SISTEMAS DE CONTROL AVANZADO
|
|
- Esteban González Maestre
- hace 5 años
- Vistas:
Transcripción
1 SISTEMAS DE CONTROL AVANZADO LUIS EDO GARCÍA JAIMES POLITÉCNICO COLOMBIANO J.I.C SEGUNDA PARTE
2 CONTROL ADAPTATIVO
3 FUNCIONES DE UN CONTROL ADAPTATIVO
4 ESQUEMAS BÁSICOS DE CONTROL ADAPTATIVO Existen dos tipos principales de controladores adaptativos: Sistemas con adaptación en lazo cerrado (STR, MRAC) Sistemas con adaptación en lazo abierto (Ganancia programable) Para el diseño de algoritmos de control adaptativo se han propuesto diferentes métodos, unos que utilizan criterios de optimización y otros que no los utilizan. Criterio no óptimo: o Asignación de polos y ceros (APPC) o Controladores de tiempo finito o Controladores PID Criterio óptimo: o Controladores de mínima varianza (MVR) o Controladores predictivos generalizados
5 MODELOS DISCRETOS PARA CONTROL ADAPTATIVO
6 IDENTIFICACIÓN DE SISTEMAS La identificación de sistemas tiene por objeto obtener el modelo de un sistema dinámico a partir de datos experimentales. La obtención de un modelo a partir de datos experimentales conlleva las siguientes etapas fundamentales: Recolección de datos Tratamiento previo de los datos obtenidos La Selección del Modelo Estimación de parámetros Validación del Modelo
7 CONTROLADORES AUTOADAPTABLES Estos controladores conforman una estructura subóptima basada en el principio de la separación de las tareas de control e identificación. En estos controladores se aplica el principio de equivalencia cierta pues se supone que los parámetros identificados coinciden con los reales. En el diseño de controladores autoajustables se distinguen tres partes: Un algoritmo recursivo de identificación de parámetros. Un mecanismo de adaptación que realiza la tarea de diseño del controlador Un controlador con parámetros ajustables.
8 ECUACIÓN GENERAL PARA CONTROLADORES LINEALES Para el sistema lineal definido por la función de transferencia de pulso: En donde b 1 0 G P z = y(z) u(z) = B(z 1 ) A(z 1 ) = b 1z 1 + b m z m 1 + a 1 z 1 z d + a m z m Es posible obtener un controlador lineal descrito mediante la función de transferencia de pulso: G R z = U z E z Q z 1 = P z 1 = q 0 + q 1 z 1 + q v z v 1 + p 1 z 1 + p u z u En donde los grados de u y de v y los parámetros p i y q i deben seleccionarse adecuadamente para satisfacer los requerimientos del sistema de control.
9 MÉTODO DE ASIGNACIÓN DE POLOS PARA UN STR El objetivo de este método es diseñar el controlador de modo que los polos del sistema en lazo cerrado, queden ubicados en el lugar deseado de acuerdo a sus especificaciones de funcionamiento. R(z) + - D(z) Q(z -1 ) P(z -1 ) G P (z) B(z -1 ) A(z -1 ) z-d Y(z) La ecuación característica deseada para el sistema en lazo cerrado toma la forma: Δ z 1 = 1 + α 1 z 1 + α 2 z 2 + α l z l = P( z 1 )A(z 1 ) + Q(z 1 ) B(z 1 )z d Esta ecuación genera l ecuaciones simultáneas cuya solución da como resultado los parámetros del controlador. El orden de l está determinado por: l = max m + u, m + d + v
10 ADICIÓN DE INTEGRADOR AL CONTROLADOR STR Para asegurar error de estado estable igual a cero es necesario que el controlador tenga un integrador, con esta condición, el denominador del controlador P(z 1 ) cumple con la igualdad: P 1 = 0 es decir p i = 1 Con la adición del integrador se obtienen l + 1 ecuaciones y el controlador tendrá u + v + 1 parámetros desconocidos q i y p i. La solución de orden mínimo se obtiene haciendo: v = m u = m + d l = 2m + d u i=1
11 CÁLCULO DE PARÁMETROS DEL CONTROLADOR STR Para el sistema definido por: G P z = y(z) u(z) = B(z 1 ) A(z 1 ) = b 1z 1 + b m z m 1 + a 1 z 1 z d + a m z m Los parámetros del controlador por asignación de polos STR Están dados por: p 1 p 2 p m +d q 0 q 1 q m = G R z = U(z) E(z) = Q(z 1 ) P(z 1 ) = q 0 + q 1 z 1 + q v z v 1 + p 1 z 1 + p u z u a m 1 0 a 1 1 a 2 a a m 1 a m a 1 a m1 0 d 0 b 1 b 2 b m 0 0 b 1 b b b m0 0 1 α 1 a 1 α 2 a 2 α m a m α m +1 α 2m+d 1
12 EJEMPLO DISEÑO DE UN STR POR ASIGNACIÓN DE POLOS La figura muestra el sistema de control simplificado de un horno túnel para cocción de cerámica sanitaria. Para sintonizar el controlador de temperatura TRC-1, se aproximó el sistema a un modelo de primer orden con retardo. La función de transferencia obtenida dio: G P S = 1.5e 8s 50S + 1 T = 5min Diseñe un controlador STR de modo que los polos dominantes de lazo cerrado tengan tempo de establecimiento de 120 min y coeficiente de amortiguamiento 0.8
13 SOLUCIÓN: DISCRETIZACIÓN DEL SISTEMA La función de transferencia de pulso del sistema es: HG z = 1 z 1 z N I m G(S) S HG z = 1 z 1 z 1 I m 1.5 S 50S + 1 HG z = z z z 2 HG z = z z z 1 m = 2 d = 1 a 1 = a 2 = 0 b 1 = b 2 = El orden del numerador del controlador es: v = m = 2 El orden del denominador del controlador es: u = m + d = 3 Por lo tanto, la función de transferencia del controlador está dada por: D z = Q(z ) P(z 1 ) = q o + q 1 z 1 + q 2 z p 1 z 1 + p 2 z 2 + p 3 z 3
14 CÁLCULO DE LA ECUACIÓN CARACTERÍSTICA El orden del denominador del controlador es: u = m + d = 3 Por lo tanto, la función de transferencia del controlador está dada por: D z = Q(z ) P(z 1 ) = q o + q 1 z 1 + q 2 z p 1 z 1 + p 2 z 2 + p 3 z 3 Los polos de lazo cerrado deseados, se calculan mediante las ecuaciones: z = e ξω n T θ = 57.3ω n T 1 ξ 2 z = z cosθ ± jsenθ t s = 4 ξω n ω n = 4 ξt s = = rad/min z = θ = 7.15 z = 0.84 ± j0.105 Orden de la ecuación característica: l = max m + u, m + v + d = 5 Se deben asignar tres polos adicionales no dominantes (En el origen) z = z 0.84 j0.105 z j0.105 z 3 = z z z 3
15 z 1 = z z 2 CÁLCULO DEL CONTROLADOR α 1 = 1.68 α 2 = α 3 = 0 α 4 = 0 α 5 = 0 Del numerador y del denominador del sistema se obtuvo: a 1 = a 2 = 0 b 1 = b 2 = Por lo tanto: p 1 p 2 p 3 q 0 q 1 q 2 = Efectuando operaciones resulta: p 1 = , p 2 = , p 3 = , q 0 = , q 1 = , q 2 = 0. La función de transferencia del controlador es: D z = Q(z 1 ) P(z 1 ) = U(z) E(z) = z z z z 3
16 RESPUESTA DEL SISTEMA AL ESCALÓN UNITARIO La ley de control es: u k = e k e k u k u k u(k 3)
17 CONTROLADOR DE MÍNIMA VARIANZA El controlador de mínima varianza tiene como objetivo minimizar el efecto de las perturbaciones sobre la salida. Esta técnica de control se utiliza cuando la salida del sistema está contaminada por una perturbación estocástica. La estrategia consiste en calcular la señal de control u(k) en función de los valores disponibles en ese instante o sea u k 1, u k 2, y k, y k 1, de tal forma que minimice uno de los siguientes criterios: 1. J = E y(k + d + 1) 2. Control MVR3 2. J = E y k + d + 1 w k + d Control MVR2 3. J = E y k + d + 1 w k + d ru 2 k. Control MVR1
18 SISTEMA CON PERTURBACIONES Si se supone que sobre el sistema actúan perturbaciones estocásticas, el proceso estará descrito por un modelo ARMAX de la forma: Donde: y k = B z A z u k + C z A z v k = z d B z 1 A z 1 u k + C z 1 A z 1 v k A z 1 = 1 + a 1 z 1 + a m z m B(z 1 ) = b 1 z 1 + b m z m C z 1 = 1 + c 1 z 1 + c m z m
19 DISEÑO DE CONTROLADORES DE MÍNIMA VARIANZA Para el diseño de los controladores MVR se utiliza un modelo ARMAX de la forma: y k = B z A z u k + C z A z B z 1 C z 1 v k = z d u k + v k A z 1 A z 1 A z 1 = 1 + a 1 z 1 + a m z m B(z 1 ) = b 1 z 1 + b m z m C z 1 = 1 + c 1 z 1 + c m z m La acción de control debe minimizar uno de los siguientes criterios: J = E y(k + d + 1) 2 J = E y k + d + 1 w k + d J = E y k + d + 1 w k + d ru 2 k Para estimar la ley de control se utiliza la identidad: C z 1 = A z 1 F z 1 + z (d+1) G z 1 F z 1 = 1 + f 1 z 1 + f d z d G z 1 = g 0 + g 1 z 1 + g m 1 z (m 1)
20 CONTROLADOR DE MINIMA VARIANZA MVR3 En este caso la acción de control minimiza el criterio: J = E y(k + d + 1) 2 Modelo: y k = B z A z u k + C z A z B z 1 C z 1 v k = z d u k + v k A z 1 A z 1 Ecuación de diseño: C z 1 = A z 1 F z 1 + z (d+1) G z 1 La ley de control es: G z 1 u k = zf z 1 y k B z 1 v(k) C A n(k) w(k) + - G z.f.b u(k) B A z-d + + y(k)
21 ELIMINACIÓN DEL OFF-SET EN EL MVR3 El controlador de mínima varianza MVR3 puede presentar offset (Error de estado estable) ante cambios en la referencia o cambios en la perturbación, para eliminar el offset se puede adicionar al controlador un integrador así, la ley de control se puede escribir en la forma: G z 1 z 1 + α u k = zf z 1 B z 1 z 1 y k
22 CONTROLADOR DE MÍNIMA VARIANZA CON SEGUIMIENTO DE REFERENCIA (MVR2) En este caso la acción de control minimiza el criterio: J = E y k + d + 1 w k + d Modelo: y k = B z A z u k + C z A z B z 1 C z 1 v k = z d u k + v k A z 1 A z 1 Ecuación de diseño: C z 1 = A z 1 F z 1 + z (d+1) G z 1 La ley de control es: u k = 1 zf z 1 B z 1 C z 1 w k + d G z 1 y(k)
23 CONTROLADOR DE MÍNIMA VARIANZA PONDERADO (MVR1) En este caso la acción de control minimiza el criterio: Modelo: J = E y k + d + 1 w k + d ru 2 k y k = B z A z u k + C z A z B z 1 C z 1 v k = z d u k + v k A z 1 A z 1 Ecuación de diseño: C z 1 = A z 1 F z 1 + z (d+1) G z 1 La ley de control es: u k = 1 zf z 1 B z 1 + rc(z 1 ) C z 1 w k + d G z 1 y(k)
24 EJEMPLO DISEÑO DE CONTROLADOR MVR Se desea diseñar un controlador de mínima varianza para un sistema con función de transferencia discreta: G p z = B(z) A(z) = 0.8z z 3 1.3z z T = 0.2 s La salida de dicho sistema se ve afectada por una perturbación estocástica cuyo comportamiento se puede modelar mediante un proceso ARMAX. El modelo de la perturbación estocástica corresponde a un ruido blanco modificado por el filtro: G v z = C(z) A(z) = z3 z z z 3 1.3z z
25 SOLUCIÓN Se reescriben las funciones de transferencia en potencias negativas de z: Identidad de diseño: En donde: G P z = B(z 1 ) A(z 1 ) = F z 1 = 1 + f 1 z 1 + f d z d G z 1 = g 0 + g 1 z 1 + g m 1 z (m 1) 0.8z z z 1 z z 2 G v z = C(z 1 ) A(z 1 ) = 1 z z z z 2 C z 1 = A z 1 F z 1 + z d+1 G(z 1 ) m = 2 d = 1 F z 1 = 1 + f 1 z 1 G z 1 = g 0 + g 1 z 1 1 z z 2 = 1 1.3z z f 1 z 1 + z 2 (g 0 + g 1 z 1 )
26 SOLUCIÓN DE LA ECUACIÓN DIOFÁNTICA Destruyendo paréntesis y Factorizando se obtiene: 1 z z 2 = 1 (1.3 f 1 ) z 1 + ( f 1 + g 0 )z 2 + (0.4f 1 + g 1 )z 3 Comparando término a término: 1.3 f 1 = f 1 + g 0 = f 1 + g 1 = 0 Resolviendo las ecuaciones anteriores resulta: f 1 = 0.3 g 0 = 0.23 g 1 = 0.12 Los polinomios F(z 1 ) y G(z 1 ) son: F z 1 = z 1 G z 1 = z 1 Con dichos polinomios se obtiene la ley de control para los controladores MVR3, MVR2 y MVR1.
27 CONTROL DE MÍNIMA VARIANZA MVR3 Ley de control MVR3: G z z 1 u k = zf z 1 y k = B z 1 z z 1 y(k) 0.8z z z 1 u k = z 1 y(k) z 2 u k = y k y k 1 0.8u k u(k 2) Set-Point Salida Set-Point Respuesta Respuesta Respuesta Periodos de Muestreo Periodos de Muestreo u k = z z z z 2 1 z 1 y k
28 CONTROL DE MÍNIMA VARIANZA MVR2 El controlador de mínima varianza MVR2 toma la forma: u k = 1 zf z 1 B z 1 C z 1 w k + d G z 1 y(k) u k = 1 z z 1 0.8z z 2 1 z z 2 w(k + d) ( z 1 )y(k) u k = 1 z z z z 2 w(k + d) z z 1 y(k) MVR z 2
29 CONTROL DE MÍNIMA VARIANZA MVR1 El controlador de mínima varianza generalizado MVR1, toma la forma: u k = 1 zb z 1 F z 1 + rc(z 1 ) C z 1 w k + d G z 1 y(k) Con r = 0.05, el controlador de mínima varianza generalizado es: u k = 1 z z 2 w(k + d) z z 1 0.8z z z z z 1 y(k) z 1 0.8z z z z 2 u k = 1 z z z z 2 w k + d z z 1 y(k) VR z 2
30 SIMULACIÓN DEL CONTROLADOR MVR
31 CONTROL PI POR ASIGNACIÓN Y CANCELACIÓN DE POLOS PARA SISTEMA POR La dinámica del sistema se aproxima a la de un sistema POR de la forma: G P S = ke θs τs + 1 El modelo discreto correspondiente para dicho sistema es: G P z = (b 0 + b 1 z 1 ) 1 az 1 z d La función de transferencia del controlador PI toma la forma: D z = M(z) E(z) = q 0 (z k) z 1 Para que el cero del controlador cancele el polo de la planta se hace: k = a Así, la ecuación característica del sistema en lazo cerrado es: Q z = z d+1 z d + q 0 b 0 z + q 0 b 1 = 0 Si el polo de lazo cerrado se ubica en z = p se obtiene: Q p = p d+1 p d + q 0 b 0 p + q 0 b 1 = 0 Despejando q 0 resulta: q 0 = pd (1 p) b 0 p + b 1
32 EJEMPLO CONTROLADOR PI POR ASGNACIÓN Y CANCELACIÓN En el intercambiador de la figura el objetivo es controlar la temperatura de salida T o (t), regulando el flujo de vapor f v t. La función de transferencia es: T o (S) F v (S) = 1.5e 2.5S 8S + 1 T = 2 min Diseñe para el sistema un controlador PI por asignación y cancelación de polos de modo que el sistema tenga tiempo de establecimiento igual a 20 min
33 SOLUCIÓN La función de transferencia de pulso del sistema es: G P z = G P z = 1 z 1 z N I m G P S S = z z 2 z z z 1 z 2 a = d = 2 b 0 = b 1 = El controlador PI toma la forma: D z = M(z) E(z) = q 0 (z k) z 1 Para que el cero del controlador cancele el polo de la planta: k = El polo dominante deseado es: z = e T τ = e 2 5 = 0.67, por lo tanto: q 0 = pd (1 p) b 0 p + b 1 = El controlador pedido es: (1 0.67) D z = M(z) E(z) = (z ) z 1 q 0 =
34 RESPUESTA DEL SISTEMA
35 CONTROL POR MODELO DE REFERENCIA (MRAC) En esta estrategia de control se selecciona como referencia un modelo que cumpla con las condiciones deseadas para el funcionamiento adecuado de la planta y se desarrolla un mecanismo de control que permita que la planta siga el modelo escogido. El control por modelo de referencia está formado por tres partes fundamentales: El controlador primario: Debe cumplir la condición de hacer posible que el conjunto de la planta y el controlador puedan reproducir el modelo de referencia. El modelo de referencia: Debe seleccionarse con un comportamiento dinámico estable y que pueda ser seguido por el proceso a controlar. La ley de adaptación: esta se puede obtener por diferentes métodos: Método de sensibilidad, método de Lyapunov y método de hiperestabilidad.
36 ELEMENTOS DEL MRAC Se trata de que el sistema controlado siga el comportamiento de un modelo determinado para lo cual se debe generar una señal de control que haga converger la respuesta de la planta a la del modelo para una cierta señal de entrada. Modelo de Referencia y m (k) r(k) + - Controlador Mecanismo de adaptación u(k) Planta e(k) - + y p (k)
37 MRAC PARA SISTEMAS CONTINUOS: MÉTODO DE LYAPUNOV Este método establece que un sistema tiene un punto de equilibrio x = 0 asintóticamente estable, si existe una función V(x) que cumpla con las siguientes condiciones: V(x) : Definida positiva para x 0 V(x) > 0 V x : Definida negativa para x 0 V (x) < 0 V(x) para x V 0 = 0
38 PROCEDIMIENTO PARA APLICAR EL MÉTODO DE LYAPUNOV 1. Encontrar la ecuación de error en la salida: e = y p y m 2. Encontrar la función de Lyapunov como una función del error entre las señales y del error en los parámetros. Esta función es de la forma: V = e T Pe + T Γ 1 ϕ Donde las matrices P y Γ 1 deben ser definidas positivas. 3. Calcular la derivada de la función de Lyapunov. Esta derivada debe ser definida negativa. Por lo general toma la forma: V = e T Qe + termino extra incluyendo φ El primer término garantiza que la derivada es negativa definida, entonces, haciendo el resto igual a cero se tiene una posible solución para la adaptación. 4. Hacer el término extra igual a cero para obtener la ley de adaptación. Normalmente tiene la forma: θ = Γεξ ε, está relacionado con el error e y ξ tiene que ver con el vector de señales.
39 EJEMPLO MRAC PARA SISTEMA DE PRIMER ORDEN Diseñar controlador por modelo de referencia para el sistema de primer orden: G P S = y p(s) U(S) = K τs + 1 SOLUCIÓN: Si se toma como modelo de referencia: G m S = y m (S) R(S) = a S + a El error es: e = y m y p La ecuación de la planta se puede escribir como: dy p dt = Ay p + Bu La ecuación del modelo de referencia se puede escribir como: dy m dt = ay m + ar Para que el error sea cero se debe cumplir que: y p = y m por lo tanto: Ay p + Bu = ay m + ar Despejando u: u = t 0 r S 0 y p
40 MRAC SISTEMA PRIMER ORDEN Los valores apropiados de t 0 y S 0 que mejor se adaptan al sistema de control se pueden determinar utilizando el método de Lyapunov y están dados por: t 0 = γ erdt + t 0 0 S 0 = γ ey p dt + S 0 0 En donde: r Señal de entrada. y p : La salida del proceso. e: El error u: La señal de control. y m : La salida del modelo de referencia. γ: Parámetro de ajuste
41 IMPLEMENTACIÓN DEL MRAC PARA SISTEMA DE PRIMER ORDEN
42 EJEMPLO MRAC PARA SISTEMA DE SEGUNDO ORDEN Sea el sistema de segundo orden: G p S = Y p(s) U(S) = Se toma como modelo de referencia: G m S = Y m (S) R(S) = b o S 2 + a 1 S + a 2 β S 2 + α 1 S + α 2 Se asume como ley de control para el sistema: u = f. r q o y p q 1 y p En donde r es la señal de referencia. Utilizando el método de Lyapunov se obtiene: f = γ o b o e rdt + f 0 q o = γ 1 b o e y p dt + q 0 0 q 1 = γ 2 b o e y p dt + q 1 0
43 IMPLEMENTACIÓN DEL MRAC PARA SISTEMA DE SEGUNDO ORDEN
44 MRAC PARA SISTEMAS DISCRETOS El objetivo es que el proceso con función de transferencia discreta: G p z = y p z 1 B z 1 = z d con U z 1 A z 1 Siga el modelo: A z 1 = 1 + a 1 z 1 + a m z m B z 1 = b 1 z 1 + b 2 z 2 b m z m G m z = y m (z 1 ) W(z 1 ) = B m (z 1 ) A m (z 1 ) z d con A m z 1 = 1 + α 1 z 1 + α m z m B m z 1 = β 1 z 1 + β 2 z 2 β m z m Mediante la aplicación de la ley de control: P z 1 U z = F z 1 W z Q z 1 y p z Con P z 1 = 1 + p 1 z 1 + p m+d 1 z (m +d 1) Q z 1 = q 0 + q 1 z 1 + q m 1 z (m 1)
45 PROCEDIMIENTO PARA CALCULAR UN MRAC DISCRETO La figura muestra el diagrama en bloques del MRAC propuesto. La función de transferencia en lazo cerrado para el sistema de la figura es: G u z = y p z W z = F z 1 B z 1 z d P z 1 A z 1 + Q z 1 B z 1 z d = B m z 1 z d A m z 1 El procedimiento para el diseño es el siguiente: 1. Seleccionar el modelo de referencia adecuado. 2. Reescribir el polinomio B(z 1 ) del proceso en la forma: B z 1 = b 1 z 1 B + z 1 B z 1 En donde: B + z 1 : Contiene los ceros estables del proceso. B z 1 : Contiene los ceros inestables del proceso
46 PROCEDIMIENTO PARA CALCULAR UN MRAC DISCRETO 3. Los ceros estables del proceso se incluyen en el polinomio P(z 1 ) es decir: P z 1 = B + z 1 P z 1 4. Los ceros inestables del proceso deben ser ceros de G w (z), es decir, ceros de B m (z 1 ) 5. Si el grado de G w (z) es menor que el grado de Q z 1 B z 1 z d después de la cancelación de B + z 1, el lado derecho de la ecuación de G w (z) se multiplica y divide por el polinomio R(z 1 ) 6. Los polinomios P z 1, Q z 1 y el filtro F z 1 quedan determinados por las ecuaciones: P z 1 A z 1 + b 1 Q z 1 B z 1 z (d+1) = A m z 1 R z 1 b 1 F z 1 B z 1 z 1 = B m z 1 R z 1
47 PROCEDIMIENTO PARA CALCULAR UN MRAC DISCRETO 7. De la última ecuación de la condición 6 se despeja el filtro F(z 1 ) así: F z 1 = zb m z 1 R(z 1 ) b 1 B (z 1 ) El filtro F z 1 es realizable si B m z 1 es de la forma β 1 z 1 + β 2 z 2 +β m z m con β 1 0 NOTA: En caso de que el sistema tenga solo ceros estables se considera que B z 1 = 1, en este caso la ley de control toma la forma: zb m z 1 R z 1 w k = b 1 P z 1 u k + Q z 1 y p k
48 EJEMPLO CONTROLADOR MRAC La función de transferencia del sistema de enfriamiento de la figura está dada por: G p S = 0.4e 2S 10S + 1 T = 1.5 s Diseñe para el sistema un controlador con modelo de referencia de modo que el sistema, en lazo cerrado siga la dinámica del modelo: G m S = e 2S 6S + 1
49 Los modelos discretos son: SOLUCIÓN EJEMPLO MRAC HG z = (1 z 1 )z N I m G(S) S HG p z = B(z 1 ) 0.038z = A z 1 z 2 (z ) = 0.038z z z 1 z 1 HG m Z) = B m (z 1 ) A m (z 1 ) = z z 2 (z ) B z 1 = b 1 z 1 B + z 1 B z 1 = 0.038z z 1 Por lo tanto, la ley de control es: zb m z 1 R z 1 w k = b 1 P z 1 u k + Q z 1 y p (k) = z z z 1 z 1 m = 2 d = 1 B + z 1 = z 1 B z 1 = 1 Grado de P z 1 = m + d 1 = 2 P z 1 = B + z 1 P z 1 = z 1 (1 + p 1 z 1 ) Grado de Q z 1 = m 1 = 1 Q z 1 = q o + q 1 z 1
50 SOLUCIÓN (2) Condición de los polinomios: P z 1 A z 1 + b 1 Q z 1 B z 1 z (d+1) = A m z 1 R z p 1 z z q o + q 1 z 1 z 2 = z 1 Factorizando: p 1 z p q o z q 1 z 3 = z 1 Comparando término a término y resolviendo las ecuaciones resultantes se obtiene: p 1 = , q o = 1.855, y q 1 = 0 Entonces: P z 1 = z 1 y Q z 1 = Por lo tanto: P z 1 = B + z 1 P z 1 = z z 1 = z z 2
51 SOLUCIÓN MRAC: LEY DE CONTROL La ley de control es: zb m z 1 R z 1 w k = b 1 P z 1 u k + Q z 1 y p (k) z z z 2 w k = z z 2 u k y p (k) Despejando u(k) se obtiene: u k = w k w k u k u k y p (k) Tomando transformada z y reuniendo términos: z z 2 U z = z 1 W z 1.855Y p (z) Es decir: U z = z z z z W z 1.855z 2 z z Y p(z)
52 IMPLEMENTACIÓN Y RESPUESTA CON EL MRAC La figura muestra el diagrama en bloques del sistema de control y la respuesta del mismo ante una entrada con forma de onda rectangular de amplitud unitaria z(z ) (z )(z ) 0.038(z ) z 2(z ) 1.855z 2 (z )(z )
53 EJEMPLO: MRAC CON CEROS INESTABLES La figura muestra el sistema de control de nivel de agua de una caldera. W f es el flujo de agua de alimentación y W s es el flujo de vapor que sale de la caldera. La válvula tiene ganancia 10 y constante de tiempo 2 s. El sistema del nivel del domo de la caldera tiene ganancia 3, constante de tiempo de 20 s y un retardo de 2 s. Diseñar un controlador por modelo de referencia para que el sistema en lazo cerrado tenga coeficiente de amortiguamiento de 0.8 y constante de tiempo 12.5s. Periodo de muestreo T = 3 s.
54 SOLUCIÓN La función de transferencia del sistema es: G p S = L(S) W f (S) = 30e 2s (20S + 1)(2S + 1) Al discretizar el sistema con T = 3 s se obtiene: HG p z = z z z z (z ) = z z z z z 2 m = 3 d = 0 A(z 1 ) = z z 2 B z 1 = b 1 z 1 B + z 1 B z 1 B z 1 = z z z 1 b 1 = B + z 1 = z 1 B z 1 = ( z 1 ) El numerador B z 1 tiene un cero fuera del círculo unitario.
55 OBTENCIÓN DEL MODELO DE REFERENCIA Para obtener la función de transferencia discreta del modelo de referencia se tiene: ξ = 0.8 τ = 12.5 s. w n = 1 ξτ = 0.1 rad/s z = e ξw n T = θ = 57.3w n T 1 ξ 2 = o Los polos deseados para el sistema en lazo cerrado son: z = ± j y su ecuación característica es: z z = z z 2 = 0 El modelo de referencia debe tener en el numerador el cero inestable del sistema: HG m z 1 = B m (z 1 ) A m (z 1 ) = Kz 1 ( z 1 ) z z 2 Para que el sistema tenga ganancia unitaria se debe cumplir que: lim z 1 Kz 1 ( z 1 ) z 1 = 1 K = z 2 HG m z 1 = B m (z 1 ) A m (z 1 ) = z 1 ( z 1 ) z z 2
56 CÁLCULO DEL MRAC A m z 1 = z z 2 B m z 1 = z 1 ( z 1 ) La ley de control está determinada por la ecuación: P(z 1 )U z = F z 1 W z Q z 1 y p z Grado de P z 1 : m + d 1 = 2 P z 1 = B + z 1 P z 1 = z 1 (1 + p 1 z 1 ) Grado de Q z 1 : m 1 = 2 Q z 1 = q o + q 1 z 1 + q 2 z 2 Las ecuaciones de diseño son: P z 1 A z 1 + b 1 Q z 1 B z 1 z (d+1) = A m z 1 R z p 1 z z z q o + q 1 z 1 + q 2 z z 1 z 1 = z z 2
57 CÁLCULO DEL MRAC (2) Efectuando operaciones y reuniendo términos semejantes: p q o z p q o q 1 z p q q 2 z q 2 z 4 = z z 2 Comparando término a término se obtiene: p q o = p q o q 1 = p q q 2 = q 2 = 0 Al resolver las ecuaciones anteriores resulta: q o = q 1 = q 2 = 0 p 1 = Es decir: Q z 1 = z 1 P z 1 = z 1
58 CÁLCULO DEL MRAC (3) El filtro F(z 1 ) se obtiene con la ecuación: F z 1 = zb m z 1 R(z 1 ) b 1 B (z 1 ) La ley de control es: = z z 1 ( z 1 ) ( z 1 ) P(z 1 )U z = F z 1 W z Q z 1 y p z = z z 1 U z = W z ( z 1 )y p z Es decir: U z = W z z z 1 ( z 1 )y p z z z 1 La ley de control como ecuación en diferencias es: u k = w k y p k y p k u k u(k 2)
59 IMPLEMENTACIÓN DEL MRAC La figura muestra el diagrama en bloques del sistema de control y la respuesta del mismo ante una entrada con forma de onda rectangular de amplitud unitaria z 2 z z s 2+22s z z z z
60 CONTROL CON GANANCIA PROGRAMABLE La técnica de la ganancia programable (Gain scheduling) utiliza una familia de controladores lineales, para proporcionar el control satisfactorio en diversos puntos de operación del sistema. Este enfoque asume que el sistema se puede representar mediante un modelo parametrizado por ciertas variables, llamadas variables de tabulación o de programación ( scheduling variables ). En este caso, se linealiza el sistema alrededor de distintos puntos de operación, obteniendo una familia de modelos lineales para la cual se diseña una familia de controladores lineales. Los parámetros del controlador son cambiados acorde a los valores que toman las variables de programación.
61 PROCEDIMIENTO PARA DISEÑO DE UN CONTROLADOR CON GANANCIA PROGRAMABLE Para el diseño del controlador con G.P se pueden establecer los siguientes pasos Determinar las variables de programación: Estas variables deben reflejar las condiciones de operación de la planta y permitir establecer expresiones simples que relacionen los parámetros del controlador con las variables de ajuste. Obtener el modelo del proceso para diferentes puntos de operación: estos puntos deben estar parametrizados por las variables de programación. Calcular los parámetros del controlador para los diferentes puntos de operación: Se calculan los parámetros del controlador para un determinado número de condiciones de trabajo, en función de las variables de programación, empleando algún método de diseño apropiado. Seleccionar el controlador en función de las variables de programación: según el punto de operación en que se encuentre el proceso, se selecciona automáticamente el controlador diseñado para dicho punto de operación.
62 EJEMPLO: CONTROLADOR CON GANACIA PROGRAMABLE La figura muestra la respuesta de un intercambiador de calor ante escalones aplicados en diferentes zonas de operación. La temperatura se midió con un instrumento calibrado de 0 a 100 ºC y la apertura de la válvula se da en porcentaje. Diseñar para el sistema un controlador PI con ganancia programable.
63 PROCEDIMIENTO PARA EL DISEÑO DEL CONTROLADOR La dinámica del intercambiador se aproximó a un sistema POR. Se obtuvo un modelo para cada uno de los escalones aplicados, se discretizan los modelos y para cada uno se calculó un controlador PI utilizando el método de Ziegler-Nichols. Modelos continuo y discreto: Controlador PI: G p S = Ke θ S τs + 1 HG z = (1 z 1 )z N I m G(S) S D z = q oz + q 1 z 1 Formulas empleadas para el cálculo del controlador: θ = θ + T 2 q o = K C 1 + T 2τ i K C = 0.9τ Kθ τ i = 3.33θ q 1 = K C 1 T 2τ i
64 ESTIMACIÓN DE LOS MODELOS Y CÁLCULO DE LOS CONTROLADORES En la tabla se presentan los diferentes modelos estimados en el proceso de identificación y los parámetros de los controladores calculados para cada modelo
65 ECUACIONES DE REGRESIÓN PARA EL CÁLCULO DE LOS CONTROLADORES Para el cálculo de los parámetros del controlador q o y q 1 se utilizaron ecuaciones de regresión. Dichas ecuaciones de regresión, se obtienen a partir de los valores de los puntos de operación de la temperatura y de los modelos de primer orden con retardo correspondientes. Las ecuaciones para el cálculo de q o y de q 1 que se han de utilizar para estimar el controlador son: q o = T T T T q 1 = T T T T
66 CÁLCULO DE LOS COEFICIENTES DEL CONTROLADOR EN MATLAB clc T=[ ] qo=[ ]; q1=[ ]; coeqo=polyfit(t,qo,4); coeq1=polyfit(t,q1,4); T1=20:80; qo1=polyval(coeqo,t1); q11=polyval(coeq1,t1); figure(1) plot(t1,qo1,t,qo,'*') title('valores DE qo') figure(2) plot(t1,q11,t,q1,'*') title('valores DE q1' q 0 = T T T T q 1 = T T T T
67 GRÁFICAS DE LOS COEFICIENTES DEL CONTROLADOR
68 IMPLEMENTACIÓN DEL MRAC EN MATLAB
69 GANANCIA PROGRAMABLE PARA TANQUES INTERCONECTADOS La dinámica de los tanques interconectados de la figura se describe mediante las ecuaciones diferenciales no lineales: dh 1 dt = q i 0.5 h 1 h 2 dh 2 dt = 0.5 h 1 h h 2 Para el diseño del controlador se proponen como puntos de equilibrio: q i = 0.4, q i = 0.8, q i = 0.6 y q i = 0.2. a) Linealice el sistema alrededor de cada uno de los puntos de operación establecidos. b) Obtenga, para cada punto de operación, la matriz de ganancia de realimentación incluyendo integrador de modo que los polos de lazo cerrado del sistema queden ubicados en S = 0.1, S = 0.2 y S = 0.5.
70 LINEALIZACIÓN: PUNTOS DE EQUILIBRIO La dinámica del sistema linealizado se puede representar mediante la ecuación de estado: h = h 1 h 2 A = h 1 = Ah + Bq o f 1 f 1 h 1 h 2 f 2 f 2 h 1 h 2 y = Ch B = f 1 q o f 2 q o C = 1 0 Las derivadas parciales se calculan en el punto de equilibrio: h 1 (0) h 2 (0) q o (0) Los puntos de equilibrio cumplen con la condición: h i = 0 es decir: q i 0.5 h 1 h 2 = h 1 h h 2 = 0 Resolviendo las dos ecuaciones anteriores para q i = 0.4 se obtiene que el punto de equilibrio es: h 1 (0) h 2 (0) q o (0) =
71 LINEALIZACIÓN: MATRICES A, B Y C Para el cálculo de las matrices A, B y C con h 1 (0) h 2 (0) q i (0) = Se tiene: f 1 = 0.25 = h 1 h 1 h 2 f 1 = 0.25 = h 2 h 1 h 2 f 1 q i = 1 f 2 = 0.25 = h 1 h 1 h 2 f 2 = = h 2 h 1 h 2 h 2 f 2 q i = 0 El sistema linealizado es, entonces: h 1 h 2 = h 1 h q i y = 1 0 h 1 h 2
72 CÁLCULO DE LA MATRIZ DE GANANCIA DE REALIMENTACIÓN La matriz de ganancia de realimentación del sistema incluyendo integrador está dada por la fórmula de Ackerman: K = B AB A 2 B A n 1 B 1 φ(a) En donde: A = A 0 C 0 B = B 0 φ A = A n + a 1 A n 1 + a 2 A n 2 + a n Siendo a 1, a 2, a n los coeficientes de la ecuación característica deseada: Entonces: A = S n + a 1 S n 1 + a 2 S n 2 + a n = B = 1 0 0
73 La ecuación característica deseada es: MATRIZ K1 Y MATRIZ Ki S S S = S S S = 0 φ A = A A A I = B AB A 2 B = K = K = K 1 = K i = [0.016]
74 MATRICES K1 Y Ki PARA LOS DIFERENTES PUNTOS DE EQUILIRIO En la tabla se presentan los valores de la matriz de ganancia de realimentación y de la ganancia del integrador para cada punto de operación q i PTO OPERACIÓN K K 1 K i Las ecuaciones de regresión para las matrices son: K11 = q q q K12 = q q q Ki = 0.04 q
75 SIMULACIÓN DEL SISTEMA CON GANANCIA PROG.
76 RESPUESTA DEL SISTEMA CON GANANCIA PROG.
77 CONTROL PREDICTIVO Es una estrategia de control que se basa en la utilización de forma explícita de un modelo del proceso para predecir el valor de las variables controladas a lo largo de un horizonte temporal especificado por el usuario, calculando el valor de las variables manipuladas para hacer que en ese horizonte las variables controladas alcancen sus valores de referencia. El control predictivo tiene como objetivo resolver de forma efectiva, problemas de control y automatización de procesos industriales que se caractericen por presentar un comportamiento dinámico complicado, multivariable, y/o inestable. Uno de los inconvenientes del control predictivo es su alto costo computacional y el tener que disponer de un modelo matemático muy cercano a la planta real para obtener un buen desempeño del controlador
78 ESTRATEGIA DEL CONTROL PRDEDICTIVO En cada instante t y haciendo uso del modelo del proceso se predicen las salidas futuras y(t + k t) para un determinado horizonte, llamado horizonte de predicción. Las salidas predichas, dependen de los valores conocidos de las entradas y de las salidas pasadas y de las señales de control futuras u t + k t Las señales de control futuras u t + k t se calculan optimizando un determinado criterio en el que se pretende mantener el proceso lo más próximo posible a la trayectoria de referencia w t + k. Sólo la señal de control u(t t) se envía al proceso mientras que las demás señales de control calculadas se desechan, puesto que en el siguiente instante de muestreo ya se conoce y(t + 1) y se repite el paso 1 con este nuevo valor y todas las secuencias son actualizadas.
79 ESTRUCTURA BÁSICA EL CONTROL PREDICTIVO Para llevar a cabo la estrategia propuesta, se usa una estructura como la mostrada en la figura. Se hace uso de un modelo para predecir las salidas futuras del proceso, basándose en las señales de control futuras propuestas. Estas señales son calculadas por el optimizador teniendo en cuenta la función de coste así como las restricciones ESTRATEGIA DEL GPC ESTRUCTURA DEL GPC
80 FORMULACIÓN DEL CONTROL PREDICTIVO GENERALIZADO El GPC utiliza un modelo CARMA (Controller Auto-Regressive Moving-Average). Para aplicaciones industriales resulta más conveniente el uso de un modelo CARMA integrado, dando lugar al CARIMA, descrito por la ecuación: En donde: = 1 z 1 A z 1 y t = z d B z 1 u t 1 + C z 1 e z 1 A z 1 = 1 + a 1 z 1 + a 2 z 2 + a na z na B z 1 = b o + b 1 z 1 + b 2 z 2 + b nb z nb Para simplificar se considera que C z 1 = 1, así la ecuación se puede escribir en la forma: B z 1 d y t = z A z 1 u t e z 1 A z 1
81 PREDICCIÓN ÓPTIMA El algoritmo del Control Predictivo Generalizado consiste en aplicar una secuencia de señales de control que minimice la función de costo: N 2 N u J N 1, N 2, N u = δ j [y(t + j t) w(t + j)] 2 + λ j [Δu t + j 1 ] 2 j =N 1 j =1 y(t + j t): Es la predicción óptima de la salida del proceso j pasos adelante. N 1 : Horizonte mínimo de predicción. N 2 : Horizonte máximo de predicción. N u : Horizonte de control. δ(j) y λ(j):secuencias de ponderación. En la práctica δ j = 1 y λ(j) variable w(t + j): Es la trayectoria futura de referencia o Set-point. El objetivo es el cálculo de la secuencia de control futura u t, u t + 1 de tal manera que la salida futura del proceso y(t + j) se aproxime lo mejor posible a w(t + j).
82 PREDICCIÓN ÓPTIMA Aplicando el algoritmo de la división, el último término del modelo CARIMA, se puede escribir en la forma: 1 A z 1 = E j z 1 + z j F j (z 1 ) A z 1 Para simplificar: A z 1 = A, B z 1 = B, E z 1 = E, F z 1 = F. Entonces: Haciendo A = A = 1 z 1 A 1 = AE j + F j z j se obtiene: 1 = AE j + F j z j AE j = 1 F j z j F j = 1 AE j z j Haciendo G j = BE j la ecuación del modelo CARIMA se puede escribir así: y t + j = G u t + j d 1 + F j y t + E j e t + j La mejor predicción de y(t + j) se obtiene cuando e t + j = 0, es decir: y t + j = G u t + j d 1 + F j y t
83 FORMA MATRICIAL DE LA ECUACIÓN DE PREDICCIÓN La ecuación de mejor predicción se puede escribir en forma matricial así: Donde: y = y(t + d + 1 t) y(t + d + 2 t) y(t + d + N t) G z 1 = y = Gu + F z 1 y t + G z 1 Δu t 1 G = g o 0 0 g 1 g o 0 g N 1 g N 2 g o u = z[g d+1 z 1 g 0 ] z 2 [G d+2 z 1 g 0 g 1 z 1 ] z N [G d+n z 1 g 0 g 1 z 1 g N 1 z (N 1) ] Δu(t) Δu(t + 1) Δu(t + N 1) F z 1 = F d+1 (z 1 ) F d+2 (z 1 ) F d+n (z 1 ) Los dos últimos términos de la ecuación de predicción dependen solo del pasado por lo tanto, pueden agruparse en un solo término f, dando lugar a: y = Gu + f
84 OBTENCIÓN DE LA LEY DE CONTROL La función de costo a minimizar en el control predictivo generalizado es: N 2 N u J N 1, N 2, N u = δ j [y(t + j t) w(t + j)] 2 + λ j [Δu t + j i ] 2 j =N 1 j =1 Reemplazando y en esta ecuación y con δ j = 1 se obtiene: N 2 N u J N 1, N 2, N u = [ Gu + f w(t + j)] 2 + λ j [Δu t + j i ] 2 j =N 1 j =1 Al minimizar esta expresión y resolviendo para Δu se obtiene la ley de control: Δu = K w f Siendo K, la primera fila de K T = (G T G + λi) 1 G T
85 EJEMPLO DE CONTROL PREDICTIVO La figura representa un horno en el cual el material que entra a temperatura T i debe salir a temperatura T. La F de T que relaciona la temperatura del horno con el flujo de combustible es: G z = T(z) F(z) = 0.4(z + 0.5) z 2 (z 2 0.6z + 0.4) T = 0.5s Diseñar un controlador predictivo con horizonte máximo de predicción igual a 5, horizonte máximo de control 5 y factor de ponderación del esfuerzo de control 1.5
86 SOLUCIÓN La función de transferencia del sistema se puede escribir como: G z = 0.4z z z 1 z z 2 m = 2 d = 2 Horizonte mínimo de predicción: N 1 = d + 1 = 3 Horizonte máximo de predicción: N 2 = 5 Horizonte máximo de control: N u =5 A z 1 = 1 0.6z z 2 B z 1 = z 1 A z 1 = 1 z 1 A = 1 1.6z 1 + z 2 0.4z 3 Predicciones E j +1 = E j + f j,0 z j F j = (1 E j A)z j G j = E j B
87 CÁLCULO DE LAS PREDICCIONES E 1 = 1 E 1 = 1 F 1 = (1 E 1 A)z G 1 = E 1 B E 2 = E 1 + f 1,0 z 1 F 1 = 1.6 z z 2 G 1 = z 1 E 1 = z 1 F 2 = (1 E 2 A)z 2 G 2 = E 2 B E 3 = E 2 + f 2,0 z 2 F 3 = (1 E 3 A)z 3 G 3 = E 3 B E 4 = E 3 + f 3,0 z 3 F 4 = (1 E 4 A)z 4 G 4 = E 4 B E 5 = E 4 + f 4,0 z 4 F 5 = (1 E 5 A)z 5 F 2 = z z 2 G 2 = z z 2 E 3 = z z 2 F 3 = z z 2 G 3 = z z z 3 E 4 = z z z 3 F 4 = z z 2 G 4 = z z z z 4 E 5 = z z z z 4 F 5 = z z 2 G 5 = E 5 B G 5 = z z z z z 5
88 ECUACION DE PREDICCIÓN La ecuación de predicción entre N 1 = 3 y N 2 = 5 es: y = F z 1 = G z 1 = y(t + d + 1 t) y(t + d + 2 t) y(t + d + N t) F d+1 F d+2 F d+3 = G d+1 G d+2 G d+3 = y = Gu + F z 1 y t + G z 1 Δu t 1 = F 3 F 4 F 5 = G 3 G 4 G 5 y(t + 3 t) y(t + 4 t) y(t + 5 t) = G = G d+1 G d+2 G d+3 = G 3 G 4 G 5 = z z z z z z z z z z z z
89 ECUACIÓN DE PREDICCIÓN y = Gu + F z 1 y t + G z 1 Δu t 1 y(t + 3 t) y(t + 4 t) y(t + 5 t) = u(t) u(t + 1) u(t + 2) z z z z z z 2 y t Es decir: y t + 4 t y t + 5 t y t + 6 t z z z z z z 2 u(t 1) = u t u t + 1 u t u t u t u t y t 0.92y t y t u t u t u t y t 0.672y t y t u t u t u t y t y t y t 2
90 La ley de control es: CÁLCULO DE LA LEY DE CONTROL u = K(w f) En donde K es la primera columna de (G T G + λi) 1 G T. Con λ = 1.5 se obtiene: Entonces Δu = (G T G + λi) 1 G T = K = w t 0.84 u t u t u t y t y t y t 2 w t u t u t u t y t y t y t 2 w t u t u t u t y t y t y t 2 Δu(t) = w t Δu t Δu t Δu t y t y(t 1) y(t 2)
91 IMPLEMENTACIÓN DE LA LEY DE CONTROL u = u t u t u t u t y t Finalmente: y t y t w(t) U z = z 4 z z z 2 W z z z z z z z z 2 Y z z
92 CONTROL PREDICTIVO EJEMPLO 2 Para el sistema de control de la figura diseñe un controlador predictivo. Horizonte de predicción 3, horizonte de control 3, λ = 1 y periodo de muestreo T = 2 s. SOLUCIÓN: La función de transferencia de pulso para el sistema es: HG z = 1 z 1 I m N 1 = d + 1 = 1 N 2 = 3 N u = 3 A z 1 = z 1 B z 1 = z 1 A z 1 = 1 z z S 8S + 1 = z z z 1 m = 2 d = 0 A(z 1 ) = z z 2
93 PREDICCIONES Las ecuaciones para obtener la predicción son: E j +1 = E j + f j,0 z j F j = 1 E j A z j G j = BE j E 1 = 1 E 1 = 1 F 1 = 1 E 1 A z G 1 = BE 1 E 2 = E 1 + f 1,0 z 1 F 2 = 1 E 2 A z 2 G 2 = BE 2 E 3 = E 2 + f 2,0 z 2 F 3 = 1 E 3 A z 3 G 3 = BE 3 F 1 = z 1 G 1 = z 1 E 2 = z 1 F 2 = z 1 G 2 = z z 2 E 3 = z z 2 F 3 = z 1 G 3 = z z z 3
94 ECUACIÓN DE PREDICCIÓN La ecuación de predicción está dada por: En donde: y = y(t + d + 1 t) y(t + d + 2 t) y(t + d + N t) y = Gu + F z 1 y t + G z 1 Δu t 1 G = g o 0 0 g 1 g o 0 g N 1 g N 2 g o u = Δu(t) Δu(t + 1) Δu(t + N 1) G z 1 = y t+2 y t+3 y t+4 = z[g d+1 z 1 g 0 ] z 2 [G d+2 z 1 g 0 g 1 z 1 ] z N [G d+n z 1 g 0 g 1 z 1 g N 1 z (N 1) ] u t u t+1 u t+2 + F z 1 = z z z -1 y t F d+1 (z 1 ) F d+2 (z 1 ) F d+n (z 1 ) u t-1
95 LEY DE CONTROL La ecuación anterior se puede escribir en la forma: y = Gu + f y(t + 2) y(t + 3) y(t + 4) = u(t) u(t + 1) u(t + 2) u t y t y(t 1) u t y t y(t 1) u t y t y(t 1) Finalmente, la ley de control es: u = K(w f) En donde K es la primera fila de la matriz: (G T G + λi) 1 G T Con λ = 1 (G T G + λi) 1 G T = K =
96 IMPLEMENTACIÓN DE LA LEY DE CONTROL Δu t = w t Δu t y t y(t 1) u t = u t u t y t y t w t Tomando la transformada z a la ecuación anterior: z z 2 U z = W z z 1 Y(z) Es decir: U z = z 2 z z z z z z
97 CONTROLADOR POR EL MÉTODO DE RAGAZZINI El método Truxal-Ragazzini, permite diseñar un controlador D(z) de modo que la secuencia de error e(kt), ante una señal de referencia particular, sea cero tras un número N de periodos de muestreo y se mantenga así, sin oscilaciones. Para el sistema de control discreto mostrado en la figura, la función de transferencia de lazo cerrado es: G w z = C(z) R(z) = D z HG(z) 1 + D z HG(z) Si se especifica cuál debe ser el comportamiento de la planta en lazo cerrado, es decir, si se especifica G w (z), el controlador D(z) resultante es: D z = 1 HG z G w z 1 G w z
98 RESTRICCIONES PARA EL DISEÑO POR RAGAZZINI El problema consiste en establecer e implementar restricciones específicas sobre G w (z) de modo que el controlador sea realizable. Dichas restricciones son: 1. Restricción de causalidad: Para que D(z) en la ecuación sea causal, G w z debe cumplir con la condición: G w (z) z= = G w z = b oz n + b 1 z n 1 + b n z n + a 1 z n 1 + a n En donde: z n + a 1 z n 1 + a n = 0, es la ecuación característica deseada 2. Restricción de estabilidad: Si HG(z) tiene polos o ceros fuera del círculo Z= unitario, se deben cumplir las siguientes condiciones: = 0 1 G w (z) debe tener como ceros todos los polos de HG(z) que estén fuera del círculo unitario. G w (z) debe tener como ceros todos los ceros de HG(z) que estén fuera del círculo unitario.
99 RESTRICCIONES PARA EL DISEÑO POR RAGAZZINI 3. Restricción de exactitud: Como G w (z) es la función de transferencia del sistema en lazo cerrado, entonces el error está dado por: E z = 1 G w z R z Si el sistema es tipo 1, con constante de error de velocidad Kv, debe tener un error de estado estable igual a cero ante una entrada en escalón unitario y 1/Kv de error de estado estable ante una entrada en rampa unitaria, es decir: Para un escalón unitario : G w (z) z=1 = 1 Para una rampa unitaria: d G w (z) dz z=1 = 1 TK v La aplicación de las restricciones anteriores y el cumplimiento de las especificaciones impuestas al sistema, permiten el diseño del compensador.
100 EJEMPLO 1: DISEÑO DE CONTROLADOR POR RAGAZZINI La figura representa el esquema de una antena diseñada para rastrear un satélite. La dinámica del sistema que describe el movimiento de la antena se puede aproximar mediante la expresión: G p S = θ(s) U(S) = 0.02 S(S + 0.2) Diseñar un compensador según Ragazzini de modo que el sistema, en lazo cerrado, tenga tiempo de crecimiento de 10 s, sobreimpulso máximo del 10% y coeficiente estático de error de velocidad igual a 2.
101 SOLUCIÓN: OBTENCIÓN DEL MODELO EN LAZO CERRADO HG z = 1 z 1 I G p S S = 1 z 1 I 0.02 S 2 S La ubicación deseada para los polos de lazo cerrado está dada por: De las condiciones del problema: z = e ξw n T θ = 57.3w n T 1 ξ 2 == (z ) z 1 (z ) M p = e πξ 1 ξ = e πξ 1 ξ 2 ξ = t r = ξ w n w n = ξ t r w n = rad/s z = θ = 21 o z = ± j0.273 La ecuación característica deseada es: z z = 0 Como el sistema es de segundo orden, G w (z) debe ser de la forma: G w z = b o z 2 + b 1 z + b 2 z z
102 RESTRICCIONES PARA LA SOLUCIÓN a) Restricción de causalidad : G w z z = 0 b o = 0 b) Restricción de estabilidad: no se aplica pues G w (z) no tiene polos ni ceros fuera del círculo unitario. c) Restricción de exactitud : Entrada escalón Entrada Rampa G w z z=1 = b o + b 1 + b = 1 b 1 + b 2 = Ec C 1 d G w (z) dz z=1 = 1 TK v z z b o z + b 1 b o z 2 + b 1 z + b 2 2z z z z=1 = b b 2 = Ec. C 2 Resolviendo las ecuaciones C 1 y C 2 se obtiene: b 1 = , b 2 = 0.378
103 CÁLCULO DEL CONTROLADOR La ecuación del controlador es: D z = 1 HG z G w z 1 G w z G w z = z z z = (z ) z z G w z = z z z z Reemplazando en la ecuación del controlador: = z 1 (z ) z z D z = z 1 (z ) (z ) (z ) z 1 (z ) D z = z (z ) z (z )
104 RESPUESTA DEL SISTEMA CON EL CONTROLADOR El controlador presenta "efecto timbre", debido al polo ubicado en z = Para obviar el problema se reemplaza dicho polo por una ganancia que se obtiene haciendo en él z = 1, como se indica a continuación: D z = z (z ) z (z ) = z 1 ( z 1 ) z 1 ( z 1 ) D z = z 1 ( z 1 ) z 1 ( ) = z (z ) z(z )
105 EJEMPLO 2: DISEÑO DE CONTROLADOR POR RAGAZZINI La función de transferencia de pulso de un sistema discreto en lazo abierto es: HG z = 0.4(z + 1.5) z(z 0.8) Diseñar un controlador según el método de Ragazzini de modo que el sistema, en lazo cerrado, tenga polos ubicados en z = 0.4 y z = 0.5 y error de estado estable igual a cero ante una entrada en escalón unitario. SOLUCIÓN: la función de transferencia del sistema tiene un cero por fuera del círculo unitario y se puede escribir en la forma: HG z = 0.4z z 2 0.8z La ecuación característica deseada es: Por lo tanto G w (z) es de la forma: z 0.4 z 0.5 = z 2 0.9z = 0 G w z = b oz 2 + b 1 z + b 2 z 2 0.9z + 0.2
106 RESTRICCIONES PARA LA SOLUCIÓN a) Restricción de causalidad: Por lo tanto: G w z z= = 0 b o = 0 G w z = b 1 z + b 2 z 2 0.9z b) Restricción de estabilidad: HG(z) tiene un cero inestable, por lo tanto G w (z) debe tener como cero el cero inestable de HG(z) es decir: G w z = (z + 1.5)b 1 z 2 0.9z c) Restricción de exactitud: el sistema en lazo cerrado es tipo cero, para que tenga error cero al escalón unitario se debe cumplir que: G w z z=1 = 1 (z + 1.5)b 1 z 2 0.9z z=1 = 1 b 1 = 0.12 G w z = 0.12(z + 1.5) z 0.4 (z 0.5)
107 CÁLCULO DEL CONTROLADOR La ecuación del controlador es: D z = 1 HG z G w z 1 G w z 1 G w z = (z + 1.5) z 0.4 (z 0.5) = z2 1.02z z 0.4 (z 0.5) D z = 1 HG(z) G w (z) 1 G w (z) = z(z 0.8) 0.4(z + 1.5) 0.12(z + 1.5) z 0.4 (z 0.5) z z z 0.4 (z 0.5) D z = M(z) E(z) = 0.3z(z 0.8) z 1 (z 0.02)
108 CONTROL CON MODELO INTERNO (IMC) Los métodos de control que incorporan dentro del controlador un modelo del proceso son conocidos como control con modelo interno o IMC. La figura a) muestra un sistema de control realimentado en donde GP(S) es el modelo de la planta y G c (S) es el controlador del sistema. La figura b) muestra el diagrama de bloques básico del sistema de control basado en modelo, en donde G p (S) es un modelo de la planta G p (S), en la práctica se hace G p (S) = G p (S) y G c S es el modelo del controlador con modelo interno IMC.
TALLER DE Nº 2 CONTROL AVANZADO. No se educa cuando se imponen caminos, sino cuando se enseña a caminar
TALLER DE Nº 2 CONTROL AVANZADO No se educa cuando se imponen caminos, sino cuando se enseña a caminar 1. La función de transferencia de cierto proceso es: Gp(S) = 1 5S + 1 El proceso está en serie con
Más detallesSISTEMAS DE CONTROL AVANZADO
SISTEMAS DE CONTROL AVANZADO LUIS EDO GARCÍA JAIMES POLITÉCNICO COLOMBIANO J.I.C PRIMERA PARTE ANÁLISIS DE SISTEMAS DE CONTROL EN EL ESPACIO DE ESTADO Este método tiene como objetivo la descripción de
Más detalles11 REPRESENTACIÓN EN EL ESPACIO DE ESTADO. 1.3 SOLUCIÓN DE ECUACIONES DE ESTADO EN TIEMPO
Control Avanzado. Luis Edo García Jaimes 1 TABLA DE CONTENIDO 1. ANÁLISIS DE SISTEMAS DE CONTROL EN EL ESPACIO DE 5 ESTADO 1.1 FORMAS CANÓNICAS PARA ECUACIONES EN EL ESPACIO DE ESTADO EN TIEMPO DISCRETO
Más detallesCapítulo 6: Diseño de controladores
Capítulo 6: Diseño de controladores Capítulo 6: Diseño de controladores 6.1. Introducción El objetivo es el desarrollo de controladores para que la plataforma siga una trayectoria de referencia con independencia
Más detallesTALLER DE Nº 2 CONTROL AVANZADO. No se educa cuando se imponen caminos, sino cuando se enseña a caminar
TALLER DE Nº 2 CONTROL AVANZADO No se educa cuando se imponen caminos, sino cuando se enseña a caminar 1. La función de transferencia de cierto proceso es Gp(S) = 1/(5S + 1). El proceso está en serie con
Más detallesAutomatización de Procesos/Sistemas de Control Ing. Biomédica e Ing. Electrónica Capitulo V Controladores PID
Automatización de Procesos/Sistemas de Control Ing. Biomédica e Ing. Electrónica Capitulo V Controladores PID D.U. Campos-Delgado Facultad de Ciencias UASLP Enero-Junio/2014 1 CONTENIDO Motivación Estructura
Más detallesProblema de seguimiento de un conjunto de señales de referencia. Especificaciones de diseño del régimen permanente
Problema de seguimiento de un conjunto de señales de referencia. Especificaciones de diseño del régimen permanente Félix Monasterio-Huelin 12 de febrero de 2016 Índice Índice 1 Índice de Figuras 1 Índice
Más detallesEJERCICIOS DE CONTROL POR COMPUTADOR BOLETIN V: SISTEMAS DISCRETOS (I)
C. Determine el valor al que tenderá en régimen permanente la salida ante un escalón de amplitud 3 a la entrada del sistema discreto dado por: z.7 G( z) ( z.5) z C. a) Determinar la región del plano z
Más detallesEJERCICIOS DE TEORÍA DE CONTROL AUTOMÁTICO BOLETIN V: SISTEMAS DISCRETOS (I)
C. Determine el valor al que tenderá en régimen permanente la salida ante un escalón de amplitud 3 a la entrada del sistema discreto dado por: z.7 z) ( z.5) z C. a) Determinar la región del plano z donde
Más detallesCOLECCIÓN DE PROBLEMAS DE EXÁMENES DE INGENIERÍA DE CONTROL
COLECCIÓN DE PROBLEMAS DE EXÁMENES DE INGENIERÍA DE CONTROL A continuación se incluyen preguntas de examen de los últimos años, tanto de teoría como de problemas. Lo indicado entre paréntesis es la puntuación
Más detallesFACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA LABORATORIO DE SISTEMAS DE CONTROL DISCRETO PRÁCTICA N 6 MODELACIÓN E INDENTIFICACIÓN DE UN MOTOR DC
FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA Carrera de Ingeniería Electrónica y Control LABORATORIO DE SISTEMAS DE CONTROL DISCRETO PRÁCTICA N 6 1. TEMA MODELACIÓN E INDENTIFICACIÓN DE UN MOTOR DC 2.
Más detallesTALLER FINAL DE CONTROL AVANZADO
TALLER FINAL DE CONTROL AVANZADO 1. Dado el sistema no lineal: x 1 = x 2 2 cos x 1 x 2 = x 2 2 + x 2 3 + u y = x 1 + x 2 x 2 > 0 a) Linealice el sistema alrededor del punto u o = 1 b) Obtenga la función
Más detallesLugar Geométrico de las Raíces Herramienta para diseño de sistemas de control
Lugar Geométrico de las Raíces Herramienta para diseño de sistemas de control Elizabeth Villota Curso: Ingeniería de Control (MT221) Facultad de Ingeniería Mecánica UNI-FIM 1 Modelado Modelo: representación
Más detalles1. Control de Mínima Varianza
. Control de Mínima Varianza. CONTROL DE MÍNIMA VARIANZA..... PLANTEO DEL PROBLEMA..... CRITERIO DE OPTIMIZACIÓN...5.3. PREDICCIÓN ÓPTIMA...8.3.. Forma intuitiva...8... Caso General...0.3.. Cálculo del
Más detallesPlanta - Figura 1 T T
RESOLUCIÓN SEGUNDO PARCIAL Recursada 016 1) Explique cómo se halla el algoritmo de control discreto recursivo, u(k), para un controlador PID con la disposición de sus acciones como se indica en la Figura
Más detallesUniversidad Simón Bolívar Departamento de Procesos y Sistemas
Universidad Simón Bolívar Departamento de Procesos y Sistemas Guía de Ejercicios de Sistemas de Control I PS-3 Prof. Alexander Hoyo Junio 00 http://prof.usb.ve/ahoyo ahoyo@usb.ve ÍNDICE Pág. Modelaje Matemático
Más detallesRetardo de transporte
Retardo de transporte Escalón Escalón con retardo de transporte T Retardo de Transporte. Ejemplo de un Tiristor Tiempo Muerto Ángulo de Disparo (desde controlador) Pulso de disparo Nuevo Pulso de disparo
Más detalles1. Diseño Óptimo en Función de Transferencia. 1. Diseño Óptimo en Función de Transferencia 1
. Diseño Óptimo en Función de Transferencia. Diseño Óptimo en Función de Transferencia.. Planteo del Problema.. Criterio de Optimización 3.. Predicción Óptima 4... Forma intuitiva 5... Caso General 5..3.
Más detallesTAREA DE SISTEMAS DE CONTROL AVANZADO 2018_2
TAREA DE SISTEMAS DE CONTROL AVANZADO 2018_2 (70%) Un reactor químico es un equipo en cuyo interior tiene lugar una reacción química. Los reactores se diseñan para maximizar la conversión y selectividad
Más detallesTEORÍA DE CONTROL CONTROLADOR PID
TEORÍA DE CONTROL CONTROLADOR PID Historia del controlador PID. Nicolás Minorsky 1922 Nicolás Minorsky había analizado las propiedades de los controladores tipo PID en su publicación Estabilidad direccional
Más detallesPROBLEMAS PROPUESTOS. TEMAS 5 Y 6 SOLUCIONES
Grado en Ingeniería Mecánica Teoría de Sistemas PROBLEMAS PROPUESTOS. TEMAS 5 Y 6 SOLUCIONES Transformada Z. Función de transferencia discreta. Modelado de sistemas discretos. PROBLEMA 1. Sistema discreto
Más detallesTecnicas de diseño y compensación
Capítulo 8 Tecnicas de diseño y compensación El objetivo primordial de esta sección es presentar algunos procedimientos para el diseño y compensación de sistemas de control lineales, invariantes en el
Más detalles[ANEXO 4] AJUSTE DE REGULADORES DE TURBINAS HIDRÁULICAS CON TÉCNICAS DE ESTIMACIÓN DE PARÁMETROS [13]
[ANEXO 4] AJUSTE DE REGULADORES DE TURBINAS HIDRÁULICAS CON TÉCNICAS DE ESTIMACIÓN DE PARÁMETROS [13] Este método se aplica al ajuste de los reguladores de un regulador digital de turbinas hidráulicas.
Más detallesSistemas de Control lineal óptimo con realimentación de estado
Capítulo 5 Sistemas de Control lineal óptimo con realimentación de estado La principal restricción de este sistema de control es suponer que se puede medir en todo instante de tiempo el estado completo
Más detallesLABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO PRÁCTICA N 10
ESCUELA POLITÉCNICA NACIONAL Campus Politécnico "J. Rubén Orellana R." FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA Carrera de Ingeniería Electrónica y Control 1. TEMA LABORATORIO DE SISTEMAS DE CONTROL
Más detallesEJERCICIOS RESUELTOS Y PROPUESTOS
UNIVERSIDAD NACIONAL DE INGENIERÍA Facultad de Ingeniería Mecánica MT 227 Control Moderno y Óptimo EJERCICIOS RESUELTOS Y PROPUESTOS Estabilidad según Lyapunov (1) Un buen modelo de un niño impulsandose
Más detallesLugar Geométrico de las Raíces Herramienta para diseño de sistemas de control
Herramienta para diseño de sistemas de Elizabeth Villota Cerna Curso: Ingeniería de Control (MT221) Facultad de Ingeniería Mecánica UNIFIM Mayo 2012 1 Control por realimentación, dónde? buques (nano) satélites
Más detallesCONTROLADORES O REGULADORES PID. Prof. Gerardo Torres Sistemas de Control
1 CONTROLADORES O REGULADORES PID INTRODUCCIÓN PID son los más utilizados en la industria. Son aplicados en general a la mayoría de los procesos. Pueden ser analógicos o digitales. Pueden ser electrónicos
Más detalles4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR
4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR Los sistemas de E/S quedan determinados por su función de transferencia, que puede expresarse como una función temporal (respuesta impulsional) o
Más detalles1. Análisis de Sistemas Discretos
. Análisis de Sistemas Discretos. Análisis de Sistemas Discretos.. Introducción.. Estabilidad... Estabilidad de Sistemas Lineales 3... Estabilidad de Sistemas con Entrada y Salida Acotadas(BIBO) 4..3.
Más detallesESCUELA POLITÉCNICA DEL EJÉRCITO DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA CARRERA DE INGENIERÍA EN ELECTRÓNICA, AUTOMATIZACIÓN Y CONTROL
ESCUELA POLITÉCNICA DEL EJÉRCITO DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA CARRERA DE INGENIERÍA EN ELECTRÓNICA, AUTOMATIZACIÓN Y CONTROL PROYECTO DE GRADO PARA LA OBTENCIÓN DEL TÍTULO EN INGENIERÍA DISEÑO
Más detallesIntroducción. Por favor. No olvide bajar el tono a su. Franco E., Rosero E., Ramírez J.M. () SISTEMAS DE CONTROL II GICI / 42
Introducción Por favor No olvide bajar el tono a su teléfono móvil!. Franco E., Rosero E., Ramírez J.M. () SISTEMAS DE CONTROL II GICI 2008 1 / 42 Introducción UNIDAD I ESTABILIDAD DE SISTEMAS DINÁMICOS
Más detallesEjercicio 3 Un sistema de control de velocidad de un motor de corriente continua se modela mediante la ecuación
Trabajo práctico Nº 4 Fundamentos de control realimentado - Segundo cuatrimestre 2017 Ejercicio 1 Aplicando el criterio de estabilidad de Routh: i) Determine la cantidad de raíces en el semiplano derecho
Más detallesAutomatización de Procesos/Sistemas de Control Ing. Biomédica e Ing. Electrónica Capitulo VI Lugar de las Raíces
Automatización de Procesos/Sistemas de Control Ing. Biomédica e Ing. Electrónica Capitulo VI Lugar de las Raíces D.U. Campos-Delgado Facultad de Ciencias UASLP Enero-Junio/2014 1 CONTENIDO Motivación Pasos
Más detallesXI. COMPENSACIÓN UTILIZANDO EL LUGAR GEOMÉTRICO DE LAS RAÍCES
XI. COMPENSACIÓN UTILIZANDO EL LUGAR GEOMÉTRICO DE LAS RAÍCES El lugar geométrico de las raíces representa la ubicación de las raíces de la ecuación característica a lazo cerrado cuando se varía un parámetro
Más detallesControl Automático. Regulador PID y ajuste del PID. Eduardo Interiano
Control Automático Regulador PID y ajuste del PID Eduardo Interiano Contenido Regulador PID PID ideal PID real Ajuste empírico del PID (Ziegler-Nichol Ejemplos Ejercicios Referencias 2 El PID ideal El
Más detalles0.1. Error en Estado Estacionario
0. Error en Estado Estacionario 0.. Error en Estado Estacionario La respuesta permanente es aquella que se alcanza cuando el sistema se establece y es muy importante su estudio pues informa lo que sucede
Más detallesINDICE Capitulo 1. Introducción Capitulo 2. Conversión y procesamiento de señales
INDICE Capitulo 1. Introducción 1-1 introducción 1 1-1-1 elementos básicos de un sistema de control de datos discretos 2 1-1-2- ventajas de los sistemas de control de datos discretos 3 1-2 ejemplos de
Más detallesDiseño Básico de Controladores
Diseño Básico de Controladores No existen reglas para el diseño de controladores. Para una planta y especificaciones dadas pueden existir dos o mas controladores que entreguen buen desempeño. En las siguientes
Más detallesINSTITUTO POLITÉCNICO NACIONAL Escuela Superior de Ingeniería Mecánica y Eléctrica
INSTITUTO POLITÉCNICO NACIONAL Escuela Superior de Ingeniería Mecánica y Eléctrica Ingeniería en Control y Automatización TEORÍA DE CONTROL 1: GUÍA PARA EL EXAMEN EXTRAORDINARIO (TEORÍA) Nombre: Grupo
Más detallesIngeniería de Control I Tema 11. Reguladores PID
Ingeniería de Control I Tema 11 Reguladores PID 1 Tema 11. Reguladores PID Introducción Especificaciones de funcionamiento Acciones básicas de control Ajuste empírico de reguladores. Métodos de Ziegler-
Más detallesIdentificación mediante el método de los mínimos cuadrados
Ingeniería de Control Identificación mediante el método de los mínimos cuadrados Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos relevantes aprendidos previamente:
Más detallesHORARIO DE CLASES SEGUNDO SEMESTRE
HORARIO DE CLASES LUNES MIERCOLES 17 a 18:15 hs 17 a 18:15 hs Ln 14/08/17: CRONOGRAMA DE CLASES y PARCIALES CONTROL I -AÑO 2017- SEGUNDO SEMESTRE Introducción a los sistemas de Control. Definiciones de
Más detallesAlgorítmo de Control por Asignación de Polos.
Algorítmo de Control por Asignación de Polos. N de práctica: 0 Tema Correspondiente: Algoritmo de Control por asignación de Polos Nombre completo del alumno Firma N de brigada: Fecha de elaboración: Grupo:
Más detallesControl Automático. Compensador de adelanto en el lugar de las raíces
Control Automático Compensador de adelanto en el lugar de las raíces Contenido Estrategia para la síntesis de reguladores rlocus Algoritmo para el diseño usando el plano complejo Cálculo del compensador
Más detallesEXAMEN PARCIAL I
UNIVERSIDAD NACIONAL DE INGENIERÍA - FIM MT 7 Control Moderno y Óptimo EXAMEN PARCIAL - 04I Problema : Un tanque vacio con masa m o es posicionado sobre g un resorte lineal con rigidez k. El tanque es
Más detallesSintonización de controladores por ubicación de polos y ceros
Sintonización de controladores por ubicación de polos y ceros Leonardo J. Marín, Víctor M. Alfaro Departamento de Automática, Escuela de Ingeniería Eléctrica, Universidad de Costa Rica Apartado postal
Más detallesESTABILIDAD. El procedimiento en el criterio de estabilidad de Routh es el siguiente: 1) Escriba el polinomio en s en la forma siguiente:
ESTABILIDAD Un sistema dinámico es estable si para cualquier entrada comprendida entre un límite superior y otro inferior la salida también resulta acotada sin importar las condiciones iniciales del sistema.
Más detalles1. Método del Lugar de las Raíces
. Método del Lugar de las Raíces. MÉTODO DEL LUGAR DE LAS RAÍCES..... IDEA BÁSICA... 3.. LUGAR DE LAS RAÍCES DE SISTEMAS SIMPLES... 0.3. LUGAR DE GANANCIA CONSTANTE....4. REGLAS PARA LA CONSTRUCCIÓN DEL
Más detalles1. Método del Lugar de las Raíces
. Método del Lugar de las Raíces. MÉTODO DEL LUGAR DE LAS RAÍCES..... IDEA BÁSICA...3.. LUGAR DE LAS RAÍCES DE SISTEMAS SIMPLES...0.3. LUGAR DE GANANCIA CONSTANTE....4. REGLAS PARA LA CONSTRUCCIÓN DEL
Más detallesCapítulo 5: CONTROL INVERSO ADAPTATIVO
Capítulo 5: CONTROL INVERSO INTRODUCCIÓN 5.. INTRODUCCIÓN Un sistema de control inverso adaptativo se muestra en la Figura 5. Si el controlador fuese ideal, su función de transferencia sería: C( z) M (
Más detallesRESPUESTA DE SISTEMAS DE CONTROL Y ESTABILIDAD. Tema 4
RESPUESTA DE SISTEMAS DE CONTROL Y ESTABILIDAD Tema 4 Indice Respuesta Temporal Mapeo del Plano s al Plano z Especificaciones de Respuesta Transitoria y Permanente Estabilidad. Transformación Bilineal
Más detallesControl Moderno. Ene.-Jun Diseño de controlador con referencia a la entrada, servosistemas. Dr. Rodolfo Salinas. mayo 2007
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN Facultad de Ingeniería Mecánica y Eléctrica Control Moderno Ene.-Jun. 2007 Diseño de controlador con referencia a la entrada, servosistemas Dr. Rodolfo Salinas mayo 2007
Más detallesControl Avanzado con variables auxiliares
Control de Procesos Industriales 7. Control Avanzado con Variables Auxiliares versión 1/06/10 por Pascual Campoy Universidad Politécnica Madrid Control Avanzado con variables auxiliares Control en cascada
Más detallesTema 6. Diseño de controladores discretos
Ingeniería de Control Tema 6. Diseño de controladores discretos Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Como obtener el
Más detallesSistemas de Control II Prof. Diego Mauricio Rivera Sistemas de control en tiempo discreto
Sistemas de Control II Prof. Diego Mauricio Rivera diegomrivera@gmail.com Sistemas de control en tiempo discreto Actualizado Marzo 22 de 2017 Contenido Introducción al control digital Señales en un sistema
Más detallesIntroducción a los Sistemas de Control
Introducción a los Sistemas de Control Organización de la presentación - Introducción a la teoría de control y su utilidad - Ejemplo simple: modelado de un motor de continua que mueve una cinta transportadora.
Más detallesSalida = Valor deseado (referencia) Para todo el tiempo posible!!! jlc
Control: Se debe lograr que unas variables de salida de un sistema se comporten de acuerdo a nuestro deseo. La fuerza del ego humana puesta al servicio de la ingeniería Salida = Valor deseado (referencia)
Más detallesTEORIA DE CONTROL CAPITULO 9: ESPECIFICACIONES Y AJUSTES DE CONTROLADORES
CAPITULO 9: ESPECIFICACIONES Y AJUSTES DE CONTROLADORES 10.1 Especificaciones en Diseño En muchos casos las características o exigencias impuestas en un sistema de control, están dadas desde el punto de
Más detallesClase 08.doc Aproximación de Controladores Continuos. 1. Aproximación de Controladores Continuos 1
. Aproximación de Controladores Continuos. Aproximación de Controladores Continuos.. Introducción.. Aproximación Basada en la Función de Transferencia... Aproximación de Tustin... Problemas en el dominio
Más detalles1. Aproximación de Controladores Continuos... 1
. Aproximación de Controladores Continuos. Aproximación de Controladores Continuos..... Introducción..... Aproximación Basada en la Función de Transferencia...... Aproximación de Tustin...... Problemas
Más detallesIntroducción a los Sistemas Electrónicos de Control
Introducción a los Sistemas Electrónicos de Control Félix Monasterio-Huelin 8 de febrero de 2016 Índice Índice 1 Índice de Figuras 1 1. El problema del muestreo 2 2. Objetivos de los Sistemas de Control
Más detallesTRABAJO PRÁCTICO Nº 2 Dinámica de Procesos. F CAi
TRABAJO PRÁCTICO Nº Dinámica de Procesos OBJETIVOS: Saber deducir las funciones de transferencia de los sistemas Manejar el álgebra de bloques y aplicarla en la descripción de sistemas Conocer entradas
Más detallesGRADO: CURSO: 3 CUATRIMESTRE:
DENOMINACIÓN ASIGNATURA: Ingeniería de Control I GRADO: CURSO: 3 CUATRIMESTRE: La asignatura tiene 29 sesiones que se distribuyen a lo largo de 14 semanas. Los laboratorios pueden situarse en cualquiera
Más detallesEl comportamiento de un controlador PID corresponde a la superposición de estas tres acciones, expresado en el dominio del tiempo es:
1.4.1 CONTROLADOR PID A continuación se hace una breve presentación del controlador PID clásico en el dominio continuo y a la vez que se mencionan los métodos de sintonización, de oscilaciones amortiguadas
Más detalles1.5. Seguimiento de Referencias Acción Integral Controlador con Dos Grados de Libertad 35
. Diseño Basado en la Ubicación de Polos. Diseño Basado en la Ubicación de Polos.. Introducción.. Realimentación del Estado... Caso General 3... Aspectos Prácticos... Control de Tiempo Finito..3. Perturbación
Más detallesSintonización de Controladores
Sistemas de Control Automáticos Sintonización de Controladores Acciones de control Las acciones de los controladores las podemos clasificar como: Control discontínuo Control ON OFF Control contínuo Controles
Más detalles3 y un vector Y 2 que contenga el cálculo de Y2 = 4X
Laboratorio 1. Introducción a MATLAB y Simulink. 1. Uso de MATLAB. Manejo de Vectores y Matrices: Usando el editor de MATLAB, escriba el código necesario para generar: a. Vectores (1x1) (3x1) y (1x7),
Más detallesUnidad V Respuesta de los sistemas de control
Unidad V Respuesta de los sistemas de control MC Nicolás Quiroz Hernández Un controlador automático compara el valor real de la salida de una planta con la entrada de referencia (el valor deseado), determina
Más detallesIntroducción al Control Óptimo
Ingeniería en Control y Automatización Introducción al Control Óptimo Aplicación a sistemas de control moderno ERÍA DEL CNRL III de diciembre de 6 Autor: M. en C. Rubén Velázquez Cuevas Escuela Superior
Más detallesIntroducción a los Sistemas Electrónicos de Control
Introducción a los Sistemas Electrónicos de Control Félix Monasterio-Huelin & Álvaro Gutiérrez 13 de enero de 2018 Índice Índice 1 Índice de Figuras 1 1. Objetivos de los Sistemas de Control Realimentado
Más detallesDetermine la cantidad de polos en el semi plano izquierdo, fundamente. Determine el rango de valores de K para que el sistema sea estable.
ESTABILIDAD 1 Un sistema con realimentación unitaria tiene la siguiente función de transferencia de la planta: ( s 1.)( s 0.5s ) Gp ( s) s.5s 1 a) Cuantos polos tiene en el semiplano derecho. b) Cuantos
Más detallesSISTEMAS ELECTRÓNICOS DE CONTROL
SISTEMAS ELECTRÓNICOS DE CONTROL PRÁCTICA 4: Diseño de Reguladores PID Discretos Objetivos Conocer los comandos de Matlab para discretizar sistemas continuos. Realizar simulaciones de sistemas discretos
Más detallesIdentificación Paramétrica
Identificación Paramétrica Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( )
Más detallesFECHA DE ASIGNACIÓN: 05 - febrero
UNIVERSIDAD INDUSTRIAL DE SANTANDER FACULTAD DE INGENIERÍAS FISICOMECÁNICAS ESCUELA DE INGENIERÍA ELÉCTRICA, ELECTRÓNICA Y TELECOMUNICACIONES Programa de Ingeniería Eléctrica NOMBRE DE LA ASIGNATURA: CONTROL
Más detallesPRÁCTICA N 3 EQUIVALENTES DISCRETOS
ESCUELA POLITÉCNICA NACIONAL Campus Politécnico "J. Rubén Orellana R." FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA Carrera de Ingeniería Electrónica y Control LABORATORIO DE SISTEMAS DE CONTROL DISCRETO
Más detallesPrefacio. 1 Sistemas de control
INGENIERIA DE CONTROL por BOLTON Editorial Marcombo Prefacio 1 Sistemas de control Sistemas Modelos Sistemas en lazo abierto y cerrado Elementos básicos de un sistema en lazo abierto Elementos básicos
Más detalles8. Consideraciones estructurales en control SISO
8. Consideraciones estructurales en control SISO Parte 2 Panorama de la clase: Control en avance Inyección de referencia Inyección de perturbaciones medibles CAUT1 Clase 14 1 Control en avance El uso de
Más detallesSistema neumático de control de nivel
ULA. FACULTAD DE INGENIERIA. ESCUELA DE MECANICA. TEORIA DE CONTROL. EJERCICIOS FINAL Ejercicio 1. Primera parte: Modelado y de un tanque de agua, con su sistema de medición de nivel. La figura muestra
Más detallesPRÁCTICA N 7 ANÁLISIS DE RESPUESTA TRANSITORIA Y PERMANENTE
ESCUELA POLITÉCNICA NACIONAL Campus Politécnico "J. Rubén Orellana R." FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA Carrera de Ingeniería Electrónica y Control LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO
Más detallesRespuesta transitoria
Capítulo 4 Respuesta transitoria Una ves que los diagramas a bloques son desarrollados, el siguiente paso es llevar a cabo el análisis de los sistemas. Existen dos tipos de análisis: cuantitativo y cualitativo.
Más detallesTema 6 Control de sistemas de orientación de antenas y de telescopios
Tema 6 Control de sistemas de orientación de antenas y de telescopios. Métodos de control de sistemas de orientación 2. Métodos de ajuste de PIDs 3. Estudio de las perturbaciones 4. Técnicas y diseño de
Más detallesControl Automático DIAPOSITIVAS. Dr. Roberto Cárdenas Dobson Profesor de la Asignatura
Control Automático DIAPOSITIVAS Dr. Roberto Cárdenas Dobson Profesor de la Asignatura Sistema de Control Interconexión de componentes, que en su conjunto, presenta un comportamiento deseado. Asume relaciones
Más detallesIntroducción a la Identificación de sistemas
Ingeniería de Control Introducción a la Identificación de sistemas Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Modelos deterministas
Más detallesPROBLEMAS PROPUESTOS. TEMAS 1 A 4 SOLUCIONES
Grado en Ingeniería Mecánica Teoría de Sistemas PROBLEMAS PROPUESTOS. TEMAS A 4 SOLUCIONES PROBLEMA. Cálculo de transformada de Laplace a) Por aplicación de la definición de la transformada. Aplicando
Más detallesFACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA Carrera de Ingeniería Electrónica y Control LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO PRÁCTICA N 2
FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA Carrera de Ingeniería Electrónica y Control LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO 1. TEMA PRÁCTICA N 2 MODELACIÓN DE SISTEMAS LINEALES 2. OBJETIVOS
Más detalles1: EL CONCEPTO DE CONTROL INVERSO ADAPTATIVO
Capítulo 1: EL CONCEPTO DE CONTROL INVERSO ADAPTATIVO INTRODUCCIÓN 1.1. INTRODUCCIÓN Las técnicas de filtrado adaptativo han sido aplicadas con éxito a los sistemas de antenas adaptativas, a problemas
Más detallesTEMA N 7 ESTABILIDAD DE LOS SISTEMAS DE CONTROL POR REALIMENTACIÓN
UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA COMPLEJO ACADÉMICO EL SABINO PROGRAMA DE INGENIERÍA QUÍMICA DPTO DE MECÁNICA Y TECNOLOGÍA DE LA PRODUCCIÓN DINÁMICA Y CONTROL DE PROCESOS TEMA N 7
Más detallesPRACTICA: MODOS DE CONTROL. Sistemas de Control y Controladores
Universidad Nacional Experimental del Táchira. Departamento de Ingeniería Electrónica. Laboratorio de Instrumentación y Control, Código 02 33 905L. Profesor: Tito González. San Cristóbal, Jueves 04 de
Más detallesMétodo de Mínimos Cuadrados Recursivo
Control Avanzado Práctica 4 Método de Mínimos Cuadrados Recursivo José Gerardo Gomez Mendez Abril 27, 25 Resumen El presente trabajo presenta un sistema de un circuito RLC, donde se utiliza el método de
Más detallesClase 10 Diseño Óptimo Variables de Estado.doc 1
. Diseño Óptimo en Variables de Estado. Diseño Óptimo en Variables de Estado.. Planteo del Problema... Criterio 3.. Regulador Lineal Óptimo (LQC) 5.3. Ecuación de Ricatti 9.4. Valor Medio de una Forma
Más detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones. Robótica Industrial. Universidad de Granada
Dpt. Teoría de la Señal, Telemática y Comunicaciones Robótica Industrial Universidad de Granada Tema 5: Análisis y Diseño de Sistemas de Control para Robots S.0 S.1 Introducción Sistemas Realimentados
Más detallesDEPARTAMENTO DE ELECTRONICA Y AUTOMATICA
Universidad Nacional de San Juan - Facultad de Ingeniería DEPARTAMENTO DE ELECTRONICA Y AUTOMATICA Carrera: Ingeniería Electrónica Área CONTROL Asignatura: CONTROL I GUIA DE APRENDIZAJE Y AUTOEVALUACION
Más detallesEJERCICIOS PROPUESTOS SOBRE SISTEMAS DE 1er y 2do ORDEN
EJERCICIOS PROPUESTOS SOBRE SISTEMAS DE 1er y 2do ORDEN 1. Para la función de transferencia G(s), cuya entrada proviene de un controlador proporcional de ganancia A, y que se encuentran en lazo cerrado
Más detallesControl Automático I - Ejercicios C3
Control Automático I - Ejercicios C3 21 de Junio 2016 1. Arquitecturas en Control SISO 1.1. 100 Para la planta con modelo nominal G 0 (s) =, se desea lograr: s 2 +14s+100 Inverso perfecto de la planta
Más detallesControl automático con herramientas interactivas
1 El proyecto de fichas interactivas Objetivo del libro 2 Explicar de forma interactiva conceptos básicos de un curso de introducción al control automático y facilitar al recién llegado su aprendizaje
Más detallesCONTROL ANALÓGICO I. MODELADO MATEMÁTICOS DE SISTEMAS DE CONTROL Unidad II
CONTROL ANALÓGICO I MODELADO MATEMÁTICOS DE SISTEMAS DE CONTROL Unidad II Modelado de sistemas Con la finalidad de diseñar y analizar el comportamiento dinámico de un sistema físico, es necesario obtener
Más detalles