajuste de los controles de forma descentralizada.3. Memoria Página 44 .3 Resultados 4.2: Salida1(presión vapor) Mando1 (combustible) Salida2(exceso oxígeno) Mando2 (aire) Parte I. Los resultados obtenidos después de un primer ajuste sin tener en cuenta los efectos de los acoplamientos se recogen en la Tabla 4.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4.

53) cuando se pondera con w=1 el efecto de las Parte I. B. Estas influencias empeoran en gran medida el índice de calidad. En segundo lugar el efecto del control del PD afecta negativamente al índice J para valores de w altos puesto que al optimizar la acción diferencial logra una respuesta en la salida mejor pero a costa de una reacción de los mandos rápida en exceso provocando mucho ruido.2: Gráficas de mandos y salidas del primer ajuste de parámetros El índice de calidad J calculado es 0. Claro de ejemplo de ello es el valor que toma J (29. De los gráficos y de los índices obtenidos se pueden sacar las conclusiones expuestas a continuación: A. como era de prever.53. Memoria Página 45 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida3 (nivel de agua) Mando3 (agua) Tabla 4. En primer lugar se observa.Sin embargo para w=1(máximo peso para las desviaciones del mando) se obtiene J=29.4094 para w=0. una clara influencia del mando1 en las salidas 2 y 3 así como del mando 3 sobre la salida1.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL desviaciones del mando.8: Esquema en Simulink para realizar el segundo ajuste Parte I. Figura 4.0309 y variables el resto de parámetros siendo el esquema seguido el de la Figura 4. Por las razones comentadas se procede a optimizar los parámetros en un segundo ajuste teniendo en cuenta el efecto de las variables cruzadas además de controlar en mayor medida el efecto de la parte diferencial. Como en este primer ajuste se va a dejar fijo N=7. Memoria Página 46 . Este valor de J resulta inadmisible para los objetivos marcados.8.

N) fijos y el otro con los parámetros variables a excepción. los valores tan pequeños de Td y N que se han obtenido indican claramente que se debe de prescindir de la parte diferencial si se quiere mejorar el índice de calidad. de N que tiene el valor de 7.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En el esquema de la Figura 4.4638e-3 . Esto es debido a que el efecto diferencial afecta principalmente de manera negativa al mando ya que un exceso de rapidez en la salida se traduce en más oscilaciones y valor más alto en el mando. seguido del control 3 para terminar con el control 2.0309. Parte I.3880e-2 y N=2. Puesto que el mando tiene una gran importancia ya que supone un coste económico alto se ha preferido eliminar el efecto diferencial. Se buscará que en la iteración las tres salidas tiendan a cero de forma conjunta.2 Resultados segundo ajuste de los controles teniendo en cuenta la influencia de las variables cruzadas. Como era de esperar este también se hace muy pequeño dando como resultado Td=7. En conclusión. Td. En primer lugar se ajusta el control de la salida1 por ser el que más afecta al resto de salidas.8 se muestra como se introducen los tres controles. Por ello y partiendo de los parámetros obtenidos en este segundo ajuste se procede a ajustar el parámetro N que antes estaba fijo. Ti. como ya se ha comentado. Memoria Página 47 . Sin embargo se puede extraer una conclusión muy importante: El coeficiente correspondiente al PD (Td) de los tres controladores teniendo en cuenta los efectos cruzados tiende a un valor muy pequeño con lo que se indica que el efecto de dicho control diferencial tiene que ser muy reducido para alcanzar unos niveles de calidad altos. En este segundo ajuste se obtiene una mejora del índice J pero sin alcanzar los niveles requeridos. lo que se comprueba al ponderar con el coeficiente w el índice de calidad.3. dos de ellos con los parámetros (Kp. 4.

Memoria Página 48 . 4.3: Funciones de transferencia de los controles referencia y los que se procede a evaluar.52 ] PID2: [2. Parte I.64e-1 4.9 29] Los resultados obtenidos en comparación con los casos de referencia y las expresiones de los controles finales se recogen en la Tabla 4.En la Tabla 4.2563] PID3: [2. no hay acción diferencial.] para cada uno de los tres controladores:    PID1: [6.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Consecuencia de ello. C1(s) C2(s) C3(s) Caso referencia Caso a evaluar Tabla 4. se va a realizar un tercer y último ajuste en el que solo se tendrá en cuenta la optimización de la parte proporcional-integral. Empleando el modelo Simulink del segundo ajuste resultan los siguientes parámetros finales en el formato [Kp. De esta forma Td y N tomarán valor nulo.3.4. es decir.3 Resultados tercer ajuste sin acción diferencial.3 las funciones de transferencia de los controles referencia y los controles a evaluar.3417e-1 4.Ti.

Memoria Página 49 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 1( Presión de vapor) Mando 1(Combustible) Salida 2 (Exceso de oxígeno) Mando 2( Aire) Parte I.

como se muestra en la tabla 4.761 1 0.8 0. Memoria Página 50 .9.7206 0.5292 0.2614 0.6780 0.10 y 4.9 0. Como se observa en las gráficas.5: Índices de calidad J en función de w para el tercer ajuste.3 0.4: Gráficas de mandos y salidas resultantes del tercer ajuste. Los índices de calidad J resultantes de éste último ajuste alcanzan claramente los objetivos propuestos siendo mejor para cualquier valor del coeficiente w.1 0. Para salir de dudas se muestran los gráficos de Nichols de los tres controladores en lazo abierto en las Figuras 4.3379 0.4075 0. además de las complicaciones que pueda presentar en la respuesta temporal.6 0.4710 0.11 mostradas a continuación: Parte I. las salidas 2 y 3 presentan oscilaciones (poco amortiguamiento) que podría ser indicativo de unos márgenes de estabilidad un poco pequeños. 4.7 0.4 0.6322 0.5828 0. w J 0 0.2 0.79 Tabla 4.5 0.5.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 3 (Nivel de agua) Mando 3(Agua) Tabla 4.

7 Delay Margin (sec): 25.7 At frequency (rad/sec): 0.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL System: caso_evaluar1 Phase Margin (deg): 50.229 Closed Loop Stable? Yes Nichols Chart 0 -5 -10 -15 Open-Loop Gain (dB) caso_evaluar1 referencia1 -20 -25 -30 -35 -40 -45 -50 -180 -135 Open-Loop Phase (deg) -90 Figura 4. Memoria Página 51 .9: Nichols en lazo abierto del control1 Parte I.0353 Closed Loop Stable? Yes 0 -5 -10 -15 Open-Loop Gain (dB) caso_evaluar1 referencia1 System: referencia1 Phase Margin (deg): 110 Delay Margin (sec): 100 At frequency (rad/sec): 0.1 Nichols Chart At frequency (rad/sec): 0.0192 Closed Loop Stable? Yes -20 -25 -30 -35 -40 -45 -50 -180 -135 Open-Loop Phase (deg) -90 System: caso_evaluar1 Gain Margin (dB): 30.

9 At frequency (rad/sec): 3.4 At frequency (rad/sec): 0. Memoria Página 52 .322 Closed Loop Stable? Yes System: caso_evaluar2 Phase Margin (deg): 13.19 Closed Loop Stable? Yes caso_evaluar2 referencia2 -10 Open-Loop Gain (dB) -20 -30 -40 -50 -60 -70 -80 -180 -135 Open-Loop Phase (deg) System: referencia2 Gain Margin (dB): 59.4 At frequency (rad/sec): 0.3 Delay Margin (sec): 1.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Nichols Chart 20 10 System: caso_evaluar2 Gain Margin 0 (dB): 10.10: Nichols en lazo abierto del control2 Parte I.322 Closed Loop Stable? Yes -15 -20 -182 -180 -178 -176 -174 -172 Open-Loop Phase (deg) -170 -168 -166 Figura 4.19 Closed Loop Stable? Yes 0 Open-Loop Gain (dB) -5 -10 System: x Gain Margin (dB): 10.3 Delay Margin (sec): 1.22 At frequency (rad/sec): 0.22 At frequency (rad/sec): 0.7 At frequency (rad/sec): 0.3 Closed Loop Stable? Yes System: referencia2 Phase Margin (deg): 104 Delay Margin (sec): 48.0371 Closed Loop Stable? Yes -90 Nichols Chart 5 System: x Phase Margin (deg): 13.

4. el margen de ganancia es suficiente en todos los casos. Parte I.10 y 4. De nuevo se realizará sin acción diferencial.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Nichols Chart 15 10 5 Open-Loop Gain (dB) caso_evaluar3 referencia3 System: caso_evaluar3 Phase Margin (deg): 12. este margen de fase es insuficiente para garantizar un mínimo nivel de seguridad en el control por lo que es necesario realizar un cuarto ajuste que mejore el margen a pesar de que empeore el índice de calidad.48 At frequency (rad/sec): 0.6 Delay Margin (sec): 24.0185 Closed Loop Stable? Yes 0 -5 -10 -15 -20 -25 System: caso_evaluar3 Gain Margin (dB): 6. Obsérvese que incluso el margen de fase del controlador 3 de referencia es pequeño. Sin embargo.19 At frequency (rad/sec): 0.9. Memoria Página 53 .4 Delay Margin (sec): 5.0712 Closed Loop Stable? Yes System: referencia3 Gain Margin (dB): 15.11. En consecuencia.0867 Closed Loop Stable? Yes 180 Open-Loop Phase (deg) 210 Figura 4.1 At frequency (rad/sec): 0.7 At frequency (rad/sec): 0.En general los márgenes han empeorado por el ajuste en comparación con el caso referencia.0396 Closed Loop Stable? Yes System: referencia3 Phase Margin (deg): 25.11: Nichols en lazo abierto del control3 Como era de esperar las oscilaciones presentes en las salidas 2 y 3 son causadas por un margen de fase pequeño como puede comprobarse en las Figuras 4.

4638e-3] Sus salidas y mandos así como el índice de calidad se presentan en las Tablas 4.4638e-3] PID3: [2.3880e-2 2.3831e-2 2.5 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Parte I.7.65e-1 4.3.35e-1 8.6 y 4.5 Caso referencia Caso a evaluar 60 Mando 1(Combustible) Caudal de combustible (%) 90 Caso referencia Caso a evaluar 80 59.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 4.5 70 59 60 58. Memoria Página 54 .4638e-3] PID2: [2.3880e-2 2.4 Resultados cuarto ajuste con más amortiguamiento: Con este cuarto ajuste se va a pretender alcanzar un margen de fase mínimo de 40º optimizando el índice de calidad en la medida de lo posible.52 7.5 50 58 40 57. Salida 1( Presión de vapor) Presión de vapor y consigna (%) 60.5 7.5 80 7. El mejor ajuste alcanzado es el siguiente: PID1: [6.

2 0.8154 0.5061 0. w J 0 0.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 2 (Exceso de oxígeno) Oxígeno en exceso y consigna (%) 55 Caso referencia Caso a evaluar 50 Mando 2 (Aire) Caudal de aire (%) 100 Caso referencia Caso a evaluar 90 80 45 70 40 60 50 35 40 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Salida 3 (Nivel de agua) Nivel en el calderín y consigna (%) 54 53 52 51 50 49 48 47 46 45 Caso referencia Caso a evaluar 90 85 80 75 70 65 60 55 50 45 Mando 3 (Agua) Caudal de agua de alimentación (%) Caso referencia Caso a evaluar 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Tabla 4. Memoria Página 55 .6 0.9 0.7441 0.6137 0.6: Gráficas de mando y salida para ajuste con amortiguamiento.5624 0.7: Índices de calidad J en función de w para ajuste con amortiguamiento. Parte I.6608 0.4443 0.7041 0.1 0.7811 0.8773 Tabla 4.3 0.8 0.4 0.5 0.8474 1 0.7 0.

Sin embargo.229 Closed Loop Stable? Yes -30 -40 -180 -150 Open-Loop Phase (deg) -120 Figura 4.15 las respuestas de todos los controles de forma conjunta respecto de los modelos de referencia. la estabilidad del sistema debe ser prioritaria al nivel de calidad alcanzado.12. Controlador 1 Nichols Chart 10 0 System: caso_evaluar1 Phase Margin (deg): 50.12: Nichols en lazo abierto controlador 1 Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Se observa que los índices son ligeramente peores respecto de los ajustes anteriores. Los valores de interés de las mismas se recogen en la Tabla 4. Memoria Página 56 .13. 4.7 At frequency (rad/sec): 0. Las respuestas en frecuencia del lazo abierto se recogen individualmente para cada control en las Figuras 4.8.0353 Closed Loop Stable? Yes Open-Loop Gain (dB) -10 -20 System: caso_evaluar1 Gain Margin (dB): 30. En la Figura 4.7 Delay Margin (sec): 25.14. 4.1 At frequency (rad/sec): 0.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Controlador 2 Nichols Chart 20 10 0 Open-Loop Gain (dB) -10 -20 -30 System: caso_evaluar2 Gain Margin (dB): 47 System: caso_evaluar2 Phase Margin (deg): 40.41 At frequency (rad/sec): 0. Memoria Página 57 .14: Nichols en lazo abierto controlador 3 Parte I.0934 Closed Loop Stable? Yes -20 -25 -30 180 Open-Loop Phase (deg) 210 Figura 4.13: Nichols en lazo abierto controlador 2 Controlador 3 Nichols Chart 10 5 0 Open-Loop Gain (dB) System: caso_evaluar3 Phase Margin (deg): 40 Delay Margin (sec): 25.16 Closed Loop Stable? Yes -40 At frequency (rad/sec): 2.4 -15 At frequency (rad/sec): 0.41 Closed Loop Stable? Yes -50 -60 -70 -80 -180 -150 Open-Loop Phase (deg) -120 Figura 4.0278 Closed Loop Stable? Yes -5 -10 System: caso_evaluar3 Gain Margin (dB): 10.5 Delay Margin (sec): 4.1 At frequency (rad/sec): 0.

15: Comparativa de los Nichols en lazo abierto finales con el caso referencia. Memoria Página 58 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Nichols Chart 10 0 -10 Open-Loop Gain (dB) -20 -30 -40 -50 -60 -70 -80 -180 -135 Open-Loop Phase (deg) -90 referencia1 referencia2 referencia3 caso_evaluar1 caso_evaluar2 caso_evaluar3 Figura 4. Parte I.

7 59. No corta 30.5 Referencia 3 24. Memoria Página 59 . Hay que ajustar teniendo en cuenta los márgenes de ganancia y fase aunque sea en Parte I. márgenes de estabilidad demasiado estrechos.   Tercer ajuste: Necesidad de eliminación de la acción diferencial Cuarto ajuste: oscilaciones en la salida son causados por ya que un exceso de rapidez en el mando empeora el índice de calidad.8: Datos característicos de la respuesta en frecuencia de los controles optimizados y del modelo referencia.No es posible un ajuste descentralizado.5 Conclusiones  Primer y segundo ajuste: los resultados obtenidos indican una clara influencia de las mandos 1 y 3.A consecuencia de ello se ha rebajado el margen de fase respecto del modelo referencia en los controles 1 y 2. 4. que gracias al nuevo ajuste se ha establecido en 40º.3 47 15.7 Referencia 2 104 Caso a evaluar2 40.3.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Referencia 1 Margen de fase Margen de ganancia Tabla 4.4 110 Caso a evaluar1 50.7 10.1 Caso a evaluar3 40 En el tercer control el modelo referencia presentaba un margen de fase muy pequeño.

Parte I.  El control final obtenido en el ajuste 4 es el que se procederá a discretizar. El aumento de margen de fase en el control 3 ha provocado que para mantener el índice de calidad en buenas condiciones haya sido necesario reducir el margen de fase en los controles 2 y 3 ya que la entrada 3 tiene una incidencia significativa sobre la 1.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL perjuicio del índice de calidad para asegurar un margen de seguridad adecuado. Memoria Página 60 .

El proceso de control se encuentra normalmente integrado en un microprocesador el cual actúa sobre el mando a partir de la comparación entre la señal muestreada de la salida de la planta analógica y de la referencia. Dicho esquema es empleado para realizar la simulación de la respuesta temporal de un sistema de control ya que refleja fielmente la respuesta que se obtendrá en el ensayo real.5.1 Introducción a la discretización y resultados. Al mando discreto resultante a la salida del control se le aplica un retenedor de orden cero que se encarga de mantener la salida constante entre instantes de muestreo cuya transformada de Laplace es la función de transferencia siguiente: [Ec. Memoria Página 61 . Para la implementación de los controles diseñados en un sistema real es preciso proceder a una discretización de los mismos.1] El proceso de discretización se ilustra en la figura siguiente (Figura 5.1) a través sistema mixto que emplea la planta analógica. el control PID digital y el conjunto muestreador-retenedor. Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 5 Discretización 5.

En este proyecto entre los requisitos de diseño del concurso se establece como periodo de muestreo Ts=0. etc. hardware disponible. precio del mismo. Parte I. Un aspecto importante en la discretización de un sistema de control es la selección del periodo de muestreo. lo cual puede condicionar el diseño de los controles de la caldera y en el caso de que dicho retraso tuviese una significativa influencia habría que rediseñar y optimizar de nuevo los controles calculados teniendo en cuenta el retraso a la hora de diseñar el control a partir de la planta. la cual implica considerar temas muy variados: especificaciones del sistema de control.1: Esquema proceso de discretización. coste de desarrollo del software.2 seg. Memoria Página 62 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Planta analógica Parte digital Figura 5. El sistema del muestreador y el retendedor de orden cero introducen un retardo de la mitad del periodo de muestreo (Ts/2).

medianos y grandes de la forma en que se recoge en la Tabla 5.5 14.5. En el caso de que el tiempo de muestreo del presente trabajo quede encuadrado dentro de los tiempos considerados pequeños no sería necesario rediseñar los controles sino que directamente se transformarían las funciones de transferencia de los controles del dominio en s al dominio en z.1 [3].2] Periodo de muestreo Grande Mediano Pequeño 2 57.3 0.  Modelo digital: Se emplea para el diseño el modelo discretizado de la planta.2 5.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Para ver el nivel de influencia del retardo se establece una relación entre el periodo de muestreo con la rapidez del sistema según la expresión 2 lo que permite clasificar los tiempos de muestreo en pequeños.7 0.1 2.6 0. Es válido para cualquier tiempo de muestreo.1: Tiempos de muestreo y retraso correspondiente. siendo en este caso válido el diseño a partir del modelo continuo o analógico. Memoria Página 63 . [Ec.3 1 28. En el caso de obtener periodos medianos o grandes habría que diseñar con alguno de los dos modelos siguientes según convenga:  Modelo analógico modificado: Aproxima el efecto de muestreo y retención con un retardo de ts/2. Por su Parte I.9 Tabla 5. Es válido para ts pequeños y medianos.

007 =0. Para ello se tienen diversas opciones pero en este proyecto se va a optar por usar las denominadas transformaciones racionales que se caracterizan por poder traducirse fácilmente en algoritmo. Parte I.5. Memoria Página 64 .4). Se usarán dos: derivada en adelanto (Ec.3) y transformación trapezoidal (Ec. Hay que tener en cuenta que dicho diseño a partir del modelo continuo es una aproximación por lo cual el margen de fase quedará retrasado según el valor correspondiente de la Tabla .032 =0.005 Por suerte los tiempos de muestreo han quedado dentro de los denominados pequeños por lo que se comprueba que el diseño a partir del modelo continuo es válido y se procede directamente a la discretización.5. A continuación se comprobará la clasificación según la velocidad del sistema atendiendo a la w de cruce obtenida en los diseños de los controles PID.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL mayor complejidad se suele emplear especialmente para periodos de muestreo grandes. PID1 PID2 PID3 =0. hecho que se comprobará posteriormente a mediante los correspondientes gráficos de Nichols.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En la siguiente Tabla 5. Puesto que las respuestas ante un escalón en la perturbación van a ser muy parecidas se va a comparar directamente los índices de calidad obtenidos a partir de las respuestas del modelo mixto con la caldera analógica y el control digital (Figura 5. Memoria Página 65 .2 se recogen las expresiones discretizadas de los controles obtenidos en el cuarto ajuste con más amortiguamiento con los dos métodos mencionados. C1(z) C2(z) C3(z) Control analógico Derivada en adelanto Integración trapezoidal Tabla 5.2: Funciones de transferencia discretizadas.Para el análisis de la respuesta en frecuencia se van a comparar los gráficos de Nichols en lazo Parte I. Con los controles discretizados y el control original se procede al análisis de las respuestas temporales y en frecuencia del sistema con los controles citados anteriormente.2).

Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL abierto y de Bode en lazo cerrado de las dos discretizaciones y para cada uno de los controles originales. Figura 5. Memoria Página 66 .2: Esquema Simulink de la caldera con los controles discretizados.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Controlador 1 Nichols Chart 0 Trapezoidal Derivada Analógico -5 Open-Loop Gain (dB) -10 -15 -20 -25 -30 -180 -150 Open-Loop Phase (deg) Figura 5. Memoria Página 67 .3: Nichols en lazo abierto control 1 Parte I.

5 10 -1.5 -1 -1.5 10 Frequency (rad/sec) -1.5 0 -0.5 0 -0.5: Zoom diagrama Bode con amplitud de pico.6 10 -1.4 10 -1.4: Diagrama Bode en lazo cerrado del control 1 Bode Diagram trapezoidal1 derivada1 analógico1 1.5 1 Magnitude (dB) 0.5 1 Magnitude (dB) trapezoidal1 derivada1 analógico1 0.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bode Diagram 1.3 Figura 5. Parte I.5 10 -2 Frequency (rad/sec) Figura 5. Memoria Página 68 .

36 Trapezoidal 28.0353 0.7 50.3: Valores característicos de la respuesta en frecuencia del control 1.0576 Tabla 5.0575 30.5 50. Memoria Página 69 . Controlador 2 Nichols Chart 0 -10 Trapezoidal Derivada Analógico Open-Loop Gain (dB) -20 -30 -40 -50 -60 -70 -180 Open-Loop Phase (deg) -150 Figura 5.39 Derivada por adelanto 27.4 0.0353 0.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Am Analógico modificado φm ωo ωu Apico(dB) ωcorte 0.42 0.0353 0.0576 0.229 1.6 50.193 1.204 1.7 0.6: Nichols en lazo abierto control 2 Parte I.3 0.

Parte I.7: Diagrama Bode en lazo cerrado del control 2 Bode Diagram 4 trapezoidal2 derivada2 analógico2 3 2 Magnitude (dB) 1 0 -1 10 -0.8 10 Frequency (rad/sec) -0.7 Figura 5. Memoria Página 70 .8: Zoom diagrama Bode con amplitud de pico.9 10 -0.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bode Diagram 4 3 2 Magnitude (dB) trapezoidal2 derivada2 analógico2 1 0 -1 -2 -3 -4 10 Frequency (rad/sec) -1 Figura 5.

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

Am Analógico modificado 47

φm

ωo

ωu

Apico(dB) ωcorte 3.26 0.249

40.5 0.16 2.41

Trapezoidal 28.6 39.6 0.16 0.832 3.48 Derivada por adelanto 28.6 39.5 0.16 0.832 3.5

0.25

0.249

Tabla 5.4: Valores característicos de la respuesta en frecuencia del control 2.

Controlador 3
Nichols Chart

0 Trapezoidal Derivada Analógico

-2
Open-Loop Gain (dB)

-4

-6

-8

-10

180 Open-Loop Phase (deg)

210

Figura 5.9: Nichols en lazo abierto control 3

Parte I. Memoria

Página 71

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

Bode Diagram 4 trapezoidal3 derivada3 analógico3

3 2

Magnitude (dB)

1

0

-1

-2

10 Frequency (rad/sec)

-2

Figura 5.10: Diagrama Bode en lazo cerrado del control 3

Bode Diagram 4 trapezoidal3 derivada3 analógico3

3.5

Magnitude (dB)

3

2.5

2

10

-1.9

10

-1.8

10

-1.7

10

-1.6

10

-1.5

10

-1.4

Frequency (rad/sec)

Figura 5.11: Zoom diagrama Bode con amplitud de pico.

Parte I. Memoria

Página 72

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL Am(dB) φm Analógico modificado 10.4 40 ωo ωu Apico(dB) ωcorte 0.063

0.0278 0.0934 3.83

Trapezoidal 10.3 Derivada por adelanto 10.3

39.8 0.0278 0.0927 3.88

0.063

39.8 0.0278 0.0927 3.88

0.063

Tabla 5.5: Valores característicos de la respuesta en frecuencia del control 3.

w Janalógico Jtrapezoidal Jderivada

0 0.4443 0.4544 0.4435

0.1 0.5061 0.5161 0.5051

0.2 0.5624 0.5722 0.5611

0.3 0.6137 0.6234 0.6122

0.4 0.6608 0.6704 0.6591

0.5 0.7041 0.7135 0.7022

0.6 0.7441 0.7534 0.7420

0.7 0.7811 0.7903 0.7788

0.8 0.8154 0.8246 0.8130

0.9 0.8474 0.8565 0.8449

1 0.8773 0.8863 0.8746

Tabla 5.6: Comparativa de los índices de calidad de los dos controles discretizados y el control analógico.

Del análisis tanto de la respuesta temporal como en frecuencia se desprende que las dos discretizaciones presentan un ajuste muy bueno al modelo analógico, siendo muy próximas entre sí y estables en lazo cerrado. En efecto, el tiempo de muestreo es lo suficientemente pequeño como para no afectar al diseño de los controles.

Parte I. Memoria

Página 73

Puesto que los controles PID presentan numerosas carencias se va a diseñar en el siguiente apartado un control de tipo de predictivo que a priori va a permitir obtener una respuesta mejor a la salida sin abusar excesivamente del mando y asegurando la estabilidad. Parte I. Memoria Página 74 . la imposibilidad de hacer uso de la acción diferencial deja un considerable margen de mejora.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En atención a los datos obtenidos. la discretización trapezoidal presenta de forma ligera mejores márgenes de estabilidad y amplitudes de pico que la derivada en adelanto mientras que los índices de calidad son un poco peores. la elección dependerá de los requisitos concretos que se deseen en cada caso. En definitiva. 5. Sin embargo. cualquiera de las dos discretizaciones es válida.2 Conclusiones La optimización de los controles diferencial-integral ha producido resultados cuantitativamente mejores respecto de los que se partía (modelo referencia).

cabe destacar la aparición del control óptimo como concepto general (que se plasma en distintos métodos concretos) destinado a conseguir objetivos tales como:      eficiencia ahorro energético calidad seguridad etc. las metodologías de diseño tradicionales como los controladores PID presentan algunas limitaciones que impiden conseguir unos sistemas de control con mejores características y más eficientes. Así. Las limitaciones de la metodología de control PID ha propiciado el desarrollo de nuevas teorías de control. de gran importancia en el mundo de la industria.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 6 Desarrollo de un control predictivo Como se ha podido observar con lo desarrollado hasta este momento. Parte I. Uno de ellos es el control predictivo . por ejemplo. 6. Memoria Página 75 . y que se va a aplicar en este proyecto para la caldera industrial.1 Fundamentos del control predictivo. En consecuencia se precisa de profundizar en sistemas más complejos y que ofrezcan mejores y mayores posibilidades.

. Memoria Página 76 .. Parte I. suele minimizar el cuadrado del error de seguimiento de la trayectoria de la variable de proceso (salida) respecto de la salida deseada.. Se establece una trayectoria de referencia futura w(t+j) que describe como se desea conducir el proceso desde el valor actual y(t) a la consigna futura deseada r(t+j). sobre un horizonte de predicción N. Se calculan los valores futuros de control {u(t). El controlador predictivo emplea un modelo del proceso con el fin de predecir su comportamiento futuro en un horizonte de tiempo definido calculando los valores de las variables manipuladas en cada periodo de muestreo de acuerdo con los valores de consigna deseados y las restricciones y condiciones de operación del proceso. Resumen: En qué se basa el modelo de predicción: El control predictivo basado en modelos se basa en las siguientes ideas: 1. Se usa un modelo del proceso para predecir su comportamiento futuro.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL El control predictivo es una aplicación concreta del control óptimo. 2. 3.. De esta forma. Los valores predichos de las salidas y (t+k/t).. N. Con este objetivo se hará uso de una función objetivo que generalmente.. depende de los valores hasta el instante t (valores pasados de las entradas y las salidas) y de los valores futuros de las señales de control u (t+k/t).u(t+N)} tratando de minimizar la función error e(t)=w(t+j)-y(t+j). u(t+1). cuyo principio básico de funcionamiento es igualar la salida predicha del sistema con una salida deseada predefinida basándose en un modelo de proceso. donde y (t+k/t) es el valor predicho de la salida en el instante t+k a partir del valor en el instante actual t. para k=1..

Inicialmente se aplica a la planta el primer elemento del mando u(t/t) olvidando el resto para volver a repetir el proceso en el instante de muestreo siguiente. la salida. 4.1. Memoria Página 77 . 6. Esta optimización puede incluir restricciones en los valores futuros de las variables del proceso.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Normalmente se incluye una estructuración en la ley de control. por ejemplo. Así se obtiene una nueva ley de control u(t+1/t+1) diferente de la de la señal de control calculada anteriormente u(t+1/t).1 Esquema de control predictivo-adaptativo Parte I. introduciendo un horizonte de control N. la señal de control o la variación de la señal de control.1 Partes fundamentales del control predictivo Los elementos que caracterizan el control predictivo basado en modelos son los que se presentan en la Figura 6.1: Predicción Planificador trayectoria Referencia Modelo predictivo Señal de control Proceso real salida Mecanismo adaptación Figura 6.

 Mecanismo de adaptación de parámetros: Ajusta los parámetros del modelo predictivo para anular el error que se pueda producir entre la salida y la establecida por el planificador.1.1 Modelos de predicción. La salida del proceso es: Parte I. necesaria para conseguir igualar la salida tras el proceso real con la deseada que ha establecido previamente el planificador de trayectoria. Memoria Página 78 . algunos de los más utilizados para el modelo del proceso son [4]:  Modelo respuesta impulsional. según la elección que se realice tendremos los diferentes métodos de control predictivo basado en modelos. se encarga de informar de las desviaciones producidas para que pueda redefinir la trayectoria establecida anteriormente.1. Cualquier tipo de modelo a partir del cual se puedan calcular las predicciones se puede utilizar para la estrategia de control predictivo. De la misma forma.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL La descripción de los bloques presentados en la Figura puede ser resumida de la siguiente forma:   Planificador de trayectoria: Genera la señal de salida guiando el Modelo predictivo: Calcula la señal de control (mando) proceso de salida al punto final que se desea de una forma óptima. 6. Para cada uno de estos elementos hay varias opciones. Se va a ir viendo ahora cada uno de estos elementos básicos.

 Modelo respuesta al escalón.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL donde hj son las muestras de la respuesta impulsional unidad y q-1 es el operador retardo unidad.. Este modelo no se pude usar con sistemas inestables lo que supone su principal desventaja. .La predicción es simple y menos sensible a errores puesto que no existen términos recursivos.. Las ventajas de este modelo son: . Se supone que la respuesta al escalón se estabilizada tras n períodos de muestreo. con q-1u(t)=u(t-1) y H(q-1)=h1 q-1+h2 q-2+. Memoria Página 79 . La mejor predicción usando este modelo es: Obsérvese que u (t+k/t)=u(t+k) para k<0. donde gj son las muestras de la respuesta al escalón unidad y u(t)=u(t)-u(t1).Puede describir fácilmente dinámicas poco usuales.Requiere poca información a priori. . La predicción de la salida del proceso es: Parte I. y0 es el efecto acumulativo de los incrementos de control después de n muestras.+hn q-n. estabilizado a un valor constante.

El proceso se describe por la ecuación en diferencias: o La predicción de la salida del proceso es: u(t+k/t) Las ventajas principales de este modelo son: .Se puede utilizar para modelar sistemas inestables o poco amortiguados. Por otro lado el modelo presenta las siguientes desventajas: . Este último modelo basado en la función de transferencia es el que se va a adoptar para el desarrollo de este proyecto.  Modelo de función de transferencia.1) el modelo basado en Parte I.Es necesario presuponer el orden del sistema. . Tomando u(k) como entrada en el instante k .y(k) medida en el instante k como salida e función de transferencia tiene la siguiente expresión: (Ec. Memoria Página 80 . .El número de parámetros es pequeño. n y m. es decir.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Este modelo tiene las mismas ventajas e inconvenientes que el modelo respuesta impulsional.La predicción puede hacerse más difícil debido a su naturaleza recursiva.6. -Es posible que aumente la sensibilidad frente a los errores.

Memoria Página 81 .Comose puede observar en esta expresión no se incluye la perturbación ya que ésta es desconocida. Es decir. Cálculo de la trayectoria deseada.2) Donde es la salida predicha en el instante k para el próximo instante así como su k+1. 6.2 Cálculo del mando a aplicar en el proceso real: Una vez definido el modelo de predicción así como la trayectoria definida por el planificador se procede al cálculo del mando de la siguiente forma: Esta última expresión describe las dos operaciones básicas en el control predictivo: i.1.3 Trayectoria deseada. en un horizonte dado (h). a la referencia futura. Esta trayectoria es la que se desearía conseguir para alcanzar. Una de las partes importantes del control predictivo es la elección de la trayectoria de referencia.1. ii. Además el valor de estos parámetros podrá ser actualizado en cada instante k por media del mecanismo de adaptación antes citado. Cálculo del control u (k). en el Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Como en general no se puede saber a priori la dinámica exacta del lazo abierto descrita por la expresión anterior se empleará como modelo predictivo una estimación de la expresión anterior: (Ec.1.1. El número de parámetros valor pueden ser diferentes a los de Ec.1.3. 6.6.

rk  2. por lo que el esfuerzo de regulación es más brusco.wk 1   n . Normalmente. En estos últimos. Es ésta una de las principales ventajas del control predictivo sobre. se obtiene la siguiente expresión: wk   . Son los más sencillos. el regulador dispone de un tiempo para alcanzar la referencia.2). A partir de esta predicción. con la metodología predictiva.wk 2 2 2 - Existen otros filtros de mayor complejidad como.wk 1  (1   ).UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL instante de tiempo k tenemos una predicción de la referencia futura a la cual queremos aproximarnos de una manera más o menos suave (Figura 6. obtenemos la secuencia de referencias desde k hasta k+h. la velocidad del control predictivo. Estos filtros permiten que la respuesta inicial tenga una derivada nula evitando las discontinuidades en el origen de la trayectoria deseada. Para lograr un filtro lo más rápido posible sin amortiguaciones es frecuente que se empleen dos polos iguales y amortiguamiento crítico: wk   n . la referencia se conoce en el mismo instante en que se necesita. por ejemplo: wk  rk   k . Sin embargo. Como es lógico la velocidad de la trayectoria fijará.(rk  y k ) Parte I. los controles PID clásicos. por ejemplo. Memoria Página 82 . . suelen emplearse filtros con la finalidad de suavizar la referencia siendo lo más empleados los siguientes: Filtros de primer orden. en cierto sentido.rk - Filtros de segundo orden. Siendo la secuencia de referencias futuras. n . siendo la respuesta más suave.

Por tanto el planificador de trayectoria es el encargado de generar una salida deseada. la salida deseada se ajustará a una trayectoria que partiendo de los actuales valores de la salida alcance el punto final establecido de una forma suave y poco abrupta y al mismo tiempo rápida y sin sobrepasos. En caso de querer optimizar el control resultante se procederá a añadir el filtro. Trayectorias de referencia En este proyecto se va a partir de un planificador de trayectoria sin filtro ya que por la naturaleza del sistema no parece estrictamente necesario. Parte I. Como principio de diseño. Memoria Página 83 .2.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.

De acuerdo al principio por el que se rige el control predictivo. en esta ocasión se establece la predicción para el instante k+d en vez de k+1.El control predictivo calcula la acción de control u(k) con la intención de predecir la salida en el instante k+d.1. Memoria Página 84 .1. Se puede expresar la salida deseada de la siguiente forma [5]: Parte I.6. Este tipo de respuesta es típicamente la correspondiente a un segundo orden críticamente amortiguado y de ganancia estática unitaria.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Una forma sencilla y eficiente de generar esta trayectoria consiste en usar la salida de un modelo estable introduciendo el punto final al que debe llegar como entrada siendo las salidas del proceso actual las condiciones iniciales. siendo ésta la empleada en el proyecto. De esta forma la trayectoria quede definida como: [Ec.4] Una forma razonable de obtener los parámetros p q es con la respuesta a un punto de referencia constante empezando en las condiciones iniciales y(k) e y(k-1) .4 Adaptación de parámetros. 6.

5] [Ec.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Esta ecuación también puede ser expresada de la siguiente forma: De tal forma que: El error será: Teniendo en cuenta la expresión del error y aplicando un algoritmo de optimización basado en mínimos cuadrados con el objetivo de conseguir [5]: Se obtiene las siguientes dos expresiones de los parámetros y del error resultante: (k-1) [Ec.6.6. Memoria Página 85 .6] Parte I.

Figura 6. Memoria Página 86 .3. El esquema contiene cálculo del mando (modelo de predicción).3 Esquema Simulink del control predictivo.2 Diseño de un control predictivo monovariable El control basado en las ideas expuestas en los párrafos anteriores que se ha implementado en Simulink es el que se recoge en la siguiente Figura 6. Parte I. predictor (planificador de trayectoria) y la caja para la adaptación de parámetros.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 6.

tiempo de muestreo y amplitud incremental del mando. se asignará un predictor independiente para cada una de las tres salidas (Figura 6.ts) de Matlab y que estará por tanto en función del tiempo de muestreo deseado.4).UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En este apartado el control implantado en la caldera será de tipo monovariable. Para tenerlo en cuenta se desarrollará en el siguiente apartado un controlador predictivo multivariable. Los mandos máximo y mínimo se ajustan al valor 100 y 0 respectivamente (Figura 6. Figura 6.5). es decir. lo que supone que el control no considerará el efecto de las variables cruzadas. Memoria Página 87 . Se introducirá la planta discretizada con retenedor de orden 0 a través del comando c2d (planta.4: Esquema Simulink control predictivo monovariable Parte I. Los grados de libertad que presenta la caja del control predictivo son tres: número de muestras.

Parte I. Inicialmente se ha tratado de ajustar los valores partiendo de un tiempo de muestreo común.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.1 Resultados predictivo monovariable. Sin embargo.2. 6. la gran influencia de las variables entre sí. Para conseguir una respuesta óptima y un índice de calidad bueno se probará por tanteo hasta conseguir la mejor solución.5: Parámetros a introducir en el bloque predictivo monovariable. Memoria Página 88 .

Esta medida no plantea especiales inconvenientes ya que dichos controles serán implementados en microprocesador y es factible el establecimiento de distintos periodos de muestreo. A medida que el tiempo de muestreo se hace más grande es necesario dejar un incremento en el mando mayor ya que en caso de limitarlo en exceso para tiempos de muestreo grandes no consigue alcanzar la salida deseada. Parte I. Por otro lado.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL unido a la diferencia de rapidez en sus dinámicas. Obsérvese que la constante de tiempo de la función G11(s) es significativamente mayor que las de G22(s) y G33(S) por lo que el tiempo de muestreo a priori también lo será.1) se pueden estimar inicialmente los tiempos de muestreo a los que funcionará el predictivo. Memoria Página 89 . ha provocado que se tenga que optar por un tiempo de muestreo distinto en cada caso. atendiendo a las funciones de transferencia y sus respectivas constantes de tiempo (Tabla 6.

Memoria Página 90 .2.2). Por ello y al contrario de lo que se pudiera pensar inicialmente se ha optado por seleccionar un tiempo de muestreo muy pequeño (0.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Tabla 6. Parte I. Los valores finales óptimos de los tres grados de libertad para cada controlador son los recogidos en la Tabla 6.05 s) que permita un mando suave (Tabla 6. Por ello al tantear con tiempos de muestreo mayores los incrementos de mando afectan a las otras dos salidas provocando grandes oscilaciones e índices de calidad muy malos.1 Funciones de transferencia y constantes de tiempo dominantes Como se ha comprobado en apartados anteriores la primera variable a controlar (presión de vapor) influye notablemente sobre las otras dos.

2). 70 65 60 55 50 45 40 35 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Figura 6.Las salidas de exceso oxígeno y nivel de agua (2 y 3) se recogen en las Figuras 6.7 que muestran claramente las oscilaciones e inestabilidad que se produce.1 0.6 Salida2 (exceso de oxígeno) para tiempo de muestreo en controlador 1 ts=30s Parte I.05 1 4 0. Para ejemplificar la imposibilidad de adoptar un periodo de muestreo mayor en el controlador 1 se ha tomado como tiempo de muestreo 30 s permitiendo mayor margen en el mando y manteniendo los parámetros de los controladores 2 y 3 constantes (Tabla 6.5 2 Tabla 6. Memoria Página 91 .2: Valores de los parámetros de los tres controles predictivos.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Horizonte de predicción Tiempo de muestreo(s) Incremento del mando(%) Predictor 1 Predictor 2 Predictor 3 20 25 20 0.6 y 6.

3.4 una comparativa de los índices de calidad logrados con el predictivo y los conseguidos con el mejor ajuste con los controles PID (cuarto ajuste sin acción diferencial ni oscilaciones) desarrollado en el apartado anterior.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 52 51 50 49 48 47 46 45 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Figura 6. Parte I. Por último. Memoria Página 92 .7 Salida3 (exceso de oxígeno) para tiempo de muestreo en controlador 1 ts=30s Las gráficas resultantes para los valores de la Tabla 6. se recoge en la Tabla 6.2 en comparación con el caso referencia se muestran en la Tabla 6.

Memoria Página 93 .5 70 59 60 58.5 50 58 40 57.5 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Salida 2 (Exceso de oxígeno) Oxígeno en exceso y consigna (%) 55 Caso referencia Caso a evaluar Mando 2 (Aire) Caudal de aire (%) 100 Caso referencia Caso a evaluar 90 50 80 45 70 40 60 50 35 40 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 1( Presión de vapor) Presión de vapor y consigna (%) 60.5 Caso referencia Caso a evaluar 60 Mando 1(Combustible) Caudal de combustible (%) 90 Caso referencia Caso a evaluar 80 59.

7 0.3631 0.3906 0.4 0.5 0.8154 0.3002 0. w Jpredictivo JPID 0 0.4392 0.4996 0.4 Comparativa de los índices de calidad del control predictivo y el PID Los resultados de la tabla reflejan unos índices considerablemente mejores que los obtenidos con la metodología de control PID.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 3 (Nivel de agua) Nivel en el calderín y consigna (%) 54 53 52 51 50 Caso referencia Caso a evaluar Mando 3 (Agua) Caudal de agua de alimentación (%) 90 85 80 75 70 Caso referencia Caso a evaluar 49 65 48 60 47 55 46 45 50 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 45 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Tabla 6.6137 0.3 0.8 0.7441 0.8474 1 0.6608 0.5171 0.2641 0. confirmando de esta Parte I. Memoria Página 94 .2 0.7811 0.5624 0.9 0.7041 0.5061 0.4443 0.4159 0.3331 0.8773 Tabla 6.6 0.3 Gráficas resultantes de salida y mando del control predictivo en comparación con el caso referencia.1 0.4809 0.4609 0.

Parte I. 6.8. Memoria Página 95 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL forma que el control predictivo proporciona un mejor resultado que con la metodología de control tradicional.3 Diseño de un control predictivo multivariable Con el objetivo de mejorar los resultados obtenidos en el apartado anterior se procede al diseño de un control multivariable. En este caso se emplea un único controlador para toda la caldera que realiza el proceso de predicción teniendo en cuenta el efecto de las variables cruzadas. Por tanto el esquema utilizado es el presentado en la Figura 6.

8 Esquema Simulink del control predictivo multivariable. De este modo los coeficientes se toman a partir de la siguiente expresión: (Ec 6.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.7) Parte I. Memoria Página 96 . Para que el controlador tenga en cuenta los efectos cruzados es preciso introducir como parámetro los coeficientes de los polinomios característicos en Z tanto de las salidas como de los mandos.

Memoria Página 97 . 6.6. Parte I.. horizonte de predicción y amplitud del mando (Figura 6.9). Cabe decir que las matrices antes indicadas están en función del tiempo de muestreo por lo que los coeficientes cambiarán cuando lo haga éste.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL En consecuencia: (Ec. Para el cálculo de éstas matrices se ha empleado el programa coeficientes_multivariable” que se encuentra en el Anexo de este proyecto.8 para cada salida se obtendrá una matriz de polinomios característicos de los mandos: La matriz que englobe a todas los polinomios característicos de los mandos será: matBu=( .8) La matriz de polinomios característica de la salida será: En base a la Ec. Como en el caso del control predictivo monovariable se tienen 3 grados de libertad: tiempo de muestreo.

Memoria Página 98 .9 Parámetros a introducir en el bloque predictivo multivariable. Como se pudo observar en el apartado anterior del control monovariable está situación provocaba Parte I. 6.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Figura 6.3.1 Resultados y conclusiones del predictivo multivariable El control predictivo multivariable supone establecer un tiempo de muestreo común a todas las variables a controlar. Como en el caso del control monovariable los parámetros se optimizarán a tanteo.

Memoria Página 99 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL inestabilidades por la gran influencia de los efectos cruzados y la diferencia entre las constantes de tiempo. No ha sido posible encontrar una solución óptima que mejore los índices de calidad desarrollados anteriormente. La implementación de un control multivariable que en el modelo de predicción contemple dichos efectos no ha sido suficiente para unificar el control bajo un mismo periodo de muestreo. De este apartado se desprende que la presión de vapor (salida 1) condiciona el diseño del resto de controles por su fuerte influencia y su constante de tiempo notablemente mayor a la de las otras dos variables a controlar. Parte I.

En consecuencia. El objetivo principal consistía en lograr un control que mejorase el aportado por el Grupo de Ingeniería responsable del concurso en que se basa este proyecto. En primer lugar. de este primer estudio se ha obtenido como resultado un controlador PI optimizado (sin acción diferencial) para cada una de las tres salidas que ofrece una respuesta notablemente mejor que la del modelo de referencia. hacia pensar que el margen de mejora era grande con un adecuado uso de la acción diferencial. El control de la caldera presentaba como principal problema el acoplamiento de efectos de las variables a controlar. ofrecían una respuesta peor. Conseguir una mayor velocidad a través de la acción diferencial repercutía en cambios bruscos en el mando que. el controlador de referencia de partida. basado en un controlador PI para cada una de las salidas.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 7 Resultados y conclusiones del proyecto En el presente proyecto se partía del modelo implementado en el entorno de Simulink de una caldera industrial. Parte I. al ser ponderados en la expresión del índice. Memoria Página 100 . Sin embargo y a la vista de los resultados obtenidos ha sido imposible aplicar dicha acción puesto que tanto el índice de calidad como la respuesta temporal ante un escalón en la perturbación empeoraban considerablemente.

1 y 7. Por otro lado. Los resultados obtenidos en los dos controles en lo que se refiere a la respuesta temporal se encuentran recogidos a continuación a modo de comparativa en las Tablas 7.2: Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Como consecuencia de las limitaciones del sistema de control anterior en el que no se ha podido hacer uso de la acción diferencial por los motivos expuestos ha sido necesario el diseño de un control más sofisticado: el control predictivo. Este diseño ha resultado ser un tanto decepcionante. Memoria Página 101 . multivariable y/o inestable ha solucionado en gran parte el problema en cuestión. El control predictivo que está indicado para resolver de forma efectiva problemas de control y automatización de procesos industriales que se caracterizan por presentar un comportamiento dinámico complicado. La contemplación de dichos efectos no ha sido suficiente para mejorar los resultados del monovariable. Este primer diseño ha resultado muy satisfactorio al lograr un índice de calidad claramente mejor respecto del controlador de referencia como se ha observado en el Capítulo 6. se optó por diseñar un control multivariable que sí tuviera en cuenta los efectos de los acoplamientos y que pudiera arrojar por ello unos resultados mejores. En el desarrollo del control predictivo se ha optado en primer lugar por una versión monovariable e independiente para cada una de las salidas en las que no se han considerado los acoplamientos en la dinámica interna de cálculo del propio control. para mejorar los resultados del monovariable. Las diferencias entre las dinámicas presentes en la caldera unido a la fuerte influencia que la primera variable a controlar (presión de vapor) tiene sobre las otras dos han sido las razones fundamentales por las cuales no se ha logrado un mejor resultado tal y como se esperaba. Por tanto. los únicos controladores válidos son dos: el control PI optimizado y el control predictivo monovariable.

Memoria Página 102 .5 Mando 1(Combustible) Caudal de combustible (%) 90 60 80 59.5 Caso referencia Predictivo monovariable Consigna PI optimizado 60 Caso referencia Predictivo monovariable PI optimizado 50 58 40 57.5 70 59 58.5 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Salida 2 (Exceso de oxígeno) Oxígeno en exceso y consigna (%) 55 Mando 2 (Aire) Caudal de aire (%) 100 90 50 80 45 70 Caso referencia Predictivo monovariable Consigna PI optimizado 40 60 Caso referencia Predictivo monovariable PI optimizado 50 35 40 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) 30 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg) Parte I.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Salida 1( Presión de vapor) Presión de vapor y consigna (%) 60.

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL Salida 3 (Nivel de agua)
Nivel en el calderín y consigna (%) 54 53 52 51 50 49 48 47 46 45 Caso referencia Predictivo monovariable Consigna PI optimizado
90 85 80 75 70 65 60 55 50 45 Caso referencia Predictivo monovariable PI optimizado

Mando 3 (Agua)
Caudal de agua de alimentación (%)

0

200

400

600

800 1000 1200 1400 1600 1800 2000 Tiempo (sg)

0

200 400 600 800 1000 1200 1400 1600 1800 2000 Tiempo (sg)

Tabla 7.1 Gráficas de la respuesta temporal ante escalón en perturbación(demanda) de los dos controles válidos.

w Jpredictivo JPI optimizado

0 0.2641 0.4443

0.1 0.3002 0.5061

0.2 0.3331 0.5624

0.3 0.3631 0.6137

0.4 0.3906 0.6608

0.5 0.4159 0.7041

0.6 0.4392 0.7441

0.7 0.4609 0.7811

0.8 0.4809 0.8154

0.9 0.4996 0.8474

1 0.5171 0.8773

Tabla 7.2 Índices de calidad de los dos controles válidos: PI optimizado y predictivo monovariable.

Como ya se ha demostrado a lo largo del proyecto el PI optimizado está ajustado a unos márgenes de estabilidad adecuados y el predictivo

Parte I. Memoria

Página 103

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL monovariable siempre se mantiene estable por las características propias del algoritmo predictivo en que está basado. En conclusión y a la vista de los resultados se puede concluir que el control más adecuado para ser implementado y que ofrece estabilidad y mejores índices de calidad es el predictivo monovariable con una clara diferencia respecto del PI optimizado.

Parte I. Memoria

Página 104

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI)
INGENIERO INDUSTRIAL

Bibliografía

[1]José Renato Rodríguez; “Desarrollo de un sistema de control avanzado de la presión de vapor en una caldera de tubos de fuego”. Tesis doctoral, PUCP-2006 [2] Artículo Pellegrinetti y Benstman; “Nonlinear Control Oriented Boiler Modeling” (1996). [3]F.Luis Pagola; Control Digital; Universidad Pontificia Comillas. [4]Fco.Ignacio Argüello;“Modelización e implementación de un control predictivo en un microrobot autónomo”;ensayo. [5] P. J. Gawthrop, H. Demircioglu and I. Siller-Alcalá, “Multivariable Continuous time Generalised.Predictive Control: State Space Approach to linear and nonlinear Systems” IEE Proceedings Control Theory and Applications 1998.

Parte I. Memoria

Página 105

Estudio económico Página 106 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL PARTE II ESTUDIO ECONÓMICO Parte II.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 1. el control de ciertos parámetros como temperaturas y presiones son fundamentales a la hora de evitar ciertos peligros como la explosiones u otros accidentes. Las calderas son sistemas complejos formados por una serie de elementos interrelacionados entre sí y que requieren de sistemas robustos y eficientes de control. seguridad y medio ambiental. proporcionan un gran ahorro. Por tanto. lo que es más importante. siendo habitual grandes inversiones de tiempo y dinero. es la fijación de un porcentaje de oxígeno respecto de la combustión estequiométrica para mantener unas condiciones de seguridad y eficiencia energética (Capítulo 2). Estudio económico Página 107 . por tanto. Se ha tratado de ofrecer distintas variantes Parte II. Por otro lado. Un control eficaz de las condiciones de trabajo de una caldera es necesaria por tres razones: económica. Por último. materia prima y generación de electricidad. la creciente y masiva demanda por parte de la sociedad de combustibles fósiles para desarrollar todas las actividades productivas puede conllevar a un agotamiento de los recursos. Puesto que las calderas son grandes consumidoras de combustible fósil se antoja fundamental el desarrollo de sistemas eficientes de control que administren adecuadamente los recursos disponibles [1]. rentable. En primer lugar. La labor de construir un sistema de estas características no siempre resulta sencilla. Estudio económico Los sistemas de control sobre procesos se han configurado como uno de los puntos más críticos e imprescindibles en cualquier actividad industrial. un control funciona para lograr mantener unas condiciones óptimas de trabajo y que. el vapor es empleado para tres objetivos principalmente: generación de calor. Además la combustión de estos fósiles provoca emisiones de dióxido de carbono nocivas para el medio ambiente. el proyecto que se ha desarrollado es perfectamente viable y. Un ejemplo claro. Atendiendo al caso concreto sobre el que versa el proyecto.

con especial atención a los mandos a través del índice de calidad. Estudio económico Página 108 . gastos innecesarios. Parte II.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL factibles. por ende. para ofrecer soluciones que aparte de ser robustas y eficaces también son eficientes ya que se evita en la medida de lo posible incrementos bruscos en los mandos y.

Estudio económico Página 109 . PUCP-2006 Parte II. Tesis doctoral.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Bibliografía [1]José Renato Rodríguez. “Desarrollo de un sistema de control avanzado de la presión de vapor en una caldera de tubos de fuego ”.

Código fuente Página 110 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL PARTE III CÓDIGO FUENTE Parte III.

sol=1.01.-360)+180+Fa-Fr-Mf. aux1=mod(180/pi*angle(freqresp(p. Pagola (1992).UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 1.9. Fr=5. wmax=1000.wmax) % Esta función diseña un control AF % control: Función de transferencia del control resultante % w0: pulsación de cruce % planta: Función de transferencia de la planta % Mf: Margen de fase en grados % Fa: adelanto de fase en grados % Fr: retraso de fase en grados (de debe especificar positivo) % fa : Factor de filtrado % sol: 0 (solución de K máxima) y 1 (solución de K mínima) % wmin: Mínima pulsación para la búsqueda de la pulsación de cruce % wmax: Máxima pulsación para la búsqueda de la pulsación de cruce % Método de diseño: Apuntes de Regulación Automática.Mf.wmax)). pag.wmin)). Diseño de un control PID por respuesta en frecuencia % Diseño de un control PID por respuesta en frecuencia % [control.wmin.sol.w0]=dis_afpi(planta.Fr. Código fuente Página 111 .1. aux2=mod(180/pi*angle(freqresp(p. Fa=54.Fa. fa=0. 132 %Parámetros Mf=50. wmin=0.fa. if (aux1*aux2)>=0 disp('No existe una raiz en el intervalo especificado') Parte III.-360)+180+Fa-Fr-Mf.

asin((1fa)/(1+fa))*180/pi) control=[]. else %x=(1-fa)/2/tan(Fa*pi/180)-sqrt(((1-fa)/2/tan(Fa*pi/180))^2-fa) %modulo de la planta Parte III. else wmin=wmed. w0=[]. end end % Control AFPI (C(s)=K*(1+Ta*s)*(1+Ti*s)/(1+Ta*fa*s))/s w0=wmed C=1/abs(freqresp(p.w0)).-360)+180+Fa-Fr-Mf.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL control=[]. aux0=mod(180/pi*angle(freqresp(p. w0=[]. return end if (Fa>asin((1-fa)/(1+fa))*180/pi) fprintf('El adelanto de fase ha de ser menor que %f'.wmed)). if sol==0 x=(1-fa)/2/tan(Fa*pi/180)+sqrt(((1-fa)/2/tan(Fa*pi/180))^2-fa). Código fuente Página 112 . return end while (wmax-wmin)>1e-5 wmed=(wmin+wmax)/2. if aux0*aux1<=0 wmax=wmed.

[233.24 4080 793.658 0. end Ti=1/w0*tan((90-Fr)*pi/180) %variable I integral Ca=C*w0/sqrt(1+(Ti*w0)^2).m” Programa destinado a obtener las matrices de los polinomios caracterismos en el control predictivo multivariable.1]. c31=tf([0. c33=tf([-0.2108]). c22=tf([449.[27.[2814 557.ts) Parte III. Ta=(x1/w0) %modulo integral y planta %variable D del PD K1=sqrt(1+(fa*x1)^2)/(sqrt(1+x1^2)).31 9.[205.001516].7 75.009222 4.6 22.2818 0]). Kp=K2*Ti control=tf(conv([K2*Ta K2]. %planta discretizada g11=c2d(c11.07702 0. %tiempo de muestreo ts=1.7 88.[Ti 1]). Programa “coeficientes_multivariable.01 0. %Funciones transferencia diagonales y cruzadas c11=tf([5.572 1 0]). Código fuente Página 113 .3 1]). c13=tf([-0.567 1. %modulo del pd K2=Ca*K1 .009998].96 8.03]).[Ta*fa 1 0]) return %modulo completo Kp/I 2.348].1476]).UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL x1=((1/fa)-1)/(2*tan(Fa*pi/180))-sqrt((((1/fa)1)/(2*tan(Fa*pi/180)))^2-1/fa).1646].962 0. c21=tf([3.[0.02982].138 -1.2513 -0.[54.555 0.

1).ts) g13=c2d(c13.den{1}(2) g11.1).den{1}(3) g33.%se divide coeficiente de mayor orden B2=tf(0).num{1}(5) 0.c 0 0].num{1}(4) 0 0 .den{1}(2) g22.num{1}(3) 0 0 0.num{1} 0 0 0 0 ].num{1}(4) 0 0].num{1}(1).1)*tf(g22.num{1}(2) B2. B2=B2/B2.num{1}.den{1}.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL g22=c2d(c22. m1=[B1.B2. B1=B1/B1.num{1}.den{1}(3) g22.1)*tf(g21. B1=B1/B1. matA=m' %Matriz elementos del mando %Primera salida y1=(B1/A1)*U1+(B2/A2)*U2+(B3/A3)*U3 B1=tf(g11.num{1}(3) B2. B3=B3/B3. B2=tf(g22.den{1}.num{1}(3) B3. m2=[B1.num{1}(1). Parte III.B2.1).den{1}(4)] c=[g33.num{1}(2) B3.ts) g21=c2d(c21.num{1}(2) B1.B3.den{1}(3) g11. B3=tf(g13.num{1}(1).den{1}.den{1}.ts) g31=c2d(c31.ts) g33=c2d(c33.den{1}(2) g33.ts) %periodo de muestreo predictivo multivariable ts=1 %Matriz con los polinomios de las salidas desde q-1 a=[g11.den{1}(4)] b=[g22.1)*tf(g13.B3. Código fuente Página 114 .num{1}.num{1}(1).den{1}(4)] m=[a 0 0. M1=m1' %Segunda salida y2 B1=tf(g21. B3=tf(0).1)*tf(g11.num{1}.num{1} 0 0 0 0 .num{1}(3) B1.1).b 0 0.num{1}(2) B1.num{1}(4) B1.

num{1}(2) B3.den{1}.num{1}(3) B1.m” Es el programa empleado en los procesos de optimización del proyecto. 3.num{1}.den{1}. B2=zeros(5.num{1}(1).num{1}(1) m3=[B1. B3=B3/B3. M1.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL M2=m2' %Tercera salida y3 B1=tf(g31.1)*tf(g31.num{1}(4) 0 0 .3).num{1}(6)].B3).B2.B3.M3) %Matriz de perturbaciones B1=zeros(5.num{1} 0 0 0 0 .num{1}(5) %Matriz completa mandos matBu = cat( 3.3). Código fuente Página 115 .3).num{1}(2) B1. Programa “ajuste. matBd = cat( 3.1)*tf(g33. M3=m3' B3.num{1}(3) B3.1). B3=zeros(5. B1.num{1}. B3=tf(g33. %%%%%%%%%%%%%% %%%%%%%%%%%%%% %clear all clear theta thaux dgn J format compact format short e ALGORITMO DE AJUSTE DE UN SISTEMA POR MINIMOS CUADRADOS Parte III.1).num{1}(4) B3. B1=B1/B1.B2.M2. B2=tf(0).

Np=length(theta). % Direccion de Gauss-Newton (incremento de los parametros) niter=0./theta))>tol2) %& niter<10 Parte III. Nd=tfin/Tsamp.9302 5. objetivo dgn=ones(1.B.3284e1]. tol1=1. objetivo Vaux=0.C.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL %%%%%%%% PARAMETROS Y VALORES INICIALES %%%%%%%%%%%%%%%%%% th=[3.% % Flag de estabilidad (¿la parte real de todos los % Autovalores de 'A' son negativas?) % stb=all(real(eig(A))<=0).01. 'V') tol2=1.D]=linmod('sistema').Np). MODIFICA LOS PARAMETROS DEL REGULADOR') % return % end %%%%%%%%%%%%%%%%%%%%%%% ALGORITMO DE AJUSTE while (100*(V-Vaux)/Vaux>tol1 | 100*max(abs(dgn. V=1. %%%%%%%%%%%%%% % Numero de iteraciones CHEQUEO DE LA ESTABILIDAD INICIAL % Inicializacion del valor nuevo de la funcion % Tolerancia (variacion de los parametros 'theta') % Inicializacion del valor anterior la funcion PARAMETROS DEL ALGORITMO % Intervalo fijo de integracion % Numero de datos en el ajuste % Tolerancia (variacion de la funcion objetivo % Matriz de estado del sistema (linealizacion) % [A. theta=th. %%%%%%%%%%%% Tsamp=ts. Código fuente Página 116 . % if stb==0 % disp('SISTEMA INESTABLE.

001*abs(theta(i)).sal2(:)].tfin).y1(:). sim('sistema'.tfin). % Se incrementa el numero de iteraciones % Actualizacion de los parametros th=theta. Actualizacion de los parametros th=thaux. error=ys-ym. %ys=[y(:). %h0=thaux(2).y2(:)]. end thaux(i)=theta(i)+h. Código fuente Página 117 . yaux=y(:).UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL niter=niter+1. % Incremento para las derivadas if abs(theta(i))<10*sqrt(eps) h=. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Simulacion del sistema sim('sistema'.y2(:)]. % Funcion objetivo (error cuadratico medio) V=sqrt(sum((error). % Construccion de la matriz Jacobiana por diferencias finitas for i=1:Np thaux=theta. %ym=[sal(:).01*sqrt(eps). ys=y(:).sal1(:). %yaux=[y(:).^2)/Nd). %h0=theta(2). h=. ym=sal(:).y1(:). Parte III.

else sim('sistema'.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL %ym=[sal(:).sal1(:). % Actualizacion de los parametros del regulador th=thaux. %h0=thaux(2). end % Representacion grafica de 'ys'. thaux=theta+mu*dgn. % Busqueda de 'mu' mientras no se reduzca la funcion objetivo o % el sistema sea inestable while Vaux > V | stb==0 mu=mu/2. Código fuente Página 118 . yaux=y(:). error=yaux-ym. stb=1.sal2(:)].y2(:)]. Vaux=V+10.tfin). %yaux=[y(:).i)=(yaux-ys)/h.y1(:). J(:. % Matriz de estado del sistema (linealizacion) % Simulacion con los nuevos parametros if stb==0 yaux=zeros(size(yaux)). Parte III. 'ym' y del error=ys-ym clf stairs([ym ys error]) grid % BUSQUEDA DE 'MU' (ajuste del paso en la direccion de Gauss% Newton para garantizar una disminucion de la funcion objetivo mu=2. ym=sal(:).

Código fuente Página 119 . % Programa para evaluar el control de la CALDERA % F.mat registrosr=registros. error=yaux-ym.sal1(:). ym=sal(:).m” Es el programa empleado para obtener los índices de calidad (J) respecto del control de referencia. end % Parametros y funcion objetivo en pantalla theta=thaux. parametros_theta=[theta] Vaux end 4.^2)/Nd). octubre 2009 % Carga resultados de la simulación correspondiente al controlador que hace de referencia load pruebaCaldera_CL1. end % Actualizacion de la funcion objetivo Vaux=stb*sqrt(sum((yaux-ym).sal2(:)]. Morilla. Programa “evalua_control_caldera.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL %ym=[sal(:). % Carga resultados de la simulación correspondiente al controlador que se quiere evaluar load monovariable Parte III.

registros(:.7).'Caso a evaluar') figure(4) plot(t.4)) title('Demanda de vapor (%)') xlabel('Tiempo (sg)') figure(5) plot(t.8).t.registrosr(:.registr os1(:.t.registros(:.7).2) mando3(:.6).9). Código fuente Página 120 .t.2) mando2(:.registr os1(:.registros(:.2) registros(:.registrosr(:.1).5)) title('Presión de vapor y consigna (%)') xlabel('Tiempo (sg)') legend('Caso referencia'.registros(:.registros1(:.4) salida1(:. registros=reg.t.9) registros(:.regist ros1(:.registrosr(:.8) registros(:.2) salida2(:.1).UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL reg=[mando1(:.6).registros(:.t.'Caso a evaluar') figure(3) plot(t.t.registros(:.t. % Presenta los resultados figure(1) plot(t.5).6)) title('Oxígeno en exceso y consigna (%)') xlabel('Tiempo (sg)') legend('Caso referencia'.7)) title('Nivel en el calderín y consigna (%)') xlabel('Tiempo (sg)') legend('Caso referencia'.t.t.2) registros(:.t.registros(:.10).'Caso a evaluar') figure(2) plot(t.1)) title('Caudal de combustible (%)') xlabel('Tiempo (sg)') Parte III.registros(:.2) salida3(:.t.5).registrosr(:.10)].

'Caso a evaluar') figure(6) plot(t.w).2).1:1.3)) title('Caudal de agua de alimentación (%)') xlabel('Tiempo (sg)') legend('Caso referencia'.registrosr(:.registros(:.registros1(:.'Caso a evaluar') figure(7) plot(t.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL legend('Caso referencia'.t.3).registros.t.registrosr.t. J=evaluaJCaldera(t.2)) title('Caudal de aire (%)') xlabel('Tiempo (sg)') legend('Caso referencia'. Código fuente Página 121 .registros1(:. End Parte III.'Caso a evaluar') % Evualúa la efectividad relativa del cambio de controlador for w=0:0.registros(:.tcambio.2).registrosr(:.3).t.

.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Documento Nº2 Pliego de condiciones Pliego de condiciones.

........................ 5 4....................Normas de Seguridad e Higiene............................................................................................................................................................................. 4 2................................................................................. 1 1............UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Índice Capítulo 1 pliego de condiciones generales y económicas ..................Condiciones generales.................................. 1 2...... 4 1.............. 4 3.......Condiciones económicas ........................ .......Equipo informático ...............................................................................................................Normas de calidad...........Vida útil del proyecto.. ......................... 5 Pliego de condiciones...................................................... 2 Capítulo 2 pliego de condiciones técnicas y particulares ............................................................................ ...........................................................................

El plazo de entrega será de tres meses. V. se tramitará el asunto por la vía de lo legal. Cualquier Pliego de condiciones. siempre que sea requerido para ello. a partir de la fecha de la firma del contrato. II. el cliente entregará al suministrador todas las características distintivas del equipo comprado y aquellas otras que considere oportunas para el necesario conocimiento de la misma a efectos del diseño del presente equipo.1 Condiciones generales Las condiciones y cláusulas que se establecen en este documento son de obligado cumplimiento por las partes contratantes. el suministrador se compromete a facilitar toda la información necesaria para la instalación y buen funcionamiento del sistema. IV. III. una vez agotada toda vía de entendimiento.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 1 Pliego de condiciones generales 1. Al firmarse el contrato. pudiendo ampliarse en un mes. Tanto el administrador como el cliente se comprometen desde la fecha de la firma del contrato a llevar a cabo lo que se estipule. El dictamen o sentencia que se dicte será de obligado cumplimiento para las dos partes. Página1 . I. Ante cualquier reclamación o discrepancia en lo concerniente al cumplimiento de lo pactado por cualquiera de las partes. Asimismo.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL VI. modificación de los plazos deberá contar con el acuerdo de las dos partes. Página3 .Existirá un plazo de garantía de un año a partir de la entrega del sistema. 25% en el momento de entrega.2 Condiciones económicas I. VIII. Cumplido dicho plazo de garantía. Pliego de condiciones. En ningún momento tendrá el suministrador obligación alguna frente a desperfectos o averías por uso indebido por personas no autorizadas por el suministrador. Dicha garantía quedará sin efecto si se demostrase que el sistema ha estado sometido a manipulación o uso indebido. Los precios indicados en este proyecto son firmes y sin revisión por ningún concepto. El pago se realizará como sigue:   75% a la firma del contrato. III. siempre y cuando se acepten dentro del periodo de validez del presupuesto que se fija hasta Junio de 2010. fuera del cual quedará a su propio criterio atender la petición del cliente. II. La forma de pago será al contado mediante cheque nominativo o mediante transferencia bancaria. se considerará una indemnización del 1 % del valor estipulado por semana de retraso. IX. 1. En caso de retrasos imputables al suministrador. En ningún caso se aceptarán letras de cambio. el suministrador queda obligado a la reparación del sistema durante un plazo de cinco años. VII.

Pliego de condiciones. la totalidad de los gastos originados por las reparaciones correrán por cuenta del suministrador. Pasados 5 años. éstos los fijará exclusivamente el suministrador. Durante el plazo de garantía. En todo caso. los costes serán fijados mediante acuerdo por ambas partes. El suministrador se hará cargo de los gastos de embalaje y del transporte. Fuera de dicho plazo y durante los siguientes cinco años. dentro de la ciudad donde se encuentre la instalación. En caso de ser necesario transporte interurbano. el responsable de los posibles desperfectos ocasionados por el transporte será el suministrador. V. el gasto correrá por cuenta del cliente. Página3 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL IV. VI.

CEI y EN aplicables a este tipo de productos. 2.  El equipo informático debe instalarse conforme a las indicaciones del fabricante.  Los programas informáticos empleados han de contar con la licencia preceptiva y cumplir con las condiciones de la misma. manteniendo las condiciones de humedad y temperatura entre los límites marcados. En caso de usar programas de licencia GNU. se deberán respetar las condiciones de la misma.1 Equipo informático  El equipo informático debe estar homologado conforme a la normativa Europea y Española a fecha de Junio de 2010.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Capítulo 2 Pliego de condiciones técnicas y particulares 2.2 Normas de calidad Los sistemas se diseñarán de forma que cumplan las normas UNE. Página4 . así como las normas ETSI (European Telecommunications Standards Institute) para sistemas de radiofrecuencia. Pliego de condiciones.

4 Vida útil del producto Los sistemas se diseñarán para una vida útil no inferior a 10 años en funcionamiento continuo.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 2. Página5 . Pliego de condiciones. 2.3 Normas de seguridad e higiene El proyecto cumplirá con la Ley 31/95 de Prevención de Riesgos Laborales.

UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Documento Nº3 Presupuesto Presupuesto .

Según los precios de mercado se estima un valor final de 600€. Matlab……….1500€ 2. ha resultado imposible disponer de una caldera industrial que se ajuste a las características expuestas en el concurso. Como se ha comentado anteriormente. Presupuesto Página1 . siendo el proyecto eminentemente teórico.600€ Coste del hardware Un PC comercial corriente es suficiente para la elaboración del proyecto. Presupuesto En este documento se presentan los cálculos aproximados del coste del proyecto en lo que hace referencia a la compra de hardware y software necesarios y coste de ingeniería asociado. Este coste se vería notablemente incrementado en el caso de querer comprobar a través de un ensayo real los resultados obtenidos en simulación.UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL 1.. Coste de la mano de obra: Considerando que el coste de un ingeniero es de 50 euros por hora y que el tiempo invertido en el proyecto ha sido de 300 horas aproximadamente tenemos que el coste de la mano de obra es: Coste del software Para la elaboración del proyecto se ha requerido de las siguientes herramientas: 1. Micrsoft office 2007…….

que en muchos casos están incorporados en las empresas siendo necesario el cálculo de la parte proporcional de la amortización que corresponden a este proyecto. Presupuesto Página2 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Coste total del proyecto El coste total es aproximado puesto que se han sobreestimado algunos factores como las licencias del software.

Junio de 2010 .UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INDUSTRIAL Control avanzado de una cadera Fdo: David Morales Galán Madrid.