Análisis Dinámico No Lineal Y Discreto para Un Sistema de Ensamble Y Manufactura Automático de Estructuras de Colectores Solares Modulares

INSTITUTO POLITÉCNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN
ANÁL I S I S DIN Á M I C O NO LIN E A L Y

DIS C R E TO PAR A UN SI S T E M A DE
EN S A M B L E Y MA N U FA C T U R A
AUTO M Á T I C O DE EST R U C T U R A S DE
COLE C TO R E S SOL A R E S MOD U L A R E S
TESIS
PARA PRESENTAR EL
EXAMEN DOCTORAL
PARA OBTENER EL GRADO DE
DOCTOR EN CIENCIAS EN INGENIERIA MECANICA
P R E S E N TA
M. en C. Héctor Domínguez Aguirre
DIRECTO R E S DE TESIS
Dr. José Ángel Ortega Herrera
Dr. Valery R. Nosov
México, D.F., Mayo, 2010

México, D.F. Mayo del 2010
Este trabajo está licenciado bajo una licencia Creative Commons BY-NC-SA-2.5. Los usuarios de la
información pueden copiar, distribuir y comunicar públicamente la obra y hacer obras derivadas bajo
las condiciones de la licencia Creative Commons de Atribución, Sin Uso Comercial y Licenciamiento
Recíproco (CC Atribución-Sin Uso Comercial-Licenciamiento Recíproco 2.5-México).
http://creativecommons.org/licenses/by-nc-sa/2.5/mx/.
AL DOCTOR JOSÉ ÁNGEL ORTEGA HERRERA
SIN SU ASESORÍA Y APOYO ACADÉMICO
DESDE MIS INICIOS NO ESTARÍA AHORA AQUÍ
ÍNDICE DE CONTENIDO
RESUMEN.........................................................................................................................i
ABSTRACT.....................................................................................................................iii
INTRODUCCIÓN.............................................................................................................v
Presentación............................................................................................................................................... v
Antecedentes............................................................................................................................................. ix
Objetivo general......................................................................................................................................... x
Objetivos específicos................................................................................................................................. x
Justificación.............................................................................................................................................. xi
Alcance.................................................................................................................................................... xii
Aportaciones principales........................................................................................................xii
CAPÍTULO 1. INTRODUCCIÓN A MODELOS MATEMÁTICOS DE

MICROMECANISMOS
1.1 Introducción......................................................................................................................................... 1
1.2 Descripción de diseños básicos de micromáquinas............................................................................. 4
1.3 Análisis de errores en micromáquinas..................................................................................................7
1.4 Métodos de Calibración..................................................................................................................... 13
1.5 Modelos de micromáquinas, microceldas y microfábricas................................................................ 16
Referencias...............................................................................................................................................25
CAPÍTULO 2. ANÁLISIS NO LINEAL DE DINÁMICA COMPLEJA EN

MECANISMOS
2.1 Introducción....................................................................................................................................... 29
2.2 Deformación térmica..........................................................................................................................30
2.3 Compensación por expansión diferencial nominal............................................................................ 33
2.4 Efectos dinámicos y fuerzas de corte en máquinas herramienta........................................................35
2.5 Las vibraciones mecánicas debido a la estructura de la máquina...................................................... 41
2.6 No linealidades presentes en una máquina herramienta.................................................................... 45
2.6.1 Fricción...................................................................................................................................... 45
2.6.2 Saturación de actuadores........................................................................................................... 51
2.6.3 Paso mínimo.............................................................................................................................. 52
2.6.4 Palabras finales de los modelos matemáticos............................................................................53
Referencias...............................................................................................................................................55
CAPÍTULO 3. DISEÑO DE ALGORITMOS DE MODELACIÓN Y CONTROL
PARA MICROMECANISMOS DE ALTA PRECISIÓN
3.1 Introducción....................................................................................................................................... 57
3.2 Análisis de estabilidad e inestabilidad de sistemas dinámicos con retardo........................................58
3.3 Sistemas híbridos en máquinas de control numérico......................................................................... 61
3.3.1. Sistemas híbridos.......................................................................................................................63
3.3.2 Modelo de una micromáquina fresadora CNC...........................................................................65
3.3.3. Definición de abstracciones y simulaciones..............................................................................67
3.3.4. Alcance de la dinámica del sistema híbrido. ............................................................................ 69
3.3.5 Extensiones a los sistemas híbridos............................................................................................74
3.4 Sistemas dinámicos Conmutables...................................................................................................... 75
3.4.1 Definición de Sistemas dinámicos conmutables........................................................................ 75
3.4.2 Péndulo simple conmutable.......................................................................................................78
3.4.3 Comportamiento complejo de un péndulo simple conmutable. ................................................ 80
3.4.4 Sistemas conmutables con transiciones aleatorias..................................................................... 81
3.5 Modelos y algoritmos integrales de micromáquinas..........................................................................88
3.5.1 Modelación matemática de una microfresadora de tipo cartesiana............................................88
3.5.2 Análisis cinemático y dinámico de un micromanipulador robótico........................................... 96
3.5.2.1 Análisis de la cinemática directa de un micro manipulador scara...................................... 96
3.5.2.2 Solución de la cinemática inversa de un microrobot scara...............................................100
3.5.2.3 Dinámica de un micromanipulador tipo Scara................................................................. 102
3.6 Diseño de controladores en micromáquinas de precisión................................................................ 106
3.6.1 Introducción..............................................................................................................................106
3.6.2 Control adaptivo....................................................................................................................... 107
3.6.3 Estabilidad de perturbaciones en una máquina........................................................................ 109
Referencias............................................................................................................................................. 111
CAPÍTULO 4. SIMULACIÓN COMPUTACIONAL NO LINEAL Y DISCRETA DE

MICROMECANISMOS DE ALTA PRECISIÓN
4.1 simulación de sistemas híbridos de micromecanismos.................................................................... 115
4.2 Caos en un oscilador armónico conmutable. ...................................................................................119
4.2.1 Comportamiento caótico de un oscilador armónico conmutable.............................................119
4.2.2 Otros tipos de caos basados en un oscilador armónico conmutable.........................................126
4.2.3 Oscilador armónico conmutable con transiciones aleatorias...................................................128
4.2.4 Estabilizando el caos en un oscilador armónico conmutable................................................... 131
4.3 Simulaciones cinemáticas y dinámicas de micromecanismos......................................................... 139
4.3.1 Simulación de una micro máquina CNC..................................................................................139
Referencias.............................................................................................................................................149
CAPÍTULO 5. DISEÑO E IMPLEMENTACIÓN DE MICROMECANISMOS DE
MANUFACTURA DE ALTA PRECISIÓN PARA EL ENSAMBLE AUTOMÁTICO
DE COLECTORES SOLARES MODULARES
5.1 Diseño mecánico de una micromáquina.......................................................................................... 151
5.2 Diseño del control electrónico de una micromáquina......................................................................155
5.3 Diseño del programa de control de movimiento.............................................................................. 158
5.3.1 Diseño del hardware de control de movimiento.......................................................................158
5.3.2 Diseño de la interface en la PC con la tarjeta de control de movimiento.................................164
5.4 Diseño del ensamble automático de estructuras complejas: Caso del ensamble automático de un
colector solar.......................................................................................................................................... 168
5.4.1 Introducción..............................................................................................................................168
5.4.2 Estructura del Colector Solar....................................................................................................169
5.4.3 Sistema de micromanufactura ................................................................................................. 171
5.4.4 Descripción de elementos estructurales .................................................................................. 173
5.4.4 Método de ensamble automático propuesto............................................................................. 175
5.4.5 Modelo matemático para el proceso de ensamble....................................................................179
5.4.6 Otros métodos propuestos de ensamble automático.................................................................189
5.4.7 Análisis del costo-rendimiento de los colectores solares......................................................... 192
5.5 Colaboración y complejidad en micromáquinas en el ensamble automático..................................199
Referencias.............................................................................................................................................201
CONCLUSIONES.........................................................................................................203
RECOMENDACIONES Y TRABAJO A FUTURO.................................................. 207
BIBLIOGRAFÍA GENERAL....................................................................................... 209
ANEXO A. USO DE ENERGÍAS LIMPIAS EN LA VIDA COMÚN......................A-1
ANEXO B. CÓDIGO FUENTE DE SOFTWARE DESARROLLADO.................. B-1
ANEXO C. HERRAMIENTAS DE DESARROLLO COMPUTACIONAL............C-1
ANEXO D. PORTADAS DE PUBLICACIONES..................................................... D-1
ANEXO E. TALLERES LIBRES DE ARTES Y TECNOLOGÍAS........................ E-1

ÍNDICE DE FIGURAS
CAPÍTULO 1. INTRODUCCIÓN A MODELOS MATEMÁTICOS DE

MICROMECANISMOS
Figura 1.1. Análisis del flujo de las fuentes de errores..................................................................................... 7
Figura 1.2. Mapa de errores en una fresadora cartesiana convencional..........................................................11
Figura 1.3. Mapa de compensación de error ................................................................................................ 11
Figura 1.4. jerarquía: desde sensores y actuadores hasta la organización por grupos..................................... 18
Figura 1.5. Estructura de la escala de tiempo en cuanto a los ciclos de acción de cada uno de los niveles en la
jerarquía de la manufactura. ....................................................................................................................... 20
CAPÍTULO 2. ANÁLISIS NO LINEAL DE DINÁMICA COMPLEJA EN

MECANISMOS
Figura 2.1. Deformación térmica en un elemento viga libre............................................................................ 30
Figura 2.2. Representación de la deformación térmica de un cuerpo restringido por dos paredes....................31
Figura 2.3. Modelo armónico para las fuerzas de corte de una máquina herramienta en un plano....................36
Figura 2.4. Planos fase para los osciladores en las direcciones Y y Z debidas a fuerzas de corte en un proceso
de maquinado en una fresadora convencional.............................................................................................. 37
Figura 2.5. Vista desde arriba del maquinado de una fresa con una herramienta de corte con cuatro dientes... 37
Figura 2.6. Modelo regenerativo de las fuerzas de corte en una fresa............................................................ 45
Figura 2.7. Fuerzas de corte para las direcciones Y y Z obtenidas por simulación de corte de acero usando 4
herramientas de corte distribuidos uniformemente en el sujetador. ................................................................40
Figura 2.8. Ejemplo de fuerzas generalizadas en una máquina herramienta con 4 elementos dinámicos..........41
Figura 2.9. Resultados de una prueba de movimiento circular mostrando el efecto de la fricción seca en una
maquina herramienta.................................................................................................................................. 46
Figura 2.10. Modelo de fricción no lineal que muestra cuatro diferentes regiones o regímenes de
comportamiento..........................................................................................................................................47
Figura 2.11. Modelo de fricción en un diagrama a bloques.............................................................................49
Figura 2.12. Pruebas de fricción comparando un mecanismo desalineado con otro mejor alineado..................50
Figura 2.13. Torque de un motor moviendo una carga vertical. ......................................................................51
Figura 2.14. Prueba de micro paso con la posición del controlador y la real medida con un sensor láser..........53
CAPÍTULO 3. DISEÑO DE ALGORITMOS DE MODELACIÓN Y CONTROL

PARA MICROMECANISMOS DE ALTA PRECISIÓN
Figura 3.1. Máquina de estados finitos por eje.............................................................................................. 68
Figura 3.2. Secuencia de eventos y estados para el comando G01 de interpolación lineal en una máquina
herramienta. .............................................................................................................................................. 69
Figura 3.3 Modelo con una planta lineal y una retroalimentación no lineal para la prueba de estabilidad absoluta.
..................................................................................................................................................................72
Figura 3.4 a) Aproximación del modelo de fricción por una función en la región [k1, k2]. b) Criterio del círculo....74
Figura 3.5. Ejemplo de superficies de conmutación entre cuatro diferentes sistemas continuos.......................76
Figura 3.6. Representación de dos sistemas dinámicos en el espacio de fases...............................................77
Figura 3.7 Comportamiento dinámico del sistema conmutable completo.........................................................78
Figura 3.8. Péndulo simple conmutable con dos regiones de conmutación. ................................................... 79
Figura 3.9. Péndulo simple conmutable. a) sistema inestable con l1=1.0 y l2 = 1.1. b) sistema estable con l1=1.0
y l2 = 0.9. Posición inicial = 1.0.....................................................................................................................80
Figura 3.10. Regiones de conmutación para un péndulo simple con comportamiento complejo........................80
Figura 3.11. Transiciones en un sistema conmutable vistas como una secuencia de eventos...........................82
Figura 3.12. Transiciones aleatorias de un oscilador armónico conmutable.....................................................83
Figura 3.13. Péndulo aleatorio conmutable para (a) lb = 0.9 y lc = 0.8, (b) lb = 1.1 y lc = 1.2...............................85
Figura 3.14 Péndulo aleatorio conmutable con lb = 1.1 y lc = 0.9 y Pa,b = 0.5, el sistema permanece cerca del
ciclo límite................................................................................................................................................. 86
Figura 3.15 Péndulo aleatorio conmutable con lb = 1.1 y lc = 0.9 y Pa,b = 0.7. El sistema es inestable al infinito.
..................................................................................................................................................................87
Figura 3.16 Péndulo aleatorio conmutable con lb = 1.1 y lc = 0.9 y Pa,b = 0.3. El sistema es asintóticamente
estable al infinito......................................................................................................................................... 87
Figura 3.17. Esquema de la disposición de los ejes de movimiento de una micro fresadora.............................89
Figura 3.18. Modelo lineal de la mesa de movimiento XY de la micro máquina fresadora. ..............................90
Figura 3.19. Diagrama a bloques de un control básico para un mecanismo lineal. Abstracción de uno de los ejes
horizontales de una micro máquina fresadora...............................................................................................91
Figura 3.20 Primer ciclo de reducción del modelo de control de los ejes horizontales...................................... 92
Figura 3.21. Lazo cerrado de control reducido para una planta lineal representando los ejes horizontales........93
Figura 3.22 Modelo dinámico lineal del eje vertical de la micro máquina fresadora.......................................... 94
Figura 3.23. Diagrama a bloques de la función de transferencia para el eje Z de movimiento vertical...............95
Figura 3.24 Diagrama de la cinemática de un robot Scara tipo RRRP.............................................................97
Figura 3.25. Planta generalizada con retroalimentación............................................................................... 110
Figura 3.26. Planta con perturbación después de la transformación de los lazos cerrados............................. 110
CAPÍTULO 4. SIMULACIÓN COMPUTACIONAL NO LINEAL Y DISCRETA DE

Figura 4.1. Modelo de una máquina híbrida. La máquina de estados finitos envía las señales de conmutación al
bloque continuo........................................................................................................................................ 116
Figura 4.2.Modelo global de la micro máquina de Control Numérico. ...........................................................116
Figure 4.3. Vistas del modelo de la micro fresadora para visualización en 3 dimensiones..............................117
Figure 4.4. a) La señal de perturbación generada en la simulación y los picos muestran las transiciones de baja
a alta velocidad y viceversa. b) El controlador reacciona rápidamente a los cambios de estado.....................118
Figura 4.5 Diferente comportamiento para un oscilador armónico conmutable definido por (a) α = 1.0 –
asintóticamente estable, (b) α = 2.5 – ciclo límite sencillo y (c) α = 3.0 un ciclo límite doble.........................120
Figure 4.6. Evolución dinámica del oscilador armónico conmutable =1 x 2 para α = 3.8 y x(0) = 0.9,
ẋ 0=0 en los tiempos (a) t=100, (b) t =300 y (c) t= 1000......................................................................121
Figure 4.7. Evolución dinámica de un oscilador armónico conmutable en el régimen caótico =1x 2
(a) α = 3.5, (b) α = 3.8 y (c) α = 4.0 y x 0=0.9, ẋ 0=0 ...................................................................123
Figure 4.8 Valores promedios de la posición y la velocidad de un oscilador armónico conmutable en régimen
caótico con α = 4.0, (a) Posición, (b) Velocidad y (c) valor promedio en la escala de tiempo de [0,10000] ......124
Figure 4.9 Plano fase de un oscilador armónico conmutable para α = 3.9 y condiciones iniciales (a)
x 0=0.5, ẋ 0=0 y (b) x 0=1.24, ẋ 0=0 .............................................................................. 125
Figura 4.10 Plano de fases de un oscilador armónico conmutable modificado dado por la ecuación X para (a) α
= 6.3 y (b) α = 6.75 y condiciones iniciales x 0=0.9, ẋ 0=0 .............................................................126
Figura 4.11 Evolución del atractor extraño para la frecuencia dada por ecuación 4.x con α = 0.8 y un mapa de
Bernoulli sobre el semi-eje negativo de la posición en (a) t=500, (b) t=1000 y (c) t=2000............................... 127
Figura 4.12 Destrucción de caos en un oscilador armónico conmutable con (a) frecuencia dada por ecuación 4.x
y valores iniciales x(0) > 1.25 y (b) frecuencia dada por ecuación 4.x y valores iniciales x(0) > 1.0.................128
Figure 4.13 (a) Comportamiento caótico de un oscilador armónico aleatorio conmutable para α(z) con una
función de distribución de probabilidad uniforme entre [0,4] y (b) valores de α(z)..........................................129
Figure 4.14 (a) comportamiento caótico de un oscilador armónico aleatorio conmutable para α(z) con una
función de distribución de probabilidad con una norma de 3.5 y varianza de 0.5 y (b) valores de α(z).. ..........130
Figura 4.15. Efectos de pequeña retroalimentación de la velocidad en el oscilador armónico conmutable......132
Figura 4.16. Retroalimentación en el oscilador armónico conmutable caótico, (a) β = 0.05, (b)β = 0.08 y (c)β =
0.10......................................................................................................................................................... 133
Figura 4.17. Retroalimentación en el oscilador armónico conmutable caótico, (a) β = 0.20, (b) β = 0.30 y (c) β =
0.50......................................................................................................................................................... 134
1.00......................................................................................................................................................... 135
Figura 4.19. Retroalimentación de posición en un oscilador armónico conmutable caótico. a) β = -0.02, (b) β =
-0.05 y (c) β = -0.08...................................................................................................................................137
Figura 4.20. Retroalimentación de posición en un oscilador armónico conmutable caótico. a) β=-0.10, (b) β=-
0.50 y (c) β= -1.00.....................................................................................................................................138
Figura 4.21. Fuerza de corte para la simulación de una micro máquina........................................................ 142
Fig. 4.22. Fuerza distribuida al giro de la herramienta de corte.....................................................................143
Figura 4.23 Diagrama a bloques del control PID de un solo eje de movimiento de una micro máquina de corte.
................................................................................................................................................................144
Figura 4.24. Representación del modelo de sistema híbrido de una micro máquina CNC..............................146
Figura 4.25. Modelo de simulación dentro del sistema híbrido......................................................................147
Figura 4.26. Resultados de simulación del sistema mostrado en 4.25 y un comando de posición de 10 mm...148
CAPÍTULO 5. DISEÑO E IMPLEMENTACIÓN DE MICROMECANISMOS DE

Figura 5.1 Vistas de la micro fresadora desarrollada como prototipo de micromáquina..................................151
Figura 5.2. Vistas de la fabricación de los motores a pasos para la micromáquina. (a) soporte del estator, (b) con
los devanados del estator y (c) el ensamble completo del motor.................................................................. 152
Figura 5.3 Tornillos de uno de los ejes de movimiento de la micromáquina................................................... 153
Figura 5.4. Guías de movimiento de los ejes de la micro fresadora.............................................................. 153
Figura 5.5. Diagrama de los componentes mecánicos de un eje simple de la micro fresadora.......................154
Figura 5.6.(a) Diagrama a bloques del sistema de control y (b) Diagrama esquemático de la tarjeta de control de
movimiento...............................................................................................................................................156
Figura 5.7 Vista de las tarjetas de control del sistema de movimiento...........................................................157
Figura 5.8. Topología de conexión en cadena tipo Daisy de los controles de movimiento...............................159
Figura 5.9. Diagrama de flujo de la implementación del programa de control en la tarjeta electrónica.............160
Figura 5.10. Análisis de generación de pulsos de control para el motor a pasos. El intervalo de tiempo entre
pulsos está definido por la pendiente del perfil de velocidad deseado...........................................................161
Figura 5.11. Gráficas de generación del perfil de velocidad y la posición que este perfil genera.....................163
Figura 5.12. Diagrama a bloques con los componentes de programación del sistema de control de movimiento.
................................................................................................................................................................164
Figura 5.13. Módulos del programa de control en la PC...............................................................................166
Figura 5.14. interface de usuario para el control de movimiento de dos ejes................................................. 167
Figure 5.15. Celda hexagonal propuesta por Kussul y otros [4] para formar el colector solar..........................169
Figure 5.16. Estructura de soporte de un espejo plano triangular para el concentrador solar parabólico.. .......170
Figura 5.17. Fotografías de una celda del colector solar y sus unidades básicas. a) y b) una celda triangular
sencilla y c) la estructura de un colector solar de dos zonas de espejos....................................................... 174
Figure 5.18. Identificación de nodos para (a) la región 1 y (b) la región 2 en el lado superior de la estructura del
colector solar............................................................................................................................................ 176
Figure 5.19. Pared externa de la primera zona de la estructura del colector solar..........................................177
Figure 5.20. Corte de la pared longitudinal mostrando los número de nodos de la estructura del colector solar.
................................................................................................................................................................177
Figura 5.21. Elementos barra identificados para la primera zona (a) elementos internos, (b) pared externa
(elementos superiores) y (c) barras cruzadas en la pared externa................................................................178
Figure 5.22. Secuencia del ensamble de la primera región del colector solar. (a) estructura de ensamble básico.
(b) secuencia de ensamble para la primera región y (c) la secuencia de ensamble de los espejos.................180
Figura 5.23. Distribución de los elementos de ensamble para la segunda región y la propuesta de ensamble
iniciando por el nodo C1,2,1......................................................................................................................... 181
Figura 5.24. Elementos compuestos de ensamble para nodos que comparten paredes de la estructura de
soporte. Ambos elementos son un reflejo uno de otro y van intercalados en la estructura dependiendo de su
posición y región.......................................................................................................................................182
Figura 5.25. Evolución del ensamble de las regiones exteriores de la estructura de soporte de colectores
solares. En esta figura solo se ilustra una cara y una sección por limitantes de espacio, se supone que las
regiones interiores están completas........................................................................................................... 183
Figura 5.26. Corte transversal de la estructura de soporte del colector solar................................................. 184
Figura 5.27. Simulación de un disco parabólico formado por elementos barra de 5 cm, con un disco de 2 m de
diámetro y foco a 1 m................................................................................................................................185
Figura 5.28. Disposición de un concentrador solar parabólico de disco hexagonal de 2 m de diámetro y foco a
1m. Vista superior y lateral........................................................................................................................ 187
Figura 5.29. Propuesta de estructura con un segundo nivel que genera la curva de la parábola deseada para el
concentrador solar.................................................................................................................................... 189
Figura 5.30. Propuesta de construcción de pasillos de ensamble de elementos interiores para las diferentes
regiones de espejos. ................................................................................................................................ 190
Figura 5.31. Aproximación del disco usando segmentos tipo tesela..............................................................191
Figura 5.32. Formas en que el colector solar puede tomar a partir de regiones de espejos............................192
Figura 5.33. Factores que afectan la concentración de energía en el colector solar....................................... 193
Figura 5.34. Peso del concentrador solar para diferentes diámetros y tamaños de la barra base de la estructura
................................................................................................................................................................196
Figura 5.35. relación del costo total, diámetro del concentrador y tamaño de la barra base de la estructura.. ..197
Figura 5.36. Factores de concentración de la energía solar en el colector.....................................................198
Resumen
El principal objetivo de esta disertación es el de desarrollar técnicas

innovadoras dentro del campo de micromáquinas y micromecanismos para
procesos de manufactura y ensamble automático para la construcción de
estructuras de colectores solares modulares, así como realizar un estudio
matemático y computacional de sistemas dinámicos no lineales aplicados a
estos mismos sistemas.
Se ha usado un procedimiento de análisis de errores en micro mecanismos

obteniendo una matriz de transformación homogénea de seis grados de
libertad que contiene errores geométricos, de dinámica lenta y rápida y no
linealidades. El procedimiento para encontrar esta matriz puede ser usado
no solamente en micro mecanismos, sino también en máquinas
convencionales con el fin de mejorar sus rendimiento.
Como filosofía de desarrollo se ha hecho énfasis en la Integración de

diferentes herramientas de prototipos rápidos para el análisis y diseño de
micro mecanismos. Como resultado se ha desarrollado software de
simulación en diferentes lenguajes de programación y paquetes de
simulación y modelación computacional para cada uno de los módulos del
sistema, entre ellos podemos mencionar ptolemy, python, C, ensamblador y
matlab.
Es importante mencionar que la aportación mas innovadora de este trabajo

es el desarrollo de modelos dinámicos conmutables con gran potencial en el
área de sistemas dinámicos complejos y sus aplicaciones. El desarrollo de
sistema conmutables se condujo hacia comportamientos caóticos en
sistemas determinísticos y aleatorios con una realización bidimensional e
i
implementando varios mapas caóticos. Finalmente, se abordó el problema
de estabilización del caos con valores muy pequeños de retroalimentación
de velocidad y posición.
Se ha desarrollado un sistema de control de movimiento que ha sido

implementado en una mesa de pruebas de inspección automática de
tarjetas electrónicas usando un sensor láser. Esta implementación tiene
aplicaciones industriales y en metrología.
Este trabajo incluye también varias piezas de software de análisis de

procesos de maquinado, modelos robóticos, automatización y construcción
de concentradores solares con micro espejos planos. Se ha propuesto el
uso de áreas geométricas superpuestas como mosaicos o teselas sobre la
superficie del concentrador solar. Esto permitirá una mejor paralelización del
proceso de ensamble, transporte a la zona final de instalación y mejor
administración desde el punto de vista económico. Las potenciales
aplicaciones de estás estructuras son varias y van desde arquitectura,
construcción de antenas y telescopios.
ii
Abstract
The main goal for this dissertation is to develop novel techniques within the
field of micro machinery and micro mechanisms aim to manufacturing and
automatic assembly process, applied to the construction of modular solar
collectors with flat facet mirrors. In addition to that, a major goal is to develop
mathematical studies and computational developments of non linear
dynamical systems applied to micro mechanisms.
A novel six degrees of freedom machine error analysis has been applied to
micro mechanisms obtaining a homogeneous transformation matrix that
contains all geometrical, slow and fast dynamics and non linear errors. This
procedure can be used not only with micro mechanisms, but with
conventional mechanisms also in order to improve its performance.
A fundamental philosophy for development in this work it to integrate

different tools for rapid prototyping in these studies and designs of micro
mechanisms. Also, several pieces of software have been developed in
several programming languages and modeling and simulation packages, like
ptolemy, python, C, assembler and matlab.
It is also important to mention that the most innovative development are the
models of dynamical commutable systems, which we believe may have an
important role in non linear and complex dynamical systems. Studies done in
this area led us to complex behavior of very simple commutable systems,
such as harmonic oscillators. We found the rule for generating a chaotic
behavior in a bi-dimensonal realization with continuous and deterministic
state variables. Extensions of those studies were done for random
parameters and state variables. Finally, chaos stabilization was done by
iii
using small amount of velocity and position feedback into the chaotic system.
A motion control system was developed and implemented in an automatic

inspection system for printed circuit boards using a laser sensor. This
implementation has industrial and metrology applications.
This research also includes several pieces of software aim to analyze

machining process, robotic models, automation and construction of micro
facet flat mirrors solar collectors. This research proposes an algorithm for
automatic assembly of such solar collectors and also the use of different
geometrical pre-assembled regions like tessellations on the surface of the
concentrator. This would allow a better parallel assembly process,
transportation and final installation on site. This type of structures have other
uses in architecture, antennas and telecopes construction.
iv
Introducción
INTRODUCCIÓN
Presentación
El uso de energías limpias en el planeta es prioritario para disminuir los efectos en el cambio
climático y la energía solar representa una fuente prácticamente ilimitada y muy barata de
energía. Desarrollar tecnología energética que esté al alcance de la mayoría de la gente
debe de ser prioridad para cualquier sociedad en búsqueda de una mejor calidad de vida.
En este momento, la solar representa la fuente mas importante de energía en el planeta y

existen avances considerables al respecto. La figura i.1 muestra uno de los primeros diseños
de concentrador solar desarrollado en los 80s, este modelo representa un paraboloide
segmentado por areas cuadradas y en el foco se conecta un motor térmico tipo Stirling.
Figura i.1 Ejemplo de un colector solar con un motor térmico tipo Stirling desarrollado en los 80s.
i
Introducción
El proceso de generación de energía en este caso es relativamente simple, el foco de la

parabola concentra la energía térmica del sol, en este punto se coloca un motor térmico que
transforma el calor en movimiento mecánico, este mueve un cigüeñal que transmite el
movimiento a un generador eléctrico. Este proceso puede apreciarse en la figura i.2.
Figura i.2. Proceso de generación de energía eléctrica con un concentrador solar.
A pesar de todo el desarrollo y el conocimiento del impacto negativo del uso de energías no
renovables como el carbón o el petroleo, el uso de energías renovables aún está muy poco
desarrollado y representa un porcentaje muy pequeño de la generación energética mundial
actualmente. La tabla i.1 muestra datos de la Agencia internacional de energía del 2002,
estos datos están ejemplificados en la figura i.3.
ii
Introducción
Tabla i.1. Generación mundial de electricidad

Carbón 39.0%
Petroleo 7.2%
Gas 19.1%
Nuclear 16.6%
Hidráulica 16.2%
otras (geotérmica, solar, eólica, etc) 1.9%
Fuente: Agencia Internacional de la Energía
Key World Energy Statistics 2002
Generación de Electricidad
Fuente: Agencia Internacional de Energía 2002
Carbón Petroleo Gas

Nuclear Hidráulica otras
(geotérmica
, solar,
eólica, etc)
Figura i.3. Gráfica de la distribución de las fuentes de energía mundial en el 2002.
El desarrollo de tecnología relacionada a la generación de energía renovable y limpia es de

suma importancia para revertir los efectos negativos generados por cientos de años de uso
de carbón y petroleo, desde su generación, transformación, uso y manejo posterior de los
desechos. Es necesario empezar a ver esto como un flujo entero de energía.
La propuesta de usar micro máquinas se basa en el hecho que está tecnología hace un uso
mas eficiente de la energía de operación y se basa en la paralelización de tareas. La escala
de trabajo de estos dispositivos es obviamente pequeño y esto obliga al uso de múltiples
máquinas simultáneamente.
iii
Introducción
Hoy en día la tecnología está mas cerca de nosotros y los dispositivos y máquinas cada vez
se miniaturizan mas. Los procesos de manufactura y ensamble de dichos dispositivos deben
de hacerse de forma automática y eficiente; por ejemplo, el ensamble de un teléfono celular
actualmente requiere precisiones de hasta 10 micras que un robot convencional actual
requiere de componentes mecánicos de alta precisión, así como de sistemas de control mas
especializados. Todo esto hace que el proceso se vuelva mas caro y requiera aún mayor
nivel de entrenamiento.
Sin embargo, existen alternativas basadas en la miniaturización de las máquinas, en una

estrategia de acuerdo a la tendencia que siguen los dispositivos y elementos que se están
fabrican. Esto es básicamente, reducir o escalar el tamaño de máquinas convencionales para
fabricar componentes estándares, pero escalados.
Esto trae consigo retos y beneficios inmediatos. Por ejemplo, todo el software y sistemas de
control y comunicación son los mismos a los utilizados en las máquinas convencionales, solo
es necesario ir escalando los parámetros para ajustarlos a las nuevas dimensiones. Además,
los mecanismos se vuelven mas rígidos, estables y controlables al minimizar los
componentes y esto facilita la realización de movimientos de precisión en las máquinas.
Entre los nuevos retos se pueden mencionar aquellos que están relacionados con el
desarrollo de nuevos actuadores mas aptos para esas escalas, desarrollo de nuevos
sistemas de integración de manufactura y estratégicas para trabajar con múltiples máquinas
y micro-componentes y cambio de cultura de los fabricantes.
Los retos de usar micro mecanismos son relativamente nuevos y dada la escala de
operación, muchos de los modelos convencionales no aplican a este nivel. Es necesario
considerar mejor los elementos no lineales, los efectos de retardo y lazos de operación con
otros niveles jerarquicos, tanto hacia arriba como hacia abajo. Los capítulos 1 y 2 ofrecen
una descripción de estos modelos matemáticos.
iv
Introducción
De igual forma, el paralelismo y la colaboración entre micro máquinas presenta nuevos retos
en el esquema de control, por lo que el desarrollo de librerías de modelos, diseños de
controladores y estructuras de control es de gran impacto en estos desarrollos tecnológicos.
Estos puntos se irán abordando en el cuerpo de esta disertación.
Antecedentes
El grupo de Ingeniería Computacional y Matemática Aplicada de la Sección de Estudios de

Posgrado de la Escuela Superior de Ingeniería Mecánica y Eléctrica dirigido por el Dr. José
Ángel Ortega Herrera, tiene una larga historia de desarrollo y estudios de modelos
matemáticos y computacionales aplicados a la ingeniería. Este grupo de investigación cuenta
con infraestructura computacional y software para realizar simulaciones y se está integrando
un grupo de desarrollo e investigación de modelos matemáticos en el área de mecatrónica.
El área de estudio de sistemas dinámicos, control y mecatrónica es de suma importancia
para poder ofrecer soluciones y desarrollos a la industria Mexicana y promover el intercambio
académico con otras instituciones tanto nacionales como internacionales, por lo que existe
gran interés de incursionar seriamente en este campo.
Este trabajo está principalmente basado en los desarrollos realizados por el Dr. Yuichi
Okazaki del AIST, la Agencia de Información Ciencia y Tecnología, de Japón y el Dr. Ernst
Kussul del CCADET, Centro de Ciencias Aplicadas y Desarrollo Tecnológico, de la UNAM. El
Dr. Okazaki tiene mas de 20 años desarrollando sistemas de micromáquinas e integrando
estos sistemas a la industria en Japón; mientras que el Dr. Kussul se ha enfocado al
desarrollo de micromáquinas de bajo costo con aplicaciones a la investigación y formación
académica de estudiantes en la UNAM. Además, se está integrando el trabajo del Dr. Adriano
de Luca hecho en el departamento de Computación del CINVESTAV en el área de sistemas
digitales usando FPGA's (field programming gate arrays) para el desarrollo de sistemas de
automatización, medición de precisión y control en tiempo real.
v
Introducción
Héctor Domínguez Aguirre tiene un gran experiencia en cuanto a su formación académica y

profesional en áreas de automatización y diseño de mecanismos, mecatrónica, diseño de
sistemas computacionales, modelado matemático de sistemas de control lineal, no lineal e
inteligente, así como implementación y construcción de sistemas robóticos y control en
tiempo real. Su experiencia académica incluye una maestría en diseño mecánico en la SEPI-
ESIME-IPN, una maestría en Ingeniería en control por la Universidad de California en
Berkeley, un intercambio académico en Robótica y automatización en Tsukuba, Japón, así
como experiencia profesional como ingeniero de software para sistemas robóticos en Adept
Robotics, Inc en Livermore, California y múltiples experiencias de desarrollo en los
departamentos de control y computación CINVESTAV, el Instituto Mexicano del Petroleo y
CIATEQ en Querétaro.
Objetivo general
Desarrollar técnicas innovadoras dentro del campo de micromáquinas y micromecanismos

para procesos de manufactura y ensamble automático para la construcción de estructuras de
colectores solares modulares, así como realizar un estudio matemático y computacional de
sistemas dinámicos no lineales aplicados a estos mismos sistemas.
Objetivos específicos
Este trabajo pretende investigar de manera integral el modelado matemático de la dinámica

de un micro mecanismo usando esquemas de máquinas inteligentes y arquitectura abierta.
De igual manera, se pretende desarrollar modelos matemáticos y software de simulación que

sean innovadores en el área y que potencialmente consideren la complejidad intrínseca de
un mecanismo de alta precisión.
vi
Introducción
Se diseñara software, hardware electrónico y mecanismos para probar el método de

desarrollo de sistemas con micro máquinas para aplicaciones en laboratorio con potencial
industrial.
Se analizará la estructura propuesta para la construcción de un concentrador solar con el fin

de optimizar su manufactura y potencial de fabricación y posible comercialización.
Finalmente, este trabajo de tesis doctoral intenta también demostrar que existe al menos un
procedimiento viable de ensamble automático de estructuras de colectores solares usando
micromáquinas de alta precisión.
Justificación
El área de automatización de sistemas de manufactura está tomando caminos cada vez mas
especializados enfocados en la optimización de procesos, el incremento en la precisión y la
reducción de errores mecánicos en el maquinado de piezas y ensamble. Existe una gran
demanda de productos cada vez mas pequeños y cercanos a la vida humana, entre ellos se
encuentran dispositivos médicos, de entretenimiento, de medición, científicos e inclusive de
producción industrial.
Es de suma importancia desarrollar tecnologías para resolver estos retos que se presentan
en el mundo actual. Una opción que se presenta son las micromáquinas y los sistemas de
fabricación automática usando estos sistemas pequeños en forma paralela y colaborativa.
Los retos en esta área son múltiples, para empezar muchos de los modelos matemáticos
existentes en la industria no pueden usarse tal cual en el mundo de mecanismos a escalas
mili o micrométricas, ciertos efectos no lineales derivados de fuerzas de fricción,
electrostáticas, de Van der Waals, etc.
Esto obliga a usar o desarrollar diferentes técnicas de control no lineal o inteligente dentro de
vii
Introducción
sistemas de micromáquinas; además de pensar en estratégias de trabajo colaborativo de

inclusive cientos o miles de micromáquinas en una microfábrica o un sistema de manufactura
automática.
Hay que resaltar que la escala de reducción del tipo de mecanismos y máquinas propuestas
en este trabajo de investigación y desarrollo tecnológico está en el rango de milímetros con el
fin de tener precisiones de micrómetros y hacer piezas que conformen un producto que una
persona pueda manejar. A diferencia de muchos sistemas usados en nanotecnología o
MEMS en cuyo caso los productos están en escala de nanómetros y cuyas aplicaciones
están aún fuera del mundo convencional de productos comerciales. En este trabajo se
intentará exponer los elementos matemáticos y técnicos que afectan a micro máquinas en
trabajo colaborativo en una celda de manufactura, tal es el caso de micro robots, micro
máquinas CNC y micro bandas transportadoras.
Alcance
Este trabajo de investigación pretende principalmente desarrollar modelos matemáticos,

algoritmos y procedimientos de análisis de micro mecanismos, así como de métodos de
ensamble automático de estructuras de colectores solares con espejos planos pequeños.
Aportaciones principales
La aportación mas innovadora de este trabajo es el desarrollo de modelos dinámicos

conmutables con gran potencial en el área de sistemas dinámicos complejos y sus
aplicaciones. Se han desarrollado modelos de sistemas complejos que generan un
comportamiento caótico a partir de la realización bidimensional de mapas caóticos discretos.
El sistema caótico conmutable es determinístico y continuo. Adicionalmente, se ha hecho
estudios con parámetros aleatorios y de estabilización y control del caos en estos sistemas.
viii
Introducción
Procedimiento de análisis de errores en micro mecanismos obteniendo una matriz de

transformación homogénea de seis grados de libertad que contiene errores geométricos, de
dinámica lenta y rápida y no linealidades.
Integración de diferentes herramientas de prototipos rápidos para el análisis y diseño de

micro mecanismos. Así como diferentes lenguajes de programación para cada uno de los
módulos del sistema, entre ellos podemos mencionar python, C, ensamblador y matlab.
Varias piezas de software de análisis de procesos de maquinado, modelos robóticos,

automatización y construcción de concentradores solares con micro espejos planos. Se ha
propuesto el uso de áreas geométricas superpuestas como mosaicos o teselas sobre la
superficie del concentrador solar. Esto permitirá una mejor paralelización del proceso de
ensamble, transporte a la zona final de instalación y mejor administración desde el punto de
vista económico.
Desarrollo de un sistema de control de movimiento que ha sido implementado en una mesa

de pruebas de inspección automática de tarjetas electrónicas usando un sensor láser
ix
Capítulo 1
CAPÍTULO 1.
INTRODUCCIÓN A MODELOS MATEMÁTICOS DE

MICROMECANISMOS
1.1 Introducción
En la larga historia de la mecanización y automatización de procesos industriales, mucho se

ha hecho por mejorar las formas en que se realizan las operaciones de manufactura. Desde
el diseño propio de los mecanismos hasta las formas y niveles de automatización de una
cadena completa de producción e inclusive plantas industriales en su totalidad.
Tradicionalmente, tanto los modelos matemáticos formales como los heurísticos, intentan
representar máquinas abordando solo una área específica de la misma; por ejemplo, ya sea
solo la parte mecánica, estructural, de producción, de servo control, etc. Sin embargo,
aunque estás aproximaciones han sido suficientes hasta hace aproximadamente 20 años,
debido a la aparición de nuevos mecanismos y demandas del mercado se ha obligado a
abordar el problema de modelación de máquinas utilizando formas mas completas y
complejas de representación, considerando a una máquina mas como un sistema dinámico
multimodal, es decir cuyos componentes cambian a diferentes frecuencias, y con múltiples
interrelaciones entre sus diferentes módulos y otras máquinas trabajando en colaboración
dentro de un proceso productivo.
Modelos teóricos como el de Meystel y Albus [1] consideran todos los niveles involucrados
dentro de un proceso de manufactura. Este tipo de modelos tienen una visión integral que
incluye la parte física de diseño y operación de los mecanismos, el control, manejo de
información y sistemas de gestión que pueden contener inteligencia artificial, heurísticas o
1
Introducción a modelos matemáticos de micro mecanismos
decisiones humanas. Estos modelos, que podríamos llamar cibernéticos por ver al sistema
como un todo a partir de sus partes, representan la mejor forma contemporánea para poder
entender los complejos sistemas que se ocupan actualmente.
Hoy en día, no solo la rapidez y la precisión son parámetros que hay que evaluar en una
máquina o proceso productivo, sino también la flexibilidad de configuración y el bajo
consumo de energía son parte fundamental de los sistemas modernos de manufactura. Este
es el principal motivador para buscar nuevas formas de fabricación y con ello abordar nuevos
retos técnicos, científicos y de logística.
De igual forma el desarrollo de las máquinas puede analizarse de acuerdo a la forma en que
se origina y como se administra la energía que mueve sus componentes mecánicos. Por
ejemplo, originalmente las máquinas eran completamente manuales, la energía y el control
se originan por fuerza bruta y es el operador quien determina como se va a utilizar la
máquina. Con la introducción de potencia de alguna fuente externa y la adición de controles
analógicos definidos dentro del mismo mecanismo o controlando la fuente de energía, se
obtiene mas eficiencia, velocidad y precisión comparado con las máquinas manuales.
El siguiente desarrollo histórico dentro de las máquinas fue la introducción del control digital y
el desarrollo de los sistemas servo/actuador. Esto permitió una mayor sofisticación en el
movimiento, una integración de procesos y su sistematización. Mientras que el siguiente
paso era el lógico, el permitir una autonomía de la máquina desarrollando sistemas
automáticos de control los cuales tenían una función muy objetiva y se basaba en la
introducción de sensores, los cuales generan señales que indican el estado de la máquina en
general.
En las últimas dos décadas se han desarrollado sistemas de información inteligente, los
cuales representan el siguiente paso en la evolución de las máquinas. Los sistemas
inteligentes permiten un mejor manejo de la información generada por los sensores y la
generación de cierta heurística en la energía de operación de la misma. Los sistemas
2
Capítulo 1
inteligentes permiten el manejo de entradas ambiguas, el uso de la experiencia y el know-

how de los procesos, así como la acumulación del conocimiento a través del aprendizaje [2].
Los retos y desarrollos actuales dentro de la tecnología de la manufactura nos indica que la
optimización de la energía consumida en un proceso de manufactura, así como la
coordinación de diferentes máquinas operando simultáneamente y dentro de una planta de
producción, representa el reto actual de desarrollo. El manejo de múltiples máquinas permite
la flexibilidad de los procesos, es decir, que una misma celda de producción sea capaz de
realizar actividades autónomas con el menor uso de energía y mayor calidad posible.
Esto último ha motivado el desarrollo de las micromáquinas las cuales pueden clasificarse en
diferentes formas dependiendo su escala con respecto al mundo de las personas. La idea de
escalar hacia abajo las operaciones de manufactura empezó hace ya mucho tiempo cuando
los primeros mecanismos de precisión para relojes y automatismos se construyeron.
Actualmente la escala de los micro mecanismos va desde los centímetros (10 -2m) hasta unos
cuantos átomos (10-10m), este tan amplio espectro de escalas obliga a concentrar recursos
en el desarrollo y análisis de para cada caso en particular.
Aunque el diseño de micromáquinas o micromecanismos depende en gran medida de la

escala en que se esté trabajando; sin embargo, existen ciertos parámetros comunes a todos
los niveles debido al tipo de operaciones a las cuales están creadas. Mientras mas pequeña
la escala, los modelos matemáticos se vuelven aún mas no lineales y la interacción entre
elementos aumenta la complejidad y su controlabilidad se vuelve más difícil. Es cuando
nuevas estrategias son requeridas.
Las micromáquinas ofrecen grandes ventajas en cuanto a la flexibilidad de los procesos de

producción que pueden desarrollar, así como en el mejor uso y manejo de la energía que
consumen para realizar las operaciones para las cuales están diseñadas; sin embargo,
nuevos retos de controlabilidad colectiva, de desarrollo de modelos matemáticos y de
estrategias de diseños se han abierto. Esto nos ha motivado a iniciar este trabajo de
3
investigación en de la Sección de Estudios de Posgrado e Investigación del Instituto

Politécnico Nacional.
En el caso particular de este trabajo de desarrollo tecnológico, es necesario considerar la

infraestructura existente y las posibilidades de desarrollo con el fin de encontrar la mejor
estrategia. La experiencia personal de haber trabajado en el laboratorio Nacional de
Ingeniería Mecánica en la ciudad de Tsukuba en Japón dentro del grupo de máquinas de alta
precisión a cargo del Dr. Yuichi Okazaki y el hecho de haber cursado una maestría en la
Universidad de California en Berkeley en donde he tomado cursos de teoría de control (lineal
y no lineal) y de manufactura de precisión, se han combinado con el encuentro en México en
la Sección de Estudios de Posgrado e Investigación con el Dr. José Ángel Ortega y el Dr.
Valery Nosov, además del Dr. Ernst Kussul del CCADET-UNAM, quien liderea el equipo de
trabajo en desarrollo de micromáquinas de bajo presupuesto en la UNAM, y con el Dr.
Adriano de Luca del Departamento de Computación del CINVESTAV-IPN con quien se ha
hecho el desarrollo del sistema de control electrónico y computacional.
En este capítulo se tratarán temas generales de diseño de máquinas y su aplicabilidad a los

micromecanismos, así como la descripción de modelos teóricos contemporáneos de
máquinas.
1.2 Descripción de diseños básicos de micromáquinas
El diseño de micromáquinas puede ser un gran reto al empezar a considerar efectos que en
escalas mayores no representan gran impacto; sin embargo, en pequeñas escalas pueden
cambiar completamente el comportamiento y demandar nuevos diseños y estrategias de
control. En general, el éxito o fracaso de una máquina de precisión puede evaluarse
respecto a seis aspectos de su funcionalidad abordados en [3]:
4
Capítulo 1
• Precisión dimensional
• Precisión angular
• Precisión de la forma
• Acabado superficial
• Precisión cinemática
• Alteraciones en la capa superficial
Cada máquina debe de ser diseñada de acuerdo a estos criterios y de alguna forma
medidos. Diferentes autores han propuestos varias metodologías para el diseño y medición
del rendimiento de máquinas. Nakazawa [3] establece una serie de estos principios. Los
principios de diseño de máquinas propuestos por Nakazawa se basan en cuatro
requerimientos funcionales buscando incrementar la precisión de la máquina. Estos son:
• La posesión de una referencia cinemática perfecta

• La posesión de un par cinemático perfecto los cuales ejecutan movimientos perfectos
con respecto a la referencia.
• Construcción para minimizar y prevenir el ruido en operación
• Poder detectar el movimiento con precisión
Uno de los principios mas importantes del diseño de máquinas propuestos por Nakazawa es
el principio de independencia funcional, el cual dice;
“Cuando un requerimiento funcional controlable existe, es preferible un sistema

en el cual las funciones son independientes a aquel en el cual las funciones no
son independientes”
Este principio fue originalmente desarrollado por Suh citado en [4] y aplica a una amplia
variedad de sistemas mecánicos. El segundo principio diseño de Nakazawa es el principio de
diseño total:
5
“Cuando las restricciones existen para ciertos elementos de evaluación, el

diseño total es mejor que el diseño aditivo o diseño combinacional.”
Por ejemplo, podría ser mejor diseñar una máquina totalmente nueva que cumpla con las
seis características críticas, que modificar un diseño ya existente o ensamblar una máquina
utilizando componentes existentes. Por supuesto que esta aproximación podría ser mas
costosa inicialmente.
Moore [5] propone una metodología de como lograr esto a partir de lo que él llama “Las
cuatro artes mecánicas.”:
• Geometría, desde el diseño en un plano, del cual parte de métodos de alineación,

revolución y la forma de construcción.
• Estándares de longitud, se refiere al elemento de medida de la máquina herramienta

del cual la máquina obtiene su precisión.
• Dividiendo el círculo, la división del círculo ha sido un reto dentro del diseño de
máquinas por siglos
• Curvatura, el rendimiento general de una máquina depende de la precisión total de

agujeros, ejes, bolas y otros componentes circulares, cilíndricos o esféricos.
Todos estos principios de diseño de máquinas, los cuales se han aplicado en el desarrollo y
producción de máquinas herramienta y robots en la última década del siglo pasado, son el
punto de partida del diseño de máquinas aún mas especializadas y hechas para realizar
operaciones en áreas tan diferentes como en aplicaciones médicas, de entretenimiento,
miniaturización y producción flexible y móvil de dispositivos personales y de precisión.
6
Capítulo 1
Uno de los factores mas importantes dentro del estudio de las máquinas de precisión, es el
análisis de las diferentes fuentes de error, para luego buscar la forma de compensación o
corrección de dicho error. Existen diferentes fuentes error con características muy
particulares. Esto se abordará en las secciones siguientes, así como su importancia en el
diseño y desarrollo en micromecanismos.
1.3 Análisis de errores en micromáquinas

La precisión de la máquina es inversamente proporcional al error de la misma, por lo cual es
de suma importancia minimizar el efecto de las diferentes fuentes de error en los
componentes de la maquinaria. De acuerdo a Dornfeld [6], los errores en máquinas tienen
cuatro diferentes fuentes: Errores geométrico, de Corte, de Manejo y ambientales. La figura 1
muestra las relaciones entre las fuentes de error, los elementos mecánicos que son
afectados, el proceso de generación del error y su efecto en la precisión final de maquinado.
Figura 1.1. Análisis del flujo de las fuentes de errores [6].
7
Los errores producidos por una máquina herramienta o el proceso de maquinado pueden ser
analizados desde diferentes puntos de vista. Ya sea desde la fuente del error, el sistema
mecánico que es afectado, la manera en que se da el proceso de generación del error o el
efecto final en el maquinado. El presente trabajo no tiene por objeto hacer un análisis
exhaustivo de estos puntos, pero es posible ver la referencia [7], la cual muestra excelentes
análisis de errores mecánicos y [8] en errores de origen térmico.
Desde el punto de vista de la compensación del error, es necesario analizar las variaciones
del maquinado desde un punto de vista geométrico considerando que una pieza de trabajo
es en realidad un objeto volumétrico definido por el espacio que ocupa. La calidad de la
geometría de la pieza de trabajo ya maquinada con respecto al diseño original, se relaciona
con los diferentes errores y compilando los efectos de variación con lo que se llama matriz
de error de la máquina herramienta.
Esta matriz de error puede ser solo una representación estática de los mismos [9]; sin
embargo, esta matriz puede mejorarse al adicionar los errores dinámicos, tanto de acción
lenta como los rápidos. Los errores dinámicos lentos, como la deformación térmica o el
desgaste acumulado de la herramienta de corte, tienen un efecto incremental y son
relativamente fáciles de compensar. En cambio, los errores dinámicos debidos a la estructura
de la máquina, vibraciones por el efecto del corte y errores de control o de cálculo de
trayectorias multidimensionales, son mucho mas difíciles de compensar y se requiere un
análisis mas exhaustivo de la naturaleza del error específico para poder determinar los
límites del diseño de la máquina misma. En [10], Altintas expone un análisis de las diferentes
fuerzas estáticas y dinámicas que afectan a una máquina herramienta convencional.
Generalmente las vibraciones generadas por el movimiento y la estructura misma de la
máquina representan una fuente considerable de error de acabado, mas que error
dimensional de las piezas de trabajo.
8
Capítulo 1
[ ]
1 − p  y a x
C  1 − r b y
T u= p (1.3.1)
− y  r 1 c z
0 0 0 1
La ecuación (1) muestra una matriz de error con coeficientes estáticos donde ε es un escalar
que representa el error promedio de rotación en tres ejes [p, y, r] en la transformación
homogénea CTu que va un punto a otro, δ es el error promedio de translación sobre cada uno
de los ejes coordenados [x, y, z] y las constantes a, b y c son valores de offset de la máquina
herramienta en sí. Todos estos parámetros son encontrados experimentalmente y existen
estándares y normas internacionales como la ISO-232-2 que definen los procedimientos y el
equipo requerido para estas pruebas.
En trabajos previos [11] y [12] se han analizado las diferentes fuentes de error y se ha
propuesto una matriz de error aumentada que pueda considerar los errores dinámicos de
forma que sea posible compensar errores de naturaleza lenta, deformaciones estáticas a lo
largo de los ejes de movimiento y errores térmicos. De igual manera se han propuesto
metodologías para encontrar los parámetros requeridos en tales matrices de error
extendidas.
Estas matrices de transformación homogéneas que incluyen el error cinemático son

realmente útiles al analizar la transmisión y multiplicación de los errores en los diferentes
componentes en movimiento de una máquina; esto incluye máquinas herramientas, robots,
dispensadores de material, y cadenas cinemáticas en general. La ecuación 2 muestra la
transmisión del error cinemático a partir de una matriz de error de transformación homogénea
en donde aTb es la transformación geométrica del cuerpo a al cuerpo b, T0 son las distancias
de offset y X es el vector columna aumentado con los incrementos en las distancias x, y, z.
9
[]
x
y
Error geométrico = [ TW− TC]
R R
z
1
[ ][ ]
1 − p y a x x
p 1 − r b y y
=
− y r 1 c z z
0 0 0 1 1 (1.3.2)
[ ][ ][ ]
1 − p y x 1 0 0 a x
p 1 − r y 0 1 0 b y
=
− y r 1 z 0 0 1 c z
0 0 0 1 0 0 0 1 1
= [ ][ ] [ ]
R  I P X a
1 1 0 1 1
= T bT 0 X
En la figura 2 muestra el mapeo de los errores tridimensionales producidos por una máquina
fresadora convencional generada a partir de mediciones de error en cada uno de los ejes de
movimiento y usando la cadena de matrices de transformación de error desde la pieza de
trabajo al último eje de movimiento enlazado en la cadena cinemática de movimiento. Este
mapa tridimensional muestra la superficie del error sobre la mesa de trabajo X-Y y como
cada punto tiene ya un error definido y que se puede compensar. La figura 3 muestra el
mapa de compensación de errores en el plano XY de la misma máquina fresadora analizada
en trabajos previos [11].
10
Capítulo 1
Figura 1.2. Mapa de errores en una fresadora cartesiana convencional.
Figura 1.3. Mapa de compensación de error
11
Para el caso de micro máquinas y micro mecanismos, los principios de diseño aplicados en
máquinas convencionales siguen vigentes. Sin embargo, existen ciertos criterios de
escalabilidad que deben de considerarse. Reduciendo el tamaño de una máquina no implica
que los parámetros de maquinado deban de escalarse en una razón proporcional o inclusive
generalizada para todos los parámetros. Algunos factores continuarán afectando de igual
manera, mientras que otros se reducirán al grado de no tener efecto alguno en el proceso; de
igual manera, al reducir el tamaño a escalas mucho menores, se presentarán nuevos efectos
que no influyen en la operación de máquinas convencionales, pero a nivel micro tienen un
efecto mayor en el proceso de maquinado o manipulación de piezas.
El Dr. Ernst Kussul y su equipo en el CCADET-UNAM (antes Centro de Instrumentos) han

realizado diferentes estudios sobre la escalabilidad de factores dinámicos en micro
mecanismos y aplicado en sus diseños de micromáquinas. En [13] y [14] ellos desarrollan un
amplio ensayo de diferentes efectos en micro máquinas y micro mecanismos, mencionando
como algunas fuerzas nuevas aparecen con un efecto mucho mayor en escalas pequeñas,
tal es el caso de las fuerzas electrostáticas y las de tensión superficial o capilaridad.
Hay que resaltar en escalas pequeñas, los efectos que pudieran tener las vibraciones se
reducen considerablemente al aumentar la frecuencia natural de vibración de la máquina
misma. En cambio fuerzas derivadas de efectos tribológicos tienen una gran influencia en el
movimiento de precisión, que inclusive pueden hacer que la máquina requiera un rediseño en
cuanto a sus componentes de contacto, buscando mejores opciones de materiales o
controles especializados. Igualmente vibraciones autoinducidas provenientes del proceso
mismo de maquinado también son difíciles de manejar, dichas vibraciones crean errores en
el acabado de la pieza de trabajo y se generan efectos de fuerzas no lineales y remanentes,
con retardos, debido a las fuerzas entre la herramienta de corte y la pieza de trabajo.
En los próximos capítulos se describirán métodos de compensación de errores dinámicos

enfocados principalmente a alcanzar diseños de micro máquinas de alta precisión
12
Capítulo 1
1.4 Métodos de Calibración
La correcta calibración de una máquina nos asegura una mejor referencia cinemática para el
cálculo de los movimientos de la misma; pero, para hablar de calibración de máquinas,
primero es necesario tocar el tema de medición. En nuestro caso tenemos que mencionar
tres principios fundamentales de medición: la precisión, repetibilidad y resolución de una
máquina.
La precisión está relacionada con el sesgo o bias de las mediciones en sí. En sentido
coloquial, hablar de la precisión de una máquina es hablar del rendimiento total de la misma;
en cambio, utilizar un concepto matemático de precisión es referirse a una medida
dimensional en la que intervienen factores estadísticos derivados de la acumulación de los
errores de la máquina, el proceso de maquinado y los instrumentos de medición.
Dentro del proceso de diseño y evaluación de una máquina, la precisión es a menudo

referida con el término de “tolerancia natural” la cual es el rango natural de variación en la
dimensión del proceso. Estimando la desviación estándar de la población, σ, de medidas de
un proceso de manufactura a través de medios convencionales, el diseño asociado de la
tolerancia debe de estar en el orden de ± 3σ. Esto es un rango de seis sigma de las
dimensiones mínima a máxima, D, de todo el proceso. Por supuesto que es considerando
que las mediciones tienen una distribución normal lo cual no es necesariamente el caso para
todas las máquinas. En este breve análisis se va a considerar de esta manera.
Como se ha mencionado en el segmento anterior de fuentes de error, dichas variaciones en

el proceso de manufactura provienen de diferentes orígenes y la naturaleza de cada uno de
estos errores ocasionan la aparición de dicho sesgo que para muchos pudiera parecer
aleatorio. En un sentido matemático estricto, la diferencia entre la dimensión nominal o la
deseada y la media es lo que definimos como sesgo o bias, . Entre mas pequeño es el
sesgo, mas precisa se dice que es la máquina o el proceso. El sesgo se calcula como:
13
N
1
Dmedia =
N
∑ Di (1.4.1)
i=1
donde N es el número de partes medidas.
La repetibilidad es la habilidad de obtener el mismo movimiento o medición dentro de ciertas

fronteras definidas. Esta repetibilidad en realidad indica la dispersión del proceso y es
calculado mediante la desviación estándar del mismo,

N
1
= ∑
N −1 i=1
D i− D media 
2
(1.4.2)
Dentro de las mediciones de máquinas se asume normalmente una repetibilidad

bidireccional, pero como se ha mostrado no es la generalidad. En un trabajo previo [11] he
mostrado como se puede encontrar dicha medida en particular para cada dirección y cada
eje y usar estos valores en la compensación del movimiento. Por otro lado, Slocum [7] tiene
una muy buena disertación sobre precisión y repetibilidad.
La resolución es simplemente el mínimo incremento identificable de la medición o del

movimiento. Es decir, para el caso de una máquina es el paso mínimo al cual se puede
comandar un movimiento. En máquinas de movimiento discretizado, como es el caso de
aquellas con motores a pasos, la resolución es el paso mínimo después de todo el tren de
transmisión del movimiento; en cambio, para máquinas con servomotores, la resolución es
en realidad un umbral de movimiento mínimo relacionado muy cercanamente con los factores
de error mecánico y los elementos de medición.
En teoría de la medida se considera el estudio de las incertidumbres como fundamental para

determinar el valor correcto de la variable en cuestión y el error de la medida.
Internacionalmente, los centros e institutos de metrología desarrollan estándares y criterios
para el manejo de la incertidumbre en las mediciones. Para el caso de las máquinas
herramientas, la incertidumbre en la medida se transforma en un error estadístico que debe
de ser considerado en la evaluación de su rendimiento. Tyler en [15] revisa diferentes ideas
14
Capítulo 1
referentes a la inducción matemática e inferencia probabilística que se involucra en un

proceso de medida poniendo un par de ejemplos interesantes para una pieza de trabajo y un
proceso de producción industrial en el que se rechaza o aprueba una pieza específica. Tyler
muestra como dependiendo de las condiciones consideradas para un proceso en particular,
la o las funciones de distribución de probabilidad en los componentes del proceso, las
correlaciones y el método de medición pueden afectar la referencia requerida en la máquina
herramienta.
El instituto nacional de estándares y tecnología de los Estados Unidos ha publicado un

documento de guia para el cálculo de incertidumbres en las mediciones [16]. Conocer la
incertidumbre intrínseca de una máquina nos permite evaluar también los límites de la
misma. Hay que resaltar la diferencia entre incertidumbre y error, pues en nuestro caso el
error puede ser compensando de alguna manera debido a que es una medida determinística,
mientras que la incertidumbre es solo posible tener una estimación y sin poder compensarla
exactamente, sino mediante una aproximación probabilística, lo cual está fuera de este
trabajo pero que representa un amplia área de investigación en la teoría de la medida.
Retomando el tópico de esta sección, el proceso de calibración de máquinas es

indispensable para definir una referencia cinemática y entre mejor esté realizada la
calibración, su referencia será mas próximo a lo perfecto. Éste, como se mencionó
anteriormente, es uno de los principios de diseño de una máquina de precisión.
La calibración en una máquina es el proceso o sistema con el que se encuentran los

parámetros de compensación de errores definidos en una matriz de error o algún otro
parámetro requerido por la máquina. Las referencias [17] y [18] muestran el trabajo en
conjunto desarrollado por el CIRP, College International pour la Recherche en Productique,
describiendo los criterios involucrados para la calibración de máquinas. Básicamente los
criterios pueden resumirse en la determinación de la rectitud, ortogonalidad de ejes de
movimiento, paralelismo, movimiento planar, interpolación circular o división del círculo y
parámetros relacionados con interpolación tridimensional y derivados de la cinemática de la
15
máquina en particular (offsets y desviaciones cinemáticas respecto al eje de movimiento).
El proceso para encontrar el error puede depender de los elementos de medición

disponibles. La precisión y resolución de los mismos determinará la calidad de los
parámetros de compensación de error. Sistemas de calibración estandarizados y certificados
por las entidades oficiales de medida son los ideales para hacer la calibración de las
máquinas herramienta; sin embargo, existen métodos desarrollados a partir de algoritmos de
optimización sobre todo aplicados en manipuladores robóticos de múltiples ejes [19].
El uso de colimadores y sistemas de calibración láser es lo mas común para realizar la

calibración de máquinas. En el caso de micro mecanismos estos dispositivos
convencionales de calibración como los mencionados aquí son imposibles de utilizar debido
al reducido espacio disponible; por lo que obliga a buscar métodos alternativos de calibración
o adaptar dichos dispositivos a tales circunstancias. Por otro lado, un beneficio de la
escalabilidad de los parámetros en los micromecanismos, hace también que se reduzcan los
errores dimensionales y acumulativos debido a la cinemática misma de la máquina.
1.5 Modelos de micromáquinas, microceldas y microfábricas
El desarrollado de tecnología en micro mecanismos tuvo sus inicios a mediados de la década

de los 90's principalmente en Japón, expandiéndose la investigación hacia Europa y Estados
Unidos. La inspiración acerca de la miniaturización de la tecnología proviene de la física,
particularmente de las ideas de Richard Feynman [20] que exponían un mundo miniaturizado
en donde la información de enciclopedias enteras podría caber, teóricamente, en la cabeza
de un alfiler.
Hablar de micromáquinas es referirse a un amplio espectro de escalas y diseños restringidos

a las condiciones ambientales y al tipo de operación para las que son hechas. El Dr. Ernst
Kussul y su equipo en [21] exponen un amplio análisis de la historia de las micromáquinas,
16
Capítulo 1
desde las aplicaciones en MEMS hasta la generación del orden de 100-200 mm que
permiten maquinar piezas de 50 m a 5 mm. En Japón el desarrollo de micromáquinas y
micromecanismos es amplia y está distribuido en diferentes centros de desarrollo tecnológico
y universidades, como es el caso del AIST [22], la agencia de ciencia y tecnología para la
industria y centros académicos como el Tecnológico de Tokyo y las Universidades de Nagoya
y Osaka con amplio y reconocido desarrollo en el área.
Existen diferentes motivaciones tanto técnicas como comerciales para el desarrollo de

micromáquinas y micro sistemas de manufactura; entre las que se pueden mencionar el
consumo energía, la mejora en la precisión de maquinado, la portabilidad y flexibilidad,
reducción de costos y mantenimiento en micromáquinas como algunos de los principales
motivos tecno-económicos para el desarrollo e implementación de estos mecanismos y
sistemas de producción. Esto se agrega a la gran demanda de procesos productivos para la
manufactura y el ensamble de dispositivos domésticos cada vez más en la vida de las
personas, como es el caso de sistemas de entretenimiento como juegos de video,
dispositivos en medicina, deportes, computación y telecomunicaciones, en la industria
automotriz, en monitoreo remoto, seguridad y con una lista que cada vez se hace mas
grande y demandante. Por lo que nos obliga a revisar los modelos existentes de diseño,
manejo e implementación de máquinas y buscar mejoras en ellos.
El modelo teórico de máquinas y procesos expuesto por Albus [23] define los componentes
de un sistema inteligente de máquinas y expone una visión jerárquica de la organización de
los recursos y componentes en un sistema de manufactura. Este modelo jerárquico es en
realidad aplicable a cualquier tipo de organización de manufactura, no solamente el
inteligente y su implementación siempre depende de los objetivos propios del sistema a
desarrollar.
17
Figura 1.4. jerarquía: desde sensores y actuadores hasta la organización por grupos.
La figura 4 muestra la estructura jerárquica de control y monitoreo de una máquina

generalizada. En dicho esquema propuesto por Albus [23], cada unidad de la máquina se
divide en módulos internos que son: el Procesamiento Sensorial (PS), el Modelo del Mundo
(MM) y la Generación de Comportamiento (GC). El Procesamiento Sensorial se refiere a la
capacidad de adquirir información del mundo exterior a partir de los sensores disponibles y
adaptar su señal a un formato procesable por cada unidad. El Modelo del Mundo toma dicha
señal y la ordena a partir de un Juicio de Valor (JV), no ilustrado en la figura 4, enviándolo a
la Generación del Comportamiento que envía la señal a los actuadores o módulos esclavos
para su acción en el mecanismo. Este modelo es genérico en máquinas inteligentes y
propone la comunicación entre diferentes Modelos del Mundo de cada módulo con el fin de
mejorar dichos modelos y crear una mejor representación del exterior para mejorar su acción,
y por lo tanto su precisión y rendimiento.
18
Capítulo 1
El sistema es bastante intuitivo y su jerarquía va de abajo hacia arriba; empezando con los
sensores y actuadores que modifican y monitorean los parámetros de la máquina real, es
decir, el nivel de servo control que es la parte que está inmediatamente en contacto con el
mundo real; en la generación de primitivas se generan trayectorias básicas de movimiento,
este módulo incluye la cinemática de los mecanismos y realiza los cálculos de generación de
trayectorias tridimensionales tomando en cuenta perfiles de velocidad y aceleración. Los
comandos de comportamiento de la máquina en sí, manufactura de una pieza, coordinación
con otras máquinas y otras lineas de producción para el ensamble o generación final de un
producto se realizan en los niveles superiores. Cada nivel tiene una velocidad natural de
respuesta o ancho de banda para generar y procesar sus señales, estos tiempos de
respuesta se vuelven mas lentos yendo del nivel de los sensores y actuadores hacia niveles
superiores. La figura 5 muestra tiempos estándares de acción en cada nivel jerárquico,
considerando su historia y planes futuros.
19
Figura 1.5. Estructura de la escala de tiempo en cuanto a los ciclos de acción de cada uno de los niveles en la
jerarquía de la manufactura.
20
Capítulo 1
La figura 1.5 muestra el mismo modelo jerárquico de la figura 1.4, pero ahora se considera la
cobertura en el tiempo que naturalmente tiene cada nivel. Esto es, el ancho de banda de
cada uno de los niveles del modelo de un sistema de manufactura automática. En la figura
1.5 el eje horizontal en cada nivel es la escala del tiempo, al centro se encuentra el momento
actual de la dinámica del sistema; mientras que hacia la izquierda están los momentos
pasados, y a la derecha los momentos futuros. Con este esquema se pretende hacer ver
como los planes a futura y su historia están relacionados, además de que el sistema total
dinámico es multimodal.
Los niveles cercanos a los actuadores son los mas rápidos, mientras que los niveles
superiores son mas lentos, llegando a tener ciclos largos que pueden durar días. Los tiempos
de memoria y planeación están relacionados con los ciclos naturales en cada nivel. La
jerarquía muestra que en el nivel mas bajo está el servo control y tiene un horizonte de
tiempo medido en mílisegundos, que en el esquema se propone como ejemplo de alrededor
de 30 ms; en la realidad, este tiempo puede ir de 0.5 a 50 ms dependiendo del tipo de control
deseado en la mayoría de máquinas herramienta. En este tiempo de muestreo se genera una
actualización del Modelo de Mundo (MM), la producción de un Valor de Juicio (VJ) y la
Generación del Comportamiento (GC) a la salida en los actuadores.
Cabe mencionar que tanto los actuadores como los sensores que miden los variables en el
mundo real, tienen también un ancho de banda limitado y que esta característica puede ser
un factor limitante de su rendimiento. Por ejemplo, consideremos un sensor de temperatura
que solamente mide de 0 a 100 grados centígrados; lo que pasa fuera de este rango va a
estar oculto para el modelo matemático, aunque posiblemente pueda ser estimado por algún
método indirecto a partir de variables adicionales. También se puede mencionar el caso del
actuador o motor que debido a su propia inercia no puede acelerar rápidamente, lo que
puede ocasionar retardos o imposibilidad de compensar cambios rápidos de comportamiento.
Todos estos factores deberían de estar considerados en el Modelo del Mundo de los módulos
específicos mencionados.
21
Cada nivel tiene una estructura similar de medición, de la actualización de su modelo interno,
algoritmos de análisis y producción de la salida. La escala de tiempo aumenta conforme se
sube en los niveles jerárquicos, como se mencionó anteriormente, y la forma interna de
implementación particular de cada uno de los módulos depende de las demandas de diseño
y el número de señales que se manejen simultáneamente. Aquí entran factores de
rendimiento como es el caso del comportamiento en Tiempo Real, es decir, que las señales
de control se generen en los tiempos requeridos con el mínimo de retardos; entre otros
factores de rendimiento se pueden mencionar al consumo de energía, el número de señales
de control o los grados de libertad manejados simultáneamente por cada módulo. Sin lugar a
dudas, en las máquinas reales estos son parámetros y condiciones de operación
importantes, pero su análisis sale de esta introducción y se retomarán mas adelante.
La introducción de micromáquinas involucra no solo hacer un análisis en la escala en el

tiempo, sino también en el espacio; teniendo en cuenta que al reducir el espacio de trabajo
también variamos los requerimientos de tiempos de reacción de algunos módulos al
necesitar mayores anchos de banda para cubrir mas espectro de acción. Aunque la
miniaturización de máquinas puede cubrir niveles moleculares o inclusive atómicos, en este
trabajo solo se van a tocar niveles que llegan a las micras, lo que equivale a decir que
efectos cuánticos serán discriminados de los análisis aquí mostrados.
Un análisis de las implicaciones de la miniaturización de máquinas desde el punto de vista

mecánico se presenta en [21]. Kussul y su equipo publican en este estudio el análisis de un
par de micromáquinas: un micro torno y un micro manipulador. El enfoque final esta dirigido
hacia la implementación de micro fábricas y procesos de manufactura en el mundo real. En
[13] este mismo equipo realiza una exposición de los factores de escala y su efecto en
micromáquinas; en la tabla 1 se muestran factores de escala para diferentes fuerzas que
interactuan en una micromáquina. Este trabajo refiere a [24] en donde se hace un estudio
mas detallado sobre los efectos de la escala geométrica en diferentes fuerzas actuantes en
un micro mecanismo.
22
Capítulo 1
Fuerza Símbolo ecuación Efecto

de la
escala
Electromagnética Fmagnetica B S2 : permeabilidad; B: intensidad del
S
2 m
campo magnético; Sm: área de la
sección de corte del embobinado
Electrostática Festatica Sm V 2 S0 ε: permitividad; V: voltaje aplicado;
2 d2 Sm:área de la superficie; d: espacio
entre electrodos.
2
Expansión Ftermica  LT  S E: módulo de Young; L: longitud;
E Sm
térmica L L:expansión; T: temperatura
Piezoeléctrica Fpiezo  L E c  S2 E: módulo de Young; L: longitud;
Sm
L L:expansión; T: temperatura
2
Inercial Fi ∂ x S4 m: masa; t:tiempo; x:
m
∂ t2 desplazamiento
Viscosidad Fv Sm ∂ x S2 c: coeficiente de viscosidad; x:
c
L ∂t desplazamiento; Sm: área superficial;
L: longitud; t: tiempo
Elástica Fe L S2 E: módulo de Young; Sm: área de la
E Sm
L sección de corte; L: longitud;
L:expansión; T: temperatura
En la tabla 1, S es el factor de escala debido a la reducción o ampliación del componente.

Por ejemplo, un factor S2 quiere decir que la variable física va a ser afectada de manera
cuadrática. Esto tiene un gran impacto sobre todo en el diseño y efectos activos, pasivos y de
perturbación en las micromáquinas. Supongamos que un motor a pasos lo reducimos
geométricamente en un factor de 4, manteniendo la forma y los materiales con el que está
construido; el efecto de la fuerza electromagnética actuando en el motor se reducirá en un
factor de 42= 16, lo que implica que la eficiencia del motor se reduce considerablemente y es
23
necesario hacer modificaciones de diseño y volver a estimar el efecto y alcance real de los
motores usados.
En cambio, al hablar de perturbaciones como es el caso de la deformación térmica o

vibraciones, su efecto se reduce también en un factor cuadrático para el caso de
deformaciones térmicas y en un factor de cuatro para el de las vibraciones debido a fuerzas
inerciales, esto último quiere decir que el sistema se vuelve mas rígido y robusto a
vibraciones mecánicas. Sin embargo, es curioso observar como algunas fuerzas se escalan
solo linealmente, como es el caso de la fuerza electrostática. Como algunos trabajos de
desarrollo de actuadores ya han demostrado [25] y [26], en el diseño de micro actuadores
finales en un manipulador, es de suma importancia contrarrestar los efectos electrostáticos
mas que cualquier otro en ese nivel.
Los desarrollos actuales en micromáquinas se están enfocando principalmente en el uso y

desarrollo de nuevos materiales para la construcción de actuadores y sensores, mejores
métodos de control, desarrollo de procesos industriales y de aplicaciones para
micromáquinas. El impacto económico es un factor fundamental para el futuro desarrollo de
estos dispositivos y, actualmente, otro factor a evaluar es el impacto ambiental y de huella de
ecológica que estas máquinas y procesos ocasionan.
Siempre ha existido un temor oculto en la cultura en contra de las máquinas y su impacto

social; con la entrada y evolución de las micromáquinas, aunado con el de la nanotecnología,
se hace mas evidente el gran impacto que estos nuevos dispositivos pueden tener en la vida
ordinaria, desde sus aplicaciones industriales y el desarrollo de soluciones en todas las áreas
de la vida humana: salud, transporte, entretenimiento, deportes, culinaria y educación entre
otros que se podrían mencionar.
Existen avances importantes en países como Japón [27], Alemania y Suiza en cuanto al
desarrollo de micro máquinas de precisión. Los retos actuales se centran en desarrollar la
tecnología localmente, a un costo que asegure su viabilidad económica y la generación de
24
Capítulo 1
técnicas colectivas de trabajo entre micromáquinas, mejores formas de control y

comunicación entre ellas y un manejo óptimo o eficiente de la energía requerida para el
desarrollo de su actividad. Así como de sistemas inteligentes dentro y fuera de las máquinas
y de monitoreo remoto que permitirían un mejor control a niveles superiores en la jerarquía
del sistema inteligente.
En los próximos capítulos se tratarán técnicas de control y cooperación en micromáquinas

enfocadas a una tarea particular.
Referencias
[1] Alexander M. Meystel y James S. Albus. Intelligente Systems. Architectecure, design and
control.. John Wiley & sons, Inc. New York. 2000
[2] Moriwaki, T. Intelligent Machine Tool: Perspective and themes for Future Development,
Manufacturing Science and Engineering. ASME 68-2:841-849
[3] Nakazawa, H. Principles of Precision Engineering. Oxford University Press, New York,
1994. Originalmente en Japonés y traducido al Inglés por R. Takeguchi.
[4] Suh, N.P., Bell, A.C. and Gosard, D. An axiomatic approach to manufacturing systems,
Trans. ASME J. Eng. Ind., 100, 1978
[5] Moore, W.R., Foundations of Mechanical Accuracy, Moore special tool company,
Bridgeport, CT, 1970
[6] Dorfeld, D. Proc. International Machine Engineering conference (IMEC), JMTBA, Tokyo,
1995.
25
[7] Slocum, A.H. Precision machine design. Prentice Hall, Englewood Cliffs, 1992.
[8] Bryan, J.B. International status of thermal error research. CIRP Annals, 39, 2, 1990.
[9] Slocum, A.H. Ibid, pags 61-80
[10] Altintas, Yusuf. Manufacturing Automation. Cambridge University Press. 2000. Pags 65-
121.
[11] Dominguez, H. y Tomizuka, M. Error sources analysis for open architecture machine
tools. Japan- US Factory Automation Conference- Denver, Co. July 2004.
[12] Michaloski, J. Proctor, F., Dominguez, H., Soons et al. Improving CNC machining
accuracy through thermal model based control. Japan- US Factory Automation Conference-
Denver, Co. July 2004
[13] Kussul E., Baidyk T., et al. Scaling down of microequipment parameters. Precision
Engineering 30 (2006) 211–222.
[14] Caballero-Ruiz A., Ruiz-Huerta L., Baidyk T., Kussul E. Geometrical errors analysis of a
CNC micro-machine tool, Mechatronics, Vol.17, Issues 4-5, May-June 2007, pp. 231-243 .
[15] Estler, W.T. Measurement as inference: Fundamental ideas. National Standar Institute of
Standards and Technology. Gaithersburg, MD. Annals of the CIRP. Keynote paper. 1999, 48,
No. 2, 611-632.
[16] Taylor, B. N. and Kuyatt, C. E. Guidelines foe evaluationg and expressing the uncertainty
of NIST measurement results. Natioal Institute of Standards and Technology. Gaithersburg,
MD. 1994
26
Capítulo 1
[17] Evans, C.J., Hocken, R.J. And Estler, W.T. Self-calibration: reversal, redundancy, error
separation and “absolute testing”. CIRP annals, 45, 1, 1996.
[18] Satori, S. And Zhang, G.X., Geometric error measurement and compesnation of
machines, CIRP annals, 44, 2, 1995.
[19] Driels, M.R., Using Passive End-Point Motion Constraints to Calibrate Robot
Manipulators. J. Dyn. Sys., Meas., Control, September 1993, Volume 115, Issue 3,560.
[20] Feynman, R. P. Plenty of Room at the Bottom. Discurso para el American Physical
Society en Caltech. 29 de December 1959.
[21] Kussul, E., Baidyk, T. Et al. Development of micromachine tool prototypes for
microfactories. J. Micromech. Microeng. 12 (2002) 795–812
[22] Okazaki Y, Kitahara T. Micro-lathe equipped with closed-loop numerical control. In:
Proceedings of the 2nd International Workshop on Micro-factories, Switzerland, 2000. p. 87–
91.
[23] Albus, J.S., A theory of Intelligent machine systems. IEEE/RSJ International workshop on
intelligent robots and systems IROS '91. Nov. 3-5, 1991. Osaka, Japón.
[24] Trimmer WSN. Microrobots and micromechanical systems. Sens Actuators. 1989:
19:267-87.
[25] Madow, MJ. Fundamentals of microfabrication: the science of miniaturization. Chapter 9:

Scaling lwas, actuators, and power in miniaturization. 2nd ed. Irvine, USA: University of
California; 2002.
[26] Ishihara H, Arai F, Fukuda T. Micro mechatronics and micro actuators. IEEE/ASME Trans
27
Mechatronics 1996: 1:68-79.
91.
28
Capítulo 2
CAPÍTULO 2.
ANÁLISIS NO LINEAL DE DINÁMICA COMPLEJA EN

MECANISMOS
2.1 Introducción
En este capítulo se pretende exponer los modelos teóricos de las variables dinámicas más
importantes para el estudio e implementación de micro mecanismos de alta precisión. Esta
tarea no es muy diferente al de las máquinas convencionales de alta precisión, en cambio
tiene gran impacto a considerar efectos físicos que no tienen mayor relevancia en escalas
convencionales. Al final del capítulo anterior se ha hecho un breve análisis de los efectos de
la escala ya expuestos por [1] y [2] y aquí se abordarán los efectos de las fuerzas
directamente.
En este espacio se van a considerar los efectos dinámicos y estáticos de las diferentes
fuerzas que actúan en una pieza mecánica, el modelo que se utiliza para su representación y
se agregarán comentarios pertinentes en cuanto a la forma en que se pueden llegar a
combinar entre ellos. Ciertos efectos, sobre todo los dinámicos, son no lineales y pueden
llegar a tener efectos no deseados en un proceso de manufactura. Por ende, es preciso
determinar el grado de importancia que puede llegar a tener en el comportamiento y
operación de una máquina.
Al final del capítulo se presentarán los diferentes factores que contribuyen al error en una
máquina, específicamente en una máquina herramienta cuya operación es el maquinado de
una pieza tridimensional. Trabajos previos pueden verse en [3] y [4].
29
Análisis no lineal de dinámica compleja en mecanismos
2.2 Deformación térmica
Existen diferentes factores que influyen en el proceso de incremento de temperatura en una

máquina, por ejemplo: el cambio en la temperatura ambiente, la acumulación de rebaba y
sobrantes de maquinados en los componentes móviles, las fuerzas de corte, la transmisión
de calor den punto de contacto entre la herramienta de corte y la pieza de trabajo, fricción de
los componentes mecánicos y componentes eléctricos como servomotores, controladores y
lamparas. Enfriamiento es el medio de disipación o transmisión de la temperatura y su
eficiencia y distribución a lo largo de la máquina debe de ser considerada en el análisis y el
modelo de control y compensación de errores.
Las diferentes fuentes de calor afectan la estructura de la máquina y todos los componentes
mecánicos, particularmente el husillo) sufren una deformación al variar la temperatura con
respecto a una referencia, usualmente 20 °C (temperatura ambiente). En la mayoría de los
materiales es posible utilizar una expresión lineal para describir una deformación térmica
como resultado del gradiente de temperatura. En este caso, la deformación térmica para
elementos viga está dada por
2
L  T
T = (2.2.1)
2h
donde α es el coeficiente de deformación térmica, L es la longitud de la viga, h es la altura de
la misma, T es el gradiente de temperatura y φT es el error de rectitud en la viga debido al
gradiente de temperatura.
Figura 2.1. Deformación térmica en un elemento viga libre.
Esta descripción proviene de hecho de que las fuerzas y el momento generado por una
30
Capítulo 2
expansión térmica en los elementos viga descritos como sigue
y  y T
= =
 h
EI
M=
 (2.2.2)

2
L
M 2
2 L  T
T = =

2EI 2h
φT es el desplazamiento debido a la deformación en la dirección correspondiente y para
pequeños valores. Esta puede ser considerada cinemáticamente como una rotación sobre el
eje perpendicular al plano de movimiento. En el espacio, es posible calcular la deformación
como una resultante de los efectos térmicos que en el caso de vigas libres o no restringidas,
esto puede interpretarse como tres pequeñas rotaciones como sigue:
2
x 0  T
T =

2h x
2
y  T
T = 0 (2.2.3)
y
2h y
2
z  T
T = 0
r
2h z
La figura 2.2 muestra la deformación térmica en una viga restringida por dos paredes, esto
ocasiona que la viga tenga una concavidad al expanderse y ocasione un error en la
orientación de la referencia cinemática.
Figura 2.2. Representación de la deformación térmica de un cuerpo restringido por dos paredes.
La deformación de expansión térmica representada en la figura 2.2, afecta a cada pieza de
31
material y las estrategias de medición y compensación están basadas en la distribución de

sensores térmicos en puntos críticos de la máquina, tales como guías, sujetadores de la
herramienta de corte o la pieza de trabajo y, especialmente, en los puntos de contacto entre
la pieza de trabajo y la herramienta de corte. En ciertos casos, es posible reemplazar un
elemento de medición con un buen modelo matemático implementado computacionalmente,
con el que se puede estimar el valor de la temperatura de acuerdo a indicadores indirectos.
Considerando un pequeño rango de temperatura, la expansión térmica está definida por el

coeficiente de expansión lineal y puede ser descrito de la forma:
 L=T L0
(2.2.4)
L= L0 [ 1 T ]
Entonces, considerando la expansión cúbica, el incremento volumétrico será
V = L30  13 T 3 2 T 2  3 T 3  (2.2.5)
Es posible separar de manera lineal los tres componentes de la expansión polinomial y

usarlos en una compensación lineal en cada uno de los ejes
[] []
x x0
y = T y0 (2.2.6)
z z0
Combinando los dos efectos de expansión y deformación, en una sola matriz de
transformación homogenea, tenemos
[ ][ ]
 x T T  0 − p T  y T   x T 
 p T  0 −r T   y T 
T TB =  yT T  =
A
 zT T  − y T  r T  0  z  T  (2.2.7)

1 0 0 0 1
A A B
T TC = T TB T TC
La aparición en el modelo de restricciones geométricas y los materiales heterogéneos
requieren de un análisis mas profundo que queda fuera de éste capítulo. Sin embargo, la
idea principal es mantener todos las variables dentro de un formato de una Matriz de
Transformación Homogénea, de forma que el efecto total acumulativo entre componentes
acoplados cinemáticamente, es el resultado de multiplicaciones sucesivas de matrices de
transformación.
32
Capítulo 2
2.3 Compensación por expansión diferencial nominal.
Existe un amplio rango de sensores de temperatura que pueden ser usados y la elección de
una combinación adecuada necesita considerar el rango de temperatura, su ancho de banda
y el costo. Su implementación puede ser hecha a partir de una simple tabla que muestre la
longitud de cada eje de desplazamiento o agregando algún tipo de compensación dinámica a
la compensación geométrica descrita en la sección pasada; los valores de compensación
térmica dependen de la geometría y los materiales de cada componente mecánico y la
estructura de la máquina en general.
La Expansión Diferencial Nominal (EDN) es la diferencia entre la expansión de temperatura

estimada de la pieza de trabajo y la que el equipo de prueba mide a partir de una
temperatura estándar sujeta a 20°C. La expansión térmica de la misma escala o instrumento
usado para medir la retroalimentación de la posición causa un error Δx m en el desplazamiento
de la herramienta cuando se mueve a lo largo de un eje desde una posición de referencia
arbitraria x0 a un punto x. Este error es definido como el desplazamiento actual menos el
desplazamiento nominal o comandado. Asumiendo una expansión térmica libre de esfuerzos,
el error es igual a,
x
 x m=∫x  x T x−20° C  dx (2.3.1)
0
donde αx representa el coeficiente efectivo de expansión térmica de la escala o instrumento

de medición y Tx su temperatura. De igual manera, si la pieza de trabajo está maquinada al
tamaño adecuado a una temperatura elevada Tw, dicha pieza será demasiado pequeña
cuando se mida a la temperatura de referencia de 20 °C. Asumiendo de nuevo que la
expansión térmica está libre de esfuerzos, el error resultante en una dirección será,
x
 x w=∫x  w T w −20° C  dx (2.3.2)
0
donde αx representa el coeficiente efectivo de la expansión térmica de la pieza de trabajo.

Hay que hacer notar que la expansión térmica de la escala y la pieza de trabajo se
cancelarán si ambas tienen la misma temperatura y el mismo coeficiente de expansión
térmica.
33
Entonces, por definición de la Expansión Diferencial Nominal que está dada como,
NDE= x m− x w (2.3.3)
La corrección EDN está permitida solo entre el equipo de prueba y la parte de la máquina
donde la pieza de trabajo está localizada. Es necesario hacer ver que la EDN es solamente
para mediciones y no deberá ser usada directamente para corregir las distorsiones térmicas
de la medición interna de la máquina. Lo que realmente se desea compensar es la diferencia
entre la pieza de trabajo expandida y el valor deseado del maquinado sobre ésta. Es
necesario mantener en mente que la pieza de trabajo va a reducirse una vez que se enfríe
después del corte.
Como referencia, la tabla 1 muestra una lista de coeficientes de expansión térmica para
materiales usados comúnmente en el maquinado.
Tabla 1. Coeficientes de expansión térmica para materiales comúnmente usados en la manufactura.

Coeficiente de Expansión térmica
Material
10-6 (°C)-1 10-6 (°F)-1
Aluminio (7075) 23.4 13.0
Acero (1040) 11.3 6.3
Acero Inoxidable (304) 17.2 9.6
Hierro gris colado 10.5 5.8
Berilio-Cobre (C17200) 16.7 9.3
Cobre-Níquel (C71500) 16.2 9.0
Magnesio (AZ31B) 26.0 14.4
Titanio (Ti-6Al-4V) 8.6 4.8
Tungsteno 4.5 2.5
Níquel (200) 13.3 7.4
Inconel (625) 12.8 7.1
Super Invar 0.72 0.40
En este trabajo se están omitiendo procesos de maquinado térmicamente agresivos tales

como el maquinado en seco en razones de remoción de material altos. En estos casos,
efectos no lineales y de dinámicas de mayor grado aparecen y es necesario un esfuerzo
extra para realizar la compensación de dichos efectos. Algunas de estas no linealidades
serán tratadas en los puntos siguientes en este capítulo,.
34
Capítulo 2
2.4 Efectos dinámicos y fuerzas de corte en máquinas herramienta.
Las máquinas, en general y en particular las máquinas herramienta, en operación son un

sistema completamente diferente a aquel estático o en movimiento al aire. Los efectos de
vibración debido al contacto entre la herramienta de corte y la pieza de trabajo crean fuerzas
que dependen de las condiciones de corte particulares en ese instante; por ejemplo, la
velocidad de alimentación, la velocidad de rotación del husillo, la geometría de la herramienta
de corte, los materiales (tanto de la herramienta de corte como de la pieza de trabajo) y los
modos de vibración de la estructura de la máquina que pudieran ser excitados y amplificados
en errores de corte.
Encontrar las formas de parametrización de las fuerzas de corte es indispensable en un

sistema de compensación automática e inteligente de errores de maquinado. El primer paso
es identificar los modos de vibración de la estructura de la máquina y mantener en mente que
ese espectro de frecuencias son las mas probables en aparecer como perturbaciones al
sistema. Los modos de vibración pueden ser encontrados experimentalmente usando
acelerómetros o cualquier otro sensor con el ancho de banda adecuado para cubrir tanto
como sea posible del espectro de frecuencias analizadas. Debido a su naturaleza armónica,
es posible diseñar algoritmos de eliminación de perturbaciones solamente en aquellas
frecuencias específicas. Este diseño tiene la gran limitante del ancho de banda del actuador,
el cual puede no ser suficiente para compensar modos de excitación en altas frecuencias.
El modelo más común relacionado a las fuerzas de corte, es mostrado en la figura 2.3. La
frecuencia de respuesta tiene un perfil específico y su frecuencia natural está relacionada
con la estructura de la máquina; como se ha mencionado anteriormente, el material, el
número y forma de las herramientas de corte y la relación entre la velocidad de alimentación
del material y de rotación del husillo.
35
Figura 2.3. Modelo armónico para las fuerzas de corte de una máquina herramienta en un plano.
Este modelo bien conocido de la herramienta de corte representa un oscilador forzado

bidimensional de tipo masa-resorte excitado por el flujo de material entrante y la profundidad
del corte (F = {Fy, Fz}). La dinámica puede representarse simplemente como,
m ÿr y ẏk y y= F y
(2.4.1)
m z̈r z ż k z z=F z
donde m es la masa inercial de la herramienta de corte, k y r son la rigidez y el
amortiguamiento de la estructura de la máquina y las derivadas en el tiempo representan la
velocidad y aceleración del corte en el borde. Sin embargo, los componentes de la fuerza de
corte están correlacionados, si Fy y Fz son la fuerza de corte y la fuerza de fricción
respectivamente, su dependencia puede expresarse por el coeficiente de fricción en la forma
Fz= K Fy (2.4.2)
Está configuración entonces tiene un comportamiento semi-caótico [9] al acercarse las

condiciones de corte a un estado crítico como el incremento de la profundidad del corte o la
máxima anchura de la rebaba removida del material como se muestra en la figura 2.4.
Graficando las trayectorias fase para los componentes Y y Z de las fuerzas de corte en el
proceso de maquinado de una fresadora. Para esta simulación, los valores numéricos están
especificados para una amplia gama de aceros con bajo contenido de carbon y condiciones
de corte y propiedades de la máquina están dadas para condiciones típicas donde la
inestabilidad puede desarrollarse. La trayectoria fase entra a un ciclo límite el cual representa
los errores de acabado superficial.
36
Capítulo 2
Figura 2.4. Planos fase para los osciladores en las direcciones Y y Z debidas a fuerzas de corte en un proceso
de maquinado en una fresadora convencional.
Estas fuerzas pueden volverse inestables debido a los efectos regenerativos del paso de las
herramientas de corte después de que la anterior ha dejado material sin cortar que puede
acumularse hasta que no es posible removerlos. Varios fenómenos no deseados están
relacionados con estas fuerzas como errores en acabado e inestabilidad del proceso. Es
posible cambiar las condiciones del proceso de maquinado; por ejemplo, incrementando el
número de dientes en contacto con el material (Figura 2.5), entonces nuevos efectos
regenerativos aparecen en escena; esto incrementa la fuerza debido al paso del diente
previo agregado a la fuerza de corte del diente que entra.
Figura 2.5. Vista desde arriba del maquinado de una fresa con una herramienta de corte con cuatro dientes.
La figura 2.6 muestra un diagrama a bloques del efecto de fuerza regenerativa, G(s)
representa la función de transferencia de la estructura de la máquina herramienta, h es el
37
grosor instantáneo de la rebaba, b es el ancho de la rebaba, Ks el coeficiente de fuerza de

corte obtenido experimentalmente midiéndolo directamente del husillo, Fm es la fuerza media
aplicada y Fv es la fuerza variable de excitación de la estructura. En este caso, la fuerza de
corte tiene la forma
F = Ksbh = Fm + Fv (2.4.3)
donde el componente variable de la fuerza es
Fv = Ksbhv = Ksb (y0 – y) (2.4.4)

En el límite de la estabilidad cualquier vibración permanecería constante sin incrementar o
decrementar. Entonces, de acuerdo al criterio de Nyquist, la función de transferencia es
K s b G 1−e− j  =−1 (2.4.5)

donde ε representa el retardo en el proceso. La función de transferencia es -1 debido la
condición |y0| = |y(t)| y es posible encontrar el límite básico de estabilidad de la anchura de la
rebaba blim como,
blim = -1/2 Ks Gmin (2.4.6)
Gmin es la parte real de la función de transferencia orientada entre el desplazamiento
perpendicular y la fuerza generada.
Figura 2.6. Modelo regenerativo de las fuerzas de corte en una fresa.
Para herramientas de corte con dientes múltiples, la fuerza de corte tiene una dinámica mas
complicada y muchos de los componentes armónicos están presentes; la fuerza resultante
puede ser descrita con sus dos componentes de su plano de acción como
38
Capítulo 2
N −1
F y = ∑ F y  j 
j
j=0
N −1 (2.4.7)
F z = ∑ F z  j 
j
j=0
donde φj es la inmersión angular instantánea del diente j. Entonces, arreglando las fuerzas
de corte en una matriz se obtiene
{ }
Fy 1 a
= b K t yy
Fz 2 [
a yz  y
a zy a zz  z ]{ } (2.4.8)
los elementos de la matriz a se conoces como coeficientes de fuerza de corte dinámico

direccional variables en el tiempo y están dados por,
[ ]
N−1− g j N −1−g j
a yy = ∑ [ sen 2  j  K r 1−cos 2  j ] a yz = ∑ [1cos2  j  K r sen 2 j ]
j=0 j=0
[ At ]= N −1 N−1
a zy = ∑ g j [1−cos2  j − K r sen 2 j ] a zz = ∑ g j [ sen 2  j −K r 1cos 2  j ]
j =0 j=0
(2.4.9)
Los coeficientes de corte Kt y Kr son constantes y el parámetro b representa la profundidad
de corte axial. Hay que notar que las fuerzas de corte tienen un comportamiento armónico y
dependen de los parámetros múltiples particulares para cada operación de corte. Por
ejemplo, el número y forma de las herramientas de corte, el material de la pieza de trabajo, la
velocidad de rotación del husillo, la velocidad de alimentación de la pieza de corte, etc.
La figura 2.7 muestra las fuerzas de corte a partir de una simulación computacional para
acero y 4 dientes de corte distribuidos uniformemente en el sujetador. Los parámetros de
simulación fueron: 2 mm de contacto de corte, 0.1 mm/diente de velocidad de alimentación,
500 Hz de frecuencia de inestabilidad, 0° de ángulo de entrada y 105° de ángulo de salida, 4
dientes con 30° de ángulo de hélice, Kt = 1.8 MPa, Kr = 0.3, Ket = 24.2 (constantes
tangencial, radial y de borde) para una aleación T16A14V.
39
Figura 2.7. Fuerzas de corte para las direcciones Y y Z obtenidas por simulación de corte de acero usando 4
herramientas de corte distribuidos uniformemente en el sujetador.
El análisis de estabilidad es en realidad un efecto multi-regenerativo y los coeficientes de

fuerza de corte dinámicos direccionales variables en el tiempo tienen una forma mucho mas
compleja; sin embargo, estos pueden ser representados como funciones de transferencia
ordenadas en una matriz de función de transferencia orientada y los límites de estabilidad
son una serie de curvas sobre puestas relacionadas con la frecuencia de límite de acabado
para estas condiciones de corte.
40
Capítulo 2
2.5 Las vibraciones mecánicas debido a la estructura de la máquina.
El análisis de los modos de vibración de la estructura de la máquina es de suma importancia

para encontrar los modos naturales de vibración y así mejorar, ya sea el diseño mismo de los
componentes cinemáticos y de contacto o el control. Típicamente, una máquina herramienta
puede ser modelada por una serie de masas interconectadas por resortes en diferentes
direcciones.
La idea de realizar un análisis multimodal es encontrar una función de transferencia que

represente la estructura dinámica de los componentes mecánicos de la máquina. De acuerdo
a lo propuesto por Tlusky [11], de forma que considerando una masa generalizada con n
fuerzas, de forma que es posible encontrar la función de transferencia orientada como se
sigue,
i =1
y
 yF = =∑ udi i  (2.5.1)
F n
donde es el factor direccional sobre el sentido de i.
Figura 2.8. Ejemplo de fuerzas generalizadas en una máquina herramienta con 4 elementos dinámicos.
41
Lo que se busca específicamente es encontrar una función de transferencia entre la

herramienta de corte y la pieza de trabajo, de forma que sea posible minimizar cualquier
efecto no deseado en la tarea de corte, aumentando así la precisión de la máquina.
Dado que es posible calcular o estimar las fuerzas de corte de acuerdo a las condiciones de
operación descritas anteriormente, conocer las frecuencias naturales de oscilación del
mecanismo, es de suma importancia para evitar cualquier tipo de resonancia. Considerando
la distancia relativa entre la herramienta de corte y la pieza de trabajo como (x h – xp), donde
xh es la posición de la herramienta de corte y xp es la posición de la pieza de trabajo.
Considerando las fuerzas involucradas en el corte crean una fuerza de magnitud F 0, cuyo
efecto es recíproco con sentido contrario tanto en la pieza de trabajo como en la herramienta
de corte. Los vectores de desplazamiento y de fuerzas para un sistema generalizado n-
dimensional serán dados por:
[ x]=[ x1, x 2, ... , x t ; x w ,... , x n ]
(2.5.2)
[ F ]=[ 0,0,... , 1 ;−1,...0] F 0
La ecuación de movimiento para todo el sistema es
[ M x ][ ẍ][C x ][ ẋ ][ K x ][ x]=[ F ] (2.5.3)
donde la masa local es [Mx], el amortiguamiento [Cx] y la rigidez [Kx] son matrices cuadradas
de dimensión [nxn], y la fuerza [F] es de dimensión [nx1]. La solución del problema de
valores propios lleva a una solución modal en forma matricial [P] de dimensión [nxn]:
[ ]
P11 P 12 ... P 1t P 1w ... P 1n
P 21 P 22 ... P 2t P 2w ... P 2n
⋮ ⋮ ⋮ . ⋮ . ⋮
[ P ]= P t1 P t2 ... P tt P tw ... P tn (2.5.4)
P w1 P w2 ... P wt P ww ... P wn
⋮ ⋮ ⋮ . ⋮ . ⋮
P n1 P n2 ... P nt P nw ... P nn
[ P ]=[[ P ]1 [ P ]2 ... [ P ]t ,[ P ]w ... [ P ]n ]

Cada columna representa un modo [P] de la estructura n-dimensional.
42
Capítulo 2
Para calcular la función de transferencia de un sistema multidimensional como el mostrado

anteriormente, es necesario representarlo en el dominio de Laplace de la forma:
2
[ M ] s [C ] s[ K ]{X s}={F s} (2.5.5)
o
[ B s]{X s}={F s} (2.5.6)
Entonces la matriz de la función de transferencia del sistema multidimensional será
{X  s} adj[ B s]
[ H s ]= = (2.5.7)
{F  s} ∣[ B s]∣
donde ∣[ B s]∣ es la ecuación característica , y la solución de ∣[ B s]∣=0 proporciona los
valores propios del sistema multidimensional.
Los elementos de la matriz [H(s)] pueden ser encontrados experimentalmente de manera

iterativa. Por ejemplo, para encontrar el elemento h11 se utiliza un martillo instrumentado
golpeando el primer elemento cinemático, mientras se mide la respuesta con un
acelerómetro dispuesto sobre el centro de gravedad del mismo elemento; al mantener el
sensor en el mismo elemento e ir golpeando el resto de los componentes cinemáticos,
entonces tendremos los componentes h12 , h13 , etc. Al mover el sensor al centro de gravedad
del siguiente elemento y medir la respuesta del sistema al golpearlo por los componentes
mecánicos obtendremos el siguiente renglón de respuesta, y así sucesivamente. Es
necesario notar que debido a las propiedades de simetría de la matriz de transferencia, no es
necesario hacer las mediciones para todos los componentes, sino solamente en cualquier
mitad triangular de la misma.
Los resultados de las mediciones se transforman al espectro de la frecuencia para poder

análizarlas y ajustarlas a una función de transferencia de la forma generalizada:
il , k il , k s
hil = 2 2 (2.5.8)
s 2 k n , k sn , k
donde d , k ,n , k y  k son las frecuencias naturales amortiguadas, sin amortiguar y la
razón de amortiguamiento modal para el modo k del sistema. Los parámetros  y  se
encuentran a partir del análisis de las raíces de la ecuación característica y su expansión en
43
fracciones parciales, de forma que =2 n −d  y =2 ; y  y  son la parte

real e imaginaria del valor complejo conjugado de los residuos de la ecuación característica.
De esta forma, la ecuación de transferencia completa puede ser expresada en forma

matricial como sigue:
n
∑ [ R ]k (2.5.9)
k =1
[ H  s]= 2 2
s 2 k n , k s n ,k
donde cada elemento de la matriz multidimensional [ R]k =[ s]k refleja los residuos del
modo k en la fila i y la columna j. La respuesta en frecuencia de la estructura se obtiene
remplazando el valor de s= j  , donde la frecuencia de excitación puede ser encontrada
en un rango que cubra todas las frecuencias naturales. Inclusive puede usarse la misma
ecuación para realizar análisis y simulación en el dominio de la frecuencia aplicando la
−1 −1
transformación Bilinear s=[2 1− z ]/[ t 1 z ] , en donde  t es el intervalo de
−1
integración digital y z es el operador de retardo en tiempo.
Los efectos estructurales al escalarse en micromecanismos tienden a hacer un corrimiento

hacia la derecha de las frecuencias naturales, es decir, que dichas frecuencias naturales de
vibración tienden a hacerse de mayor valor de frecuencia y su excitación puede regularse
mediante filtros pasa bajos o, conociendo su valor específico, con filtros de rechazo de
banda. Este tema se retomará en el capítulo 3.
Este análisis es un tanto complejo para sistemas multidimensionales, sin embargo el análisis
multimodal de la estructura representa las frecuencias en las cuales el mecanismo tiene mas
posibilidades de amplificar algún comportamiento no deseado; lo cual debe de cotejarse con
el diseño del control o la estrategia de compensación de errores dinámicos. Lo que queda
ahora es considerar los aspectos no lineales del sistema dinámico.
44
Capítulo 2
2.6 No linealidades presentes en una máquina herramienta.
Hablar de no linealidades en una máquina es referirse a casos muy específicos de la

dinámica. Este trabajo abordará solamente el modelo generalizado de fricción, saturación de
actuadores y backlash. Aunque el espacio dedicado en esta sección es muy limitado, al
menos se detallarán algunos de los modelos mas utilizados y se harán comentarios de sus
efectos en micromáquinas y maquinaria de alta precisión.
2.6.1 Fricción.
La fricción está presente en cualquier superficie que está en contacto mecánico con otra, tal
es el caso de guías, soportes de componentes y chumaceras. Debido a la naturaleza no
lineal de la fricción y a que en aplicaciones de alta precisión ésta tiene un impacto
considerable en el movimiento, se intenta minimizar su efecto usando lubricantes, en camas
de aire o levitación magnética.
La Fricción es una de las no linealidades que presentan gran reto para la compensación del
error que se genera a partir de su presencia dado que causa saltos inesperados cuando la
velocidad cruza el cero y cambia de dirección, esto es debido al efecto de la fricción seca
(zona de banda muerta) lo cual ejerce un retardo en el efecto del actuador hasta que su
torque sobre pasa el límite. La figura 2.9 muestra un movimiento circular estándar, el cual es
una prueba convencional efectuado en máquinas herramientas donde picos de velocidad
aparecen precisamente cuando alguno de los ejes de movimiento cruza por cero y el efecto
de la fricción es evidente.
45
Figura 2.9. Resultados de una prueba de movimiento circular mostrando el efecto de la fricción seca en una
maquina herramienta.
La fricción tienen diferentes modos de comportamiento y modelos matemáticos que los

describen; sus propiedades no lineales pueden requerir gran esfuerzo y energía para su
compensación. El modelo de fricción propuesto es mostrado en la figura 2.10 y depende del
torque aplicado, así como de la velocidad del sistema mecánico. Este modelo de fricción
tiene cuatro regímenes característicos separados de acuerdo a su comportamiento
específico.
46
Capítulo 2
Figura 2.10. Modelo de fricción no lineal que muestra cuatro diferentes regiones o regímenes de
comportamiento.
El primer régimen es la fricción estática está cercana a la zona cero de velocidad y es la

equivalente a la fuerza o torque requerido para poder mover las superficies de contacto a
partir de un estado estático. La segunda región es llamada de frontera de lubricación y es
una pequeña zona en donde a pesar de que la velocidad se incrementa, la fuerza requerida
para mover el sistema se mantiene constante.
El tercer régimen de la fricción es la zona de fluido parcial o de fricción inversa en donde a un

aumento de la velocidad, la fricción disminuye y es necesaria menos fuerza para vencerla. El
último régimen es el de fluido completo en donde la fricción es proporcional a la velocidad. A
partir de este modelo es posible derivar los valores de fricción que usualmente se utilizan en
los modelos matemáticos, la fricción de Coulomb y la viscosa, tal y como se muestra en la
figura 2.10. Una descripción detallada de este modelo de fricción puede encontrarse en [10]
Este modelo de fricción puede resumirse en la siguiente ecuación,
47
{ }
0 =0, T =0
' '
T =0, 0T T estático
' −'
T =0, T estático T 0
' ' '
T f  ,T = T 'estático T T estático (2.6.1)
' −' ' −'
T estático T T estático
''
T est 0
'−'
T est 0
'' ' '
T estático= lim T est 
' '
 0
'−' ' −'
T estático = lim T est 
 0 '− '
(2.6.2)
' ' ' ' −/ '1' ' ' −/'2' ' '
T est =T estáticoe T coul 1−e T visc 
' −' ' −' −/ '1−' ' −' −/'2−' ' −'
T est =T estáticoe T coul 1−e T visc 
donde T es el torque requerido, T+estático es el torque en fricción seca necesario para vencerla
en la dirección positiva, T-estático es el torque en fricción seca necesario para vencerla en la
dirección negativa, es la velocidad y 1 y 2 parámetros de normalización de las
velocidades de rotación.
El modelado de la fricción puede ser muy complejo debido a que implica efectos
retroalimentación y alimentación hacia adelante o directa. La mayoría de las técnicas de
compensación están basadas en un control directo y la identificación de los parámetros de
fricción a partir de algoritmos de identificación o control robusto. En este sentido, dichos
algoritmos utilizan modelos no lineales de fricción como el que se muestra en la figura 2.11,
la cual muestra una representación a bloques de la fricción.
48
Capítulo 2
Figura 2.11. Modelo de fricción en un diagrama a bloques.
El diagrama a bloques en la figura 2.11 muestra un sistema inercial en donde J es el valor de

la Inercia del sistema, B es el coeficiente de amortiguamiento viscoso, R es el coeficiente de
Resilencia y Ka y Kt son constantes de lubricación
El modelo de fricción propuesto por Dahl, tomado de [6], tiene un enfoque dinámico, en
donde la fricción está dada por la ecuación diferencial
 
a
dF F
= 1− sgn v (2.6.3)
dx Fc
donde v es la velocidad, es el coeficiente de rigidez, a es un parámetro que determina la
forma de la curva tensión-compresión (a=1 es usado comúnmente), Fc es la fuerza de fricción
de Coulomb y F es la fuerza de fricción.
En este caso, ciertas condiciones deben de entenderse por ejemplo ∣F∣ F c y por lo tanto
∣F 0∣ F c . Entonces,
 
a
dF dF dx dF F
= = v= 1− sgn v v (2.6.4)
dt dx dt dx Fc
dF F
para a=1 tenemos = v− ∣v∣
dt Fc
haciendo un cambio de variables, F= z, entonces,
dz ∣v∣
=v− z (2.6.5)
dt Fc
49
Este modelo no considera varios efectos no lineales, pero es una buena aproximación y es
comúnmente usado para controles con identificación de parámetros y adaptivos, debido a su
relativa simplicidad y descripción dinámica.
En la práctica puede haber diferentes causas por las que exista un cambio de fricción entre
las superficies de contacto de los mecanismos, por ejemplo desalineamientos entre
componentes, aumento volumétrico debido al cambio de la temperatura o la presencia o no
de lubricante. La figura 2.12 muestra un caso que he medido en laboratorio de cambio de
fricción en un eje de movimiento con un desalineamiento entre el eje de movimiento y uno de
los soportes, comparado con el mismo eje con un mejor alineamiento entre los componentes
mecánicos. Este tipo de pruebas de medición del torque requerido por el motor para estimar
la fricción y algún posible desajuste mecánico son extremadamente útiles en la práctica para
mejorar el rendimiento de las máquinas y asegurar una buena calibración.
Figura 2.12. Pruebas de fricción comparando un mecanismo desalineado con otro mejor alineado.
50
Capítulo 2
La fricción como componente no lineal tiene un gran impacto en el movimiento de

micromecanismos y mecanismos de alta precisión en general; la mejor estrategia es realizar
un mejor diseño de los componentes cinemáticos y la lubricación entre los elementos en
movimiento, con esto se evitará requerir de actuadores capaces de contrarrestar los efectos
de la fricción o controladores mas sofisticados. Ahora, debido a la naturaleza dinámica de la
fricción, es común utilizar técnicas adaptivas de control, las cuales detectan las
características presentes de fricción y su acción depende de su medición y modelo utilizado.
2.6.2 Saturación de actuadores.
Los modelos de saturación de actuadores son relativamente simples, sin embargo sus
efectos en el sistema dinámicos se acumulan y pueden llegar a colapsar o inclusive destruir
al sistema por sobre calentamiento del actuador. La saturación de un actuador se presenta
cuando el sistema de control envía señales superiores a la capacidad del actuador y éste no
puede generar la respuesta deseada y puede ocasionar inclusive la destrucción del mismo.
Por ejemplo, cuando un motor requiere mover una carga superior a su torque nominal o
cuando la aceleración demandada para mover una carga determinada requiere un torque
instantáneo superior al torque instantáneo máximo del actuador.
Torque de un motor moviendo una carga vertical

2000 15000
1000 10000
0 5000
-1000 0
-2000 -5000
-3000 -10000
-4000 -15000
-5000 -20000
tiempo [ms]
CMDVEL POSERR TRQ
Figura 2.13. Torque de un motor moviendo una carga vertical.
51
La figura 2.14 muestra el torque de un motor, su comando de velocidad y el error generado al

mover una carga vertical que he medido en pruebas de saturación de motores en un sistema
mecánico con un tornillo de bolas. Se puede observar como el motor se satura en un par de
puntos durante la aceleración y desaceleración y esto ocasiona que el error en la posición se
incrementara. Este es un fenómeno que es necesario evitarse y que matemáticamente se
puede modelar utilizando funciones limitantes como el arco tangente, atan(), o discretizando
la función de torque del motor.
La saturación de actuadores y sensores es un problema que debe evitarse desde el diseño,

estimando el rango apropiado requerido para efectuar la operación deseada y medir los
parámetros de manera adecuada.
2.6.3 Paso mínimo
Esto se refiere al mínimo desplazamiento o acción diferenciable de un comando. Aunque

este no es un efecto no lineal, es una propiedad de los mecanismos que debe ser evaluada
con el fin de establecer su precisión. El procedimiento estándar para determinar este
parámetro es el comandar un movimiento escalonado con un paso que va disminuyendo
iterativamente hasta encontrar el valor mínimo en que el mecanismo puede moverse.
Regularmente se utiliza un sensor de posición de alta precisión como un láser.
52
Capítulo 2
Prueba de micro paso en un eje con tornillo de bolas

6
5.04
4.43
4
2
Posición [um]
0.51
0
-2
-4 -3.86
-5.04
-6
Servo (micrometros) Láser (micrometros)
Figura 2.14. Prueba de micro paso con la posición del controlador y la real medida con un sensor láser.
La figura 2.14 muestra una prueba de micro paso realizada en un eje de movimiento con un
tornillo de bolas en donde se muestran las diferencias entre la posición del encoder del servo
con la real medida con un sensor láser. Esta gráfica muestra diferentes efectos como la
fricción y backlash. Con esta información es muy útil para idear una buena estrategia de
control y compensación de errores.
2.6.4 Palabras finales de los modelos matemáticos
Existen por supuesto otras no linealidadades como el Backlash el cual se presenta en

mecanismos en los elementos de transmisión de movimiento cuando hay un cambio de
dirección, dado que existe un espacio de movimiento muerto o no movimiento en estos
componentes. Esta no linearidad genera un efecto similar a la histéresis y su modelación se
hace de forma discreta. La compensación es sencilla pues solo se agrega el valor que
reduce el error provocado por el backlash.
53
Otras no linealidades como histéresis en el campo magnético de los motores, errores de

discretización, efectos de fuerzas remanentes como las de corte en herramientas con varios
cortadores (los cuales se verán a mayor profundidad en el capítulo 3) y no linealidades
intrínsecas de los sensores pueden modelarse e incluirse en los diseños de compensación
del error producido. La mayoría de estas no linealidades son difíciles de reproducir en
simulación y los controles, por lo que una de las técnicas de compensación es considerarlos
simplemente como perturbaciones y diseñar controladores robustos o adaptivos para
manejarlos. Sin embargo, en el caso de mecanismos de precisión el efecto agregado de
todos estos efecto puede ser considerablemente grande y obligar a rediseñar el mecanismo
o sustituir el origen de la no linearidad.
Por ahora, considerando los efectos combinados de las diferentes fuentes de error con la
finalidad de encontrar la desviación de la punta de la herramienta de corte con respecto de la
trayectoria deseada, es posible encontrar una representación en forma matricial que
represente la posición final de la punta de la herramienta de corte con respecto a la pieza de
trabajo. Esto es,
[ [ ] [ ] ][ ]
X d  xT T   X F f x t 
Error Total= [ ]
R P
0 1 geométrico
Y d  y T T 

Z d  z T T 
  Y F 
 Z F 
f t 
 y
f z t 
1 1 térmico 0 Fuerzas decorte 0
(2.6.6)
El error total acumulado es
[ ]
1 − p  y a x
 1 −r b y
Error Total= p
− y  r 1 c z
0 0 0 1
[ ][ ][ ][ ]
xd 1 − p T   y T   x  0 −a x a y  x f x t 
yd  p T  1 −r T   y T  a 0 −a z  y f t 
  x  y
zd − y T  r T  1  z T  −a y a z 0 z f z t 
1 0 0 0 1 0 0 0 1 0
(2.6.7)
54
Capítulo 2
Esta formula es útil para establecer una estrategia de compensación del error estático y
dinámico en una máquina. Aquí se consideran no solo los errores individuales de cada eje de
movimiento, sino también los que se generan por la interacción con otros ejes. En los
capítulos siguientes se tocarán temas específicos de control y simulación computacional de
estas máquinas, poniendo énfasis en las micromáquinas.
Con esta forma de matriz, se integra en una sola ecuación todos los efectos y es posible
proponer técnicas integradoras en los mecanismos, pues se consideran los efectos
interrelacionados entre diferentes ejes de movimiento. En los siguientes capítulos se
desarrollarán técnicas para la simulación y el control de micro mecanismos de alta precisión.
Referencias
[1 ] Kussul E., Baidyk T., et al. Scaling down of microequipment parameters. Precision
Engineering 30 (2006) 211–222.
[2] Trimmer WSN. Microrobots and micromechanical systems. Sens Actuators. 1989.
19:267-87.
[3] Dominguez, H. and Tomizuka, M. Error sources analysis for open architecture machine
tools. Japan- US Factory Automation Conference- Denver, Co. July 2004.
[4] Michaloski, J., Proctor, F., Dominguez, H. Soons, R. Improving CNC machining accuracy
through thermal model based control. Japan- US Factory Automation Conference- Denver,
Co. July 2004.
[5] Grabec, I. Chaotic dynamics of the cutting process. International Journal of machine tools
manufacturing. Vol. 28 No.1 pp. 19-32. 1988
55
[6] Olson, H., Aströn, K.J., Canudas de Wit, C., Gafvert, M. Y Lischinsky. Friction models and
friction compensation. European Journal of Control, Dec. 1998, No.4, pp.176-195.
[7] Altintas, Y., Budak, E. Analytical prediction of stability lobes in milling. Annals of the CIRP.
Vol. 44/1/1995.
[8] Jensen, S.A. and Shin, Y.C. . Stability analysis in face milling operations, Part 1 and 2.
Transactions of ASME. Vol 121. Nov. 1999
[9] Ozel, T. and Altan, T.. Modeling of High Speed Machining processes for predicting tool
forces, stresses and temperatures using FEM simulations. Proceedings of the CIRP. 1998.
[10] Hertmann, R. and Krener, A. Nonlinear Controllability and Observability. IEEE trans. on
Automatic Control. Vol. AC-22 No. 5 October 1977.
[11] Swaroop, D., Hedrick, J.K., Yip, P.P. and Gerdes, J.C. Dynamic Surface Control for a
Class of Nonlinear Systems. IEEE trans. on Automatic Control. Vol. 45 No. 10 October 2000.
[12] Sira-Ramires, H. and Llanes-Santiago O. Sliding Mode Control on Nonlinear Mechanical

Vibrations. Trans. of ASME. Vol. 122, Dec. 2000
[13] Koenigsberg, F. and Tlusky, J. Machine tool structures – Vol. I: Stability against chatter.
Pergamon Press. 1967
[14] Altintas, Y. Manufacturing automation. Cambridge University Press. 2000
56
Capítulo 3
CAPÍTULO 3.
DISEÑO DE ALGORITMOS DE MODELACIÓN Y CONTROL PARA

3.1 Introducción
Hemos llegado al punto en que tenemos a disponibilidad una herramienta para empezar a
hacer el análisis de la compensación de errores en mecanismos de alta precisión. El reto
ahora es decidir que es lo que aplica y de que forma estos modelos representan realmente a
la máquina que estamos intentando reproducir de manera abstracta. La representación
matemática y computacional de un mecanismo puede hacerse de diversas formas y el reto
es poder encontrar un modelo que realmente sea similar a la realidad y pueda manejarse con
las herramientas disponibles. La estrategia de diseño que vamos a utilizar es primero
identificar el modelo matemático de la dinámica de la planta, para luego diseñar un
controlador que nos permita manejar el comportamiento dinámico del sistema total hacia lo
que deseamos.
Al intentar encontrar los algoritmos adecuados nos encontramos con el reto de decidir a que
grado vamos a intentar reproducir el sistema en cuestión. Supongamos, como es nuestro
caso, que requerimos de un modelo matemático que reproduzca el comportamiento dinámico
de un micromecanismo y diseñar un controlador capaz de manejar los efectos no lineales a
los que el mecanismo está sujeto en su régimen de alta precisión. Con alta precisión me
refiero a la generación de movimientos siguiendo alguna trayectoria dinámica (posición,
velocidad y aceleración) con resoluciones significativamente pequeñas comparadas con el
rango de movimiento alcanzado por el mecanismo.
Es de suma importancia encontrar o desarrollar nuevas formas para modelar, controlar y
57
Diseño de algoritmos de modelación y control para micro mecanismos de alta precisión.
manejar máquinas de precisión. Este capítulo muestra diferentes métodos para modelar
sistemas dinámicos no lineales mixtos, discretos y continuos. Estas características se
presentan naturalmente en sistemas mecatrónicos en donde una computadora o dispositivo
electrónico hace un control digital de un sistema continuo.
El primer paso es hacer un análisis de la estabilidad del sistema. Para eso hemos trabajado
algunos algoritmos para analizar la estabilidad de sistemas dinámicos con retardo, lo cual es
uno de los efectos no lineales mas comúnmente generados.
3.2 Análisis de estabilidad e inestabilidad de sistemas dinámicos

con retardo
Diferentes efectos no lineales pueden ocasionar retardos de algunas de las variables de

estado del sistema dinámico. Estos retardos normalmente no son deseados y tienen que
utilizarse métodos avanzados de análisis y control. En este caso, ecuaciones diferenciales
ordinarias no son suficientes y es necesario utilizar métodos avanzados de análisis para
asegurar la estabilidad y efectividad de un controlador.
La siguiente disertación tiene como objetivo hacer un análisis de la fuente mas común de
inestabilidad en sistemas no lineales que son los retardos. Los retardos en un sistema se dan
naturalmente, como se vio en el capítulo 2, por efectos no lineales; por ejemplo la fricción,
backlash, no linealidades magnéticas que generan histéresis y saturación de actuadores.
El análisis de estabilidad en un sistema no lineal se hace usualmente con el desarrollo de

una función de Lyapunov. Funciones de Lyapunov son, en general, difíciles de encontrar.
Krasovskii [14] sugirió el uso de funcionales definidas en ecuaciones con retardo en lugar de
las funciones de Lyapunov y demostró teoremas generales de estabilidad basado en estos
teoremas; estas son llamadas comúnmente funcionales Lyapunov-Krasovskii.
Las funcionales degeneradas son no negativas, pero tampoco son funcionales definidas no
58
Capítulo 3
positivas. En el caso de estas funcionales el análisis de la estabilidad consiste en dos etapas:

En la primera etapa se construye una funcional positiva con derivada negativa. En la
segunda etapa se conecta con el estudio de la estabilidad de algunas desigualdades
funcionales generadas por una serie cero de una funcional no negativa construida
anteriormente [10-14].
Existe un número pequeño de ecuaciones con retardo cuyas condiciones de estabilidad

pueden ser expresadas en términos de sus coeficientes. Las mas estudiadas son las
ecuaciones lineales autónomas y no autónomas para las cuales se han establecido las
condiciones de estabilidad en [2-4]. Si la ecuación no lineal contiene términos lineales, su
estabilidad puede ser estudiada por el uso del teorema de estabilidad en su primera
aproximación. La estabilidad en problemas no lineales sin términos lineales es mas
complicado.
Considerando una ecuación diferencial funcional con retardo

n
x ' = f t , x t  , x t ∈R
xt = x ts  , −h≤ s≤0, x t ∈C [−h ,0] , (3.2.1)
x s= s , −h≤s≤0
Suponiendo que la solución del problema de valores iniciales existe localmente. En general,
la solución del problema de calores iniciales no es continua en el semieje positivo [0,∞), pero
si se puede establecer que la solución trivial es asintóticamente, entonces todas las
soluciones con funciones iniciales desde el dominio de atracción son continuas.
Se entiende que la solución trivial x(t)=0 es estable si para cualquier ε > 0 existe una δ > 0 tal
que la solución x(t,φ) que corresponde a la función inicial φ satisface la desigualdad ⎟ x(t,φ)⎟
≤ ε, t > 0 para cualquier función inicial φ : ∥∥C [−h ,0]≤ .
La solución trivial x(t) = 0 es llamada asintóticamente estable si la funcional arriba descrita es

estable y existe una Δ > 0 tal que
lim x t ,=0,∥∥C [−h ,0] ≤ (3.2.2)
t ∞ 
59
El conjunto de todas las funciones iniciales φ tales que la condición anterior se mantiene es
llamado el dominio de atracción de la solución trivial. Si el dominio de atracción coincide con
todo el espacio C[-h,0], entonces lo solución trivial es asintóticamente estable globalmente.
Una funcional continua,

1 1
V t ,: R x C [−h , 0] R (3.2.3)
es llamada positiva definida (o negativa definida) si existe una función escalar, continua y no
decreciente ω (u) tal que ω (u) > 0, u > 0 y ω (0) = 0 y satisface la desigualdad,
V t ,≥∣0∣ ,V t ,≤−∣0∣ s∈C [−h , 0] (3.2.4)
en [Kolmanovskii1995] se establece que para una ecuación retardada como la de arriba,
existe una funcional positiva definida y continua tal que,
1) 1 ∣0∣≤V t ,≤2∥s∥C[ −h , 0]
2) 1 u ∞ ,u  ∞ ,
3) La derivada de la funcional V a lo largo de la solución considerada de una ecuación con
retardo es negativa definida:
V ' ≤−3 ∣x t ∣ (3.2.5)
entonces la solución trivial de una ecuación con retardo es asintóticamente estable
globalmente.
Supongamos ahora que para una ecuación con retardo existe una funcional degenerada
continua de la forma
V t , x , X t , xt  , X t , x t = x t −G t , x t  (3.2.6)
tal que en la esfera S H ={xt ∈ X [−h , 0]:∥ xt∥≤H } :
1) 1 ∣X t , x t ∣≤V t , x t , X t , x t ≤2 ∥x t∥C [−h ,0] 

2) la funcional G(t,xt) satisface la condición de Lipschitz
∥G t , xt −G t , y t ∥≤∥ x t − y t∥ ,01, ∀ xt , y t ∈S H (3.2.7)
3) la derivada de la funcional degenerada a lo largo de la solución de la ecuación con retardo
es definida negativa:
V ' ≤−3 ∣x t ∣ (3.2.8)
Entonces la solución trivial de la ecuación con retardo es asintóticamente estable y la esfera
60
Capítulo 3
S H ={xt ∈C [−h ,0] :∥ x t∥≤ H } se encuentra en su dominio de atracción.
Un análisis a detalle de análisis de estabilidad en sistemas dinámicos polinomiales con

retardo a partir del uso de ecuaciones diferenciales funcionales puede encontrarse en [15].
Diferentes condiciones de los coeficientes para asegurar estabilidad global de la solución
trivial a partir de la funcional Lyapunov-Krasovskii V(t,xt) se describen en dicha referencia.
t
2
V t , xt = x t ∫ x
2k2
s ds (3.2.9)
t−h k
La derivada de la funcional positiva definida V(t,xt) calculada a lo largo de la trayectoria

definida por la ecuación polinomial del sistema dinámico bajo las condiciones que aseguran
que la solución trivial es globalmente estable, es tal que V ' ≤− x 2k2 t  .
De esta forma, es posible aproximar una función no lineal usando un polinomio de grado n,
donde n debe ser impar para poder aplicar los teoremas desarrollados en [15].
Existen casos en donde las ecuaciones del sistema dinámico con retardo h se pueda partir
de forma que tengamos una parte polinomial de grado impar y una parte no lineal f(t,x(t),x(t-
h)) continua; de forma que para asegurar que la solución trivial sea asintóticamente estable
globalmente, se requiere que,
2k2 2k2
∣ f t , x t  , x t−h∣≤ x t  x t / h ,≥0, ≥0 (3.2.10)
En cuyo caso la solución trivial es asintóticamente estable globalmente y la esfera
∥ x s∥C [−h , 0] ≤min   

,
4  2  (3.2.11)
se encuentra en su dominio de atracción.
3.3 Sistemas híbridos en máquinas de control numérico

La operación de fresado o la remoción de material de una pieza de trabajo es de los mas
comunes operaciones de maquinado en la industria de manufactura y siempre requiere de
mejores técnicas para aumentar la precisión de forma eficiente. La máquina en sí misma
61
representa un reto para realizar un buen modelado debido a la interacción entre sus
componentes mecánicos, eléctricos, de control y software. Una máquina de control numérico
computacional (CNC) puede ser muy compleja y cambiar entre diferentes modos y
condiciones de operación requiere de estrategias de control eficientes para cada régimen en
particular.
Los modos de operación pueden ser identificados en un proceso de maquinado de real de

manera un tanto intuitiva. El conocimiento y experiencia pueden ser usados para aumentar la
eficiencia, reducir el consumo de energía y el esfuerzo computacional para la simulación y el
control. Además, ciertas trayectorias de los valores de las variables de estado pueden
generar inestabilidad debido a las fuerzas de corte y el daño en la herramienta de corte y de
la pieza de trabajo; tal es el caso de los ciclos de corte que generan retardos en el proceso.
Dichas trayectorias deben de ser evitadas y un simple control Proporcional-Integral-
Derivativo (PID) puede no ser suficiente para realizar tal tarea.
El principal propósito de aplicar una modelación de un sistema híbrido a una máquina de

CNC es el de poder obtener un modelo realista que sea capaz de cambiar entre diferentes
modos de operación y asegurar que el sistema sea estable y confiable. Los estados que
queremos modelar son situaciones en donde la dinámica del sistema cambia; por ejemplo,
en Fresado o en movimiento al aire de forma que se pueda usar el mejor controlador y evitar
las condiciones de inestabilidad que crean errores de acabado en la pieza de trabajo.
Cualquier sistema mecánico convencional está sujeto a los efectos de regímenes de fricción,
en particular a la discontinuidad o la zona de banda muerta cuando el movimiento alcanza su
valor mínimo. Por otro lado, cuando la máquina está cortando, la mesa se mueve bajo el
efecto de las fuerzas de corte adicionales las que dependen de la profundidad del corte, la
forma de la herramienta y la velocidad de alimentación de la pieza de trabajo, de forma que
el rendimiento de la máquina disminuye y deja errores en el acabado del material.
Como se mencionó en el capítulo primero, un proceso de manufactura puede verse como un
62
Capítulo 3
modelo jerárquico en donde en el nivel mas bajo se encuentran los actuadores, sensores y
controles empotrados. Este nivel es esclavo y depende del modulo generador de trayectoria
que envía los comandos de movimiento usando interpolaciones lineales, circulares o
polinomiales.
El siguiente nivel es el de la planeación de la trayectoria que depende en sí del software de

CAD/CAM que toma el prototipo virtual y calcula la trayectoria de la herramienta de corte
para generar la forma final. En este nivel podríamos colocar un módulo de comunicaciones el
cual enlazaría esta máquina con otras para coordinar tareas dentro de una celda de
manufactura o en la planta completa si conectáramos varias celdas de manufactura y líneas
de producción. Inclusive podríamos ir mas lejos al querer expandir dicha red a otras plantas,
redes de distribución, manejo de residuos o máquinas al fin de su vida útil, etc. Pero esto
está fuera de este trabajo, aunque es interesante ver y hacer notar el panorama completo de
un proceso de producción y la complejidad que involucra en su totalidad.
Cada nivel que se ha mencionado puede ser modelado como un sistema híbrido. En este
trabajo de disertación y en este capítulo solo se abordarán los niveles inferiores referentes a
una sola máquina. Al obtener el modelo correspondiente a una sola máquina, es posible
aspirar a extender el modelo, reproducirlo y adaptarlo para representar sistemas mas
complejos. En el caso de microfábricas, esta forma de abordar la modelación es de suma
importancia debido a la paralelización natural que se da al usar diferentes micromáquinas
trabajando en colaboración y coordinando sus tareas.
3.3.1. Sistemas híbridos
En general, un sistema híbrido describe la evolución de un estado o serie de parámetros en

el tiempo. Un trabajo publicado que muestra esta presentación puede verse en [19]. Basado
en la dinámica interna definida para cada estado discreto, el sistema dinámico puede ser
clasificado como:
63
a. Continuo, si los estados toman valores en un espacio Euclidiano Rn para algunos n ³ .

b. Discreto, si el estado toma valores en una serie contable o finita {q1, q2, ... }, donde q es el
estado y f un sistema discreto.
c. Híbrido, si parte de los estados toman valores en Rn mientras que otra parte del sistema
toma valores en una serie finita.
Los sistema híbridos son sistemas dinámicos que involucran la interacción de diferentes tipos
de dinámicas. Algunos de los sistemas híbridos mas útiles vienen de la interacción de
sistemas dinámicos continuos y dinámicas de estados discretos. Afortunadamente, el marco
teórico en el que los sistemas híbridos se han creado permite un amplio rango de
aplicaciones de ingeniería: sistemas mecánicos, procesos de maquinado y manufactura; en
circuitos eléctricos, por ejemplo en semiconductores o sistemas de potencia conmutable
usando capacitores; en procesos de control químicos, cuando las reacciones químicas son
controlados por válvulas o bombas; en computadoras empotradas, cuando una computadora
digital interactua con un ambiente analógico.
Un autómata híbrido es un sistema dinámico que describe la evolución en el tiempo de los

valores de una serie de variables de estado discretas y continuas. La definición formal de una
autómata híbrido es como sigue:
Un autómata híbrido H es una colección H =(Q, X, f, Init, D, E, G, R), donde
Q = {q1,q2, ...} es una serie de estados discretos;

X = ℜn es una serie de estados continuos;
f(•,•) : Q x X → ℜn es un campo vectorial;
Init ⊆ Q x X es una serie de estados iniciales;
Dom(•) : Q → P(X) es un dominio;
E ⊆ Q x Q es una serie de bordes o límites entre regiones;
G(•): E → P(X) es una condición de guarda para conmutar de una región a otra;
R(•,•) : E x X → P(X) es un mapa de reinicio.
64
Capítulo 3
Donde P(X) denota la serie de potencias (serie de todas las subseries) de X. Dom(q) ⊆ ℜn es
la serie de estados continuos y (q, x) ∈ Q x X es la serie de H.
Es conveniente visualizar un autómata híbrido como grafos direccionales (Q, E) con vértices
Q y fronteras E. Con cada vértice q ∈ Q, una serie de estados iniciales { x ∈ X | (q, x) ∈
Init} asociados a un campo vectorial f(q,•) : ℜn → ℜn y un dominio Dom(q) ⊆ ℜn . Un borde (q,
q') ∈ E que empieza en q ∈ Q y termina en q' ∈ Q. Con cada borde (q, q') ∈ E, hay una
guarda G(q,q') ⊆ ℜn y una función de inicialización R(q,q',•) : ℜn → P(ℜn) asociado a esta.
3.3.2 Modelo de una micromáquina fresadora CNC
Modelar una máquina usando la técnica de los sistemas híbridos demanda primero definir la
máquina de estados finitos y diferentes regímenes de operación. Los estados que se van a
modelar en una máquina CNC puede ser definidos como:
Q: = {Q0, Q1, Q2, Q3, Q4, Q5}
donde los estados son:

Q0 – Alto: La máquina no está en movimiento.
Q1 – Corte en el aire: la máquina no está sujeta a fuerzas externas debidas al corte de
fresado.
Q2 – Fresado: La máquina está sujeta a fuerzas externas de fresado.
Q3 – Corte en el Aire a baja velocidad: Sin corte con fricción no lineal.
Q4 – Fresado en baja velocidad: Proceso de fresado con fricción no lineal.
Q5 – Fallo: La máquina ha rebasado sus límites máximos en área de trabajo o corriente de
los motores.
Las variables de estado tienen una serie de valores iniciales y cada dominio es obtenido de
las especificaciones mismas de la máquina como sigue,
X: = {(x, y, z); (v x, vy, vz): X ∈ ℜ3x2}, variables de estado de la máquina.
65
Init: = {(0, 0, 0), (0, 0, 0)}, condiciones iniciales de la máquina (en el origen y en descanso)
Dom (Q1) = Dom(Q3), dominios para Q1 y Q3.
X ∈ [0,50], y ∈ [0,30] z ∈ [0,30] [mm], límites de movimiento.
|vx|∈ [0,40], |vy|∈ [0,40] |vz|∈ [0,25] [mm/s], límites de velocidad.
Dom (Q2) = Dom (Q4), dominios para Q2 y Q4.

x ∈ [0,50], y∈ [0,30] z∈ [0,30] [mm], límites de movimiento.
V: = {(vx, vy, vz): v r = v 2x v 2y v 2z 61 } , máxima razón de alimentación es 61 mm/s
Dom (Q0) : x∈[0,50], y∈[0,30] z∈[0,30] [mm], dominio para Q0 o estado inicial.
V: = {0, 0, 0}, máquina en reposo.
Dom (Q5) : x∈[0,50], y∈[0,30] z∈[0,30] [mm], dominio para el estado de fallo.
vx∈ [0,10], vy∈ [0,10] vz∈ [0,10] [mm/s] (velocidad en modo de fallo)
E = {(Q1, Q2), (Q2, Q1), (Q1, Q3), (Q3, Q1), (Q2, Q4), (Q4, Q2),
(Q*, Q0), (Q*, Q5)}, bordes o transiciones entre estados.
Guarda (Q1, Q2) Fuerza < Ffresado (Medición externa), guardas de transición.
Guarda (Q2, Q1) Fuerza ≥ Ffresado (Medición externa)
Guarda (Q1, Q3) velocidad < Vfricción
Guarda (Q3, Q1) velocidad ≥ Vfricción
Guarda (Q2, Q4) velocidad < Vfricción
Guarda (Q4, Q2) velocidad ≥ Vfricción
Guarda (Q*, Q0) ,velocidad resultante (vr) = 0 (todos los ejes detenidos).
Guarda (Q*, Q5) x ∈ Dom (Q1) ó ix > imax ó iy > imax ó iz > imax ó vr >, máxima razón de
alimentación
(i representa la corriente en el motor, está relacionada a Ffresadora)
Las Inicializaciones son unitarias. Las variables de estado son continuas no cambian como
resultado de la conmutación.
Entradas ={Comando de movimiento, presencia de Pieza de Trabajo (booleano)}
66
Capítulo 3
Para visualizar mejor el sistema, la figura 3.1 representa la máquina de estados finitos (MSF)
para cada eje. En este modelo computacional hay tres MSF corriendo en paralelo y se
asume que controles superiores existen y comandan la máquina. El modelo lineal para un eje
simple consiste de un sistema mecánico estándar que se mueve a partir de un motor
conectado a un eje transmisor de movimiento, lo cual queda establecido por una ecuación
diferencial de segundo orden. Así se describe la planta formada por el motor, el tornillo y la
mesa. Sin embargo, se asumen ciertos criterios en este modelo:
● La pieza de trabajo es un bloque simple sin discontinuidades en ella.
● La generación del movimiento de alimentación es trapezoidal.
● Las fuerzas de fresado son armónicas.
● Los componentes mecánicos son cuerpos rígidos.
3.3.3. Definición de abstracciones y simulaciones
El siguiente paso dentro del proceso para definir un sistema híbrido es determinar qué tipo de
sistema es en base a un análisis de sus propiedades dinámicas. Dado que la evolución en el
tiempo depende del comando de entrada (Comando de Movimiento) y, tomando el comando
en código G como referencia, podemos determinar que tipo de trayectoria trapezoidal va a
ser requerida para ejecutar un movimiento dado. El código G es una serie de instrucciones
usadas en máquinas CNC para comandar desplazamientos discretos de los componentes
cinemáticos de la misma. En este caso vamos a reducir las instrucciones en código G a:
Valores de entrada, Comando_movimiento ={G00, G01, G02, G03, ALTO, FIN}
G00 – Movimiento rápido: Mueve a X,Y,Z con velocidad máxima. Sin interpolación. Sin Corte.
G01 – Interpolación lineal: Mueve a X,Y,Z con velocidad de alimentación F. Con interpolación
lineal.
G02, G03 – Movimiento circular (CW/ CCW).
67
Figura 3.1. Máquina de estados finitos por eje.
En el estado de OPERACIÓN, cada eje recibe un comando de velocidad a partir de los

cálculos de interpolación y se mantiene hasta que la máquina ha alcanzado su posición
objetivo (En-posición). En este modelo, el estado de En-posición está en un nivel jerárquico
mas alto y no es considerado. La velocidad igual a cero significa que el sistema está en
reposo y el modelo salta automáticamente a el estado de ALTO. Las abstracciones para los
comandos G00 y G01 están definidos como eventos externos y escritos dentro de paréntesis.
El tiempo está descrito en la parte inferior de la tabla t 1 indicando el posible tiempo para cada
evento debido al hecho de que estos son No determinístico; internamente para el modelo la
secuencia de los comandos y el tiempo en que se realizan son desconocidos.
68
Capítulo 3
3.3.4. Alcance de la dinámica del sistema híbrido.
Encontrar el espacio de alcance, o el espacio de posibles estados y en que sus variables

pueden estar, de un sistema híbrido es en general un reto y una tarea pesada. El Espacio de
alcance es aquel de todos los posibles estados que una entrada específica puede generar.
Es esta caso, es posible visualizar los estados alcanzables y presentarlos, pero en la
mayoría de las máquinas esto es una tarea muy complicada.
Las flechas son usadas para representar el orden del estado inicial y final para cada
transición. El espacio alcanzable es la secuencia de estados posibles, en el caso de G00 y
G01 esto es,
G00 (No hay posibilidad de encontrar la pieza de trabajo), tenemos,

Q00 (G00) Q3 Q1 Q3 Q0
Comando Q3 Q3
Time t0 t0 t1 t2 t3
G00 espacio alcanzable {{Q0-Q3-Q1-Q3-Q0}, {Q0-Q3-Q0}}
Figura 3.2. Secuencia de eventos y estados para el comando G01 de interpolación lineal en una máquina
herramienta. Trayectoria monitoreada: Q0-Q3-Q4-Q2-Q1-Q3-Q0
69
G01 espacio alcanzable es {{Q0-Q3-Q1-Q3-Q0} {Q0-Q3-Q0} {Q0-Q3-Q2-Q1-Q3-Q0}

{Q0-Q3-Q2-Q4-Q0} {Q0-Q3-Q1-Q3-Q0} {Q0-Q3-Q4-Q3- Q0}
{Q0-Q3-Q4-Q2-Q4-Q0} {Q0-Q3-Q4-Q2-Q4-Q3-Q0}
{Q0-Q3-Q4-Q2-Q1-Q3-Q0} {Q0-Q3-Q4-Q0}}
En la figura 3.2, las flechas apuntan hacia el tiempo de transición para el evento; por ejemplo,
si la flecha alcanza t5 desde t3, entonces la transición está hecha en t5 desde un estado que
inicio en t3.
Se puede ahora realizar la clasificación del sistema híbrido a partir de estas abstracciones. El
comportamiento del sistema depende del comando de entrada y, una vez que conocemos la
secuencia de entrada, la posición relativa de la pieza de trabajo, entonces es posible conocer
los estados futuros.
3.3.5. CLASIFICACIÓN DEL SISTEMA CNC HÍBRIDO.
a. Determínistico/No-determínistico
Un autómata híbrido es llamado determinístico si para todos los estados iniciales (q0, x0) ∈
Inicio existe al menos una ejecución máxima comenzando en (q 0, x0). En otras palabras, si
hay una ejecución infinita, ésta es única. Debido al hecho que los estados del sistema
dependen del comando de movimiento, el sistema es no determinístico debido a que no se
conoce el tiempo en que un nuevo comando de entrada ocurrirá y cual será. Una vez que la
ejecución inicia, pueden existir diferentes comportamientos con las mismas condiciones
iniciales.
Por otro lado, la dinámica del sistema depende de la posición relativa y el tamaño de la pieza
de trabajo con respecto al origen; esta información no se incluye en el modelo inicial, por lo
70
Capítulo 3
que las transiciones de Q1/Q3 a Q2/Q4 o la dirección opuesta una vez que el fresado se ha
terminado, pueden ocurrir en cualquier momento. El sistema es No-determinístico.
b. Bloqueado/Sin bloqueo.
Un autómata híbrido es llamado Sin-bloqueo si para todos los estados iniciales (q0, x0) ∈
Inicio existe una ejecución infinita comenzando en (q0, x0). Usando las abstracciones
descritas arriba, nos damos cuenta que el sistema retorna al estado original y la ejecución
comienza de nuevo en todos los casos. Entonces, el sistema es Sin-bloqueo. El estado inicial
es Q0 (condición de reposo) y una vez que la máquina recibe un comando, se mueve a Q3,
si la velocidad es mayor que Vfricición, entonces ocurre una transición a Q1.
En alguno de estos estados, Q3 o Q1, si la pieza de trabajo es detectada entonces hay una
transición a los estados de maquinado, Q2 o Q4 (baja velocidad y velocidad normal,
respectivamente). En cualquier momento, si la velocidad resultante es cero, lo que quiere
decir que la máquina se ha detenido completamente y el sistema está En-posición, entonces
ocurre una transición inmediata al estado Q0 y el ciclo comienza de nuevo.
Existen tres casos en donde un fallo puede acontecer, a) las variables de estado se
encuentran fuera de su dominio, b) la velocidad de alimentación en el fresado es mayor que
la velocidad máxima permitida y c) la carga máxima en los motores es mayor que la
permitida. En todos estos casos, la transición lleva al sistema a un estado de modo de
FALLO y la simulación se termina. Una terminación normal es cuando en Q0 se recibe un
comando de FIN y la simulación se acaba.
c. Estabilidad.
Debido al hecho de que el sistema es No-determinístico, no podemos aplicar fácilmente

algún método de análisis de estabilidad para sistemas híbridos ya establecidos. No
conocemos el periodo del flujo de cada estado, sin embargo podríamos inducir algún
71
comportamiento dentro del sistema híbrido en sí.
Todos los valores de escala de inicialización al cambiar de estado son identidades y la

cantidad de energía dentro del sistema se mantiene continua cuando conmuta de un estado
a otro. Es posible entonces probar la estabilidad en cada estado de manera individual, y
debido a la continuidad de la energía entre los estados y puede decirse que el sistema
híbrido es estable si la energía total del sistema no aumenta cuando se mueve de un estado
a otro.
ẋ= Ax Bu f  x , u 
En general, la dinámica de cada estado tiene la forma T
y=c x
donde f x ,u representa los términos no lineales. Ahora es posible aplicar el concepto de
estabilidad absoluta para sistemas no lineales [6], el sistema puede ser representado como
se muestra en la figura 3.3
y
e
G(p)
f(t)
Figura 3.3 Modelo con una planta lineal y una retroalimentación no lineal para la prueba de estabilidad absoluta.
Donde G(p) es la función de transferencia lineal. La función continua f(t) se dice pertenece al
sector [k1, k2], si existen dos números no negativos k1 y k2 tales que
f  y t 
y≠0  k 1 K2 (3.3.1)
y
El modelo de fricción usado proporciona uno de las aproximaciones mas realistas para la
fricción en máquinas herramienta. En general, muchos autores han sugerido usar modelos
conmutables para representar tales tipos de aproximación y ahorrar tiempo computacional
[7]. La fricción es una fuerza disipativa dentro del sistema y debido a la discontinuidad en el
origen, se crea un ciclo límite en la dinámica no lineal del sistema.
En este caso, se pueden utilizar las funciones descriptivas dentro de las pruebas de
72
Capítulo 3
estabilidad y respaldar los hallazgos con simulaciones. El criterio del círculo puede también
ser aplicado para la estabilidad. El criterio del círculo es una generalización del criterio de
Nyquist para sistemas no lineales. Si el sistema no lineal satisface las siguientes condiciones:
1. La matriz A no tiene valores propios sobre jω, y tiene ρ valores propios estrictamente
en la mitad del plano derecho.
2. La no linearidad f(t) pertenece al sector [k1, k2]
3. y lo siguiente es cierto:
a. 0 < k1 ≤ k2, el diagrama de Nyquist de G(jω) no entra al disco D(k1,k2) y lo engloba ρ
veces en sentido contrario a las manecillas del reloj.
b. 0 = k1 < k2, el diagrama de Nyquist de G(jω) permanece en la mitad del plano Re ρ
> -1/k2;
c. k1 < 0 < k2, el diagrama de Nyquist de G(jω) permanece en interior del disco D(k1,k2)
d. k1 < k2 < 0, t el diagrama de Nyquist de - G(jω) no entra al disco D(-k1,-k2) y lo
engloba ρ veces en sentido contrario a las manecillas del reloj
Entonces el punto de equilibrio 0 del sistema es globalmente estable.
No es posible aplicar directamente el criterio del círculo al modelo de fricción usado aquí
debido a la discontinuidad en el origen. Sin embargo, es posible usar una aproximación al
dicho modelo para hacerlo continuo en el origen (Figura 3.4a). Como la función se aproxima
a cero, k1 ≤ B (fricción viscosa) y k2 es infinita, y el diagrama de Nyquist se muestra en la
figura 3.4b. La no linealidad se encuentra entre k1 y k2
La planta lineal Gc(jω) Gp(jω) debe de satisfacer los puntos 1 y 3a. Debido al hecho de que la
planta original es controlable y observable, entonces podemos diseñar un controlador Gc(jω)
tal que satisface dichas condiciones.
73
Friction Force
Fs+
k2 D(k1, k 2)
Im G(jω )
1/B
k1
Re G(jω )
v
Fs-
Figura 3.4 a) Aproximación del modelo de fricción por una función en la región [k1, k2]. b) Criterio del círculo
d. Comportamiento Zenón
El comportamiento tipo Zenón proviene de la referencia que el antiguo filósofo Zenón de Elea
propuso a partir de una serie de paradojas para apoyar los puntos de vista de Parménides,
su maestro, mostrando que aceptando la pluralidad y movimiento se recae en
contradicciones lógicas. El comportamiento Zenón, en particular, está inspirado en la
conocida paradoja de Aquiles y la tortuga [21].
El comportamiento Zenón en sistemas híbridos describe la condición en que un número

infinito de ejecuciones pueden ser tal que un estado toma un número infinito de transiciones
en un tiempo finito. Entonces, tomando en cuenta las abstracciones anteriores, podemos
notar que todas las transiciones están bien definidas y no hay ejecuciones que puedan
generar una comportamiento Zenón o un lazo infinito de transiciones. Ademas, la dinámica
de la planta y el control son asintóticamente estables en su dominio.
3.3.5 Extensiones a los sistemas híbridos
Los sistemas híbridos están siendo ampliamente utilizados hoy en día, aunque aún existen
muchos retos por definir. Tal es el caso del desarrollo de métodos eficientes para la
74
Capítulo 3
modelación matemática, pruebas de estabilidad, enlace con redes y estructuras jerárquicas y

sistemas complejos. En el siguiente punto se presentan algunos desarrollos hechos a partir
del uso de ciertos conceptos de sistemas híbridos pero reducidos a un sistema que hemos
llamado conmutable [22]. Esta metodología está en desarrollo y se reduce a una
discretización del espacio continuo a partir de la definición de cambios en la estructura
dinámica de un sistema. Estos pueden o no estar definidos con anticipación y es posible
extender su funcionalidad a eventos aleatorios. Lo sorprendente es la facilidad de como es
posible encontrar comportamiento complejo a partir de modelos dinámicos sumamente
simples.
3.4 Sistemas dinámicos Conmutables

Este es una de las principales aportaciones de este trabajo de investigación doctoral. Los
sistemas conmutables surgen de la generalización de los sistemas híbridos convencionales
hacia sistemas dinámicos cuyas propiedades físicas cambian su dinámica a partir de ciertas
reglas de conmutación. De ahí proviene el nombre de conmutables.
En esta investigación hemos hecho desarrollos muy interesantes en el campo de sistemas

complejos y de dinámica no lineal, los cuales se presentan en este capítulo y el siguiente.
3.4.1 Definición de Sistemas dinámicos conmutables
Consideremos un sistema dinámico conmutable autónomo de n regiones diferentes Sn cuya

dinámica actual está definida como:
i 
x˙ i =f  x  i =i , , n (3.4.1)
Donde i es el estado actual del sistema.
Las superficies de conmutación entre dos regiones del sistema conmutable son las
superficies:
ik x =0 i=k (3.4.2)
75
suponemos que ik 0=0 , por lo que la solución de estabilidad es la misma que para
sistemas continuos. Podemos decir que ∀  , , tal que con condiciones iniciales ∣xo∣ ,
∂ ik  k
la solución x es tal que ∑ f  x≠0 .
∂ xj j
Esto se puede mostrar gráficamente en el plano de fases con cuatro sistemas continuos
diferentes los cuales están conmutando entre sí cuando el estado general del sistema cruza
alguna de las superficies de conmutación ik (Figura 3.5).
ẋ ϕ ik
S2
S3 S1
S4
Figura 3.5. Ejemplo de superficies de conmutación entre cuatro diferentes sistemas continuos.
Considere la dinámica de un sistema dinámico conmutable con dos regiones de conmutación

(figura 3.6) como sigue,
S1 : ẍ21 x=0 xt o =x o , ẋt o =0
(3.4.3)
S2 : ẍ 22 x=0 x t o =0, ẋt o =vo
La solución para cada sistema es
x t=xo Sen 1  t−t o  (3.4.4)
y
vo
x t = Sen 2 t −t o (3.4.5)
2
76
Capítulo 3
ẋ
V0
2 X0
x
V0
−X 0 1
Figura 3.6. Representación de dos sistemas dinámicos en el espacio de fases.
Proponemos superficies de conmutación sobre los ejes como se muestra

x t=0 S1 S2
(3.4.6)
ẋ t=0 S2 S1
Para este caso, el sistema se comportará como se muestra en la figura 3.7 y comparando
x 0 con el punto alcanzado en el plano de fases después de una vuelta completa, podemos
concluir que,
21
si 1 entonces la solución es inestable.
22
21
1 , la solución es asintóticamente estable. (3.4.7)
22
2
1
=1 , la solución es estable.
22
77
ẋ
01
X0
2
20
1 X0
−X 0 20
0 X0
x
−X00
30
−X 0
20
Figura 3.7 Comportamiento dinámico del sistema conmutable completo.
Es muy interesante observar que las propiedades del sistema conmutable dependen de la
relación entre las frecuencias de los dos sistemas estables inicialmente.
3.4.2 Péndulo simple conmutable.
Para ejemplificar un sistema dinámico conmutable, se puede tomar el caso del péndulo
simple, el cual puede generalizarse a un oscilador armónico simple, que es solo un caso
particular del ejemplo anterior. El sistema dinámico es el siguiente,
m l ̈mg Sen =0 (3.4.8)
Para desplazamientos pequeños , sin ≈ ,podemos considerar un sistema simplificado
como el siguiente
g
̈ =0 (3.4.9)
l
2 g
la frecuencia natural del péndulo es la relación  =
l
Ahora, definamos un péndulo conmutable, en donde la superficie de conmutación esté
definida por un cambio paramétrico del valor de la longitud cuando el valor del ángulo del
78
Capítulo 3
movimiento sea paralelo a la vertical (figura 3.8). Comparando las frecuencias naturales en
los diferentes regímenes de conmutación, podemos concluir que el sistema es
asintóticamente estable si
21 g g
2
1  21 22   (3.4.10)
 2
l1 l2
l 2l 1 (3.4.11)
ahora, si 1 2 1  l2 l1 el sistema es inestable o existe una excitación paramétrica.
l2 l1
θ
mg
S S
2 1
Figura 3.8. Péndulo simple conmutable con dos regiones de conmutación.
Analizando la energía total del péndulo, tenemos

2
ml ̇
ET=Ec =
2
(3.4.12)
m ̇ 2
 Ec =Ec ,2−Ec , 1=  l2 −l1 2 
2
Para la condición cuando l 2l 1 la energía del sistema disminuye continuamente
aproximándose a cero, por lo que el sistema es asintóticamente estable. Para el caso en que
l 2l 1 , la energía aumenta continuamente, por lo que el sistema es inestable.
La figura 3.9 muestra la simulación para el sistema del péndulo simple conmutable con l1=1.0
y l2 = 1.1 y l1=1.0 y l2 = 0.9.
79
Figura 3.9. Péndulo simple conmutable. a) sistema inestable con l1=1.0 y l2 = 1.1. b) sistema estable con l1=1.0
y l2 = 0.9. Posición inicial = 1.0.
3.4.3 Comportamiento complejo de un péndulo simple conmutable.
Propongamos ahora un sistema de péndulo simple con dos regiones de conmutación

definidas como sigue:
S1: ẌX=0 1=1
(3.4.13)
S2: Ẍ1X 2,02 X=0 2 =1X 2,0 
donde  es un parámetro real positivo y X2,0 son las condiciones iniciales del sistema 2
al momento de conmutación y las regiones de conmutación para S1 es x0 y para S2
ẋ0 . La figura 3.10 muestra las dos regiones del sistema dinámico conmutable
propuesto.
ẋ
S2
x
S1
Figura 3.10. Regiones de conmutación para un péndulo simple con comportamiento complejo.
80
Capítulo 3
La solución del primer sistema es trivial y representa tres cuartos de una circunferencia. Sin
embargo para el segundo sistema, tenemos condiciones iniciales definidas por el valor de la
posición y velocidad cero. La solución tendrá la forma:
X2 =X 2,1 cos 1X 2,0 t−t 1 
(3.4.14)
Ẋ2 t=2 =X 2,0 1X2,0 
Entonces, la solución en los siguientes segmentos serán:
X 11,0=−X 2,0 1X 2,0 = X 01,0 1−X 01,0 
X 21,0= X 11,0 1−X 11,0
(3.4.15)
⋮
X n1,0= X n−1 n−1
1,0 1−X 1,0  o X n 1= X n 1−X n 
Si 0X 01,01 y 04 la solución es una secuencia clásica. Cuando  0 los
puntos X1,0 son cercanos a cero.
Este sistema tiene diferentes regímenes de comportamiento dependiendo del valor del
parámetro  y de las condiciones iniciales.
Estos regímenes van desde un sistema asintóticamente estable para  pequeño, ciclos
límite simples o complejos hasta la inestabilidad. Las simulaciones computacionales
muestran este comportamiento complejo, pero determinístico.
3.4.4 Sistemas conmutables con transiciones aleatorias
En general, consideremos un sistema dinámico conmutable como una sucesión continua de

subsistemas dinámicos Si, donde cada uno de estos subsistemas o estados es una versión
partida de la dinámica completa. Las transiciones de uno de estos subsistemas a otro
permiten cambios en los parámetros que determinan la nueva dinámica; sin embargo, las
variables de estado y sus primeras derivadas pueden seguir siendo continuas. Este trabajo
puede verse publicado en [23]
81
El sistema de un oscilador armónico simple, como el del péndulo descrito anteriormente,

puede ser descrito por una secuencia de subsistemas bidimensionales como,
S : S1 S2 S3 S4 ... Si ... (3.4.16)
donde cada Si es un oscilador armónico simple con frecuencia ωi.
La transición entre subsistemas es definida por las condiciones dadas por las líneas o
superficies de conmutación, que también pueden ordenarse en una secuencia en donde
existe una relación entre una y las siguientes,
L : L1,2 : L2,3 : L3,4 : L 4,5 :...: Li ,i1 (3.4.17)
La figura 3.11 muestra una representación de la evolución de un sistemas conmutable
basado en las ecuaciones mostradas arriba.
Figura 3.11. Transiciones en un sistema conmutable vistas como una secuencia de eventos.
Para el caso de un oscilador armónico simple la dinámica de cada subsistema Si está dada
por,
2
S i : ẍi x=0 ; x ∈R ; x , ẋ ∈i (3.4.18)
Donde i es la región en donde Si está activa antes de conmutar al siguiente subsistema.
Supongamos que el oscilador armónico conmutable se describe por
{ }
2
S a : ẍa x=2 ; x∈ R , x , ẋ ∈Qa : I − III
S = S b : ẍ2b x=2; x∈ R , x , ẋ ∈Qb : IV (3.4.19)
2
S c : ẍ c x=2; x ∈R ; x , ẋ∈Q c : IV
Sa es el subsistema inicial y la conmutación hacia el cuadrante IV, el subsistemas Sb o Sc en

la forma S a⋅S b Sc ⋅S a⋅S b Sc ⋯ y la transición sigue las reglas dadas por las condiciones
aleatorias,
82
Capítulo 3
{ }
La , b : x0, ẋ=0, P  z ≤0.5
L : x0, ẋ=0, P  z0.5
L= a , c (3.4.20)
Lb , a : x=0, ẋ0, P  z=1
Lc , a : x=0, ẋ0, P  z =1
En este caso, z es una variable aleatoria con distribución centrada en 0.5.
Es preciso resaltar que dentro de cada subsistema la dinámica se mantiene determinística, y

solamente la condición de transición des subsistema Sa a los subsistemas Sb o Sc es
aleatoria. Este comportamiento puede ser expresado por la figura 3.12.
Figura 3.12. Transiciones aleatorias de un oscilador armónico conmutable.
Considerado ωa = 1, es posible determinar las condiciones de estabilidad o inestabilidad a

partir de las relaciones entre las frecuencias naturales en cada subsistema. Recordando que
si 1 > ωa2, la solución es inestable y para 1 < ωa2,la solución es asintóticamente estable [15].
Podemos observar que el sistema secuencial descrito originalmente tiene una secuencia de
estados probables, donde,
1 1 1 1
2 2 2 2⋯ (3.4.21)
 a    a 
83
2
donde  es la frecuencia natural del siguiente subsistema probable dependiendo de los
valores de la variable aleatoria z y de las condiciones de conmutación L.
Si tomamos todas las transiciones hasta la conmutación n-ésima, la condición de estabilidad

está dada por
2 2 2 2 2 2
a  a  a n 1 (3.4.22)
El sistema es asintóticamente estable en el origen (el punto de equilibrio). Si
2 2 2 2 2 2
a  a  a n 1 (3.4.23)
el sistema es inestable y tiende a ∞.
Considerando que la frecuencia natural ω en un péndulo simple está dada por la relación
2 g
= y que es posible normalizar la longitud de un péndulo paramétrico de forma que el
l
subsistema dinámico Sa tiene la = 1. Entonces, las condiciones de estabilidad/inestabilidad
están relacionadas con el término
2 2 2 2
[ l a l  l a l  ... ] (3.4.24)
el cual es equivalente a las condiciones descritas arriba para la frecuencia natural.
Si los subsistemas Sb y Sc tienen frecuencias naturales ωb y ωc definidas por las longitudes lb

y lc, entonces se puede decir que:
lb < 1 y lc < 1, la secuencia de longitudes es menor que 1 y el sistema es asintóticamente

estable.
lb > 1 y lc > 1, la secuencia de longitudes es mayor que 1 y el sistema es inestable.
lb > 1 y lc < 1, entonces si el número de conmutaciones en que aparece b es nb y el número
de conmutaciones en que aparece c es nc, entonces si
nb nc
∏ l 2b ∏ l 2c1 entonces el sistema es asintóticamente estable.
nb nc
∏ l 2b ∏ l 2c1 Entonces el sistema es inestable.
84
Capítulo 3
En realidad, la dinámica de este sistema continua y evoluciona en un número infinito de

conmutaciones; entonces, es posible aproximar el comportamiento general a un proceso
estocástico descrito por una cadena de Markov donde los subsistemas futuros no dependen
de los previos.
(a) (b)
Figura 3.13. Péndulo aleatorio conmutable para (a) lb = 0.9 y lc = 0.8, (b) lb = 1.1 y lc = 1.2
En este caso se tienen una distribución de probabilidades para dos eventos (Sb y Sc)
definidos por la probabilidad de ir de Sa a Sb, Pa,b, y la probabilidad de ir de Sa a Sc, Pa,c;
donde Pa,c = 1 - Pa,b . La frecuencias naturales en Sa y Sb están definidas por las longitudes lb
y lc respectivamente. Entonces, podemos usar un valor esperado de la longitud,
l =E [l ]=l b P a , b l c P a , c (3.4.25)
E[l] describe una longitud promedio l que depende de los valores para la conmutación de
Sa a Sb o Sc. Con esta definición de la longitud promedio, es posible describir una nueva
condición para la estabilidad usando el valor medio de la longitud.
Si l =E [l ]1 , entonces el péndulo aleatorio conmutable es asintóticamente estable.

Si l =E [l ]1 , entonces el péndulo aleatorio conmutable es inestable.
85
Como ejemplo, consideremos la probabilidad de que la dinámica del sistema vaya de Sa a Sb

es Pa,b = 0.5 y la = 1.0 y la condición inicial x(0) = 0.9. La figura 3.13 (a) describe el caso
donde lb = 0.9 y lc = 0.8, 3.13(b) lb = 1.1 y lc = 1.2, entonces la solución es asintóticamente
estable.
La figura 3.14 muestra el caso donde lb = 1.1 y lc = 0.9 y Pa,b = 0.5, entonces el sistema
permanece cerca del ciclo límite al infinito.
Figura 3.14 Péndulo aleatorio conmutable con lb = 1.1 y lc = 0.9 y Pa,b = 0.5, el sistema permanece cerca del
ciclo límite.
La figura 3.15 muestra una solución cuando la probabilidad Pa,b = 0.7 y lb = 1.1 (el sistema
es inestable), mientras que lc = 0.9. En este caso, todo el sistema se vuelve inestable en el
infinito. La figura 6 muestra el mismo sistema pero con P a,b = 0.3, dado que la probabilidad
de que el sistema sea estable es mayor que la probabilidad de que sea inestable, entonces al
infinito todo el sistema es asintóticamente estable.
86
Capítulo 3
Figura 3.15 Péndulo aleatorio conmutable con lb = 1.1 y lc = 0.9 y Pa,b = 0.7.
El sistema es inestable al infinito.
Figura 3.16 Péndulo aleatorio conmutable con lb = 1.1 y lc = 0.9 y Pa,b = 0.3. El sistema es asintóticamente
estable al infinito.
87
Estos ejemplos demuestran el potencial de análisis de estabilidad que tienen los sistemas
conmutables determinísticos y aleatorios.
3.5 Modelos y algoritmos integrales de micromáquinas
Considerando los métodos y herramientas presentados hasta ahora, en esta sección se

presentarán algunos ejemplos en micromáquinas y micromecanismos desde un punto de
vista mas integral y siguiendo la metodología de máquinas inteligentes. A partir de ahora se
presentarán dos ejemplos, una máquina mini fresadora y un mini manipulador robótico tipo
Scara de cuatro grados de libertad. Si vemos estos ejemplos dentro de un proceso de
producción, se está considerando la transformación y transferencia de productos, los cuales
son básicos en una microfábrica.
3.5.1 Modelación matemática de una microfresadora de tipo cartesiana
La construcción del modelo matemático de cualquier mecanismo puede hacerse empezando

por una aproximación lineal y aumentarle paulatinamente niveles de complejidad. En el caso
de una micro máquina no es diferente e iniciamos con un análisis de la dinámica y el tipo de
movimientos involucrados en la misma.
La estructura de una fresadora convencional tiene dos módulos importantes: la mesa de

desplazamiento en los ejes X, Y y el eje vertical en donde está montado el husillo. La figura
3.17 muestra la disposición de los ejes de movimiento en una máquina fresadora
convencional. Los ejes horizontales son estables por naturaleza, en cambio el eje vertical
debe de compensar siempre la acción de la gravedad y en caso de que el tornillo no pueda
soportar la carga del husillo, debe de usarse algún medio de frenado para evitar que el eje se
caiga.
Cada uno de los ejes se mueve con un motor a pasos hecho en el laboratorio y el control es
88
Capítulo 3
diseñado también en este proyecto, por lo que tenemos un sistema en lazo abierto en donde
la posición del motor a pasos es en realidad un contador interno del controlador. Sin
embargo, vamos a considerar para este análisis el caso en que se trata de un motor
conectado en un lazo cerrado o con retroalimentación, es decir, que existe un elemento de
medición de la posición o la velocidad que contiene información actualizada de estas
variables y disponible al controlador.
El esquema mostrado en la figura 3.17 muestra la disposición cinemática de los ejes de

movimiento. Existen dos ejes horizontales (X-Y), uno sobre el otro, mientras que el eje
vertical (Z) soporta el husillo , que es el motor que hace girar la herramienta de corte. El
movimiento se transmite de los motores a la mesa usando tornillos con un desplazamiento
de 1 mm por vuelta.
Figura 3.17. Esquema de la disposición de los ejes de movimiento de una micro fresadora.
La tabla 3.1 describe las características de diseño de la micro máquina analizada aquí.
89
Tabla 3.1. Resumen de características de diseño de una micro fresadora

Eje X Eje Y Eje Z
Distancia del viaje [mm] 30 50 30
Velocidad lineal máxima [mm/s] 100 100 50
Resolución de movimiento [μm] 50 50 50
Masa del eje [grs] 80 460 212
Máxima carga de trabajo [grs] 100 50 80
Este trabajo no tiene el propósito de describir el diseño mecánico a detalle de una micro
máquina herramienta, sino que me centraré en la descripción general del diseño y la forma
en que el diseño se traduce en el modelo matemático.
Empecemos a analizar el modelo de control a partir de la dinámica de la máquina a controlar.

En mecanismos es de suma importancia encontrar las dependencias cinemáticas entre los
elementos móviles, la figura 3.18 muestra el modelo dinámico básico de la mesa coordenada
definida para los ejes X-Y.
Figura 3.18. Modelo lineal de la mesa de movimiento XY de la micro máquina fresadora.
90
Capítulo 3
En la figura 3.18, Jx y Jy representan los momentos de inercia de los elementos en la mesa

que se mueven en cada una de esas direcciones. Estas masas incluyen guías, soportes,
tornillos de movimiento y la mesa en sí. El modelo gráfico contiene elementos de fricción y de
resorte representados como una capacitancia y resistencia. Bx y By son los coeficientes de
amortiguamiento del modelo lineal de los mecanismos X-Y. Las fuerzas de movimiento, Fx y
Fy son representaciones del torque generado por los motores de cada eje. La fuerza FM es la
generada por la operación de maquinado.
Al definir el modelo dinámico de cada uno de los ejes en el espacio de la frecuencia,

podemos utilizar la función de transferencia del torque de entrada a la velocidad rotacional de
la forma,
K eq
P s= (3.5.1)
JsB
donde Keq es la ganancia lineal de la planta, J la inercia total soportada por el movimiento, B
es el amortiguamiento viscoso del sistema.
Al agregar elementos al sistema de control de forma que podamos encontrar la función de

transferencia en relación con la posición lineal deseada y la actual. La figura 3.19 muestra el
diagrama a bloques de un solo eje de desplazamiento.
Figura 3.19. Diagrama a bloques de un control básico para un mecanismo lineal. Abstracción de uno de los ejes
horizontales de una micro máquina fresadora.
91
En el modelo a bloques que se muestra en la figura 3.19 los parámetros descritos son:
yd - la posición deseada
ey – error de la posición
eω – error en la velocidad angular
t – torque de entrada
ω – velocidad angular
v – velocidad lineal
y – posición actual. Salida del sistema.
Kp – Constante de ganancia proporcional del lazo de control de posición.
Kωp – Constante de ganancia proporciona del lazo de control de velocidad.
Kωi – Constante de ganancia integral del lazo de control de velocidad.
Keq – Ganancia natural de la planta.
J – Inercia total.
B – Amortiguamiento viscoso
R – Radio entre la velocidad lineal y la velocidad angular.
Al reducir este modelo a una sola expresión tenemos el diagrama siguiente,
Figura 3.20 Primer ciclo de reducción del modelo de control de los ejes horizontales.
Al reducir el primer lazo de control lineal, la función de transferencia queda como,
92
Capítulo 3
G K eq  K  S K  I  K eq  K  S  K  I 
G = = LA p
= 2 p
(3.5.2)
LC
1G  S  JS B K eq  K  S  K  I  JS S  BK eq K   K eq K  I
LA p p
Donde G LC
es la función de transferencia del sistema en lazo cerrado y G LC
es la
función de transferencia en lazo abierto.
El diagrama a bloques queda como,
Figura 3.21. Lazo cerrado de control reducido para una planta lineal representando los ejes horizontales.
Reduciendo la función de transferencia tenemos que,

K P R K eq  K  S  K  I 
Gy = 2
p
(3.5.3)
0
S  JS S  B K eq K   K eq K  I 
p
K P R K eq  K  S K  I 
Gy = 2
p
LC
S  JS S  B K eq K   K P R K eq  K  S K  I 
p p
(3.5.4)
K P R K eq  K  S K  I 
= 3 2
p
JS S  BK eq K  S  K eq K  I  K P R K eq K   K P R K eq K  I 

p p
Donde G y es la función de transferencia directa. G y es la función de transferencia en

0 0
lazo cerrado. Esta relación proporciona el modelo de control lineal de cada uno de los ejes de
movimiento horizontales.
La función de transferencia tomando en cuenta la señal de entrada al motor del eje es de la

forma,
93
V  s=G p sU s

1 (3.5.5)
G p s =
J eq sB eq
donde,
J B K  K eq
J eq = y Beq = p
(3.5.6)
K t K  k eq R
p
k t k  k eq R
p
Jeq y Beq son parámetros a encontrar.

Para el modelo del eje vertical usamos la aproximación que se describe en la figura 3.22
Figura 3.22 Modelo dinámico lineal del eje vertical de la micro máquina fresadora.
El modelo dinámico del sistema vertical contiene dos elementos dinámicos acoplados, el eje
de movimiento y el sistema del husillo. El sistema está sometido a la fuerza de gravedad y a
las fuerzas dinámicas generadas en el proceso de maquinado; aunque solo una fuente de
control de movimiento, τ. Los parámetros B, amortiguamiento viscoso, y K, constante del
resorte, se definen en las interfaces de los elementos cinemáticos.
El modelo dinámico del sistema mostrado se puede describir a partir de los desplazamientos
relativos de los componentes cinemáticos como sigue,
94
Capítulo 3

m1 x¨1  B1 x˙1 B3  x˙1 − x˙2  K  x1 − x 2 =
R (3.5.7)
m2 x¨2  B2 x˙2  B3  x˙2 − x˙1  K  x2 − x1 =0
Aplicando una transformación de Laplace y eliminando x2, entonces,
2
x1 n 2 s n1 sn 0
= (3.5.8)
T R2 s s 3d 2 s2 d 1 sd 0 
1 m1 B 2 B 3 m2  B1 B3 
n2 = d 2=
m1 R m1 m 2
B1 B 2 3
n1 = k m1 m2 B 1 B 2 B¿ B 2 B3
m1 m2 d 1=
R m1 m2
k K  B1 B2 
n0 = d 0=
m1 m2 R m1 m2
(3.5.9)
La función de transferencia del torque de entrada a la velocidad angular es,
2
 n2 s n 1s n 0
= 3 (3.5.10)
T s d 2 s2 d 1 sd 0
De esta forma el modelo de control en diagrama a bloques para el eje vertical queda como se
muestra en la figura 3.23.
Figura 3.23. Diagrama a bloques de la función de transferencia para el eje Z de movimiento vertical.
La función de transferencia de la señal de voltaje al motor a la velocidad lineal es,

2
2 s 1 s0
V  s= 3 2 (3.5.11)
s  2 s  1 s0
95
donde β2, β1, β0, α2, α1, α0 son seis parámetros a identificar.
Las fuerzas no lineales que afectan cada uno de los ejes, por ejemplo la fricción, saturación,
etc. Como se describió en el capítulo 2, pueden agregarse a los modelos lineales como
perturbaciones o fuerzas externas al sistema. Si dicha perturbación no sobre pasa ciertos
límites definidos por los requerimientos de precisión y rapidez del sistema, entonces el
modelo lineal es mas que suficiente para representar a cada uno de los ejes.
En general, el torque efectivo, Tg, que la mesa horizontal recibiría en la operación de corte es
hp
T g= gf [m mesa mtrabajo  g F z ] (3.5.12)
2
donde hp es la relación de desplazamiento lineal por vuela del motor (en este caso h p = 1
mm/vuelta), μgf es el coeficiente de fricción de las guías y normalmente es de 0.1, mmesa es el
peso de la mesa, mtrabajo es el peso de la pieza de trabajo, g es la fuerza de gravedad y F z es
la fuerza normal generada por la operación de corte y corresponde aproximadamente a 10%
de la fuerza de corte máxima.
Con estos datos es posible empezar a diseñar un mejor controlador y a generar simulaciones
computacionales mas precisas del comportamiento dinámico del sistema mecánico y del
controlador.
3.5.2 Análisis cinemático y dinámico de un micromanipulador robótico
Como ejemplificación del análisis de una micromáquina, se incluye aquí el estudio cinemático
y dinámico de un micromanipulador robótico tipo scara. Un micromanipulador tipo scara tiene
la función principal de transportar material de un proceso a otro dado su espacio de trabajo y
construcción mecánica.
96
Capítulo 3
3.5.2.1 Análisis de la cinemática directa de un micro manipulador scara
Consideremos un micromanipulador dispuesto cinemáticamente como se muestra en la

figura 3.24
Figura 3.24 Diagrama de la cinemática de un robot Scara tipo RRRP.
La cinemática directa puede describirse en forma de una matriz de transformación

homogéneas usando los conceptos de translación tipo tornillo [24].
g st = [ R
0
P 
1 ] (3.5.13)
La figura 3.24 representa los movimientos de cada eje; considerando que la posición inicial
en reposo puede ser encontrada con la transformación,
97
[ ]
1 0 0 0
0 1 0 l 1 l 2
g st 0= (3.5.14)
0 0 1 l0
0 0 0 1
considerando las velocidades de rotación en los ejes sobre el plano principal de movimiento,
[]
0
1 =2 =3= 0 (3.5.15)
1
con puntos sobre cada eje en
[] [] [ ]
0 0 0
q1 = 0 q2 = l 1 q2 = l 1 l 2 (3.5.16)
0 0 0
La torsión sobre cada eje es
i =
[
−i x qi
i ] (3.5.17)
sustituyendo
][] [
[][]
0 0 0
−0 x 0 0
 1= 1 0 = 0
[]
0 0
0 0
1 1
][][
[][]
0 0 l1
− 0 x l1 0
1 0 = 0
2=
[]
0 0
0 0
1 1
[ ][ ]
[][ ]
0 0 l 1 l 2
− 0 x l 1l 2 0
1 0
 3= = 0
[]
0 0
0 0
1 1
98
Capítulo 3
[]
0
0
0 []
 4 = v4 = 1
0
(3.5.18)
0
0
De forma que la cinemática directa puede ser encontrada con la secuencia de

transformaciones homogéneas,
 1 1 2  2  3 3 4  4
g st =e e e e g st 0
=
[ R  P 
0 1 ] (3.5.19)
Cada matriz exponencial describe una transformación homogénea derivada de cada punto
de muestra sobre los ejes de movimiento. Las matrices exponenciales son:
[ ]
cos 1 −sen 1 0 0
1  1 sen  1 cos 1 0 0
e =
0 0 1 0
0 0 0 1
[ ]
cos 2 −sen 2 0 l 1 sen 2
  sen 2 cos  2 0 l 1 1−cos  2 
e = 2 2
0 0 1 0
0 0 0 1
[ ]
cos 3 −sen 3 0 l 1 l2 sen 3
3  3 sen 3 cos 3 0 l 1l 2 1−cos 3 
e =
0 0 1 0
0 0 0 1
[ ]
1 0 0 0
  0 1 0 0
e =
4 4
(3.5.20)
0 0 1 4
0 0 0 1
Al realizar las operaciones de multiplicación entre matrices y reducción usando equivalencias
trigonométricas, tenemos que al sustituir los resultados en la transformación gst, tenemos que
99
[ ]
cos  12  3  −sen1  23  0
R= sen1  23  cos1  2 3  0 (3.5.21)
0 0 1
y
[ ]
−l 1 sen −l 2 sen 1  2 
P = l 1 cos l 2 cos 1 2  (3.5.22)
l 0  4
El movimiento de un punto p hacia un punto q se obtiene sustituyendo estas matrices en

g st 
3.5.2.2 Solución de la cinemática inversa de un microrobot scara
Consideremos una configuración cinemática de la forma
1  1 2  2 3  3 4  4

g st =e e e e g st 0
[ ]
cos  1 −sen 1 0 x
sen 1 cos 1 0 y (3.5.23)
= := g d
0 0 1 z
0 0 0 1
El primer paso es resolver para θ4 y aplicando gst(θ) al marco de referencia montado en la
parte final del manipulador,
[ ][]
−l 1 sen 1 −l 2 sen  12  x
P = l 1 cos1 l 2 cos 1  2  = y (3.5.24)
l 0  4 z
Rápidamente y por sustitución directa, se encuentra que

 4 = z−l 0 (3.5.25)
Re-escribiendo la ecuación de cinemática directa de la forma,
1  1 2  2 3  3 −1 − 4  4
e e e = g d g st 0 e :=g 1 (3.5.26)
Digamos que p es un punto sobre el eje del movimiento de ξ3 y q un punto sobre el eje de ξ1,
y aplicando g1 a p para luego substraer q en ambos lados, así como sus normas, tenemos
100
Capítulo 3
∥e  e  p−q∥=∥e  e   p−q ∥

1 1 2 2 1 1 2 2
=∥e p−q∥
2  2 (3.5.27)
=∥ g 1 p−q∥:=
Esta transformación queda
−1 4  4
g 1 p= g d g st 0e p (3.5.28)
[ ][ ][ ][ ]
−1 −1
cos  −sen  0 x 1 0 0 0 1 0 0 0 px
sen  cos 0 y 0 1 0 l 1 l 2 0 1 0 0 py
:= (3.5.29)
0 0 1 z 0 0 1 l0 0 0 1 4 pz
0 0 0 1 0 0 0 0 0 0 0 1 1
Esto se resuelve usando el subproblema cinemático 3 [24] que corresponde a la rotación a
una distancia determinada
2
∥v−e 

u∥ =
u ' =u−  u
T
(3.5.30)
v ' =v−T v
entonces
2
 ' 2 =2 −∣T  p−q∣ (3.5.31)
por lo tanto,
T T
 0 =atan2  u ' ×v '  , u ' v '  (3.5.32)
donde atan2(x,y) es el ángulo en radianes entre el eje x positivo de un plano y el punto dado
por las coordenadas (x,y) sobre éste.
Por la ley de cosenos y resolviendo para =0 −

2 2
∥u '∥ ∥v '∥ −2∥u ' ∥∥v '∥cos = ' 2 (3.5.33)
luego entonces,
 
2 2
−1 ∥u '∥ ∥v '∥ −' 2
 2 = 0±cos (3.5.34)
2∥u ' ∥∥v '∥
Esta ecuación tiene cero, una o dos soluciones posibles.
101
Ahora, aplicando g1 al punto p' sobre el eje ξ3
e
1  1 2  2
e e
3  3
=e
1  1
 e 
2 2
p '  := g 1 p ' (3.5.35)
2
y tomando p ' ' =e  p ' tenemos
2
1  1
e p ' ' =g 1 p ' (3.5.36)
donde u = p'' y v = g1p'. Aplicando el subproblema cinemático 1 tenemos
T T
u ' =u−  u y v ' =v−  v (3.5.37)
si T u=T v y ∥u '∥=∥v '∥ entonces podemos encontrar θ1 usando
u ' ×v ' = sen ∥u '∥∥v ' ∥
(3.5.38)
u '⋅v ' =cos ∥u ' ∥∥v ' ∥
por lo que,
 1=atan  T u ' ×v '  .u ' T v '  (3.5.39)
si u' = 0, entonces hay un número infinito de soluciones debido a que p = q, ambos puntos
están sobre el mismo eje de rotación.
Re-arreglando la ecuación de la cinemática directa ahora desplazando el valor conocido de

θ1 y θ2 al lado derecho de la misma, tenemos:
3  3 −2  2 −1  1 −1 −4 4
e =e e g d g st e :=g 2 (3.5.40)
aplicando esta transformación a un punto p sobre el eje ξ3 y resolviendo usando el
subproblema cinemático 1.
3  3
e p 3= g 2 p3 (3.5.41)
con T
u '=u−  u y
T T T
v ' =v−  v . Las condiciones son  u= v y ∥u '∥=∥v '∥ ,
entonces
T T
 3=atan  u ' ×v '  ,u ' v '  (3.5.42)
Hay un número máximo de dos soluciones para este tipo de manipulador y es debido a la
multiplicidad que tiene la solución de θ2.
102
Capítulo 3
3.5.2.3 Dinámica de un micromanipulador tipo Scara.
1 1 − i i
Digamos que g Sli =e ⋯e g Sli 0 representa la configuración del marco de referencia
Li relativo al marco de referencia en la base del robot S.
La velocidad del cuerpo al centro de masa del enlace i-ésimo esta dada por
b b
Bsli = J sli  ̇ (3.5.43)
b
donde J sli es el Jacobiano del cuerpo correspondiente a g sli y tiene la forma
b  
J sli =[ 1 ⋯ i 0⋯0] (3.5.44)
 −1
donde  j = Ad e j  j
⋯e
i  i
g sli 0
 j ; j≤i
La energía cinemática del enlace i-ésimo esta dada por

1 b T
T i  , ̇=
2
 V sli  M i V sli
b
(3.5.45)
1 T T
= ˙ i  M i J i  ̇
2
donde Mi es la matriz de inercia generalizada
M= [ mI
o
o
I ] (3.5.46)
I es el tensor de inercia del enlace determinado.
La energía cinemática total es

n
1
T  , ̇=∑ T i  , ̇= ˙T M  ̇ (3.5.47)
i =1 2
n×n
M ∈ℜ es la matriz de inercia del manipulador. En términos del Jacobiano de los
enlaces, ji es definida como
n
M =∑ J Ti  M i J i  (3.5.48)
i =1
La energía potencial del enlace i-ésimo es

V i =mi ghi  (3.5.49)
103
donde mi es la masa del enlace i-ésimo y g es la constante de gravedad.
La energía potencial total es

n n
V =∑ V i =∑ mi ghi  (3.5.50)
i=1 i=1
entonces el Lagrangiano esta dado por

n
L , ̇=∑  T i  , ̇−V  
i=1
(3.5.51)
1 T
= ˙ M  ̇−V 
2
y aplicando esto a las ecuaciones de Lagrange
d ∂L ∂L
− =i (3.5.52)
dt ∂ ̇ i ∂ i
donde i representa el torque del actuador o motor y cualquier otra fuerza no conservativa
generalizada aplicada a la juntura i-ésima.
Al desarrollar las ecuaciones de movimiento tenemos

n n
∂V
∑ M ij  ̈ j  ∑  ijk ˙ j ̇k 
∂ i
=i ; i=1 ... n (3.5.53)
j=1 j , k =1
donde
i , j ,k=
2 
1 ∂ M ij  ∂ M ik  ∂ M kj 
∂ k

∂ j
−
∂ i  (3.5.54)
La dinámica total puede ser descrita como,

M  ̈C  , ̇ ̇ N  , ̇= (3.5.55)
 
n n
1 ∂ M ij  ∂ M ik  ∂ M kj 
C ij  , ̇=∑  j , k ˙k = ∑  − ̇k (3.5.56)
k =1 2 k =1 ∂ k ∂ j ∂ i
∂V
−M  , ̇=− − ̇i (3.5.57)
∂ i
 ̇ i es el término de la fricción viscosa del enlace i-ésimo y  es el vector de torques de
los actuadores.
104
Capítulo 3
La dinámica de un robot scara idealizado está dada considerando,
[] [] [ ] []
0 l1 l 1l 2 0
0 0 0 0
 1= 0 2= 0  3= 0 4= 1 (3.5.58)
0 0 0 0
0 0 0 0
1 1 1 0
Asumiendo que los marcos de referencia de cada eslabón se encuentran inicialmente

alineados con el marco de referencia montado en la base del manipulador y localizados en
los centros de masa de cada uno de los eslabones, la matriz de inercia de los eslabones
transformada es la siguiente,
M ' i=
[I 0 mi I
− p i I 0 ][ 0 I
I 0 ][ ] p i
I
(3.5.59)
=
[mi I
−mi p i
mi p i
I ]
Pi es la locación del origen del marco de referencia del enlace i-ésimo relativo al marco de
referencia de la base S.
Por lo que la dinámica M  ̈C  , ̇ ̇ N  , ̇= está descrita por las matrices,
[ ]
2 cos  2  cos 2  0
 cos  2   0
M = (3.5.60)
   0
0 0 0 m4
donde
2 2 2 2
= I Z1 r1 m1 l 1 m2 l 1 m3 l 1 m4
= I Z2  I Z3 I Z4 l 22 m3 l 22 m4  M 2 r 22
(3.5.61)
=l 1 l 2 m3l 1 L 2 m 4l 1 m2 r 2
= I 23  I 24
La matriz de coriolis queda como
[ ]
− sin  2 ̇ 2 − sin  2  ̇1 ˙2  0 0
 sen 2 ̇1 0 0 0
C  , ̇= (3.5.62)
0 0 0 0
0 0 0 0
105
para N  , ̇ el único término de gravedad está activo en  4 , por lo que
[]
0
N  , ̇= 0  ̇ (3.5.63)
0
m4 g
Con estas ecuaciones es posible diseñar un control tipo múltiple-entrada y múltiple-salida y

controlar las posición y velocidad de cada uno de los ejes del robot en tiempo real. Para
robots de diferente configuración es posible usar el mismo procedimiento y encontrar las
ecuaciones diferenciales que describen la dinámica del sistema.
3.6 Diseño de controladores en micromáquinas de precisión
3.6.1 Introducción
Este trabajo no pretende ser un catálogo de sistemas de control que cualquier libro de texto
contemporaneo tiene incluido, sino presentar opciones viables de sistemas de control
avanzado para su uso en micro mecanismos. Podemos mencionar una lista bastante
atractiva de opciones:
• Identificación de parámetros usando un controlador adaptivo.
• Observador de perturbaciones.
• Control basado en un modelo interno o rechazo de perturbaciones.
• Linearización por retroalimentación.
• Diseño de un controlador de modelo interno con parámetros adaptivos.
• Combinación de control óptimo tipo H∞ para minimizar la matriz del presupuesto del
error de la máquina.
• Modelos de control de sistemas híbridos.
Estos métodos son muy poderosos para lidiar con sistemas no lineales o sistemas lineales
con perturbaciones no lineales. Un factor crucial de estos métodos es determinar cuales son
los parámetros de la máquina que corresponden al modelo de control y si es posible
106
Capítulo 3
determinarlos en la realidad con el sistema en operación.
En esencia, el diseño de controladores se puede reducir el procedimiento al diseño de un

filtro. También es posible, y algunas veces necesario, poder trabajar en sistemas híbridos
entre digitales y continuos. Por ejemplo, poder traducir del espacio del dominio de s al
dominio de z usando una transformación biliniar con el fin de acelerar los cálculos debido a
que toma información con retardo y no efectúa ninguna integración o división.
Para empezar, hagamos un recuento de las fuentes de perturbación en un micro mecanismo:

• Fuerzas de corte, que provocan los lóbulos de inestabilidad.
• Fricción
• Acoplamiento mecánico:
• La mesa X-Y (motor-caja de engranes-tornillo)
• El eje vertical, Z (motor-caja de engranes-tornillo)
• Térmicas
• Modos de vibración estructural
• frecuencia del PWM (en motores a pasos)
• Método de interpolación
Y los principales objetivos a resolver son:

• Rechazo de perturbaciones y seguimiento de trayectorias
• Optimización del consumo de la energía
• Control de la corriente del motor (potencia)
Estos son los principales temas a resolver y debido a la naturaleza tan variada de estos
mecanismos, es posible proponer métodos que automáticamente encuentren los parámetros
de control, como en lo métodos adaptivos, y ejerciten alguna estrategia de optimización,
como es el caso de los controles óptimos o robustos. Muchas de estas estrategias están
mejor definidas para los sistemas lineales, mientras que las no linealidades se puede reducir
107
su efecto en la dinámica mediante algún filtro o mejorando el mecanismo en cuestión.
3.6.2 Control adaptivo
El control adaptivo viene en varias formas, aunque básicamente su estrategia es encontrar el

valor real de ciertos parámetros de control, a partir de algoritmos de optimización midiendo o
estimando ciertos valores del sistema. El modelo de Referencia para un Sistema Adaptivo o
MRSA se refiere al problema de identificar o estimar parámetros desconocidos de un
sistema. La planta o proceso actual se asume con una estructura conocida, es decir, que se
conocen como se relacionan dichos parámetros entre sí, aunque no se conozca su valor.
Consideremos un sistema de una entrada simple y una salida simple descrita por,
n m
y k 1=−∑ a i y k 1−i ∑ b j u k − j =T k  (3.6.1)
i=1 j=0
T
donde  =[ a 1 ,... ,a n ,b0, ... ,bm ] y T k =[− y k  , ... ,− y k 1−n , u k  ,... ,u k −m]
lo que necesitamos es predecir el valor y i  ,i≤k de la forma,
y i = T i−1 (3.6.2)

El error de predicción es
ei = y i − y i (3.6.3)
El estimador que usa un algoritmo de mínimos cuadrados y que minimiza el error es
k
J = ∑ [ y i−T k i−1]2 (3.6.4)
i =1
dado el algoritmo de adaptación de forma recursiva queda

 K 1= k
  F k 1k e 0 k 1
F k k  T k  F k  (3.6.5)
F k1= F k −
1T k  F k k 
para poder implementar este algoritmo se puede usar un predictor paralelo puesto que no
tiene sesgo o bias.
La condición de estabilidad para que el algoritmo adaptivo sea convergente está dada por
1 
−1 − ,=max  2 k 2 es estríctamente positivo y real.
A z  2 k
108
Capítulo 3
Para mejorar la estabilidad del algoritmo es posible agregar un compensador C(z-1) de forma
que
−1
C z  
− , =max 2 k 2 es estríctamente positivo y real.
A z−1  2 k
La teoría desarrollada para los controles adaptivos es demasiado extensa para incluirse en
este trabajo. Sin embargo, lo que se desea exponer es la versatilidad de usar algoritmos que
identifican parámetros internos a partir de la medición de variables de estado y sus
derivadas. Esto permite dejar modelos mas simples y ajustar los parámetros de acuerdo a las
condiciones presentes en un momento dado; las cuales pueden cambiar en otra operación.
Textos clásicos sobre este tema pueden ver en [25] y [26].
3.6.3 Estabilidad de perturbaciones en una máquina
A partir del lema Kalman-Yakubovitch o el lema real positivo) [27] es posible analizar la
estabilidad a las perturbaciones de un sistema dinámico como una máquina tipo servo. Este
lema dice:
Sea
−1
Z  z =C sI − A B D (3.6.6)
donde A es una matriz tipo “Hurwitz”, es decir que A es una matriz cuadrada con
todos sus valores propios reales y negativos. AB es controlable y AC es
observable. Entonces Z(s) es estrictamente real y positiva si y solo si existe una
matriz P simétrica y positiva, matrices W y L y una constante positiva , tal que:
T T
PA A P= L L− P
PB =C T − LT W (3.6.7)
T T
W W =D D
Lo que al usar este lema implica que P, L y existen si y solo si
−1
Z s≡1 KC  SI − A B=1 KG s (3.6.8)
es estrictamente real positiva.
Ahora consideremos el siguiente lema. Supongamos un sistema con una planta definida por
109
G y una perturbación como el que se muestra en la figura 3.25.
Figura 3.25. Planta generalizada con retroalimentación.

−1
G=C sI − A B que es global y asintóticamente estable sí
 − KY 0 y Z s=1 KG s son estrictamente reales positivas.
Supongamos ahora que las no linealidades se encuentran en el sector definido por,
[− K min y ][ − K max y ]0 (3.6.9)
Esto se representa como se muestra en la figura 3.26(a) y resumida en la figura 3.26(b).
(a)
(b)
Figura 3.26. Planta con perturbación después de la transformación de los lazos cerrados.
110
Capítulo 3
donde
G
GT ≡ y T =− K min  y . Kmin tiene que elegirse para estabilizar GT.
1K min G
K = K max − K min
La nueva descripción dinámica considerando perturbaciones no lineales como la que se
describe aquí, queda como:
ẋ= A−BK min C  x− B T
y=C (3.6.10)
T =[− K min ] y
Si A− B K min C es Hurwitz, entonces el sistema es globalmente estable si
1 K max G  j 
Z T =1K T G T  s es estrictamente real positiva. Donde KT = 0, ∀ ∈R .
1 K min G  j 
En este lema lo podemos aplicar a las no linealidades que afectan a una máquina de control
numérico de forma que podamos preveer problemas de estabilidad y poder diseñar un
compensador adecuado para casos específicos. Por ejemplo, diseño de compensadores a
baja velocidad para el caso de la fricción, o compensadores en alta velocidad, movimiento
vertical o de algo torque o aceleración para el caso de saturación de los motores.
Con este breve análisis, solo se ha tocado sólo una arista de lo que es teoría de control.
Existen deferentes procedimientos de como lidiar con no linealidades, la propuesta de este
trabajo es separar las condiciones críticas para cada caso y aplicar diferentes tipos de
compensadores de acuerdo a cada una de las situaciones combinando esto con los sistemas
híbridos. En el siguiente capítulo se describirá un ejemplo sencillo de este procedimiento.
Referencias
[1] Lygeros J., Johansson K. H., Simic S., Zhang J., and Sastry S. Dynamical Properties of
Hybrid Automata. IEEE Transactions on Automatic Control, Vol. 48, No. 1, January 2003.
[2] Altintas, Y. Manufacturing Automation. Cambridge University Press. 2000.
111
[3] Kaan, E. Altintas, Y. High speed CNC system design. Part II and III. International Journal
of Machine Tools and Manufacture. 41 (2001)
[4] Jensen, A.A and Shin, Y.C. Stability Analysis in Face Milling Operations, Part 1 and 2.
Transactions of ASME. Vol .121 Nov. 1999.
[5] Kim, J. Oh, S, Cho, D, Hedrick, K. Robust Discrete-Time Variable Structure Control
Methods.
[6] Slotine, J.J. and Li, W. Applied Nonlinear Control. Prentice Hall. 1991. Absolute Stability.
pp 142.
[7] Armstrong-Helouvry, B., Dupont, P and Canudas de Wit, C. A survey of Models, Analysis
and compensation techniques for the control of machines with friction. Automatica. Vol. 30.
Vol. 7 pp. 1083-1138. 1994
[8] Koo, J., Pappas, G., Sastry, S. Mode Switching Synthesis for Reachability Specifications.
[9] Hale, J. K. and Verduyn Lunel, S. M. Introduction to Functional Differential Equations.

Springer-Verlag, New York, 1993.
[10] Kolmanovskii, V. B. y Myshkis, A. D. Introduction to Theory of Functional Differential

Equations and their Applications. Kluwer Acad. Publ., Dorderecht, 1999.
[11] Kolmanovskii, V. B. y Nosov, V. R. On the stability of first-order neutral type equations.

Prikladnaja Matematica i Mechanica, 34:587–594, 1971.
[12] Kolmanovskii, V. B. y Nosov, V. R. Stability of Functional Differential Equations. Acad.

Press, London, 1986.
112
Capítulo 3
[13] Kolmanovskii, V. B. y Nosov, V. R. Stability and periodic modes of control systems with
aftereffect. Springer- Verlag, New York, 1993.
[14] Krasovskii, N. N. Stability of Motion: Application of Liapunov Direct Method to Differential

Systems and Equations with Delays. Stanford Univ. Press, Stanford, 1963.
[15] Nosov, V. R., Ortega Herrera, J. A., Stability of fifth degree equations with delay.
Functional Differential Equations, 10:541–554, 2003.
[16] Arnold, D.N. Lectures on Functional Analysis. Department of Mathematics, Pennsilvania

State University. 1997
[17] Levin, J.J. y Nohel, J.A. On a nonlinear delay equation. Journal of Mathematical analysis
and applications 8, 31-44, 1964.
[18] Hale, J.K. Averaging methods for Differential Equations with retarded arguments and a
small parameter. Journal of differential equations 2, 57-73. 1966.
[19] Domínguez, H. Ortega, J.A. y Nosov, V.R.. Hybrid system model and simulation of a CNC
machine. Applied Math III. 8-12 de Octubre del 2007
[20] Koo, T.J. y Sastry, S.S. Notes on hybrid Systems. Departmen of Electrical Engineering.
University of California at Berkeley. Spring 2002.
[21] http://es.wikipedia.org/wiki/Paradojas_de_Zen%C3%B3n
[22] Nossov, V.R., Dominguez, H. y Ortega, J.A. Estabilidad de un péndulo con

conmutaciones Applied Math II. 8-12 de Octubre del 2007
113
[23] Nossov, V.R., Dominguez, H. y Ortega, J.A. Two dimensional chaos in a random
commutable pendulum. IFAC-CHAOS 09. London, UK 22-24 June 2009
[24] Murray, R.M, Li, Z. y Sastry, S.S. Mathematical Introduction to Robotic Manipulation.
CRC Press. 1994.
[25] Landau, Y.D. Adaptive control. Dekker. 1979.
[26] Niejmiejer, H. y Van der Schaft, A.J. Nonlinear dynamical control systems. Springer-
verlag. 1990.
[27] Khalil, H.K. Non linear systems. Macmillan publishing company. 1992.
114
Capítulo 4
CAPÍTULO 4
SIMULACIÓN COMPUTACIONAL NO LINEAL Y DISCRETA DE

4.1 simulación de sistemas híbridos de micromecanismos.
El principal objetivo de representar un sistema dinámico usando un modelo de un sistema

híbrido es poder acercarse lo mas posible a la realidad. Una máquina física real es una
mezcla de componentes analógicos y continuos con componentes digitales y discontinuos;
los primeros son aquellas piezas electromecánicas que efectúan el movimiento, mientras que
los segundos se refieren a los componentes de procesamiento digital, a ciertos aspectos no
lineales y eventos no deterministas que afectan el comportamiento dinámico.
Este modelo híbrido incluye una descripción completa yendo de la dinámica de los ejes al
nivel de comandos de movimiento. Este modelo es usado por cada eje con algunas
adaptaciones dependiendo de las condiciones de movimiento y la máquina de estados finitos
usada en el modelo discreto, el cual incluye dominios, límites y transiciones. La figura 4.1
muestra el modelo para el bloque continuo del eje X de la micromáquina descrita en el
capítulo 3.
Figura 4.2 muestra el sistema total para los tres ejes coordinados X, Y y Z. Este nivel está
dividido en tres secciones: la zona de comandos (lado derecho del modelo), donde los
interruptores de control y las señales de control are generada (parte media) y la salida con la
visualización (lado derecho), donde la Posición se presenta gráficamente y con un modelo
virtual de la máquina en sí.
115
Simulación computacional no lineal y discreta de micro mecanismos de alta precisión
CommandSignalX
1 Comma nd
1 Disturbance Mode 1
s position Switch_ d Ve locityX
0
velocity VelocityX
Pla nt Mode CuttingForceX
3 feed rate 2
Feed rate ComCode Stop AxisX
CuttingForceX Switch
4 2
Workpiece error
ComCode Stop TF X
Hybrid System Level
5 FSM X
3
Workpiece
error
Figura 4.1. Modelo de una máquina híbrida. La máquina de estados finitos envía las señales de conmutación al
bloque continuo.
0 Workpiece
Fx Interpolation and Command
Workpiece Fy Control Level
1 Scope
Comma nd
Sig nal X Fz 1
Comma ndX Comma ndSignalX
0 Ve locityX s
CuttingForce
In1Out1 CuttingForceX
1 Machin e
Fe edrate Stop
ComCode STOP
error Position
Workpiece
Comma nd Hybrid X
Sig nalY VR CNC
Comma ndY
0
In1Out1 Comma ndSignalY 20.07
1 Ve locityY Vx
CuttingForceY 20.02
Vy Vr [Fe edrate]
Fe edrate Stop 3.957e-005
Vz
ComCode
Position
Workpiece error
STOP
Hybrid Y
Comma nd 0
0 Sig nal Z
Comma ndSignalZ 0
Ve locityZ
1 In1Out1 CuttingForceZ 0
Fe ed rate Stop STOP
Comma ndZ
Errors
ComCode
Workpiece error
[Fe edrate] Hybrid Z
Figura 4.2.Modelo global de la micro máquina de Control Numérico.
El modelo de Realidad Virtual proporciona una visualización mas realista para la simulación.
La figura 4.3 muestra algunas vistas del modelo virtual usado en esta simulación.
El modelo de simulación nos permite probar diferentes condicione de operación y

transiciones; por ejemplo la transición de ir de baja a alta velocidad y de la operación de
movimiento en el vacío y fresando. Este modelo computacional es muy flexible y es posible
remplazar bloques completos y actualizar parámetros en ejecución. Este modelo usa un
sistema lineal para representar la planta y un controlador simple tipo Proporcional-Derivativo
como ejemplo para realizar el control de posición y velocidad.
116
Capítulo 4
La figura 4.4 (a y b) muestra la posición y la velocidad durante la transición de los estados de

baja y alta velocidad. La acción de control es hecha de manera eficiente y no hay sobre tiro ni
errores mayores ni en la posición ni velocidad. En este caso, hay ciertas transiciones de Q1 a
Q3 y de Q2 a Q4; esto quiere decir que una pieza de trabajo se encontró con la herramienta
de corte y entonces la máquina termina el corte y regresa al estado de movimiento en vacío.
Figure 4.3. Vistas del modelo de la micro fresadora para visualización en 3 dimensiones.
117
Figure 4.4. a) La señal de perturbación generada en la simulación y los picos muestran las transiciones de baja
a alta velocidad y viceversa. b) El controlador reacciona rápidamente a los cambios de estado.
118
Capítulo 4
4.2 Caos en un oscilador armónico conmutable.
El oscilador armónico es fundamentalmente el ejemplo mas simple de un sistema dinámico.

Estudiado desde la antigüedad pareciera que no tiene nada mas que ofrecer en nuestro
tiempos. Estos estudios originales presentados aquí muestran que aún los sistemas mas
simples, pueden tener comportamientos extremadamente complejos cuando se hacen ciertas
modificaciones a la estructura dinámica. Lo importante aquí es cómo se hacen esas
modificaciones y cuándo. Ciertamente, este punto es una de las contribuciones mas
importantes en este desarrollo doctoral.
Creemos que la mayor contribución en este trabajo ha sido el encontrar este tipo de
conportamiento caótico en una realización bidimensional, de manera determinística y
mostrando un comportamiento complejo tan solo variando un solo parámetro. Este trabajo ha
sido desarrollado en la sección de estudios de posgrado e investigación de la escuela
superior de Ingeniería Mecánica y Eléctrica del Instituto Politécnico Nacional.
Desafortunadamente, este proyecto no fue aprobado por conacyt como parte de un programa
de estudios y desarrollo de aplicaciones en sistemas complejos.
4.2.1 Comportamiento caótico de un oscilador armónico conmutable
Consideremos un oscilador armónico conmutable como el descrito en la sección 3.4 con su

frecuencia natural definida de una manera aún mas compleja. Tomemos un punto arbitrario
P1 sobre la trayectoria sobre el semi eje positivo de la posición en el espacio fase y la
frecuencia definida por,
=
{
2i−1=1
2i =1x t 2i−1  , 0≤≤4 } (4.2.1)
El parámetro α es un número real que define el valor de la frecuencia natural en la región

donde la trayectoria permanece. x(ti+1) es un valor real sobre el semi-eje negativo de la
posición, la cual corresponde al punto de cruce del estado Si a Si+1. El punto de regreso P(ti+3)
119
en la trayectoria continua está dado por la ecuación,
=
{2i−1=1
2i =1x t 2i−1  , 0≤≤4 } (4.2.2)
(a) (b)
(c)
Figura 4.5 Diferente comportamiento para un oscilador armónico conmutable definido por (a) α = 1.0 –
asintóticamente estable, (b) α = 2.5 – ciclo límite sencillo y (c) α = 3.0 un ciclo límite doble.
La ecuación anterior coincide con la ecuación logística discreta en una dimensión, la cual
está plenamente estudiada por Sharkovskii [6] y Yorke y Li [7]. En estos trabajos se muestra
120
Capítulo 4
que la solución de la ecuación logística discreta puede tener un comportamiento diferente

dependiendo del valor del parámetro α. Las trayectorias del oscilador armónico conmutable
tienen un amplio rango de comportamiento conforme se modifica el parámetro α.
(a) (b)
(c)
Figure 4.6. Evolución dinámica del oscilador armónico conmutable =1 x 2 para α = 3.8 y x(0) = 0.9,
ẋ 0=0 en los tiempos (a) t=100, (b) t =300 y (c) t= 1000.
121
Dicho comportamiento dinámico va desde lo asintóticamente estable a tener un ciclo límite

simple, un ciclo límite mas complejo y hasta llegar al caos, es decir, la periodicidad del
sistema dinámico es infinita. Estos comportamientos se alcanzan conforme α va de 0 a 4.
La figura 4.6 muestra tres diferentes casos de α y mismas condiciones iniciales de
=
{2i−1=1
2i =1x t 2i−1  , 0≤≤4 } (4.2.3)
Cuando 3.45 el comportamiento del oscilador armónico conmutable podría ser caótico
y la trayectoria va llenando toda la región, es decir, se convierte en una trayectoria ergódica
al tomar todos los estados posibles dentro de una región determinada. Los teoremas
expuestos en [6] y [7] muestran que para estos valores de α, el mapa de Poincarè discreto en
una dimensión en la región de (0,1) por si mismo podría ser caótico; luego entonces, la
trayectoria continua en dos dimensiones generada por el oscilador armónico conmutable
también puede decirse que es caótico sobre las mismas bases.
La figura 4.6 muestra la evolución del caos para =3.8 y x 0=0.9, ẋ 0=0 en tiempos
diferentes. La figura 4.7 muestra un comportamiento caótico para diferentes valores del
parámetro α, α = 3.5, 3.8, 4.0 y x 0=0.9, ẋ 0=0 . Conforme el parámetro α tiende a 4, el
sistema evoluciona de forma que crea una región densa en forma de anillo y no se acerca al
punto de equilibrio, que es el origen. Al llegar α a 4, no queda ninguna zona vacía al interior y
se dice que se llegó a un estado ergódico. La simplicidad de este modelo es tal que cada
ciclo de la trayectoria es construido solamente por ¾ de un círculo (estado S 2i-1) y ¼ de una
elipse (S2i); además, cada trayectoria es determinística y es posible calcular cualquier punto
de manera analítica en cualquier momento después de establecidas las condiciones iniciales.
122
Capítulo 4
(a) (b)
(c)
Figure 4.7. Evolución dinámica de un oscilador armónico conmutable en el régimen caótico =1x 2
(a) α = 3.5, (b) α = 3.8 y (c) α = 4.0 y x 0=0.9, ẋ 0=0 .
La figura 4.8 muestra los valores de la posición instantánea x(t) y la velocidad ẋ 0 del
oscilador armónico conmutable y los valores promedios de la posición y la velocidad son
diferentes a cero al evolucionar el sistema al infinito. La velocidad promedio tiene un pequeño
valor positivo, mientras que el promedio de la posición es negativo al infinito. Esto es debido
123
al hecho de que cada tiempo de transición a través de las diferentes regiones de

conmutación dependen de la frecuencia natural en el momento, la cual toma diferentes
valores en cada etapa. El tiempo que toma una revolución Trev de ir de un punto P(ti) a P(ti+3)
para un oscilador armónico conmutable esta dado por,
3 
T rev =  (4.2.4)
2 2 2i
(a) (b)
(c)
Figure 4.8 Valores promedios de la posición y la velocidad de un oscilador armónico conmutable en régimen
caótico con α = 4.0, (a) Posición, (b) Velocidad y (c) valor promedio en la escala de tiempo de [0,10000]
3
El término del tiempo de revolución es una constate que representa la suma de los
2
tiempos de transición de la posición x(ti) a x(ti+1) y de la posición x(ti+2) a x(ti+3). El segundo
124
Capítulo 4
término es la transición del punto P (ti+1) a P(ti+2). Para x(ti+1) cercano a (-1) la frecuencia
natural ω en el cuadrante IV es cercano a cero y el tiempo de transición de x(t i+1) a x(ti+2) es
grande, entonces x(t), ti ≤ t ≤ ti+2 es negativo y la posición promedio tiene un pequeño valor
negativo en todos los tiempos, pero el promedio de la velocidad es positivo. Cabe hacer notar
que en un oscilador armónico estándar el promedio de la posición y la velocidad es cero.
Es claro a partir de estas figuras que el atractor caótico extraño ( ω-limite) de las trayectorias
de un oscilador armónico conmutable es independiente de las condiciones iniciales para x(0)
variando desde –β a , β donde β = (1 + 1/ α). Un sistema con α= 4 produce un
comportamiento caótico comenzando en una condición inicial hasta un valor de β = 1.25.
También la serie de ω-limite de un oscilador armónico conmutable depende continuamente
de las variaciones de α para casi todos sus valores. La figura 4.x muestra dos casos de
atractores extraños para α= 3.9 y condiciones iniciales de x 0=0.5 ; ẋ 0=0 y
x 0=1.24 ; ẋ 0=0 , y aún comenzando cualquier trayectoria por debajo del valor de 1.25
se sigue un comportamiento caótico similar.
(a) (b)
Figure 4.9 Plano fase de un oscilador armónico conmutable para α = 3.9 y condiciones iniciales (a)
x 0=0.5, ẋ 0=0 y (b) x 0=1.24, ẋ 0=0
125
4.2.2 Otros tipos de caos basados en un oscilador armónico conmutable.
El atractor extraño puede aparecer en un oscilador armónico conmutable no solamente para

una frecuencia definida por la ecuación siguiente, pero también con otras definiciones de la
misma. Por ejemplo, consideremos una frecuencia un poco diferente a la formula original.
Caos aparece para frecuencias naturales dadas por la ecuación
=
{
2i−1
2
2i =1x t 11  } (4.2.5)
para 66.75 y, en este caso, la figura 4.10 muestra el comportamiento dinámico con
frecuencias naturales determinadas de la forma descrita arriba.
(a) (b)
Figura 4.10 Plano de fases de un oscilador armónico conmutable modificado dado por la ecuación X para (a) α
= 6.3 y (b) α = 6.75 y condiciones iniciales x 0=0.9, ẋ 0=0
Otros casos de comportamiento caótico se muestra cuando la frecuencia natural en S 2i está

dada por,
{ }
 ;−0.5≤x t i1 0
= 1−x t i1  (4.2.6)
;−1 x t i1 −0.5
−x t i1 
Cuando α=2, el mapa de x(ti) en x(ti+3) coincide con el mama de Bernoulli unidimensional
126
Capítulo 4
definido por
{ }
2i , x i=0.5
x i1= 0, x i 0.5 (4.2.7)
2i x i  , 0.5x i1
y la dinámica completa tiene un comportamiento un poco diferente, pero aún caótico. La
evolución continua del sistema correspondiente a este caso se muestra en la figura 4.11.
(a) (b)
(c)
Figura 4.11 Evolución del atractor extraño para la frecuencia dada por ecuación 4.x con α = 0.8 y un mapa de
Bernoulli sobre el semi-eje negativo de la posición en (a) t=500, (b) t=1000 y (c) t=2000.
127
Cuando α sobre pasa ciertos límites definidos por el mapa, el comportamiento caótico es
destruido por inestabilidad. La figura 4.12 muestra dos diferentes formas de destrucción de
caos para frecuencias dadas. La destrucción del caos para la frecuencia dada por la
ecuación 4.X (7) y valores iniciales x(t) > 1.25 parece a la condición cuando el oscilador
armónico se vuelve inestable. En este caso, la trayectoria hace un número infinito de
rotaciones con amplitudes que se incrementan rápidamente. Para una frecuencia dada por la
ecuación 4.X (10) y valores iniciales mayores que  

1
1

haciendo que la trayectoria se
vaya directamente a -∞, lo cual es un comportamiento cualitativamente diferente.
(a) (b)
Figura 4.12 Destrucción de caos en un oscilador armónico conmutable con (a) frecuencia dada por ecuación 4.x
y valores iniciales x(0) > 1.25 y (b) frecuencia dada por ecuación 4.x y valores iniciales x(0) > 1.0.
4.2.3 Oscilador armónico conmutable con transiciones aleatorias
Ahora consideremos el sistema dinámico conmutable descritas por
S=
{ S a : ẍx=0 x ∈ℜ , ẋ∈Q a : I − III
2
S b : ẍb x=0 x∈ℜ , ẋ ∈Q b : IV } (4.2.8)
y condiciones de conmutación dadas por la ecuación determinística
128
Capítulo 4
{
L= La , b : ẋ=0
Lb , a : ẋ0 } (4.2.9)
Sin embargo, la frecuencia natural de Sb está definida por la ecuación

2
b = z1− x 0  (4.2.10)
donde x0 es el valor de la posición del péndulo en Lab en el momento de la conmutación.
donde x0 es el valor de la posición del péndulo en Lab en el momento de la conmutación.
En el caso determinístico aparece el caso en el péndulo conmutable para α = 4.

Consideremos el caso en el caso en que α es una variable aleatoria con función de
distribución de probabilidad g(x) en la región [a,b].
Cuando el parámetro α(z), y por lo tanto la secuencia de frecuencias naturales en el

cuadrante IV, está definida aleatoriamente, la dinámica para esté sistema conmutable puede
ser modelado como una cadena de Markov.
S a⋅S b⋅S a⋅S b⋅ ⋅ ⋅ (4.2.11)
Cuando la frecuencia natural en Sa es a =1 con probabilidad P(z) = 1.
(a) (b)
Figure 4.13 (a) Comportamiento caótico de un oscilador armónico aleatorio conmutable para α(z) con una
función de distribución de probabilidad uniforme entre [0,4] y (b) valores de α(z).
129
/a) (b)
Figure 4.14 (a) comportamiento caótico de un oscilador armónico aleatorio conmutable para α(z) con una
función de distribución de probabilidad con una norma de 3.5 y varianza de 0.5 y (b) valores de α(z).
Cada sub-sistema de conmutación tiene un valor diferente de α(z) , y es posible usar el valor
esperado para remplazar el parámetro asignado aleatorio (longitud, en el caso de un péndulo
conmutable) y definida la frecuencia natural actual en el cuadrante IV.
b
 =∫  z  d  z 
E []=  (4.2.12)
a

 es el valor promedio de un gran número de transiciones y g(z) es la función de
distribución de probabilidad de α(z) . Así que, basado en el valor promedio, es posible
caracterizar el comportamiento de acuerdo a los modelos analizados anteriormente. Si 
 es
menor que 1.0, el sistema es asintóticamente estable; para 
 entre 1.0 y 2.5 el sistema
tiene un ciclo límite; entre 2.5 y 3.6 un ciclo límite doble y entre 3.6 y 4.0 tiene un
comportamiento caótico. Por encima de 4.0 el sistema es inestable. Estos números
provienen del hecho de que la dinámica de la conmutación en sí está basada en un mapa
caótico, en este caso el mapa de Poincarè, y el valor de α define el comportamiento dinámico
como se explica en [6] y [7].
La función de distribución de probabilidad puede ser definida como se desee. Ahora

consideremos una función de distribución de probabilidad uniforme definida entre 0 y 4.0. La
figura 4.13 muestra un oscilador armónico conmutable con la serie de α(z) basada en una
130
Capítulo 4
función de distribución de probabilidad uniforme definida de 0 a 4.
Si usamos ahora una función de distribución de probabilidad de tipo gausiana y centrada en

3.5 con una varianza de 0.5, entonces el sistema se comportará de una forma
cualitativamente diferente. La figura 4.14 (a) muestra la evolución de un oscilador armónico
aleatorio conmutable y en (b) los valores que el valor de α(z) tomó en esa simulación. De
hecho, es posible variar el tipo de distribución de probabilidad y así obtener diferente
comportamiento caótico dependiendo de como se defina el valor de α(z).
4.2.4 Estabilizando el caos en un oscilador armónico conmutable
Consideremos un sistema dinámico conmutable determinístico con una frecuencia natural ω i

y sujeto a una energía externa u tal que,
2 2
S i : ẍi x=u , x ∈R ,x , ẋ ∈i ∈ R (4.2.13)
Considerando que u es un término proporcional a la velocidad, u= ẋ , donde β es un valor

escalar. Variando u es posible estabilizar la dinámica caótica al origen, el punto estable. Los
resultados de las simulaciones muestras como una pequeña retroalimentación tiene grandes
efectos en el comportamiento dinámico del oscilador armónico conmutable, tal y como la
teoría del caos predice. La figura 4.15 muestra el efecto de la retroalimentación de la
velocidad con pequeños valores de la constante de retroalimentación
131
(a) (b)
(c)
Figura 4.15. Efectos de pequeña retroalimentación de la velocidad en el oscilador armónico conmutable
(a) β = 0, (b) β = 0.01 y (c) β = 0.03
Al aumentar la constate de retroalimentación β, la trayectoria invierte su comportamiento

caótico reduciendo su periodicidad desde el caos, con periodicidad infinita, a un doble o
simple periodo. La figura 4.16 muestra como al llevar β de 0.05 a 0.10 la trayectoria llega a
un ciclo límite sencillo alejado de su comportamiento caótico original. Notamos que a pesar
de que los incrementos de la constante de retroalimentación son pequeños, los efectos en el
132
Capítulo 4
comportamiento dinámico son considerablemente visibles. La figura 4.17 muestra como el

valor de β va de 0.2 a 0.5 cuando el ciclo límite empieza a contraerse hacia el origen o punto
de equilibrio. Este es un comportamiento muy interesante que muestra como la
retroalimentación puede estabilizar al sistema caótico y reducir el tamaño del ciclo límite.
(a) (b)
(c)
Figura 4.16. Retroalimentación en el oscilador armónico conmutable caótico, (a) β = 0.05, (b)β = 0.08 y (c)β =
0.10
133
(a) (b)
(c)
0.50
Al seguir aumentando el valor de β el comportamiento dinámico del sistema originalmente

caótico se vuelve asintóticamente estable en su punto de equilibrio usando pequeños valores
de retroalimentación de la velocidad solamente. Este resultado es sumamente importante en
estabilización de sistemas caóticos conmutables y potencialmente es de aplicación en otros
sistemas caóticos.
134
Capítulo 4
Si esta constante β de retroalimentación de la velocidad es de un valor superior, esto solo

hace que la trayectoria se aproxime mas rápidamente al equilibrio. La figura 4.18 ejemplifica
como la trayectoria entra a una región de atracción entre el área alrededor del equilibrio y el
ciclo límite.
(a) (b)
(c)
1.00
135
Ahora consideremos la estabilización del caos en un oscilador armónico conmutable usando

retroalimentación de la posición. En este caso, el término de energía externa u en el modelo
dinámico del sistema está dado por,
2 2
S i : ẍi x=u= x x ∈R , i ∈ R (4.2.14)
β es un valor escalar.
Para el caso de la retroalimentación de la posición, la dinámica que describe al sistema

queda como,
2
S i : ẍ i x=− x
(4.2.15)
S i : ẍ2i 2  x=0
Está nueva dinámica muestra que hay una nueva definición de la frecuencia natural que es
afectada por la retroalimentación de la posición en el sistema caótico. Debido al hecho de
que la frecuencia natural original del oscilador armónico conmutable está definida en forma
de segmentos, entonces el efecto de la retroalimentación será diferente dependiendo de la
región actual en la que se encuentre el sistema. Ahora, considerando que la
retroalimentación de la nueva frecuencia natural está definida como,
{ }
2
= 2i−1
2
=1−
2 (4.2.16)
2i = 1 x t i 1  −
como para todos los casos ω tiene que ser positivo y real, entonces para 2i−1 , β < 1. Para
2
la segunda región,  1 x t i1   , por lo que para todo β < 0 ambas condiciones se
cumplen y debido a que x t i 1  es el punto de conmutación de la región I a la región II y
puede tomar cualquier valor entre [0,-1], cualquier β positivo fallará las condiciones descritas
arriba. Así que solo β negativo funcionará en esta caso para crear un efecto en la dinámica
del sistema.
Al hace β mas negativo, la evolución del oscilador armónico conmutable lleva su trayectoria
a un ciclo límite y no a un punto de equilibrio. Se nota que para pequeños valores de β, el
efecto es similar a la retroalimentación de la velocidad. La figura 4.19 muestra algunos
136
Capítulo 4
ejemplos de pequeños valores de la retroalimentación de la posición.
(a) (b)
(c)
Figura 4.19. Retroalimentación de posición en un oscilador armónico conmutable caótico. a) β = -0.02, (b) β =
-0.05 y (c) β = -0.08
Cuando el valore de β se incrementa, el comportamiento dinámico del sistema se va a un

ciclo límite que crece solamente a lo largo del la dirección de la velocidad, mientras que la
posición se mantiene dentro de sus límites normales. La figura 4.20 muestra ejemplo de la
137
retroalimentación de posición con valores relativamente grandes.
(a) (b)
(c)
Figura 4.20. Retroalimentación de posición en un oscilador armónico conmutable caótico. a) β=-0.10, (b) β=-
0.50 y (c) β= -1.00
Obviamente existen diferencias entre la retroalimentación de la velocidad y la posición en su

efecto a l sistema del oscilador armónico conmutable caótico. La retroalimentación de la
velocidad lleva la evolución de la trayectoria a un punto de equilibrio, mientras que la
retroalimentación de la posición lo lleva a un ciclo límite. Combinando ambos tipos de
138
Capítulo 4
retroalimentaciones es posible generar comportamiento aún mas complejo e intentar hacer

que el sistema se estabilice inclusive en un punto cualquiera. Esto es un trabajo a futuro.
4.3 Simulaciones cinemáticas y dinámicas de micromecanismos
Para realizar las simulaciones computacionales de los mecanismos propuestos se han

utilizado diferentes herramientas dependiendo de lo que se pretende. Por ejemplo, se ha
utilizado matlab para hacer la simulación primera del mecanismo híbrido de un CNC debido a
la cantidad de librerías o toolboxes disponibles para intentar diferentes configuraciones; sin
embargo, matlab es un programa que requiere de una licencia que es considerablemente
costosa cuando se van agregando componentes y realmente no es tan viable tomando en
cuenta las restricciones económicas y de trabajo en México.
Por este motivo, las herramientas usadas en simulaciones se fueron concentrando en el uso
de software libre. Particularmente herramientas como Ptolemy para el desarrollo de sistemas
híbridos y el lenguaje de programación python han sido extensivamente usados en estos
modelos.
La parte esencial de una simulación es tener claro cual es el modelo matemático que
deseamos reproducir dentro de la computadora, cuales son las variables que deseamos
analizar y cual es la estrategia a usar en la manipulación de las variables.
4.3.1 Simulación de una micro máquina CNC
La modelación y simulación de una micro máquina es una tarea compleja pues, al igual que
una máquina convencional, las fuerzas que interactuan en la misma tienen entre sí gran
relación, se generan retardos y retroalimentaciones a través de diferentes formas. Podemos
mencionar entre las fuentes que agregan cierta complejidad a la dinámica de la máquina a
las fuerzas de corte, los lazos de vibración y los elementos de transmisión de movimiento.
139
En este trabajo se va a presentar un ejemplo de simulación para una micro máquina como la
mostrada en la figura 3.17 en el capítulo anterior. La mayoría de los modelos matemáticos de
simulación fueron tomados de [11]. La máquina a simular se toma a partir del diseño
propuesto de una micro fresadora y tiene las siguientes características:
Micro máquina de corte de tres ejes de movimiento lineal ortogonales entre sí.
Maximos deplazamientos lineales:
X: 80 mm Y: 40 mm Z: 30 mm
Velocidades de desplazamiento máximos:
Vx: 100 mm/s Vy: 100 mm/s Vz: 80 mm/s
A partir de la construcción del prototipo, se han medido los pesos de cada uno de los
componentes de la mesa. Los valores de las masas son:
mx = 460 grs my = 210 grs mz = 75 grs
La pieza de trabajo promedio será de 30 grs
El paso de los tornillos usados para cada ee es de 1 mm/ revolución y su diámetro es de 1/8''
o 3.175 mm. El tornillo mas largo para el eje x tiene un peso de 8 grs, mientras que para los
otros ejes el peso del tornillo es de 6 grs.
Las inercias axiales J para cada uno de os ejes del tornillo se estimaron a partir de la
consideración que el tornillo tiene una geometría cilíndrica. Los valores de inercia de los
tornillos son:
Jtx = 40.3225 grs mm2
Jty = Jtz = 30.2418 grs mm2
Vamos a considerar, siguiendo la norma en estos casos, que el coeficiente de fricción de las
guías con la mesa es μgf = 0.1
La escala de reducción propuesta entre el motor y el tornillo es de 14:1, rg = 0.071
140
Capítulo 4
Consideraremos que la fricción viscosa es prácticamente cero, B ≈ 0 y que la fuerza normal

que afecta el movimiento de los ejes es alrededor del 10% de la fuerza de corte generada.
El siguiente dato que necesitamos es la fuerza dinámica de corte máxima. Este valor se va a
tomar considerando una operación de corte de una pieza de trabajo de alguna aleación de
aluminio (por ejemplo 6061-T6), lo cual es un trabajo estándar y ligado al posible diseño del
concentrador solar analizado en este trabajo.
Para el análisis de las fuerzas de corte se requieren de diferentes parámetros que dependen
de las condiciones específicas de operación. Para esta demostración vamos a asumir lo
siguiente:
La herramienta de corte tiene dos cortadores con un diámetro total de 1/32'' o 0.79 mm. Con
un ángulo de entrada de corte a 0 grados y de salida de 135 grados girando a 200 RPM.
Las constantes de corte usadas en la simulación dependen del tipo de material que se usa y
normalmente se obtienen de manera experimental y representadas en tablas de operación,
las usadas en este trabajo consideran el maquinado de Aluminio 6061-T6 y fueron obtenidas
de [12]:
Constante en la dirección tangencial, Ktc = 693.8 N/mm2

Constante en la dirección radial, Krc = 274.05 N/mm2
Constante de borde en la dirección axial, Kte = 19.98 N/mm
Constante de borde en la dirección radial, Kre = 10.74 N/mm
Al ejecutar el programa de simulación para encontrar las fuerzas involucradas en el corte,

encontramos las gráficas de fuerza mostrados en la figura 4.21 y 4.22.
141
Figura 4.21. Fuerza de corte para la simulación de una micro máquina.
142
Capítulo 4
Fig. 4.22. Fuerza distribuida al giro de la herramienta de corte.
La máxima fuerza de corte generada es de 50.47 N. Este valor se tomará en cuenta para el
modelo dinámico el cual considera que la fuerza máxima vertical es el 10% de la fuerza de
corte; en este caso sería Fz = 5.47 N.
Calculando ahora las cargas estáticas y dinámicas de los ejes, tenemos,

Eje X Eje Y Eje Z
Cargas estáticas
Tgf – Torque debido a la fricción 8.80E-004 8.41E-4 8.20E-4 Nm
Tlf – Torque debido a pérdidas en baleros 4.01E-4 4.01E-4 4.01E-4 Nm
Tf – Torque reflejado en el tornillo 8.03E-3 8.03E-3 8.03E-3 Nm
Ts – Torque estático total 9.31E-003 9.27E-003 9.25E-003 Nm
Tsr – Torque total reflejado en el motor 6.63E-4 6.62E-4 6.61E-4 Nm
Cargas dinámicas
Jtw – Inercia de la mesa y pieza de trabajo 1.24E-008 6.08E-9 2.66E-9 Kgm2
Jl – Inercia del tornillo 1.01E-8 7.56E-9 7.56E-9 Kgm2
Je – Inercia total reflejada en el motor 1.11E-009 1.07E-9 1.05E-9 Kgm2
143
Como puede apreciarse, los valores de las fuerzas y torques generados son muy reducidos
debido a la escala de trabajo. Para consultar el cálculo de estos valores puede verse [11 pp.
160-163].
Para la generación del movimiento se propone el uso de motores a pasos los cuales tienen
dos polos y cuya dinámica electromagnética quedará fuera de este ejercicio de simulación.
Desde el punto de vista mecánico la dinámica total de cada eje será descrita como,
d t 
T m t = J e  B t T s t  (4.3.1)
dt
donde Je es la inercia dinámica total reflejada al motor, B es la fricción equivalente (que
puede ser solo la fricción viscosa) y Ts es el torque de perturbación estática reflejado al
motor.
La función de transferencia para el eje Y que solo carga la pieza de trabajo, se encuentra
tomando en cuenta la señal de entrada al motor del eje es de la forma,
V  s=G p sU s
1 (4.3.2)
G p s=
J e s B
Tomando en cuenta la aplicación de un control básico tipo PID como primera aproximación,
entonces tenemos el siguiente diagrama a bloques,
Figura 4.23 Diagrama a bloques del control PID de un solo eje de movimiento de una micro máquina de corte.
La cual al reducir los lazos queda como,
144
Capítulo 4
K P R K eq  K  S K  I 
Gy = 2
p
LC
S  JS S  B K eq K   K P R K eq  K  S K  I 
p p
(4.3.3)
K P R K eq  K  S K  I 
= 3 2
p
JS S  BK eq K  S  K eq K  I  K P R K eq K   K P R K eq K  I 

p p
Donde G y es la función de transferencia directa. G y es la función de transferencia en

0 0
lazo cerrado. Keq es la ganancia natural de la planta y en nuestro caso diremos que Keq = 1.
La cual requerirá de sintonización para cada uno de los ejes de movimiento. Regularmente
en la práctica se eligen los parámetros de control de forma que el control proporcional de una
buena velocidad de respuesta sin que genere sobre pasos de señal y menos inestabilidad, el
control integral es relativamente pequeño para compensar los errores acumulativos y se deja
hasta el final el control derivativo como parámetro de optimización.
Utilizando un modelo muy sencillo de simulación con una simple función de transferencia
para encontrar la respuesta modificando los valores de las constantes de control, de forma
que la entrada sea la misma que la salida, es decir, con ganancia unitaria. Considerando que
R=14, Keq = 1, Jeq=1.11e-9, y B ≈ 0, es posible ir optimizando los valores de Kp, Kωp y Kωi.
Al reemplazar los valores encontrados para cada eje tenemos que la representación de la
planta de control quedará como:
0.01s0.7e-4
G ycl = 3 2 (4.3.4)
1.11e-9 s 0.1e-3 s 0.01s0.7e-4
Esta planta, junto con las perturbaciones, puede incluirse en el modelo del sistema híbrido de
la operación de la micro máquina. La figura 4.24 muestra la construcción de los estados de la
máquina de estados finitos que representa la operación de la micro fresadora.
145
Figura 4.24. Representación del modelo de sistema híbrido de una micro máquina CNC.
Cada uno de los estados contiene la dinámica que representa localmente su

comportamiento.
146
Capítulo 4
Figura 4.25. Modelo de simulación dentro del sistema híbrido.
La figura 4.25 muestra la planta usada para cada uno de los ejes en las simulaciones. Esto
es en realidad solo un ejemplo de lo que se puede hacer para sintonizar el control de la micro
máquina antes de que se use. Sin embargo, el control definitivo se hace ya con la micro
máquina real.
Este tipo de modelos de simulación permiten agregar y quitar elementos, modificar la

estructura del control y permitir diferentes tipos de análisis y perturbaciones dentro del
sistema a analizar. La figura 4.26 muestra por ejemplo algunos resultados de la simulación
del sistema mostrado en 4.25. El comando de movimiento es a 10 mm y la velocidad que
alcanza es un pico de 100 mm/s, los resultados muestran ciertas oscilaciones de la velocidad
cuando se compensa la no linealidad de la fricción.
Este procedimiento puede usarse para modelar cualquier tipo de micro mecanismo y estudiar
su control antes de ser construido. Estos resultados permiten optimizar mejor la micro
máquina y permitir identificar posibles fuentes de error, problemas de diseño o inclusive
fuentes de inestabilidades que pudieran inclusive dañar los componentes mecánicos.
147
La mejora de los diseños y del control es una tarea constante dentro de las micro máquinas y
es por eso que el desarrollo de herramientas de simulación y análisis se vuelven de suma
importancia. Además, es necesario crear bibliotecas de estos algoritmos e implementaciones
con el fin de acelerar nuevos desarrollos y la transferencia de las experiencias a nuevos
participantes dentro del proceso de desarrollo de estos proyectos.
Figura 4.26. Resultados de simulación del sistema mostrado en 4.25 y un comando de posición de 10 mm
148
Capítulo 4
Referencias
[1] Alligood, K.T. Chaos: an introduction to dynamical systems., Springer-Verlag, New York,
1997.
[2] Gutzwillez, M. Chaos in classical and Quantum Mechanics., Springer-Verlag, New York,
LLC, 1990.
[3] Lorenz, E. The Essence of Chaos, University of Washington Press. 1996.
[4] Gollub, J. P. and Baker, G. L. Chaotic dynamics, Cambridge University Press.1996.
[5] May, R.M. Simple Mathematical model with very complicated dynamics, Nature, 261:459,
1976.
[6] Li, T. Y. y Yorke, J. A. Period three implies chaos, The American Mathematical Monthly,
82(10):985–992, 1975.
[7] Sharkovskii, O. M. Co-existence of cycles of a continuous mapping of a line onto itself,

Ukranian Math. Z. 16, 61-71, 1964.
[8] Devaney, R. L. An introduction to chaotic dynamical systems, Westview Press, New York,
LLC, 2003.
[9] Nossov, V. R., Dominguez, H. y Ortega, J. A. Estabilidad de un péndulo con

conmutaciones, Memorias del III Congreso Internacional en Matemáticas Aplicadas, pages
245–252. Instituto Politecnico Nacional, 2007.
[10] Guckenheimer, J. y Holmes, Ph. Nonlinear Oscillations, Dynamical Systems and

Bifurcations of vector fields, Springer Verlag, New York, 2002.
149
[11] Altintas, Y. Manufacturing automation. Cambridge University Press. 2000
[12] Xu, M, Jerard, R.B. Y Fussell, B.K. Energy-based cutting force model calibration for
milling. Computer-aided design and applications, Vol. 4, Nos. 1-4, 2007, pp 341-351.
150
Capítulo 5
CAPÍTULO 5
DISEÑO E IMPLEMENTACIÓN DE MICROMECANISMOS DE

5.1 Diseño mecánico de una micromáquina

En este punto se describe el diseño y la construcción de una micro máquina tipo fresadora.
La filosofía ocupada en esta actividad está basada en la minimización de costos y
maximización de la eficiencia de la máquina. Además de que se intenta probar la idea de que
es posible construir este tipo de máquinas en talleres pequeños de desarrollo científico y
tecnológico.
Los componentes de la micro máquina fueron maquinados prácticamente de forma artesanal

en tornos y fresadoras de un pequeño taller. La construcción se realizó en latón por ser un
material de fácil acceso y de bajo costo y la fabricación fue hecha de manera artesanal con el
fin de tener cierta flexibilidad en el prototipo y que sirviera de buen ejercicio didáctico en esta
investigación.
Figura 5.1 Vistas de la micro fresadora desarrollada como prototipo de micromáquina.
151
Diseño e implementación de micro mecanismos para el ensamble automático de colectores solares modulares
La micro fresadora es de tipo cartesiano con tres ejes de movimiento, todos ortogonales
entre sí, los cuales están controlados con motores a pasos y una caja de engranes que
aumentan el torque de los motores.
Los motores usados en esta micro máquina también fueron hechos en el laboratorio. La
figura 5.2 muestra algunas fotos del proceso de fabricación de los mismos. Se trata de
motores a pasos con dos polos los cuales son relativamente fáciles de controlar. Los rotores
están hechos con un par de imanes permanentes, mientras que los estatores tienen cuatro
devanados que generaran el campo magnético que mueve al motor.
(a) (b)
(c)
Figura 5.2. Vistas de la fabricación de los motores a pasos para la micromáquina. (a) soporte del estator, (b) con
los devanados del estator y (c) el ensamble completo del motor
152
Capítulo 5
Cada uno de los ejes está movido a través de un tornillo hecho en el laboratorio con un paso
de 1 vuelta por milímetro. Esto permite que los pasos sean fáciles de calcular en el sistema
métrico y facilita el control y análisis.
Figura 5.3 Tornillos de uno de los ejes de movimiento de la micromáquina.
Cada uno de los ejes restringe la dirección de su movimiento mediante un canal en forma de
'V' que permite su deslizamiento en una sola dirección. El maquinado de este canal se
realizó con una herramienta de corte hecha en el laboratorio y una fresadora de control
numérico. De forma que se asegura el paralelismo de las dos guías en un eje. Los problemas
de paralelismo en máquinas herramienta en general son fuentes importantes de errores.
Figura 5.4. Guías de movimiento de los ejes de la micro fresadora.
153
Figura 5.5. Diagrama de los componentes mecánicos de un eje simple de la micro fresadora.
El mecanismo final tiene una relación de engranes de 14:1 desde el motor, la razón del paso
del tornillo es de 1 mm por vuelta, el motor a pasos es de cuatro fases, es decir, cuatro pasos
por vuelta, por lo que la resolución del movimiento de este mecanismo es de 17.85 micras
por paso. Lo cual es suficientemente preciso considerando que puede existir un error de ±20
micras en el movimiento. Lo requerido en este caso, y dado las restricciones del proceso de
manufactura del mecanismo es un movimiento con una precisión de 50 micras.
154
Capítulo 5
5.2 Diseño del control electrónico de una micromáquina

El control electrónico de los mecanismos está basado en un diseño modular y de bajo costo.
El control actual está basado en un micro controlador del tipo PIC de 8-bits modelo
PIC16F648 con un reloj a 20 Mhz y 4Kb de memoria EEPROM, servicios de interrupciones,
tres temporizadores (uno a 16-bits y dos a 8-bits) y una serie de instrucciones reducidas
permitiendo un mejor rendimiento en la ejecución de los programas. Además tiene dos
puertos de entrada/salida de 8 bits cada uno, con posibilidad de direccionar los puertos de
manera independiente.
La figura 5.6(a) muestra a grandes rasgos los componentes que forman parte del control
electrónico. El control e interface con el usuario está en la PC, la cual se comunica con el
micro controlador vía seria y enviando los comando de control a cada uno de los ejes. La
tarjeta de control envía las señales al sistema de potencia que a su vez manda la corriente
requerida a los estatores de los motores a pasos que se están usando en este prototipo.
Cabe mencionar que se utilizó una tarjeta de desarrollo para hacer el prototipo y que se
planea como un trabajo a futuro la mejora del control electrónico de forma que fácilmente
pueda integrarse a una micromáquina. El diseño de la tarjeta electrónica personalizada a una
micromáquina, es decir de dimensiones no mayores a 30 mm x 30 mm, también está
pendiente como un trabajo futuro.
La comunicación con este micro controlador se hace a partir de un puerto serial de tipo
USART que contiene registros dedicados para el almacenamiento temporal de datos y el
manejo de las interrupciones y banderas que permiten el manejo de dicha comunicación
serial. Este micro controlador requiere de circuitos externos para hacerlo compatible con
protocolos de comunicación serial como RS-232, RS-422 o RS-485. La figura 5.6(b) muestra
un diagrama esquemático aproximado de la tarjeta de control electrónico usado para las
pruebas preliminares en este desarrollo.
155
El control de potencia hacia los motores a pasos se hace con otros dispositivos. En nuestro
caso se usan transistores de potencia conectados en un puente tipo 'H' de hasta 2 amperes
para los motores a pasos.
(a)
(b)
Figura 5.6.(a) Diagrama a bloques del sistema de control y (b) Diagrama esquemático de la tarjeta de control de
156
Capítulo 5
movimiento.
Una vista general del hardware usado se muestra en la figura 5.7. La tarjeta de desarrollo
contiene un micro procesador PIC de bajo costo, la cual está conectada a la PC vía seríal
RS-232 y a la tarjeta de control de potencia hacia los motores a pasos. Todo este prototipo
será optimizado en trabajos futuros usando un micro procesador con mayor capacidad de
computo y en una tarjeta electrónica diseñada para que ocupe un tamaño mínimo, la
comunicación con la PC se cambiará a tipo USB de alta velocidad y la potencia se ajustará al
tipo de micro motores usados en las micro máquinas.
Figura 5.7 Vista de las tarjetas de control del sistema de movimiento.
Este trabajo fue realizado en colaboración con el departamento de computación del centro de
investigación y estudios avanzados del instituto politécnico nacional (CIVESTAV-IPN) como
parte de un proyecto de desarrollo de un sistema de inspección automática de la deformación
térmica residual en tarjetas electrónicas (PCB) usando un sensor láser, bajo la tutela del Dr.
Adriano de Luca Penaccia [12]. Este proyecto fue financiado por el CINVESTAV-IPN.
157
5.3 Diseño del programa de control de movimiento
5.3.1 Diseño del hardware de control de movimiento.
Se propone un sistema de control modular y escalable que cubra los requerimientos mínimos
del problema. El sistema de control de movimiento estará separado del sistema de control y
adquisición de información del sensor láser, con el fin de minimizar las tareas del controlador.
Los cálculos de mayor peso serán realizados en la PC, enviando solo comandos básicos a
las tarjetas de control correspondientes.
El control de movimiento será realizado en una cadena tipo daisy, en donde los controles se
conectarán en forma serial escuchando el mismo bus de datos, como se muestra en la figura
5.8. Cada control tendrá a su cargo de 1 a dos ejes independientes y la comunicación con la
PC se realizará con un protocolo establecido. El protocolo de comunicación serial de la PC a
los controles de movimiento será formado por 6 bytes descritos en la tabla 1.
Tabla 1. Descripción de los datos usados para la comunicación entre la PC y los controladores
BYTE DESCRIPCIÓN
ACK Acknowledge o reconocimiento. 0xFF
ID | EJE Número de identificación del controlador y número de
eje a recibir el comando. Medio byte por cada dato.
CMD Número de comando
OPT1 Opción 1 del comando. 0XFF si no tiene esta opción el
comando.
OPT2 Opción 2 del comando. 0XFF si no tiene esta opción el
comando.
CRC Verificación del CRC. Se utiliza un XOR para los datos
acumulados.
158
Capítulo 5
Figura 5.8. Topología de conexión en cadena tipo Daisy de los controles de movimiento.
Está topología en cadena tipo Daisy permite la expansión del número de ejes que este
sistema puede manejar. Aunque para la aplicación actual esta topología está sobrada, futuros
desarrollos justifican este desarrollo.
Cada controlador tiene un diseño modular y escalable, lo que permite usar un tipo de tarjeta
de control para una aplicación y poder reemplazarla por otra en caso de requerir mayor
velocidad o rendimiento. La implementación de este prototipo se realizó con un
microprocesador PIC16F458A, el cual es de bajo costo y tiene 4Kb de memoria de programa,
lo cual nos permitió experimentar con diferentes implementaciones. Sin embargo, es posible
usar otro procesador con menos memoria para una implementación final.
La implementación del control de los motores a pasos se dividió en dos diferentes etapas:
desarrollo de las comunicaciones y desarrollo del control de movimiento en sí. Las
comunicaciones se hacen en forma serial creado un flujo de datos a partir de un protocolo
establecido a partir de la idea de escalabilidad del sistema. Cada módulo de control escucha
el bus de datos y si el dato recibido es direccionado para su configuración, entonces recibe el
resto de los datos y los interpreta de forma que pueda realizar la tarea asignada en el
comando enviado. La figura 5.9 muestra el diagrama de flujo de los bloques involucrados en
la comunicación del sistema de control.
159
Figura 5.9. Diagrama de flujo de la implementación del programa de control en la tarjeta electrónica.
La trayectoria del movimiento se hace en un solo eje y es solo una interpolación lineal básica
lo que se calcula, es decir, un movimiento de punto a punto con un perfil de velocidad dado.
En nuestro caso, el perfil de velocidad es de tipo trapezoidal con la finalidad de suavizar la
trayectoria y disminuir el riesgo de pérdida de pulsos de los motores a pasos.
La generación de pulsos se hace a partir del análisis del perfil de velocidad requerido. En
nuestro caso es un trapezoide, el cual permite que el arranque y el final se suavicen. Aunque
es posible usar perfiles de trayectoria aún mas suaves, esto obligaría a resolver ecuaciones
160
Capítulo 5
mas complejas y en nuestro caso hay ciertas restricciones en cuanto al control en tiempo real
y los tiempos de reacción debido al rendimiento del procesador que estamos usando. Este
asunto es en realidad un balance entre rendimiento y costo del sistema y en este momento el
costo es un factor de mayor peso, mientras el rendimiento básico se cumpla.
Figura 5.10. Análisis de generación de pulsos de control para el motor a pasos. El intervalo de tiempo entre
pulsos está definido por la pendiente del perfil de velocidad deseado.
En la figura 5.10 se muestra el perfil de velocidad deseado para un movimiento de punto a

punto con una velocidad específica. En nuestro caso estamos usando motores a pasos, por
lo que N representa el número de pasos de interpolación requerido para la fase de
movimiento. N1 son los pasos en la etapa de aceleración, N2 pasos en la etapa de velocidad
constate y N3 en la desaceleración. El número total de pasos N estará dado por la suma de
todos los pasos en cada una de las etapas del movimiento.
N = N1 + N 2 + N 3 (5.3.1)
El número de pasos requeridos en cada etapa está dado por
161
2
l1 vn
N 1= =
u 2A u
l2
N 2= (5.3.2)
u
2
vn
N 3=
2D u
donde A es la acceleración, vn es la velocidad nominal, D la desaceleración y Δu el
desplazamiento por cada paso del motor.
Para estimar el tiempo entre cada uno de los pasos (k) en cada etapa del movimiento
usamos:
aceleración:
para k=1, N1
v k =  v0 2k A u
2
2 u (5.3.3)
T i k =
v k v k 1
siguiente k
velocidad constante:
para k=1, N2
u
T i= (5.3.4)
vn
siguiente k
En desaceleración:
para k=1, N3
v k = v 2k D u
2
2 u (5.3.5)
T i k =
v k v k 1
siguiente k
162
Capítulo 5
Este algoritmo genera los tiempos entre cada paso, lo que se utilizará para la generación del
movimiento de un punto a otro moviéndose a una velocidad deseada. La figura 5.11 muestra
el cálculo fuera de línea de los pasos y la trayectoria de un movimiento del origen a 150 mm.
El eje secundario de la figura 5.11b muestra la generación de los pasos del motor
relacionado con el tiempo en que cada paso se genera.
perfil de velocidad
120
100
80
vel mm/s
60
40
20
0
0 500 1000 1500 2000
tiempo ms
Posición
200 3500
3000
150 2500
posición
2000
100
1500
50 1000
500
0 0
0 500 1000 1500 2000
tiempo ms
Figura 5.11. Gráficas de generación del perfil de velocidad y la posición que este perfil genera.
Este valor de tiempo se traduce a un valor del timer de 16-bits del microcontrolador
PIC16F648A con un reloj base a 20 Mhz., es decir que cada pulso de reloj corresponde a 50
ns.
163
5.3.2 Diseño de la interface en la PC con la tarjeta de control de

movimiento
El programa en la computadora tiene diferentes módulos que componen su funcionamiento:

comunicaciones, generación del comando, cálculo de la trayectoria e interface de usuario.
Cada módulo es independiente y su implementación está hecha en lenguaje java utilizando
múltiples hilos de programación para cada módulo. La figura 5.12 muestra un diagrama a
bloques con los componentes principales de programación del sistema de control de
movimientos.
Control de Proceso
Interface de usuario
PC
Otras Máquinas
en la celda
Generación de trayectorias
(Microprocesador)
Motores
Secuencia de
Control de
Potencia control de
Moviemiento
motores
Figura 5.12. Diagrama a bloques con los componentes de programación del sistema de control de movimiento.
El protocolo de comunicación es relativamente simple, utiliza los comando descritos arriba en

la tabla 1 para enviar las instrucciones a la tarjeta específica de control de movimiento,
mientras que ésta regresa la información también en un flujo de datos de forma que cada
paquete tiene dentro la información de quien lo envía, a que comando se refiere y el valor
que corresponde a la instrucción requerida. Los comando básicos se dividen en instrucciones
para escribir un dato en la tarjeta, instrucciones para leer algún valor de la tarjeta de control,
e instrucciones de comando de algún evento en la tarjeta, por ejemplo iniciar el movimiento,
164
Capítulo 5
paro de emergencia o reinicio del proceso.
El cálculo de la velocidad se hace en la PC y éste se traduce a un valor del temporizador

interno del microprocesador, el cual va a ser activado en una interrupción que maneja la
palabra de control de los pasos del motor correspondiente. Actualmente, solo una tarjeta de
control controla un solo eje, pero se pretende que una sola tarjeta puede manejar hasta dos
ejes dependiendo de la necesidad de puertos libres.
En esta configuración, la tarjeta de control de movimiento se centra en los cálculos para el

generar la secuencia de palabras de control al puerto en donde está conectado el motor a
pasos que va de una posición inicial a la posición final; mientras que el la PC se van a
generar la generación de la trayectoria, los cálculos de definición de área de inspección en la
tarjeta de prueba y las operaciones de interface de usuario y manejo y procesamiento de
datos posterior a la adquisición. Cada operación tiene un hilo de programación y se corre
independiente, esto permite poder definir prioridades entre cada uno de los hilos de
programación de forma que los procesos mas importantes que impliquen control en tiempo
real puedan ser realizados mas frecuentemente que aquellos que no son tan indispensables.
El mismo programa puede ser cambiado y actualizado a conveniencia debido a la

arquitectura modular y abierta con la que está diseñado. Esto es, en caso de que se desee
cambiar el protocolo serial a algún otro como serial rápido, firewire o ethernet, solo se
requerirá de actualizar las clases que definen los objetos instanciados para tal efecto,
manteniendo las llamadas a rutinas de servicio con el mismo nombre y funcionamiento.
165
Figura 5.13. Módulos del programa de control en la PC
El programa de control de movimiento en la PC debe de generar la estrategia de captura de

datos dependiendo de la operación en particular que se desee realizar. Al mismo tiempo
requiere de la sincronización con el sensor de luz coherente y el software de adquisición de
datos de la medición de la altura de la tarjeta a inspección.
El software de control en la computadora está basado en una combinación de Java y Python.

Se utiliza Java para el control a bajo nivel y comunicación con el hardware, mientras que
python se usa para el cálculo de las trayectorias de alto nivel, la manipulación de los datos y
la generación de salidas y presentación en la pantalla de los resultados. La figura 5.14
muestra la interface de control del usuario hecha en java.
166
Capítulo 5
Figura 5.14. interface de usuario para el control de movimiento de dos ejes
167
5.4 Diseño del ensamble automático de estructuras complejas:

Caso del ensamble automático de un colector solar.
5.4.1 Introducción
Hoy en día fuentes de energía alternativa como la solar están en constante demanda. Un
gran número de proyectos de investigación se concentran en encontrar nuevos métodos para
la generación de energía de manera mas eficiente y barata. Este es el caso de los
concentradores solares, en donde la energía solar se condensa en una región específica.
Este punto caliente puede ser usado tanto para calentar agua como para la generación de
energía eléctrica.
La forma mas común de los concentradores solares es un paraboloide en donde en el foco

se concentra la energía solar. Idealmente, un colector solar concentra mas energía
proporcionalmente al área de colección; esto significa que mas energía se concentra en el
foco. Un disco parabólico de un concentrador, puede generar temperaturas sobre 700 grados
C dirigida a un motor Stirling localizado en el foco [4-6]; sin embargo, la construcción de
concetradores grandes no es fácil y muy costoso al aumentar el área de colección.
Un método alternativo para la construcción de concentradores solares grandes esta

propuesto en [3]. Este método consiste en incrementar el área construyendo celdas
hexagonales, las cuales se forman por espejos planos simples de cara triangular. Este
proyecto se hizo en colaboración con el Centro de Ciencias Aplicadas y Desarrollo
Tecnológico (CCADET) de la UNAM bajo la tutela del Dr. Ernst Kussul.
168
Capítulo 5
5.4.2 Estructura del Colector Solar.
Esta propuesta considera el uso de espejos planos para la creación de superficies

equivalentes a un concentrador parabólico. La idea básica es la de construir pequeñas
unidades hexagonales consistentes en segmentos triangulares hechos con espejos planos
sobre una estructura ajustable, como se muestra en la figura 5.15. El colector completo
puede ser construido a partir de componentes básicos y pequeñas estructuras y su
crecimiento es, de esta forma, lineal.
Espejos
Triángulares
Capa Superior
Capa Inferior
Figure 5.15. Celda hexagonal propuesta por Kussul y otros [4] para formar el colector solar.
La celda hexagonal es dividida en tres zonas, cada zona está formada por un espejo plano
de forma triangular, el cual está orientado de acuerdo al ángulo requerido para el lugar de
foco específico. Esta orientación está determinada por una fórmula parabólica que depende
x2
de la distancia focal y está dada por y= . En general, el número de espejos planos
4F
triangulares sencillos para un área determinada con un número n de zonas concéntricas está
dado por la ecuación
N =6 x n2 (5.4.1)
Donde n es el número de zonas de espejos del colector y N es el número total de triángulos y
esto está descrito en la tabla 5.1. La descripción completa del sistema puede verse en [3].
169
Tabla 5.1. Componentes de diferentes tamaños de colectores solares compuestos por segmentos triangulares.
Número de Número de Lado del Distancia focal Razón de

zonas espejos triángulo (a) (F) concentración η
(n) (N) (metros) (metros) (soles)
3 54 0.05 0.28 11.5
10 600 0.05 0.933 122
20 2400 0.05 1.866 377
25 3750 0.05 2.332 522
30 5400 0.05 2.8 666.5
40 9600 0.05 3.732 954.2
50 15000 0.05 4.665 1238.6
El ensamble de la superficie completa reflejante está basada en los sujetadores de cada

espejo de manera flexible los cuales soportan el espejo plano triangular y permite la
modificación de su orientación con respecto al centro de toda la superficie parabólica del
espejo. Una descripción general del sistema puede ser encontrado en [4]. La figura 5.16
muestra el soporte básico para los espejos triangulares.
Figure 5.16. Estructura de soporte de un espejo plano triangular para el concentrador solar parabólico.
La figura 5.16 muestra un soporte sencillo para un espejo plano triangular. La dimensión a es
170
Capítulo 5
la longitud de cada barra que forma el triángulo, h es la altura del soporte respecto a la
superficie de la base y a1 es la longitud de la barra localizada en la base del soporte.
5.4.3 Sistema de micromanufactura
La propuesta original [4] para este tipo de colectores solares recomienda el uso de una
instalación de micro fábrica para la construcción y el ensamble automático de estos
componentes. Los detalles del diseño mecánico necesitan de ser revisados antes de que las
propuestas de manufactura y ensamble sean implementados; sin embargo, es posible
abordar tópicos generales de esta instalación. Por ejemplo, evaluar el grado de complejidad y
analizar el impacto de la colaboración de máquinas en el proceso de ensamble.
Se ha mencionado en el capítulo I sobre el impacto de las micromáquinas en la industria. La

reducción de maquinaria ha existido desde hace mucho tiempo cuando expertos maquinistas
desarrollaron mecanismos de precisión como relojes e instrumentos musicales. Hoy en día,
estamos rodeados de dispositivos que contienen piezas de precisión y componentes
intrínsecos de tamaño extremadamente reducido. Cada día se crean dispositivos mas
pequeños que entran en el mercado y en muy diversas aplicaciones. Esta situación ha
motivado a la industria a buscar mejores, mas eficientes y confiables soluciones, y la
reducción de máquinas ha probado ser un buen camino.
Micromáquinas se encuentran en una amplia gama de tamaños y aplicaciones. Un paso

inicial fue dado al tomar tecnología procedente de la industria de semiconductores y se
desarrollo lo que se conoce como MEMS (del inglés Micro Electro Mechanical Systems), los
cuales pueden ser considerados como dispositivos en 2 ½ dimensiones por que solamente
se construyen sobre un plano y se cambia la profundidad. Esta tecnología es muy útil para el
desarrollo de micromecanismos en la escala de micrones.; sin embargo, para la mayoría de
necesidades en escala real, éstos son muy pequeños y otras soluciones son requeridas.
171
Japón es no de los países con mas desarrollo en la reducción de maquinas. Esta

aproximación consiste en tomar una máquina regular y, simplemente, escalar sus
dimensiones. Algunos ejemplos de esta estrategia pueden verse en [8 – 10]. Diversos
grupos a nivel mundial han estado trabajando en esta dirección desde la década de los 90's y
las investigaciones actuales se concentran en el desarrollo de la colaboración de múltiples
máquinas, su autonomía y explorar el uso de diferentes materiales y el desarrollo de nuevos
actuadores, sensores y mecanismos con mejores rendimientos. Nuestra investigación se
concentra en desarrollar mejores diseños y estrategias de control de manera holística o
integral para este tipo de máquinas.
Para la instalación propuesta, se necesita una célula de micro-fábrica para el maquina de las
barras del concentrado, uniones, micro tornillos y el cortado de los espejos. En orden de
evaluar la complejidad de este ensamble, primero analicemos el número de componentes y
la manera en que éste crece al escalar el tamaño del colector.
De la figura 5.15, tomemos solamente la primera zona de espejos la cual tiene 6 triángulos.
Cada triángulo equilátero, figura 5.14, está formado por una estructura de componentes
descritos por la tabla 5.2.
Tabla 5.2. Número de componentes barra del colector solar.
C
A B
n n n n
36 ∑ i−12 n 18 ∑ i−6 n 6∑ i
i=1 i=1 i=1
1 24 12 6
3 180 90 36
10 1860 930 330
20 7320 3660 1260
25 11400 5700 1950
30 16380 8190 2790
40 29040 14520 4920
50 45300 22650 7650
172
Capítulo 5
Cada vértice tiene un número asignado a este, cada enlace o barra tiene un identificador, por
n
lo que para n zonas en el colector solar, habrá 16 ∑ i vértices con doce (dos en cada
i=1
lado) puntos de ensamble para cada barra. Esto significa que para 50 regiones con una
unidad triangular de 50 mm de largo y cerca de 15 grados de inclinación promedio con
respecto al centro, dará un diámetro aproximado de 4.83 metros, equivalente a 18.32 m2.
5.4.4 Descripción de elementos estructurales
Este colector solar tiene tres tipos de barras: a) para los triángulos (arriba y abajo), b) la barra
cruceta, y c) la barra vertical que se encuentra entre los planos superior e inferior. La pieza
de conexión entre las barras es un elemento maquinado previamente hecho. Su forma y
naturaleza es fundamental para el proceso de ensamble y los movimientos requeridos en
éste; este punto de conexión también debe de permitir cierta flexibilidad pues el ensamble
completo cambia de curvatura para obtener la dimensión parabólica y el punto focal
requeridos. El espejo y sus sujetadores están también hechos en serie y diseñados para un
ensamble simple y rápido.
La microfábrica propuesta estaría compuesta por una máquina fresadora, una máquina para
la manufactura de micro tornillos, un sistema para cortar espejos, robots manipuladores y
bandas de transportación. La intención de estas máquinas es trabajar de manera
colaborativa para la construcción de una microfábrica.
El sistema de ensamble tiene que seguir cierto patrón de movimiento en dos niveles y
también en la estructura media. Las células son básicamente hexágonos hechos de unidades
triangulares en dos planos los cuales son paralelos entre sí. La figura 5.17 muestra
fotografías de un sistema básico triangular (a) y (b) y la estructura completa (c). El ensamble
manual de solamente dos zonas del colector solar, como se muestra en la figura, ha tomado
173
cerca de una semana de trabajo paciente de poner cada pieza en su lugar y alinear los
elementos. Esta sola operación justifica el desarrollo de técnicas de ensamble automático. El
diseño final de los componentes aún no es el definitivo. Es posible realizar diferente mejoras,
pero la idea general ya está patentada por E. Kussul y sus colaboradores y desarrollos
futuros pueden realizarse en colaboración con múltiples instituciones.
(a) (b)
(c)
Figura 5.17. Fotografías de una celda del colector solar y sus unidades básicas. a) y b) una celda triangular
sencilla y c) la estructura de un colector solar de dos zonas de espejos.
174
Capítulo 5
5.4.4 Método de ensamble automático propuesto
El algoritmo de ensamble propuesto es relativamente simple. La idea fundamenta se basa en

el algoritmo del caracol para crear las trayectorias de ensamble de los componentes; cada
componente tendrá un identificador único y la secuencia de ensamble será definida por una
descripción de como los elementos están ordenados. Cada celda será puesta junta por mini
robots de ensamble, moviendo alrededor en un ángulo dado y colocando las barras superior
e inferior primero con los nodos conectores y entonces las barras transversales siguiendo la
secuencia definida.
La colocación de los mini tornillos es la tarea mas complicada y se propone un conector de

tipo clip para facilitar tanto el ensamble como el desensamble en caso de requerir algún
mantenimiento o reemplazo al final de su vida útil.
El método de identificación de componentes es simple. Primero se asigna un identificador a

cada nodo y luego a los elementos de la estructura. Cada nodo puede ser identificado por
una tripleta de números, cada lado (uno para el lado superior y dos para el lado inferior), la
región desde el centro, y el número del nodo en esta región contando a partir del eje principal
inicial- De forma que la combinación puede ser identificada por C lado , región , nodo . En esta
definición consideremos que el nodo central como la región 0 (cero) o C 1,0,1 . La figura 5.18
muestra un ejemplo de identificación de nodos para (a) la región 1 y (b) región 2.
175
(a)
(b)
Figure 5.18. Identificación de nodos para (a) la región 1 y (b) la región 2 en el lado superior de la estructura del
colector solar.
La pared externa de la primera zona tendrá nodos y componentes como se muestra en la
176
Capítulo 5
figura 5.19; mientras que la figura 5.20 muestra un corte longitudinal del eje principal de
nodos al alejarse del centro.
Figure 5.19. Pared externa de la primera zona de la estructura del colector solar.
Figure 5.20. Corte de la pared longitudinal mostrando los número de nodos de la estructura del colector solar.
Los diferentes elementos de la estructura, como barras y piezas de conexión pueden

correlacionarse directamente con el número de nodos. En el caso de las piezas de conexión
hexagonal, está correlación es directa. Para barras, simplemente se toma los dos nodos en
los cuales dicha barra funciona como elemento de conexión. Esto puede expresarse como
E side−a , zone−a ,node−a
side−b , zone−b ,node−b . La figura 5.21 muestra las barras identificadas para la primera zona. De
la misma manera, es posible identificar las superficies de soporte de los espejos como una
tripleta de nodos coordenados, en este caso el parámetro de la posición del elemento de
arriba o abajo puede ser omitida dado que solo existen espejos en el lado superior del
177
colector solar.
Una ves que cada elemento puede ser identificado, entonces es posible pensar en algoritmos
de ensamble y, por lo tanto, los comando de las máquinas que forman la celda de ensamble
automático. Luego entonces, comenzando de la premisa que que la primera barra es E 2,0,1
1,0,1
y que el mecanismo de ensamble de barras asume dicha tarea, el objetivo principal ahora es
el de medir el número de movimientos requeridos para el ensamble y compararlo con otras
estrategias de ensamble.
(a) (b)
(c)
Figura 5.21. Elementos barra identificados para la primera zona (a) elementos internos, (b) pared externa
(elementos superiores) y (c) barras cruzadas en la pared externa.
178
Capítulo 5
5.4.5 Modelo matemático para el proceso de ensamble
La aplicación requiere un tipo de manufactura a lotes, que permita la paralelización de la

misma. Primero, el maquinado de las piezas individuales como barras, nodos de conexión,
sujetadores, espejos, etc. Y luego el proceso de ensamble e instalación de la figura
geométrica final. Estos tres procesos son independientes y pueden ser realizados en paralelo
una vez que el ensamble comienza.
Esta propuesta consiste en la construcción de estructuras básicas que después serán

usadas para completar la geometría deseada. Tomemos un segmento estructural básico
2,1,1
consistente de cuatro elementos diferentes ( E 1,1,1 1,1,2 1,1,1
1,1,2 , E 2,1,2 , E 2,1,2 y E 2,1,2 ) y dos nodos de
conexión ( C 1,1,2 y C 2,1,2 ) , considerando que esta estructura será unida a C 1,1,1 y C 2,1,1 ). Esta
estructura está representada en la figura 5.22 (a). que los elementos 1, 2, 3 y 4 están en su
1,1,1 2,1,1
posición, es posible poner las dos barras transversales ( E 1,1,6 y E 2,1,6 ) que unen a cada una
de las estructuras de los nodos C 1,1,1 y C 1,1,6 y C 2,1,1 y C 2,1,6 (Figura 5.22 b).
1,1,1 2,1,1
Una vez que E 1,1,6 y E 2,1,6 están en su posición, la estructura o el mecanismo de ensamble
rota para colocar los siguientes elementos y así hasta completar la vuelta. También existe un
1,1,1
elemento entre los dos pisos de la estructura, este elemento E 2,1,6 va de los nodos C 1,1,1 y
C 2,1,6 en forma transversal que sirve para darle mayor rigidez mecánica a la estructura y éste
1,1,1 2,1,1
se colocaría al tiempo que E 1,1,6 y E 2,1,6 son ensamblados.
179
Figure 5.22. Secuencia del ensamble de la primera región del colector solar. (a) estructura de ensamble básico.
(b) secuencia de ensamble para la primera región y (c) la secuencia de ensamble de los espejos.
El siguiente elemento transversal entre los niveles 1 y 2 se coloca en forma de reflejo con
respecto a los vecinos como se mostró anteriormente en la figura 5.22(c)
El siguiente nivel de ensamble es para la región 2. En este nivel es posible ensamblar las
paredes hacia los nodos de la siguiente capa, como se ha realizado para el nivel interior; sin
embargo, se nota que existen nodos intermedios en los cuales hay dos paredes compartidas
(Ver figura 5.23) y para esto se proponen elementos compuestos como los que se muestran
en la figura 5.24.
180
Capítulo 5
Figura 5.23. Distribución de los elementos de ensamble para la segunda región y la propuesta de ensamble
iniciando por el nodo C1,2,1.
Para la región 2, estas estructuras compuestas van intercaladas. Aunque la disposición en

realidad dependería de criterios de diseño basados en la distribución de fuerzas estáticas y
dinámicas dentro de la estructura en sí y este análisis está fuera del desarrollo de este
trabajo.
181
Figura 5.24. Elementos compuestos de ensamble para nodos que comparten paredes de la estructura de
soporte. Ambos elementos son un reflejo uno de otro y van intercalados en la estructura dependiendo de su
posición y región.
Una vez terminada la segunda región, las regiones exteriores se ensamblan de manera
similar usando el mismo algoritmo, como se ilustra en la figura 5.25.
182
Capítulo 5
Figura 5.25. Evolución del ensamble de las regiones exteriores de la estructura de soporte de colectores
solares. En esta figura solo se ilustra una cara y una sección por limitantes de espacio, se supone que las
regiones interiores están completas.
La vista longitudinal de la estructura a lo largo de las regiones se muestra en la figura 5.26.
183
La propuesta es que exista un ángulo entre cada uno de los elementos a lo largo de la curva
de la parábola que forma el concentrador. Esto requiere que el elemento de conexión permita
este ajuste a la curvatura de la parábola.
Figura 5.26. Corte transversal de la estructura de soporte del colector solar.
Una vista completa en simulación de un disco de 2 metros de diámetro con el foco a 1 metro
de su centro, se muestra en la figura 5.27.
184
Capítulo 5
Figura 5.27. Simulación de un disco parabólico formado por elementos barra de 5 cm, con un disco de 2 m de
diámetro y foco a 1 m.
Cortes transversales del mismo plato muestran la disposición de una capa de nodos y sus
elementos de interconexión. Esta estructura debe de ajustarse a la paraboloide requerida y
para esto se ha usado una descripción paramétrica de la parábola en cuestión. Los
parámetros de entrada son el diámetro del disco y la distancia del foco al centro de la
parábola. Considerando que una parábola puede formase en forma paramétrica mediante
las ecuaciones:
2
y=2pt (5.4.2)
x=2pt
donde p=F/2 y F es el la distancia del foco de la parábola al centro de la misma.
185
Considerando que la distancia entre el nodo C1,0,1 y C1,2,3 es el de la barra de conexión, L,

entonces encontramos la posición que ajusta tal distancia para ambos nodos, manteniendo el
primero como dato conocido.
Esto es,
L =  x2 − x1   y 2 − y1  
2 2 2
(5.4.3)
donde (x1,y1) son las coordenadas del nodo inicial y (x2,y2) coordenadas del siguiente nodo
sobre la curva de la parábola. L es la longitud de la barra de interconexión entre nodos.
Sustituyendo los valores de (x,y) para el caso paramétrico, tenemos al final que resolver la
ecuación de cuarto orden,
4 2 2 4
0=t 21−2t1 t 2 −2t1 t 2 t 1 t 1 −
2
  L
2p
(5.4.4)
Al resolver los puntos nodales equidistantes sobre la parábola, ahora es necesario calcular
los puntos sobre el mismo nivel de altura para cada una de las regiones. En este caso, la
propuesta es usar celdas hexagonales que irán creciendo conforme se alejan del centro.
Cada lado hexagonal tendrá tantos elementos intermedios de conexión inter nodal como el
número de región en la que se encuentre; por ejemplo, supongamos que deseamos armar la
primera región, lo que corresponde solo a un hexágono con seis nodos y seis barras de
conexión; para la segunda región se agrega un nodo intermedio y, por lo tanto, dos barras en
cada lado; para la tercera región son dos nodos intermedios y tres barras, y así
sucesivamente.
Para hacer la generación de dichos nodos y barras de conexión, solo usamos un generador
geométrico de forma iterativa en donde a partir de un nodo inicial, se incluirán tantos
elementos de conexión como el número de región en la que se encuentra en la dirección
definida por los 60 grados, aumentando en sentido de las manecillas del reloj, de acuerdo al
algoritmo descrito anteriormente. La disposición de los nodos y barras de conexión para un
disco de 2 metros de diámetro y con el foco a 1 metro de distancia del centro, se muestra en
la figura 5.28.
186
Capítulo 5
Figura 5.28. Disposición de un concentrador solar parabólico de disco hexagonal de 2 m de diámetro y foco a
1m. Vista superior y lateral.
187
Bajo estás consideraciones, el número de regiones depende de como se ajustan las barras a
la curvatura de la parábola. Como la curva de la parábola depende del diámetro y la distancia
del foco, habrá casos en donde el plato será muy plano y otros en donde tendrá una
curvatura mas pronunciada y se parecerá mas a un tazón que a un plato.
La tabla 5.3 muestra los valores esperados de número de nodos y de barras totales de la
estructura del concentrador solar para un diámetro y distancia focal dados. El criterio usado
aquí es solo que la distancia focal es la mitad del diámetro, pero estas dos distancias son en
realidad independientes y sujetas a optimización.
Tabla 5.3 Diferentes diámetros y número de componentes del colector solar
diametro [m] foco[m] regiones nodos barras totales
0.25 0.13 4 60 528
0.5 0.25 7 168 1554
0.75 0.38 9 270 2538
1 0.5 12 468 4464
1.25 0.63 15 720 6930
1.5 0.75 17 918 8874
1.75 0.88 20 1260 12240
2 1 22 1518 14784
2.25 1.13 25 1959 19050
2.5 1.25 28 2436 23856
2.75 1.38 30 2790 27360
3 1.5 33 3366 33066
3.25 1.63 35 3780 37170
3.5 1.75 38 4446 43776
3.75 1.88 41 5166 50922
4 2 43 5676 55986
Los valores de la tabla 5.3 dan una buena idea de la complejidad de la operación de
ensamble. En donde para armar un disco de colector solar se requieren ensamblar casi 15
mil elementos en 1500 nodos aproximadamente.
Otra opción es poner un segundo nivel sobre una estructura recta (figura 5.29), este segundo
nivel tendría la altura necesaria para generar la curva parabólica dirigida hacia el punto de
concentración de calor. Sin embargo, esta versión tiene la desventaja de usar mas materiales
y por lo tanto ser mas cara y pesada y que es muy probable que la altura del segundo nivel
sea demasiado grande y perdería la rigidez original.
188
Capítulo 5
Figura 5.29. Propuesta de estructura con un segundo nivel que genera la curva de la parábola deseada para el
concentrador solar.
Además de esta propuesta de ensamble automático, es posible explorar mas opciones, como
el pre-ensamble de paredes que se pueden usar como pasillos en donde micro-robots
pueden desplazarse para realizar el ensamble de los elementos interiores y espejos a lo
largo de estas paredes. Esta propuesta está ilustrada en la figura 5.30.
5.4.6 Otros métodos propuestos de ensamble automático
La superficie de desplazamiento de los micro robots de ensamble puede tener la forma de la

parábola y rieles que coincidan con los pasillos de ensamble. Esto permitiría a los micro
robots trabajar siempre a una misma altura y efectuar las mismas operaciones para cada
región de ensamble. Ver figura 5.30.
189
Figura 5.30. Propuesta de construcción de pasillos de ensamble de elementos interiores para las diferentes
regiones de espejos.
Otra posibilidad es la de ensamblar partes de la parábola de manera independiente y

paralela, de manera que facilite la manufactura y ensamble del concentrador. Por ejemplo, se
plantea construir regiones triples con celdas hexagonales y celdas con regiones
complementarias para completar una forma regular del colector solar completa. La última
capa usaría unidades de conexión de forma triangular para facilitar el ensamble general
hexagonal. Ver figura 5.31.
En la propuesta mostrada en la figura 5.31 la región S0 es la superficie base y puede

considerarse como una versión en escala de la parábola. Las regiones S1 a S6 son regiones
simétricas de una sección de parábola. Las regiones R1 a R12 son terminaciones de forma
para el concentrador solar, cada una de estas regiones tienen la curvatura correspondiente
para esta zona.
190
Capítulo 5
Existen varias desventajas al dividir las regiones de ensamble del concentrador. Por ejemplo
el proceso de ensamble de las regiones. Por lo que se plantean otras formas de ensamble de
acuerdo a la geometría.
Figura 5.31. Aproximación del disco usando segmentos tipo tesela.
Otras distribuciones geométricas propuestas usando teselas se muestran en la figura 5.32.

Las teselas originalmente fueron mosaicos construidas a partir de pequeñas piezas, de igual
forma existe una teoría matemática que se refiere a la teselación o repetición de patrones
geométricos sobre una superficie. De igual manera, la figura 5.32 muestra la propuesta de
usar teselas sobre la superficie parabólica del concentrador solar.
Futuros proyectos podrán generalizar el análisis de superficies y analizar tanto geometrías

regulares como irregulares y su relación práctica con el ensamble y el costo.
El potencial de estas estructuras es enorme, pueden de igual manera escalarse

adecuadamente para su utilización en arquitectura (construcción de domos, paredes, etc.),
acústica, maquinado, antenas, telescopios, dispositivos médicos, MEMS y entretenimiento.
Por lo que creemos que la continuación de este trabajo puede ser sumamente útil.
191
Figura 5.32. Formas en que el colector solar puede tomar a partir de regiones de espejos.
5.4.7 Análisis del costo-rendimiento de los colectores solares
El rendimiento de un colector solar puede medirse a partir de su grado de concentración de
192
Capítulo 5
energía en el foco. Este análisis puede encontrarse en [3] y [4], lo que aquí se reproduce
para efectos ilustrativos.
Consideremos un espejo triangular de lado de longitud 'a', localizado en el perímetro del

concentrador; de forma que el círculo circunscrito tiene radio,
2 1
r= a cos 30 º = a (5.4.5)
3 3
La proyección del círculo circunscrito dentro del receptor será una elipse con un diámetro
menor de D'min igual a 2r y un diámetro mayor de
2r
D'max =
cos 

2
(5.4.6)
donde es el ángulo de concentración del espejo. Ver figura 5.33.
Figura 5.33. Factores que afectan la concentración de energía en el colector solar.
Para obtener el área que contiene todos los rayos reflejados del espejo triangular, es
necesario corregir el tamaño de la elipse tomando en cuenta la divergencia de los rayos del
193
sol. El valor medio del ángulo de divergencia, , para el sol es de 0.009 radianes.
Después de las correcciones, los valores de la elipse serán,
D ' min =2r  L
2r  L
D ' max = (5.4.7)
cos

2 
de la figura 5.33 vemos que
F
L
cos 

2
(5.4.8)
donde F es la distancia focal del espejo. Por lo que sustituyendo esto en D' min y D'max y
tomando en cuenta la geometría del colector solar, podemos decir que,
F
D min=2r  ,
cos

2 
F
2r  (5.4.9)
Dmax =

cos

2
=
2r cos

2
F
cos 

2 
cos
2 
2
donde
r=
3a (5.4.10)
3
Considerando que cada espejo triangular tiene diferente orientación y esto afecta la forma de
contribución energética al punto focal. Considerando que el número de espejos triangulares
(N) se deriva de una progresión aritmética, de forma que N=6n 2, donde n es el número de
zonas; el área de concentración solar será dada por,
N a sen60º 3  3 n a
2 2 2
AC = = (5.4.11)
2 2
donde los 60º vienen de la consideración de máximo ángulo del espejo.
La razón de concentración de energía puede ser obtenida de la ecuación,
A C m
= (5.4.12)
Ar
194
Capítulo 5
donde m es el coeficiente de reflexión de los espejos. Ar es el área de colección en el foco y

depende del tamaño del espejo. El factor de concentración máximo se obtiene al reducir Ar a
un punto.
El costo de manufactura de un sistema de este tipo es sumamente importante para

determinar su competitividad comercial y factibilidad de fabricación. Un concentrador solar
comercial de 3 metros de diámetro actualmente tiene un costo de fabricación entre $600 y
$900 dólares americanos.
El primer acercamiento al análisis del costo de este tipo colectores solares se hará a partir
del costo del material utilizado. Consideremos que en promedio el costo de un kilogramo de
aluminio es de $2.50 USD, mientras que el costo de un espejo convencional como el
propuesto a utilizar en este sistema es de $12 USD por metro cuadrado.
El estimado del peso depende directamente del número de elementos barra en el colector y
el tamaño de las mismas. Con estos valores será posible calcular el peso total de la
estructura y, por lo tanto, su costo aproximado. Por supuesto que dentro de estos cálculos no
se consideran por ahora datos de los nodos conectores, ni material que quede si usar como
parte del proceso de manufactura.
Numéricamente se ha desarrollado un pequeño programa para el cálculo del peso y de la

cantidad de la colección de energía solar. Como demostración se presenta en la figura 5.33
gráficas del peso del colector solar para diferentes diámetros y cuatro longitudes de la barra
base para el soporte de los espejos planos.
195
Peso total del disco para varias longitudes de elementos barra

800
700
Peso total incluyendo espejos [kg]
600
500
400
300
200
100
0
1 2 3 4 5 6
diámetro [m]
Peso total AL [5cm] Peso total AL [10cm] Peso total AL [15cm] Peso total AL [20cm]
Figura 5.34. Peso del concentrador solar para diferentes diámetros y tamaños de la barra base de la estructura
En la figura 5.34 se muestra como la longitud de la barra de la estructura afecta en gran

medida el peso del colector solar y los diferentes tamaños del concentrador. Puede
apreciarse como la función de peso es no lineal y que para diámetros grandes del
concentrador una barra pequeña puede ser contra producente y generar un gran peso.
La figura 5.35 muestra la relación entre el costo total, tamaño del concentrador y el tamaño
de la barra básica de la estructura. El costo también es una función no lineal del los
parámetros geométricos y, como se muestra en esta gráfica, para diámetros mayores de 3
metros, el costo puede duplicarse al usar barras de longitudes pequeñas. Por lo que es
conveniente usar el tamaño adecuado para cada diámetro de colector.
196
Capítulo 5
Costo de materiales del concentrador solar

US$ vs m
$1,400.00
Costo de materiales (US$)
$1,200.00
$1,000.00
$800.00
$600.00
$400.00
$200.00
$0.00
1 2 3 4 5 6
diametro (m)
b=5cm b=10cm b=15cm b=20cm
Figura 5.35. relación del costo total, diámetro del concentrador y tamaño de la barra base de la estructura.
La figura 5.36 muestra la razón de concentración en soles para un concentrador de 6 metros

de diámetro y con diferentes distancias focales. Es notable como para el caso en donde el
foco está muy cerca, la concentración es considerablemente mayor, lo que está también
relacionado con el tamaño del espejo. Sin embargo, con una distancia focal pequeña y
espejos también pequeños, el costo y el peso del concentrador son mucho mayores,
provocando que sean inviables económicamente y de un difícil manejo para su construcción,
instalación y mantenimiento.
197
Factores de concentración
Diámetro 6 metros
3000
Factor de concentración (soles)
2500
2000
1500
1000
500
0
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7
distancia focal (m)
0.05 0.1 0.15 0.2
Figura 5.36. Factores de concentración de la energía solar en el colector.
Se han desarrollado programas computacionales para el cálculo de estos parámetros, lo que

permite encontrar valores óptimos para dimensiones deseadas del concentrador solar.
Tomando en cuenta que se desea un concentrador con un diámetro específico, con distancia
focal dentro de un rango de valores y una serie de restricciones de peso, costo y
concentración de energía solar.
198
Capítulo 5
5.5 Colaboración y complejidad en micromáquinas en el

ensamble automático
Este tópico se considera como enlace para trabajos futuros. En el caso del ensamble
automático de estructuras similares al mostrado en este trabajo en el concentrador solar, es
posible realizar diferentes tareas de forma paralela y coordinar dichas actividades.
Las características principales de un sistema de manufactura con micro máquinas son:

Agentes independientes de control, comunicación local inter-máquinas, Estimación del
estado de otras máquinas con respecto al interno, robustez al cambio de condiciones de
operación.
Los agentes de control son programas que proporcionan autonomía a tareas específicas
dentro de un sistema. Cada agente contiene información sobre el ambiente, el sistema
mismo y el algoritmo que le permitirá realizar la operación para la cual es creado. La
interacción entre agentes puede convertirse en un reto, por lo que se usan reglas simples y
prácticas de comunicación-acción de la red de máquinas.
Los sistemas de comunicación entre micro máquinas son parte esencial de la colaboración
autónoma. En el caso de ensamble de estructuras geométricamente bien definidas como la
del concentrador, es posible usar los algoritmos de ensamble automáticos y permitir mayor
flexibilidad en la comunicación, pudiéndose reducir a simple monitoreo de la operación.
La comunicación es indispensable y un requisito para la flexibilidad del sistema, un buen

sistema de información permite a las máquinas compartir información del entorno, del estado
de operación de las máquinas en sí, del sistema de control y del sistema global. En un
sistema de comunicación hay una serie de parámetros a considerar con el fin de evaluar su
rendimiento, tal como el ancho de banda, la velocidad de transmisión, la robustez al ruido, la
topología de comunicación, la entropía de los canales de comunicación. Estos parámetros
199
deben de evaluarse de acuerdo al número de máquinas interactuando simultáneamente y a

la velocidad de comunicación requerida.
La estimación del estado de otras máquinas con respecto a la propia depende directamente
del modelo matemático y de la cantidad de información disponible de cada uno de los
sensores en el sistema global. Estos algoritmos ven en la geometría de las operaciones, la
física de las máquinas y en los niveles de interacción, tal y como se planteó inicialmente en el
capítulo I. Estos modelos están intrínsecamente relacionados con complejidad y la
construcción de redes de información a un nivel semántico de interpretación.
Finalmente, la robustez del sistema a cambios del ambiente es una característica a evaluar
como parte de la flexibilidad del sistema mismo. Esta característica permite su escalabilidad y
auto-estabilización en caso de que ocurran perturbaciones que puedan ser auto-
regenerativas o catastróficas. Los algoritmos de análisis prueban la red misma de
intercambio de energía e información entre máquinas y controles, cambios en la topología de
la disposición de las máquinas en las operaciones ya sea agregando o quitando unidades de
operación.
Pruebas estadísticas y probabilísticas son indispensables, así como simulaciones fuera de

línea con el fin de evaluar con un bajo riesgo los casos identificados de operación,
perturbaciones y situaciones de eventos a los que el sistema pueda ser afectado.
Este campo sin duda es uno de los mayores campos de desarrollo en un futuro cercano.
Para el control de los robots normalmente se desarrollan modelos basados en máquinas de
estados finitos que incluyen las consideraciones, modelos matemáticos y elementos externos
que puedan modificar las variables internas de las máquinas y del sistema en general.
200
Capítulo 5
Referencias
[1] Lopez, Ch. y Stone, K. Performance of the Southern California Edison Company Stirling
Dish, Contractor Report, SAND93-7098 (unlimited release). 1993.
http://www.osti.gov/bridge/servlets/purl/10110545-9ZA1vs/webviewable/10110545.pdf
[2] Fraser, J. The Energy Blog. The energy revolution has begun and will change your
lifestyle. About Dish/Engine Concentrating Solar Power, August 16, 2005, 7.
http://thefraserdomain.typepad.com/energy/2005/08/about_dishengin.html
[3] Kussul, E., Baidyk, T., Makeyev, O., Lara-Rosano, F. , Saniger, J. M., Bruce, N.
Development of Micro Mirror Solar Concentrator, The 2-nd IASME/WSEAS International
Conference on Energy and Environment (EE’07), Portoroz (Portotose), Slovenia, May 15-17,
2007, pp. 294-299.
[4] Kussul E., Baidyk T., Makeyev O., Lara-Rosano F., Saniger J.M., Bruce N., Flat facet
parabolic solar concentrator with support cell for one and more mirrors, WSEAS Transactions
on Power Systems, Issue 8, Vol.3, August 2008, (ISSN 1790-5060), pp.577-586.
[5] Kussul E., Baidyk T., Lara F., Saniger J., Bruce N., Estrada C., Micro facet solar
concentrador, International Journal of Sustainable Energy, 2008, Vol.27, Issue 2, pp.61-71.
[6] E. Kussul, T. Baidyk, F. Lara-Rosano, J. M. Saniger, N. Bruce, Support Frame for Micro
Facet Solar Concentrator, The 2-nd IASME/WSEAS International Conference on Energy and
Environment (EE’07), Portoroz (Portotose), Slovenia, May 15-17, 2007, pp.300-304.
Proceedings of the 2nd International Workshop on Microfactories, Switzerland; 2000. p. 87–
90.
201
[8] Okazaki Y, Mishima N, Ashida K. Microfactory and micro-machine tools. Reported in The
1st Korea-Japan Conference on Positioning Technology, Korea; 2002
[9] Caballero-Ruiz A., Ruiz-Huerta L., Baidyk T., Kussul E. Geometrical errors analysis of a
CNC micro-machine tool, Mechatronics, Vol.17, Issues 4-5, May-June 2007, pp. 231-243 .
[10] Kussul E., Ruiz L., Caballero A., Kasatkina L., Baydyk T., 2000, CNC Machine Tools for
Low Cost Micro Devices Manufacturing. Proc. of First Int. Conf. on Mechatronics and
Robotics (M&R'2000), Saint-Petersburg, May 29-June 2, Vol.1. pp.98-103,
[11] McLurkinm J.D. Analysis and Implementation of Distributed Algorithms for Multi-Robot
Systems. Ph.D dissertation. Massachusetts Institute of Technology. June 2008.
[12] Dominguez, H., De Luca, A. y Redondo, A. On the design of an automatic electronic

board inspection system unsing a laser sensor. Report for SONY-Mexico. CINVESTAV-
Mexico Abril, 2010.
202
Conclusiones
CONCLUSIONES
Este ha sido un trabajo interdisciplinario, colaborativo y multi-institucional, a

pesar de las diferentes restricciones de recursos. Estos resultados son el
resultado de varios años de trabajo académico y profesional que se han
combinado con la experiencia y asesoría de diferentes instituciones en
México.
En esta disertación se ha usado un marco teórico basado en el desarrollo

de máquinas inteligentes, modular y escalable, de forma que se consideran
sus componentes de manera integral e inter-relacionados y no separados.
El desarrollo se ha enfocado al análisis de mecanismos de alta precisión
principalmente.
De igual manera, se ha generado un procedimiento de análisis de errores

en micro mecanismos obteniendo una matriz de transformación homogénea
de seis grados de libertad que contiene errores geométricos, de dinámica
lenta y rápida y no linealidades. Este procedimiento puede usarse de igual
manera en mecanismos convencionales y de bajo costo con el fin de
encontrar la mejor estrategia de compensación de estos errores, ya sea por
software o haciendo cambios en la mecánica, sensores o actuadores.
En esta investigación se han analizado diferentes fuentes de

comportamiento dinámico que pueden afectar el rendimiento de una micro
máquina. Incluyendo el desarrollo de software de simulación y métodos de
modelación matemática para la integración en modelos computacionales de
estas máquinas.
203
Conclusiones
En este trabajo se ha optado por el uso de modelos híbridos para la

descripción matemática de micro mecanismos. Esto ha derivado en lo que
creemos es la aportación mas importante, el desarrollo de sistemas
dinámicos conmutables y su estudio. La modelación de máquinas usando
sistemas híbridos permite simulaciones mas reales en condiciones
especificas de operación.
El estudio de sistemas dinámicos conmutables se basa en la discretización

paramétrica de sistemas dinámicos continuos, cambiando o conmutando su
dinámica a partir de una serie de reglas bien establecidas. Estos sistemas
han sido estudiados con propiedades determinísticas y aleatorias,
encontrando propiedades básicas de estabilidad.
La continuación del estudio de las reglas de conmutación condujo al

descubrimiento de sistemas caóticos conmutables con realización en dos
dimensiones, con una dinámica determinística y bastante sencilla. El
potencial de desarrollo y aplicaciones es vasto y sin duda un campo de
estudio muy interesante. En este trabajo también se incluyen progresos en
sistemas aleatorios con potenciales aplicaciones en sistemas complejos,
sociales, biológicos y económicos.
Se ha desarrollado un sistema electrónico de control de movimiento usando

un procesador tipo PIC y programado en Ensamblador en este dispositivo
comunicándose a la PC usando una interface programada en Java. Este
sistema ha sido implementado en una mesa de pruebas para la inspección
automática de la deformación térmica residual en tarjetas electrónicas
usando un sensor láser.
204
Conclusiones
Como parte del desarrollo de métodos de ensable automático de

concentradores solares con micro espejos, se ha hecho un análisis de la
estructura y la geometría del disco concentrador y su relación con el tamaño
de los espejos. El análisis incluye determinar el número de elementos a
ensamblar, el tamaño del espejo con relación al peso y costo total del disco
y los factores de concentración en el foco de la parábola.
Finalmente, el ensamble automático de la estructura básica del

concentrador solar con micro espejos planos propuesto por el grupo del Dr.
Ernst Kussul, es posible usando micro mecanismos y un algoritmo basado
en la pronta identificación de cada uno de los componentes que forman la
estructura: barras, nodos de conexión y espejos, y una disposición
adecuada del dispositivo de ensamble que puede ser un micro manipulador
robótico.
Se han propuesto diferentes estrategias de ensamble, la mas interesante es

la que usa mosaicos o teselas superpuestas sobre la superficie de la
parabola, estas áreas geométricas pueden ensamblarse por separado y de
manera paralela lo que facilitaría el uso de micro manipuladores para el
ensamble de estructuras mas pequeñas que después formarán el disco
concentrador.
205
Conclusiones
206
Recomendaciones y trabajo a futuro
RECOMENDACIONES Y TRABAJO A FUTURO
Este trabajo de investigación tiene varios caminos a seguir, el estudio de sistemas dinámicos
complejos y de sistemas conmutables, el desarrollo e implementación de micro fábricas de
manufactura y ensamble usando las técnicas aquí expuestas y el desarrollo de técnicas para
el diseño y ensamble de estructuras flexibles y complejas como la propuesta en los
concentradores solares expuestos aquí.
En la literatura existen muchas referencias sobre métodos de modelación y simulación de las

fuerzas involucradas en el proceso de maquinado de materiales, sin embargo aun es
necesario realizar pruebas experimentales enfocadas a micro maquinados en diferentes
materiales, involucrando las fuerzas no lineales que aparecen a este nivel.
En el camopo de los sistema dinámicos complejos aplicados en ingeniería hay un gran

número de problemas abiertos e identificados durante la realización de este trabajo de
investigación, empezando por el hecho de que el número de elemntos que interactuan en
cualquier proceso de manufactura (micro o convencional) generan efectos de retardos
internos, retroalimentaciones y dinámica y flujo de energía e información en el sistema como
un todo. Es de esperarse que ciertas condiciones puedan generar inestabilidad o
comportamiento difícil de controlar.
El estudio de sistemas conmutables, deterministicos y no deterministicos, tiene un enorme

potencial en sistemas complejos y sistemas dinámicos no lineales. La esencia de esta
aproximación es la conmutación de las condiciones dinámicas del sistema a partir de una
regla establecida. Tanto las condiciones como la regla de cambio pueden ser aleatorias;
entender bien las reglas y condicionees de cambio nos puede permitir realizar simulaciones
de historias de evolución de la dinámica establecida y determinar las posibilidades de
207
Recomendaciones y trabajo a futuro
alcanzar objetivos deseados. Potenciales campos de aplicación los encontramos en física,

química, economía, ciencias sociales y biología.
En cuanto a las aplicacinoes de ingeniería de este desarrollo, tenemos diversos campos de

desarrollo a diferentes niveles, desde el desarrollo de controladores electrónicos adepatados
a las condiciones físicas de las micro máquinas, desarrollo de métodos de comunicación en
redes de micro máquinas, algoritmos de colaboración en manufactura y ensamble
automático. Iniciando con el desarrollo de infraestructura de desarrollo, sistemas de medición
y evaluación de procesos; por lo que se recomienda realizar inversión en infraestructura de
desarrollo de ingeniería en micro máqunias y micro fábricas enfocadas en aplicaciones de
manufactura. Colaboración nacional e internacional es necesaria para el buen progreso de
estos proyectos.
Finalmente, los desarrollos en el área de tecnologías en energía renovables serán prioritarios

en los años próximos, por lo que tener un paso adelante podría definir inversiones en
investigacióny progresos. En el caso particular de la manufactura de concentradores solares
definitivamente tendrán un gran impacto social y los desarrollos hechos en esta dirección
pueden extenderse a otras fuentes de energía renovable y de baja emisión de partículas de
carbono, como es el caso de energías eólicas.
El uso y desarrollo de herramientas de software en todos estos procesos serán de gran

utilidad para los equipos de investigación y desarrollo. Estas piezas de software podrán
dejarse disponibles bajo licencias creative commons o similares, de manera que la evolución
de futuras versiones de estos paquetes beneficien a la comunidad. Similar propuesta puede
aplicarse en desarrollos industriales.
208
Bibliografía general
BIBLIOGRAFÍA GENERAL
Albus, J.S., A theory of Intelligent machine systems. IEEE/RSJ International workshop on

intelligent robots and systems IROS '91. Nov. 3-5, 1991. Osaka, Japón.
Alexander M. Meystel y James S. Albus. Intelligente Systems. Architectecure, design and

control.. John Wiley & sons, Inc. New York. 2000
Alligood, K.T. Chaos: an introduction to dynamical systems., Springer-Verlag, New York,

1997.
Altintas, Yusuf. Manufacturing Automation. Cambridge University Press. 2000. Pags 65-121.
Altintas, Y., Budak, E. Analytical prediction of stability lobes in milling. Annals of the CIRP. Vol.
44/1/1995.
Armstrong-Helouvry, B., Dupont, P and Canudas de Wit, C. A survey of Models, Analysis and
compensation techniques for the control of machines with friction. Automatica. Vol. 30. Vol. 7
pp. 1083-1138. 1994
Arnold, D.N. Lectures on Functional Analysis. Department of Mathematics, Pennsilvania State

University. 1997
Bryan, J.B. International status of thermal error research. CIRP Annals, 39, 2, 1990.
Caballero-Ruiz A., Ruiz-Huerta L., Baidyk T., Kussul E. Geometrical errors analysis of a CNC
micro-machine tool, Mechatronics, Vol.17, Issues 4-5, May-June 2007, pp. 231-243 .
209
Devaney, R. L. An introduction to chaotic dynamical systems, Westview Press, New York,

LLC, 2003.
Dominguez, H. y Tomizuka, M. Error sources analysis for open architecture machine tools.
Japan- US Factory Automation Conference- Denver, Co. July 2004.
Dominguez, H., De Luca, A. y Redondo, A. On the design of an automatic electronic board

inspection system unsing a laser sensor. Report for SONY-Mexico. CINVESTAV-Mexico Abril,
2010.
Dorfeld, D. Proc. International Machine Engineering conference (IMEC), JMTBA, Tokyo,

1995.
Driels, M.R., Using Passive End-Point Motion Constraints to Calibrate Robot Manipulators. J.
Dyn. Sys., Meas., Control, September 1993, Volume 115, Issue 3,560.
Dominguez, H. and Tomizuka, M. Error sources analysis for open architecture machine tools.
Japan- US Factory Automation Conference- Denver, Co. July 2004.
Domínguez, H. Ortega, J.A. y Nosov, V.R.. Hybrid system model and simulation of a CNC
machine. Applied Math III. 8-12 de Octubre del 2007
Estler, W.T. Measurement as inference: Fundamental ideas. National Standar Institute of

Standards and Technology. Gaithersburg, MD. Annals of the CIRP. Keynote paper. 1999, 48,
No. 2, 611-632.
Evans, C.J., Hocken, R.J. And Estler, W.T. Self-calibration: reversal, redundancy, error
separation and “absolute testing”. CIRP annals, 45, 1, 1996.
210
Feynman, R. P. Plenty of Room at the Bottom. Discurso para el American Physical Society en
Caltech. 29 de December 1959.
Fraser, J. The Energy Blog. The energy revolution has begun and will change your lifestyle.
About Dish/Engine Concentrating Solar Power, August 16, 2005, 7.
http://thefraserdomain.typepad.com/energy/2005/08/about_dishengin.html
Gollub, J. P. and Baker, G. L. Chaotic dynamics, Cambridge University Press.1996.
Grabec, I. Chaotic dynamics of the cutting process. International Journal of machine tools
manufacturing. Vol. 28 No.1 pp. 19-32. 1988
Guckenheimer, J. y Holmes, Ph. Nonlinear Oscillations, Dynamical Systems and Bifurcations

of vector fields, Springer Verlag, New York, 2002.
Gutzwillez, M. Chaos in classical and Quantum Mechanics., Springer-Verlag, New York, LLC,
1990.
Hale, J.K. Averaging methods for Differential Equations with retarded arguments and a small
parameter. Journal of differential equations 2, 57-73. 1966.
Hale, J. K. and Verduyn Lunel, S. M. Introduction to Functional Differential Equations.

Springer-Verlag, New York, 1993.
Hertmann, R. and Krener, A. Nonlinear Controllability and Observability. IEEE trans. on

Automatic Control. Vol. AC-22 No. 5 October 1977.
Ishihara H, Arai F, Fukuda T. Micro mechatronics and micro actuators. IEEE/ASME Trans
Mechatronics 1996: 1:68-79.
211
Jensen, S.A. and Shin, Y.C. . Stability analysis in face milling operations, Part 1 and 2.
Transactions of ASME. Vol 121. Nov. 1999
Kaan, E. Altintas, Y. High speed CNC system design. Part II and III. International Journal of
Machine Tools and Manufacture. 41 (2001)
Khalil, H.K. Non linear systems. Macmillan publishing company. 1992.
Kim, J. Oh, S, Cho, D, Hedrick, K. Robust Discrete-Time Variable Structure Control Methods.
Koenigsberg, F. and Tlusky, J. Machine tool structures – Vol. I: Stability against chatter.
Pergamon Press. 1967
Kolmanovskii, V. B. y Myshkis, A. D. Introduction to Theory of Functional Differential

Equations and their Applications. Kluwer Acad. Publ., Dorderecht, 1999.
Kolmanovskii, V. B. y Nosov, V. R. On the stability of first-order neutral type equations.

Prikladnaja Matematica i Mechanica, 34:587–594, 1971.
Kolmanovskii, V. B. y Nosov, V. R. Stability of Functional Differential Equations. Acad. Press,

London, 1986.
Kolmanovskii, V. B. y Nosov, V. R. Stability and periodic modes of control systems with

aftereffect. Springer- Verlag, New York, 1993.
Koo, J., Pappas, G., Sastry, S. Mode Switching Synthesis for Reachability Specifications.
Koo, T.J. y Sastry, S.S. Notes on hybrid Systems. Departmen of Electrical Engineering.
University of California at Berkeley. Spring 2002.
212
Krasovskii, N. N. Stability of Motion: Application of Liapunov Direct Method to Differential

Systems and Equations with Delays. Stanford Univ. Press, Stanford, 1963.
Kussul E., Ruiz L., Caballero A., Kasatkina L., Baydyk T., 2000, CNC Machine Tools for Low
Cost Micro Devices Manufacturing. Proc. of First Int. Conf. on Mechatronics and Robotics
(M&R'2000), Saint-Petersburg, May 29-June 2, Vol.1. pp.98-103,
Kussul, E., Baidyk, T. Et al. Development of micromachine tool prototypes for microfactories.
J. Micromech. Microeng. 12 (2002) 795–812
Kussul E., Baidyk T., et al. Scaling down of microequipment parameters. Precision
Engineering 30 (2006) 211–222.
Kussul, E., Baidyk, T., Makeyev, O., Lara-Rosano, F. , Saniger, J. M., Bruce, N. Development
of Micro Mirror Solar Concentrator, The 2-nd IASME/WSEAS International Conference on
Energy and Environment (EE’07), Portoroz (Portotose), Slovenia, May 15-17, 2007, pp. 294-
299.
Kussul E., Baidyk T., Makeyev O., Lara-Rosano F., Saniger J.M., Bruce N., Flat facet
parabolic solar concentrator with support cell for one and more mirrors, WSEAS Transactions
on Power Systems, Issue 8, Vol.3, August 2008, (ISSN 1790-5060), pp.577-586.
Kussul E., Baidyk T., Lara F., Saniger J., Bruce N., Estrada C., Micro facet solar concentrador,
International Journal of Sustainable Energy, 2008, Vol.27, Issue 2, pp.61-71.
E. Kussul, T. Baidyk, F. Lara-Rosano, J. M. Saniger, N. Bruce, Support Frame for Micro Facet
Solar Concentrator, The 2-nd IASME/WSEAS International Conference on Energy and
Environment (EE’07), Portoroz (Portotose), Slovenia, May 15-17, 2007, pp.300-304.
Landau, Y.D. Adaptive control. Dekker. 1979.
213
Levin, J.J. y Nohel, J.A. On a nonlinear delay equation. Journal of Mathematical analysis and
applications 8, 31-44, 1964.
Li, T. Y. y Yorke, J. A. Period three implies chaos, The American Mathematical Monthly,
82(10):985–992, 1975.
Lopez, Ch. y Stone, K. Performance of the Southern California Edison Company Stirling
Dish, Contractor Report, SAND93-7098 (unlimited release). 1993.
http://www.osti.gov/bridge/servlets/purl/10110545-9ZA1vs/webviewable/10110545.pdf
Lorenz, E. The Essence of Chaos, University of Washington Press. 1996.
Lygeros J., Johansson K. H., Simic S., Zhang J., and Sastry S. Dynamical Properties of
Hybrid Automata. IEEE Transactions on Automatic Control, Vol. 48, No. 1, January 2003.
Madow, MJ. Fundamentals of microfabrication: the science of miniaturization. Chapter 9:

Scaling lwas, actuators, and power in miniaturization. 2nd ed. Irvine, USA: University of
California; 2002.
May, R.M. Simple Mathematical model with very complicated dynamics, Nature, 261:459,
1976.
McLurkinm J.D. Analysis and Implementation of Distributed Algorithms for Multi-Robot

Systems. Ph.D dissertation. Massachusetts Institute of Technology. June 2008.
Michaloski, J. Proctor, F., Dominguez, H., Soons et al. Improving CNC machining accuracy
through thermal model based control. Japan- US Factory Automation Conference- Denver,
Co. July 2004
214
Moore, W.R., Foundations of Mechanical Accuracy, Moore special tool company, Bridgeport,
CT, 1970
Moriwaki, T. Intelligent Machine Tool: Perspective and themes for Future Development,
Manufacturing Science and Engineering. ASME 68-2:841-849
Murray, R.M, Li, Z. y Sastry, S.S. Mathematical Introduction to Robotic Manipulation. CRC
Press. 1994.
Nakazawa, H. Principles of Precision Engineering. Oxford University Press, New York, 1994.
Originalmente en Japonés y traducido al Inglés por R. Takeguchi.
Niejmiejer, H. y Van der Schaft, A.J. Nonlinear dynamical control systems. Springer-verlag.
1990.
Nossov, V.R., Dominguez, H. y Ortega, J.A. Estabilidad de un péndulo con conmutaciones

Applied Math II. 8-12 de Octubre del 2007
Nossov, V. R., Dominguez, H. y Ortega, J. A. Estabilidad de un péndulo con conmutaciones,

Memorias del III Congreso Internacional en Matemáticas Aplicadas, pages 245–252. Instituto
Politecnico Nacional, 2007.
Nossov, V.R., Dominguez, H. y Ortega, J.A. Two dimensional chaos in a random commutable
pendulum. IFAC-CHAOS 09. London, UK 22-24 June 2009
Nosov, V. R., Ortega Herrera, J. A., Stability of fifth degree equations with delay. Functional
Differential Equations, 10:541–554, 2003.
Okazaki Y, Kitahara T. Micro-lathe equipped with closed-loop numerical control. In:

215
91.
Okazaki Y, Mishima N, Ashida K. Microfactory and micro-machine tools. Reported in The 1st
Korea-Japan Conference on Positioning Technology, Korea; 2002
Olson, H., Aströn, K.J., Canudas de Wit, C., Gafvert, M. Y Lischinsky. Friction models and
friction compensation. European Journal of Control, Dec. 1998, No.4, pp.176-195.
Ozel, T. and Altan, T.. Modeling of High Speed Machining processes for predicting tool forces,
stresses and temperatures using FEM simulations. Proceedings of the CIRP. 1998.
Satori, S. And Zhang, G.X., Geometric error measurement and compesnation of machines,
CIRP annals, 44, 2, 1995.
Sira-Ramires, H. and Llanes-Santiago O. Sliding Mode Control on Nonlinear Mechanical

Vibrations. Trans. of ASME. Vol. 122, Dec. 2000
Sharkovskii, O. M. Co-existence of cycles of a continuous mapping of a line onto itself,

Ukranian Math. Z. 16, 61-71, 1964.
Slocum, A.H. Precision machine design. Prentice Hall, Englewood Cliffs, 1992.
Slotine, J.J. and Li, W. Applied Nonlinear Control. Prentice Hall. 1991. Absolute Stability. Pp
142.
Suh, N.P., Bell, A.C. and Gosard, D. An axiomatic approach to manufacturing systems, Trans.
ASME J. Eng. Ind., 100, 1978
Swaroop, D., Hedrick, J.K., Yip, P.P. and Gerdes, J.C. Dynamic Surface Control for a Class of
Nonlinear Systems. IEEE trans. on Automatic Control. Vol. 45 No. 10 October 2000.
216
Taylor, B. N. and Kuyatt, C. E. Guidelines foe evaluationg and expressing the uncertainty of
NIST measurement results. Natioal Institute of Standards and Technology. Gaithersburg, MD.
1994
Trimmer WSN. Microrobots and micromechanical systems. Sens Actuators. 1989: 19:267-87.
Xu, M, Jerard, R.B. Y Fussell, B.K. Energy-based cutting force model calibration for milling.
Computer-aided design and applications, Vol. 4, Nos. 1-4, 2007, pp 341-351.
217
Anexo A
ANEXO A
USO DE ENERGÍAS LIMPIAS EN LA VIDA COMÚN
El uso de energías limpias en el planeta es prioritario para disminuir los efectos en el cambio climático
y la energía solar representa una fuente prácticamente ilimitada y muy barata de energía. Desarrollar
tecnología energética que esté al alcance de la mayoría de la gente debe de ser prioridad para cualquier
sociedad en busqueda de una mejor calidad de vida.
En primera instancia debemos de analizar nuestra actual situación y el transfondo cultural que nuestras
actividades diarias tienen. Consideremos por ejemplo la experiencia de cocinar. La mayoría de los
hogares urbanos requieren de gas natural para calentar los alimentos y, en los países en donde el
invierno es mas duro, para calentar los hogares. La energía calórica requerida depende de la
temperatura requerida para cocinar los alimentos y del tiempo en que esta actividad se desarrolla; por
ejemplo, la tabla 1 muestra el umbral de temperatura de ebullición en que aceites naturales usados en
las cocinas.
Tabla 1. Temperaturas de ebullición de diferentes aceites de cocina

Aceite Temperatura de ebullición
Girasol 120 – 150 °C
Maíz 150 – 180 °C
Olivo 180 – 200 °C
Los valores mostrados en la tabla 1 nos llevan a pensar que una temperatura adecuada en las estufas de
cocina debería de estar alrededor de los 250 a 280 °C. Cuando el aceite sobre pasa su temperatura de
ebullición, empieza a desintegrarse estructuralmente y quemarse, produciendo sustancias tóxicas y
peligrosas para la salud a largo plazo.
A-1
Anexo A
La tabla 2 muestra la energía requerida para calentar en uso doméstico de diferentes fuentes
combustibles y su eficiencia. Podemos ver que el gas natural tiene una eficiencia apenas mayor al 50 %
en cuanto a la energía que se transforma en calor, mientras que la leña en una chimenea convencional
apenas un 10% considerando un gran gasto de biomasa y producción de partículas de carbono que se
van a la atmósfera, contribuyendo con esto al aumento del calentamiento global.
La producción de calor a partir de energía eléctrica se presenta con una eficiencia del 100%, sin
embargo el sentido común nos dice que no es así debido a la eficiencia en la conversión de los
materiales termoeléctricos que no es realmente del 100%.
Tabla 2. Comparación del consumo promedio doméstico en Estados Unidos de diferentes fuentes de energía calórica.
Combustible Valor energético Energía usable en uso eficiencia

doméstico
Gas Natural 1 millón BTU por 1000 650,000 BTU por 1000 65%
pies cúbicos pies cúbicos
Propano 92,000 BTU por galón 59800 BTU por galón 65 %
Electricidad 3413 BTU por kilowatt- 3413 BTU por kilowatt- 100%
hora hora
Chimenea convencional 2.45 millones de BTU 10 %
por pila de maderos 4 ft
x 4 ft x 8 ft
Fuente: Fact Sheet F-9441, Heating Your Home with Wood by Joseph F. Gerling and Max R. Craighead, Oklahoma
Cooperative Extension Service-Division of Agricultural Sciences and Natural Resources.
Por otro lado, no se consideran los efectos producidos durante la generación de la energía eléctrica. La
tabla 3 y la figura 1 muestran el origen de la energía eléctrica a nivel mundial y el carbón y los
hidrocarburos representan mas del 50% del origen de toda la electricidad a nivel mundial. El impacto
ambiental, social y político que tiene esto es, indiscutiblemente, de máxima importancia en nuestros
días.
A-2
Anexo A
Tabla 3. Generación mundial de electricidad

Carbón 39.0%
Petroleo 7.2%
Gas 19.1%
Nuclear 16.6%
Hidráulica 16.2%
otras (geotérmica, solar,
eólica, etc) 1.9%
Fuente: Agencia Internacional de la Energía
Key World Energy Statistics 2002
Generación de Electricidad
Fuente: Agencia Internacional de Energía 2002
Carbón Petroleo Gas

Nuclear Hidráulica otras
(geotérmica
, solar,
eólica, etc)
Figura 1. Generación mundial de electricidad.

Regresando a la generación de calor, el consumo doméstico gas natural en México por regiones se
puede apreciar en la tabla 4. De acuerdo a estos datos, existe mayor consumo de gas natural en lugares
desérticos o con alto índice de desarrollo industrial, con lo que podemos deducir que se utiliza en la
generación de electricidad para refrigeración y procesos de fabricación.
A-3
Anexo A
Tabla 4. Consumo de Gas Natural en México
Zona Geográfica de
distribución Umbral de consumo por usuario
GJ/mes m3/mes
La Laguna-Durango 1.62 43.98
Cuautitlán-Texcoco 1.68 46.33
Norte de Tamaulipas 2.01 54.41
Puebla-Tlaxcala 1.7 46.95
Ciudad Juárez 6.66 184.15
Río Pánuco 1.45 39.22
Querétaro 1.67 45.62
Guadalajara 1.56 43.68
Toluca 2.6 72.44
Nuevo Laredo 3.62 94.09
Saltillo 3.33 90.56
Monterrey 2.97 80.77
Bajío 1.69 47.1
DistritoFederal 1.59 43.52
Hermosillo 2.59 71.02
Chihuahua 5.69 156.14
Mexicali 1.74 45.5
*Información de la Comisión de Regulación de Energía
La factura total del consumo doméstico de gas natural incluye el costo de la adquisición del gas (precio
de gas x consumo en m3), el cargo por servicio, el cargo de distribución volumétrico (precio de
distribución x consumo en m3) y el IVA (Impuesto al Valor Agregado).
Los precios al público de productos petrolíferos y gas natural en México se muestra en la figura 2.
A-4
Anexo A
Figura 2. Precios de gas natural en México. Fuente CRE con datos de Pemex
Todos estos datos nos servirán de referencia para justificar el desarrollo de tecnologías para la
generación, transporte, almacenamiento y uso de energías renovables y limpias (sin generación de
partículas hacia la atmósfera). Tal es el caso de la energía solar, energía eólica y la de las mareas
marinas.
A-5
Anexo B
ANEXO B
CÓDIGO FUENTE DESARROLLADO

% Este programa resuelve las ecuaciones involucrada
% en un proceso de maquinado
% Autor: Héctor Domínguez
% Liccencia: CC By-NC-SA
clear all
close all
c
% Inicializa y llama el programa de solución

% de la ecuación diferencial
x0=[0;0;0;0];
tspan=[0 100];
options=odeset('MaxStep',.1);
[t,x]=ode45('milling',tspan,x0,options);
% Grafica resultados
figure(1)
plot(t,x(:,1),t,x(:,2),':');
title('Velocidad y posición para X')
xlabel('Tiempo [s]')
figure(2)
plot(t,x(:,3),t,x(:,4),':');
title('Velocidad y posición para Y')
xlabel('Tiempo [s]')
figure(3)
plot(x(:,1),x(:,3));
title('posición')
xlabel('X [mm]')
ylabel('Y [mm]')
figure(4)
plot(x(:,2),x(:,4));
title('Velocidad')
xlabel('X [mm/s]')
ylabel('Y [mm/s]')
figure(5)
plot(x(:,1),x(:,2),':');
title('X - plano fase')
figure(6)
plot(x(:,3),x(:,4),':');
title('Y - plano fase')
figure(7)
xn=x(:,1)+0.5*t
plot(xn,x(:,3)*0.1+5);
title('acabado de la superficie')
XFF = fft(x(:,1));
PXFF = XFF.* conj(XFF);
%xlabel('Frecuencia (Hz)')
B-1
Anexo B
function dz = milling(t,z)
% Programa que simula el proceso de corte en una
% máquina fresadora
% El programa está basado en el artículo:
% Chaotic dynamics of the cutting process. Igor Grabec.
% International Journal of machine tools manufacturing.
% Vol 28 No.1 pp. 19-32.1988
% constantes de entrada
C1 = 0.3;
C2 = 0.7;
C3 = 1.5;
C4 = 1.2;
Ro = 2.2;
ho = 0.25; % mm
vo = 6.6; % msec^-1
Ko = 0.36;
wo = 2.7e4; %sec^1
% entradas: velocidad de alimentación y profundidad de corte

Vi = 0.5;
Hi = 0.5;
V = Vi - z(2);
H = Hi - z(3);
% Razón de la frecuencia de operación y resonancia

A = 1;
B = 0.5;
%Amortiguamiento, incrementa el comportamiento no lineal

Dx = 0;
Dy = 0;
% Fo es requerido para calcular la fuerza de corte

Fo = 0.5;
F
% Fuerza de corte
F = Fo*H*(C1*(V-1)^2 +1)*stepU(H)*stepU(V);
%Factor debido a la deformación de sizallamiento plático

R = Ro*(C4*(V-1)^2 +1);
% Velocidad de fricción
Vf = V - R*z(4);
V
% coeficiente de fricción
K = Ko*(C2*(Vf-1)^2+1)*(C3*(H-1)^2+1)*stepU(F)*sign(Vf);
% serie de ecuaciones diferenciales

% en este caso es una serie de ecuaciones lineales
dz = zeros(4,1); % a column vector

dz(1) = z(2);
dz(2) = F - Dx*z(2) - A*z(1);
dz(3) = z(4);
dz(4) = K*F - Dy*z(4) - A*z(3);
B-2
Anexo B
% Este programa calcula los lóbulos de estabilidad

% en un proceso de corte de máquinado
% en un proceso de maquinado
% Autor: Héctor Domínguez
% Liccencia: CC By-NC-SA
close all
c
Omega = [10;1500]; % Rango del ángulo

omega_c = 200; % Frecuencia de chattering
Kf = 1e10; % constante de corte
omega_n = [250;150]; % Frecuancias naturales para X e Y
damp = [0.012;0.01]; % Parámetros de amortiguamiento
stiff = [2.26e8;2.13e8]; % Rigidez
Theta = [pi/6;-pi/4]; % Ángulos de entrada y salida de la herramienta de corte
[lobe,ns,a_lim,n,omega,Real_G,epsilon, PHI] =
stabilityLobes(Omega,omega_c,Kf,omega_n,damp,stiff,Theta);
% Grafica resultados
close all
c
loglog(n(:,2),a_lim,':',n(:,3),a_lim,':',n(:,4),a_lim,':',n(:,5),a_lim,':',n(:,6),a
_lim,':',n(:,7),a_lim,':',n(:,8),a_lim,':',ns,lobe);
figure
semilogx(omega,Real_G)
figure
subplot(2,1,1); plot(lobe)
subplot(2,1,2); plot(ns);
B-3
Anexo B
# Este programa está hecho en Python

# Aplica la licencia CC By-NC-SA
__author__="H ©ctor Dom ¨nguez Aguirre"

__date__ ="$26/11/2009 11:06:55 PM$"
from matplotlib import cm

from numpy import *
from math import *
import matplotlib.pyplot as plt
from matplotlib import rcParams
from mpl_toolkits.mplot3d import Axes3D
# Calcula el n mero de elementos dependiendo el n mero de regiones
def init_var(regiones,barra,radio,altura,foco):
seq = range(1,regiones+1)
indice = sum(seq)
bar_A = 36 * indice - 12 * regiones
bar_B = 18 * indice - 6 * regiones
bar_C = 6 * indice
print "Regiones:",regiones
print "numero de barras tipo A:", bar_A
print "numero de barras tipo B:", bar_B
print "numero de barras tipo C:", bar_C
print "n mero de barras totales:",bar_A+bar_B+bar_C
#considera una barra de aluminio de longitud 'barra' y 10mm x 3 mm espesor x
ajuste de m a mm
volumen_barra=barra*3*10*1000
#la densidad del aluminio fundido es de 2.6e-6 kg/mm^3
densidad_AL=2.6e-6
densidad_AS4=1.79e-6
densidad_vidrio=2.5e-6
peso_barra=volumen_barra*densidad_AL*1000
print "peso barra AL unitaria (grs):",peso_barra
#considerando que el peso del nodo conector es aproximadamente la mitad de la
barra
peso_conector=peso_barra/2
print "peso conector (unitario grs):",peso_conector
#el peso total sera
peso_total=peso_barra*(bar_A+bar_B+bar_C)+peso_conector*(2*bar_C)
print "peso total de la estructura (sin espejos kgs):",peso_total/1000
#Calculo para fibra de Carbono
peso_barra=volumen_barra*densidad_AS4*1000
print "peso barra AS4 - Fibra de Carbono unitaria (grs):",peso_barra
#considerando que el peso del nodo conector es aproximadamente la mitad de la
barra
peso_conector=peso_barra/2
print "peso conector (unitario grs):",peso_conector
#el peso total sera
peso_estructura=(peso_barra*(bar_A+bar_B+bar_C)+peso_conector*(2*bar_C))/1000.
print "peso total de la estructura AS4 (sin espejos kgs):",peso_estructura
#n mero total de espejos
total_espejos=6*regiones**2
print "n mero total de espejos",total_espejos
#volumen en m^3
area_espejo = sqrt(3)*barra/4.0
espesor_espejo=0.008
volumen_espejo=area_espejo*espesor_espejo
B-4
Anexo B
#peso en kgs
peso_espejo=volumen_espejo*densidad_vidrio*1e6
#Ajuste del peso de espejos
peso_espejo=peso_espejo*10
#print "peso de un espejo", peso_espejo," peso total espejos: ",
peso_espejo*total_espejos
peso_total = peso_estructura + peso_espejo*total_espejos
print "peso total: ", peso_total
#print "altura: ",altura
#valor medio para el sol
sigma=0.009
#valor del n dice de reflexi n de los espejos
eta_espejo=0.9
#c °lculo de distancia de la orilla al foco
L=sqrt(radio**2 + (foco-altura)**2)
# °ngulo del ltimo espejo
alpha=2.*atan(radio/L)
print "alfa: ", alpha*180./math.pi
#c °lculo del °rea total del concentrador solar
Ac=(1.5)*sqrt(3)*regiones**2 * barra**2
#c °lculo del di °metro del receptor
Drmax=(2.*(barra/sqrt(3.))*cos(alpha/2.)+sigma*foco)/(cos(alpha/2.)**2)
#print "Dmax :",Drmax
#c °lculo del °rea del receptor
Ar=math.pi*Drmax**2/4.
print "Ac : ",Ac," Ar: ",Ar
#print "Ac : ",Ac
#c °lculo del factor de concentraci n en soles
eta=Ac*eta_espejo/Ar
#imprime factor de concentraci n
print "Factor de concentraci n (Fsoles): ", eta
#precio del material del concentrador
costoALporKG=2.50
costoAL=costoALporKG*peso_estructura
costoEspejoAreaM2=12
CostoEspejos=costoEspejoAreaM2*Ac
CostoTotal=costoAL+CostoEspejos
print "Costo del Al: ", costoAL, " Costo de los espejos: ", CostoEspejos
print "Costo Total: ", CostoTotal
#implementaci n de una par °bola en forma param ©trica

def disco(radio,foco,barra):
x=zeros(1)
y=zeros(1)
z=zeros(1)
h=zeros(1)
xt=0.0
zt=0.0
t=0.0
region=0
coef=zeros(5)
while xt < radio:
p=2*foco
t1=t
coef=calcoef(t1,barra,p)
t=solve4d(coef)
xt=2*p*t
yt=0.0
zt=2*p*t**2
x=append(x,xt)
B-5
Anexo B
y=append(y,yt)
z=append(z,zt)
h=append(h,zt)
region+=1
for j in range(2,8):
for k in range(1,region+1):
xt=xt+barra*cos(j*math.pi/3)
yt=yt+barra*sin(j*math.pi/3)
x=append(x,xt)
y=append(y,yt)
z=append(z,zt)
init_var(int(round(len(h))),barra,radio, max(y), foco)
rcParams['font.size'] = 8
fig=plt.figure()
ax=fig.add_subplot(111)
titulo="X-Y view\nDia = "+str(2*radio)+" F = "+str(foco)+ " bar size =
"+str(barra)
ax.plot(x,y,'-o',ms=5,lw=2,alpha=0.7,mfc='red', label=titulo)
ax.legend()
#plt.show()
fig2=plt.figure()
a2x=fig2.add_subplot(111)
titulo="X-Z view\nDia = "+str(2*radio)+" F = "+str(foco)+ " bar size =
"+str(barra)
a2x.plot(x,z,'-o',ms=5,lw=2,alpha=0.7,mfc='red', label=titulo)
a2x.plot([0], [0], [foco], '-o',ms=10,lw=2,alpha=0.7,mfc='blue')
a2x.legend()
#plt.show()
fig3d = plt.figure()
bx = Axes3D(fig3d)
titulo="3D view\nDia = "+str(2*radio)+" F = "+str(foco)+ " bar size =
"+str(barra)
bx.plot(x, y, z,'-o',ms=5,lw=2,alpha=0.7,mfc='red', label=titulo)
bx.plot([0], [0], [foco], '-o',ms=10,lw=2,alpha=0.7,mfc='blue')
bx.legend()
plt.show()
# Soluci n de una ecuaci n polinomial de cuarto orden

# ax4 + bx3 + cx2 + dx + e = 0
def solve4d(c):
poly=poly1d([c[0],c[1],c[2],c[3],c[4]],r=0)
x=poly.r
#print max(x.real)
return max(x.real)
# Actualiza coeficientes para resolver el siguiente paso parametrizado

def calcoef(t1,L1,p):
c=ones(5)
c[0]=1.0
c[1]=0.0
c[2]=1-2*t1**2
c[3]=-2*t1
c[4]=t1**4+t1**2-L1**2/(4*p**2)
return c
B-6
ANEXO C
HERRAMIENTAS DE DESARROLLO
Esta es una lista del software usado en las simulaciones computacionales desarrolladas en
este trabajo de investigación
Ptolemy
Página web: http://ptolemy.eecs.berkeley.edu/
Descripción:
El proyecto Ptolemy estudia la modelación, simulación y diseño de sistemas concurrentes,

tiempo real e incrustrados. El enfoque del proyecto se centra en el ensamble de
componentes concurrentes. La clave del proyecto es el uso de modelos computacionales
bien definidos que gobiernan la interacción entre los componentes. Un problema mayor en
modelos computacionales es la mezcla heterogenea de modelos. El software Ptolemy se
ejecuta sobre Java.
Principal uso en la investigación:
El software Ptolemy fue usado en la construcción de modelos híbridos de máquinas y

sistemas dinámicos. De igual forma fue esencial para el desarrollo de los ejemplos de
dinámica conmutable. El software permite construir modelos computacionales basados en
máquinas de estados finitos con dinámica continua internamente. Además permite la
visualización en diferentes formas.
Python
Página web: www.python.org/
Descripción:
Python es un lenguaje de programación multiparadigma. Esto significa que más que forzar a
los programadores a adoptar un estilo particular de programación, permite varios estilos:
programación orientada a objetos, programación estructurada y programación funcional.
C-1
Otros paradigmas están soportados mediante el uso de extensiones.
Python es un lenguaje de programación muy poderoso que puede aglomerar otros lenguajes
como C, C++, Fortran y Java. Cuenta con variadas y diferentes librerías disponibles. Muchas
muy poderosas y de gran calidad de programación; por ejemplo, las librerías de cálculo
matemático y científico y las de visualización y conectividad en internet o con otros
dispositivos.
Python se usó para el modelado dinámico de sistemas robóticos, máquinas y el cálculo de

los parámetros de modelación y simulación para el ensamble de los concentradores solares.
De igual manera, Python fue usado en el desarrollo del prototipo del sistema de control de
movimiento del sistema de inspección automática de tarjetas electrónicas usando un sensor
láser.
Matlab
Página web: http://www.mathworks.com/
Descripción:
MATLAB® es un lenguaje de alto nivel y un ambiente interactivo que permite realizar tareas
computacionales intensivas. Tradicionalmente, Matlab es un lenguaje usado extensivamente
en proyectos académicos, de investigación e ingeniería. El ambiente cuenta con un gran
número de librearías de desarrollo muy poderosas, algunas son capaces de servir de
interface con hardware de control, monitoreo o computacional. Este software es propietario,
lo que quiere decir que se requiere de la compra de una licencia para usarlo y muchas de
sus librerías requieren de sus propias licencias de uso.
MATLAB® se uso principalmente en la simulación de las condiciones de corte en un proceso

de máquinado y en las simulaciones de control de máquinas, incluyendo Máquinas de control
numérico, robots y mecanismos en general.
C-2
Eagle
Página web: http://www.cadsoftusa.com/
Descripción:
EAGLE es un editor de sistemas eléctricos y electrónicos de manera sencilla y poderosa.

Contiene un gran número de librerías con componentes disponibles. El nombre de EAGLE
viene del acrónimo en inglés: Easily Applicable Graphical Layout Editor
El programa consiste de tres módulos principales:
Editor de Capas
Editor esquemático
Auto ruteador
Los cuales comparten una sola interfase, facilitando con esto la integración de las
heramientas.
El paquete EAGLE se uso en el diseño electrónico del sistema de control de movimiento.
Comentarios finales.
De igual forma existen distribuciones de Linux con software específico para aplicacinoes en
ingeniería, tal como CAE LINUX. La gran parte de los desarrollos en esta investigación se
desarrollaron en UBUNTU LINUX y usando software libre.
C-3
Anexo D
ANEXO D
PORTADAS DE PUBLICACIONES
Artículos publicados
Hybrid system model and simulation of a CNC machine.

Hector Domínguez, Jose Angel Ortega and Valery R. Nosov
Applied Math III. 8-12 de Octubre del 2007
Estabilidad de un péndulo con conmutaciones

Valery R. Nossov, Hector Dominguez and Jose A. Ortega
Applied Math II. 8-12 de Octubre del 2007
Complex dynamics in an ideal conmutable pendulum

Valery R. Nossov, Hector Dominguez and Jose A. Ortega
5th Internatinoal conference on electrical engineering, computing science and automatic
control 2008. 12-14 de Noviembre del 2008.
Stability of some polinomial equations with delay

Velery R. Nosov, Jose A. Ortega and Hector Dominguez
Functional Differential Equations. Volume 16, 2009, No. 3-4. pp 584-600
Two dimensional chaos in a random commutable pendulum

Valery R. Nosov, Hector Dominguez and Jose A, Ortega
IFAC-CHAOS 09. London, UK 22-24 June 2009
On the design of an automatic electronic board inspection system unsing a laser

sensor
Hector Dominguez, Adriano de Luca, and Arturo Redondo
Report for SONY-Mexico. CINVESTAV-Mexico. 1 de Marzo, 2010
D-1
Anexo D
Documentos listos para publicación
Chaos in a commutable harmonic oscillator

Valery R. Nosov, Hector Dominguez and Jose A. Ortega
Continuous realization or arbitrary one dimensional Poincaré map

Stabilizing chaos in a commutable harmonic oscillator

Design of an automatic assembly system of a solar collector using micro machines.

Hector Dominguez and Jose A. Ortega
Design of an Automatic Inspection System for Printed Circuit Boards using a Laser
Sensor
Hector Dominguez, Adriano de Luca, and Arturo Redondo
Optimización de colectores solares basados en micro espejos

Hector Dominguez, José A. Ortega Herrera y Valery R. Nossov
D-2
Anexo D
ARTÍCULOS PUBLICADOS
D-3
Anexo D
D-4
Anexo D
D-5
Anexo D
D-6
Anexo D
D-7
Anexo D
D-8
Anexo D
D-9
Anexo D
D-10
Anexo D
D-11
Anexo D
ARTÍCULOS EN VÍAS DE PUBLICACIÓN
D-12
Anexo D
D-13
Anexo D
D-14
Anexo D
D-15
Anexo D
D-16
Anexo D
D-17
ANEXO E
TALLERES LIBRES DE ARTES Y TECNOLOGÍAS
El ser humano tiene un largo camino por recorrer aún hacia un mejor reconocimiento de sí
mismo entre sus semejantes y el entorno que lo rodea y que lo ha puesto en donde está. La
ciencia y la tecnología son herramientas que complementan ese camino y proporcionan
información para que individual y colectivamente se generen percepciones, que se podría
llamar modelos, de su ser y hacer en el univeso.
Esta constante búsqueda del entendimiento humano debe de ser parte fundamental de
cualquier sociedad; sin embargo, debido al estilo de vida urbano actual, la sociedad vive
tiempos dominados por el consumismo y la dispersión, en lugar de la creación y
concentración de esfuerzos. En un mundo con mas de seis mil millones de personas,
viviendo con recursos energéticos limitados y en directa competencia con el entorno y la
naturaleza, es necesario replantear muchos estilos de vida y costumbres a los cuales hemos
llegado como humanidad.
Por eso y como aportación a nuestra sociedad, se plantea la creación de lo que estamos
llamando Talleres Libres de Artes y Tecnologías, los cuales, en esencia, son centros
comunitarios de desarrollo científico y tecnológico. Se plantean dentro de un sistema
complejo y distribuido que es nuestra sociedad, para la exploración de la inteligencia
colectiva de la gente a través del entendimiento de necesidades locales, la solución de éstas
usando herramientas científicas, tecnológicas, artísticas y culturales, y la cooperación como
medio de desarrollo y entendimiento, a través del intercambio de información, experiencia,
medios y materiales entre estos talleres libres.
La propuesta es que estos espacios y organizaciones, se conviertan en algo común de la

estructura de una comunidad. Que no dependan de algún organismo público o privado, sino
que sean espacios como ahora lo son los parques, las calles, los ríos o el aire que
respiramos. Por supuesto que para poder llegar a este estado es necesario un gran trabajo
de conscientización y de esfuerzo común en una sociedad.
Los Talleres Libres son localizados en su área de operación, con el fin de enfocar esfuerzos y
crear un lugar en donde el talento local pueda establecerse sin la necesidad de que tenga
que emigrar, dejando a su comunidad sin ese talento. Al resolver necesidades locales con
recursos locales se asegura un mejor entendimiento de este contexto, de los recursos en la
zona, del contexto que origina la necesidad, y esto asentaría las condiciones para encontrar
una solución mas óptima mas rápidamente.
Pero también son distribuidos de manera que se genere una diversidad de conocimiento,
esfuerzos y perspectivas de entendimiento. Para que sea posible compartir estos
conocimientos y experiencias, se plantea una red de intercambio de información y
esperiencias usando redes semánticas de información y un sitestema de reconocimiento de
la propiedad intelectual entre los creadores y usuarios. El impacto de esta red de
colaboración se basa en las características que se plantean en los sistemas complejos,
pequeñas perturbaciones pueden crear grandes efectos en un entorno global. Esto es el
efecto mariposa.
Los primeros pasos se están dando y se están formado grupos independientes de desarrollo
de proyectos de ciencia y tecnología independientes y con un enfoque social tomando en
cuenta el contexto local y global, el entorno y el impacto que estos esfuerzos pueden
ocasionar.
Los talleres libres plantean un ambiente abierto, de intercambio de conocimiento y de

experiencias, con métodos flexibles de reconocimiento de la propiedad intelectual que den
opciones a los creados y dueños de conocimiento, individual o colectivo, de proteger
efectivamente el mismo. La propuesta no pretende competir sino colaborar, y también
propone una forma de desarrollo científico y tecnológico mas cercano a la sociedad,
enfocado a la solución de problemas muy locales y puntuales, con tecnología y ciencia
apropiada y apropiable, con el fin de que en un periodo de tiempo corto, poder crear la
ciencia y tecnologías propias.
Si desea saber mas sobre el proyecto, puede consultar la página de internet:

http://www.tallereslibres.org/

Análisis Dinámico No Lineal Y Discreto para Un Sistema de Ensamble Y Manufactura Automático de Estructuras de Colectores Solares Modulares

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Análisis Dinámico No Lineal Y Discreto para Un Sistema de Ensamble Y Manufactura Automático de Estructuras de Colectores Solares Modulares

Uploaded by

Copyright:

Available Formats

INSTITUTO POLITÉCNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA

SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN

ANÁL I S I S DIN Á M I C O NO LIN E A L Y

PARA OBTENER EL GRADO DE

DOCTOR EN CIENCIAS EN INGENIERIA MECANICA

México, D.F., Mayo, 2010

CAPÍTULO 1. INTRODUCCIÓN A MODELOS MATEMÁTICOS DE

CAPÍTULO 2. ANÁLISIS NO LINEAL DE DINÁMICA COMPLEJA EN

CAPÍTULO 4. SIMULACIÓN COMPUTACIONAL NO LINEAL Y DISCRETA DE

RECOMENDACIONES Y TRABAJO A FUTURO.................................................. 207

BIBLIOGRAFÍA GENERAL....................................................................................... 209

ANEXO A. USO DE ENERGÍAS LIMPIAS EN LA VIDA COMÚN......................A-1

ANEXO B. CÓDIGO FUENTE DE SOFTWARE DESARROLLADO.................. B-1

ANEXO C. HERRAMIENTAS DE DESARROLLO COMPUTACIONAL............C-1

ANEXO D. PORTADAS DE PUBLICACIONES..................................................... D-1

ANEXO E. TALLERES LIBRES DE ARTES Y TECNOLOGÍAS........................ E-1

CAPÍTULO 1. INTRODUCCIÓN A MODELOS MATEMÁTICOS DE

CAPÍTULO 2. ANÁLISIS NO LINEAL DE DINÁMICA COMPLEJA EN

CAPÍTULO 3. DISEÑO DE ALGORITMOS DE MODELACIÓN Y CONTROL

CAPÍTULO 4. SIMULACIÓN COMPUTACIONAL NO LINEAL Y DISCRETA DE

CAPÍTULO 5. DISEÑO E IMPLEMENTACIÓN DE MICROMECANISMOS DE

El principal objetivo de esta disertación es el de desarrollar técnicas

Se ha usado un procedimiento de análisis de errores en micro mecanismos

Como filosofía de desarrollo se ha hecho énfasis en la Integración de

Es importante mencionar que la aportación mas innovadora de este trabajo

Se ha desarrollado un sistema de control de movimiento que ha sido

Este trabajo incluye también varias piezas de software de análisis de

A fundamental philosophy for development in this work it to integrate

A motion control system was developed and implemented in an automatic

This research also includes several pieces of software aim to analyze

En este momento, la solar representa la fuente mas importante de energía en el planeta y

El proceso de generación de energía en este caso es relativamente simple, el foco de la

Figura i.2. Proceso de generación de energía eléctrica con un concentrador solar.

Tabla i.1. Generación mundial de electricidad

Carbón Petroleo Gas

Figura i.3. Gráfica de la distribución de las fuentes de energía mundial en el 2002.

El desarrollo de tecnología relacionada a la generación de energía renovable y limpia es de

Sin embargo, existen alternativas basadas en la miniaturización de las máquinas, en una

El grupo de Ingeniería Computacional y Matemática Aplicada de la Sección de Estudios de

Héctor Domínguez Aguirre tiene un gran experiencia en cuanto a su formación académica y

Desarrollar técnicas innovadoras dentro del campo de micromáquinas y micromecanismos

Este trabajo pretende investigar de manera integral el modelado matemático de la dinámica

De igual manera, se pretende desarrollar modelos matemáticos y software de simulación que

Se diseñara software, hardware electrónico y mecanismos para probar el método de

Se analizará la estructura propuesta para la construcción de un concentrador solar con el fin

sistemas de micromáquinas; además de pensar en estratégias de trabajo colaborativo de

Este trabajo de investigación pretende principalmente desarrollar modelos matemáticos,

La aportación mas innovadora de este trabajo es el desarrollo de modelos dinámicos

Procedimiento de análisis de errores en micro mecanismos obteniendo una matriz de

Integración de diferentes herramientas de prototipos rápidos para el análisis y diseño de

Varias piezas de software de análisis de procesos de maquinado, modelos robóticos,

Desarrollo de un sistema de control de movimiento que ha sido implementado en una mesa

INTRODUCCIÓN A MODELOS MATEMÁTICOS DE

En la larga historia de la mecanización y automatización de procesos industriales, mucho se

inteligentes permiten el manejo de entradas ambiguas, el uso de la experiencia y el know-

Aunque el diseño de micromáquinas o micromecanismos depende en gran medida de la

Las micromáquinas ofrecen grandes ventajas en cuanto a la flexibilidad de los procesos de

investigación en de la Sección de Estudios de Posgrado e Investigación del Instituto

En el caso particular de este trabajo de desarrollo tecnológico, es necesario considerar la

En este capítulo se tratarán temas generales de diseño de máquinas y su aplicabilidad a los

1.2 Descripción de diseños básicos de micromáquinas

• La posesión de una referencia cinemática perfecta