Control Predictivo basado en Modelos (MPC)
|
|
- Gregorio Martin Pérez
- hace 8 años
- Vistas:
Transcripción
1 Control Predctvo basado en Modelos (MPC) Prof. Cesar de Prada Dto. Ingenera de Sstemas Automátca Unversdad de Valladold, Esaña e-mal: web:htt//
2 Tendencas en la ndustra Exgencas crecentes de otmzacón de costos, meor caldad, roductvdad, segurdad, reseto al medo ambente, funconamento de las lantas en un amlo rango de condcones de oeracón,.. Requere una meora de los sstemas de control ara cumlr esecfcacones. Necesdad de raconalzar las decsones de nvel sueror con sgnfcado económco de ntegrar todas las decsones a dversos nveles.
3 El lazo de control v DV w SP Controlador u MV Proceso CV
4 El regulador PID e( t) w( t) ( t) u t K e t T e d T de ( ) ( ) ( τ) τ d dt regulador basado en señal, no ncorora conocmento exlícto del roceso 3 arámetros de sntona K, T, Td dversas modfcacones
5 Regulacón automátca convenconal Tem TC FC FT FC Refrgerante TT Reactor AT Conc. FT Producto
6 Problemas de control En la ndustra de rocesos, los reguladores PID soluconan ben la maoría de los roblemas de control monovarable (caudal, resón,...) Sn embargo ueden no tener un buen comortamento en lazos de dnámca dfícl (retardos, fase no mínma, etc.) En sstemas mas comleos con nteraccón entre varables, (control de una undad de roceso,...) la nteraccón entre lazos uede emeorar seramente el control.
7 Reactor: Interaccón u2 w T TC AC w c u La nteraccón entre los lazos uede medr un funconamento adecuado FC FC TT AT FT Matera rma FT Refrgerante Reactor Productos
8 u2 Interaccón Tem Conc. MPC u El control multvarable tene en cuenta la nteraccón entre las varables trata de controlar la undad de roceso como un todo FC FT FC TT AT Reactvo FT Refrgerante Reactor Producto
9 Procesos multvarables (MIMO) En rocesos multvarables la nteraccón crea roblemas de control. Además cuando ha restrccones en las varables, erturbacones, etc. las llamadas estructuras de control no semre dan buenos resultados son dfícles de mantener. En consecuenca, a menudo la undad se regula manualmente or un oeraro. FT FT FY FC F TC TT V PT PC TT TC LT LC R FC FT LT LC D
10 Control Multvarable El control multvarable, en artcular el MPC, tene en cuenta la nteraccón entre las varables, sus restrccones, las erturbacones, etc. ermte realzar un control efcente de forma automátca, abrendo las uertas a la otmzacón de su unto de oeracón. FT FT FC F V PT PC TT TT LT LC R FC FT MPC LT LC D
11 Control otmzacón límte sueror ref ref temo La reduccón de varanza ermte mover la referenca resetar los límtes de la varable. La meora del control ermte la otmzacón.
12 Un meor control ermte la otmzacón del unto de trabao ula gases are Hogargar Secadero Gas límte MC w MT Pula seca Humedad de ula seca SP W W2
13 Control Otmzacon lmte W W2 mnmzar varanza ermte mover la consgna mas cerca de los límtes de oeracón ótmos necesdad de un meor control oerar cerca de las restrccones
14 Prámde de control Otmzacón local MPC Regulacón convenconal Control Predctvo PID, DCS,.. El control avanzado oera sobre el control convenconal, alcado al funconamento de una undad de roceso añade nuevas fuconaldades tenendo en cuenta la nteraccón entre las varables, las restrccones la otmzacón contnua de su oeracón. Instrumentacón Válvulas, Transmsores
15 JERARQUIA DE CONTROL Nvel 3 Otmzacón Interes económco Nvel 2 Control Avanzado Nvel Control Convenconal PID, DCS Para oder abordar roblemas de un nvel, los nveles nferores han de funconar correctamente En concreto, la otmzacón económca exge que el nvel de control funcone adecuadamente nvel 0 Instrumentacón de Camo
16 Control Predctvo MPC estratega de control basada en el uso exlícto de un modelo del roceso ara redecr el comortamento futuro de la varable controlada sobre un horzonte temoral es factble or los cambos tecnológcos en comutadores, técncas de modelado, métodos numércos,... Dversos algortmos: DMC, GPC,.. w Otmzador u v Proceso (t) Predctor
17 Control Predctvo MV u(t) u(tk t) temo CV asado futuro Señal de referenca Predccón de la salda: ^ (tk t) SP t t t2... temo
18 MPC, Otmzacón w Otmzador u v Proceso (t) Predctor mn J u(t),u(t ),.. N2 [ ] 2 ŷ(t ) w(t ) [ β u(t ) ] N Nu 0 2 (t) están relaconados con u(t), u(t) a través de las ecuacones de redccón calculadas con el modelo del roceso
19 Control redctvo PID MPC
20 Característcas del MPC Manea roblemas de control multvarable con dstnto numero de CV MV comensa erturbacones medbles Permte trabaar con rocesos de dnámca comlea: retardos, resuesta nversa,... Permte trabaar con restrccones en las varables manuladas o controladas Fácl de entender Abre las uertas a la otmzacón económca del roceso
21 Dseño de controladores...ero necesta un modelo dnámco Sn Modelo Análss del roceso Sntonía del controlador Con Modelo Modelado Identfcacón Esecfcar control
22 Prncales elementos Modelo nterno usado ara efectuar redccones del comortamento futuro Señal de Referenca Estructuracón de la le de control Cálculo de las señales de control que roorconan un meor escenaro futuro Estratega de horzonte movl
23 Modelos dscretos u(kt) Ordenador A/D Proceso (kt) D/A modelos dscretos la salda en t kt deende de las entradas saldas en nstantes de temo (k-)t anterores
24 Modelos Lneales la salda actual deende lnealmente de las entradas saldas en nstantes de temo anterores ( t) a ( t )... a ( t n) b u( t )... b u( t m) n m las varables u e son erturbacones sobre un unto de oeracón ( t ) Y Y u( t) U U 0 0
25 Modelo resuesta salto ( t) g u( t ) No requere conocer la estructura del modelo Puede descrbr dnámcas no usuales Predccón smle oco sensble a errores Lmtado a sstemas estables Contene muchos arámetros
26 Matrz Dnámca 2 3 u t t t u2 t t t resuesta salto entre cada ar entrada/salda
27 DMC Dnamc Matrx Control z(t) z(t) z(t ) Modelo: resuesta salto erturbacón g (t) g u(t ) n(t) Predccones: (t ) g u(t ) g u(t ) n(t ) Modelo de erturbacón: n( t ) n( t) ( t) g u( t ) Predccones: ŷ(t ) g u(t ) g u(t ) (t) g u(t )
28 DMC, Dnamc Matrx Control ŷ(t ) g u(t ) g u(t ) (t) g u(t ) (t) (t) g g u(t u(t ) ) g 2 g u(t u(t ) 2)... g u(t ) g 2 u(t 2)... (t) (g g ) u(t ) g In asmtotcall stable sstems: g g 0 d d 0 > N, N,..., N2 N (t) (g g ) u(t ) Free resonse of the sstem at tme t
29 DMC, Dnamc Matrx Control Predccones: ŷ (t ) g u(t ) Resuesta forzada lbre ( t ) G ( q ) u( t ) G ( q ) g q... g q N (t) (g g ) u(t ) u(t-) resuesta lbre
30 DMC, eleccón ótma de u N2 2 Nu 2 Mn : J [ ( t ) w( t ) ] [ β u( t ) ] N 0 w ( t ) G ( q ) u( t ) Estructura del control: u(t) 0 Nu Nu control horzon t u(t-) u(t) t N Horzonte de Control (t) Horzonte de Predccón Nu N2 tme tme
31 DMC mn u(t), u(t),.. Puede formularse en forma matrcal: e N2 [ t w t ] [ β u t ] J ( ) ( ) ( ) N u( t)' [ u( t), u( t ),..., u( t Nu ) ] [ w(t N), w(t N ),..., w(t N2) ] 0 ' N N N2 gn... g gn... g2 g G g g N2 N2 Nu 2 Nu 2 0 ( t ) G ( q ) u( t ) [ G' G βi] u(t) 2e 0 ' G u(t) e0 ' e0 J u '(t)
32 DMC J [ G' G βi] u(t) 2e 0 ' G u(t) e0 ' e0 u '(t) S no ha restrccones: J 0 u 2G [ e G u] 2β u 0 0 [ G' G βi] G' 0 u( t) e [ G' G βi] G'( w ) u( t) Accón Integral Comensacón de retardos Sntonía: Horzontes, β Sstemas estables en lazo aberto
33 Parámetros DMC mn u(t ) J N2 N Nu 2 [ ŷ(t ) w(t ) ] [ β u(t ) ] 0 2 (t) w β Factor de eso Move suresson factor u control moves t u(t-) t N u(t) horzonte de concdenca temo horzonte de N2 redccón Nu horzonte de control temo
34 DMC offset DMC redccones: En estado estaconaro: ( t ) G ( q ) u( t ) ŷ ss como N (t) ŷ (g g ) u(t ) ss Las redccones del estado estaconaro son no sesgadas, s la otmzacón lleva las redccones del modelo a w, entonces la salda del roceso será gual a la referenca w, roorconando error estaconaro nulo
35 Perturbacones medbles v erturbacón medble u varable manulada n varable controlada erturbacónes no medbles Modelo DMC: ( t) g u( t ) d v( t ) n( t)
36 Predccones (DMC) con erturbacones conocdas ) n(t ) v(t d ) v(t d ) u(t g ) u(t g ) (t ) v(t d ) u(t g (t) n(t) ) n(t ) v(t d ) u(t g (t) ) v(t d ) v(t d ) u(t g ) u(t g ) ŷ(t Predccón: Hótess: Searar térmnos que deenden del futuro del asado
37 DMC: Resuesta lbre ) v(t d ) v(t ) d (d ) u(t ) g (g (t) es esto ) v(t d ) v(t d ) v(t d ) u(t g ) u(t g (t) N N ) v(t d ) v(t ) d (d ) u(t ) g (g (t) N2 N,..., N, 0 d d 0 g g > En rocesos estables: se necesta una hótess sobre la evolucón futura de v, usualmente v(t) v(t) horzonte móvl
38 Correccón feedforward automatca Resuesta forzada: G (q ) u(t ) Resuesta lbre: ŷ (t f ) (t) u(t) t ( t ) G ( q ) u( t ) Formalmente la msma exresón. El efecto de la erturbacón esta ncludo en la resuesta lbre
39 Restrccones Las restrccones en los valores que ueden tomar las varables aarecen de forma natural en la formulacón de los roblemas de control: Lmtacones físcas de las varables Límtes de segurdad Requstos de caldad, etc.
40 Restrccones Lmax v u Rango de las señales de control Velocdad de cambo de u: Rango de las varables controladas: U D L Lmn u(t m U M u(t ) m D M ŷ(t ) ) m L M Deben ser añaddas a la formulacón del roblema de otmzacón
41 DMC con restrccones mn u J N2 [ ] 2 ŷ(t ) w(t ) [ β u(t ) ] N Nu 0 2 D u( t ) D m U u( t ) u( t ) U m L ( t ) g u( t k ) ( t ) L m 0,..., Nu,..., N2 0 k M k M M Programacón cuadrátca QP u
42 Posbles roblemas de factbldad u(t) QP Regón factble mn x Ax x 0 c x b 2 x Q x Ha de resolverse un roblema QP en línea cada erodo de muestreo Software numérco efcente u(t)
43 Formulacón Multvarable SP Tem SP Com. ( t) M 2( t) M n( t) M M... M 2 m M... M m M... M u( t) n( t) u2( t) n2( t) u ( t) n ( t) n n2 nm m n u 2 Tem MPC Com. TT u FC FT Se necesta un modelo que relacone las varables controladas con las manuladas erturbacones medbles FC FT Refrgerante TT AT Reactor Producto Almentacón
44 DMC Multvarable v u u2 v u t t t u2 Modelo modelo nterno nterno t t t 2 2 ( t) g u ( t ) g u ( t ) g v( t ) n ( t) ( t) g u ( t ) g u ( t ) g v( t ) n ( t) Matrz dnámca ( t) g u ( t ) g u ( t ) g v( t ) n ( t)
45 DMC Multvarable Predccones: Mn funcon de costo: mn u J N2 N γ 3 N2 N γ ( t ) g u ( t ) g u ( t ) ( t ) 2 2 ( t ) g u ( t ) g u ( t ) ( t ) 2 2 ( t ) g u ( t ) g u ( t ) ( t ) [ ŷ ] (t ) w(t ) γ 2[ ŷ2(t ) w 2(t ) ] Nu 2 2 [ ] 2 ŷ [ β ] 3(t ) w 3(t ) u(t ) [ β2 u 2(t ) ] γ Equal concern errors, factores de eso ( normalzacón) 0 Con restrccones lneales: roblema QP N2 N Nu
46 MPC Multvarable u mn k (t ) J u mn k (t ) N N2 k k N k γ k M Nu k 2 ( ) β ( 2 ŷ (t ) w (t ) u (t ) ) k k K 0 k k con: ŷ n k (t ) gks us(t ) k(t s Dm k < u k (t)< DM k Um k < u k (t)< UM k Lm k < k (t)< LM k ) Resuelto como un roblema de Programacón cuadrátca cada erodo de muestreo
47 Otmzacón Económca Cual es el meor unto de trabao? u 2 w Tem w Com. u Como austar las referencas w Tem, w Com a ese unto? Tem MPC Com. TT FC FT FC FT TT AT Reactor Almentacón Refrgerante Producto
48 Otmzacón Económca Funcón de costo economca: Otmzador Económco (RTO) (Producto*concentracón*reco- w Tem w Com. matera rma*reco -Fluo refrgerante*reco)* u 2 MPC u temo Tem Com. TT FC FT Max Benefco Con las restrccones el msmo modelo que el MPC FC FT Refrgerante TT AT Reactor Producto Almentacón
49 Otmzacón de consgnas Tendenca: Combnar las dos caas en un solo MPC donde el crtero es drectamente económco w LP Otmzacón económca MBPC SP DCS La maor arte de los sstemas ncororan una caa deotmzacón en lnea del unto de trabao con crteros económcos Proceso
50 Otmzacón con restrccones Regón de Oeracón del Controlador Otmo Económco Velocdad Turbna Presón P en columna Regón de Oeracón Preferda or el Oerador Temeratura Aertura válvula Comoscón
51 Acetacón ndustral
UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesMódulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)
Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesIII CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES
III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES TUTORIAL: ANÁLISIS MULTIOBJETIVO CONSIDERANDO INCERTIDUMBRE E IMPRECISIÓN Patrca Jaramllo A. y Rcardo A. Smth
Más detallesGuía de ejercicios #1
Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesPROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)
ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón
Más detallesDualidad entre procesos termodinámicos y electromecánicos
ENERGÍA Y COENERGÍA EN IEMA ELECROMECÁNICO REALE, DEDE PROCEDIMIENO ERMODINÁMICO CLÁICO Alfredo Álvarez García Profesor de Inenería Eléctrca de la Escuela de Inenerías Industrales de adajoz. Resumen La
Más detalles1. Modelos Expresados en Variables de Estado 1
2 3 Modelo en Varables de Estado.doc 1 1. Modelos Exresados en Varables de Estado 1. Modelos Exresados en Varables de Estado 1 1.1. Introduccón 2 1.2. Defncón 2 1.3. Forma General 9 1.4. Solucón 1 1.5.
Más detallesREGULADORES PID. Reguladores PID.
REGULADORES PID Reguladores PID. 1. Introduccón a los sstemas de control. Objetvos. 2. Especfcacones de funconamento. 3. Accones báscas de control. Reguladores PID. 4. Metodologías de dseño. 5. Ajuste
Más detallesTERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesProblemas de Control e Instrumentación de procesos químicos 4º Ingeniería Química
Problemas de Control e Instrumentacón de procesos químcos 4º Ingenería Químca Problema 9 La presón de un sstema de almacenamento de un certo gas se regula por medo de un sstema como el reflejado en la
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesQué es la EN81-28? Atrapado en el ascensor?
Qué es la EN81-28? Atrapado en el ascensor? www.safelne.se La podemos ayudar! Hsselektronk desarrolla y produce electrónca para ascensores. Nuestra gama de productos consste prncpalmente en teléfonos de
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detalles1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n
4. Análss de regresón lneal múltle En caítulos anterores tratamos el análss de regresón smle que trata de relaconar una varable exlcatva cuanttatva con una varable resuesta cuanttatva. Todos los elementos
Más detallesSistemas Lineales de Masas-Resortes 2D
Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte
Más detallesDEFINICIÓN DE INDICADORES
DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.
Más detallesALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.
9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara
Más detallesSistemas de Control Primario y Secundario. Roberto Cárdenas D. Ingeniero Electricista, Msc. Ph.D.
Sstemas de Control Prmaro y Secundaro Roberto Cárdenas D. Ingenero Electrcsta, Msc. Ph.D. Droop Control Ya dscutmos Droop Control, maestro y esclavo, los cuales son utlzados en sstemas de generacón convenconal.
Más detallesOPTIMIZACIÓN. María Jesús de la Fuente Aparicio Alberto Herrreros López
OPTIMIZACIÓN María Jesús de la Fente Aparco Alberto Herrreros Lópe Optmacón Problemas de optmacón: Como tomar la mejor opcón entre aras posbles Problemas de natralea m dersa Dseño (p.e. dmensonamento de
Más detallesMosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%]
PROBLEMA: EL BODEGUERO Un bodeguero ha tendo una buena cosecha que estma sea de 10000 ltros. El bodeguero ha de decdr qué cantdad de la cosecha dedcarla a hacer mosto, qué cantdad conservarla un año en
Más detallesEl modelo neoclásico de crecimiento para una economía cerrada: modelo Solow-Swan.
TEMA 4 E CRECIMIENTO REGIONA Análss de la evolucón de las economías regonales a largo plazo A largo plazo el crecmento depende de los factores reales por el lado de la oferta 41 a teoría del crecmento
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detallesOptimización multicriterio. Andrés Ramos Universidad Pontificia Comillas
Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca
Más detallesCONTROL DE PROCESOS QUÍMICOS
UNIVESIDAD NACIONAL EXPEIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCE VICEECTOADO BAQUISIMETO DEPATAMENTO DE INGENIEÍA QUÍMICA CONTOL DE POCESOS QUÍMICOS Prof: Ing. (MSc). Juan Enrque odríguez C. Octubre, 03
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesPROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)
PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón
Más detallesDiseño de Controladores PID. Sistemas de Control Prof. Mariela CERRADA
Deño de Controladore PID Stema de Control Prof. Marela CERRADA Controlador del to PI: Mejorando la reueta etaconara Lo controladore del to PI olo ncororan la accone Proorconale Integrale, aumentando en
Más detallesMarcos Gutiérrez-Dávila marcosgd@ugr.es
Marcos Gutérrez-Dávla marcosgd@ugr.es Introduccón: Relacón de la bomecánca con el deporte de competcón El gesto deportvo consttuye un patrón de movmento estable que se caracterza por el alto grado de efcenca
Más detallesSi consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π
EQUILIBRIO DE FASES Reglas de las fases. Teorema de Duhem S consderamos un sstema PVT con N especes químcas π fases en equlbro se caracterza por: P, T y (N-1) fraccones mol tal que Σx=1 para cada fase.
Más detallesGráficos de flujo de señal
UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente
Más detallesCOMPARADOR CON AMPLIFICADOR OPERACIONAL
COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesSistemas cíclicos. Juan Antonio de la Puente DIT/UPM. Objetivos
dt UPM stemas cíclcos Juan Antono de la Puente DIT/UPM Objetvos Repasar algunos problemas concretos relaconados con la realzacón de sstemas de tempo real Introducr un método de dseño de sstemas basado
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa
Más detallesUnidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública
Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos
Más detallesIntroducción al Control Predictivo basado en modelos MPC
Introducción al Control Predictivo basado en modelos MPC Prof. Cesar de Prada Dpto. Ingeniería de Sistemas y Automática Universidad de Valladolid, España e-mail: prada@autom.uva.es Valladolid Valladolid-
Más detalles3.1. Características del comportamiento estratégico Características del comportamiento estratégico
3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estratégas posbles para cada
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF
RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,
Más detallesUniversidad Tecnológica Nacional
Unversdad Tecnológca Naconal Facultad Regonal Rosaro Área de Postgrado y Educacón Contnua Curso: Modelado, Smulacón y Dseño de Procesos Químcos Trabajo Práctco nº : Implementacón de un modelo de Planta
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesTema 4. Transistor Bipolar (BJT)
Tema 4. Transstor polar (JT) Joaquín aquero López lectrónca, 2007 Joaquín aquero López 1 Transstor polar (JT): Índce 4.1) Introduccón a los elementos de 3 termnales 4.2) Transstor polar JT (polar Juncton
Más detallesMECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)
MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman
Más detallesVII Jornadas para el Desarrollo De Grandes Aplicaciones de Red
Modelo de Consultoría TI especalzado VII Jornadas para el Desarrollo De Grandes Aplcacones de Red Incorporar servcos de consultoría TI en el sector de la Manufacturacón Carlos Ramón López Paz clopez@dtc.ua.es
Más detallesOptimización vectorial
ALICACIONES Optmzacón vectoral Ajuste de datos por mínmos cuadrados mn m,b N y N (y (y (, y (m m (m b b y mb N (y Encontrar la recta que mejor se ajusta a un conjunto de N parejas de datos (, y. uede plantearse
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesDESPACHO DE CARGA ORIENTADO A EVENTUAL SEPARACIÓN EN ISLAS
UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEARTAMENTO DE INGENIERÍA ELÉCTRICA DESACHO DE CARGA ORIENTADO A EVENTUAL SEARACIÓN EN ISLAS MEMORIA ARA OTAR AL TÍTULO DE INGENIERO CIVIL
Más detallesINGENIERÍA ENERGÉTICA
INGENIERÍA ENERGÉTICA PROGRAMACIÓN DE LA GENERACIÓN DE ENERGÍA ELÉCTRICA Programacón de la generacón MERCADO DIARIO Es el mercado en el que tenen lugar las transaccones de compra y venta de energía para
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesPor: Ing César Chilet León
Por: Ing César Chlet eón 1 El flujo de potenca tambén es conocdo tambén como flujo de carga. El flujo de potenca es una herramenta para el análss de redes. En tareas de planfcacón de redes Determnacón
Más detallesEstructuras de control
Estructuras de control (Control avanzado) Prof. Mª Jesús de la Fuente Dpto. Ing. de Sistemas, UVA ISA. UVA 1 Estructuras de control Modificaciones de lazos de control convencionales para mejorar: Rechazo
Más detallesIMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1
IMPEMEACIÓ PRÁCICA DE U BACO DE FIROS UIFORME En este tpo de bancos, la forma de la respuesta espectral de cada uno de los fltros es la msma, y su frecuenca central se raparte de manera unforme en el espectro:
Más detallesContactar:
Mecánca Teórca Mao 009 Tema: Transformacones Canóncas Contactar: telegama@gmal.com Una transformacón canónca es un cambo de las coordenadas generalzadas tal ue dan lugar a un nuevo amltonano ( amltonano
Más detallesTEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO
Págna de 4 TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO INTRODUCCIÓN... 2 2 CLASIFICACIÓN DE LAS ACTIVIDADES PRODUCTIVAS... 4 3 FUNCIÓN DE PRODUCCIÓN... 3 4 CLASIFICACIÓN DE LOS PROCESOS
Más detallesFuentes de información
TEORÍA DE LA INFORMACIÓN Tratamento probablístco de la Informacón Fuentes de nformacón INGENIERÍA DE SISTEMAS Cursada 6 TRANSMISIÓN DE INFORMACIÓN decodfcacón automátca PRINCIPALES TEMÁTICAS DE LA TEORÍA
Más detallesCapítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS
Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco
Más detallesPROBLEMAS PROPUESTOS INTRODUCCIÓN AL CONTROL DE PROCESOS. Tuberías: Válvulas: Uniones (bifurcaciones): Bombas:
ROBLEMAS ROUESTOS. Un tanque con un serpentín por el que crcula vapor se utlza para calentar un fludo de capacdad calórca Cp. Suponga conocda la masa de líqudo contenda en el tanque (M L ) y la densdad
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallespara impulsar las turbinas, en lugar del tradicional vapor, el sistema del PBMR utiliza helio supercalentado.
Julo Valle Hernández Dseño de Smulador de Planta Núcleo Eléctrca PBMR para mpulsar las turbnas, en lugar del tradconal vapor, el sstema del PBMR utlza helo supercalentado. El sstema de almacenamento de
Más detallesYIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL
27 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 2003 YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL J. Guad, J. Larrañeta, L. Oneva Departamento de Organzacón Industral
Más detalles3.1. Características del comportamiento estratégico Características del comportamiento estratégico
3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estrategas posbles para cada
Más detallesEl diodo Semiconductor
El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por
Más detallesFUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN
FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades
Más detallesTEMA 6 AMPLIFICADORES OPERACIONALES
Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesModelado de un Robot Industrial KR-5
RESUMEN Modelado de un Robot Industral KR-5 (1) Eduardo Hernández 1, Samuel Campos 1, Jorge Gudno 1, Janeth A. Alcalá 1 (1) Facultad de Ingenería Electromecánca, Unversdad de Colma, km 2 Carretera Manzanllo-Barra
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesANEXO 24 JUSTIFICACIÓN ECONÓMICA
ANEXO 24 JUSTIFICACIÓN ECONÓMICA 1 JUSTIFICACION ECONOMICA 1.0 MARCO DE REFERENCIA El plan de Expansón de del Sstema de Transmsón (PEST), tene el objetvo de planfcar la expansón y reposcón del sstema de
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesMatemática Financiera Sistemas de Amortización de Deudas
Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas
Más detalles1. CLASIFICACIÓN 1.1. INTRODUCCIÓN
. LASIFIAIÓN.. INRODUIÓN Defncón En los datos esten atrones o reulardades. El arendzae automátco AA ermte realzar aromacones que conduzcan a detectar certos atrones, que no son más que determnadas relacones
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detallesEjemplo de Diseño de un Reactor Batch no Isotérmico
Ejemplo de Dseño de un eactor Batch no Isotérmco Se desea dseñar un reactor batch para la somerzacón de : B. La reaccón es rreversble y tene una cnétca de prmer orden. y B son líqudos a temperatura ambente
Más detallesESTADISTICA APLICADA A LA EDUCACIÓN
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesFacultad de Ciencias Exactas, Ingeniería y Agrimensura Universidad Nacional de Rosario. Identificación de Sistemas
Facultad de Cencas Exactas, Ingenería y Agrmensura Unversdad Naconal de Rosaro Identfcacón de Sstemas rabajo Práctco Nro. Identfcacón de una Planta de Neutralzacón de ph Mayo 202 rabajo Práctco Nro. Identfcacón
Más detallesHerramientas de Modelado de la Red y Cálculo de los Costos Marginales por Nodo
Unversdad Católca de Chle, Santago, Chle, Novembre 999 REGULACIÓN Y ECONOMÍA DEL TRANSPORTE DE ENERGÍA ELÉCTRICA erramentas de Modelado de la Red y Cálculo de los Costos Margnales or Nodo Gerardo Latorre
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesEl Modelo IS-LM. El modelo IS-LM
El Modelo IS-LM El modelo IS-LM 4. Introduccón 4.2 La demanda agregada: La funcón de nversón 4.3 Equlbro del mercado de benes: La curva IS 4.4 Equlbro del mercado de dnero: La curva LM 4.5 Equlbro de la
Más detallesConvertidores Digital-Analógico y Analógico-Digital
Convertdores Dgtal-Analógco y Analógco-Dgtal Conversón Dgtal-Analógca y Analógca-Dgtal Con estos crcutos se trata de consegur una relacón bunívoca entre una señal analógca y una dgtal o vceversa. Las magntudes
Más detallesMODELOS DE SECUENCIACIÓN EN MÁQUINAS 1
odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas
Más detallesCircuito Monoestable
NGENEÍA ELETÓNA ELETONA (A-0 00 rcuto Monoestable rcuto Monoestable ng. María sabel Schaon, ng. aúl Lsandro Martín Este crcuto se caracterza por presentar un únco estado estable en régmen permanente, y
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesEl ACB es una herramienta fundamental en el campo de la política ambiental
Introduccón al análss coste-benefco. El ACB es una herramenta fundamental en el campo de la polítca ambental 1. El ACB: rentabldad fnancera-económca y socal. 2. El Análss Coste Efcenca 3. Técncas de Decsón
Más detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesCÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1
CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detalles