SIMULACIÓN DE COMPUTADORA Y LA LINEARIZACIÓN DE

SISTEMAS NO LINEALES
Para encontrar el comportamiento dinámico de un proceso químico, debemos
integrar la ecuación de estado utilizada para modelar el proceso. Pero la mayoría
de los sistemas de procesamiento que nos interesarán están modelados por
ecuaciones diferenciales no lineales, y es bien sabido que no existe una teoría
matemática general para la solución analítica de ecuaciones no lineales. Solo para
ecuaciones diferenciales lineales hay soluciones analíticas en forma cerrada
disponibles.
Cuando nos enfrentamos con el análisis dinámico de sistemas no lineales, hay
varias cosas que podemos hacer, como:
1. Simule el sistema no lineal en una computadora analógica o digital y calcule
su solución numéricamente, o
2. Transformar el sistema no lineal en uno lineal mediante una transformación
adecuada de sus variables, o
3. Desarrolle un modelo lineal que se aproxime al comportamiento dinámico de
un sistema no lineal en las proximidades de las condiciones operativas
especificadas.

La Alternativa 2 puede usarse en muy pocos casos, mientras que las alternativas 1
y 3 son, en principio, siempre factibles. En este capítulo discutimos la simulación
por computadora de procesos no lineales muy brevemente porque es un tema que
se cubrirá principalmente en un curso numérico análisis. Se dará más énfasis en la
aproximación de modelos no lineales por lineales. Cabe señalar que toda la teoría
para el diseño de sistemas de control, disponible a partir del trabajo anterior, se
basa en sistemas lineales, y que se han realizado avances muy pequeños hacia el
desarrollo de un control.

SIMULACIÓN DE COMPUTADORA DE DINÁMICA DE PROCESOS

Las ecuaciones diferenciales y / o algebraicas no lineales no pueden, en general,

resolverse analíticamente y se requieren soluciones numéricas asistidas por
computadora. Las soluciones numéricas también son preferidas para las
ecuaciones que pueden resolverse analíticamente, cuando las soluciones analíticas
son muy complejas y proporcionan poca información sobre el comportamiento del
sistema.
Consideremos dos procesos que ya hemos modelado: el reactor de tanque agitado
continuo y la columna ideal de destilación binaria.
El modelo para el CSTR (ver Ejemplo 4.10) viene dado por ecs. (4.8a), (4.9a) y
(4.10b). Estos constituyen un conjunto de ecuaciones no lineales para las cuales no
hay una solución analítica disponible. Por lo tanto, para estudiar el comportamiento
dinámico del CSTR, debemos resolver las ecuaciones de modelado numéricamente
usando una computadora.
El modelo para la columna ideal de destilación binaria (ver Ejemplo 4.13) se
compone de

No es solo la no linealidad de las ecuaciones sino también el tamaño del modelo

(24 ecuaciones diferenciales y 21 algebraicas para una columna modesta de 10
bandejas) lo que requiere una solución numérica para estudiar el comportamiento
dinámico de la columna.
Hoy en día, la simulación por computadora se usa ampliamente para analizar la
dinámica de los procesos químicos o para ayudar en el diseño de los controladores
y estudiar su efectividad para controlar un proceso dado. Las computadoras
análogas y digitales se han utilizado para este propósito, con el énfasis que se ha
cambiado casi totalmente a favor de las computadoras digitales.
Históricamente, las computadoras analógicas fueron las primeras en usarse para
simular la dinámica de procesos químicos con o sin control. Permitieron una
solución rápida de las ecuaciones de modelado, proporcionando así información útil
sobre cómo un proceso reaccionaría ante perturbaciones externas o qué tan
efectivo era el control del proceso utilizando diversas medidas, variables
manipuladas y configuraciones de control. Las computadoras análogas tienen
varias desventajas serias: (1) Se requiere un tiempo significativo para configurar el
problema y ponerlo en funcionamiento; (2) la necesidad de un elemento de
hardware por operación matemática prohíbe la simulación de sistemas grandes y
complejos; (3) los términos no lineales son simulados por elementos de hardware
bastante costosos (generadores de función) con flexibilidad limitada; y (4) no poseen
memoria como las computadoras digitales. La revolución posterior, provocada por
las computadoras digitales, hizo que las computadoras analógicas quedaran
obsoletas. Hoy en día, todavía se usan a pequeña escala y principalmente para
capacitar a los operadores en el funcionamiento dinámico de las plantas químicas.
El poder computacional introducido con las computadoras digitales, junto con el bajo
costo resultante de los cálculos, ha ampliado tremendamente el alcance y la
importancia práctica de la simulación por computadora para la dinámica y el control
del proceso. La disponibilidad de rutinas sofisticadas de resolución de ecuaciones
para casi todos los sistemas informáticos digitales disponibles ha simplificado al
ingeniero de la necesidad de ser un experto en análisis numérico.
La simulación por computadora digital de la dinámica del proceso implica la solución
de un conjunto de ecuaciones diferenciales y algebraicas, que describen el proceso.
Hay varias categorías de métodos numéricos que se pueden usar para integrar
ecuaciones diferenciales y resolver las algebraicas. Examinemos brevemente el
más simple y popular entre ellos.

Solución numérica de ecuaciones algebraicas

En estado estacionario, las ecuaciones de estado recurren a ecuaciones
algebraicas simples, ya que la tasa de acumulación se vuelve cero. Por lo tanto,
para determinar el comportamiento de estado estable de un proceso en
determinadas condiciones, deberíamos poder resolver conjuntos de ecuaciones
algebraicas. Todos los métodos disponibles utilizan un procedimiento iterativo de
prueba y error, que se aproxima (con suerte) más y más a la solución con cada
iteración. La pregunta clave es seleccionar el método apropiado, que para el
conjunto de ecuaciones dado converja rápidamente a la solución correcta.
Desafortunadamente, esta es una tarea muy difícil y en todos, salvo en unos pocos
casos, es imposible saber a priori qué tan exitoso será un método para encontrar la
solución a un conjunto particular de ecuaciones. Muy a menudo, un método no
converge a la solución, o en otros casos se acerca a la solución muy lentamente.
Entre las técnicas más comúnmente utilizadas se encuentran las siguientes: (1)
intervalo a la mitad, (2) sustitución sucesiva y (3) Newton-Raphson.

Integración numérica de ecuaciones diferenciales

Aquí nuevamente tenemos una gran cantidad de técnicas disponibles. La
integración numérica implica una aproximación de las ecuaciones diferenciales
continuas con ecuaciones discretas de diferencia finita. Los diversos métodos de
integración difieren en la forma en que implementan esta aproximación. Por lo tanto,
tenemos métodos explícitos que marchan en el tiempo produciendo la solución en
una sola pasada, o tenemos métodos implícitos con capacidades de predictor-
corrector. Las preguntas clave para una técnica de integración son la estabilidad del
procedimiento y la velocidad con que alcanza la solución. Pero, nuevamente, estas
son preguntas que, en general, no pueden ser respondidas a nuestra satisfacción
con anticipación. Entre los métodos de integración más populares se encuentra el
Runge-Kutta de orden explícito, que proporciona una precisión y una estabilidad de
los cálculos satisfactorias y de bajo costo.
La simulación por computadora digital de la dinámica del proceso químico se usa
ampliamente en la actualidad. Permite al ingeniero anticipar el comportamiento de
un proceso no solo cualitativamente. Ha ayudado a diseñar sistemas de control más
complejos y sofisticados. El principal inconveniente de la simulación por
computadora es que "solo le da números" y no una solución analítica general en
términos de parámetros arbitrarios no especificados, que a su vez le dan la vuelta a
su problema particular. Por lo tanto, los resultados de la simulación por computadora
son de naturaleza ad hoc y deberá realizar varias ejecuciones con valores diferentes
para las variables de entrada y los parámetros antes de poder establecer una buena
comprensión de la dinámica del proceso para un rango de condiciones de
operación.

6.2 LINEALIZACIÓN DE SISTEMAS CON UNA VARIABLE

La linealización es el proceso mediante el cual aproximamos los sistemas no
lineales con los lineales. Es ampliamente utilizado en el estudio de la dinámica de
procesos y el diseño de sistemas de control por las siguientes razones:
1. Podemos tener soluciones analíticas de forma cerrada para sistemas
lineales. Por lo tanto, podemos tener una imagen completa y general del
comportamiento de un proceso independientemente de los valores
particulares de los parámetros y las variables de entrada. Esto no es posible
para sistemas no lineales, y la simulación por computadora nos proporciona
solo el comportamiento del sistema a valores especificados de entradas y
parámetros.
2. Todos los desarrollos significativos hacia el diseño de sistemas de control
efectivos se han limitado a procesos lineales.
Primero, estudiaremos la linealización de una ecuación no lineal con una variable y
luego la ampliaremos a sistemas multivariables.
Considere la siguiente ecuación diferencial no lineal, modelando un proceso dado:

Expande la función no lineal f(x) en una serie de Taylor alrededor del punto x0 y
toma
Si descuidamos todos los términos de orden dos y superiores, tomamos la
siguiente aproximación para el valor de f(x)

Es bien sabido que el error introducido en la aproximación (6.3) es del mismo

orden de magnitud que el término

En consecuencia, la aproximación lineal (6.3) es satisfactoria solo cuando x está

muy cerca de x0, donde el valor del término I es muy pequeño.
En la figura 6.1 podemos ver la función no lineal f(x) y su aproximación lineal
alrededor de x0. De la misma imagen, también está claro que la aproximación lineal
depende de la ubicación del punto x0 alrededor del cual hacemos la expansión en
una serie de Taylor. Compare la aproximación lineal de f(x) en los puntos x0 y x1
(Figura 6.1). La aproximación es exacta solo en el punto de linealización.

Figura 6.1 Aproximación lineal de una función no lineal

En ec. (6.1), reemplace f(x) por su aproximación lineal dada por ec. (6.3) y tomar

Esta ecuación es la aproximación linealizada del sistema dinámico inicial dada por
ec (6.1). En capítulos posteriores, el diseño del controlador del proceso se basará
en dichos modelos aproximados linealizados.

Ejemplo 6.1
Considere el sistema de tanque que se muestra en la Figura 6.2a. El rendimiento
total del balance de masa

donde A es el área de sección transversal del tanque y h la altura del nivel de

líquido. Si el caudal de salida F es una función lineal del nivel del líquido,

que es una ecuación diferencial lineal (modelado de un sistema dinámico lineal) y

no se necesita aproximación
Si, por otro lado,
el balance de masa total resultante produce un modelo dinámico no lineal,

Desarrollemos la aproximación linealizada para este modelo no lineal. El único

término no lineal en ec. (6.7) es 𝛽√ℎ. Tome la expansión de la serie taylor de este
término en torno a un punto h0:

Despreciando el término de orden dos y más alto, tenemos

que, si se introduce en el sistema dinámico no lineal (6.7), produce el siguiente

modelo aproximado lineal:

Comparemos el modelo aproximado linealizado dado por ec. (6.8) al no lineal, dado
por ec. (6.7). Suponga que el tanque está en estado estable con un nivel de líquido
h0. Luego, en el momento t = 0, detenemos el suministro de líquido al tanque,
mientras permitimos que el líquido salga. Por lo tanto, en t = 0 el nivel del líquido
está en los valores de estado estable [es decir h (t = 0) = h0]. La curva A en la figura
6.2b es la solución de ec. (6.7). Notamos que las dos curvas están muy cerca la una
de la otra durante un cierto período de tiempo. Esto indica que el modelo linealizado
se aproxima muy bien al principio al modelo no lineal.
A medida que el tiempo aumenta y el nivel del líquido continúa cayendo, su valor h
se desvía cada vez más del valor inicial h0 alrededor del cual se desarrolló el modelo
linealizado. La figura 6.2b indica muy claramente que a medida que aumenta la
diferencia h0-h, la aproximación linealizada se vuelve progresivamente menos
precisa, como era de esperar.
6.3 VARIABLES DE DESVIACIÓN
Permítanos ahora presentar el concepto de la variable de desviación, que
encontraremos muy útil en capítulos posteriores para el control de los sistemas de
procesamiento.
Supongamos que x, es el valor de estado estacionario de x que describe el sistema
dinámico inicial (6.1). Entonces

Considera xs el punto de linealización para ec. (6.1) (es decir, x0 = xs). Entonces
ec. (6.1) produce el siguiente modelo linealizado:

restar ec. (6.9) de (6.10) y toma

Si definimos la variable de desviación x' como

entonces ec. (6.11) toma la forma

La ecuación (6.12) es la aproximación linealizada del sistema dinámico no lineal

(6.11), expresada en términos de la variable de desviación x '.
La noción de la variable de desviación es muy útil en el control del proceso. Por lo
general, nos preocupamos por mantener el valor de una variable de proceso
(temperatura, concentración, presión, caudal, volumen, etc.) en un estado
constante deseado. En consecuencia, el estado estacionario se convierte en un
punto candidato natural alrededor del cual desarrollar el modelo lineal aproximado.
En tales casos, la variable de desviación describe directamente la magnitud de la
dislocación de un sistema desde el nivel de operación deseado. Además, si el
controlador del proceso dado se ha diseñado bien, no permitirá que la variable de
proceso se aleje del valor de estado estable deseado. En consecuencia, el modelo
lineal aproximado aproximado expresado en términos de variables de desviación
será satisfactorio para describir el comportamiento dinámico del proceso cerca del
estado estacionario.
En los capítulos siguientes haremos un uso extensivo de las formas linealizadas
de ecuaciones diferenciales, en términos de variables de desviación.

Ejemplo 6.2
considere el modelo linealizado del sistema de tanque dado por ec. (6.8) del
Ejemplo 6.1. Sea h, el valor de estado estacionario del nivel de líquido para un
valor dado, Fi,s del caudal de entrada. Entonces el modelo linealizado alrededor de
hs da

En estado estable desde ec. (6.7) también tenemos

Restar ec. (6.14) de (6.13)

Definiendo las variables de desviación

tomamos la siguiente forma linealizada en términos de variables de desviación:

6.4 LINEALIZACIÓN DE SISTEMAS CON MUCHAS VARIABLES
En secciones anteriores, desarrollamos la aproximación linealizada de un sistema
dinámico no lineal que tenía solo una variable. Extendamos ahora ese enfoque a
sistemas con más de una variable.
Considere el siguiente sistema dinámico:

Amplíe las funciones no lineales f 1(x1, x2) y f2(x1, x2) en la serie de Taylor alrededor
del punto (x1,0, x2,0) y tome

Desprecie los términos de orden dos y superiores y tome las siguientes

aproximaciones:

Sustituya las aproximaciones lineales anteriores de f1(x1, x2) y f2(x1, x2) en ecs.
(6.16) y (6.17) del sistema dinámico no lineal inicial y toma
Estas dos últimas ecuaciones son ecuaciones diferenciales lineales y constituyen
el modelo aproximado lineal del sistema inicial no lineal descrito por ecs. (6.16) y
(6.17).
Los comentarios hechos anteriormente para el caso unidimensional también se
aplican aquí:
1. La aproximación se deteriora a medida que el punto (x1, x2) se aleja del
punto (x1,0, x2,0) de la linealización.
2. El modelo aproximado linealizado depende del punto (x1,0, x2,0) alrededor
del cual hacemos la expansión de la serie Taylor.
Expresemos ahora el sistema linealizado en términos de variables de desviación.
Seleccione el estado estable (x1,s, x2,s) como el punto alrededor del cual hará la
linealización [es decir, en ecs. (6.18 y (6.19) pon x1,0 = x1,s y x2,0 = x2,s]. En el
estado estable, ecs. (6.16) y (6.17) ceden

Restar ec. (6.20) desde (6.18) y (6.21) desde (6.19) y tomar

Definiendo las variables de desviación por

ecs. (6.22) y (6.23) toman la siguiente forma en términos de variables de desviación:

dónde

Un comentario final está en orden. En las secciones anterior y actual consideramos

la presencia de variables de estado solo en las funciones no lineales. Por lo tanto,
para sistemas con una variable, solo teníamos el estado x, y para sistemas con dos
variables, solo teníamos estados x1 y x2. La formulación anterior no debe percibirse
como restrictiva, pero se puede ampliar fácilmente para incluir la presencia de
variables de entrada, como las variables manipuladas y las perturbaciones. El
siguiente ejemplo demuestra este punto.

Ejemplo 6.3
Considere un sistema dinámico descrito por dos variables de estado x1 y x2 y las
siguientes ecuaciones de estado:

donde m1 y m2 son dos variables manipuladas y d1 y d2 son dos perturbaciones que

afectan al sistema.
La linealización de las ecuaciones anteriores alrededor de los valores nominales
(x1,0, x2,0, m1,0, m2,0, d1,0, d2,0) generará
donde todos los derivados han sido calculados en el punto de linealización
(denotado por el subíndice 0).
Suponiendo que el punto de linealización corresponde a la operación de estado
estable del sistema, podemos definir las variables de desviación por

Introduciendo estas variables de desviación en ecs. (6.24) y (6.25), tomamos

donde las constantes aij, bij y ci las derivadas apropiadas en el ecs. (6.24) y
(6.25):

Cabe señalar que el modelo de ecs. (6.26) y (6.27) están en la forma que nos
gustaría tener para el propósito de control del proceso (es decir, la aproximación
linealizada de las ecuaciones de estado no lineales), en términos de variables de
desviación.
Ejemplo 6.4: Linealización de un CSTR no isotérmico
Las ecuaciones de modelado para un CSTR fueron dadas en el Ejemplo 4.10 por
ecs. (4.8a), (4.9a) y (4.10b). Suponga que el volumen V de la mezcla de reacción
permanece constante. Entonces, el modelo dinámico del reactor se reduce a lo
siguiente:

donde, 1/𝜏 = Fi/V. Este modelo no es lineal debido a la presencia del término no
𝐸
lineal, mientras que todos los otros términos 𝑒 −𝑅𝑇 𝐶𝐴 son lineales. Por lo tanto, para
linealizar ecs. (6.28) y (6.29), solo necesitamos linealizar el término no lineal
alrededor de algún punto (CA,0, T0).

Sustituyendo la aproximación anterior en ecs. (6.28) y (6.29), tomamos el siguiente

modelo lineal para un CSTR no isotérmico:

Podemos avanzar un paso más para desarrollar una forma más ecs ecológica.
(6.30) y (6.31) usando las variables de desviación. Supongamos que T0 y CA, 0
son las condiciones de estado estable para el CSTR y para las condiciones de
entrada dadas CAi, 0, Ti, 0 y Tc, 0. Luego de ecs. (6.28) y (6.29), tomamos
Restar ecs. (6.32) y (6.33) desde (6.30) y (6.31), respectivamente, y tomar

Defina las siguientes variables de desviación:

Entonces ecs. (6.34) y (6.35) toman la siguiente forma, en términos de las variables
de desviación:

COSAS PARA PENSAR

1. ¿Qué es la simulación por computadora y para qué se usa?
2. Discuta los métodos de la mitad de intervalo, la sustitución sucesiva y Newton-
Raphson para resolver ecuaciones algebraicas no lineales. ¿Cuáles son sus
ventajas y desventajas relativas?
3. Haz lo mismo con los métodos de integración de Runge-Kutta de Euler y de cuarto
orden.
4. ¿Qué es linealización?
5. ¿Por qué los modelos aproximados linealizados son útiles para el control del
proceso?
6. ¿Cuándo el modelo linealizado es más preciso, cercano o lejano al punto de
linealización, y por qué?
7. ¿Cuál es el punto de linealización más atractivo para fines de control y por qué?
8. Qué linealización es más útil. el que está alrededor del punto A o el que está
alrededor del punto B, y por qué) (Ver figura Q6.1).

9. ¿Cuáles son las variables de desviación? ¿Cuál es el punto de la linealización

para definir las variables de desviación que serán útiles para el control del proceso?
10. Considere el sistema de tanque discutido en el Ejemplo & .1 (Figura 6.2a), donde
la velocidad de flujo de la corriente de salida es proporcional a la raíz cuadrada de
la altura del nivel de líquido. Demuestre que debemos volver a alinear la ecuación
de equilibrio cada vez que cambiemos el nivel de líquido deseado en estado
estacionario.
11. Las siguientes ecuaciones diferenciales proporcionan los modelos matemáticos
para varios procesos. ¿Cuáles de ellos son lineales y cuáles no lineales?