observa con ayuda del Simulink el cambio y rudimentaria y baja. Al implementar sistemas de
estabilización de la planta. control de invernaderos, básicamente su concepto es
que son ambientes cerrados con microclimas que
Por último la maqueta esta implementada y facilitan el crecimiento de las plantas en condiciones
controlada con el software Arduino además de un controladas.
circuito electrónico de potencia, en donde la
visualización y control del Setpoint del producto está El microclima del invernadero se puede ajustar
controlado por medio de dos pulsadores e mediante acciones de control para modificar la
interconectado con una pantalla LCD donde es temperatura, la humedad, la concentración de CO2 y
posible regular sus valores y puesta del programa también las concentraciones de micro / macro
para cualquier temperatura que se quiera asignar, nutrientes. [3].
sus gráficas y procesos matemáticos de igual manera
se muestran en los apartados de desarrollo y análisis Haciendo un análisis básico, el control de clima de
de este informe, en fin el proceso de un controlador invernadero es crear un entorno favorable para el
PID eficiente fue realizado pero con posibles mejoras crecimiento de los cultivos para maximizar el
en un próximo desarrollo del mismo. rendimiento y minimizar el costo de producción en
términos de recursos de entrada como el consumo de
energía.[4].
PALABRAS CLAVES: perturbaciones, Los investigadores han logrado algunos avances en
controlador, ajuste PidTools, Simulink, función de el control de la temperatura del invernadero en años
transferencia, rlocus, PWM. recientes, como el método de control basado en la
integración de la temperatura, para ajustar la eficiencia
del clima del invernadero, y un método de control
I. INTRODUCCIÓN óptimo de la temperatura del invernadero dirigido a las
perturbaciones en el invernadero Se propuso un
En el enfoque que se quiere demostrar para este sistema ambiental para obtener una atenuación de las
trabajo de investigación tiene un alcance a nivel perturbaciones y una buena capacidad de rastreo.[5]
mundial, ya que todos los países realizan algún tipo de Ya que el nivel de complejidad de control de
agricultura, los medios de vida que manejan la temperatura en un invernadero moderno el trabajo
agricultura son de 2.5000 millones de personas, escalar tendrá dos parámetros o limitantes que a su vez por más
este tipo de investigaciones no tiene sentido ya que básicas que pueden ser se las realizara de forma que
toda la población usa invernadero. tenga una precisión muy cercana a lo real, ya que un
control de invernadero contiene grandes problemas
En cuestión es desarrollar un invernadero agrícola de
con control de histéresis [5], por lo tanto el controlador
pequeña tamaño, barato y automático con el fin de
PID tradicional no podrá a ser muy efectivo, pero si
brindar comodidad al agrícola, la gran mayoría de
aproximado a lo real.
sistemas de control de temperatura usan o adoptan
(SCM) computadora para controlar.[1]. El control que se propone para este trabajo
investigativo es realizar un controlador PID que
automatice tanto la parte física como electrónica de
Uno de los medios de controlar la temperatura más
todo el proceso que debe realizar la planta para
vial puede ser através del Smith modificado, que es
controlar la temperatura ambiente, así trabajara a su
utilizado para el control de temperatura y humedad de
máximo desempeño como productor de cultivos.
un invernadero desacoplado, comparando con un
control PID ambos se ajustan para control del clima de Realizar este tipo de control se lo mejora con ayuda
invernadero, pero a su vez son modelos diferentes que de un circuito PWM y un ajuste del software de Matlab
se diferencian en la incertidumbre que presentan para con el comando de PidTools y compararlos con los
el estudio de robustez y su nivel de complejidad. [2]. diferentes métodos de estabilización de un sistema con
el fin de mejor la estabilidad del sistema, por
consiguiente, utilizarlo experimentalmente para ver su
Principalmente el problema que presenta la
comportamiento, analizarlo, corregirlo y mejorarlo.
agricultura a nivel mundial es el uso de la mano
humana para su ejecución, más aún en los países
subdesarrollados, la producción agrícola es muy
3
d) Variable controlada.
III. MATERIALES
Engloban todas aquellas variables que se desean
Tarjeta programable (Arduino)
mantener en un determinado rango o modificar su
comportamiento y que afecte directamente al Sensor de temperatura LM35
crecimiento del cultivo, por lo que se tiene: LCD DISPLAY 4X16
Resistencias de 330 ohms y 470ohms
Nivel de temperatura Ventilador 5V
Transistor 2N2222
Foco 110V
e) Variable manipulada o de control. Optoacoplador
Son las señales que permiten modificar el comportamiento
Diac
del sistema y actuar sobre el proceso, por lo que se tiene: Triac
Capacitor 0.5pF
Para la temperatura se usará el sensor LM35. Potenciómetro 500Kohms
Boquilla
Cable UTP
Pulsadores
5
IV. DESARROLLO
g) Diagrama de bloques.
CIRCUITO PWM
INTERFAZ LCD
VENTILADOR
y columnas de datos que crearan la función de Se realizará del mismo modo para los datos
la señal posterior. exportados con perturbaciones y sin
perturbaciones, con el fin de realizar el análisis en
el dominio de la frecuencia y modelar la señal de
mejor manera.
Fig9. Exportación de los datos del invernadero tanto con Además de ver cómo se comportan la función de
perturbaciones y sin perturbaciones transferencia creada con ayuda del comando en
Matlab para las raíces de los ceros con ‘c2d’ y para
ver los polos y sus respectivas graficas con el
Procedemos al uso de la herramienta de comando ‘rlocus’.
identificacion del sistema, donde se agrega el
dato del domio del tiempo, se quita el delay y
se estima los valores para generar la grafica Por último, se observó que el sistema funciona
aproximada de los datos exportados del mucho mejor es decir con mayor robustez con los
invernadero cerrado. datos escogidos y tomados con los que si tiene
perturbaciones ya que el controlador estará
perfectamente acondicionado para posibles
perturbaciones fuertes que pueda tener la planta en
tiempo real.
clc;
clear;
close all %cierra las ventanas de las grafica
s=tf('s');
TSINP=0.25022*((1+4193.8*s)/((1+204.49*s)*(1+352.
91*s)*(1+25883*s)))
t=0:0.1:100000;
Kp=17.7943;
Ki=0.014867;
Kd=0.02;
Fig14. Grafica obtenida con los datos con perturbaciones
C=pid(Kp,Ki,Kd)
T=feedback(C*TSINP,1)
stepplot(T,t)
Se obtiene las tres gráficas que serán utilizadas hold on
para ser analizadas en la planta, se estabilizará de grid on
mejor manera obteniendo la siguiente figura, las title('PID SIN PERTURBACIONES')
% pidtool(TSINP,C) %%para calibrar el PID
mismas que son obtenidas son funciones de
legend('S.P.')
transferencia gracias al ajuste que se hizo
xlabel('TIEMPO')
anteriormente con el PidTools: ylabel('AMPLITUD')
TSINP =
1049 s + 0.2502
-------------------------------------------
1.868e09 s^3 + 1.45e07 s^2 + 2.644e04 s + 1
Continuous-time transfer function.
C =
1
Kp + Ki * --- + Kd * s
s
with Kp = 17.8, Ki = 0.0149, Kd = 0.02
Continuous-time PID controller in parallel form.
T =
20.99 s^3 + 1.867e04 s^2 + 20.05 s +
0.00372
-----------------------------------------------
--------------
Fig15. Función de transferencia para las tres tablas de datos 1.868e09 s^4 + 1.45e07 s^3 + 4.511e04 s^2 +
recogidos. 21.05 s + 0.00372
9
Continuous-time transfer function.
1
Kp + Ki * --- + Kd * s
s
clc;
clear;
close all %cierra las ventanas de las graficas
s=tf('s');
TCONP=(0.0010566)/((1+51683*s)*(1+0.010474*s)
*(1+0.17667*s))
t=0:0.1:1000000;
Kp=83.0006;
Ki=0.0093365;
Kd=0.002;
Fig16. Obtención del controlador PID para la planta con
C=pid(Kp,Ki,Kd)
perturbaciones y obtención de los valores Kp, Ki y Kd
T=feedback(C*TCONP,1)
stepplot(T,t) Se puede notar que las dos señales llegan a la
hold on estabilidad, pero a diferencia de que la una
grid on necesita mucha más ganancia o eliminar
title('PID CON PERTURBACIONES')
errores estacionarios y sería un problema no
% pidtool(TCONP,C) %%para calibrar el PID
poder reconocer los valores precisos, por este
legend('C.P.')
motivo se hace una comparación con el otro
xlabel('TIEMPO')
método ya antes mencionado y se lo aplico de
ylabel('AMPLITUD')
la siguiente forma:
TCONP =
Obtención de la función de transferencia
0.001057 utilizado el método de Ziegler Nichols se
------------------------------------- obtuvieron los siguientes valores y gráficas:
95.64 s^3 + 9672 s^2 + 5.168e04 s + 1
C =
10
T2=feedback(C2*P,1)
step(T2,t)
hold on
% pidtool(P,C1) %%para calibrar el PID
title('CONTROLADOR PID')
xlabel('TIEMPO')
ylabel('AMPLITUD')
ylim([0 1.5]);
C2 =
Fig17. Obtención de la FT para los datos originales
1
Kp + Ki * --- + Kd * s
s
with Kp = 5.87, Ki = 0.0295, Kd = 0.002
Continuous-time PID controller in parallel
form.
T2 =
s=tf('s');
P=1.667/(190*s+1); S.I. 83 0.00934 0.002
t=0:0.1:800;
VIII. RECOMENDACIONES
Realizar la maqueta o el armado de la madera
herméticamente ya que la interferencia del aire exterior
Fig21. Generación de la gráfica con el controlador PI.
puede ocasionar fallos en la estabilidad de la planta.
IX. REFERENCIAS
[1] W. Li, Q. Luo, Z. Li, and Y. Li, “The design and
implementation of a low cost temperature control system
for agriculture greenhouses,” 2009 Int. Conf. Energy
Environ. Technol. ICEET 2009, vol. 1, pp. 399–401, 2009.