Ups CT006653 PDF

ELABORACIÓN
DE UN MÓDULO GUÍA PARA EL

DESARROLLO DE PRÁCTICAS EN EL LABORATORIO
DE CONTROL DE LA UNIVERSIDAD POLITÉCNICA
SALESIANA.

ELABORACIÓN DE UN MÓDULO GUÍA PARA EL

DESARROLLO DE PRÁCTICAS EN EL LABORATORIO
DE CONTROL DE LA UNIVERSIDAD POLITÉCNICA
SALESIANA.
XAVIER FELIPE OCHOA PARRA

Egresado de la Carrera de Ingeniería Electrónica
Universidad Politécnica Salesiana
Dirigido por:
ING. JULIO CESAR ZAMBRANO ABAD

Ingeniero Electrónico
Docente de la Universidad Politécnica Salesiana
Facultad de Ingenierías
Carrera de Ingeniería Electrónica.
Datos de catalogación
bibliográfica
OCHOA PARRA XAVIER FELIPE
ELABORACIÓN DE UN MÓDULO GUÍA PARA EL DESARROLLO DE PRÁCTICAS
EN EL LABORATORIO DE CONTROL DE LA UNIVERSIDAD POLITÉCNICA
SALESIANA.

Universidad Politécnica Salesiana, Cuenca – Ecuador, 2016
INGENIERIA ELECTRONICA
Formato 210 x 297 mm Páginas: 148

Breve reseña del autor e información de contacto:
Xavier Felipe Ochoa Parra

Egresado de la carrera de Ingeniería Electrónica
Universidad Politécnica Salesiana
xochoap@est.ups.edu.ec
Dirigido por:
Ing. Julio Cesar Zambrano Abad

Graduado como Magister en Automatización y Control Industrial de la Escuela
Superior Politécnica del Litoral. También es graduado de Ingeniero Electrónico y
Tecnólogo Industrial en la Universidad Politécnica Salesiana. Además se desempeña
como docente, de la Universidad Politécnica Salesiana – Sede Cuenca.
jzambranoa@est.ups.edu.ec
Todos los derechos reservados.
Queda prohibida, salvo excepción prevista en la Ley, cualquier forma de reproducción, distribución, comunicación pública y
transformación de esta obra para fines comerciales, sin contar con autorización de los titulares de propiedad intelectual. La
infracción de los derechos mencionados puede ser constitutiva de delito contra la propiedad intelectual. Se permite la libre difusión
de este texto con fines académicos investigativos por cualquier medio, con la debida notificación a los autores.
DERECHOS RESERVADOS
©2016 Universidad Politécnica Salesiana.
CUENCA – ECUADOR – SUDAMERICA
OCHOA PARRA XAVIER FELIPE.
ELABORACIÓN DE UN MÓDULO GUÍA PARA EL DESARROLLO DE PRÁCTICAS EN EL LABORATORIO DE
CONTROL DE LA UNIVERSIDAD POLITÉCNICA SALESIANA.
IMPRESO EN ECUADOR – PRINTED IN ECUADOR
II
ÍNDICE GENERAL
ANTECEDENTES .................................................................................................................. XX
INTRODUCCIÓN ................................................................................................................. XXI
1 DESCRIPCIÓN DE SISTEMAS ........................................................................................... 1
1.1 MPS PA. COMPACT WORKSTATION ...................................................................... 1
1.1.1 Detalles Generales. ....................................................................................................................... 1
1.1.2 Diagrama P&ID del MPS. PA Compact Workstation .......................................................... 2
1.1.3 Tarjeta interfaz FESTO EasyPort USB ...................................................................................... 4
1.1.4 Lazo de Nivel ....................................................................................................................................... 4
1.1.5 Lazo de Flujo ........................................................................................................................................ 5
1.1.6 Lazo de Presión .................................................................................................................................. 6
1.1.7 Lazo de Temperatura ...................................................................................................................... 6
1.2 SISTEMA NEUMÁTICO EN BUCLE CERRADO PARA EL CONTROL DE
POSICIÓN LINEAL ................................................................................................................... 7
1.2.1 Unidad de Mantenimiento ......................................................................................................... 8
1.2.2 Distribuidor de aire ...................................................................................................................... 8
1.2.3 Válvula Proporcional 5/3 vías ................................................................................................. 9
1.2.4 Actuador y Potenciómetro Lineal ....................................................................................... 10
1.3 TWIN ROTOR MIMO SYSTEM ............................................................................... 10
2 IDENTIFICACIÓN DE SISTEMAS .................................................................................. 13
2.1 Señal PRBS .................................................................................................................. 13
2.2 Toolbox de Identificación (IDENT de MATLAB®) ......................................... 14
2.3 Identificación del lazo de Nivel de la planta MPS PA. WORKSTATION .. 15
2.3.1 Estimación de la Función de transferencia mediante la herramienta Ident de
Matlab® ......................................................................................................................................................... 17
2.4 Identificación del lazo de Flujo de la planta MPS PA. WORKSTATION ... 21
Matlab® ......................................................................................................................................................... 22
2.5 Identificación del lazo de Presión de la planta MPS PA. WORKSTATION
26
Matlab® ......................................................................................................................................................... 27
2.6 Identificación del lazo de Temperatura de la planta MPS PA.
WORKSTATION ................................................................................................................... 28
2.6.1 Generación de señal escalón para identificación de lazo de temperatura ........ 28
2.6.2 Aproximación a un sistema sobre-amortiguado de segundo orden (Método de
Van Der Grinten) ........................................................................................................................................ 29
2.7 Identificación del sistema neumático de posicionamiento lineal en
bucle cerrado FESTO ......................................................................................................... 32
Matlab® ......................................................................................................................................................... 33
2.8 Identificación del Pitch Rotor del Twin Rotor MIMO System ................... 34
VI
2.9 Identificación del Yaw Rotor del Twin Rotor MIMO System ..................... 37
3 DISEÑO E IMPLEMENTACIÓN DE CONTROLADORES ....................................... 40
3.1 Controladores PID ................................................................................................... 40
3.1.1 Discretización de Euler (Haugen, 2010) .......................................................................... 40
3.1.2 Sintonización de controladores PID en SISOTool de Matlab® ............................... 42
3.1.3 Sintonización mediante el Lugar Geométrico de Raíces ........................................... 42
3.1.4 Efectos de la adicción de polos ............................................................................................. 42
3.1.5 Efectos de adición de ceros .................................................................................................... 43
3.1.6 Diseño, Simulación e implementación de un controlador PID para el lazo de
Nivel del MPS PA. Compact Workstation ........................................................................................ 43
Flujo del MPS PA. Compact Workstation ......................................................................................... 48
Presión del MPS PA. Compact Workstation ................................................................................... 51
Temperatura del MPS PA. Compact Workstation ........................................................................ 55
3.1.10 Diseño, Simulación e implementación de un controlador PID para el sistema
de posicionamiento lineal FESTO ....................................................................................................... 58
3.1.11 Diseño e implementación de un controlador PID sobre el Pitch Rotor en el
sistema Twin Rotor MIMO System ..................................................................................................... 61
3.1.12 Diseño e implementación de un controlador PID sobre el Yaw Rotor en el
sistema Twin Rotor MIMO System ..................................................................................................... 65
3.2 Controladores en Espacio de Estados ............................................................... 68
3.2.1 Control en Espacio de Estados mediante la técnica de asignación de polos .... 68
3.2.2 Método de asignación de polos ............................................................................................ 68
3.2.3 Observador de estados ............................................................................................................ 69
3.2.4 Sistema de seguimiento ........................................................................................................... 69
3.2.5 Diseño, simulación e implementación de un controlador en Espacio de
Estados para el lazo de Flujo del MPS PA. Compact Workstation ........................................ 70
Estados para el lazo de Presión del MPS PA. Compact Workstation ................................... 77
Estados sobre el sistema de posicionamiento lineal – FESTO. .............................................. 80
3.2.8 Diseño e implementación de un controlador en Espacio de Estados sobre el
Pitch Rotor del Twin Rotor Mimo System. ..................................................................................... 82
Yaw Rotor del Twin Rotor Mimo System. ....................................................................................... 83
3.3 Controlador Predictivos Basado en Modelo (MPC) ...................................... 85
3.3.1 Control Predictivo Basado en Modelo (MPC) ................................................................ 85
3.3.2 Formulación matemática utilizando espacio de estados .......................................... 86
3.3.3 Control Predictivo Basado en Modelo sobre lazo de Nivel del MPS PA.
Compact Workstation. ............................................................................................................................. 88
3.3.4 Control Predictivo Basado en Modelo sobre lazo de Flujo del MPS PA. Compact
Workstation. ................................................................................................................................................ 95
3.3.5 Control Predictivo Basado en Modelo sobre lazo de Presión del MPS PA.
3.3.6 Control Predictivo Basado en Modelo sobre lazo de Temperatura del MPS PA.
3.3.7 Control Predictivo Basado en Modelo sobre sistema de posicionamiento lineal
FESTO. 99
VII
3.3.8 Control Predictivo Basado en Modelo sobre el Pitch Rotor del Twin Rotor
Mimo System. ........................................................................................................................................... 101
3.3.9 Control Predictivo Basado en Modelo sobre el Yaw Rotor del Twin Rotor
Mimo System. ........................................................................................................................................... 103
4 ELABORACIÓN Y VALIDACIÓN DE GUÍAS ........................................................... 106
4.1 Estructura de las guías de laboratorio ........................................................... 106
4.2 Proceso de validación ........................................................................................... 107
4.3 Evaluación del desarrollo de las prácticas propuestas ............................. 108
4.3.1 Evaluación de la práctica 1. ................................................................................................ 108
4.3.10 Evaluación de la práctica 10. ........................................................................................... 117
4.4 Retroalimentación del proceso de evaluación de las guías ..................... 134
4.5 Estimación promedio de tiempo necesario para la elaboración de cada
práctica ................................................................................................................................ 139
5 CONCLUSIONES Y RECOMENDACIONES .............................................................. 141
5.1 Conclusiones ............................................................................................................ 141
5.2 Recomendaciones .................................................................................................. 144
6 ANEXOS ......................................................................................................................... 145
6.1 Anexo 1: Modelo de Encuesta para validación de Prácticas. ................... 145
REFERENCIAS BIBLIOGRAFICAS .................................................................................. 147

VIII
ÍNDICE DE FIGURAS
Figura 1.1.1: MPS PA. Compact Workstation. (Idrovo Macancela & Peña Cañizares,
2014) .................................................................................................................................................. 1
Figura 1.1.2 P&ID del MPS PA. Compact Workstation. (FESTO Didactic, 2008) .......... 3
Figura 1.1.3: EasyPort USB. (Carpio, 2013) .................................................................................. 4
Figura 1.1.4: P&ID para lazo de control de nivel. (FESTO Didactic, 2008) ..................... 5
Figura 1.1.5: P&ID para lazo de control de flujo. (FESTO Didactic, 2008) ...................... 5
Figura 1.1.6: P&ID para lazo de control de presión. (FESTO Didactic, 2008) ............... 6
Figura 1.1.7: P&ID para lazo de control de temperatura. (FESTO Didactic, 2008) ..... 7
Figura 1.2.1: Sistema neumático para el control de posición lineal. (Jara Ortiz &
Maldonado Achig, 2015) .............................................................................................................. 8
Figura 1.2.2: Unidad de Mantenimiento para el sistema neumático. (Jara Ortiz &
Maldonado Achig, 2015) .............................................................................................................. 8
Figura 1.2.3: Distribuidor de aire comprimido. (Jara Ortiz & Maldonado Achig,
2015) .................................................................................................................................................... 9
Figura 1.2.4: Válvula proporcional 5/3 vías de FESTO. (Jara Ortiz & Maldonado
Achig, 2015) ..................................................................................................................................... 9
Figura 1.2.5: Simbología neumática y eléctrica de una válvula proporcional de 5/3
vías. (Jara Ortiz & Maldonado Achig, 2015) ........................................................................ 9
Figura 1.2.6: Potenciómetro y actuador lineal para el sistema neumático. (Jara Ortiz
& Maldonado Achig, 2015) ...................................................................................................... 10
Figura 1.3.1: TRMS Sistema de Control. (Feedback, 2006) .................................................. 11
Figura 1.3.2: Helicóptero como sistema de enseñanza de laboratorio. (FEEDBACK,
1999) ............................................................................................................................................... 12
Figura 1.3.3: Esquema simplificado del sistema TRMS. (Feedback, 2006) ................... 12
Figura 2.1.1 Forma de onda de una señal PRBS. .................................................................... 13
Figura 2.1.2: SI Generate Pseudo-Random Binary Sequence VI ...................................... 14
Figura 2.1.3: PN Sequence Generator .......................................................................................... 14
Figura 2.2.1: Ventana principal de IDENT de MATLAB®. ................................................. 14
Figura 2.2.2: Importación de datos en el dominio del tiempo. ......................................... 15
Figura 2.3.1: Generación de señal PRBS de multi periodo en LabView. ....................... 16
Figura 2.3.2: Señal PRBS para Lazo de Nivel. ........................................................................... 16
Figura 2.3.3: Respuesta del Sistema en Lazo de Nivel. ........................................................ 17
Figura 2.3.4: Código implementado para importación de vectores. .............................. 17
Figura 2.3.5: Interfaz de Módulo de Ident. ................................................................................ 18
Figura 2.3.7: Estimación de Función de Transferencia. ...................................................... 19
Figura 2.3.8: Parámetros de la Función de Transferencia para lazo de Nivel. .......... 19
Figura 2.3.9: Progreso de Estimación de Función de Transferencia. ............................ 20
Figura 2.3.10: Validación de Funciones de Transferencia. ................................................ 20
Figura 2.4.1: Generación de señal PRBS en LabView. .......................................................... 21
Figura 2.4.2: Señal PRBS para Lazo de Flujo. ........................................................................... 22
Figura 2.4.3: Respuesta del Sistema en Lazo de Flujo. ......................................................... 22
Figura 2.4.4: Código implementado para importación de vectores. .............................. 22
Figura 2.4.5: Interfaz de Módulo de Ident. ................................................................................ 23
IX
Figura 2.4.7: Remoción de medias de los datos importados con IDENT de Matlab®.
............................................................................................................................................................ 24
Figura 2.4.8: Estimación de Función de Transferencia. ...................................................... 24
Figura 2.4.9: Parámetros de la Función de Transferencia para lazo de Flujo. .......... 25
Figura 2.4.10: Progreso de Estimación de Función de Transferencia. ......................... 25
Figura 2.4.11: Validación de Funciones de Transferencia. ................................................ 26
Figura 2.5.1: Señal PRBS para Lazo de Presión. ...................................................................... 27
Figura 2.5.2: Respuesta del Sistema en Lazo de Presión. ................................................... 27
Figura 2.5.3: Validación de Funciones de Transferencia. ................................................... 28
Figura 2.6.1: Front Panel de instrumento Virtual para identificación de lazo de
Temperatura. ............................................................................................................................... 29
Figura 2.6.2: Diagrama de Bloques VI para identificación de lazo de Temperatura.
............................................................................................................................................................ 29
Figura 2.6.3: Código implementado para importación y gráfica de respuesta al
escalón del lazo de Temperatura. ....................................................................................... 30
Figura 2.6.4: Parámetros para la aproximación a un sistema sobre-amortiguado de
segundo orden ............................................................................................................................. 30
Figura 2.6.5: Tiempo de demora. .................................................................................................. 31
Figura 2.7.1: Señal PRBS para sistema neumático de posicionamiento lineal en
bucle cerrado FESTO. ............................................................................................................... 32
Figura 2.7.2: Respuesta del sistema neumático de posicionamiento lineal en bucle
cerrado FESTO. ............................................................................................................................ 33
Figura 2.7.3: Validación de Funciones de Transferencia. ................................................... 34
Figura 2.8.1: Señal PRBS para identificación del Pitch Rotor. .......................................... 35
Figura 2.8.2: Respuesta del Pitch Rotor a señal PRBS. ........................................................ 35
Figura 2.8.3: Código implementado para identificación del Pitch Rotor. .................... 35
Figura 2.8.4: Orden del modelo recomendado para el Pitch Rotor. ............................... 36
Figura 2.8.5: Validación del modelo de tercer orden del Pitch Rotor. .......................... 36
Figura 2.9.1: Señal PRBS para identificación del Yaw Rotor. ............................................ 37
Figura 2.9.2: Respuesta del Yaw Rotor a señal PRBS. .......................................................... 37
Figura 2.9.3: Código implementado para identificación del Yaw Rotor. ..................... 38
Figura 2.9.4: Orden del modelo recomendado para el Yaw Rotor. ................................ 38
Figura 2.9.5: Validación del modelo de segundo orden del Yaw Rotor ........................ 39
Figura 3.1.1: Diagrama de bloques de un controlador PID. (Jara Ortiz & Maldonado
Achig, 2015) .................................................................................................................................. 40
Figura 3.1.2: Método de discretización de Euler con aproximación rectangular
hacia atrás. (Idrovo Macancela & Peña Cañizares, 2014). ........................................... 40
Figura 3.1.3: Ventana Principal del Toolbox SISOTool de Matlab®. ............................. 42
Figura 3.1.4: Importación de Función de Transferencia del Lazo de Nivel del MPS
PA. Compact Workstation. ...................................................................................................... 43
Figura 3.1.5: Sintonización gráfica de Raíces del Controlador. ........................................ 44
Figura 3.1.6: Respuesta al escalón del controlador PID sintonizado para el Lazo de
Nivel. ................................................................................................................................................ 44
Figura 3.1.7: Ecuación del compensador PID para el Lazo de Nivel sintonizado. .... 44
Figura 3.1.8: Diagrama de bloques del controlador PID en Simulink del Lazo de
Nivel. ................................................................................................................................................ 45
Figura 3.1.9: Respuesta de la simulación del controlador PID para el Lazo de Nivel.
............................................................................................................................................................ 46
Figura 3.1.10: Front Panel de VI para controlador PID para lazo de Nivel. ............... 46
X
Figura 3.1.11: Diagrama de Bloques del controlador PID para lazo de nivel. ........... 47
Figura 3.1.12: Funcionamiento del controlador PID sobre el lazo de nivel. .............. 48
Figura 3.1.13: Sintonización gráfica de Raíces del Controlador. ..................................... 48
Flujo. ................................................................................................................................................ 49
Figura 3.1.15: Ecuación del compensador PID para el Lazo de Flujo sintonizado. . 49
Flujo. ................................................................................................................................................ 50
Figura 3.1.17: Respuesta de la simulación del controlador PID para el Lazo de
Flujo. ................................................................................................................................................ 50
Figura 3.1.18: Funcionamiento del controlador PID sobre el lazo de flujo. ............... 51
Presión. ........................................................................................................................................... 52
Figura 3.1.21: Ecuación del compensador PID para el Lazo de Presión sintonizado.
............................................................................................................................................................ 52
Presión. ........................................................................................................................................... 53
Presión. ........................................................................................................................................... 54
Figura 3.1.24: Funcionamiento del controlador PID sobre el lazo de presión. ......... 54
Temperatura. ............................................................................................................................... 55
Figura 3.1.27: Ecuación del compensador PID para el Lazo de Temperatura
sintonizado. ................................................................................................................................... 56
Temperatura. ............................................................................................................................... 56
Temperatura. ............................................................................................................................... 57
Figura 3.1.30: Funcionamiento del controlador PID sobre el lazo de temperatura.
............................................................................................................................................................ 57
Figura 3.1.32: Respuesta al escalón del controlador PID sintonizado para el sistema
neumático de posicionamiento lineal. .............................................................................. 58
Figura 3.1.33: Ecuación del compensador PID sintonizado para el sistema
Figura 3.1.34: Diagrama de bloques del controlador PID en Simulink del sistema
Figura 3.1.35: Respuesta de la simulación del controlador PID para el sistema
Figura 3.1.36: Funcionamiento del controlador PID sobre el sistema neumático de
posicionamiento lineal. ............................................................................................................ 61
Figura 3.1.37: Importación de matrices en espacio de estados del Pitch Rotor. ...... 61
Figura 3.1.39: Respuesta al escalón del controlador PID sintonizado para el Pitch
Rotor. ............................................................................................................................................... 62
Figura 3.1.40: Ecuación del compensador PID para el Pitch Rotor. ............................... 62
Figura 3.1.41: Modelo de Simulink para controlador PID del Pitch Rotor. ................ 63
XI
Figura 3.1.42: Parámetros del Feedback Encoder. ................................................................ 64
Figura 3.1.43: Parámetros del Feedback DAC. ........................................................................ 64
Figura 3.1.44: Slider de Ganancia. ................................................................................................ 64
Figura 3.1.45: Controlador PID para TRMS. ............................................................................. 65
Figura 3.1.46: Funcionamiento del controlador PID sobre el Pitch Rotor. ................. 65
Figura 3.1.47: Sintonización gráfica de Raíces del Controlador para el Yaw Rotor. 66
Figura 3.1.48: Respuesta al escalón del controlador PID sintonizado para el Yaw
Rotor. ............................................................................................................................................... 66
Figura 3.1.49: Ecuación del compensador PID sintonizado para el Yaw Rotor. ....... 66
Figura 3.1.50: Funcionamiento del controlador PID sobre el Yaw Rotor. ................... 67
Figura 3.2.1: Diagrama de bloques representado en espacio de estados. (Jara Ortiz
& Maldonado Achig, 2015) ...................................................................................................... 68
Figura 3.2.2: Diagrama de bloques de un sistema controlado por realimentación
del estado observado y un sistema de seguimiento. (Jara Ortiz & Maldonado
Achig, 2015) .................................................................................................................................. 70
Figura 3.2.3: Código para diseño y cálculo de parámetros del controlador en
espacio de estados para el lazo de flujo. ........................................................................... 71
Figura 3.2.4: Diagrama de bloques del controlador en Espacio de Estados en
Simulink del lazo de Flujo. ...................................................................................................... 72
Figura 3.2.5: Respuesta de la simulación del controlador en espacio de estados
para el lazo de flujo. .................................................................................................................. 72
Figura 3.2.6: Instrumento Virtual para controlador en Espacio de Estado del lazo
de Flujo. .......................................................................................................................................... 73
Figura 3.2.7: Diagrama de bloques del controlador en Espacio de Estados. .............. 74
Figura 3.2.8: Diagrama de bloques de conexión PC - Tarjeta Easy Port USB. ............ 75
Figura 3.2.9: Activación de bomba P101. .................................................................................. 75
Figura 3.2.10: Lectura de parámetros del sistema y representación en espacio de
estados. ........................................................................................................................................... 76
Figura 3.2.11: Cálculo de la acción de control. ........................................................................ 76
Figura 3.2.12: Lectura del estado del sistema y envío de la acción de control hacia
el sistema. ...................................................................................................................................... 77
Figura 3.2.13: Funcionamiento del controlador en Espacio de Estados sobre el lazo
de flujo. ........................................................................................................................................... 77
espacio de estados para el lazo de presión. .................................................................... 78
Simulink del lazo de Presión. ................................................................................................ 78
para el lazo de presión. ............................................................................................................ 79
Figura 3.2.17: Funcionamiento del controlador en Espacio de Estados sobre el lazo
de presión. ..................................................................................................................................... 79
espacio de estados para el sistema de posicionamiento lineal de FESTO. ........ 80
Simulink para sistema de posicionamiento lineal FESTO. ....................................... 81
para sistema de posicionamiento lineal FESTO. ........................................................... 81
Figura 3.2.21: Funcionamiento del controlador en Espacio de Estados sobre el
sistema de posicionamiento lineal FESTO. ..................................................................... 82
XII
espacio de estados para el Pitch Rotor. ............................................................................ 82
Figura 3.2.23: Implementación del controlador en Espacio de Estados en Simulink
sobre el Pitch Rotor del Twin Rotor Mimo System. .................................................... 83
Figura 3.2.24: Funcionamiento del controlador en Espacio de Estados sobre Pitch
Rotor del Twin Rotor Mimo System. .................................................................................. 83
espacio de estados para el Yaw Rotor. .............................................................................. 84
Figura 3.2.26: Implementación del controlador en Espacio de Estados en Simulink
sobre el Yaw Rotor del Twin Rotor Mimo System. ...................................................... 84
Figura 3.2.27: Funcionamiento del controlador en Espacio de Estados sobre Yaw
Rotor del Twin Rotor Mimo System. .................................................................................. 85
Figura 3.3.1: Idea de Control Predictivo. (Zambrano & Gonzáles, 2013) ...................... 85
Figura 3.3.2: Estructura general de controladores predictivos. (Rodríguez Ramírez,
2005) ................................................................................................................................................. 86
Figura 3.3.3: Front Panel del VI para controlador MPC sobre lazo de nivel. .............. 88
Figura 3.3.4: Diagrama de bloques del controlador MPC para lazo de nivel. ............ 90
Figura 3.3.5: Diagrama de bloques de conexión PC-Tarjeta Easy Port USB. .............. 91
Figura 3.3.6: Activación de bomba P101. .................................................................................. 91
Figura 3.3.7: Cálculo del modelo aumentado del sistema. ................................................. 91
Figura 3.3.8: Cálculo de F, Phi y ganancias del observador. .............................................. 92
Figura 3.3.9: Cálculo de la acción de control para MPC. ...................................................... 92
Figura 3.3.10: Lectura del estado del sistema y envío de la acción de control hacia
la bomba P101. ............................................................................................................................ 93
Figura 3.3.11: Funcionamiento del MPC sobre lazo de nivel para valores: Np=1000,
Nc=4 y rw=10. .............................................................................................................................. 93
Nc=2 y rw=0.2. ............................................................................................................................. 94
Nc=2 y rw=0.0001. .................................................................................................................... 94
Nc=2 y rw=0.001. ....................................................................................................................... 94
Figura 3.3.15: Funcionamiento del MPC sobre lazo de flujo para valores: Np=20,
Nc=2 y rw=10. .............................................................................................................................. 95
Nc=4 y rw=5. ................................................................................................................................ 96
Nc=2 y rw=0.1. ............................................................................................................................. 96
Nc=2 y rw=1. ................................................................................................................................ 96
Figura 3.3.19: Funcionamiento del MPC sobre lazo de presión para valores:
Np=1000, Nc=10 y rw=0.3. .................................................................................................... 97
Figura 3.3.20: Funcionamiento del MPC sobre lazo de presión para valores:
Np=1000, Nc=10 y rw=0.01. .................................................................................................. 97
Figura 3.3.21: Funcionamiento del MPC sobre lazo de presión para valores: Np=10,
Nc=2 y rw=0.3. ............................................................................................................................. 98
Figura 3.3.22: Funcionamiento del MPC sobre lazo de temperatura para valores:
Np=10, Nc=2 y rw=0.0000002. ............................................................................................ 99
XIII
Figura 3.3.23: Funcionamiento del MPC sobre lazo sistema de posicionamiento
lineal para valores: Np=100, Nc=5 y rw=80000. .......................................................... 99
lineal para valores: Np=50, Nc=5 y rw=1000. ............................................................. 100
lineal para valores: Np=50, Nc=5 y rw=20000. ........................................................... 100
Figura 3.3.26: MPC del Pitch Rotor implementado en Simulink. .................................. 101
Figura 3.3.27: Función embebida del controlador MPC sobre el Pitch Rotor. ........ 101
Figura 3.3.28: Funcionamiento del MPC sobre el Pitch Rotor para valores: Np=9,
Nc=4 y rw=25000000. ........................................................................................................... 102
Nc=4 y rw=5000000. .............................................................................................................. 102
Nc=4 y rw=20000000. ........................................................................................................... 102
Figura 3.3.31: MPC del Yaw Rotor implementado en Simulink. .................................... 103
Figura 3.3.32: Función embebida del controlador MPC sobre el Yaw Rotor. .......... 104
Figura 3.3.33: Funcionamiento del MPC sobre el Yaw Rotor para valores: Np=9,
Nc=4 y rw=850000. ................................................................................................................. 104
Nc=4 y rw=130000. ................................................................................................................. 105
Nc=4 y rw=350000. ................................................................................................................. 105
Figura 4.3.1: Evaluación de la práctica 1. ................................................................................ 109
Figura 4.3.10: Evaluación de la práctica 10. ........................................................................... 118
XIV
ÍNDICE DE TABLAS
Tabla 1.1.1: Datos Técnicos del MPS PA. Compact Workstation. (FESTO Didactic,
2008) .................................................................................................................................................... 2
Tabla 1.1.2: Datos Técnicos del EasyPort USB. (FESTO Didactic, 2008) ......................... 4
Tabla 1.2.1: Funcionamiento de la válvula proporcional en función de la tensión de
alimentación nominal. (Jara Ortiz & Maldonado Achig, 2015) ................................ 10
Tabla 2.3.1: Resultados de estimación de la función de transferencia con la
herramienta Ident de Matlab® para el lazo de nivel. .................................................. 19
herramienta Ident de Matlab® ............................................................................................ 25
Tabla 3.1.1: Parámetros del controlador PID para el Lazo de Nivel. ............................. 45
Tabla 3.1.2: Parámetros del controlador PID para el Lazo de Flujo. ............................. 50
Tabla 3.1.3: Parámetros del controlador PID para el Lazo de Presión. ........................ 53
Tabla 3.1.4: Parámetros del controlador PID para el Lazo de Temperatura. ............ 56
Tabla 3.1.5: Parámetros del controlador PID para el sistema neumático de
posicionamiento lineal. ............................................................................................................ 59
Tabla 3.1.6: Parámetros del controlador PID para el Pitch Rotor. ................................. 63
Tabla 3.1.7: Parámetros del controlador PID para el Yaw Rotor. ................................... 67
Tabla 4.2.1: Preguntas para la evaluación de las prácticas (Escobar Hinojosa &
Domínguez Crespo, 2015). ..................................................................................................... 108
Tabla 4.3.1: Resultados de validación de la práctica 1. .................................................... 108
Tabla 4.3.2 Resultados de validación de la práctica 2. ....................................................... 109
Tabla 4.3.3 Resultados de validación de la práctica 3. ....................................................... 110
Tabla 4.3.4: Resultados de validación de la práctica 4. ..................................................... 111
Tabla 4.3.10: Resultados de validación de la práctica 10. ................................................ 117
XV
Tabla 4.5.1: Tiempo estimado para la elaboración de prácticas. .................................. 140
XVI
LISTA DE SÍMBOLOS Y ABREVIATURAS
Símbolos
bar bares.
psi pounds-force per square inch.
V voltios.
cm centímetros.
ms milisegundos.
ζ Factor de amortiguamiento.
ωn Frecuencia natural.
ΔU Tasa de variación de la variable de control.
Abreviaturas
PID Proporcional, Integral, Derivativo.

KP, Kc Ganancia Proporcional.
KI Ganancia Integral.
KD Ganancia Derivativa.
Td Tiempo de acción derivativa.
Ti Tiempo de acción integral.
MPC Control Predictivo Basado en Modelo.
PRBS Pseudo-Random-Binary-Signals.
Ke Ganancia del observador de estados.
KI Ganancia de control integral.
K1 Ganancia de realimentación.
Kk Ganancia de Kalman.
Np Horizonte de predicción.
Nc Horizonte de control.
rω Penalización.
XVII
AGRADECIMIENTOS
En primer lugar agradezco a Dios por las bendiciones derramadas sobre mi familia,
gracias a Él he logrado hacer realidad esta meta.
A mis amados padres, Enrique y Bélgica por todo su amor, esfuerzo y apoyo
incondicional en cada etapa de mi vida guiándome a cada día ser una mejor persona y
un mejor profesional.
A mis hermanos Juan Carlos, Byron, María Elena por su cariño, apoyo y darme la
fuerza para seguir adelante. De manera especial reitero mi agradecimiento a mi
hermano Juan Carlos quien me apoyo incondicionalmente y guio en cada momento de
mi vida siendo un ejemplo a seguir.
De manera especial a mi director de tesis Ing. Julio Zambrano por su predisposición
para brindarme su ayuda durante la elaboración de este proyecto.
A mi familia y amigos por todos los consejos y apoyo brindado a lo largo de estos años.
Xavier Ochoa
XVIII
DEDICATORIA
A Dios por darme la oportunidad de crecer profesionalmente, a mis padres quienes con
su ejemplo, apoyo incondicional y sus sabios consejos me inspiraron diariamente para
cumplir cada una de mis metas.
A mis hermanos Juan Carlos, Byron, María Elena quienes me apoyaron a lo largo de
estos años.
Xavier Ochoa
XIX
ANTECEDENTES

En la actualidad los procesos industriales utilizan lazos de control autónomos para
así garantizar la eficiencia de los procesos en ejecución, por lo tanto es necesario
conocer y entender el funcionamiento de los instrumentos dentro de control y
automatización de procesos en la industria. (SOLÉ, 2012)

En países desarrollados gran parte de los procesos industriales están comandados
por lazos de control automatizados, logrando así una mayor precisión en el control
de las diferentes variables del proceso, en este tipo de sistemas el talento humano
está presente en la programación de los controladores, calibración de los
componentes y verificación del resultado del proceso industrial. (SOLÉ, 2012)

De igual manera en Ecuador en los últimos años las grandes empresas han optado
por el uso de Lazos de control para sus procesos obteniendo mejores resultados,
por tal motivo es necesario que los estudiantes de Pregrado de la Carrera de
Ingeniería Eléctrica y Electrónica puedan aplicar los conocimientos teóricos de
Control Industrial para luego su aplicación en el campo laboral.

En el Laboratorio de Control de Universidad Politécnica Salesiana Sede Cuenca se
tiene a disposición cinco plantas de control para la realización de prácticas por
parte de los estudiantes y así corroborar los conocimientos teóricos adquiridos en
el Control de Procesos Industriales. Durante la elaboración de este Proyecto se
realizará las guías para el reconocimiento y control de tres de las cinco plantas
existentes en laboratorio siendo estas:

• MPS.PA COMPACT WORKSTATION.
• Posición FESTO.
• FEEDBACK Twin Rotor MIMO System 33-220.
XX
INTRODUCCIÓN
La Universidad Politécnica Salesiana sede Cuenca con el objetivo de una formación

tanto teórica como práctica de los estudiantes de las carreras de Ingeniería Eléctrica y
Electrónica, cuenta con un laboratorio dedicado al ámbito de control industrial, en el
cual se dispone de sistemas como MPS PA. COMPACT WORKSTATION, FESTO
Control de Desplazamiento, FEEDBACK Twin Rotor MIMO System 33-220, los
mismos que cuentan con un conjunto de sensores y actuadores para su control.
En la actualidad este laboratorio se encuentra en desuso por parte de los estudiantes,

esto se debe a que no existen módulos guía que permitan al estudiante la elaboración de
prácticas en dichos sistemas. Estas plantas han sido usados en su mayoría para
proyectos de titulación e investigación, por tal motivo es el objetivo de este proyecto de
titulación, la creación de módulos guía para un correcto uso de las tres plantas antes
mencionadas permitiendo así a los estudiantes afirmar los conocimientos adquiridos.
En este proyecto se contempla la aplicación de un método de identificación para cada

uno de los sistemas mediante la generación de una señal de PRBS que ingresará al
sistema, esta plataforma de identificación permitirá modificar los parámetros de
identificación requeridos para cada sistema, además generará un archivo de Excel el
cuan constará con la señal PRBS ingresada y la respuesta de la planta a este estimulo.
Estas plataformas de identificación serán implementados en el Software de LabView o
Matlab según el sistema.
Se propone diseñar e implementar tres tipos de controladores (PID, Espacio de Estados

y MPC) para cada uno de los sistemas mencionados anteriormente los cuales serán
implementados en el Software LabView o Simulink de Matlab®. Para cada sistema
estos Instrumentos Virtuales (VIs) permitirán ingresar la función de transferencia
identificada y modificar los parámetros característicos de cada controlador para su
correcta sintonización, permitiendo al estudiante corroborar lo teórico con lo práctico.
XXI
CAPÍTULO 1. DESCRIPCIÓN DE SISTEMAS
CAPÍTULO 1
1 DESCRIPCIÓN DE SISTEMAS
1.1 MPS PA. COMPACT WORKSTATION
Descripción
La Planta MPS. PA Compact Workstation (véase la Figura 1.1.1) es un sistema
didáctico diseñado para la ejecución de prácticas de instrumentación industrial de igual
manera permite el desarrollo de procesos de control. Esta planta cuenta con varios
elementos como sensores, transductores y actuadores, mediante los cuales se puede
establecer distintos lazos de control según la variable que se quiera controlar ya sea:
nivel, flujo, presión o temperatura. (Idrovo Macancela & Peña Cañizares, 2014)

Figura 1.1.1: MPS PA. Compact Workstation. (Idrovo Macancela & Peña Cañizares, 2014)
1.1.1 Detalles Generales.

Antes de ejecutar cualquier acción ya sea de control o manejo sobre la planta es
necesario conocer las características y parámetros de funcionamiento que rigen la planta
y sus elementos.
• Solo debe utilizarse un voltaje de 24VDC para alimentar actuadores y sensores,
mientras que el calefactor funciona con una tensión de 110VAC o 230 VAC.
• Para el sistema neumático se debe encender la fuente de aire comprimido solo si
existe la seguridad de que todo el sistema de tuberías se encuentra correctamente
conectado y la presión no debe exceder de 8 bar. (Idrovo Macancela & Peña
Cañizares, 2014)
• En cuanto a la parte mecánica todos los elementos deben estar montados
firmemente a la estructura mecánica, no se deben manipular los elementos
cuando la planta se encuentra en funcionamiento. (Idrovo Macancela & Peña
Cañizares, 2014)
1
A continuación en la Tabla 1.1.1 se muestra los datos técnicos del MPS PA. Compact
Workstation.

Tabla 1.1.1: Datos Técnicos del MPS PA. Compact Workstation. (FESTO Didactic, 2008)
La planta cuenta con un panel centralizado que sirve para la obtención de los valores de
los sensores así como para enviar las señales de control hacia los actuadores desde la
plataforma implementada en un computador, mediante la tarjeta EasyPort USB.
Mediante los diferentes sensores y actuadores disponibles en la planta es posible formar

cuatro lazos de control listados a continuación:
• Lazo de control de nivel.

• Lazo de control flujo.
• Lazo de control de presión.
• Lazo de control de temperatura.
1.1.2 Diagrama P&ID del MPS. PA Compact Workstation

En la Figura 1.1.2 se describe el diagrama P&ID del MPS según la norma ISA 5.5/
Estándar 5.1.

2

Figura 1.1.2 P&ID del MPS PA. Compact Workstation. (FESTO Didactic, 2008)

A continuación se detalla cada uno de los elementos que forma la planta de acuerdo a
(Idrovo Macancela & Peña Cañizares, 2014).
• BINN 101, BINN 102: Corresponde a los tanques uno y dos respectivamente
utilizados para almacenar el fluido, cuentan con una escala de medida para observar
el nivel de llenado, se hará referencia a estos tanques como B101 y B102
respectivamente.
• VSSL103: Tanque de aire para presión.
• PUMP 101: Bomba la cual suministra el fluido del tanque 1 hacia el tanque 2, se
hará referencia a este elemento en adelante como P101.
• E104: Elemento calefactor que eleva la temperatura del líquido en el taque B101.
• V101, V103, V104, V105, V107, V108, V109, V110, V112: Válvulas manuales que
permiten o cierran el paso del fluido por las tuberías del MPS.
• V102: Válvula neumática de bola controlada por un actuador giratorio.
• V106: Válvula proporcional 2/2 para control de flujo.
• FIC B102: Controlador Indicador de flujo.
• PIC B103: Controlador Indicador de presión.
• TIC B104: Controlador Indicador de temperatura.
• LIC B101: Controlador Indicador de nivel de líquido.
• PI 105: Indicador de presión.
• LSL B113 y LSL S117: Interruptores de líquido de nivel bajo.
• LSH B113 y LSH B114: Interruptores de líquido de nivel alto.
• LSH S111: Interruptor flotador para de nivel de líquido alto.
3
1.1.3 Tarjeta interfaz FESTO EasyPort USB

La tarjeta EasyPort USB mostrada en la Figura 1.1.3 permite la comunicación
bidireccional de señales entre la planta y un computador, gracias a esta tarjeta es posible
desarrollar procesos de control en tiempo real de cada uno de los lazos que forman parte
del sistema. Es posible establecer una transmisión de datos de sensores y actuadores
desde y hacia el computador mediante los elementos ActiveX, dentro de programación
en el Software de LabView (Idrovo Macancela & Peña Cañizares, 2014) (Carpio, 2013).

Figura 1.1.3: EasyPort USB. (Carpio, 2013)

Para un correcto funcionamiento de la tarjeta es necesario tener en cuenta ciertas
consideraciones y normas de seguridad establecidas por el fabricante, estas
especificaciones técnicas se describen a continuación en la Tabla 1.1.2

Parámetro Valor
Tensión de Funcionamiento 24 VDC +/- 10%
Cantidad de salidas 16 digitales de 24 VDC, 2 analógicas de 0…10VDC
Cantidad de entradas 16 digitales de 24 VDC, 4 analógicas de 0…10VDC
Carga admisible 0.7 A por salida digital, 10 mA por salida analógica
Umbral de conmutación de las entradas digitales 12 VDC
Cantidad de contadores 2 entradas como contadores rápidos fmáx = 20kHz
Interfaces de comunicación RS232, con separación galvánica, USB2.0
Tabla 1.1.2: Datos Técnicos del EasyPort USB. (FESTO Didactic, 2008)

1.1.4 Lazo de Nivel

A continuación en la Figura 1.1.4 se puede observar el diagrama P&ID del lazo de
control de nivel.

4

Figura 1.1.4: P&ID para lazo de control de nivel. (FESTO Didactic, 2008)

Este lazo esta conformado por la bomba P101 la cual distribuye el líquido almacenado
en el tanque B101 hacia el tanque B102 por el sistema de tuberías, la señal de
retroalimentación que se ingresará al controlador será obtenida del sensor ultrasónico de
nivel (LIC-B101) (Idrovo Macancela & Peña Cañizares, 2014).

1.1.5 Lazo de Flujo

En la Figura 1.1.5 se puede observar el diagrama P&ID del lazo de control de flujo.

Figura 1.1.5: P&ID para lazo de control de flujo. (FESTO Didactic, 2008)
Este lazo esta conformado por el tanque B101 el líquido será impulsado por la bomba
P101 desde la parte inferior del tanque y pasará por el sistema de tuberías hasta que
eventualmente regrese a este depósito por la parte superior. La señal de
retroalimentación es provista por el sensor de flujo FIC-B102 y se pueden generar
5
señales de perturbación gracias a la válvula V104 (Idrovo Macancela & Peña Cañizares,
2014).
1.1.6 Lazo de Presión

A continuación en la Figura 1.1.6 se puede observar el diagrama P&ID del lazo de
control de presión.

Figura 1.1.6: P&ID para lazo de control de presión. (FESTO Didactic, 2008)

En este lazo de control la bomba P101 suministra el líquido al sistema desde el tanque
B101 a un tanque pre llenado de gas B103, la cantidad de líquido dentro de este tanque
se puede aumentar o disminuir manipulando directamente la válvula V107 .
La presión de aire en el tanque de gas P103 se obtiene mediante el sensor de presión

PIC-B103 y puede ser leída gracias al manómetro incorporado en la planta; se puede
generar perturbaciones mediante la válvula V109 (Idrovo Macancela & Peña Cañizares,
2014).

1.1.7 Lazo de Temperatura

En la Figura 1.1.7 se puede observar el diagrama P&ID del lazo de control de
temperatura.

6

Figura 1.1.7: P&ID para lazo de control de temperatura. (FESTO Didactic, 2008)

La temperatura del líquido del tanque B101 puede ser elevada mediante el elemento
calefactor E104, la señal de retroalimentación se obtiene mediante el sensor de
temperatura TIC-B104, para generar perturbación se puede vaciar el líquido del tanque
B102 o agregar un fluido frío (Idrovo Macancela & Peña Cañizares, 2014).
1.2 SISTEMA NEUMÁTICO EN BUCLE CERRADO PARA EL

CONTROL DE POSICIÓN LINEAL

El equipo de Tecnología TP111 (Neumática en Bucle Cerrado) de FESTO (véase la
Figura 1.2.1) es un sistema de enseñanza aplicable al campo de la Automatización
y Control en bucle cerrado. Este equipo dispone de varios componentes para su
manipulación y control los cuales serán descritos a continuación. (Jara Ortiz &
Maldonado Achig, 2015)

7

Figura 1.2.1: Sistema neumático para el control de posición lineal. (Jara Ortiz & Maldonado Achig, 2015)

Componentes:
1.2.1 Unidad de Mantenimiento
Es el dispositivo encargado de regular y mantener la presión de aire que ingresa y

circula por el sistema neumático, además filtra la humedad y las impurezas del aire. El
objetivo de este dispositivo es prolongar la vida útil de los componentes neumáticos
(véase la Figura 1.2.2). (Jara Ortiz & Maldonado Achig, 2015)

Figura 1.2.2: Unidad de Mantenimiento para el sistema neumático. (Jara Ortiz & Maldonado Achig,
2015)
1.2.2 Distribuidor de aire

Este elemento es encargado de proporcionar aire comprimido a los distintos
componentes neumáticos que forman parte del sistema, este distribuidor cuenta con
ocho conexiones de salida de aire y una de ingreso la cual tiene la característica de tener
un diámetro mayor que las otras conexiones (véase la Figura 1.2.3). (González, Gomez,
Tena, & Torres, 2011)
8

Figura 1.2.3: Distribuidor de aire comprimido. (Jara Ortiz & Maldonado Achig, 2015)
1.2.3 Válvula Proporcional 5/3 vías
Este elemento cumple la función de direccionar el flujo en un sentido u otro, según la

tensión con la cual se la este alimentando. Este tipo de válvula a diferencia de las
convencionales, requiere una tensión de excitación en un rango especifico. (Jara Ortiz &

En la Figura 1.2.4 se puede observar la válvula presente en el sistema neumático la cual
cuenta con dos cables de alimentación de 24V, azul (-) y rojo (+). Mientras que los
cables blanco (-) y negro (+) corresponden a la tensión de excitación nominal dentro
de un rango de 0 a 10V. La válvula utilizada en el sistema neumático en bucle cerrado
es del tipo MPYE-5-1/8 de FESTO y su simbología se indica en la Figura 1.2.5 (Jara
Ortiz & Maldonado Achig, 2015).

Figura 1.2.4: Válvula proporcional 5/3 vías de FESTO. (Jara Ortiz & Maldonado Achig, 2015)

Figura 1.2.5: Simbología neumática y eléctrica de una válvula proporcional de 5/3 vías. (Jara Ortiz &
9
De acuerdo al voltaje de excitación que reciba esta válvula será su comportamiento, en

la Tabla 1.2.1 se detalla su funcionamiento en relación con el voltaje de ingreso.
Tensión Nominal [V] Flujo de aire

0 Flujo total entre 1 y 2
0-5 Flujo reducido entre 1 y 2
5 Posición intermedia cerrada
5 -10 Flujo reducido entre 1 y 4
10 Flujo total entre 1 y 4
Tabla 1.2.1: Funcionamiento de la válvula proporcional en función de la tensión de alimentación
nominal. (Jara Ortiz & Maldonado Achig, 2015)
1.2.4 Actuador y Potenciómetro Lineal
El actuador lineal (véase la Figura 1.2.6) esta compuesto por: un cilindro de doble
efecto sin vástago, dos amortiguaciones regulables en los extremos estos cumplen el
objetivo de evitar choques bruscos y finalmente una corredera unida rígidamente con el
émbolo del cilindro. (Jara Ortiz & Maldonado Achig, 2015) (Fuentes, 2009)

Potenciómetro lineal: es el sensor encargado de detectar la posición de la corredera, este
dispositivo transforma la posición en una tensión eléctrica, su recorrido va desde 0 a
450 mm y esta conectado mecánicamente a la corredera. El rango de tensión de señal de
salida es de 0 a 10 V. (Jara Ortiz & Maldonado Achig, 2015)

Figura 1.2.6: Potenciómetro y actuador lineal para el sistema neumático. (Jara Ortiz & Maldonado
Achig, 2015)
1.3 TWIN ROTOR MIMO SYSTEM

La Planta Twin Rotor MIMO System (véase la Figura 1.3.1) es un sistema de
enseñanza aplicado al campo de Control, creado por Feedback Instruments Limited, El
sistema de doble rotor demuestra los principios de un sistema MIMO no lineal, con
acoplamiento cruzado significativo. Su comportamiento se asemeja a un helicóptero,
pero el ángulo de ataque de los rotores es fijo y las fuerzas aerodinámicas son
controlados por la variación de las velocidades de los motores. (Feedback, 2006)

10

Figura 1.3.1: TRMS Sistema de Control. (Feedback, 2006)

El acoplamiento cruzado significativo entre las acciones de los rotores influye en las dos
posiciones angulares. Para la comunicación entre el sistema y el computador se requiere
de una tarjeta PCI Advantech la cual permite crear un entorno de desarrollo de sistemas
de control digital (FEEDBACK, 1999).
Es posible la implementación de controladores en tiempo real. Los modelos de procesos

de control así como también de identificación están diseñados en Simulink™. Desde el
punto de vista del control ejemplifica un sistema no lineal de orden superior con
acoplamientos cruzados significativos.
El TRMS (véase la Figura 1.3.2) consiste en un eje de pivoteo en su base de tal manera
que puede girar libremente tanto en los planos horizontal y vertical. En ambos extremos
de la viga hay rotores (rotor principal y de cola) impulsadas por motores de corriente
continua. Un brazo de contrapeso con un peso en su extremo se fija a la viga en el
pivote. El estado de la viga se describe por cuatro variables de proceso: ángulos
horizontales y verticales medidos por sensores de posición montados en el pivote, y dos
correspondientes a velocidades angulares. (FEEDBACK, 1999)
En un helicóptero normal, la fuerza aerodinámica se controla cambiando el ángulo de

ataque. El sistema de enseñanza de laboratorio está construido de manera que el ángulo
de ataque es fijo. La fuerza aerodinámica se controla variando la velocidad de los
rotores. Por lo tanto, las entradas de control son las tensiones de alimentación de los
motores de corriente continua. Un cambio en los resultados de valor de tensión provoca
un cambio de la velocidad de rotación de la hélice que resulta en un cambio de la
posición correspondiente de la viga (beam). (FEEDBACK, 1999)

11

Figura 1.3.2: Helicóptero como sistema de enseñanza de laboratorio. (FEEDBACK, 1999)

Cabe recordar la importancia de los acoplamientos cruzados entre las acciones de los
rotores; cada rotor influye en ambos ángulos de posición. El TRMS es una planta
MIMO esto quiere decir múltiples entradas – múltiples salidas. En la Figura 1.3.3 se
presenta un esquema simplificado del TRMS (FEEDBACK, 1999).

Figura 1.3.3: Esquema simplificado del sistema TRMS. (Feedback, 2006)

El TRMS es controlado mediante dos entradas U1 y U2. la dinámica del cruce de
acoplamientos son una de las características clave de la TRMS. La posición de la viga
(beam) se mide a través de codificadores incrementales, los cuales proporcionan en
tiempo real una señal de posición relativa cada vez que se ejecuta la simulación.
12
CAPÍTULO 2. IDENTIFICACIÓN DE SISTEMAS
CAPÍTULO 2
2 IDENTIFICACIÓN DE SISTEMAS

Para poder implementar un controlador en cualquier sistema es necesario el modelo
matemático del mismo, dicho modelo deberá describir la dinámica del proceso,
permitiéndole así al controlador tener un mejor desempeño en su labor. En el presente
proyecto se aplica la técnica de identificación mediante el ingreso de una señal PRBS al
sistema. Esta señal PRBS se trata de que los cambios de amplitud que ingresan al
sistema se produzcan en un tiempo randómico.

2.1 Señal PRBS

Una señal PRBS (véase la Figura 2.1.1) o secuencia binaria pseudo-aleatoria la cual se
representa por pulsos rectangulares, los mismos que oscilan entre 0 y 1 (Jara Ortiz &
Maldonado Achig, 2015), que para los sistemas analizados en este proyecto estos
valores son muy pequeños por lo cual se realiza un escalamiento hacia valores
superiores de acuerdo a la necesidad de cada sistema.
Uno de los parámetros más importantes en la generación de una señal PRBS es el

tiempo de muestreo, este tiempo esta en función del tiempo de estabilización de la
respuesta al escalón.

Figura 2.1.1 Forma de onda de una señal PRBS.

Es posible la generación de una señal PRBS mediante registros de desplazamiento en
retroalimentación. El Software de LabVIEW cuenta con un bloque el cual permite la
generación de una señal PRBS (véase la Figura 2.1.2), esta herramienta permite
modificar el numero de muestras, el factor de muestreo ascendente, entre otros
parámetros importantes de igual manera. Mientras que en la plataforma de Simulink se
dispone de un bloque “PN Sequence Generator” como se observa en la Figura 2.1.3,
el cual genera una secuencia de números binarios pseudoaleatorios utilizando un
registro de desplazamiento de realimentación lineal (LFSR). Este bloque
13
implementa LFSR a través de registro de desplazamiento (SSR G, o Fibonacci) de

configuración (Matlab®,2015b).

Figura 2.1.2: SI Generate Pseudo-Random Binary Sequence VI

Figura 2.1.3: PN Sequence Generator
2.2 Toolbox de Identificación (IDENT de MATLAB®)

El Toolbox IDENT es una herramienta disponible en el software MATLAB® diseñado
para la identificación de sistemas, a través de esta herramienta es posible construir un
modelo matemático de un sistema dinámico a partir de la medición de las señales de
entrada y salida del sistema. (Ljung, 2001)
Para ingresar a esta herramienta se realiza mediante la digitación de la instrucción

>>ident en la ventana de comandos de MATLAB®, una vez abierto el toolbox se
mostrará una interfaz como la mostrada en la Figura 2.2.1. Esta interfaz se encuentra
dividida en dos secciones: la primera sección hace referencia al conjunto de datos
importados para el análisis y en la segunda sección se irán creando los modelos en
función de las operaciones efectuadas sobre los datos importados.

Figura 2.2.1: Ventana principal de IDENT de MATLAB®.
14

El manejo de esta herramienta se realiza de manera secuencial siendo así es necesario
en primer lugar la importación de datos a través del menú “Import data”, con lo cual se
generará un conjunto de datos, seguido a esto se podrá aplicar diferentes operaciones a
través de los menús “Preprocess” y “Estimate”. Obteniendo finalmente el modelo
matemático del sistema dinámico. (Ljung, 2001)
La importación de datos se puede realizar de tres diferentes formas: Importación de

datos en el dominio del tiempo, en el dominio de la frecuencia e importación de objetos,
para cada uno de los sistemas analizados en la presente tesis se trabaja en el dominio del
tiempo como se observa en la Figura 2.2.2 por lo cual se debe seleccionar "Time
Domain Data" para cargar los vectores de entrada (input) y salida (output) los cuales
deberán estar en formato de n filas y una columna, en la sección “Data information” el
Data name hace referencia al nombre del conjunto de datos, el control “Starting time”
corresponde al tiempo de inicio con el que fueron obtenidos los vectores de entrada y
salida y finalmente en el control “Sample time” corresponde al tiempo de muestreo con
el cual se obtuvo estos vectores de entrada-salida.

Figura 2.2.2: Importación de datos en el dominio del tiempo.
2.3 Identificación del lazo de Nivel de la planta MPS PA.

WORKSTATION

La identificación del lazo de nivel se realiza mediante la generación de una señal
PRBS con la ayuda del software LabView obteniendo como resultado los vectores de
entrada y de salida para posteriormente ser procesados en la herramienta Ident de
Matlab® y finalmente obtener la función de transferencia de dicho lazo.
La generación de la señal PRBS en el software LabView se realiza a través del bloque

“SI Generate Pseudo-Random Binary Sequence VI”, para obtener una mayor
aproximación de la función de transferencia con la planta es recomendable realizar la
identificación en todo el rango de trabajo posible. Para cumplir con este objetivo en este
15
sistema se realiza la generación de una señal PRBS multi periodo a través de tres
diferentes señales PRBS en cascada como se observa en la Figura 2.3.1

Figura 2.3.1: Generación de señal PRBS de multi periodo en LabView.
Se debe tomar en cuenta que el proceso de identificación del lazo de nivel se lo debe
realizar en todo el rango del tanque “B102” para así lograr obtener todas las
características de la planta. Por este motivo se requiere que el factor de muestreo sea
grande para obtener periodos de PRBS prolongados que permitan el llenado y vaciado
del tanque hasta sus limites (min=10cm max=33cm) si el nivel del fluido es menor al
valor mínimo el sensor de nivel tiende a tener medidas incorrectas.
El numero total de muestras generadas será la suma de las muestras de cada uno de los
tres PRBS, para el ejemplo mostrado en la Figura 2.3.1 sería igual a:
Muestras totales = 3456 + 2016 + 2048 = 7520
De acuerdo a esta configuración se procede a generar la señal PRBS mostrada en la

Figura 2.3.2 y a su vez se obtiene el vector de respuesta del sistema mostrado en la
Figura 2.3.3 a lo largo de todo el rango de trabajo del sistema.

Figura 2.3.2: Señal PRBS para Lazo de Nivel.
16

Figura 2.3.3: Respuesta del Sistema en Lazo de Nivel.

Matlab®
Una vez obtenido los vectores entrada – salida del sistema se procede a la
estimación de la función de transferencia por medio de la herramienta Ident de
Matlab®, los pasos a seguir para efectuar esta estimación se describen a
continuación.
Los vectores generados tienen que ser cargados en el workspace de Matlab® para
ser utilizados por la herramienta de identificación Ident, el código empleado para la
importación de estos vectores se muestra en la Figura 2.3.4

Figura 2.3.4: Código implementado para importación de vectores.
Al ejecutar este script se carga los datos en el Workspace de Matlab®. Es importante

recordar que los archivos que contienen la información (data1.xlsx y data2.xlsx) y el
script de Matlab® para lectura de datos deben encontrarse en la misma carpeta. Además
en el Command Windows de Matlab® se solicitará ingresar el porcentaje de datos a
tomar del numero total de muestras con el cual se realizará la identificación.
Seguido a esto digitamos ident en el “Command Window” de Matlab® lo cual ejecuta

el Toolbox Ident como se muestra en la Figura 2.3.5.

17

Figura 2.3.5: Interfaz de Módulo de Ident.
A continuación se procede a desplegar el menú "Import Data" y se selecciona "Time

Domain Data" para cargar los vectores de entrada y salida tanto de identificación como
de validación para el lazo de nivel se tomo el cincuenta porciento del total de muestras
para identificación y con el cien por ciento de muestras para validación, se debe llenar
la ventana que se muestra en la Figura 2.3.6, con los nombres de las variables de los
vectores de ingreso (input) y salida (output) de cada conjunto de datos, además se debe
seleccionar el tiempo de muestreo con el cual han sido generados estos vectores para
este lazo de control de nivel es de 0.5 segundos, y el tiempo de inicio se lo deja por
defecto en 1, finalmente se selecciona un nombre para la señal importada, como
resultado esta señal generada se cargará en la pantalla principal de la herramienta Ident.


La señal generada por los vectores de entrada – salida para identificación (mydata) se
deberá arrastrar hacia "Working Data". Posterior a esto se deberá desplegar el submenú
"Estimate" para seleccionar “Transfer Function Models”. Este procedimiento se
visualiza en la Figura 2.3.7, en donde se observa el submenú que se debe seleccionar.
18

Figura 2.3.7: Estimación de Función de Transferencia.
Al haber seleccionado la opción de Función de Transferencia se abre una ventana

emergente en donde se debe seleccionar las características del modelo a estimar, esto es
el número de ceros como de polos, además del tipo de función de transferencia ya sea
en tiempo continuo o discreto, en base a varias pruebas con diferentes vectores de
entrada – salida variando sus parámetros característicos y configuración de la función
de transferencia se llego a determinar el porcentaje aceptable de coincidencia con una
configuración de dos polos y un cero de acuerdo a los resultados obtenidos en la Tabla
2.3.1, se procede a configurar estos parámetros como se observa en la Figura 2.3.8.
Numero de Polos Numero de Ceros Estimación

1 0 71.52%
1 1 73.14%
2 0 73.55%
2 1 79.98%
2 2 80.29%
Tabla 2.3.1: Resultados de estimación de la función de transferencia con la herramienta Ident de
Matlab® para el lazo de nivel.

Figura 2.3.8: Parámetros de la Función de Transferencia para lazo de Nivel.
19
A continuación se abre una nueva ventana en donde Matlab® procede a estimar

haciendo uso del algoritmo LMS (función de transferencia óptima para el sistema
importado), el tiempo de procesado dependerá del número de iteraciones que Matlab®
necesite, al haber culminado el proceso de estimación procedemos a presionar el botón
“Close”, como se observa en la Figura 2.3.9. Una vez terminado el proceso, se muestra
el resultado de la estimación en la ventana principal de la herramienta Ident.

Figura 2.3.9: Progreso de Estimación de Función de Transferencia.
A continuación se procede a validar la función de transferencia estimada con

respecto a todas las muestras tomadas, para el proceso de validación se debe
arrastrar el vector de datos generado para validación (Validación) hacia el
recuadro "Validation Data" en la pantalla principal de la herramienta Ident y a
continuación se procede a seleccionar "Model Output", con lo cual se abrirá una
ventana como la que se muestra en la Figura 2.3.10.

Figura 2.3.10: Validación de Funciones de Transferencia.
20
En la parte derecha de la Figura 2.3.10, se observa el porcentaje de semejanza entre la

función de transferencia estimada con los datos reales obtenidos de la planta. Para
visualizar la Función de Transferencia estimada se debe dar clic derecho sobre el
modelo importado. La función de transferencia aproximada de acuerdo a los datos
ingresado para el lazo de nivel se observa en la ecuación 2.1
0.02104! + 3.615! − 05
!(!) =
! ! + 0.00883! + 1.605! − 05 (2.1)

2.4 Identificación del lazo de Flujo de la planta MPS PA.

WORKSTATION

La identificación del lazo de flujo se realiza mediante la generación de una señal
PRBS con la ayuda del software LabView obteniendo como resultado los vectores de
entrada y de salida para posteriormente ser procesados en la herramienta Ident de
Matlab® y finalmente obtener la función de transferencia de dicho lazo.
La generación de la señal PRBS en el software LabView se realiza a través del bloque

“SI Generate Pseudo-Random Binary Sequence VI”. Ya que el PRBS generado por
este bloque entrega valores entre cero y uno es necesario un escalamiento, para
modificar la amplitud mínima y máxima de la señal PRBS se debe modificar los
valores ingresados al vector de operaciones matemáticas de la señal PRBS como se
muestra en la Figura 2.4.1.

Figura 2.4.1: Generación de señal PRBS en LabView.
Se debe tomar en cuenta que el proceso de identificación del lazo de flujo se lo debe
realizar en todo el rango de trabajo sin llegar a saturaciones en los extremos mínimo ni
máximo para así lograr obtener todas las características dinámicas del sistema.
De acuerdo a la configuración presente en la Figura 2.4.1 se procede a generar la señal

PRBS mostrada en la Figura 2.4.2 y a su vez se obtiene el vector de respuesta del
sistema mostrado en la Figura 2.4.3 a lo largo de todo el rango de trabajo del sistema.

21

Figura 2.4.2: Señal PRBS para Lazo de Flujo.

Figura 2.4.3: Respuesta del Sistema en Lazo de Flujo.

Matlab®
Matlab®, los pasos a seguir para efectuar esta estimación se describen a
continuación.
Los vectores generados tienen que ser cargados en el Workspace de Matlab® para
ser utilizados por la herramienta de identificación Ident, el código empleado para la
importación de estos vectores se muestra a continuación:

Figura 2.4.4: Código implementado para importación de vectores.
22
Al ejecutar este script se carga los datos en el Workspace de Matlab®. Es

importante recordar que los archivos que contienen la información (data1.xlsx y
data2.xlsx) y el script de Matlab® para lectura de datos deben encontrarse en la
misma carpeta. Además en el Command Windows de Matlab® se solicitará
ingresar el porcentaje de datos a tomar del numero total de muestras con el cual se
realizará la identificación.
Seguido a esto digitamos “ident” en el Command Window de Matlab lo cual ejecuta el
Toolbox de Matlab como se muestra en la Figura 2.4.5.

Figura 2.4.5: Interfaz de Módulo de Ident.
A continuación se procede a desplegar el menú "Import Data" y se selecciona "Time

Domain Data" para cargar los vectores de entrada y salida tanto de identificación como
de validación, para el lazo de flujo se tomo el 50% del total de muestras para
identificación y con el 100% de muestras para validación. Se debe llenar la ventana que
se muestra en la Figura 2.4.6, con los nombres de las variables de los vectores de
ingreso (input) y salida (output) de cada conjunto de datos, además se debe seleccionar
el tiempo de muestreo con el cual han sido generados estos vectores para este lazo de
control de flujo es de 0.2 segundos, y el tiempo de inicio se lo deja por defecto en 1,
finalmente se selecciona un nombre para la señal importada.

23
Después de haber realizado la importación de vectores, en el primer recuadro de esta

sección se muestra el conjunto de datos (mydata) para la identificación, el siguiente
conjunto de datos de color verde (Validación) corresponde a los vectores ingresados
para el proceso de validación, finalmente es necesario remover las medias para el
conjunto de datos que se utilizarán para identificación (mydatad), y para validación
(Validaciónd), este proceso se observa en la Figura 2.4.7.

Figura 2.4.7: Remoción de medias de los datos importados con IDENT de Matlab®.

El vector de identificación (mydatad) se deberá arrastrar hacia "Working Data".
Posterior a esto se deberá desplegar el submenú "Estimate" para seleccionar “Transfer
Function Models”. Este procedimiento se visualiza en la Figura 2.4.8, en donde se
observa el submenú que se debe seleccionar.
Figura 2.4.8: Estimación de Función de Transferencia.
Al haber seleccionado la opción de Función de Transferencia se abre una ventana

emergente en donde se debe seleccionar las características del modelo a estimar, esto es
el número de ceros como de polos, además del tipo de función de transferencia ya sea
en tiempo continuo o discreto, en base a varias pruebas con diferentes vectores de
entrada – salida variando sus parámetros característicos y configuración de la función
de transferencia se llego a determinar el porcentaje máximo de coincidencia a través de
24
una configuración de dos polos y un cero de acuerdo a los resultados obtenidos en la

Tabla 2.4.1, se procede a configurar estos parámetros como se observa en la Figura
2.4.9.

1 0 87.43%
1 1 89.79%
2 0 93.35%
2 1 93.46%
2 2 93.46%
Matlab®

Figura 2.4.9: Parámetros de la Función de Transferencia para lazo de Flujo.
A continuación se abre una nueva ventana en donde Matlab® procede a estimar

haciendo uso del algoritmo LMS (función de transferencia óptima para el sistema
importado), el tiempo de procesado dependerá del número de iteraciones que Matlab®
necesite, al haber culminado el proceso de estimación procedemos a presionar el botón
“Close”, como se observa en la Figura 2.4.10. Una vez terminado el proceso, se
muestra el resultado de la estimación en la ventana principal de la herramienta Ident.

Figura 2.4.10: Progreso de Estimación de Función de Transferencia.
25
A continuación se procede a validar la funcion de transferencia estimada con respecto a

todas las muestras tomadas, para el proceso de validación se debe arrastrar el vector de
datos generado para validación removido las medias (Validaciónd) hacia el recuadro
"Validation Data" en la pantalla principal de la herramienta Ident y a continuación se
procede a seleccionar "Model Output", con lo cual se abrirá una ventana como la que se
muestra en Figura 2.4.11.

En la parte derecha de la Figura 2.4.11, se observa el porcentaje de semejanza entre la

función de transferencia estimada con los datos reales obtenidos de la planta. La función
de transferencia aproximada de acuerdo a los datos ingresado para el lazo de flujo se
observa en la ecuación 2.2
−0.193! + 3.33
!(!) =
! ! + 10.09! + 9.562 (2.2)
2.5 Identificación del lazo de Presión de la planta MPS PA.

WORKSTATION

De la misma manera que en el caso de identificación del lazo de flujo, el PRBS
generado por este bloque entrega valores entre cero y uno por lo tanto es necesario un
escalamiento obteniendo como resultado los vectores de entrada y de salida para
posteriormente ser procesados en la herramienta Ident de Matlab® y finalmente
obtener la función de transferencia de dicho lazo.
La configuración con mayor aproximación en el proceso de validación y que abarca la

mayoría de características del lazo de presión es generando 400 muestras, el tiempo de
muestreo en 100ms, amplitud mínima del PRBS igual a dos voltios, y la amplitud
máxima del PRBS igual a 10 voltios, de acuerdo a estas configuraciones se procede a
generar la señal PRBS mostrada en la Figura 2.5.1 y a su vez se obtiene el vector de
respuesta del sistema mostrado en la Figura 2.5.2 a lo largo de todo el rango de trabajo
del sistema.

26

Figura 2.5.1: Señal PRBS para Lazo de Presión.

Figura 2.5.2: Respuesta del Sistema en Lazo de Presión.

Matlab®

Matlab®, siguiendo el mismo procedimiento utilizado para la identificación del lazo
de flujo.

Se realizaron varias pruebas con diferentes vectores de entrada – salida variando sus
parámetros característicos y configuración de la función de transferencia llegando a
determinar el porcentaje máximo de coincidencia (véase la Figura 2.5.3) con una
configuración de dos polos y un cero como se puede observar en la Tabla 2.5.1

1 0 61.45%
1 1 64.77%
2 0 67.73%
2 1 67.89%
2 2 66.82%
Matlab®
27

La función de transferencia aproximada de acuerdo a los datos ingresado para el lazo de

flujo se especifica en la ecuación 2.3.
−0.0316! + 4.79
!(!) =
! ! + 49.49! + 272 (2.3)

2.6 Identificación del lazo de Temperatura de la planta MPS PA.

WORKSTATION

La identificación del lazo de temperatura se obtiene a partir de la respuesta al escalón de
la planta. En base a los datos obtenidos del Software de LabVIew se graficará esta
respuesta y mediante esta gráfica se aproximará el modelo a un sistema de segundo
orden, esto por el motivo de que el proceso de elevar y disminuir la temperatura toma
mucho tiempo por lo cual se ha optado por una aproximación a un sistema sobre-
amortiguado de segundo orden (Método de Van Der Grinten).
2.6.1 Generación de señal escalón para identificación de lazo de temperatura

La generación de una señal escalón para la identificación del lazo de temperatura se
realiza mediante el Software LabView, cuando el instrumento virtual diseñado para
cumplir este objetivo inicie encenderá el calefactor E104 provocando la elevación de la
temperatura del liquido presente en el tanque B101.
La señal escalón se estabilizará en 60°C cuando el controlador indicador de

Temperatura “TIC-B104” apague el calefactor ya que su temperatura máxima es de
60°C. El instrumento virtual diseñado para obtener esta respuesta se observa en la
Figura 2.6.1 y su esquema de bloques descritos a continuación se observa en la Figura
2.6.2.
28
I. Se establece conexión entre computador y planta mediante tarjeta Easy Port

USB.
II. Lectura de botón de encendido del calefactor y escritura de su estado hacia el
calefactor.
III. Lectura de Sensor de Temperatura: Se adquiere el valor del sensor de
temperatura TIC-B104, a este valor se hace una conversión para la visualización
en °C.
IV. Exportación de datos obtenidos por el sensor: en esta sección se procede a
guardar los valores obtenidos por el sensor de temperatura en función de la
estimulación aplicada.

Figura 2.6.1: Front Panel de instrumento Virtual para identificación de lazo de Temperatura.

Figura 2.6.2: Diagrama de Bloques VI para identificación de lazo de Temperatura.
2.6.2 Aproximación a un sistema sobre-amortiguado de segundo orden (Método de

Van Der Grinten)

Una vez obtenido el vector de respuesta al escalón del sistema se procede a cargar los
datos en el Workspace de Matlab y se gráfica la respuesta del sistema a la estimulación
ingresada. Con esta gráfica se puede obtener los valores requeridos para la estimación
29
de la función de transferencia. El código utilizado para obtener esta respuesta se observa

en la Figura 2.6.3.

Figura 2.6.3: Código implementado para importación y gráfica de respuesta al escalón del lazo de
Temperatura.

Según (Zambrano & Erwin) la fórmula utilizada para aproximar a un sistema sobre-
amortiguado de segundo orden a través del método de Van Der Grinten es:
! !!"!.!
! ! = !"′
(!! ! + 1)(!! ! + 1) (2.4)
En donde los parámetros Kp, Td, y τ deben ser determinados en base a la respuesta al
escalón. Estos parámetros se ilustran gráficamente en la Figura 2.6.4.

Figura 2.6.4: Parámetros para la aproximación a un sistema sobre-amortiguado de segundo orden
• Para el parámetro Kp’ se determina en base al valor final que alcanza la

respuesta del sistema, por lo cual observando la grafica se puede concluir que:
23.83
!"′ = = 0.108318
220 (2.5)
Ya que la entrada escalón proporcionada al sistema tiene una amplitud de 220 voltios.
• Td es el tiempo de demora del sistema, en base a la respuesta al escalón

podemos decir que:
30
!" = 28 !"#$%&'!
(2.6)
Esto se puede observar de mejor manera en la Figura 2.6.5.

Figura 2.6.5: Tiempo de demora.
• τ es la constante de tiempo del sistema y se produce en el 63.2% del valor final

de la señal. Por lo tanto:
!! = 63.2%!" = 0.632 ∗ 23.83 = 15.06

(2.7)
De la Figura 2.6.4 podemos determinar el tiempo correspondiente para este valor
τ = 392
(2.8)
• La fórmula para aproximar depende del coeficiente “a” el cual se obtiene de la
respuesta al sistema:
1 ! !!".!
a= → ! ! = !"′
! τS + 1 (2.9)
a ∗ !" = 23.83 − 19.53

(2.10)
! = 0.180
• Adicionalmente calculamos los valores de τ1 y τ2 como sigue:
3!" − 1
τ! = τ ∗
1 + !" (2.11)
! !.!"# ∗ !.!" !!
τ! = 392 ∗ !! !.!"# ∗ !.!"
=123.15
31
1 − !"
τ! = τ ∗
1 + !" (2.12)
!! !.!"# ∗ !.!"
τ! = 392 ∗ !! !.!"# ∗ !.!" =134.425
Remplazando los valores encontrados tenemos:
1
G s = 0.1083 ∗
(123.15! + 1)(134.425 + 1) (2.13)
Por lo tanto la función de transferencia estimada para el lazo de temperatura es:
0.1083
G s =
16554.4! ! + 257.575! + 1 (2.14)
2.7 Identificación del sistema neumático de posicionamiento lineal en

bucle cerrado FESTO

De la misma manera que en el caso de identificación del lazo de flujo o presión del
MPS PA. Compact Workstation, el PRBS generado por este bloque entrega valores
entre cero y uno por lo tanto es necesario un escalamiento, obteniendo como resultado
los vectores de entrada y de salida para posteriormente ser procesados en la
herramienta Ident de Matlab® y finalmente obtener la función de transferencia estimada
del sistema neumático de posicionamiento lineal en bucle cerrado FESTO.
La configuración con mayor aproximación en el proceso de validación y que abarca la

mayoría de características dinámicas del sistema es generando 1024 muestras, el tiempo
de muestreo en 10ms, amplitud mínima del PRBS igual a tres voltios, y la amplitud
máxima del PRBS igual a siete voltios, de acuerdo a estas configuraciones se procede a
generar la señal PRBS mostrada en la Figura 2.7.1 y a su vez se obtiene el vector de
respuesta del sistema mostrado en la Figura 2.7.2 a lo largo de todo el rango de trabajo
del sistema.

Figura 2.7.1: Señal PRBS para sistema neumático de posicionamiento lineal en bucle cerrado FESTO.
32

Figura 2.7.2: Respuesta del sistema neumático de posicionamiento lineal en bucle cerrado FESTO.

Matlab®

Matlab®, siguiendo el mismo procedimiento utilizado para la identificación del lazo
de flujo o presión del MPS PA. Compact Workstation

Se realizaron varias pruebas con diferentes vectores de entrada – salida variando sus
parámetros característicos y configuración de la función de transferencia llegando a
determinar el porcentaje máximo de coincidencia (véase la Figura 2.7.3) con una
configuración de dos polos y un cero como se puede observar en la Tabla 2.5.1

1 0 70.63%
1 1 70.64%
2 0 80.65%
2 1 80.66%
2 2 80.87%
Matlab®
33

La función de transferencia aproximada de acuerdo a los datos ingresado para el sistema

neumático de posicionamiento lineal en bucle cerrado FESTO es:
3.87! + 2858
!(!) =
! ! + 29.67! + 35.83 (2.15)
2.8 Identificación del Pitch Rotor del Twin Rotor MIMO System
Para el caso de identificación del Pitch Rotor del Twin Rotor MIMO System se ha
optado por realizarla en un rango determinado de trabajo siendo este desde 0 radianes
hasta 0.4 radianes del ángulo de posición, esto con el objetivo de obtener una mayor
aproximación en el proceso de identificación, ya que mientras mas amplio es el rango
de trabajo menor es la coincidencia en el modelo estimado para el sistema, esto ocurre
por las características dinámicas no lineales del sistema.
Para el proceso de generación de la señal PRBS y el procedimiento a seguir sobre la

plataforma utilizada, referirse al anexo “Identificación de Pitch Rotor del Twin Rotor
MIMO System” en el cual se detalla los pasos a seguir para la puesta en marcha del
modelo de identificación creado en Simulink.
El proceso de identificación se realizó en un periodo de 100 segundos, con un tiempo de

muestreo de 100 milisegundos por lo cual se generará dos vectores de 1000 muestras
tanto de la señal PRBS (véase la Figura 2.8.1) y la respuesta del sistema a este estimulo
(véase la Figura 2.8.2). Una vez generado estos vector serán guardados en un archivo
“.mat” como se explica en la guía de identificación. Para el proceso de identificación se
utilizará la herramienta “N4SID” de Matlab® la cual estima el modelo en Espacio de
Estados.
34

Figura 2.8.1: Señal PRBS para identificación del Pitch Rotor.

Figura 2.8.2: Respuesta del Pitch Rotor a señal PRBS.

Una vez cargado los vectores de datos hacia el Workspace de Matlab® se ejecuta el
proceso de identificación mediante los comando mostrados en la Figura 2.8.3. Al
momento de ejecutar este script en el Command Window de Matlab® se solicitará
ingresar el porcentaje de datos a tomar del número total de muestras con el cual se
realizará la identificación, además se abrirá una ventana emergente en la cual se muestra
marcado de color rojo el orden del sistema con mayor aproximación como se puede
observar en la Figura 2.8.4, este orden se ingresará en el Command Window. De
acuerdo al rango de trabajo propuesto y los vectores de datos obtenidos se estima un
modelo de tercer orden.

Figura 2.8.3: Código implementado para identificación del Pitch Rotor.
35

Figura 2.8.4: Orden del modelo recomendado para el Pitch Rotor.

Del proceso de identificación mediante la herramienta N4SID se obtiene las matrices en
Espacio de Estados del sistema mostradas a continuación:

0.9871 −0.1924 −0.0016
! = 0.2112 0.9675 0.0572
0.0134 −0.1096 0.9173

−0.0004496
! = −0.0007052
−0.020851

! = 2.9163 −0.2684 −0.06637

!= 0

Además mediante el comando “campare” implementado en el script de la Figura 2.8.3
se realiza la validación de la estimación como se muestra en la Figura 2.8.5.

Figura 2.8.5: Validación del modelo de tercer orden del Pitch Rotor.
36
2.9 Identificación del Yaw Rotor del Twin Rotor MIMO System
Para el caso de identificación del Yaw Rotor del Twin Rotor MIMO System se ha
implementado una señal PRBS comprendida entre valores de +0.6 voltios a -0.6 voltios
lo cual permite una identificación en todo el rango de trabajo.
Para el proceso de generación de la señal PRBS y el procedimiento a seguir sobre la

plataforma utilizada, referirse al anexo “Identificación de Yaw Rotor del Twin Rotor
MIMO System” en el cual se detalla los pasos a seguir para la puesta en marcha del
modelo de identificación creado en Simulink.
El proceso de identificación se realizó en un periodo de 100 segundos, con un tiempo de

muestreo de 100 milisegundos por lo cual se generará dos vectores de 1000 muestras
tanto de la señal PRBS (véase la Figura 2.9.1) y la respuesta del sistema a este estimulo
(véase la Figura 2.9.2). Una vez generado estos vector serán guardados en un archivo
“.mat” como se explica en la guía de identificación. Para el proceso de identificación se
utilizará la herramienta “N4SID” de Matlab® la cual estima el modelo en Espacio de
Estados.

Figura 2.9.1: Señal PRBS para identificación del Yaw Rotor.

Figura 2.9.2: Respuesta del Yaw Rotor a señal PRBS.
37

Una vez cargado los vectores de datos hacia el Workspace de Matlab® se ejecuta el
proceso de identificación mediante los comando mostrados en laFigura 2.9.3. Al
momento de ejecutar este script en el Command Window de Matlab® se solicitará
ingresar el porcentaje de datos a tomar del número total de muestras con el cual se
realizará la identificación, además se abrirá una ventana emergente en la cual se muestra
marcado de color rojo el orden del sistema con mayor aproximación como se puede
observar en la Figura 2.9.4, este orden se ingresará en el Command Window. De
acuerdo al rango de trabajo propuesto y los vectores de datos obtenidos se estima un
modelo de segundo orden.

Figura 2.9.3: Código implementado para identificación del Yaw Rotor.

Figura 2.9.4: Orden del modelo recomendado para el Yaw Rotor.

Del proceso de identificación mediante la herramienta N4SID se obtiene las matrices en
Espacio de Estados del sistema mostradas a continuación:

0.0006 −0.5241
!=
0.5032 −0.1829

−0.0042
!=
−0.0291

! = 11.1475 −0.2741

!= 0

38
Además mediante el comando “campare” implementado en el script de la Figura 2.9.4

se realiza la validación de la estimación como se muestra en la Figura 2.9.5.

Figura 2.9.5: Validación del modelo de segundo orden del Yaw Rotor
39
CAPÍTULO 3. DISEÑO E IMPLEMENTACIÓN DE CONTROLADORES
CAPÍTULO 3
3 DISEÑO E IMPLEMENTACIÓN DE CONTROLADORES
3.1 Controladores PID

Un controlador PID (Proporcional-Integral-Derivativo) calcula el error entre el valor
deseado y el valor medido, de acuerdo a este error se aplicará una acción correctiva que
ajuste el proceso. En la Figura 3.1.1 se observa la estructura de un controlador PID en
donde la señal e representa la señal de error y u es la acción de control. Un controlador
PID en tiempo continuo esta descrito por la ecuación 3.1 (Kuo.B.C., 1996).

Figura 3.1.1: Diagrama de bloques de un controlador PID. (Jara Ortiz & Maldonado Achig, 2015)

1 !"(!)
!(!) = !! ! ! + ! ! !" + !!
!! !" (3.1)
3.1.1 Discretización de Euler (Haugen, 2010)

Para la implementación de un controlador PID mediante un computador es necesario
convertir la ecuación 3.1 a su equivalente en tiempo discreto, para cumplir con este
objetivo se emplea el método de discretización de Euler con aproximación rectangular
hacia atrás. (Carpio, 2013), (Idrovo Macancela & Peña Cañizares, 2014).

Figura 3.1.2: Método de discretización de Euler con aproximación rectangular hacia atrás. (Idrovo
Macancela & Peña Cañizares, 2014).
40
Considerando la Figura 3.1.2 la cual tiene una función continúa variante en el tiempo,
el método de Euler con aproximación rectangular hacia atrás, estima el área bajo la
curva mediante la siguiente formula:
! !!!! − !(!! )
! ! = (3.2)
!!

Para la representación discreta de la ecuación 3.1, se procede a derivar ambos lados de
la ecuación:
!!
! ! = !! ! ! + ! ! + !! !! !(!)
!! (3.3)
Aplicando la aproximación rectangular hacia atrás en la ecuación anterior, se obtiene lo

siguiente:
! !! − !(!!!! ) ! !! − !(!!!! ) !! ! !! − !(!!!! )

= !! + ! !! + !! !!
!! !! !! !!
! !! !!(!!!! ) ! !!!! !!(!!!! )

! !! !!(!!!! ) ! !! !!(!!!! ) !! !
!! !!
!!
= !! !!
+ !!
! !! + !! !! !!
!! !! !! !!
! !! − ! !!!! = !! ! !! − ! !!!! + ! !! + ! !! − 2! !!!! + ! !!!!
!! !!
!! !!
! !! ! = !!!! + !! ! !! − ! !!!! + ! !! + ! !! − 2! !!!! + ! !!!! (3.4)
!! !!
La ecuación 3.4 representa el controlador PID digital, la misma que será implementada
en LabView para el control de cada uno de los sistemas planteados en el presente
proyecto de titulación.
41
3.1.2 Sintonización de controladores PID en SISOTool de Matlab®

La herramienta SISOTool de Matlab® esta diseñada para la sintonización de
controladores PID de manera automática o gráfica mediante la variación del lugar
geométrico de raíces (Xue, Chen, & Atherton, 2007). A continuación en la Figura 3.1.3
se observa la ventana principal de Toolbox SISOTool.

Figura 3.1.3: Ventana Principal del Toolbox SISOTool de Matlab®.
3.1.3 Sintonización mediante el Lugar Geométrico de Raíces

El lugar geométrico de las raíces es una técnica de sintonización gráfica que consiste en
ubicar las raíces de la ecuación característica en el plano s para lograr la estabilidad de
un sistema, las raíces se deben localizar a la izquierda del plano complejo. (Idrovo
Macancela & Peña Cañizares, 2014), (Bober, Tsai, & Masory, 2009)
Si las raíces se encuentran en el eje real, el sistema no tendrá sobresalto, mientras que si
las raíces son complejas conjugadas, el sistema ante una entrada escalón presenta
oscilaciones (Idrovo Macancela & Peña Cañizares, 2014), (Bober, Tsai, & Masory,
2009).
3.1.4 Efectos de la adicción de polos

La adición de un polo a la función de transferencia en lazo abierto provoca el
desplazamiento del lugar de las raíces a la derecha, lo cual tiende a disminuir la
estabilidad relativa del sistema y el tiempo de asentamiento de la respuesta (Ogata,
Ingeniería de control moderno, 2003).
42
3.1.5 Efectos de adición de ceros

La adición de un cero a la función de transferencia en lazo abierto provoca el
desplazamiento del lugar de las raíces hacia la izquierda, lo cual tiende a hacer el
sistema mas estable, y se acelera el tiempo de asentamiento de la respuesta (Ogata,
Ingeniería de control moderno, 2003).

Nivel del MPS PA. Compact Workstation

Para la sintonización del controlador PID para el lazo de nivel mediante la herramienta
SISOTool de Matlab®, se procede a importar la función de transferencia de dicho lazo
(ecuación 2.1), estimada en el capítulo 2, para lo cual sobre el Command Window
ingresar el numerador y el denominador de la ecuación 2.1. Seguido a esto usar el
comando “tf” de Matlab® para crear la función de transferencia como se muestra en la
Figura 3.1.4.

Figura 3.1.4: Importación de Función de Transferencia del Lazo de Nivel del MPS PA. Compact
Workstation.

A continuación se procede a sintonizar el controlador PID de manera automática
mediante la función “PID Tuning” ubicada en la pestaña “Automated Tuning”. Una
vez sintonizado el compensador de manera automática se procede a manipular las raíces
según el comportamiento que queremos que adopte el sistema, esto se refiere a
parámetros como el tiempo de establecimiento, sobrepaso máximo y error en estado
estacionario. En la Figura 3.1.5 se observa la configuración de las raíces luego del
proceso de sintonización gráfica, además en la Figura 3.1.6 se muestra la respuesta al
escalón de la función de transferencia sintonizada y finalmente dando como resultado la
ecuación del compensador mostrado en la Figura 3.1.7.
43

Figura 3.1.5: Sintonización gráfica de Raíces del Controlador.

Figura 3.1.6: Respuesta al escalón del controlador PID sintonizado para el Lazo de Nivel.

Figura 3.1.7: Ecuación del compensador PID para el Lazo de Nivel sintonizado.
44
La ecuación del compensador para el lazo de nivel del MPS PA. Compact Workstation
se muestra en la ecuación 3.5, de la cual se obtiene las constantes del controlador
mostradas en la Tabla 3.1.1.
(1 + 69!)
! = 0.011803 ∗
! (3.5)

PARAMETROS DEL CONTROLADOR
Parámetro Valor
Proporcional (P) 0.011803
Integral (I) 0.814407
Derivativo (D) 0
Tabla 3.1.1: Parámetros del controlador PID para el Lazo de Nivel.
Simulación del controlador PID para Lazo de Nivel
El proceso de simulación para el lazo de nivel se lo realiza mediante la herramienta

Simulink de Matlab®, el diagrama de bloques implementado para la simulación se

Figura 3.1.8: Diagrama de bloques del controlador PID en Simulink del Lazo de Nivel.

Se deberá ingresar en los bloques los valores respectivos tanto para la función de
transferencia estimada de la planta (ecuación 2.1) como las constantes del controlador
PID sintonizado (Tabla 3.1.1), además se observa la generación de tres señales escalón
de diferente amplitud lo cual simula un cambio de referencia. La respuesta de esta
simulación es mostrada en la Figura 3.1.9, en donde se presenta las señales de
referencia y la respuesta del sistema.
45

Figura 3.1.9: Respuesta de la simulación del controlador PID para el Lazo de Nivel.
Implementación del controlador PID para el lazo de Nivel en LabView
Para la implementación de la ecuación 3.4, la cual pertenece a un controlador PID

discretizado se diseña un instrumento virtual (VI) en la plataforma de LabView. El
Front Panel del VI diseñado se muestra en la Figura 3.1.10.

Figura 3.1.10: Front Panel de VI para controlador PID para lazo de Nivel.

Este instrumento virtual para el controlador PID esta conformado por las secciones
listadas a continuación:
1. Slider para la modificación del Valor de la Referencia.

2. Visualización gráfica del Valor de la Variable de Proceso.
3. Visualización gráfica y numérica del Valor de Señal de Control.
4. Visualización numérica del Valor de referencia y de la Variable de Proceso.
46
5. Ingreso de los Valores de las constantes del controlador y el tiempo de

muestreo.
6. Visualización de los Valores de la referencia, sensor y error.
7. Visualización gráfica del Valor de Referencia y Variable de Proceso con
respecto al tiempo.
8. Botón de paro del proceso.
9. Comprobación gráfica de la conexión de la tarjeta EasyPort USB.
En la Figura 3.1.11 se muestra el diagrama de bloques implementado en LabView

para el controlador PID para el lazo de nivel.

Figura 3.1.11: Diagrama de Bloques del controlador PID para lazo de nivel.
El cual esta conformado por los procesos listados a continuación:
1. Inicialización del EasyPort USB.

2. Configuración de operación de la Bomba P101 y Válvula V106.
3. Adquisición del valor del sensor de Nivel.
4. Conversión de la señal del sensor a un valor de voltaje.
5. Obtención del valor de error.
6. Inicialización de las variables del controlador PID y tiempo de muestreo.
7. Implementación de la ecuación del PID Digital.
8. Envío del valor de control hacia la Válvula V101.
9. Gráfica de las variables del lazo de control.
10. Botón de Paro del proceso.
11. Desconexión de la Tarjeta EasyPort USB.
En la Figura 3.1.12 se presenta el funcionamiento del controlador PID sobre el lazo de

nivel implementado en un instrumento virtual de LabView.
47

Figura 3.1.12: Funcionamiento del controlador PID sobre el lazo de nivel.

Flujo del MPS PA. Compact Workstation

La sintonización del controlador PID para el lazo de flujo se realiza siguiendo el mismo
procedimiento efectuado sobre el lazo de nivel. En la Figura 3.1.13 se observa la
configuración de las raíces luego del proceso de sintonización gráfica, además en la
Figura 3.1.14 se muestra la respuesta al escalón de la función de transferencia
sintonizada y finalmente dando como resultado la ecuación del compensador mostrado
en la Figura 3.1.15.

48

Figura 3.1.14: Respuesta al escalón del controlador PID sintonizado para el Lazo de Flujo.

Figura 3.1.15: Ecuación del compensador PID para el Lazo de Flujo sintonizado.
La ecuación del compensador para el lazo de flujo del MPS PA. Compact Workstation
se muestra en la ecuación 3.6, de la cual se obtiene las constantes del controlador
(1 + 1.8! + 02!)
! = 0.0041501 ∗
! (3.6)
49

Parámetro Valor
Derivativo (D) 0
Tabla 3.1.2: Parámetros del controlador PID para el Lazo de Flujo.
Simulación del controlador PID para Lazo de Flujo
El proceso de simulación para el lazo de flujo se lo realiza mediante la herramienta


Figura 3.1.16: Diagrama de bloques del controlador PID en Simulink del Lazo de Flujo.

Figura 3.1.17: Respuesta de la simulación del controlador PID para el Lazo de Flujo.
50
Implementación del controlador PID para el lazo de Flujo en LabView

discretizado se diseña un instrumento virtual (VI) en la plataforma de LabView similar
al VI implementado para el lazo de nivel. En la Figura 3.1.18 se presenta el
funcionamiento del controlador PID sobre el lazo de flujo implementado en un
instrumento virtual de LabView.

Figura 3.1.18: Funcionamiento del controlador PID sobre el lazo de flujo.

Presión del MPS PA. Compact Workstation

La sintonización del controlador PID para el lazo de presión se realiza siguiendo el
mismo procedimiento efectuado sobre el lazo de nivel. En la Figura 3.1.19 se observa
la configuración de las raíces luego del proceso de sintonización gráfica, además en la
51


Figura 3.1.20: Respuesta al escalón del controlador PID sintonizado para el Lazo de Presión.

Figura 3.1.21: Ecuación del compensador PID para el Lazo de Presión sintonizado.
52
La ecuación del compensador para el lazo de presión del MPS PA. Compact
Workstation se muestra en la ecuación 3.7, de la cual se obtiene las constantes del
controlador mostradas en la Tabla 3.1.3.
(1 + 2.8! + 03!)
! = 0.003685 ∗
! (3.7)

Parámetro Valor
Derivativo (D) 0
Tabla 3.1.3: Parámetros del controlador PID para el Lazo de Presión.
Simulación del controlador PID para Lazo de Presión
El proceso de simulación para el lazo de presión se lo realiza mediante la herramienta


Figura 3.1.22: Diagrama de bloques del controlador PID en Simulink del Lazo de Presión.
53

Figura 3.1.23: Respuesta de la simulación del controlador PID para el Lazo de Presión.
Implementación del controlador PID para el lazo de Presión en LabView

funcionamiento del controlador PID sobre el lazo de presión implementado en un

Figura 3.1.24: Funcionamiento del controlador PID sobre el lazo de presión.
54
De la Figura 3.1.24 se puede observar el sobrepaso que existe, y no concuerda con la

respuesta al escalón mostrada en la Figura 3.1.23, esto ocurre porque el sensor de
presión empieza a captar la señal en el momento que el fluido pasa por el manómetro
provocando este salto de valor de presión en el sistema. Para evitar este salto se debe
tener un flujo mínimo a través de las tuberías que conforman el lazo de presión.

Temperatura del MPS PA. Compact Workstation

La sintonización del controlador PID para el lazo de temperatura se realiza siguiendo el
mismo procedimiento efectuado sobre el lazo de nivel. En la Figura 3.1.25 se observa
la configuración de las raíces luego del proceso de sintonización gráfica, además en la


Figura 3.1.26: Respuesta al escalón del controlador PID sintonizado para el Lazo de Temperatura.
55

Figura 3.1.27: Ecuación del compensador PID para el Lazo de Temperatura sintonizado.
La ecuación del compensador para el lazo de temperatura del MPS PA. Compact
Workstation se muestra en la ecuación 3.8, de la cual se obtiene las constantes del
controlador mostradas en la Tabla 3.1.4.
(1 + 19!)(1 + 1.8! + 02!)

! = 0.0978 ∗
! (3.8)

Parámetro Valor
Integral (I) 0.0978
Derivativo (D) 334.476
Tabla 3.1.4: Parámetros del controlador PID para el Lazo de Temperatura.
Simulación del controlador PID para Lazo de Temperatura
El proceso de simulación para el lazo de temperatura se lo realiza mediante la

herramienta Simulink de Matlab®, el diagrama de bloques implementado para la
simulación se muestra en la Figura 3.1.28.

Figura 3.1.28: Diagrama de bloques del controlador PID en Simulink del Lazo de Temperatura.
56
PID sintonizado (Tabla 3.1.4), además se observa la generación de dos señales escalón

Figura 3.1.29: Respuesta de la simulación del controlador PID para el Lazo de Temperatura.
Implementación del controlador PID para el lazo de Temperatura en LabView

funcionamiento del controlador PID sobre el lazo de temperatura implementado en un

Figura 3.1.30: Funcionamiento del controlador PID sobre el lazo de temperatura.
57

3.1.10 Diseño, Simulación e implementación de un controlador PID para el sistema de
posicionamiento lineal FESTO

La sintonización del controlador PID para el sistema neumático de posicionamiento
lineal FESTO se realiza siguiendo el mismo procedimiento efectuado sobre el lazo de
nivel del sistema MPS PA. Compact Workstation. En la Figura 3.1.31 se observa la


Figura 3.1.32: Respuesta al escalón del controlador PID sintonizado para el sistema neumático de
posicionamiento lineal.
58

Figura 3.1.33: Ecuación del compensador PID sintonizado para el sistema neumático de
La ecuación del compensador para el sistema neumático de posicionamiento lineal se

muestra en la ecuación 3.9, de la cual se obtiene las constantes del controlador
(1 + 27!)
! = 0.0024895 ∗
! (3.9)

Parámetro Valor
Derivativo (D) 0
Tabla 3.1.5: Parámetros del controlador PID para el sistema neumático de posicionamiento lineal.
Simulación del controlador PID para el sistema neumático de posicionamiento

lineal - FESTO
El proceso de simulación para el sistema de posicionamiento lineal se lo realiza

mediante la herramienta Simulink de Matlab®, el diagrama de bloques implementado
para la simulación se muestra en la Figura 3.1.34.
59

Figura 3.1.34: Diagrama de bloques del controlador PID en Simulink del sistema neumático de
transferencia estimada de la planta (ecuación 2.15), como las constantes del controlador

Figura 3.1.35: Respuesta de la simulación del controlador PID para el sistema neumático de
Implementación del controlador PID para el sistema de posicionamiento lineal

FESTO

funcionamiento del controlador PID sobre el sistema de posicionamiento lineal FESTO
implementado en un instrumento virtual de LabView.

60

Figura 3.1.36: Funcionamiento del controlador PID sobre el sistema neumático de posicionamiento
lineal.

3.1.11 Diseño e implementación de un controlador PID sobre el Pitch Rotor en el
sistema Twin Rotor MIMO System

La sintonización del controlador PID para el Pitch Rotor se realiza mediante la
herramienta SISOTool de Matlab®, se procede a importar la representación del sistema
en espacio de estados, estimada en el capítulo anterior, para lo cual el código
implementado para crear la función de transferencia a partir de su representación en
espacio de estados se muestra en la Figura 3.1.37.

Figura 3.1.37: Importación de matrices en espacio de estados del Pitch Rotor.

A continuación se procede a sintonizar el controlador PID de manera automática
mediante la función “PID Tuning” ubicada en la pestaña “Automated Tuning”. Una
vez sintonizado el compensador de manera automática se procede a manipular las raíces
según el comportamiento que queremos que adopte el sistema, esto se refiere a
parámetros como el tiempo de establecimiento, sobrepaso máximo y error en estado
estacionario. En la Figura 3.1.38 se observa la configuración de las raíces luego del
proceso de sintonización gráfica, además en la Figura 3.1.39 se muestra la respuesta al
escalón de la función de transferencia sintonizada y finalmente dando como resultado la
ecuación del compensador mostrado en la Figura 3.1.40.
61


Figura 3.1.39: Respuesta al escalón del controlador PID sintonizado para el Pitch Rotor.

Figura 3.1.40: Ecuación del compensador PID para el Pitch Rotor.
La ecuación del compensador para el pitch rotor del Twin Rotor MIMO System se
presentes en la Tabla 3.1.1.
62
(1 + 0.53! + (0.74!)! )
! = 9.9728 ∗
! (3.10)

Parámetro Valor
Integral (I) 9.9728
Tabla 3.1.6: Parámetros del controlador PID para el Pitch Rotor.
Implementación del controlador PID para el Pitch Rotor
Para la implementación de un controlador PID discretizado se diseña un modelo con

ayuda del Software “TRMS Simulink Models”. El modelo para el controlador se

Figura 3.1.41: Modelo de Simulink para controlador PID del Pitch Rotor.
Este modelo esta compuesto por los elementos:
• PCI 1711 Lab I/O Block Feedback Encoder (véase la Figura 3.1.42): es un
bloque universal de Feedback el cual lee dos valores de 16 bits, en este caso es
usado para la lectura de los sensores tanto del Pitch como del Yaw. Este bloque
tiene tres parámetros de configuración: el tiempo de muestreo, offset del canal 1
y offset del canal 2 (FEEDBACK, 1999).

63

Figura 3.1.42: Parámetros del Feedback Encoder.

• PCI 1711 Lab I/O Block Feedback DAC(véase la Figura 3.1.43): es el bloque
encargado de enviar las señales analógicas de voltaje hacia los actuadores del
sistema. Este bloque cuenta con dos parámetros los cuales son: el tiempo de
muestreo y el canal de salida el cual puede ser 1 o 2 según el actuador que se
quiera enviar la señal ya sea el Pitch o el Yaw (FEEDBACK, 1999).

Figura 3.1.43: Parámetros del Feedback DAC.
• Además se cuenta con un Slider de ganancia (véase la Figura 3.1.44) el cual

permite modificar la referencia del sistema.

Figura 3.1.44: Slider de Ganancia.
64
• El controlador se encuentra implementado mediante el bloque PID Cotnroller

(véase la Figura 3.1.45) el cual requiere ingresar los valores de las ganancias del
controlador.

Figura 3.1.45: Controlador PID para TRMS.

En la Figura 3.1.46 se presenta el funcionamiento del controlador PID sobre el Pitch
Rotor del Twin Rotor Mimo System implementado en Simulink.

Figura 3.1.46: Funcionamiento del controlador PID sobre el Pitch Rotor.

3.1.12 Diseño e implementación de un controlador PID sobre el Yaw Rotor en el
sistema Twin Rotor MIMO System

La sintonización del controlador PID para el Yaw Rotor se realiza siguiendo el mismo
procedimiento efectuado sobre el Pitch Rotor. En la Figura 3.1.47 se observa la
65

Figura 3.1.47: Sintonización gráfica de Raíces del Controlador para el Yaw Rotor.

Figura 3.1.48: Respuesta al escalón del controlador PID sintonizado para el Yaw Rotor.

Figura 3.1.49: Ecuación del compensador PID sintonizado para el Yaw Rotor.
66
La ecuación del compensador para el Yaw Rotor del Twin Rotor Mimo System se
(1 + 4.2! + (3.2!)! )
! = 0.49616 ∗
! (3.11)

Parámetro Valor
Tabla 3.1.7: Parámetros del controlador PID para el Yaw Rotor.

Implementación del controlador PID para el Yaw Rotor
Para la implementación de un controlador PID discretizado se diseña un modelo en

Simulink similar al modelo implementado para el Pitch Rotor para mas detalles referirse
al anexo “Controlador PID sobre el Yaw Rotor en el Twin Rotor Mimo System”. En la
Figura 3.1.50 se presenta el funcionamiento del controlador PID sobre el Yaw Rotor
del Twin Rotor Mimo System implementado en Simulink.

Figura 3.1.50: Funcionamiento del controlador PID sobre el Yaw Rotor.
67
3.2 Controladores en Espacio de Estados

3.2.1 Control en Espacio de Estados mediante la técnica de asignación de polos

Los conceptos con los que se trabaja en espacio de estados son las variables de entrada,
de salida y de estado, un sistema de control en tiempo discreto puede ser descrito por la
ecuación 3.12 (Domínguez, Campoy, Sebastián, & Jiménez, 2006).
! ! + 1 ! = !" !" + !"(!") (3.12)

en donde G y H son las denominadas matrices de estado y de entrada en tiempo
discreto, x(kT) indica el vector de estado, u(kT) es la señal de control y T representa el
período de muestreo (Jara Ortiz & Maldonado Achig, 2015).

De la misma manera la ecuación de salida puede expresarse como:

! !" = !" !" + !"(!!) (3.13)
en donde C es la matriz de salida y D es la matriz de transmisión directa, cuyas

dimensiones dependen del orden del sistema. Esta representación se muestra en el
diagrama de bloques de la Figura 3.2.1

Figura 3.2.1: Diagrama de bloques representado en espacio de estados. (Jara Ortiz & Maldonado Achig,
2015)
3.2.2 Método de asignación de polos

Los controladores en espacio de estados pueden diseñarse empleando el método de
realimentación del estado mediante la técnica de asignación de polos, a continuación se
desarrolla esta estrategia tomando como referencia (Jara Ortiz & Maldonado Achig,
2015) (Ogata, Sistemas de Control en Tiempo Discreto , 1996)

Para el diseño del observador en espacio de estados se requiere obtener la ley de control
u(k), esta se obtiene a partir de las ecuaciones 3.12 y 3.13 y aplicando la técnica de
realimentación de estados es posible expresar la ley de control a través de la expresión
mostrada en la ecuación 3.14. (Jara Ortiz & Maldonado Achig, 2015)
! !" = −!"(!") (3.14)
68

en donde el nuevo término K es el denominado vector de ganancias de realimentación
de estados. De la ecuación 3.14, la ley de control que gobernará al sistema, puede
obtenerse la realimentación negativa del vector de estados multiplicado por el vector K.
(Rodríguez & Bordóns, 2005)

La metodología aplicada para el cálculo de la ganancia K se basa en la asignación de
polos del sistema, la condición para aplicar este método es que el sistema sea
completamente controlable. Esta técnica se fundamenta en la obtención de la ecuación
del polinomio característico del sistema y del planteamiento de un polinomio deseado.
(Jara Ortiz & Maldonado Achig, 2015)

El polinomio característico de un sistema realimentado de orden n se determina a través
de la ecuación característica 3.15, la cual genera un polinomio de grado n.

|! ∗ ! − ! + ! ∗ !| = 0 (3.15)
Para el polinomio deseado se debe seleccionar adecuadamente los polos para que el
sistema responda adecuadamente, quedando el polinomio característico como se
muestra en la ecuación 3.16 (Jara Ortiz & Maldonado Achig, 2015).

! ! = ! − !! ∗ ! − !! ∗ … ∗ ! − !! (3.16)
En donde p! , p! , …, p! representan los polos impuestos para el sistema.

3.2.3 Observador de estados
Una vez obtenida la ley de control, el siguiente paso consiste en establecer las
ecuaciones y el modelo del observador de estados. La expresión matemática de un
observador de estados es mostrada en la ecuación 3.17 (Jara Ortiz & Maldonado Achig,
2015).

! ! + 1 = !! ! + !" ! + !! [! ! − !(!)] (3.17)

en donde x k es el valor estimado del estado, u (k) es la señal de control y y(k) indica
la salida estimada. K ! es el llamado vector de ganancias del observador y su ecuación
característica es:

! ∗ ! − ! + !! ∗ ! = 0 (3.18)

3.2.4 Sistema de seguimiento

El sistema de seguimiento tiene la función se insertar una variable de referencia al
sistema a través de un integrador KI. “El integrador añadido afecta el modelo
matemático del sistema en lazo cerrado de manera que se introduce un nuevo vector de
estado que integra la diferencia entre el vector de comando r y el vector de salida y”
(Ogata, Sistemas de Control en Tiempo Discreto , 1996).

69
De esta nueva configuración la ecuación de la acción de control es modificada como se

muestra en la ecuación 3.19. (Jara Ortiz & Maldonado Achig, 2015)

! !" = −!! ! ! + !! !(!) (3.19)
En donde el estado del integrador v(k) es descrito en la ecuación 3.20.

! ! = −! ! − 1 + ! ! − !(!) (3.20)

A continuación en la Figura 3.2.2 se muestra un controlador con realimentación de
estados empleando un observador para el proceso de estimación de los estados del
sistema. El observador corresponde a la sección inferior del diagrama, la realimentación
de estados mediante el bloque –K y el bloque KI representa el integrador para el sistema
de seguimiento.

Figura 3.2.2: Diagrama de bloques de un sistema controlado por realimentación del estado observado
y un sistema de seguimiento. (Jara Ortiz & Maldonado Achig, 2015)

3.2.5 Diseño, simulación e implementación de un controlador en Espacio de Estados
para el lazo de Flujo del MPS PA. Compact Workstation

En el diseño de controladores en espacio de estados es necesario comprobar la
controlabilidad y observabilidad del sistema, de acuerdo a lo planteado en el
presente proyecto de titulación es necesario obtener el modelo aumentado del
sistema con integrador embebido, además obtener las ganancias de los vectores
K1 y Ke del observador de estados. Cada uno de estos procesos se llevan a cabo con
ayuda del Software Matlab®. A continuación en la Figura 3.2.3 se muestra el
código implementado para la obtención de los parámetros del controlador.
Llegando a determinar la controlabilidad y observabilidad del sistema, los polos
planteados (p1, p2, p3) son de acuerdo al funcionamiento requerido del
controlador, para el cálculo de ganancias del observador se utiliza la función
“kalman” disponible en Matlab® la cual requiere los valores de las covariancias
que han sido determinadas en base a varias pruebas experimentales.
70

Figura 3.2.3: Código para diseño y cálculo de parámetros del controlador en espacio de estados para el
lazo de flujo.
Una vez obtenido estos parámetros es posible implementar el diagrama mostrado en la

Figura 3.2.2 para la simulación del controlador, a continuación en la Figura 3.2.4 se
muestra el diagrama implementado en Simulink para la simulación del controlador en
espacio de estados. De la cual se obtiene la respuesta del sistema como se muestra en la
Figura 3.2.5.

71

Figura 3.2.4: Diagrama de bloques del controlador en Espacio de Estados en Simulink del lazo de Flujo.

Figura 3.2.5: Respuesta de la simulación del controlador en espacio de estados para el lazo de flujo.
Implementación del controlador en Espacio de Estados sobre el lazo de flujo del

MPS PA. Compact Workstation.
La implementación del controlador en espacio de estados se realiza mediante un

instrumento virtual en el Software LabView, en el cual por medio de un Math script de
Matlab® se ejecuta diferentes cálculos entre los cuales se encuentra la transformación
de la de la función de transferencia a su representación en espacio de estados, se calcula
el vector de ganancias K1 en función de los polos deseados, el cálculo del vector de
ganancias Ke en función de las covarianzas del observador, además se realiza el cálculo
del modelo aumentado con integrador embebido entre otros cálculos necesarios para el
controlador. En la Figura 3.2.6 se observa el VI implementado para el controlador en
espacio de estados para el lazo de Flujo, mientras que en la Figura 3.2.7 se observa el
diagrama de bloques del controlador.

72

Figura 3.2.6: Instrumento Virtual para controlador en Espacio de Estado del lazo de Flujo.
A continuación se listan cada uno de los procesos que integran el instrumento virtual
para el control en espacio de estados:
1. Slider para la modificación del Valor de la Referencia.

2. Visualización de la Función de Transferencia del sistema.
3. Representación en espacio de estados de la función de transferencia.
4. Visualización gráfica del Valor de Referencia y Variable de Proceso con
respecto al tiempo.
5. Visualización gráfica del Valor de la señal de Control con respecto al tiempo.
6. Control numérico del tiempo de muestreo.
7. Comprobación gráfica de la conexión de la tarjeta EasyPort USB.
8. Vectores de ingreso y modificación de función de transferencia del sistema.
9. Control numérico para ingreso del tiempo de muestreo en segundos con el cual
se realizó el proceso de identificación del sistema.
10. Botón de paro de la plataforma de instrumentación para el controlador en
espacio de estados.
11. Control numérico para ingreso y modificación de covarianzas del observador.
12. Control numérico para Sintonización de polos deseados.
13. Visualizadores del tiempo de establecimiento (Ts) y sobrepaso máximo (Mp) en
función de los polos ingresados.
73

Figura 3.2.7: Diagrama de bloques del controlador en Espacio de Estados.
74

El diagrama de bloques del controlador en espacio de estados esta conformado por 5
secciones las cuales se ejecutan en secuencia, a continuación se detalla cada una de
ellas:
• Conexión con tarjeta EasyPort USB (véase la Figura 3.2.8): Mediante la

implementación de estos bloques se establece la comunicación entre el
computador y la Planta.

Figura 3.2.8: Diagrama de bloques de conexión PC - Tarjeta Easy Port USB.
• Activación de bomba “P101”, se escribe “1” lógico hacia la tarjeta de

comunicación el cual permite la activación de la bomba para un control
continuo de la misma (véase la Figura 3.2.9).

Figura 3.2.9: Activación de bomba P101.
• En la secuencia mostrada en la Figura 3.2.10 se realiza la lectura de la función

de transferencia previamente ingresada en el Front panel de la plataforma, el
tiempo de muestreo con el cual fue ejecutado el proceso de identificación, las
covarianzas del observador, los polos deseados conjugados en el polo 1 y polo 2,
el polo 3 tiene la función de insertar un integrador en el camino directo entre el
comparador de error y la planta convirtiendo al sistema en un servosistema de
tipo 1. Además se realiza la transformación de la función de transferencia a su
representación en espacio de estados, cálculo de el modelo aumentado con
integrador embebido del sistema y el cálculo del vector de ganancias del
observador.
75

Figura 3.2.10: Lectura de parámetros del sistema y representación en espacio de estados.
• En la sección mostrada en la Figura 3.2.11 se ejecuta la acción de control en

función de la lectura de los parámetros calculados previamente, el estado del
sistema y la señal de referencia.

Figura 3.2.11: Cálculo de la acción de control.
• Finalmente en la ultima secuencia se adquiere la señal del sensor de flujo y se

hace las conversiones necesarias para su uso. La señal de control generada en la
secuencia anterior será manipula con un valor analógico entre 0 a 10 Voltios,
cabe recalcar que al igual que el caso de los sensores es necesario realizar un
escalamiento antes de enviar estos valores de control al método ActiveX, para
los actuadores el valor analógico debe ser multiplicado por una constante 3276.7
(véase la Figura 3.2.12).
76

Figura 3.2.12: Lectura del estado del sistema y envío de la acción de control hacia el sistema.
En la Figura 3.2.13 se presenta el funcionamiento del controlador en espacio de estados

sobre el lazo de flujo implementado en un instrumento virtual de LabView.

Figura 3.2.13: Funcionamiento del controlador en Espacio de Estados sobre el lazo de flujo.

para el lazo de Presión del MPS PA. Compact Workstation

Para el diseño simulación e implementación del controlador en espacio de estados
para el lazo de Presión se realiza el mismo procedimiento efectuado sobre el lazo de
flujo. Por lo tanto es necesario obtener el modelo aumentado del sistema con
integrador embebido, además obtener las ganancias de los vectores K1 y Ke del
observador de estados. Cada uno de estos procesos se llevan a cabo con ayuda del
Software Matlab®. A continuación en la Figura 3.2.14 se muestra el código
implementado para la obtención de los parámetros del controlador. Llegando a
determinar la controlabilidad y observabilidad del sistema, los polos planteados
(p1, p2, p3) son de acuerdo al funcionamiento requerido del controlador, para el
cálculo de ganancias del observador se utiliza la función “kalman” disponible en
Matlab® la cual requiere los valores de las covariancias que han sido
determinadas en base a varias pruebas experimentales.

77

Figura 3.2.14: Código para diseño y cálculo de parámetros del controlador en espacio de estados para
el lazo de presión.

Figura 3.2.16.

Figura 3.2.15: Diagrama de bloques del controlador en Espacio de Estados en Simulink del lazo de
Presión.
78

Figura 3.2.16: Respuesta de la simulación del controlador en espacio de estados para el lazo de
presión.
Implementación del controlador en Espacio de Estados sobre el lazo de presión del

MPS PA. Compact Workstation.

Para la implementación de un controlador en espacio de estados se diseña un
instrumento virtual (VI) en la plataforma de LabView similar al VI implementado para
el lazo de flujo. En la Figura 3.2.17 se presenta el funcionamiento del controlador en
espacio de estados sobre el lazo de presión implementado en un instrumento virtual de
LabView.
Figura 3.2.17: Funcionamiento del controlador en Espacio de Estados sobre el lazo de presión.
De la Figura 3.2.17 se puede observar el sobrepaso que existe, y no concuerda con la

simulación mostrada en la Figura 3.2.16, esto ocurre porque el sensor de presión
empieza a captar la señal en el momento que el fluido pasa por el manómetro
provocando este salto de valor de presión en el sistema. Para evitar este salto se debe
tener un flujo mínimo a través de las tuberías que conforman el lazo de presión.
79

sobre el sistema de posicionamiento lineal – FESTO.

Para el diseño simulación e implementación del controlador en espacio de estados
para el sistema de posicionamiento lineal de FESTO se realiza el mismo
procedimiento efectuado sobre el lazo de flujo del MPS PA. Compact Workstation. Por
lo tanto es necesario obtener el modelo aumentado del sistema con integrador
embebido, además obtener las ganancias de los vectores K1 y Ke del observador de
estados. Cada uno de estos procesos se llevan a cabo con ayuda del Software
Matlab®. A continuación en la Figura 3.2.18 se muestra el código implementado
para la obtención de los parámetros del controlador. Llegando a determinar la
controlabilidad y observabilidad del sistema, los polos planteados (p1, p2, p3) son
de acuerdo al funcionamiento requerido del controlador para mas detalles
referirse al anexo “Controlador en espacio de estados sobre la planta de
posicionamiento lineal-FESTO”, para el cálculo de ganancias del observador se
utiliza la función “kalman” disponible en Matlab® la cual requiere los valores de
las covariancias que han sido determinadas en base a varias pruebas
experimentales.

el sistema de posicionamiento lineal de FESTO.

80

Figura 3.2.20.

Figura 3.2.19: Diagrama de bloques del controlador en Espacio de Estados en Simulink para sistema de
posicionamiento lineal FESTO.

Figura 3.2.20: Respuesta de la simulación del controlador en espacio de estados para sistema de
Implementación del controlador en Espacio de Estados sobre el sistema de

posicionamiento lineal – FESTO.

Para la implementación de un controlador en espacio de estados se diseña un
instrumento virtual (VI) en la plataforma de LabView similar al VI implementado para
el lazo de flujo. En la Figura 3.2.21 se presenta el funcionamiento del controlador en
espacio de estados sobre el lazo de presión implementado en un instrumento virtual de
LabView.
81
Figura 3.2.21: Funcionamiento del controlador en Espacio de Estados sobre el sistema de


Pitch Rotor del Twin Rotor Mimo System.

Para el diseño de uno controlador en espacio de estados sobre el Pitch Rotor del
Twin Rotor Mimo System es necesario obtener el modelo aumentado del sistema
con integrador embebido, además obtener las ganancias de los vectores K1 y Ke
del observador de estados. Cada uno de estos procesos se llevan a cabo con ayuda
del Software Matlab®. A continuación en la Figura 3.2.22 se muestra el código
implementado para la obtención de dichos parámetros del controlador. Llegando a
(p1, p2, p3, p4) son de acuerdo al funcionamiento requerido del controlador para
mas detalles referirse al anexo “Controlador en espacio de estados sobre Pitch
Rotor en el Twin Rotor Mimo System”, para el cálculo de ganancias del observador
se utiliza la función “kalman” disponible en Matlab® la cual requiere los valores de
las covariancias que han sido determinadas en base a varias pruebas
experimentales.

el Pitch Rotor.
82
Los coeficientes a los cuales se hace referencia en la Figura 3.2.22 son las matrices en
espacio de estados obtenidas en el proceso de identificación de la página 36. Una vez
obtenido estos parámetros es posible implementar el controlador en un modelo de
Simulink como se muestra en la Figura 3.2.23. De la cual se obtiene la respuesta del
sistema como se muestra en la Figura 3.2.24.

Figura 3.2.23: Implementación del controlador en Espacio de Estados en Simulink sobre el Pitch Rotor
del Twin Rotor Mimo System.

Figura 3.2.24: Funcionamiento del controlador en Espacio de Estados sobre Pitch Rotor del Twin Rotor
Mimo System.

Yaw Rotor del Twin Rotor Mimo System.

Para el diseño de uno controlador en espacio de estados sobre el Yaw Rotor del
Twin Rotor Mimo System es necesario obtener el modelo aumentado del sistema
con integrador embebido, además obtener las ganancias de los vectores K1 y Ke
del observador de estados. Cada uno de estos procesos se llevan a cabo con ayuda
del Software Matlab®. A continuación en la Figura 3.2.25 se muestra el código
implementado para la obtención de dichos parámetros del controlador. Llegando a
(p1, p2, p3) son de acuerdo al funcionamiento requerido del controlador para mas
83
detalles referirse al anexo “Controlador en espacio de estados sobre Yaw Rotor en

el Twin Rotor Mimo System”, para el cálculo de ganancias del observador se utiliza
la función “kalman” disponible en Matlab® la cual requiere los valores de las
covariancias que han sido determinadas en base a varias pruebas experimentales.

el Yaw Rotor.
Los coeficientes a los cuales se hace referencia en la Figura 3.2.25 son las matrices en
espacio de estados obtenidas en el proceso de identificación de la página 38. Una vez
obtenido estos parámetros es posible implementar el controlador en un modelo de
Simulink como se muestra en la Figura 3.2.26. De la cual se obtiene la respuesta del
sistema como se muestra en la Figura 3.2.27.

Figura 3.2.26: Implementación del controlador en Espacio de Estados en Simulink sobre el Yaw Rotor
del Twin Rotor Mimo System.
84

Figura 3.2.27: Funcionamiento del controlador en Espacio de Estados sobre Yaw Rotor del Twin Rotor
Mimo System.
3.3 Controlador Predictivos Basado en Modelo (MPC)
3.3.1 Control Predictivo Basado en Modelo (MPC)
Control Predictivo basado en Modelo (véase la Figura 3.3.2) es considerado una técnica
de control avanzado de optimización de la acción de control, esta acción está
relacionada con el comportamiento futuro del sistema a lo largo de un horizonte de
tiempo (véase la Figura 3.3.1). El diseño del MPC se fundamenta en base a tres
parámetros: el modelo de predicción, la función de coste y la optimización. (Rodríguez
Ramírez, 2005) (Jara Ortiz & Maldonado Achig, 2015)

Figura 3.3.1: Idea de Control Predictivo. (Zambrano & Gonzáles, 2013)
Horizonte de predicción es denominado al intervalo de tiempo futuro que se considere

en la optimización. El comportamiento futuro del sistema dependerá de las actuaciones
que se aplican a lo largo del horizonte de predicción. (Domínguez Frejo, 2011)
85
Modelo de predicción: es el modelo matemático que describe el comportamiento

esperado del sistema. (Domínguez Frejo, 2011)
Función de coste: La función de coste indica el criterio a optimizar, expresa el coste

asociado a una determinada evolución del sistema a lo largo del horizonte de predicción
Np. (Domínguez Frejo, 2011)
Optimización: se trata de aproximar lo más cerca posible la salida predicha a una señal
de referencia r dentro de un horizonte de predicción. La optimización se debe realizar en
cada instante, tomando en cuenta las actuaciones a lo largo del horizonte de control.
Una vez obtenida la solución, según la estrategia del horizonte deslizante, se aplica la
actuación obtenida para el instante siguiente y se vuelve a resolver en el siguiente
periodo de muestreo. (Jara Ortiz & Maldonado Achig, 2015) (Domínguez Frejo, 2011)

Figura 3.3.2: Estructura general de controladores predictivos. (Rodríguez Ramírez, 2005)
3.3.2 Formulación matemática utilizando espacio de estados

De acuerdo a (Zambrano & Gonzáles, 2013) la formulación matemática de un
controlador predictivo basado en modelo (MPC) se describe a continuación:
La formulación del MPC en espacio de estados (véase las ecuaciones 3.21 y 3.22) debe
partir de un modelo con integrador embebido para garantizar un error en estado
estacionario nulo. Este modelo se ve representado a través de las ecuaciones 3.23 y
3.24. Para mayores se puede consultar (Maciejowski, 2002) y (Wang, 2009). En estas
ecuaciones Ae, Be y Ce son las matrices del modelo aumentado, om es una matriz de
ceros con longitud igual al orden del sistema.

! ! + 1 = !" ! + !"(!) (3.21)

! ! = !" ! + !"(!) (3.22)

86
!(!!!) !! !(!) !!
Δ!(! + 1) ! !
!! ∆!(!) ! (3.23)
= + ∆!(!)
!(!) !" 1 !(!) !"

!!
∆!(!)
!(!) = !! 1 (3.24)
!(!)

A partir del modelo aumentado se calcula las predicciones de estado y de salida para el
instante presente ki. El conjunto de predicciones de estado se muestran en las
ecuaciones 3.25, 3.26 y 3.27.
! !! + 1|!! = !! ! !! + !! ∆!(!! ) (3.25)

! !! + 2|!! = !!! ! !! + !! !! ∆! !! + !! ∆! !! + 1 (3.26)

! !! + !|!! = !! ! ! !! + !!
!!!
!! ∆! !! + !!!!
! !! ∆! !! + ! − 1 (3.27)

Donde M y N son los horizontes de control y predicción respectivamente. El mismo
criterio puede ser utilizado para obtener las predicciones de salida.

! !! + 1|!! = !! !! ! !! + !! !! ∆! !! (3.28)

! !! + 2|!! = !! !!! ! !! + !! !! !! ∆! !! + !! ∆! !! + 1 (3.29)

! !! + !|!! = !! !! ! ! !! + !! !!
!!!
!! ∆! !! + !! !!!!
! !! ∆! !! + 1
!!! (3.30)
+ !! !! !! ∆! !! + ! − 1

El conjunto de predicciones de salida puede ser representado por la ecuación 3.31.
Donde las matrices F y Φ (véase las ecuaciones 3.32 y 3.33) son constantes que se
formulan en base a las matrices del modelo aumentado.

! = !" !! + Φ∆U (3.31)

!! !!
!! !!!
! = !! !!! (3.32)
⋮
!! !!!

!! !! 0 ⋯ 0
!! !! !! !! !! ⋯ 0
Φ = !! !! !! ! !! !! !! ⋯ 0 (3.33)
⋮ ⋮ ⋯ ⋮
!! !!!!
! !! !! !!!!
! !! ⋯ !! !!!!! !!

Optimización
Con las matrices F y Φ se puede abordar el problema de optimización utilizando una
función de costo J (véase la ecuación 3.34).

! !, ! = !" − ! ! !" − ! + ∆! ! !∆! (3.34)
87

Esta función minimiza el error entre la salida predicha y el punto de ajuste Rs teniendo
en consideración los incrementos de la señal ∆U. R es un parámetro de sintonía que da
atención a los incrementos de control ∆U. Cuando no existen restricciones la función de
coste puede ser derivada e igualada a cero para despejar ∆U. El resultado de este
procedimiento se muestra en la ecuación 3.35.

∆! = !Φ! !". ! !! − !"(!! ) (3.35)

Donde H = (Φ! Φ + R)!! se la conoce como matriz hessiana. La dimensión de ∆U
depende del horizonte de control y únicamente el primer término del vector debe ser
enviado a la planta.
3.3.3 Control Predictivo Basado en Modelo sobre lazo de Nivel del MPS PA.
Compact Workstation.

Para la implementación de un controlador MPC se ha diseñado un Instrumento Virtual
sobre el software de LabView el cual mediante un Math Script de Matlab® resuelve la
formulación matemática del controlador de acuerdo a la función de transferencia y de
los parámetros sintonizados del controlador. En la Figura 3.3.3 se muestra el VI
diseñado para el desarrollo de un controlador MPC, mientras que en la Figura 3.3.4 se
muestra el diagrama de bloques del instrumento virtual.

Figura 3.3.3: Front Panel del VI para controlador MPC sobre lazo de nivel.
El Front Panel del instrumento virtual esta conformado por los elementos listados a
continuación:
88
1. Control numérico para ingreso y modificación de parámetros de sintonización.

2. Control numérico para ingreso y modificación de covarianzas del observador.
3. Representación de función de transferencia del sistema.
4. Representación de función de transferencia en espacio de estados.
5. Vectores de ingreso y modificación de función de transferencia del sistema.
6. Slider para modificar la referencia del sistema.
7. Control numérico para ingreso del tiempo de muestreo en milisegundos.
8. Control numérico para ingreso del tiempo de muestreo en segundos con el cual
se realizó el proceso de identificación del sistema.
9. Visualizador gráfico de referencia y la respuesta del sistema a la señal de
control.
10. Visualizador gráfico de la señal de control.
11. Botón de paro de la plataforma de instrumentación para el controlador MPC.
89

Figura 3.3.4: Diagrama de bloques del controlador MPC para lazo de nivel.
90
El diagrama de bloques mostrado en la Figura 3.3.4 esta conformado por 6 secciones

las cuales se ejecutan en secuencia, a continuación se detalla cada una de ellas:
• Conexión con tarjeta Easy Port USB (véase la Figura 3.3.5): Mediante la
implementación de estos bloques se establece la comunicación entre el
computador y la Planta.

Figura 3.3.5: Diagrama de bloques de conexión PC-Tarjeta Easy Port USB.
• Activación de bomba “P101”, se escribe “1” lógico hacia la tarjeta de

comunicación el cual permite la activación de la bomba para un control
continuo de la misma (véase la Figura 3.3.6).

Figura 3.3.6: Activación de bomba P101.
• En la secuencia mostrada en la Figura 3.3.7 se lee la función de transferencia

previamente ingresada en el Front panel de la plataforma. Además se realiza la
transformación de la función de transferencia a su representación en espacio de
estados, además se obtiene el modelo aumentado con integrador embebido.

Figura 3.3.7: Cálculo del modelo aumentado del sistema.
• En la sección mostrada en la Figura 3.3.8 se procede a leer cada uno de los

parámetros de sintonización elegidos, entre los cuales se encuentra el horizonte
de predicción (Np), horizonte de control (Nc), parámetro de penalización (rw) y
las covarianzas necesarias para calcular el observador mediante un filtro de
91
Kalman. Como respuesta se obtendrá los vectores necesarios para la acción de

control predictivo que serán utilizados en la siguiente secuencia.

Figura 3.3.8: Cálculo de F, Phi y ganancias del observador.
• En la sección mostrada en la Figura 3.3.9 se ejecuta la acción de control en

función de la lectura de los parámetros calculados previamente, el estado del
sistema y la señal de referencia.

Figura 3.3.9: Cálculo de la acción de control para MPC.
92
• Finalmente en la ultima secuencia se adquiere la señal del sensor de nivel y se

hace las conversiones necesarias para su uso. La señal de control generada en la
secuencia anterior será manipula con un valor analógico entre 0 a 10 Voltios,
cabe recalcar que al igual que el caso de los sensores es necesario realizar un
escalamiento antes de enviar estos valores de control al método ActiveX, para
los actuadores el valor analógico debe ser multiplicado por una constante 3276.7
(véase la Figura 3.3.10).

Figura 3.3.10: Lectura del estado del sistema y envío de la acción de control hacia la bomba P101.
Parámetros de Sintonización
De la Figura 3.3.11 a la Figura 3.3.14 se muestra un resumen de los resultados

obtenidos para distintos valores de Np, Nc y rω.

Figura 3.3.11: Funcionamiento del MPC sobre lazo de nivel para valores: Np=1000, Nc=4 y rw=10.
93

Figura 3.3.12: Funcionamiento del MPC sobre lazo de nivel para valores: Np=100, Nc=2 y rw=0.2.



De los resultados obtenidos se puede determinar que el parámetro con mayor influencia
sobre la acción de control es rω (penalización), se puede observar que mientras mayor
es este parámetro la acción de control actúa mas lentamente, y si este parámetro es muy
pequeño provoca cambios muy rápidos y bruscos sobre la señal de control como se
94
observa en la Figura 3.3.13. Por lo tanto en función de estas pruebas se llega a

determinar que los mejores parámetros del controlador MPC para el lazo de nivel son:
Np = 10
Nc = 2
rω = 0.001
Se debe recordar que el aumento de estos parámetros provoca una mayor demanda de
recursos del computador y tiempo de procesamiento ya que las ecuaciones establecidas
en el script de Matlab® se basan en un cálculo matricial que depende del tamaño de los
parámetros elegidos.
3.3.4 Control Predictivo Basado en Modelo sobre lazo de Flujo del MPS PA.

Para la implementación de un controlador MPC sobre el lazo de Flujo se ha realizado un
instrumento virtual similar al mostrado para el lazo de Nivel el cual mediante un Math
Script de Matlab® resuelve la formulación matemática del controlador de acuerdo a la
función de transferencia y de los parámetros sintonizados del controlador.

Figura 3.3.15: Funcionamiento del MPC sobre lazo de flujo para valores: Np=20, Nc=2 y rw=10.
95


Figura 3.3.17: Funcionamiento del MPC sobre lazo de flujo para valores: Np=10, Nc=2 y rw=0.1.

96
De los resultados obtenidos se puede determinar que los mejores parámetros del
controlador MPC para el lazo de flujo son (véase la Figura 3.3.18):
Np = 10
Nc = 2
rω = 1

3.3.5 Control Predictivo Basado en Modelo sobre lazo de Presión del MPS PA.

Para la implementación de un controlador MPC sobre el lazo de Presión se ha realizado
un instrumento virtual similar al mostrado para el lazo de Nivel el cual mediante un
Math Script de Matlab® resuelve la formulación matemática del controlador de acuerdo
a la función de transferencia y de los parámetros sintonizados del controlador.


Figura 3.3.19: Funcionamiento del MPC sobre lazo de presión para valores: Np=1000, Nc=10 y rw=0.3.

97


controlador MPC para el lazo de presión son (véase la Figura 3.3.21):
Np = 10
Nc = 2
rω = 0.3
3.3.6 Control Predictivo Basado en Modelo sobre lazo de Temperatura del MPS PA.

Para la implementación de un controlador MPC sobre el lazo de Temperatura se ha
realizado un instrumento virtual similar al mostrado para el lazo de Nivel el cual
mediante un Math Script de Matlab® resuelve la formulación matemática del
controlador de acuerdo a la función de transferencia y de los parámetros de
sintonización del controlador.
Ya que el proceso de control del lazo de Temperatura toma periodos extensos de tiempo
se requiere que el parámetro de penalización rω sea pequeño para que la respuesta del
controlador sea inmediata si la temperatura del sistema es superior a la referencia.
Además se debe recordar que el aumento del horizonte de control y horizonte de
predicción provoca una mayor demanda de recursos del computador y tiempo de
procesamiento ya que las ecuaciones establecidas en el script de Matlab® se basan en
un cálculo matricial que depende del tamaño de los parámetros elegidos.
De acuerdo a esto, los parámetros de sintonización del controlador MPC para el lazo de
temperatura son:
Np = 10
Nc = 2
rω = 0.0000002
98
En la Figura 3.3.22 se obtiene la respuesta del sistema al escalón de acuerdo a los

parámetros de sintonización elegidos.

Figura 3.3.22: Funcionamiento del MPC sobre lazo de temperatura para valores: Np=10, Nc=2 y
rw=0.0000002.
3.3.7 Control Predictivo Basado en Modelo sobre sistema de posicionamiento lineal

FESTO.

Para la implementación de un controlador MPC sobre el sistema de posicionamiento
lineal de FESTO se ha realizado un instrumento virtual similar al mostrado para el lazo
de Nivel el cual mediante un Math Script de Matlab® resuelve la formulación
matemática del controlador de acuerdo a la función de transferencia y de los parámetros
sintonizados del controlador.


Figura 3.3.23: Funcionamiento del MPC sobre lazo sistema de posicionamiento lineal para valores:
Np=100, Nc=5 y rw=80000.
99

Np=50, Nc=5 y rw=1000.

Np=50, Nc=5 y rw=20000.

controlador MPC para el sistema de posicionamiento lineal son (véase la Figura
3.3.25):
Np = 50
Nc = 5
rω = 20000
Se puede observar la presencia de pequeñas oscilaciones constantes esto se debe al

sobre impulso que se genera en la salida del sistema, este impulso de tensión ocasiona
una desestabilización de la válvula proporcional y por lo tanto del sistema en general.
Se debe recordar que el aumento de los parámetros de sintonización del controlador
provoca una mayor demanda de recursos del computador y tiempo de procesamiento ya
que las ecuaciones establecidas en el script de Matlab® se basan en un cálculo matricial
que depende del tamaño de los parámetros elegidos.
100
3.3.8 Control Predictivo Basado en Modelo sobre el Pitch Rotor del Twin Rotor
Mimo System.

Para la implementación de un controlador MPC se ha diseñado un Modelo sobre el
software de Simulink el cual mediante una función embebida de Matlab® resuelve la
formulación matemática del controlador de acuerdo a la representación del sistema en
espacio de estados y de los parámetros sintonizados del controlador. En la Figura
3.3.26 se muestra el modelo diseñado para el desarrollo de un controlador MPC,
mientras que en la Figura 3.3.27 se muestra la función embebida de Matlab® para la
resolución matemática del controlador.

Figura 3.3.26: MPC del Pitch Rotor implementado en Simulink.

Figura 3.3.27: Función embebida del controlador MPC sobre el Pitch Rotor.
101


Figura 3.3.28: Funcionamiento del MPC sobre el Pitch Rotor para valores: Np=9, Nc=4 y rw=25000000.


102
controlador MPC para el Pitch Rotor son (véase la Figura 3.3.30):
Np = 9
Nc = 4
rω = 20000000
Se puede observar la presencia de pequeñas oscilaciones constantes esto se debe a las

características dinámicas no lineales propias del sistema. Se debe recordar que el
aumento de los parámetros de sintonización del controlador provoca una mayor
demanda de recursos del computador y tiempo de procesamiento ya que las ecuaciones
establecidas en el script de Matlab® se basan en un cálculo matricial que depende del
tamaño de los parámetros elegidos.

3.3.9 Control Predictivo Basado en Modelo sobre el Yaw Rotor del Twin Rotor
Mimo System.

Para la implementación de un controlador MPC se ha diseñado un Modelo sobre el
software de Simulink el cual mediante una función embebida de Matlab® resuelve la
formulación matemática del controlador de acuerdo a la representación del sistema en
espacio de estados y de los parámetros sintonizados del controlador. En la Figura
3.3.31 se muestra el modelo diseñado para el desarrollo de un controlador MPC,
mientras que en la Figura 3.3.32 se muestra la función embebida de Matlab® para la
resolución matemática del controlador.

Figura 3.3.31: MPC del Yaw Rotor implementado en Simulink.
103

Figura 3.3.32: Función embebida del controlador MPC sobre el Yaw Rotor.


Figura 3.3.33: Funcionamiento del MPC sobre el Yaw Rotor para valores: Np=9, Nc=4 y rw=850000.
104


controlador MPC para el Yaw Rotor son (véase la Figura 3.3.35):
Np = 9
Nc = 4
rω = 350000
Se debe recordar que el aumento de los parámetros de sintonización del controlador

provoca una mayor demanda de recursos del computador y tiempo de procesamiento ya
que las ecuaciones establecidas en el script de Matlab® se basan en un cálculo matricial
que depende del tamaño de los parámetros elegidos.
105
CAPÍTULO 4. ELABORACIÓN Y VALIDACIÓN DE GUÍAS
CAPÍTULO 4
4 ELABORACIÓN Y VALIDACIÓN DE GUÍAS

4.1 Estructura de las guías de laboratorio

Para un correcto entendimiento y desarrollo de las prácticas de laboratorio las guías
cuentan con las secciones listadas a continuación:

• Presentación de la práctica.- Contiene el tema que se aborda dentro de la
práctica.
• Objetivos.- Se establece el objetivo general y los objetivos específicos que se

persigue en el desarrollo de la práctica, estos están en función del contenido de
la misma.
• Requisitos previos.- Se especifican los requerimientos necesarios para realizar la

práctica, como el desarrollo de prácticas previas necesarias para la elaboración
de los procesos de control.
• Equipos, instrumentos y software.- Se enumeran los elementos a manipular para

realizar el trabajo propuesto.
• Exposición.- En esta sección se desarrolla un resumen de la teoría que debe

conocerse para la elaboración de la práctica.
• Procedimiento.- Se explica el procedimiento a desarrollarse a lo largo de la

práctica para el cumplimiento de los objetivos planteados.
• Análisis y Resultados.- En esta sección se especifican y se analiza los datos

solicitados durante el desarrollo de la práctica.
• Conclusiones y recomendaciones.- Producto del desarrollo de la práctica se

obtendrá observaciones y conclusiones del trabajo realizado en función de los
objetivos planteados.
• Referencias.- En este apartado se referencian las fuentes de donde se ha tomado

información que haya servido para el desarrollo de la práctica.
106
4.2 Proceso de validación

Una vez terminado el desarrollo de cada una de las prácticas, estas pasaron por un
proceso de verificación y corrección realizada por parte del tutor del proyecto de
titulación, para luego su posterior validación con. Este proceso de validación servirá
como retroalimentación, para las respectivas correcciones en cada una de las práctica.
Para realizar la validación se trabajó con un grupo de estudiantes de la carrera de

ingeniería electrónica de la Universidad Politécnica Salesiana sede Cuenca, los mismos
que desarrollaron las prácticas y por medio de una encuesta dieron a conocer su opinión
sobre las mismas.
La cuantificación de los resultados de las encuestas se realiza mediante el método de

Likert (ESTRADA & Roca, 2002) (Escobar Hinojosa & Domínguez Crespo, 2015), el
cual contiene un conjunto de preguntas para valorar la actitud de los encuestados
referente a una temática. Los indicadores planteados para la evaluación de las prácticas
de laboratorio son:
• Totalmente en desacuerdo
• En desacuerdo
• Ni de acuerdo ni desacuerdo
• De acuerdo
• Totalmente de acuerdo
La encuesta es entregada a cada uno de los estudiantes al momento de finalizar la

práctica, es anónima y se centra en 3 aspectos de la práctica: visual, procedimental y
consecución de objetivos; mediante los cuales se puede determinar los obstáculos
encontrados y ejecutar las correcciones necesarias. Estas preguntas se pueden observar
en la Tabla 4.2.1 y el modelo de encuesta en el anexo 1.
Aspecto Pregunta
El tipo de letra, redacción y ortografía permiten una lectura fluida
y comprensible de la práctica.
Las imágenes presentadas en el documento son de utilidad al
Visual
momento del desarrollo de la práctica.
La resolución de las imágenes es adecuada para una correcta
interpretación de los procedimientos.
La sección de exposición aporta con la información necesaria
para el desarrollo de la práctica.
La información de la práctica se encuentra desarrollada de forma
clara, comprensible y manteniendo una secuencia lógica.
Procedimental Los materiales, equipos y software necesarios para la práctica
estaban disponibles en el laboratorio.
Los temas abordados por la práctica corresponden al nivel de
estudio en el que se encuentra.
El tiempo para el desarrollo de la práctica fue el adecuado.
Los objetivos planteados en la práctica se cumplieron con
Consecución de
satisfacción.
objetivos
La práctica proporcionada propone acciones o procedimientos
107
que promueven procesos de aprendizaje (Investigar, analizar,

deducir, observar).
El desarrollo de la práctica permite potenciar las destrezas del
estudiante adquiridas en el transcurso de sus estudios.
Tabla 4.2.1: Preguntas para la evaluación de las prácticas (Escobar Hinojosa & Domínguez Crespo, 2015).
Además se establece un espacio de opinión que permita a los estudiantes tener un

acercamiento hacia sus necesidades y ofrecer sus opiniones y observaciones. El
proceso de evaluación se detalla en la sección 4.3 en la cual se utiliza una gráfica
100% apilada, que indica las respuestas favorables y desfavorables de cada
pregunta. Las prácticas se consideran validadas con un porcentaje igual o mayor al
80% en resultados favorables en cada una de las preguntas y se haya trabajado
sobre sus observaciones.
4.3 Evaluación del desarrollo de las prácticas propuestas

4.3.1 Evaluación de la práctica 1.
Esta práctica fue realizada con 5 estudiantes, en la Figura 4.3.1 se muestra de forma
porcentual los resultados de acuerdo a la encuesta mostrada en la Tabla 4.3.1, en donde
cada pregunta fue valorada favorablemente lo que permite dar por validada la práctica.

Validación
Totalmente en En Ni acuerdo ni Totalmente
Numero de De acuerdo
desacuerdo desacuerdo desacuerdo de acuerdo
pregunta (%)
(%) (%) (%) (%)
1 0 0 0 20 80
2 0 0 0 20 80
3 0 0 0 0 100
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 40 60
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
Tabla 4.3.1: Resultados de validación de la práctica 1.
108

100%
90%
80%
70%
60%
50%
40%
30% Valoración favorable
20%
10% Valoración desfavorable
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8

Figura 4.3.1: Evaluación de la práctica 1.

cada pregunta fue valorada favorablemente por encima del 80% lo que permite dar por
validada la práctica. Se puede observar que los aspectos calificados negativamente se
encuentran en la pregunta 7 y 11. Los cuales serán revisados en la etapa de corrección
de la práctica.
Validación
pregunta (%)
(%) (%) (%) (%)
1 0 0 0 5,88 94,11
2 0 0 0 0 100
3 0 0 0 23,52 76,47
4 0 0 0 23,52 76,47
5 0 0 0 11,76 88,23
6 0 0 0 0 100
7 0 0 11,76 17,64 70,58
8 0 0 0 17,64 82,35
9 0 0 0 5,88 94,11
10 0 0 0 5,88 94,11
11 0 0 5,88 0 94,11
Tabla 4.3.2 Resultados de validación de la práctica 2.
109
100%
90%
80%
70%
60%
50%
40%
Valoración favorable
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


encuentran en la pregunta 10 y 11. Los cuales serán revisados en la etapa de corrección
de la práctica.
Validación

En Ni acuerdo ni Totalmente
Numero de Totalmente en De acuerdo
desacuerdo desacuerdo de acuerdo
pregunta desacuerdo (%) (%)
(%) (%) (%)
1 0 0 0 13,63 86,36
2 0 0 0 4,54 95,45
3 0 0 0 13,63 86,36
4 0 0 0 9,09 90,90
5 0 0 0 9,09 90,90
6 0 0 0 0 100
7 0 0 0 9,09 90,90
8 0 0 0 0 100
9 0 0 0 9,09 90,90
10 0 0 4,54 9,09 86,36
11 0 0 4,54 4,54 90,90
Tabla 4.3.3 Resultados de validación de la práctica 3.
110
100%
90%
80%
70%
60%
50%
40%
20%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 0 100
2 0 0 0 0 100
3 0 0 0 0 100
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 40 60
10 0 0 0 0 100
11 0 0 0 0 100
111
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


encuentran en la pregunta 2, 6 y 10. Los cuales serán revisados en la etapa de corrección
de la práctica.
Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 4,34 95,65
2 0 0 4,34 8,69 86,95
3 0 0 0 34,78 65,21
4 0 0 0 8,69 91,30
5 0 0 0 30,43 69,56
6 0 4,34 0 0 95,65
7 0 0 0 17,39 82,60
8 0 0 0 21,73 78,26
9 0 0 0 8,69 91,30
10 0 4,34 0 8,69 86,95
11 0 0 0 4,34 95,65
112
100%
80%
60%
40%
20%
0% Pregunta 1 Valoración desfavorable
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 4,16 95,83
2 0 0 0 4,16 95,83
3 0 0 0 12,5 87,5
4 0 0 0 8,33 91,66
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 16,66 83,33
8 0 0 0 8,33 91,66
9 0 0 0 8,33 91,66
10 0 0 0 8,33 91,66
11 0 0 0 0 100
113
100%
90%
80%
70%
60%
50%
40%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


encuentran en la pregunta 10. Los cuales serán revisados en la etapa de corrección de la
práctica.
Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 4,34 95,65
2 0 0 0 4,34 95,65
3 0 0 0 8,69 91,30
4 0 0 0 4,34 95,65
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 8,69 91,30
8 0 0 0 4,34 95,65
9 0 0 0 4,34 95,65
10 0 0 4,34 4,34 91,30
11 0 0 0 0 100
114
100%
90%
80%
70%
60%
50%
40%
20%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 0 100
2 0 0 0 0 100
3 0 0 0 0 100
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 40 60
9 0 0 0 20 80
10 0 0 0 0 100
11 0 0 0 0 100
115
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


Validación

Totalmente en En Ni acuerdo ni De Totalmente
Numero de
desacuerdo desacuerdo desacuerdo acuerdo de acuerdo
pregunta
(%) (%) (%) (%) (%)
1 0 0 0 6,66 93,33
2 0 0 0 6,66 93,33
3 0 0 0 20 80
4 0 0 0 0 100
5 0 0 0 13,33 86,66
6 0 0 0 6,66 93,33
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 6,66 93,33
10 0 0 0 0 100
11 0 0 0 0 100
116
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


porcentual los resultados de acuerdo a la encuesta mostrada en la Figura 4.3.10, en
donde cada pregunta fue valorada favorablemente lo que permite dar por validada la
práctica.
Validación
Totalmente
Numero En Ni acuerdo ni De Totalmente
en
de desacuerdo desacuerdo acuerdo de acuerdo
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 0 100
2 0 0 0 7,14 92,85
3 0 0 0 14,28 85,71
4 0 0 0 0 100
5 0 0 0 7,14 92,85
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
117
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


porcentual los resultados de acuerdo a la encuesta mostrada en la Tabla 4.3.11, en
donde cada pregunta fue valorada favorablemente por encima del 80% lo que permite
dar por validada la práctica. Se puede observar que los aspectos calificados
negativamente se encuentran en la pregunta 8. Los cuales serán revisados en la etapa de
corrección de la práctica.
Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 0 100
2 0 0 0 0 100
3 0 0 0 0 100
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 0 100
8 0 16,66 0 0 83,33
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
118
100%
90%
80%
70%
60%
50%
40%
20%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8



Validación
pregunta (%)
(%) (%) (%) (%)
1 0 0 0 0 100
2 0 0 0 20 80
3 0 0 0 6,66 93,33
4 0 0 0 6,66 93,33
5 0 0 0 6,66 93,33
6 0 0 13,33 6,66 80
7 0 0 0 6,66 93,33
8 0 0 0 6,66 93,33
9 0 0 0 0 100
10 0 0 0 13,33 86,66
11 0 0 0 6,66 93,33
119
100%
90%
80%
70%
60%
50%
40%
20%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


práctica.

Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 7,14 92,85
2 0 0 0 7,14 92,85
3 0 0 0 7,14 92,85
4 0 0 0 0 100
5 0 0 0 14,28 85,71
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 14,28 85,71
11 0 0 0 0 100
120
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8

práctica.

Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 0 100
2 0 0 0 6,66 93,33
3 0 0 0 13,33 86,66
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
121
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6

Pregunta 8

práctica.

Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 6,66 93,33
2 0 0 0 13,33 86,66
3 0 0 0 20 80
4 0 0 0 0 100
5 0 0 0 6,66 93,33
6 0 0 0 0 100
7 0 0 0 6,66 93,33
8 0 0 0 13,33 86,66
9 0 0 0 13,33 86,66
10 0 0 0 6,66 93,33
11 0 0 0 13,33 86,66
122
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6

Pregunta 8

práctica.

Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 6,66 93,33
2 0 0 0 13,33 86,66
3 0 0 0 20 80
4 0 0 0 13,33 86,66
5 0 0 0 6,66 93,33
6 0 0 0 0 100
7 0 0 0 6,66 93,33
8 0 0 0 20 80
9 0 0 0 6,66 93,33
10 0 0 0 0 100
11 0 0 0 0 100
123
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6

Pregunta 8


Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 6,66 93,33
2 0 0 0 13,33 86,66
3 0 0 0 20 80
4 0 0 0 0 100
5 0 0 0 6,66 93,33
6 0 0 6,66 6,66 86,66
7 0 0 0 0 100
8 0 0 0 13,33 86,66
9 0 0 0 6,66 93,33
10 0 0 0 0 100
11 0 0 0 0 100
124
100%
90%
80%
70%
60%
50%
40%
20%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


práctica.
Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 0 100
2 0 0 0 6,25 93,75
3 0 0 0 18,75 81,25
4 0 0 0 6,25 93,75
5 0 0 0 6,25 93,75
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
125
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


práctica.
Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 0 100
2 0 0 0 13,33 86,66
3 0 0 0 13,33 86,66
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 6,66 93,33
8 0 0 0 0 100
9 0 0 0 6,66 93,33
10 0 0 0 6,66 93,33
11 0 0 0 6,66 93,33
126
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8

práctica.
Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 20 80
2 0 0 0 0 100
3 0 0 0 20 80
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 20 80
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
127
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6

Pregunta 8

práctica.
Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 7,14 92,86
2 0 0 0 7,14 92,85
3 0 0 0 21,42 78,57
4 0 0 0 7,14 92,85
5 0 0 0 14,28 85,71
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 7,14 92,85
10 0 0 0 0 100
11 0 0 0 0 100
128
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6

Pregunta 8

práctica.

Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 7,14 92,85
2 0 0 0 14,28 85,71
3 0 0 0 14,28 85,71
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
129
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6

Pregunta 8

práctica.
Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 0 100
2 0 0 0 0 100
3 0 0 0 0 100
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 0 100
8 0 0 0 60 40
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
130
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8

Validación

pregunta (%)
(%) (%) (%) (%)
1 0 0 0 0 100
2 0 0 0 21,42 78,57
3 0 0 0 21,42 78,57
4 0 0 0 7,14 92,85
5 0 0 0 7,14 92,85
6 0 0 7,14 7,14 85,71
7 0 0 0 7,14 92,85
8 0 0 0 7,14 92,85
9 0 0 0 7,14 92,85
10 0 0 0 7,14 92,85
11 0 0 0 0 100
131
100%
90%
80%
70%
60%
50%
40%
20%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


práctica.

Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 0 100
2 0 0 0 6,66 93,33
3 0 0 0 13,33 86,66
4 0 0 0 0 100
5 0 0 0 0 100
6 0 0 0 0 100
7 0 0 0 6,66 93,33
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 6,66 93,33
132
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6
Pregunta 8


práctica.
Validación
Totalmente
en
desacuerdo
pregunta (%) (%) (%) (%)
(%)
1 0 0 0 6,66 93,33
2 0 0 0 6,66 93,33
3 0 0 0 20 80
4 0 0 0 6,66 93,33
5 0 0 0 6,66 93,33
6 0 0 0 6,66 93,33
7 0 0 0 0 100
8 0 0 0 0 100
9 0 0 0 0 100
10 0 0 0 0 100
11 0 0 0 0 100
133
100%
90%
80%
70%
60%
50%
30%
10%
0%
Pregunta 1
Pregunta 2
Pregunta 3
Pregunta 4
Pregunta 5
Pregunta 7
Pregunta 9
Pregunta 10
Pregunta 11
Pregunta 6

Pregunta 8
4.4 Retroalimentación del proceso de evaluación de las guías

- Retroalimentación práctica 1: Identificación del lazo de nivel de la planta MPS.
PA COMPACT WORKSTATION.
En esta práctica no se tiene valoraciones negativas, pero algunas de las

recomendaciones es proporcionar un mayor tiempo para la elaboración de la práctica ya
que solo el proceso de la aplicación de la señal PRBS toma alrededor de 45 minutos por
lo cual se procede a extender el tiempo de la práctica a dos horas.
- Retroalimentación práctica 2: Identificación del lazo de flujo de la planta MPS.

PA COMPACT WORKSTATION.
El primer aspecto calificado como negativo hace referencia al nivel de estudio en el que
se encuentran, ya que no todos los estudiantes se encuentran en el mismo nivel de
estudios a algunos se le hace desconocido ciertos términos usados en el desarrollo de la
práctica, por lo cual se propone dar una breve introducción de los temas a tratar a todos
los estudiantes antes de iniciar el desarrollo de las prácticas. En el segundo aspecto
calificado como negativo se propone exponer las destrezas que adquieren al momento
de realizar la práctica. Además recomiendan dar un tiempo de 2 horas para el desarrollo
de la práctica. Solicitan añadir un párrafo en el cual se explique que si la bomba P101
no trabaja en la primera vez que se ejecuta el instrumento virtual se desconecte y
conecte el cable USB de la tarjeta de comunicación EasyPort USB. Esta práctica con las
correcciones se encuentra en el anexo 2.
134
- Retroalimentación práctica 3: Identificación del lazo de presión de la planta

MPS. PA COMPACT WORKSTATION.
El primer aspecto calificado como negativo hace referencia a los procedimientos que
promueven el proceso de aprendizaje y el segundo aspecto negativo hace referencia a
las destrezas que adquiere el estudiante al momento de realizar la práctica por lo cual se
propone antes de iniciar el tema propuesto exponer las destrezas que adquieren al
momento de realizar la práctica y proponer un análisis de los resultados obtenidos
durante la elaboración de la misma. Esta práctica con las correcciones se encuentra en el
anexo 2.
- Retroalimentación práctica 4: Identificación del lazo de temperatura de la planta

MPS. PA COMPACT WORKSTATION.

recomendaciones es proporcionar un mayor tiempo para la elaboración de la práctica ya
que el proceso de elevar la temperatura toma alrededor de 40 minutos por lo cual se
procede a extender el tiempo de la práctica a dos horas. Además otra observación es que
para efectuar una nueva prueba se debería sustituir el agua caliente por agua fría ya que
el proceso de disminuir la temperatura del agua toma demasiado tiempo.
- Retroalimentación práctica 5: Identificación del sistema neumático de

posicionamiento lineal en bucle cerrado FESTO.
El primer aspecto calificado como negativo hace referencia a las imágenes presentadas
en el documento por lo cual se amplio el tamaño de las mismas y se mejoró las
resolución. El segundo aspecto calificado como negativo hace referencia a los
materiales y equipos necesarios para el elaboración de la práctica esto por el motivo que
para el funcionamiento del sistema es necesario de una tarjeta de adquisición DAQ, la
cual no se encuentra incorporada en el sistema, para mejorar este aspecto se podría
plantear el diseño y construcción de un banco que cuente con la tarjeta de adquisición
incorporada y conectada al sistema de posicionamiento lineal en bucle cerrado. El tercer
aspecto calificado como negativo hace referencia a los procedimientos que promueven
el proceso de aprendizaje por lo cual antes de iniciar la práctica es necesario proponer
un análisis de los resultados obtenidos durante la elaboración de la misma. Esta práctica
con las correcciones se encuentra en el anexo 2.
- Retroalimentación práctica 6: Identificación del PITCH Rotor de la planta Twin

Rotor MIMO System.
En esta práctica no se tiene valoraciones negativas, una de las observaciones es el

nombre incorrecto de la figura 13 por lo cual se efectuó las correcciones necesarias,
además hacen una observación en el punto 18 del proceso, solicitando expresar de
mejor manera para un mayor entendimiento. Esta práctica con las correcciones se
encuentra en el anexo 2.
135
- Retroalimentación práctica 7: Identificación del YAW Rotor de la planta Twin

Rotor MIMO System.
El aspecto calificado como negativo hace referencia a los procedimientos que

promueven el proceso de aprendizaje por lo cual antes de iniciar la práctica es necesario
proponer un análisis de los resultados obtenidos durante la elaboración de la misma,
además variar los parámetros característicos de la identificación como se observa en el
punto 7 de la guía para observar el cambio que existe en la validación de la función de
transferencia. Esta práctica con las correcciones se encuentra en el anexo 2.
- Retroalimentación práctica 8: Controlador PID sobre el lazo de nivel en el MPS


recomendaciones es proporcionar un mayor tiempo para la elaboración de la práctica
por lo cual se procede a extender el tiempo de la práctica a una hora y media.
- Retroalimentación práctica 9: Controlador PID sobre el lazo de flujo en el MPS

PA. Compact Workstation.
En esta práctica no se tiene valoraciones negativas, tampoco observaciones o

recomendaciones, por este motivo se realizó una revisión del texto, calidad y tamaño de
las imágenes y el procedimiento para dar por validada la práctica, la cual se encuentra
en el anexo 2.
- Retroalimentación práctica 10: Controlador PID sobre el lazo de presión en el

MPS Compact Workstation.

en el anexo 2.
- Retroalimentación práctica 11: Controlador PID sobre el lazo de temperatura en

el MPS Compact Workstation.
El aspecto calificado como negativo hace referencia a el tiempo asignado para el

desarrollo de la práctica ya que el proceso de elevar y sobre todo disminuir la
temperatura toma gran cantidad de tiempo por lo cual se procede a extender el tiempo
de la práctica a dos horas. Esta práctica con las correcciones se encuentra en el anexo 2.
- Retroalimentación práctica 12: Controlador PID sobre el sistema de

posicionamiento lineal del equipo FESTO.
El aspecto calificado como negativo hace referencia a los materiales y equipos

necesarios para el elaboración de la práctica esto por el motivo que para el
funcionamiento del sistema es necesario de una tarjeta de adquisición DAQ, la cual no
se encuentra incorporada en el sistema, para mejorar este aspecto se podría plantear el
diseño y construcción de un banco que cuente con la tarjeta de adquisición incorporada
y conectada al sistema de posicionamiento lineal en bucle cerrado. Además se tiene
136
observaciones como: el computador es muy lento y el mouse no funciona correctamente

por lo cual se solicitará este requerimiento al departamento encargado de mantenimiento
de los equipos. Esta práctica con las correcciones se encuentra en el anexo 2.
- Retroalimentación práctica 13: Controlador PID sobre el Pitch Rotor en el

equipo TWIN ROTOR MIMO SYSTEM.
En esta práctica no se tiene valoraciones negativas, pero se tiene observaciones a cerca

del computador en referencia con el teclado indicando su mal funcionamiento por lo
cual se solicitará este requerimiento al departamento encargado de mantenimiento de los
equipos. Esta práctica con las correcciones se encuentra en el anexo 2.
- Retroalimentación práctica 14: Controlador PID sobre el Yaw Rotor en el equipo

TWIN ROTOR MIMO SYSTEM.

en el anexo 2.
- Retroalimentación práctica 15: Controlador en Espacio de Estados sobre el lazo

de flujo en el MPS PA Compact Workstation.

en el anexo 2.
- Retroalimentación práctica 16: Controlador en Espacio de Estados sobre el lazo

de presión en el MPS PA Compact Workstation.

en el anexo 2.
- Retroalimentación práctica 17: Controlador en Espacio de Estados sobre el

sistema de posicionamiento lineal del equipo FESTO.

137
- Retroalimentación práctica 18: Controlador en Espacio de Estados sobre el Pitch

Rotor del TWIN ROTOR MIMO SYSTEM.

- Retroalimentación práctica 19: Controlador en Espacio de Estados sobre el Yaw

Rotor en el equipo TWIN ROTOR MIMO SYSTEM.

- Retroalimentación práctica 20: Control Predictivo Basado en Modelo (MPC)

sobre el lazo de nivel en el MPS PA. Compact Workstation.

recomendaciones es proporcionar un mayor tiempo para la elaboración de la práctica
por lo cual se procede a extender el tiempo de la práctica a una hora y media.

sobre el lazo de flujo en el MPS PA. Compact Workstation.

en el anexo 2.

sobre el lazo de presión en el MPS PA. Compact Workstation.
En esta práctica no se tiene valoraciones negativas, en cuanto a observaciones solicitan

dar una introducción mas detallada de esta técnica de control avanzado antes de iniciar
la práctica para un mejor entendimiento. Esta práctica con las correcciones se encuentra
en el anexo 2.

sobre el lazo de temperatura en el MPS PA. Compact Workstation.
En esta práctica no se tiene valoraciones negativas, pero se tiene observaciones en

cuanto a el tiempo asignado para el desarrollo de la práctica ya que el proceso de elevar
y sobre todo disminuir la temperatura toma gran cantidad de tiempo por lo cual se
procede a extender el tiempo de la práctica a dos horas. Esta práctica con las
correcciones se encuentra en el anexo 2.
138

sobre el sistema de Posicionamiento Lineal de Festo.


sobre el Pitch Rotor en el TWIN ROTOR MIMO SYSTEM.


sobre el Yaw Rotor en el TWIN ROTOR MIMO SYSTEM.

4.5 Estimación promedio de tiempo necesario para la elaboración de

cada práctica

Realizando un promedio del tiempo utilizado por los estudiantes que realizaron el
proceso de validación, se procede a estimar el tiempo para cada práctica y así cumplir
con los objetivos planteados como se observa en la Tabla 4.5.1.
Tiempo Promedio para elaboración de la práctica

Práctica Tiempo necesario
1 2 horas
2 1 hora
3 1 hora
4 2 horas
5 1 hora
6 1 hora
7 1 hora
8 1 hora y media
9 1 hora
10 1 hora
139
11 1 hora y media
12 1 hora
13 1 hora
14 1 hora
15 1 hora
16 1 hora
17 1 hora
18 1 hora y media
19 1 hora y media
20 1 hora y media
21 1 hora
22 1 hora
23 2 horas
24 1 hora
25 1 hora
26 1 hora
Tabla 4.5.1: Tiempo estimado para la elaboración de prácticas.
140
CAPÍTULO 5. CONCLUSIONES Y RECOMENDACIONES
CAPÍTULO 5
5 CONCLUSIONES Y RECOMENDACIONES
5.1 Conclusiones
Al implementar una guía de prácticas para la identificación y control de los
sistemas: MPS PA. Compact Workstation, Sistema neumático de
posicionamiento lineal en bucle cerrado FESTO y Twin Rotor Mimo
System, los estudiantes de las carreras de Ingeniería Eléctrica, Electrónica,
Mecatrónica y Mecánica se verán directamente beneficiados ya que podrán
corroborar la teoría con la práctica al momento de desarrollar prácticas
sobre estos sistemas, permitiéndoles ganar experiencia en procesos en el
ámbito industrial.
El método utilizado para la identificación de sistemas en el presente

proyecto de titulación es mediante la aplicación de señales PRBS (Pseudo-
random binary signal) la cual proporciona un modelo adecuado del sistema.
Una vez obtenido los datos de aplicar esta señal a la planta se procedió a la
identificación del sistema mediante la herramienta ident de Matlab® la cual
simplifica este proceso y permite obtener el modelo aproximado de la planta
de una manera inmediata y sencilla.

En el proceso de generación de la señal PRBS se debe tomar en cuenta
parámetros decisivos como son: el tiempo de muestreo, la amplitud de la
señal y el tiempo de aplicación de la señal PRBS. Estos parámetros varían
de acuerdo a cada sistema y se deben realizar distintas pruebas variando
estos parámetros para llegar a determinar el mejor porcentaje de
aproximación en la función obtenida en el proceso de identificación.

Gracias a la ayuda del Software LabView es posible elaborar lazos de
control avanzado de manera eficiente ya que permite desarrollar procesos
matemáticos complejos mediante el uso del bloque Math script el cual
contendrá las líneas de código desarrolladas en Matlab®, además dispone de
diferentes métodos de comunicación con los procesos como es el metodo
141
ActiveX el cual permite el envío y la recepción de datos de la planta MPS

PA. Compact Workstation a través de la tarjeta Easy Port USB.
Es importante determinar el tiempo de muestreo utilizado para el proceso de

identificación de acuerdo a este serán generadas las señales PRBS para cada
variable. Este tiempo esta en función del número de bits que se usen para la
generación de la señal PRBS, para cada uno de los procesos de
identificación mostrados en el presente proyecto de titulación se ha utilizado
8 bits para la generación de la onda PRBS. Por lo tanto es recomendable que
el tiempo de muestreo sea 10 veces mas rápido que la constante de tiempo
(τ).
Mediante la herramienta sisotool de Matlab® es posible la sintonización del

controlador PID de acuerdo a la función de transferencia obtenida en el
proceso de identificación llegando a determinar la ecuación del
compensador y así obtener las ganancias de los controladores PID de
manera rápida y eficiente, además esta herramienta permite observar la
acción de control necesaria para llegar a estabilizar la variable en el set point
ingresado. Esto es importante ya que debemos tener en cuenta que la señal
de control no debe exceder a los limites aceptados por el sistema.
En cuanto a los controladores predictivos basados en modelo (MPC) se debe

recordar que el aumento de los parámetros de sintonización del controlador
provoca una mayor demanda de recursos del computador y tiempo de
procesamiento ya que las ecuaciones establecidas en el script de Matlab® se
basan en un cálculo matricial que depende del tamaño de los parámetros
elegidos.
El tiempo de adquisición de datos o tiempo de muestreo es importarte en el

proceso de control, se debe tomar en cuenta que este no podrá ser menor que
el tiempo de cálculo del algoritmo de control para un correcto desempeño
del controlador. Siendo así el tiempo de muestreo deberá ser mayor que la
suma del tiempo de procesamiento y la respuesta del sistema de control.
Para obtener un correcto desempeño de los controladores es necesario que el

proceso de identificación se lo haya realizado a lo largo de toda el área de
trabajo para así obtener la mayor cantidad de características dinámicas del
sistema, tomando en cuenta que no se deberá llegar a los extremos para
evitar saturaciones. Este proceso se observa de mejor manera en la guía
142
“Identificación de lazo de nivel MPS PA. Compact Workstation” en la cual

para obtener una mejor aproximación del sistema se ha generado una señal
PRBS multiperiodo, permitiendo en primera instancia una identificación a
lo largo de todo el tanque y posterior a esto una identificación cerca del
punto de equilibrio.
El método de asignación de polos para los controladores en espacio de

estados juega un papel muy importante dentro de la acción de control, ya
que de acuerdo a estos se realizará el calculo de las ganancias del
controlador. Estos polos deberán ser elegidos de acuerdo al sistema y la
respuesta esperada, siendo así los polos deberán ser asignados en función
del sobrepaso máximo y del tiempo de establecimiento requerido.
El incremento del factor de peso !" reduce las oscilaciones alrededor de la

referencia ya que mientras mayor sea este parámetro mas lenta será la
acción de control, por lo tanto este es uno de los parámetros con mayor
influencia en los controladores predictivos basados en modelo (MPC).
Ya que el proceso de elevar y disminuir la temperatura del sistema MPS PA.

Compact Workstation conlleva gran cantidad de tiempo se ha optado por un
método diferente para la identificación de este lazo, obteniendo un modelo
matemático de segundo orden a través de aplicar el método de Van Der
Grinten a la respuesta al escalón.
143
5.2 Recomendaciones
Para el proceso de identificación es recomendable realizar diferentes

pruebas variando tanto el tiempo de muestro, amplitud de la señal y el
numero de muestras, esto con el objetivo de llevar a determinar el modelo
mas aproximado y que contenga la mayor cantidad de características
dinámicas del sistema.
Es importante establecer valores máximos en cuanto a la acción de control

que se encuentren dentro de los límites establecidos por el fabricante para
evitar daños en los equipos y prolongar la vida útil de los mismos.
Es recomendable no exceder en la elección de los parámetros del

controlador predictivo basado en modelo (MPC) ya que para sistemas muy
rápidos el tiempo de procesamiento del computador es muy importante y
como se explicó anteriormente este controlador realiza cálculos matriciales
lo cual consume mayores recursos de procesamiento y tiempo.
144
CAPÍTULO 6. ANEXOS
CAPÍTULO 6
6 ANEXOS
6.1 Anexo 1: Modelo de Encuesta para validación de

Prácticas.
145

146
REFERENCIAS BIBLIOGRAFICAS
REFERENCIAS
BIBLIOGRAFICAS
FESTO Didactic, M. (Diciembre de 2008). Compact Worksation Manual and

Technical Documentation. first edition.

Carpio, M. (2013). Evaluación de desempeño de los controladores digitales PID y
predictivo tolerante a fallas, aplicados al control de nivel del líquido en un tanque.
Universidad Politécnica Salesiana, Cuenca, Ecuador.

Fuentes, M. (2009). Modelado y control robusto de un cilindro neumático.
Universidad Carlos III de Madrid - Escuela Politécnica Superior.

Feedback, I. (2006). Twin Rotor Mimo System Control Experiments - 33-949S.
Feedback Instruments Ltd.

Ljung, L. (2001). System Identification Toolbox. For Use with MATLAB.
MATHWORKS.

Zambrano, J., & Erwin, M. (s.f.). Modelado matemático de un motor de corriente
continua utilizando identificación de sistemas.

Kuo.B.C. (1996). Sistemas de Control Automático. Prentice Hall.

Haugen, F. (2010). Discretization of simulator, filter, and pid controller. TechTeach.

Bober, W., Tsai, C., & Masory, O. (2009). Numerical and Analytical Methods with
MATLAB. Computational Mechanics and Applied Analysis. Taylor & Francis.

Xue, D., Chen, Y., & Atherton, D. (2007). Linear Feedback Control: Analysis and
Design with MATLAB. Advances in Desing and Control. Society for Industrial and
Applied Mathematics.

Ogata, K. (2003). Ingeniería de control moderno. (P. Educación, Ed.)

FEEDBACK, I. (1999). twin rotor MIMO system, getting started; 33-007- 1M5.
Crowborough, Inglaterra.

Ogata, K. (1996). Sistemas de Control en Tiempo Discreto . 2da Edición.

Rodríguez, D., & Bordóns, C. (2005). Análisis y control de sistemas en espacio de
estados.
147
REFERENCIAS BIBLIOGRAFICAS
Jara Ortiz, C., & Maldonado Achig, J. (2015). Diseño e implementación de un

controlador PID y un MPC aplicado al posicionamiento lineal de un sistema
neumático en bucle cerrado.

González, T., Gomez, G., Tena, J., & Torres, B. (2011). Circuitos de fluidos. Editex.

Idrovo Macancela, A., & Peña Cañizares, C. (2014). Construcción de una plataforma
de instrumentación virtual sobre LabView, monitoreo remoto e implementación de
controladores PID para las variables de nivel, caudal, temperatura y presión de la
planta MPS. PA Compact Workstation.

Domínguez, S., Campoy, P., Sebastián, J., & Jiménez, A. (2006). Control en el Espacio
de Estados. 2da Edición. Pearson.

Rodríguez Ramírez, D. (2005). Perspectiva General del Control Predictivo min-max
(Curso de Doctorado Control Avanzado de Procesos industriales, Universidad de
Sevilla).

Zambrano, J., & Gonzáles, A. (2013). Implementación de un algoritmo de control
predictivo en espacio de estados sobre una plataforma de simulación desarrollada
en Matlab.

Maciejowski, J. (2002). Predictive Control: With Cons-traint . Pearson education.

Wang, L. (2009). Model Predictive Control System Desing and Implementation
Using MATLAB. Springer Verlag.

Domínguez Frejo, J. R. (2011). Control Predictivo Cooperativo para el Control de
Redes de Tráfico mediante el uso de Señales ITS.

ESTRADA, & Roca. (2002). Análisis de las actitudes y conocimientos estadísticos
elementales en la formación del profesorado. M. Asunción.

Escobar Hinojosa, J. S., & Domínguez Crespo, G. E. (2015). Estudio y elaboración de
un manual de prácticas de la planta de control de procesos "A" del laboratorio de
control y automatización totalmente integrado de la Universidad Politécnica
Salesiana Sede Cuenca. Cuenca.

148

Ups CT006653 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ups CT006653 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

ELABORACIÓN

DE UN MÓDULO GUÍA PARA EL

ELABORACIÓN DE UN MÓDULO GUÍA PARA EL

XAVIER FELIPE OCHOA PARRA

ING. JULIO CESAR ZAMBRANO ABAD

Xavier Felipe Ochoa Parra

Ing. Julio Cesar Zambrano Abad

Todos los derechos reservados.

IMPRESO EN ECUADOR – PRINTED IN ECUADOR

PID Proporcional, Integral, Derivativo.

La Universidad Politécnica Salesiana sede Cuenca con el objetivo de una formación

En la actualidad este laboratorio se encuentra en desuso por parte de los estudiantes,

En este proyecto se contempla la aplicación de un método de identificación para cada

Se propone diseñar e implementar tres tipos de controladores (PID, Espacio de Estados

1.1 MPS PA. COMPACT WORKSTATION

1.1.1 Detalles Generales.

Mediante los diferentes sensores y actuadores disponibles en la planta es posible formar

• Lazo de control de nivel.

1.1.3 Tarjeta interfaz FESTO EasyPort USB

1.1.6 Lazo de Presión

La presión de aire en el tanque de gas P103 se obtiene mediante el sensor de presión

1.2 SISTEMA NEUMÁTICO EN BUCLE CERRADO PARA EL

Es el dispositivo encargado de regular y mantener la presión de aire que ingresa y

1.2.2 Distribuidor de aire

1.2.3 Válvula Proporcional 5/3 vías

Este elemento cumple la función de direccionar el flujo en un sentido u otro, según la

De acuerdo al voltaje de excitación que reciba esta válvula será su comportamiento, en

Tensión Nominal [V] Flujo de aire

1.2.4 Actuador y Potenciómetro Lineal

1.3 TWIN ROTOR MIMO SYSTEM

Es posible la implementación de controladores en tiempo real. Los modelos de procesos

En un helicóptero normal, la fuerza aerodinámica se controla cambiando el ángulo de

2.1 Señal PRBS

Uno de los parámetros más importantes en la generación de una señal PRBS es el

implementa LFSR a través de registro de desplazamiento (SSR G, o Fibonacci) de

2.2 Toolbox de Identificación (IDENT de MATLAB®)

Para ingresar a esta herramienta se realiza mediante la digitación de la instrucción

La importación de datos se puede realizar de tres diferentes formas: Importación de

2.3 Identificación del lazo de Nivel de la planta MPS PA.

La generación de la señal PRBS en el software LabView se realiza a través del bloque

Muestras totales = 3456 + 2016 + 2048 = 7520

De acuerdo a esta configuración se procede a generar la señal PRBS mostrada en la

2.3.1 Estimación de la Función de transferencia mediante la herramienta Ident de

Al ejecutar este script se carga los datos en el Workspace de Matlab®. Es importante

Seguido a esto digitamos ident en el “Command Window” de Matlab® lo cual ejecuta

A continuación se procede a desplegar el menú "Import Data" y se selecciona "Time

Al haber seleccionado la opción de Función de Transferencia se abre una ventana

Numero de Polos Numero de Ceros Estimación

A continuación se abre una nueva ventana en donde Matlab® procede a estimar

A continuación se procede a validar la función de transferencia estimada con

En la parte derecha de la Figura 2.3.10, se observa el porcentaje de semejanza entre la

2.4 Identificación del lazo de Flujo de la planta MPS PA.

La generación de la señal PRBS en el software LabView se realiza a través del bloque

De acuerdo a la configuración presente en la Figura 2.4.1 se procede a generar la señal

2.4.1 Estimación de la Función de transferencia mediante la herramienta Ident de

Al ejecutar este script se carga los datos en el Workspace de Matlab®. Es

A continuación se procede a desplegar el menú "Import Data" y se selecciona "Time

Después de haber realizado la importación de vectores, en el primer recuadro de esta

Figura 2.4.8: Estimación de Función de Transferencia.

Al haber seleccionado la opción de Función de Transferencia se abre una ventana

una configuración de dos polos y un cero de acuerdo a los resultados obtenidos en la

Numero de Polos Numero de Ceros Estimación

A continuación se abre una nueva ventana en donde Matlab® procede a estimar