INSTITUTO POLITÉCNICO NACIONAL
ESCUELA SUPERIOR DE
INGENIERÍA MECÁNICA Y
ELÉCTRICA
UNIDAD ZACATENCO
INGENIERIA EN CONTROL Y
AUTOMATIZACIÓN CONTROL AVANZADO I
REPORTE DE PRÁCTICA
SINTONIZACIÓN DE CONTROLADORES A PARTIR
DE LA OBTENCIÓN DE PARAMETROS
MEDIANTE EL MÉTODO DE MÍNIMOS
CUADRADOS Y DISTANCIAS
ORTOGONALES
GRUPO: 8AM1
Villegas Rodríguez Adrian
Indice
Definición de modelo................................................................................................................ 1
Sistema de nivel........................................................................................................................1
Sistema de flujo........................................................................................................................ 3
Sistema de control de lazo cerrado...........................................................................................4
Identificación paramétrica......................................................................................................... 7
Tabla de valores....................................................................................................................... 8
Diseño de controladores........................................................................................................... 9
Obtención de ganancias......................................................................................................... 10
Simulación.............................................................................................................................. 11
Experimentación..................................................................................................................... 19
Conclusión.............................................................................................................................. 23
ii
Definición de modelo
Un modelo matemático es una representación matemática de un sistema dinámico que se
utiliza para entender, analizar, diseñar y controlar su comportamiento. Se construyen a
partir de principios físicos, leyes naturales o mediante la observación empírica de cómo se
comporta un sistema en particular. Los modelos son fundamentales en la ingeniería de
control, ya que permiten simular el comportamiento de sistemas físicos o naturales en un
entorno matemático.
Los modelos pueden ser de diferentes tipos y niveles de complejidad, desde simples
ecuaciones diferenciales hasta sistemas de ecuaciones complejas que describen
completamente un sistema físico. Los modelos pueden representar sistemas en el dominio
del tiempo o en dominio de la frecuencia, y pueden ser lineales o no lineales, dependiendo
de la naturaleza del sistema que se esté modelando.
Para obtener un modelo matemático de un sistema es necesario conocer el funcionamiento
del propio sistema, conocer los componentes que se involucran en el funcionamiento del
sistema, se necesita saber los fenómenos físicos que emplea, recopilación de datos,
formulación de modelo matemático, validación y ajuste de tal modelo.
Sistema de nivel
Para obtener el modelo matemático del sistema de nivel del multilazo, es necesario conocer
el propio sistema, además de sus componentes, ya que esto influye en su comportamiento,
para ello una representación del sistema, es mediante un DTI como se muestra en la Figura
1.
1
Figura 1. DTI del sistema de nivel.
2
La obtención del modelo matemático del sistema depende de las variables consideradas en
la dinámica de este, para el caso de la práctica se considera de dos posibles formas tales
como una función de primer orden, y una de segundo orden
Sistema de flujo
Para obtener el modelo matemático del sistema de flujo del multilazo, es necesario conocer
el propio sistema, además de sus componentes, ya que esto influye en su comportamiento,
para ello una representación del sistema
De igual manera, para el caso del sistema de flujo se considera una función de transferencia de
primer orden y una de segundo
3
Sistema de control de lazo cerrado
Para determinar la función de transferencia en lazo cerrado de cada sistema, se plantea el
diagrama de bloques mostrado en la Figura 3, en el que se aprecia la planta (sistema), un
controlador y una retroalimentación, además de la variable de entrada y la de salida
Figura 2. Diagrama de bloques.
4
Recordando que la señal de salida con respecto a la entrada es:
A partir de podemos obtener el polinomio característico (6), del cual sabemos que
podemos modificar el comportamiento del sistema
Sabiendo, podemos concluir que C(s), es la función de controlador P , PI ó PID.
Recordando la forma del polinomio de lazo cerrado general, podemos obtener las ganancias
de los controladores P a través de (11); PI a través de y; y PID
A partir de las cuales son funciones de primer orden, y descrito lo anterior, obtenemos que:
Para P:
Para PI:
Para PID
5
Para el caso de las funciones de segundo orden, en un lazo de control cerrado, podemos obtener
el valor de los controladores P a través de, PI con y PID
Para P:
Para PI:
Para PID:
6
Identificación paramétrica
Una vez obtenido las fórmulas para obtener las ganancias, se deben conocer los
parámetros de la planta. Para esto se ocupa la identificación paramétrica con mínimos
cuadrados y distancias ortogonales
El programa general para calcular los parámetros es el siguiente:
clear;close all;clc
%%Datos flujo obtenidos DF=readmatrix("C:\Users\lenovo\OneDrive - Instituto Politecnico
Nacional\EYCV\Trabajos\Flujo_18102023_091355.txt");
%%Datos nivel obtenidos DN=readmatrix("C:\Users\lenovo\OneDrive - Instituto Politecnico
Nacional\EYCV\Trabajos\Nivel_18102023_091400.txt");
seg=0:1.72:399; t=double(seg'); %Vector tiempo
%%
U1 = 35*ones(29,1); U2 = 45*ones(29,1); U3 = 55*ones(29,1); U4 = 65*ones(29,1);
U5 = 75*ones(29,1); U6 = 85*ones(29,1); U7 = 95*ones(29,1); U8 =
100*ones(29,1);
Por_Valv = double([U1' U2' U3' U4' U5' U6' U7' U8']);
%Parametros mediante minimos cuadrados PPy = spline(t,niv); yp1 = fnder(PPy,1);
y1 = ppval(yp1,t); Am1 = [-y1 Por_Valv'];
LS1 = pinv(Am1)*niv;
%Parametros mediante distancias ortogonales
z = -Por_Valv; y = flujo'; x = -ppval(yp1,t)'; funh = @(p)DO1(p,x,y,z); P0 = [0 0]';
options = optimset('Display','iter', 'GradObj', 'on','HessUpdate', 'bfgs', 'TolX',1e-
20,'TolFun',1e-20,'MaxIter',600,'MaxFunEvals',600,...
'FinDiffType','central', 'algorithm', 'quasi-newton',
'PlotFcns','optimplotfirstorderopt'); [bestx,fval,exitflag,output,grad,hessian] =
fminunc(funh,P0,options);
K = bestx(1); T = bestx(2);
LSOD1 = [K T]';
7
Tabla de valores
Tabla 1. Valores para mínimos cuadrados.
Tabla de valores para mínimos cuadrados
función de K 𝜏 𝛼1 𝛼2 𝛽
transferencia
𝐺1(𝑠) 2.093 74.42 0 0 0
𝐺2(𝑠) 1.58 3.19 0 0 0
𝐺3(𝑠) 0 0 0.004 1.89 0.02
𝐺4(𝑠) 0 0 1.39 0.37 0.59
Tabla 2. Valores para distancias ortogonales.
Tabla de valores para distancias ortogonales
función de K 𝜏 𝛼1 𝛼2 𝛽
transferencia
𝐺1(𝑠) 3.38 16.48 0 0 0
𝐺2(𝑠) 1.72 14.95 0 0 0
𝐺3(𝑠) 0 0 -0.015 2.64 258e-6
𝐺4(𝑠) 0 0 1.79 0.18 0.31
8
Diseño de controladores
E l programa para calcular las ganancias de los controladores es el siguiente:
%Parametrizacion y obtener ganacias PID de funcion de transferencia
%Funciones Nivel
KN_MC=2.093; TN_MC=74.42; KN_DO=3.38; TN_DO=16.48; a1N_MC=0.004; a2N_MC=1.89; bN_MC=0.02;
a1N_DO=-0.015; a2N_DO=2.64; bN_DO=258e-6;
%%
%Funcion deseada Mp=3.5;
ts=7;
%cA fr=sqrt((((log(Mp/100))/pi)^2)/2);
%Criterio de 4% wn=((ts)*(fr))/3;
numerador_GC = [0 wn^2]; denominador_GC = [1 2*fr*wn wn^2];
GC=tf(numerador_GC,denominador_GC)
%%
%Para GN1
%Calculo P GN1_MC_KP_P=(wn-1)/KN_MC GN1_DO_KP_P=(wn-1)/KN_DO
%Calculo PI GN1_MC_KP_PI=(2*TN_MC*fr*wn-1)/KN_MC GN1_MC_Ki_PI=(TN_MC*(wn^2))/KN_MC
GN1_DO_KP_PI=(2*TN_DO*fr*wn-1)/KN_DO GN1_DO_Ki_PI=(TN_DO*(wn^2))/KN_DO
%Calculo PID delta=100;
GN1_MC_KP_PID=(2*delta*fr*wn-1)/KN_MC GN1_MC_Ki_PID=(delta*(wn^2))/KN_MC
GN1_MC_Kd_PID=(delta-TN_MC)/KN_MC GN1_DO_KP_PID=(2*delta*fr*wn-1)/KN_DO
GN1_DO_Ki_PID=(delta*(wn^2))/KN_DO GN1_DO_Kd_PID=(delta-TN_DO)/KN_DO
%Para GN2
%Calculo P
GN2_MC_KP_P=((wn^2)-a2N_MC)/bN_MC
GN2_DO_KP_P=((wn^2)-a2N_DO)/bN_DO
%Calculo PI GN2_MC_KP_PI=(2*fr*wn)/bN_MC GN2_MC_Ki_PI=((wn^2))/bN_MC
GN2_DO_KP_PI=(2*fr*wn)/bN_DO GN2_DO_Ki_PI=((wn^2))/bN_DO
%Calculo PID delta=100;
GN2_MC_KP_PID=(2*delta*fr*wn-a2N_MC*delta)/bN_MC GN2_MC_Ki_PID=(delta*(wn^2))/bN_MC
GN2_MC_Kd_PID=(delta-a1N_MC)/bN_MC GN2_DO_KP_PID=(2*delta*fr*wn-a2N_DO*delta)/bN_DO
GN2_DO_Ki_PID=(delta*(wn^2))/bN_DO GN2_DO_Kd_PID=(delta-a1N_DO)/bN_DO
%Para GF1
%Calculo P GF1_MC_KP_P=(wn-1)/KF_MC GF1_DO_KP_P=(wn-1)/KF_DO
%Calculo PI GF1_MC_KP_PI=(2*TF_MC*fr*wn-1)/KF_MC GF1_MC_Ki_PI=(TF_MC*(wn^2))/KF_MC
GF1_DO_KP_PI=(2*TF_DO*fr*wn-1)/KF_DO GF1_DO_Ki_PI=(TF_DO*(wn^2))/KF_DO
%Calculo PID delta=100;
GF1_MC_KP_PID=(2*delta*fr*wn-1)/KF_MC GF1_MC_Ki_PID=(delta*(wn^2))/KF_MC
GF1_MC_Kd_PID=(delta-TF_MC)/KF_MC GF1_DO_KP_PID=(2*delta*fr*wn-1)/KF_DO
GF1_DO_Ki_PID=(delta*(wn^2))/KF_DO GF1_DO_Kd_PID=(delta-TF_DO)/KF_DO
%Para GF2
19
%Calculo P
GF2_MC_KP_P=((wn^2)-a2F_MC)/bF_MC GF2_DO_KP_P=((wn^2)-a2F_DO)/bF_DO
%Calculo PI GF2_MC_KP_PI=(2*fr*wn)/bF_MC GF2_MC_Ki_PI=((wn^2))/bF_MC
GF2_DO_KP_PI=(2*fr*wn)/bF_DO GF2_DO_Ki_PI=((wn^2))/bF_DO
%Calculo PID delta=100;
GF2_MC_KP_PID=(2*delta*fr*wn-a2F_MC*delta)/bF_MC GF2_MC_Ki_PID=(delta*(wn^2))/bF_MC
GF2_MC_Kd_PID=(delta-a1F_MC)/bF_MC GF2_DO_KP_PID=(2*delta*fr*wn-a2F_DO*delta)/bF_DO
GF2_DO_Ki_PID=(delta*(wn^2))/bF_DO GF2_DO_Kd_PID=(delta-a1F_DO)/bF_DO
Obtención de ganancias
Obtención de ganancias
Tabla 3. Obtención de ganancias.
P PI PID
KP=15.3547 KP=70.63 KP=70.63
NIVEL KI=11.07 KI=11.07
1ER KD=21.86
ORDEN KP=4.4146 KP=0.3766 KP=0.3766
FLUJO KI=0.5047 KI=0.5047
MINIMOS KD=0.5
CUADRADOS KP=28.4571 KP=50.35 KP=50.35
NIVEL KI=8.24 KI=8.24
2DO KD=2.58
ORDEN KP=2.012 KP=1.56 KP=1.56
FLUJO KI=0.687 KI=0.687
KD=0.7
KP=25.2468 KP=65.24 KP=65.24
NIVEL KI=10.52 KI=10.52
1ER KD=5.956
ORDEN KP=2.8953 KP=3.7645 KP=3.7645
FLUJO KI=2.173 KI=2.173
DISTANCIAS KD=1.5
ORTOGONALES KP=--- KP=--- KP=---
NIVEL KI=--- KI=---
2DO KD=---
ORDEN KP=2.93 KP=1.91 KP=1.91
FLUJO KI=0.82 KI=0.82
KD=1
Ya que en el PLC del multilazo no se pueden cargar la ganancia integral y derivativa, se
procede a hacer la conversión de las ganancias a ganancia critica (23), tiempo integral
(24) y tiempo derivativo (25); todo lo anterior mostrado en la Tabla 4.
11
0
P PI PID
Kc=15.3547 Kc=70.63 Kc=70.63
NIVEL Ti=6.38 Ti =6.38
1ER Td=11.0705
ORDEN Kc=4.4146 Kc=0.3766 Kc=0.3766
FLUJO Ti =0.7461 Ti =0.7461
MINIMOS Td=0.7532
CUADRADOS Kc=28.4571 Kc=50.35 Kc=50.35
NIVEL Ti =6.11 Ti =6.11
2DO Td=19.5155
ORDEN Kc =2.012 Kc=1.56 Kc=1.56 Ti
FLUJO Ti =2.2707 =2.2707
Td=2.22
Kc=25.2468 Kc=65.24 Kc=65.24
NIVEL Ti =6.201 Ti =6.201
1ER Td=10.9536
ORDEN Kc=2.8953 Kc=3.7645 Kc=3.7645
FLUJO Ti =1.7323 Ti =1.7323
DISTANCIAS Td=2.5096
ORTOGONALES Kc=--- Kc=--- Kc=---
NIVEL Ti =--- Ti =---
2DO Td=---
ORDEN Kc=2.93 Kc=1.91 Kc=1.91 Ti
FLUJO Ti =2.3292 =2.3292
Td=1.91
Simulación
A partir de la Tabla 3, en el programa de Simulink, se puede realizar las simulaciones
correspondientes, con el fin de comprobar que las ganancias obtenidas sean las adecuadas o
deseadas, para una mejor respuesta del sistema
11
1
Figura 3 Modelos de un sistema de primer orden por mínimos cuadrados (nivel)
Figura 4 Simulación de los controladores
11
2
Figura 5 Modelos de un sistema de primer orden por mínimos cuadrados (flujo)
11
3
Figura 6 Simulación de controladores
Figura 7 Modelos de un sistema de segundo orden por mínimos cuadrados (nivel)
Figura 8 Simulación de controladores
11
4
Figura 9 Modelos de un sistema de segundo orden por mínimos cuadrados (flujo)
Figura 10 Simulación de controladores
11
5
Figura 11 Modelos de un sistema de primer orden por distancias ortogonales (nivel)
Figura 12 Simulación de controladores
11
6
Figura 13 Modelos de un sistema de primer orden por distancias ortogonales (flujo)
Figura 14 Simulación de controladores
11
7
Figura 15 Modelos de un sistema de segundo orden por distancias ortogonales (flujo)
Figura 16 Simulación de flujo distancias ortogonales
11
8
Experimentación
Una vez obtenido y analizado el comportamiento de los controladores en las simulaciones,
se procede a probar los controladores en la interfaz del multilazo.
Figura 17. Respuesta de un controlador PI en un sistema de flujo de primer orden mediante
Figura 18. Respuesta de un controlador PI en un sistema de flujo de primer orden mediante
mínimos cuadrados.
11
9
Figura 19. Respuesta de un controlador PI en un sistema de flujo de primer orden mediante
distancias ortogonales.
Figura 21. Respuesta de un controlador PID en un sistema de flujo de primer orden mediante
distancias ortogonales.
12
0
Figura 22. Respuesta de un controlador PI en un sistema de flujo de segundo orden
Figura 23. Respuesta de un controlador PID en un sistema de flujo de segundo orden
mediante distancias ortogonales.
12
1
Figura 24. Respuesta de un controlador PI en un sistema de nivel de primer orden mediante
mínimos cuadrados.
Figura 25. Respuesta de un controlador PI en un sistema de nivel de primer orden mediante
mínimos cuadrados.
Figura 26. Respuesta de un controlador PID en un sistema de nivel de primer orden mediante
mínimos cuadrados. (resultado de comparar otros controladores)
12
2
Conclusión
Se ha documentado de manera exhaustiva el proceso de parametrización de un sistema de
nivel y control, destacando la utilización de distancias ortogonales y métodos numéricos
como herramientas fundamentales en la ingeniería de control. A través de esta investigación,
se han alcanzado varios hallazgos significativos y se han extraído conclusiones valiosas.
La aplicación de distancias ortogonales permitió una representación matemática precisa de
las interacciones entre las variables del sistema. Este enfoque facilitó la comprensión
profunda de las dinámicas involucradas, allanando el camino para un diseño más robusto y
adaptativo. La meticulosa implementación de métodos numéricos, por otro lado, demostró
ser crucial para la optimización y ajuste de los parámetros del sistema, contribuyendo a
mejorar la eficiencia y la capacidad de respuesta del controlador.
Los resultados obtenidos no solo corroboran la eficacia de la metodología empleada, sino
que también sugieren aplicaciones potenciales en otros contextos industriales. La mejora
observada en la capacidad de control y la respuesta del sistema ante variaciones operativas
respalda la relevancia práctica de la investigación realizada.
Este proyecto no estuvo exento de desafíos y limitaciones, como la necesidad de considerar
condiciones específicas del entorno industrial y la complejidad asociada con la
implementación de ciertos algoritmos numéricos. Sin embargo, dichos desafíos han brindado
oportunidades para aprendizaje y han resaltado áreas para investigaciones futuras.
En última instancia, este reporte no solo representa un logro académico, sino que también
contribuye al avance de la ingeniería de control. Se recomienda que futuros proyectos de
investigación exploren extensiones de esta metodología y consideren su implementación en
sistemas más amplios y variados. La combinación de distancias ortogonales y métodos
numéricos ofrece un enfoque prometedor para diseñar sistemas de nivel y control más
precisos y adaptables, con implicaciones significativas en el ámbito de la automatización
industrial.
12
3
