Incertidumbre en los Sistemas de Control

Transcripción

1 Incertidumbre en los Sistemas de Control

2 Sistema de Control SISO

3 II. INCERTIDUMBRES DEL SISTEMA Ruido de medición: Los datos enviados por los sensores están sujetos a ruido y deriva. Se puede reducir la incertidumbre mejorando la instalación de los sensores (blindajes, posición, etc.) o instalando sensores de mejor calidad. Definido y fijado un determinado sensor la incertidumbre de las mediciones se pueden considerar aleatorias. Perturbaciones externas (entradas no controladas): El sistema está sujeto a señales de perturbación que poseen el carácter de entradas no deseadas. Si las perturbaciones son no medibles constituyen incertidumbre, si son medidas se puede analizar explícitamente la influencia en el sistema (el viento en generadores eólicos, oleaje en embarcaciones, etc.)

4 II. INCERTIDUMBRES DEL SISTEMA Errores de modelado: No linealidades, dinámicas no contempladas (fricciones, elasticidades), estimación incorrecta del orden del sistema, etc. En principio son incertidumbres epistémicas que se pueden reducir mejorando la calidad del modelo fenomenológico hasta un cierto punto. El remanente forma parte del modelo estocástico de perturbación.

5 II. INCERTIDUMBRES DEL SISTEMA La existencia de incertidumbre en el sistema o el medio ambiente implica un comportamiento físico no determinista, esto es, la respuesta del sistema no es predecible precisamente.

6 III. INCERTIDUMBRES DEL SISTEMA Y REALIMENTACIÓN El objetivo primario del control es que el sistema sea lo más insensible posible a las incertidumbres (robustez del sistema de control). De hecho lo que justifica la realimentación es la existencia de incertidumbres en el sistema.

7 III. INCERTIDUMBRES DEL SISTEMA Y REALIMENTACIÓN

8 III. INCERTIDUMBRES DEL SISTEMA Y REALIMENTACIÓN

9 III. INCERTIDUMBRES DEL SISTEMA Y REALIMENTACIÓN

10 III. INCERTIDUMBRES DEL SISTEMA Y REALIMENTACIÓN

11 III. INCERTIDUMBRES DEL SISTEMA Y REALIMENTACIÓN

12 III. INCERTIDUMBRES DEL SISTEMA Y REALIMENTACIÓN

13 IV. MODELOS DE SISTEMAS DINÁMICOS IV.1. CONTROL BASADO EN MODELO Prácticamente todas las estrategias de control modernas están basadas en modelos matemáticos de los sistemas dinámicos que se desean controlar. Se obtienen mediante técnicas de Modelado e Identificación de Sistemas.

14 IV. MODELOS DE SISTEMAS DINÁMICOS IV.1. CONTROL BASADO EN MODELO Los modelos se emplean en dos funciones diferenciadas. I) Emulando al sistema o proceso real durante la fase de diseño. II) Como subsistema del propio controlador (esto se conoce como Control Basado en Modelo).

15 IV. MODELOS DE SISTEMAS DINÁMICOS IV.1. CONTROL BASADO EN MODELO Los modelos se emplean en dos funciones diferenciadas. I) Emulando al sistema o proceso real durante la fase de diseño. II) Como subsistema del propio controlador (esto se conoce como Control Basado en Modelo). Estos modelos no necesariamente deben ser el mismo. La complejidad del modelo para cada tarea es distinta (para el controlador más simple, para emular más complejo).

16 IV. MODELOS DE SISTEMAS DINÁMICOS El universo de los modelos matemáticos de donde elegimos los modelos para nuestras aplicaciones es distinto del universo de los sistemas físicos. Los modelos matemáticos son una caricatura de la realidad. Pero si los modelos son buenos, como las buenas caricaturas, retratan, aunque quizás en forma aproximada, algunas características del mundo real.

17 IV. MODELOS DE SISTEMAS DINÁMICOS IV.2. ESPECTRO DE MODELOS DE KARPLUS

18 IV. MODELOS DE SISTEMAS DINÁMICOS Según el espectro de modelos de Karplus los modelos más precisos son los modelos de sistemas físicos. Los modelos más perfectos son las leyes físicas. Todo modelo tiene un rango de validez. Incluyendo las leyes físicas.

19 IV. MODELOS DE SISTEMAS DINÁMICOS Ejemplo: v>99% c Mecánica Newtoniana Escala de Planck d<10-33 cm Mecánica Relativista Mecánica Cuántica 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

20 IV. MODELOS DE SISTEMAS DINÁMICOS Las incertidumbres causan que controlar un sistema aparentemente sencillo puede ser muy complicado y viceversa.

21 DOS EJEMPLOS DE CONTROL CON INCERTIDUMBRE EPISTÉMICA PROCESO DE COLADA CONTINUA (Industria siderúrgica) 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

22 COLADA CONTÍNUA 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

23 COLADA CONTÍNUA 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

24 CONTROL DE NIVEL (1) CONTROL DE NIVEL El modelo se obtiene a partir de las leyes de conservación de la masa y de Bernoulli dh A qi 2gh dt a Donde A es la sección del tanque, a es la sección del orificio de salida, g es la aceleración de la gravedad, qi es el caudal de entrada 21/08/2015 y h es el nivel del tanque (variable a controlar). INAUT, Facultad de Ingeniería, UNSJ.

25 CONTROL DE NIVEL (2) Linealizando el modelo en el punto de operación qi0 y h0 se obtiene la función de transferencia Gs () 2 s 1 2gh El sistema se controla satisfactoriamente con un controlador PI de parámetros K T i 2 A 2 que lleva a un sistema a lazo cerrado de segundo orden con frecuencia 21/08/2015 natural w y amortiguamiento relativo z. INAUT, Facultad de Ingeniería, UNSJ. a Ah A 0 0

26 CONTROL DE NIVEL (3) 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

27 CONTROL DE NIVEL (3) 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

28 CONTROL DE NIVEL (3) 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

29 CONTROL DE NIVEL (3) 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.

30 CONTROL DE NIVEL (3) 21/08/2015 INAUT, Facultad de Ingeniería, UNSJ.