Trabajo de Control Teoria

UNIVERSIDAD NACIONAL SAN ANTONIO ABAD DEL
CUSCO
FACULTAD DE INGENIERIA DE PROCESOS
ESCUELAS PROFESIONALES DE INGENIERÍA QUÍMICA E

INGENIERÍA PETROQUÍMICA
CONTROL DE PROCESOS
TEMA: “IDENTIFICACION DE SISTEMAS”
DOCENTE:
ING. PINARES GAMARRA, WILBER
ALUMNOS:
CHINCHERO COA, CHANDA 941154
OROSCO PECEROS, KEREN 141069
RIOS QUINTANILLA, EYDIE STEPHANIE 141604
TTITO CCORISE, ANALI GLADIS 141685
VALENZUELA NINA, DAX ALEXANDER 141417
2018 - I
PRESENTACION
El funcionamiento de los procesos industriales ha cambiado drásticamente en las últimas
décadas. Este cambio se debe principalmente a la evolución de la tecnología del ordenador, la
automatización de los procesos ha generado un aumento de la productividad de algunos
sectores industriales, obligando a las demás a adaptarse a las demandas del mercado y aumentar
su competitividad (Backx, 1993). Para aumentar la competitividad ha sido necesario desarrollar
nuevas técnicas, métodos y herramientas que permitan maximizar la eficiencia de los procesos,
desarrollando controladores de gran calidad, y maximizar la flexibilidad de los procesos con el
menor ajuste de la máquina. Para ello es imprescindible conocer el comportamiento dinámico
del proceso, principalmente de las partes críticas.
En la actualidad, cada vez más, el trabajo de un ingeniero consiste en la realización de modelos
matemáticos de los procesos estudiados (Ljung 1994). Los modelos son utilizados en áreas tan
distintas como: bioingeniería, construcción, economía, procesos químicos, etc. El campo de
utilización de dichos modelos es muy amplio, destacar aplicaciones como: control, supervisión,
predicción, simulación, optimización,
En la ingeniería de control, el campo de identificación de sistemas usa métodos estadísticos
para crear modelos matemáticos de sistemas dinámicos a partir de valores experimentales. La
identificación de sistemas también abarca el diseño óptimo de los experimentos para generar
eficientemente información útil para aproximar dichos modelos.

Ejemplo 3.2. MODELADO DE PROCESOS DE SOMTM y POLOS Y CEROS
Repetir el ejercicio anterior para modelos de SOMTM y el de Polos y Ceros en el dominio de

Laplace.
Los datos experimentales que se en la Tabla, son obtenidos en un secador de disco. La

alimentación a la entrada del secador sufre una perturbación de 2% de humedad. La respuesta
de la humedad, en términos de la desviación, son los que se muestra en la tabla:
t, min 0 1 2 3 4 5 6 7 8
%Hu 0 0 0 0 0 0 0.1 0.3 0.4
t, min 9 10 11 12 13 14 15 16 17
%Hu 0.6 0.7 0.9 1.1 1.2 1.3 1.4 1.5 1.6
t, min 18 19 20 21 22 23 24 25 26
%Hu 1.65 1.7 1.75 1.8 1.825 1.85 1.875 1.9 1.92
t, min 27 28 29 30 31 32
%Hu 1.94 1.96 1.8 2.0 2.0 2.0
a) Diseño Experimental:
De acuerdo al enunciado del problema, elegimos el método de los Tres Puntos para la
identificación de los modelos de Segundo Orden sobre amortiguados más tiempo
muerto, con fines de modelado del circuito abierto, para lo cual requeriremos tres
puntos equivalentes al 25%, 50% y 75% del cambio de la variable del proceso. Sobre
la curva de proceso identificaremos los tiempos (25,50 y 75).
b) Recolección de Datos:
t, min 0 1 2 3 4 5 6 7 8
%Hu 0 0 0 0 0 0 0.1 0.3 0.4
t, min 9 10 11 12 13 14 15 16 17
%Hu 0.6 0.7 0.9 1.1 1.2 1.3 1.4 1.5 1.6
t, min 18 19 20 21 22 23 24 25 26
%Hu 1.65 1.7 1.75 1.8 1.825 1.85 1.875 1.9 1.92
t, min 27 28 29 30 31 32
%Hu 1.94 1.96 1.8 2.0 2.0 2.0
c) Selección de la Estructura del Modelo: Modelo de SOMTM
𝑘
𝐺(𝑠) = 𝑒 −𝑡𝑑 𝑠
𝜏 2 𝑠 2 + 2𝜀𝜏𝑠 + 1
𝑡𝜀 𝜀
𝐺(𝑡) = 𝐾𝐴 〈1 − 𝑒 − 𝜏 (cosh(𝑀𝑡) + 𝑆𝑒𝑛ℎ(𝑀𝑡))〉
√𝜀 2 − 1
Modelo de Ceros y Polos:
𝑘(𝜏𝑎 𝑠 + 1)
𝐺(𝑠) = 𝑒 −𝑡𝑑 𝑠
(𝜏1 𝑠 + 1)(𝜏2 𝑠 + 1)
d) Estimación de los Parámetros del Modelo
T (min) %Hu DVP DA T (min) %Hu DVP DA

Variable del (perturbación) Variable (perturbación)
Proceso del Proceso
0 0 0 2 29 1.98 1.98 2
1 0 0 2 30 2 2 2
2 0 0 2 31 2 2 2
3 0 0 2 32 2 2 2
4 0 0 2
5 0 0 2
6 0.1 0.1 2
7 0.3 0.3 2
8 0.4 0.4 2
9 0.6 0.6 2
10 0.7 0.7 2
11 0.9 0.9 2
12 1.1 1.1 2
13 1.2 1.2 2
14 1.3 1.3 2
15 1.4 1.4 2
16 1.5 1.5 2
17 1.6 1.6 2
18 1.65 1.65 2
19 1.7 1.7 2
20 1.75 1.75 2
21 1.8 1.8 2
22 1.825 1.825 2
23 1.85 1.85 2
24 1.875 1.875 2
25 1.9 1.9 2
26 1.92 1.92 2
27 1.94 1.94 2
28 1.96 1.96 2
DVP t
t100% 2
t25% 0.5 8.5
t50% 1 11.5
t75% 1.5 16
−0.6240(𝑡25 ) + 0.9866(𝑡50 ) − 0.3626(𝑡75 )

𝑎=
0.3533(𝑡25 ) − 0.7036(𝑡50 ) + 0.3503(𝑡75 )
−0.6240(8.5) + 0.9866(11.5) − 0.3626(16)

𝑎=
0.3533(8.5) − 0.7036(11.5) + 0.3503(16)
𝑎 = 0.4652919
𝑡75% − 𝑡25%
𝜏1 = 𝜏 " =
0.9866 + 0.7036𝑎
16 − 8.5
𝜏1 = 𝜏 " =
0.9866 + 0.7036(0.4652919)
𝜏1 = 𝜏 " = 5.70785213
𝜏2 = 𝑎𝜏 "
𝜏2 = (0.4652919)(5.70785213)
𝜏2 = 2.65584735
𝑡𝑑 = 𝑡75 − (1.3421 + 1.3455𝑎)𝜏 "
𝑡𝑑 = 16 − (1.3421 + (1.3455 ∗ 04652919)) ∗ 5.70785213
𝑡𝑑 = 4.76608941
𝑘=1
(𝜏1 + 𝜏2 )
𝜀 =
2√(𝜏1 𝜏2 )
(5.70785213 + 2.65584735)
𝜀 =
2√(5.70785213 ∗ 2.65584735)
𝜀 = 1.07406708
√𝜀 2 − 1
𝑀=
𝜏
𝜏 = √𝜏1 ∗ 𝜏2
𝜏 = √5.70785213 ∗ 2.65584735
𝜏 = 3.89345768
√(1.07406708)2 − 1
𝑀=
3.89345768
𝑀 = 0.10066733
Parámetros valor
K 1
a 0.4652919
" 5.70785213
𝜏1 = 𝜏
𝜏2 2.65584735
𝑡𝑑 4.76608941
𝜀 1.07406708
𝜏 3.89345768
M 0.10066733
e) Validación del Modelo:

𝑡𝜀 𝜀
𝐺(𝑡) = 𝐾𝐴 〈1 − 𝑒 − 𝜏 (cosh(𝑀𝑡) + 𝑆𝑒𝑛ℎ(𝑀𝑡))〉
√𝜀 2 − 1
𝑡(1.07406708) 1.07406708
𝐺(𝑡) = 1 ∗ 2 〈1 − 𝑒 −3.89345768 (cosh(0.10066733𝑡) + 𝑆𝑒𝑛ℎ(0.10066733𝑡))〉
√1.074067082 − 1
Mod SOCrit Mod SOCrit Mod SOCrit
0 0 1.65 1.629513189 2 1.960774546

0.1 0.055047845 1.7 1.687059933 2 1.96706349
0.3 0.184825787 1.75 1.735983957
0.4 0.351100787 1.8 1.777474738
0.6 0.530012066 1.825 1.812592173
0.7 0.707179762 1.85 1.842268086
0.9 0.874409667 1.875 1.867313549
1.1 1.027483411 1.9 1.888429188
1.2 1.164685226 1.92 1.906216692
1.3 1.28582724 1.94 1.921190422
1.4 1.391611056 1.96 1.93378851
1.5 1.483215188 1.98 1.944383089
1.6 1.56203341 2 1.953289516
2.5
1.5
0.5
0
0 5 10 15 20 25 30 35
CONCLUSIONES:

Trabajo de Control Teoria

Cargado por

Copyright:

Formatos disponibles

Trabajo de Control Teoria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo de Control Teoria

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL SAN ANTONIO ABAD DEL

FACULTAD DE INGENIERIA DE PROCESOS

ESCUELAS PROFESIONALES DE INGENIERÍA QUÍMICA E

TEMA: “IDENTIFICACION DE SISTEMAS”

El funcionamiento de los procesos industriales ha cambiado drásticamente en las últimas

décadas. Este cambio se debe principalmente a la evolución de la tecnología del ordenador, la

automatización de los procesos ha generado un aumento de la productividad de algunos

su competitividad (Backx, 1993). Para aumentar la competitividad ha sido necesario desarrollar

desarrollando controladores de gran calidad, y maximizar la flexibilidad de los procesos con el

menor ajuste de la máquina. Para ello es imprescindible conocer el comportamiento dinámico

del proceso, principalmente de las partes críticas.

En la actualidad, cada vez más, el trabajo de un ingeniero consiste en la realización de modelos

distintas como: bioingeniería, construcción, economía, procesos químicos, etc. El campo de

predicción, simulación, optimización,

En la ingeniería de control, el campo de identificación de sistemas usa métodos estadísticos

para crear modelos matemáticos de sistemas dinámicos a partir de valores experimentales. La

eficientemente información útil para aproximar dichos modelos.

Repetir el ejercicio anterior para modelos de SOMTM y el de Polos y Ceros en el dominio de

Los datos experimentales que se en la Tabla, son obtenidos en un secador de disco. La

c) Selección de la Estructura del Modelo: Modelo de SOMTM

d) Estimación de los Parámetros del Modelo

T (min) %Hu DVP DA T (min) %Hu DVP DA

−0.6240(𝑡25 ) + 0.9866(𝑡50 ) − 0.3626(𝑡75 )

−0.6240(8.5) + 0.9866(11.5) − 0.3626(16)

𝑡𝑑 = 𝑡75 − (1.3421 + 1.3455𝑎)𝜏 "

𝑡𝑑 = 16 − (1.3421 + (1.3455 ∗ 04652919)) ∗ 5.70785213

e) Validación del Modelo:

Mod SOCrit Mod SOCrit Mod SOCrit

0 0 1.65 1.629513189 2 1.960774546

También podría gustarte