"IMPLEMENTACIÓN DE UN CONTROLADOR

ADAPTATIVO POR MODELO DE REFERENCIA

PARA SISTEMAS DE SEGUNDO ORDEN"
 "IMPLEMENTACIÓN DE UN CONTROLADOR
ADAPTATIVO POR MODELO
DE REFERENCIA PARA SISTEMAS DE SEGUNDO
ORDEN"

AUTOR:

ALBERTO ALEXANDER LAZO BERREZUETA

Ingeniero Electrónico
Egresado de la Maestría en Control y Automatización Industriales

DIRIGIDO POR:

LUIS ISMAEL MINCHALA AVILA

Ingeniero Electrónico
Maestría en Ciencias con Especialidad en Automatización
Doctorado en Ciencias de Ingeniería
Docente de la Maestría en Control y Automatización Industriales

CUENCA - ECUADOR

2016
 Datos de catalogación bibliográca

ALBERTO ALEXANDER LAZO BERREZUETA

"IMPLEMENTACIÓN DE UN CONTROLADOR ADAPTATIVO POR

MODELO DE REFERENCIA PARA SISTEMAS DE SEGUNDO ORDEN"

Universidad Politécnica Salesiana, Cuenca - Ecuador, 2016

MAESTRÍA EN CONTROL Y AUTOMATIZACIÓN INDUSTRIALES

Formato 170 x 240mm Páginas: 60 Páginas

Breve reseña de los autores e información de contacto

AUTOR:

ALBERTO ALEXANDER LAZO BERREZUETA

Ingeniero Electrónico
Egresado de la Maestría en Control y Automatización
Industriales
[email protected]

DIRIGIDO POR:

LUIS ISMAEL MINCHALA ÁVILA

Ingeniero Electrónico
Maestría en Ciencias con Especialidad en Automatización
Doctorado en Ciencias de Ingeniería
Docente de la Maestría en Control y Automatización
Industriales
[email protected]

Todos los derechos reservados.

Queda prohibida, salvo excepción prevista en la Ley, cualquier forma de reproducción, distribu-
ción comunicación pública y transformación de esta obra para nes 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 nes académicos o investigativos por cualquier medio, con la debida noticación
a los autores.

©
DERECHOS RESERVADOS
2016 Universidad Politécnica Salesiana
CUENCA - ECUADOR
ALBERTO ALEXANDER LAZO BERREZUETA
IMPLEMENTACIÓN DE UN CONTROLADOR ADAPTATIVO POR MODELO DE REF-
ERENCIA PARA SISTEMAS DE SEGUNDO ORDEN.

IMPRESO EN ECUADOR - PRINTED IN ECUADOR

ÍNDICE GENERAL
1 INTRODUCCIÓN 1
1.1 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Objetivos especícos . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Estado del arte del control adaptativo . . . . . . . . . . . . . . . . 3
1.4 Controladores adaptativos por modelo de referencia . . . . . . . . . 5
1.5 Contribuciones del proyecto de investigación . . . . . . . . . . . . . 7

2 DISEÑO DEL CONTROLADOR ADAPTATIVO POR MOD-

ELO DE REFERENCIA 9
2.1 Modelamiento de la planta . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 Métodos de identicación de sistemas . . . . . . . . . . . . 9
2.1.2 Identicación del modelo de la planta . . . . . . . . . . . . 11
2.2 Diseño del controlador adaptativo MRAC . . . . . . . . . . . . . . 14
2.2.1 Diseño del controlador MRAC . . . . . . . . . . . . . . . . . 15
2.2.2 Modelo de referencia . . . . . . . . . . . . . . . . . . . . . . 18

3 IMPLEMENTACIÓN DEL CONTROLADOR 21

3.1 Estructura del sistema de control . . . . . . . . . . . . . . . . . . . 21
3.1.1 Bus de Campo . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.2 Comunicación HMI - PLC . . . . . . . . . . . . . . . . . . . 23
3.2 Programación PLC y HMI . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Conguración del hardware del PLC . . . . . . . . . . . . . 26
3.2.2 Programación del algoritmo de control . . . . . . . . . . . . 28
3.2.3 Programación del HMI . . . . . . . . . . . . . . . . . . . . . 28

4 ANÁLISIS DE RESULTADOS 33
4.1 Parámetros de desempeño del controlador . . . . . . . . . . . . . . 33
4.2 Análisis comparativo de los controladores . . . . . . . . . . . . . . 34
4.2.1 Sintonización del controlador PID . . . . . . . . . . . . . . . 34

V
 4.2.2 Sintonización del controlador adaptativo MRAC . . . . . . 37
4.2.3 Análisis comparativo . . . . . . . . . . . . . . . . . . . . . . 39

5 CONCLUSIONES Y RECOMENDACIONES 43
5.1 Conclusiones y comentarios . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

ANEXOS 46

BIBLIOGRAFÍA 57
ÍNDICE DE FIGURAS
1.1 Conguración básica de control adaptativo . . . . . . . . . . . . . 4
1.2 Estructura MRAC . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.1 Respuesta al escalón de un sistema de primer orden . . . . . . . . . 10

2.2 Planta didáctica de procesos (Laboratorio de la Universidad Politéc-
nica Salesiana) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Diagrama de la planta . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Prueba escalón del lazo de control de nivel . . . . . . . . . . . . . . 13
2.5 Respuesta al escalón del proceso real y el modelo ajustado de
primer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.6 Respuesta al escalón del modelo aprox. de Padé de la planta . . . 15
2.7 Controlador adaptativo MRAC . . . . . . . . . . . . . . . . . . . . 19
2.8 Respuesta al escalón del modelo de referencia Gm . . . . . . . . . 20

3.1 Estructura del sistema de control . . . . . . . . . . . . . . . . . . . 22

3.2 Topología de la red de comunicaciones . . . . . . . . . . . . . . . . 24
3.3 Comunicación WinCC - PLC . . . . . . . . . . . . . . . . . . . . . 25
3.4 Conguración de hardware del PLC . . . . . . . . . . . . . . . . . 26
3.5 Conguración de hardware de la periferia ET200S dir: 1 . . . . . . 27
3.6 Conguración de hardware de la periferia ET200M dir: 3 . . . . . . 27
3.7 Conguración de hardware de la periferia IM153-PA dir: 4 . . . . . 27
3.8 Conguración de hardware del Transmisor de nivel LEVELFLEX
dir: 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.9 Diagrama en bloques del proceso . . . . . . . . . . . . . . . . . . . 29
3.10 Pantalla principal del HMI . . . . . . . . . . . . . . . . . . . . . . . 30
3.11 Pantalla de tendencias HMI . . . . . . . . . . . . . . . . . . . . . . 31

4.1 Respuesta al escalón unitario de un sistema de control. Fuente:

(Kuo, 1996) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 Respuesta del sistema con el controlador PID . . . . . . . . . . . . 35
4.3 Respuesta del sistema con variación de parámetros del PID . . . . 36
4.4 Respuesta del controlador MRAC a diferentes valores de ganancia γ 38

VII
4.5 Respuesta del controlador MRAC con ganancia γ entre 8 y 3 . . . 38
4.6 Respuesta del controlador MRAC con γ=6 . . . . . . . . . . . . 39
4.7 Respuesta del sistema con MRAC ante perturbaciones . . . . . . . 40
4.8 Convergencia de los parámetros θ1 y θ2 . . . . . . . . . . . . . . . 40
4.9 Vista del visualizador de tendencias del HMI . . . . . . . . . . . . 41
4.10 Respuestas de los controladores PID y adaptativo MRAC . . . . . 42
ÍNDICE DE TABLAS
2.1 Características de la respuesta del modelo de referencia . . . . . . . 20

4.1 Resultados de los métodos de sintonización del controlador PID . . 35

4.2 Parámetros nales de sintonía del controlador PID . . . . . . . . . 36
4.3 Parámetros de desempeño del controlador PI . . . . . . . . . . . . 37
4.4 Parámetros de desempeño del controlador MRAC . . . . . . . . . 37
4.5 Comparación de parámetros de desempeño del controlador PID y
MRAC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

IX
X
 Dedicatoria:

A mi esposa Marcia, a mis hijos

Matías y Benjamín quienes me brindaron
su amor, apoyo, comprensión y
paciencia.

XI
XII
 PREFACIO
Este trabajo de investigación presenta la implementación de un control adap-
tativo por modelo de referencia (MRAC, por sus siglas en inglés) para sistemas
de segundo orden aplicado a una planta didáctica de dos tanques interconectados.
El algoritmo de control adaptativo está implementado en un controlador lógico
programable (PLC, por sus siglas en inglés) y a través de una interfaz hombre
máquina (HMI, por sus siglas en inglés) se monitoriza y controla el proceso. El
estudio se centra en los resultados experimentales de la respuesta del controlador
PID clásico y el MRAC, a través de la valoración de los parámetros de desempeño
de los controladores ante cambios de consigna del proceso.

XIII
XIV
 PRÓLOGO
El presente proyecto de investigación y desarrollo presenta la implementación
de un controlador adaptativo por modelo de referencia para el control de un
sistema de segundo orden y los resultados experimentales de su comportamiento
ante cambios de consigna, comparando sus parámetros de desempeño con los de
un controlador PID clásico.
El desarrollo de la implementación contempla las siguientes etapas ejecutadas
a lo largo del presente trabajo:

ˆ Identicación del modelo de la planta

ˆ Diseño del controlador adaptativo por modelo de referencia

ˆ Implementación del algoritmo de control MRAC en el PLC

ˆ Desarrollo del HMI para el control y monitoreo del proceso.

ˆ Sintonización del controlador PID y MRAC

ˆ Puesta en marcha y determinación de parámetros de desempeño.

Se han registrado las respuestas de los dos controladores bajo condiciones sim-
ilares. Para determinar el desempeño de los controladores, se compara su de-
sempeño ante cambios de consignas similares de manera que permita generar las
conclusiones y recomendaciones nales sobre la implementación.

XV
XVI
Capítulo 1

INTRODUCCIÓN
1.1 Generalidades
Muchos sistemas dinámicos tienen parámetros inciertos o variables. Por ejemplo,
robots manipuladores que pueden llevar grandes objetos con parámetros inerciales
desconocidos. Los sistemas de energía pueden ser sometidos a grandes variaciones
de carga. Los aviones contra incendios pueden experimentar cambios consider-
ables en su masa por la carga y descarga de las grandes cantidades de agua (Slotine
et al., 1991). Estos cambios en la dinámica del sistema pueden causar inexactitud
o inestabilidad de los sistemas de control. Para este tipo de sistemas se utiliza el
control adaptativo.
Un controlador adaptativo es un tipo de control que puede modicar su com-
portamiento en respuesta a los cambios en la dinámica del proceso y en las per-
turbaciones, logrando así que el comportamiento y/o desempeño del sistema en
lazo cerrado conserve las características de diseño requeridas. El control adapta-
tivo puede controlar sistemas lineales o no lineales, con parámetros constantes o
variables en el tiempo (García, 2009).
La idea básica del control adaptativo es estimar en línea los parámetros cam-
biantes o inciertos de la planta, en base a la medición de las señales de entrada-
salida del sistema, y usar los parámetros estimados para ajustar los parámetros
del controlador, de manera que se mantenga un desempeño óptimo.
En general se acepta que el control adaptativo es un tipo de control no lineal
en el que el estado del proceso puede ser separado en dos escalas de tiempo que
evolucionan a diferente velocidad. La escala lenta corresponde a los cambios en
los parámetros del regulador y la escala rápida a la dinámica del bucle ordinario
de realimentación (Rodríguez and Bordons, 2005).
Existen tres tipos de sistemas de adaptativos: ganancia programable ( Gain
Scheduling ), control adaptativo por modelo de referencia (MRAC, por sus siglas
en inglés) y controlador autosintonizado (STC, por sus siglas en inglés).

1
 La investigación del control adaptativo se inició con el diseño de los pilotos
automáticos de los aviones de alto rendimiento, pero su desarrollo ha dado lu-
gar a muchas aplicaciones prácticas en áreas tales como: la robótica, aviación,
control de cohetes, procesos químicos, sistemas de energía, dirección de barcos,
automovilismo y la bioingeniería (Åström and Wittenmark, 2013).
Este proyecto de investigación presenta el diseño e implementación de un con-
trolador MRAC para un sistema de segundo orden. El algoritmo de control se
desarrolla en un controlador lógico programable (PLC, por sus siglas en inglés)
con su respectiva interfaz hombre-máquina (HMI, por sus siglas en inglés) para
la operación y monitoreo. Las pruebas de validación del algoritmo de control
se realizan en una planta didáctica con la estrategia PID clásica y el algoritmo
propuesto.
La implementación del algoritmo de control adaptativo en un PLC pone de
maniesto la posibilidad de utilizar esta técnica de control avanzado en la regu-
lación de procesos industriales.

1.2 Objetivos
1.2.1 Objetivo general
Diseñar e implementar un controlador adaptativo por modelo de referencia para
un sistema de segundo orden.

1.2.2 Objetivos especícos

ˆ Identicar de manera experimental una planta didáctica de segundo orden.

ˆ Diseñar un controlador adaptativo por modelo de referencia para la planta

didáctica.

ˆ Desarrollar en un PLC el algoritmo de control adaptativo MRAC.

ˆ Implementar un programa en el PLC para controlar el funcionamiento de

la planta didáctica.

ˆ Desarrollar un HMI que se comunique con el PLC, que ejecuta el MRAC

para controlar y monitorear el proceso.

ˆ Evaluar el funcionamiento del controlador adaptativo MRAC en la planta.

ˆ Comparar el desempeño de los controladores PID y adaptativo MRAC.

2
1.3 Estado del arte del control adaptativo
La investigación en control adaptativo inició en la década de 1950 con el n de
dar solución a los problemas de control en los que las características del sistema
a controlar son variables o poco conocidas. El control adaptativo por modelo
de referencia fue propuesto por Whitaker et al. (1958) y Osburn (1961) como
una manera de ajustar automáticamente los parámetros del controlador frente
a la dinámica cambiante. El interés en el tema disminuyó debido a la falta de
conocimientos y de técnicas disponibles para tratar el problema del control adap-
tativo, y por el accidente de un vuelo de prueba (Taylor and Adkins, 1965).

En la década de 1960 hubo mucha investigación en la teoría de control y con-

trol adaptativo. Se introdujeron las técnicas de espacio de estados y la teoría
de la estabilidad sobre la base de Lyapunov. Los avances en la programación
dinámica, control dual, control estocástico, identicación de sistemas y estimación
de parámetros, mejoraron la comprensión de los procesos de adaptación. En 1966,
Parks (1966) rediseña las leyes de adaptación basado en las reglas de MIT utiliza-
dos en el MRAC, mediante el enfoque de Lyapunov. Estos avances renovaron el
interés en el control adaptativo (Åström and Wittenmark, 2013).

En la década de 1970, se obtienen importantes avances en el diseño del control

adaptativo. Se plantea el esquema básico del control adaptativo (Landau, 1974)
(Figura 1.1), compuesto de un bucle principal de realimentación negativa en el
que aparece un regulador ajustable y de otro bucle que se utiliza para ajustar
los parámetros de dicho regulador. Para ello se obtiene un cierto índice de fun-
cionamiento, el cual expresa el comportamiento del controlador, dicho índice se
compara con el comportamiento deseado y de acuerdo al resultado se ajustan los
parámetros del regulador. También puede existir un tercer bucle dedicado a su-
pervisar el funcionamiento de los dos bucles anteriores (Isermann, 1982; Isermann
and Lachmann, 1985), con el n de asegurar la estabilidad del sistema y a mejorar
la actuación del conjunto.

Se desarrolla la prueba de hiperestabilidad y positividad para sistemas adap-

tativos (Morse, 1979; Egardt, 1979), y se desarrollan diversos esquemas de control
adaptativo (Goodwin et al., 1981; Goodwin and Sin, 1984).

A nales de 1970 e inicios de 1980, los éxitos conseguidos por el control adapta-
tivo se ponen en duda al demostrarse que el sistema es inestable ante la presencia
de perturbaciones limitadas o perturbaciones no modeladas (Egardt, 1979; Ioan-
nou and Kokotovic, 1983, 1984; Rohrs et al., 1982) lo que demuestra la falta de
robustez. Esto da lugar a la investigación del controlador adaptativo robusto.

La investigación a nales de 1980 e inicios de 1990 dio nuevas perspectivas en

la robustez de los controladores adaptativos (Ioannou and Sun, 1988; Ioannou and
Datta, 1991; Ioannou et al., 1991). Las investigaciones de los sistemas no lineales
condujeron a una mayor comprensión del control adaptativo (Kanellakopoulos

3
 Figura 1.1: Conguración básica de control adaptativo

et al., 1991; Kanellakopoulos, 1992; Krstic et al., 1995). Sólo en la última década,
la interacción entre una teoría coherente de control adaptativo, el control no-lineal
y la experimentación han permitido el desarrollo en este campo.

El control adaptativo en sus diferentes esquemas se ha aplicado en laboratorios

e industrias. Esta estrategia de control también se ha aplicado en sistemas de
control de una entrada - una salida (SISO, por sus siglas en inglés) y sistemas de
control de múltiples entradas y salidas (MIMO, por sus siglas en inglés), como se
muestra en Giraldo et al. (2007).

En el trabajo publicado por Giraldo et al. (2007), da cuenta de una estrategia

de control que involucra al control adaptativo y el tradicional controlador PID.
Dicha estrategia combina el cálculo de los parámetros del controlador PID con
técnicas de identicación, para que el PID opere de forma auto sintonizada.

Se pueden encontrar trabajos de implementación de controladores adaptativos

por modelo de referencia en: Javier et al. (2006), Buitrago et al. (2005), Picón
and Francisco (2007).

Las ventajas del controlador MRAC son su rápida adaptación para una en-
trada denida y en la simplicidad del tratamiento de la estabilidad utilizando la
teoría de estabilidad de sistemas no lineales. Sin embargo, no se adapta convenien-
temente si la señal de entrada al sistema tiene poca riqueza. Estas ventajas del
control adaptativo y su uso en la industria, se han planteado en trabajos que im-
plementan esta estrategia de control en PLCs, como se muestra en: García Jaimes
and Arroyave Giraldo (2012); Ramírez et al. (2005); López (1989).

4
 Figura 1.2: Estructura MRAC

1.4 Controladores adaptativos por modelo de referen-

cia
Los sistemas adaptativos por modelo de referencia fueron diseñados primeramente
para sistemas continuos por minimización de un índice de actuación, siendo dicho
índice la integral del error al cuadrado (Hang and Parks, 1973). Esta regla de
diseño fue propuesta por Whitaker et al. (1958) del MIT.
La Figura 1.2 muestra la conguración más usual del MRAC, aunque son
posibles otras conguraciones como: modelo serie, serie paralelo, etc.
Dado un modelo de referencia Gm (s, p) y un sistema ajustable Ga (s, p), el
cual desea que siga al modelo para que el error sea nulo (o mínimo en el caso de
la presencia de perturbaciones), se dene el índice de funcionamiento:


1
J= e2 dt
2
Donde

e = ym − ya

ˆ ym =salida del modelo de referencia,

ˆ ya =salida del modelo ajustable,

ˆ p̂ =parámetro a ajustar.

Usando la técnica de optimización del gradiente se tiene que la regla de adaptación

es:

5
 ∂J
4p̂ (e, t) = −K grad (J) = −K
∂ p̂
Donde

ˆ 4p̂ es la variación de p̂ con relación al último valor calculado y

ˆ K es la ganancia de adaptación.

La variación del parámetro ajustable con relación al tiempo será:

 
dp̂ ∂ ∂J
p̂˙ = = −K
dt ∂t ∂ p̂
Si se asume variación lenta de la ley de adaptación, se puede intercambiar el
orden de las derivadas:

   
∂ ∂J ∂ 1 2
p̂˙ = −K = −K e
∂ p̂ ∂t ∂ p̂ 2
∂e
p̂˙ = −K e (1.1)
∂ p̂
∂e
p̂˙ = −K e
∂ p̂
La ley de adaptación 1.1 representa la regla del MIT

∂e ∂ (ym − ya ) ∂ya
= =
∂ p̂ ∂ p̂ ∂ p̂
luego,

∂ya
p̂˙ = −K e (1.2)
∂ p̂
La ∂ya/∂ p̂ es la función de sensibilidad del modelo ajustable con respecto
al parámetro p̂. En este caso la función de sensibilidad es proporcional a ym ,
quedando la ley de adaptación de la forma:

p̂˙ = −K1 e ym (1.3)

Esta regla ha sido muy popular debido a su simplicidad. Sin embargo para el
caso de ajuste de varios parámetros requiere un número elevado de funciones de
sensibilidad (tantas como parámetros). Por otro lado la ganancia de adaptación
K1 gobierna la velocidad de respuesta, si ésta es muy grande el sistema puede
ser inestable y si es muy pequeña la velocidad será muy lenta. Para obtener un

6
buena relación entre velocidad de respuesta y estabilidad se requiere un laborioso
estudio por simulación.
Para aplicar el método de Lyapunov (García, 2009), el método establece que
un sistema tiene un punto de equilibrio x=0 asintóticamente estable, si existe
una función V (x) que cumpla con las siguientes condiciones:

ˆ V (x): Denida positiva para x 6= 0 V (x) > 0

ˆ V̇ (x): Denida negativa x 6= 0 V̇ (x) < 0

ˆ V (x) → ∞ para kxk → ∞

ˆ V (0) = 0

El procedimiento para aplicar el método de Lyapunov es:

1. Encontrar la ecuación de error en la salida: xp − xm

2. Encontrar la función de Lyapunov como una función del error entre las
señales y del error en los parámetros. Esta función es de la forma:

V = eT P e + φT Γ−1 Φ

donde las matrices P y Γ−1 deben ser denidas positivas.

3. Calcular la derivada de la función de Lyapunov. Esta derivada debe ser

denida negativa. Por lo general toma la forma:

V̇ = −eT Q e + término extra incluyendo φ

El primer término garantiza que la derivada es negativa denida, entonces

igualando a cero se tiene una posible solución para la adaptación.

4. Igualar a cero el término extra para obtener la ley de adaptación. Normal-

mente tiene la forma:
θ̇ = −Γ ε ξ
donde ε, está relacionado directamente con el error e y ξ tiene que ver con
el vector de señales (referencia, salida, etc.).

1.5 Contribuciones del proyecto de investigación

El presente proyecto muestra el diseño y desarrollo de la implementación de un
controlador adaptativo por modelo de referencia aplicado a un sistema de segundo
orden. Este trabajo presenta a detalle la metodología de diseño e implementación
de un MRAC en un PLC industrial.

7
 Mediante el análisis comparativo de los parámetros de desempeño de la re-
spuesta del controlador PID clásico y el controlador MRAC se evalúan las ventajas
del método de control propuesto.
Se muestran los resultados de la implementación del algoritmo de control
MRAC en un PLC para el control de una planta didáctica.
Los resultados pretenden mostrar la factibilidad de la implementación de este
controlador en PLCs comerciales y ampliamente utilizados en la industria.

8
Capítulo 2

DISEÑO DEL CONTROLADOR

ADAPTATIVO POR MODELO
DE REFERENCIA
2.1 Modelamiento de la planta
2.1.1 Métodos de identicación de sistemas
Para el diseño de un controlador MRAC, no es necesario un conocimiento exacto
de los parámetros de la función de transferencia del sistema a controlar. Pero si
es necesario, seleccionar un modelo de referencia que cumpla con las condiciones
deseadas del funcionamiento de la planta, y que genere una señal de control que
garantice la convergencia de la respuesta de la planta a la del modelo para una
cierta señal de entrada.
El diseño del MRAC requiere contar con el modelo de la planta a controlar.
Para obtener este modelo se puede optar por dos enfoques:

ˆ Analítico: en donde se determinan las ecuaciones y parámetros que inter-

vienen, de acuerdo a las leyes generales de la física.

ˆ Experimental: se considera al sistema como una caja negra, con determi-

nadas entradas y salidas; y se realiza un conjunto de experimentos que
proporcionan datos del comportamiento de las entradas y salidas del sis-
tema, de estos datos se determinará el modelo del sistema. Las señales de
excitación mas utilizadas son: escalón, senoidal y pseudoaleatoria.

La modelación experimental es posible llevarla a cabo a través de métodos grácos,

en los que se determinan los parámetros de un modelo de forma gráca. La señal

9
 Figura 2.1: Respuesta al escalón de un sistema de primer orden

tipo escalón es la que comúnmente se utiliza para la identicación de sistemas de

primer y segundo orden.
La respuesta típica de los sistemas de primer orden (Figura 2.1) no presentan
sobre oscilación y son sistemas relativamente lentos.
Para estos sistemas existen algunos métodos de identicación gráca como:
método de Ziegler-Nichols, método de Miller, método analítico o dos puntos, etc.
((Ruíz, 2011), (Padilla and Mumañ, 2008), Martínez-Bueno (2011)). Para este
trabajo se utilizará el método analítico. Estos métodos usan como modelo la
función de transferencia de un sistema de primer orden, dada por la Ecuación
(2.1).
0
Y (s) K e−θ s
Gp (s) = = (2.1)
U (s) τs + 1
donde: K es la ganancia del proceso, τ es la constante de tiempo del sistema y θ0
es el tiempo muerto.
Los parámetros de la función de transferencia serán calculados mediante las
ecuaciones (2.2) - (2.4).

∆Y Cambio total de Y
K= = (2.2)
∆U Cambio total de U

θ0 + τ = 0.632 ∆Y (2.3)

τ
θ0 + = 0.284 ∆Y (2.4)
3
Resolviendo el sistema de ecuaciones (2.3) - (2.4), se obtienen los valores de
θ0 y τ.

10
2.1.2 Identicación del modelo de la planta
Para el presente trabajo se utiliza la planta didáctica de procesos que se muestra
en la Figura 2.2. Este sistema permite la conguración de diferentes modelos de
plantas o procesos.

Figura 2.2: Planta didáctica de procesos (Laboratorio de la Universidad Politéc-

nica Salesiana)

En este trabajo se implementa un sistema de control de nivel de dos tanques

intercomunicados. El sistema involucra una válvula de control de ujo, que regula
el caudal de ingreso, y de un transmisor de nivel de onda guiada para la medición
del nivel de agua en el segundo tanque.
La Figura 2.3 muestra el diagrama del proceso seleccionado para la imple-
mentación del sistema del control de nivel. El lazo de control tiene como objetivo
controlar el nivel del tanque de agua TK-02 por medio de un controlador MRAC.
La planta didáctica es controlada por un PLC que recibe el dato de nivel del
transmisor LT98 vía comunicación PROFIBUS-PA y una salida analógica del
PLC, envía una señal de control a la válvula de ujo FCV103.
La prueba de identicación que se propone para identicar la planta es la
respuesta del sistema a una señal tipo escalón. Las siguientes condiciones iniciales
fueron conguradas:

ˆ % Velocidad de la bomba (SC01) = 80 %

ˆ Nivel del tanque (TK-02) = 0.2 m

ˆ % Apertura de la válvula de control (FCV-103) = 40 %

ˆ % Apertura de la válvula manual (VM-6) = 62.5%

11
Figura 2.3: Diagrama de la planta

12
 Figura 2.4: Prueba escalón del lazo de control de nivel

Mientras el sistema operaba en modo manual, se generó un escalón variando el

porcentaje de apertura de la válvula de control. La Figura 2.4 muestra el resultado
de la prueba.
A los datos obtenidos de la respuesta al escalón, se aplica el método de identi-
cación gráca analítico y se identican los puntos de intersección al 0.632 ∆Y y
0.284 ∆Y . Con estos datos se aplican las ecuaciones (2.2) - (2.4), y se determinan
los parámetros del sistema.

K = 0.0404

θ0 = 69

τ = 1320
Los parámetros obtenidos se sustituyen en el modelo del sistema de primer
orden (Ecuación 2.1) y se obtiene la función de transferencia.

0.0404
Gp (s) = e−69 s (2.5)
1320 s + 1
La Figura 2.5 muestra la respuesta al escalón del modelo identicado (Ecuación
2.5) y del proceso real.

13
 (a) Respuesta al escalón (b) Respuesta al escalón - Re-
tardo de tiempo

Figura 2.5: Respuesta al escalón del proceso real y el modelo ajustado de primer
orden

0
El tiempo muerto e−θ s de la ecuación 2.5, se puede desarrollar en serie de
potencias, aplicando el método de aproximación de Padé. La Ecuación (2.6)
muestra la función de transferencia del modelo con la aproximación de Padé de
primer orden. La Figura 2.6 muestra la respuesta del sistema aproximado .

−0.0404 s + 0.001171
Gp (s) = (2.6)
1320 s2 + 39.26 s + 0.02899

2.2 Diseño del controlador adaptativo MRAC

En el diseño de un sistema de control convencional (no adaptativo), los parámet-
ros del controlador son calculados en función de los parámetros conocidos de la
planta. En el control adaptativo, los parámetros de la planta son desconocidos,
y el objetivo del diseño del controlador es formular una ley de control y una ley
de adaptación, de modo que la salida de la planta siga a la referencia asintótica-
mente, es decir, que el error e = yp − ym tienda a cero y que esta condición esté
garantizada. Por lo que, el diseño del controlador adaptativo es mas complicado.
El diseño de un controlador adaptativo, por lo general, implica de los siguientes
tres pasos:

ˆ Elegir una ley de control que contenga parámetros variables,

14
 (a) Respuesta al escalón (b) Respuesta al escalón -
Retardo de tiempo

Figura 2.6: Respuesta al escalón del modelo aprox. de Padé de la planta

ˆ Elegir una ley de adaptación para el ajuste de los parámetros de la ley de

control, y

ˆ Analizar la convergencia del sistema de control resultante.

Para el diseño de un controlador adaptativo MRAC, el controlador se encuentra

generalmente por prueba y error. En general, la elección de las leyes de control y
adaptación del controlador MRAC pueden resultar complicados, mientras que el
análisis de las propiedades de convergencia son relativamente simples.

2.2.1 Diseño del controlador MRAC

La metodología de diseño del MRAC que se utiliza en este trabajo, es la que se
presenta en Vargas-Martínez and Garza-Castañón (2011).

Ley de control. El primer paso en el diseño de un controlador adaptativo,

es escoger una ley de control que contenga parámetros variables. La ley de control
se elige de modo que la función de transferencia de la planta en lazo cerrado sea
igual al modelo de referencia, garantizando que la salida de la planta yp converga
a la salida del modelo ym , y que el error de seguimiento sea cero.
La diferencia entre los controladores MRAC y la forma en como se ajustan
sus parámetros radica en la ley de control (Ioannou, 2000). Se tienen tres con-
guraciones para la ley de control (Esparza and Núñez, 2014):

15
 ˆ Ley de control proporcional y un parámetro de adaptación, u = θ (r − y)
ˆ Ley de control proporcional y dos parámetros de adaptación, u = θ1 r − θ2 y
 
ˆ Ley de control proporcional-diferencial,
N
u = (r − y) θp + θd s s+N

Para este trabajo se selecciona la ley de control proporcional y dos parámetros de

adaptación (Ecuación 2.7):

u = θ1 r − θ2 yp (2.7)

donde θ1 y θ2 son las ganancias de realimentación.

Ley de adaptación. Es necesario elegir una ley de adaptación para los

parámetros θ1 y θ2 .
La Ecuación (2.8) describe el comportamiento de un sistema de segundo orden
para el modelo del proceso.

y¨p + a1 y˙p + a0 yp = bu (2.8)

El modelo de referencia está descrito por:

y¨m + a1m y˙m + a0m ym = bm r (2.9)

El error está denido por:

e = yp − ym (2.10)

donde yp es la salida de la planta y, ym es la salida del modelo de referencia.

La dinámica del error se representa por:

1 1
ė = ẏp − ẏm = (bu − ÿp − a0 yp ) − (bm r − ÿm − a0m ym ) (2.11)
a1 a1m
Sustituyendo ym = yp − e y ÿm = ÿp − ë en la Ecuación (2.11), se obtiene:

1 1 a0 1 1 1 aom a0m
ė = bu − ÿp − yp − bm r + ÿp − ë + yp − e (2.12)
a1 a1 a1 a1m a1m a1m a1m a1m
Reemplazando la ley de control, Ecuación (2.7), en la Ecuación (2.12) y ubi-
cando los términos del error en el lado izquierdo, se obtiene:

1 aom 1 1 1 ao aom 1 1
ë + ė + e = bθ1 r − bm r − bθ2 yp − yp + yp − ÿp + ÿp
a1m a1m a1 a1m a1 a1 a1m a1 a1m
(2.13)

16
 Cuando el modelo de referencia es igual al modelo de la planta, ocurre que:
a1 = a1m , a0 = aom , b = bm , entonces se obtiene:

1 aom 1 1 1 aom aom

ë + ė + e= bm θ1 r − bm r − bm θ2 yp − yp + yp
a1m a1m a1m a1m a1m a1m a1m
1 1
− ÿp + ÿp
a1m a1m
(2.14)

1 aom 1 1
ë + ė + e= (bm θ1 − bm ) r − (bm θ2 ) yp (2.15)
a1m a1m a1m a1m

1 d2 e de aom 1 1
2
+ + e= (bm θ1 − bm ) r − (bm θ2 ) yp (2.16)
a1m dt dt a1m a1m a1m

de 1 d2 e aom 1 1
=− − e+ (bm θ1 − bm ) r − (bm θ2 ) yp (2.17)
dt a1m dt2 a1m a1m a1m
El siguiente paso consiste en encontrar una función candidata de Lyapunov. La
función propuesta de Lyapunov es la función cuadrática del error de seguimiento
y del error de la estimación de los parámetros del controlador.
El mecanismo de adaptación lleva a los dos tipos de errores a cero. Con-
siderando la Ecuación (2.17), la función de Lyapunov propuesta es:

 
1 2 1 2 1 2
V (e, θ1 , θ2 ) = a1m e + (bm θ1 − bm ) + (bm θ2 ) (2.18)
2 γbm γbm
donde: br , γ y a1m > 0.
La Ecuación (2.18) será igual a cero cuando el error es cero y los parámetros
del controlador son iguales a los valores deseados. La función de Lyapunov es
válida si la derivada de esta función es negativa. La derivada de (2.18) es:

de 1 dθ1 1 dθ2
V̇ = a1m e + (bm θ1 − bm ) + (bm θ2 ) (2.19)
dt γ dt γ dt
Sustituyendo (2.17) en (2.19), y agrupando términos, se obtiene:

1 d2 e aom
 
1 1
V̇ =a1m e − − e+ (bm θ1 − bm ) r − (bm θ2 ) yp
a1m dt2 a1m a1m a1m
(2.20)
1 dθ1 1 dθ2
+ (bm θ1 − bm ) + (bm θ2 )
γ dt γ dt

17
 d2 e
   
1 dθ1 1 dθ2
V̇ = −e − aom e2 + (bm θ1 − bm ) + γ r e + (bm θ2 ) − γ yp e
dt2 γ dt γ dt
(2.21)
Por lo tanto, los parámetros de adaptación se obtienen de:

dθ1
= −γ r e (2.22)
dt
dθ2
= γ yp e (2.23)
dt

Análisis de convergencia. Las leyes de control y de adaptación permiten

analizar la estabilidad y convergencia del sistema usando la teoría de Lyapunov.
Para aplicar el teorema de estabilidad de Lyapunov, se aplicará el método
establecido en García (2009). Este método establece que es condición suciente
de estabilidad del punto de equilibrio x = 0, que la función V̇ (x) sea denida
negativa. La ecuación 2.19 muestra la función V̇ (x).

d2 e
   
1 dθ1 1 dθ2
V̇ = −e 2 − aom e2 + (bm θ1 − bm ) + γ r e + (bm θ2 ) − γ yp e
dt γ dt γ dt
Sustituyendo (2.22) - (2.23) en (2.19) se obtiene:

d2 e
V̇ = −e − aom e2 (2.24)
dt2
Se puede observar que la Ecuación (2.24) es semidenida negativa V̇ ≤ 0. Por
lo tanto, la función V será decreciente si el error es diferente de cero y el error se
dirigirá a cero (Åström and Wittenmark, 2013).
La Figura 2.7 muestra la estructura del MRAC.

2.2.2 Modelo de referencia

Esta estrategia de control requiere de un modelo de referencia, el modelo es usado
para especicar la respuesta ideal del sistema y es usualmente lineal.
La elección del modelo de referencia debe satisfacer dos requisitos. Por un
lado, debe reejar las características deseadas del sistema, tales como: tiempo
de elevación, tiempo de asentamiento, sobrepaso máximo, etc. Por otra parte, el
comportamiento ideal del modelo debe ser alcanzable por el sistema de control, es
decir, no se puede escoger un modelo de referencia sin pensar si el controlador o
la planta es capaz de lograr dicho comportamiento. Esto impone algunas limita-
ciones en la estructura del modelo de referencia, por ejemplo, su orden y grado.

18
 Figura 2.7: Controlador adaptativo MRAC

La selección del modelo de referencia debe tener el mismo orden y grado que el
polinomio de la planta a controlar, ser estable y de fase mínima (Ioannou, 2000).
Para este proyecto se platea la implementación de un controlador MRAC para
sistemas de segundo orden, por lo que se conguró la planta didáctica para obtener
este modelo (Capítulo 2.1.2, Ecuación (2.6)). Por lo que, se selecciona una función
de transferencia de segundo orden estándar como modelo de referencia, como la
mostrada en la Ecuación (2.25).

K wn2
Gm = (2.25)
s2 + 2ζwn s + wn2
donde K es la ganancia, ζ es el factor de amortiguamiento y wn es la frecuencia
natural.
El modelo elegido para el control de nivel, debe cumplir con las siguientes
características:

ˆ Amplitud máxima K = 1.

ˆ Sistema sub-amortiguado con ζ = 0.85.

ˆ Tiempo de asentamiento ts = 1800 segundos.

Con estos datos se calcula la frecuencia natural wn del sistema, utilizando la

Ecuación (2.26) (Kuo, 1996).

19
 3.912
ts = (2.26)
ζwn
3.912
wn = = 0.00256 (2.27)
ζts
Sustituyendo los datos de ζ , wn , K en la ecuación 2.25, obtenemos el modelo
de referencia.

6.5375 ∗ 10−6
Gm = (2.28)
s2 + 0.0043467 s + 6.5375 ∗ 10−6
La Figura 2.28 muestra la respuesta al escalón del modelo de referencia (Ecuación
2.28) y en la Tabla 2.1 se muestra las características de la respuesta.

Figura 2.8: Respuesta al escalón del modelo de referencia Gm

Tabla 2.1: Características de la respuesta del modelo de referencia

Parámetro Valor

Sobrepaso máx. Mp 0.63%

Tiempo pico tp 2330s
Tiempo asentamiento ts 1640s
Tiempo elevación tr 1040s

20
Capítulo 3

IMPLEMENTACIÓN DEL
CONTROLADOR
3.1 Estructura del sistema de control
El proceso a controlarse (Figura 2.2) dispone de un sistema de automatización
SIEMENS, compuesto por: un PLC S7-300, tres estaciones descentralizadas ET200,
elementos de campo y buses de campo (PROFINET, PROFIBUS, Field Bus,
HART, entre otros).
La Figura 3.1 muestra la estructura del sistema de control. El PLC ejecuta
la lógica de control del proceso y/o procesa alguna estrategia de control (como
el controlador PID) de acuerdo al estado de las entradas - salidas digitales y/o
analógicas, y de la interacción con otros equipos conectados al bus de campo. Las
tareas que realiza el PLC son:

ˆ Apertura y cierre de las válvulas que controlan el paso del uido en las
tuberías.

ˆ Mando de la válvula de control de ujo de agua hacia los tanques.

ˆ Adquisición de los datos de nivel del tanque TK-02 a través del transmisor
de nivel LT98 conectado al bus de campo PROFIBUS PA.

ˆ Ejecución del controlador MRAC.

El monitoreo y control del proceso se observa en la aplicación HMI, realizada en

el software WinCC de Siemens, instalado en un computador.

3.1.1 Bus de Campo

El PLC Siemens S7-300 CPU 315-2 PN/DP dispone de dos puertos de comuni-
cación de bus de campo llamados: PROFINET y PROFIBUS (Guerrero et al.,

21
Figura 3.1: Estructura del sistema de control

22
2009).
PROFINET se basa en el estándar Ethernet abierto que cumple la norma
IEC 61158 para la automatización industrial, ofrece funcionalidad de TCP/IP
completa para la transferencia de datos en toda la empresa y a todos los niveles,
desde el nivel de campo (PLCs, etc.) hasta el nivel de gestión (sistemas informáti-
cos e internet). Además, permite disponer de las tecnologías de la información
(IT) en el nivel de campo como: diagnóstico integrado, manipulación, análisis y
almacenamiento de datos, etc.
PROFIBUS es un bus de campo abierto que está basado en la norma EN50170
e IEC61158. Este bus de campo se divide en las siguientes versiones:

ˆ Probus FMS (Fieldbus Message Specication). Diseñado para el inter-

cambio de grandes cantidades de datos entre dispositivos inteligentes. Está
siendo reemplazado por Ethernet.

ˆ Probus DP(Distribuided Peripheral). Desarrollado para la comunicación

entre los sistemas de automatización y los equipos descentralizados. Las
topologías soportadas son: bus, árbol, estrella, anillo.

ˆ Probus PA(Process Automation). Desarrollado para la comunicación en-

tre los sistemas de automatización y los elementos de campo, tales como:
transmisores de presión, temperatura, nivel, etc.

En el presente trabajo, se utiliza el bus de campo PROFINET para la comu-

nicación entre el PLC, la periferia descentralizada ET200S y el software HMI
(Simatic WinCC). En el bus de campo PROFIBUS se encuentran conectados la
estación descentralizada IM153-2 y el acoplador de red PROFIBUS DP/PA, y a
través del acoplador DP/PA el transmisor de nivel Endress+Hauser LEVELFLEX
FMP51. La Figura 3.2 muestra la topología de red implementada para el control
de la planta.

3.1.2 Comunicación HMI - PLC

®
El HMI para la supervisión, control y monitoreo del sistema se desarrolla en la
plataforma WinCC (Windows Control Center) de SIEMENS.
WinCC gestiona todos los datos y variables o tags del proyecto de forma
centralizada y los almacena en una base de datos en tiempo real. Todas las
aplicaciones, como: Alarm Logging Runtime, Tag Logging Runtime, etc., deben
solicitar los datos al administrador de tags de WinCC (SIEMENS, 2013).
Entre WinCC y los sistemas de automatización (PLC, DCS, etc.) se realizan
el intercambio de información entre los tags y los valores del proceso, a través de
los controladores o drivers de comunicación de WinCC que envían telegramas de

23
 Figura 3.2: Topología de la red de comunicaciones

requerimiento al sistema de automatización. Este remite, a su vez, los valores del

proceso a WinCC.

En primer lugar, debe existir una conexión física entre WinCC y el sistema de
automatización. Las propiedades de la conexión como: medio de transferencia,
red de comunicación, denen las condiciones de la comunicación y son necesarias
para la conguración de la comunicación en WinCC. La Figura 3.3 muestra un
ejemplo de comunicación entre WinCC y el PLC.

El controlador o driver de comunicación es un componente del software que

establece una conexión entre el sistema de automatización y el administrador de
variables de WinCC, que permite el suministro de datos del proceso a las variables
de WinCC. En WinCC hay disponible una gran cantidad de controladores de
comunicación para la conexión de distintos sistemas de automatización a través
de distintos sistemas de bus de campo. Cada controlador de comunicación sólo
puede estar congurado en un proyecto de WinCC a la vez. Un controlador
de comunicación tiene diferentes unidades de canal para las diferentes redes de
comunicación.

La unidad de canal forma la interfaz con un controlador de hardware sub-

ordinado y, de este modo, con exactamente un procesador de comunicación en
el PC. Por lo tanto, cada unidad de canal utilizado debe ser asignado con el
procesador de comunicación correspondiente. En algunas unidades de canal, se

24
Figura 3.3: Comunicación WinCC - PLC

25
 Figura 3.4: Conguración de hardware del PLC

efectúa una conguración adicional en los llamados parámetros del sistema. Para
las unidades de canal que trabajan en la capa de transporte (Layer 4) del modelo
OSI, se denen los parámetros de transporte.

Si WinCC y el sistema de automatización están correctamente conectados,

WinCC necesita un controlador de comunicación y una unidad de canal corre-
spondiente para establecer o congurar una conexión (lógica) con el PLC. El
intercambio de datos se llevará a cabo a través de esta conexión en tiempo real.
En WinCC, una conexión es una asignación lógica congurada entre dos inter-
locutores de comunicación para la ejecución de un servicio de comunicación de-
terminado. Cada conexión tiene dos puntos extremos que también contienen la
información necesaria para el direccionamiento del interlocutor de comunicación,
así como otros atributos para el establecimiento de la conexión.

3.2 Programación PLC y HMI

3.2.1 Conguración del hardware del PLC
La conguración y programación del PLC se realiza con el software SIMATIC
STEP7 v5.5 de SIEMENS. La Figura 3.4 muestra la conguración del hardware
del PLC central con todas sus tarjetas de entrada - salida.

En las guras 3.5, 3.6, 3.7 y 3.8 se muestra la conguración de hardware de la

periferia descentralizada de los diferentes módulos existentes en el bus de campo.

26
 Figura 3.5: Conguración de hardware de la periferia ET200S dir: 1

Figura 3.6: Conguración de hardware de la periferia ET200M dir: 3

Figura 3.7: Conguración de hardware de la periferia IM153-PA dir: 4

27
Figura 3.8: Conguración de hardware del Transmisor de nivel LEVELFLEX
dir: 10

3.2.2 Programación del algoritmo de control

El programa en el PLC ejecuta la lógica de control del proceso y el algoritmo
del controlador MRAC. La programación se ejecuta desde la rutina principal
denominada OB1, donde se ejecuta la lógica para el control del proceso.
La Figura 3.9 muestra la programación del PLC en diagrama de bloques. El
controlador MRAC está programado en el bloque de programa OB33, esta rutina
es de ejecución cíclica y es programada para ser ejecutada cada 10 ms. El modelo
de referencia es programado en el bloque de función FB10, los parámetros del
controlador θ1 y θ2 , son programados en el bloque de función FB14.
Las ecuaciones diferenciales que describen el comportamiento del modelo de
referencia Gm (ecuación 2.28) y el cálculo de los parámetros del controlador θ1
y θ2 (ecuación 2.22 y 2.23), son implementados en el PLC aplicando el método
numérico Ruggen-Kuta (Chapra et al., 2003) para la resolución de ecuaciones
diferenciales. En el anexo 1 se muestra el algoritmo de programación del PLC.

3.2.3 Programación del HMI

®
El HMI para el control y monitoreo del sistema se desarrolló en la plataforma
WinCC de SIEMENS. El intercambio de datos entre el HMI y PLC se realiza
a través del controlador de comunicación SIMATIC S7 Protocol Suite utilizando
el canal de comunicación TCP/IP.
La Figura 3.10 muestra la interfaz desarrollada en el HMI. En esta pantalla
se tienen los comandos para activar las válvulas que permiten la circulación del
uido, el encendido y consignas de velocidad del variador de velocidad (VF1) que

28
 Figura 3.9: Diagrama en bloques del proceso

controla la bomba de agua del sistema, la consigna de apertura de la válvula de

control de ujo (FCV-103), y además los mandos manual - automático para la
activación del control de nivel con el controlador MRAC. Para el presente trabajo
no fue necesario variar la velocidad de la bomba y se la mantuvo trabajando al
80% de la velocidad nominal.

En la parte superior derecha de la Figura 3.10, se encuentra un recuadro con

el nombre Control de Nivel que permite ingresar los valores de consigna (SP)
de nivel para el segundo tanque y el valor de salida en modo manual (SP MAN)
del controlador. Además, se muestran la variable de proceso real (PV) y la salida
(OUT) del controlador, que actúa sobre la válvula de control de ujo (FCV-103).

El botón Auto/Manual permite conmutar el modo de funcionamiento del con-

trolador.

En la parte inferior del HMI se muestra el gráco de tendencias (Figura 3.11)

que permite visualizar los datos de nivel del tanque (LT-98) y el porcentaje de
apertura de la válvula de control (FCV-103) en tiempo real y además, acceder a
los datos históricos grabados en la base de datos con un tiempo de adquisición
de 0.5s. El acceso a los datos almacenados es posible con el uso de la barra de
herramientas, que permite avanzar o retroceder en los registros históricos, pausar
el gráco en tiempo real, realizar un análisis estadístico básico dentro de una

29
Figura 3.10: Pantalla principal del HMI

30
 Figura 3.11: Pantalla de tendencias HMI

región determinada, buscar los valores del proceso en un determinado instante de

tiempo, etc.

31
32
Capítulo 4

ANÁLISIS DE RESULTADOS
4.1 Parámetros de desempeño del controlador
Los parámetros de evaluación de desempeño de los controladores PID y MRAC,
se hará en función de las características de la respuesta transitoria del sistema
ante una señal de tipo escalón y del índice de error cuadrático medio.
El error cuadrático medio (ECM) evalúa el error e (t) entre la señal del modelo
de referencia y la del proceso a controlar. El ECM mide el promedio del cuadrado
del error y es usado para determinar la medida en la que los datos reales se ajustan
al modelo de referencia, proporcionando una forma para elegir al mejor estimador
(Solórzano, 2007). Mientras menor sea el índice, mejor es el ajuste entre los datos
reales y los datos de referencia.
El índice de error cuadrático medio está dada por la ecuación (4.1).

n
1 X 2
ECM = X̂i − Xi (4.1)
n
i=1

donde X̂i son los datos del modelo de referencia y Xi son los datos reales del
proceso a controlar.
La Figura 4.1 muestra los parámetros de la respuesta transitoria a una señal
escalón y son (Kuo, 1996):

ˆ Sobrepaso máximo Mp . Es el valor máximo alcanzado de la salida ymax y el

valor en estado estable yss . Normalmente es presentado como un porcentaje
del valor en estado estable, para el presente trabajo se ha considerado un
valor del 10%. El sobrepaso máximo se obtiene de la ecuación 4.2.

ymax − yss
Mp [%] = ∗ 100 (4.2)
yss

33
Figura 4.1: Respuesta al escalón unitario de un sistema de control. Fuente:
(Kuo, 1996)

ˆ Tiempo de levantamiento tr . Es el tiempo requerido para que la respuesta

pase del 10 al 90% del valor de estado estable yss .

ˆ Tiempo de asentamiento ts . Es el tiempo que se requiere para que la curva

de respuesta alcance un rango alrededor del valor de estado estable yss (por
lo general, de 2 al 5%). Para este caso, se asume el 5%.

ˆ Tiempo de retardo td . Es el tiempo requerido para que la respuesta alcance

la mitad del valor de estado estable yss .

ˆ Tiempo pico tp . Es el tiempo requerido para que la respuesta alcance el

primer pico del sobrepaso.

4.2 Análisis comparativo de los controladores

4.2.1 Sintonización del controlador PID
Para el caso del controlador PID existen diversos métodos de sintonización (O'Dwyer,
2009) para establecer el valor de los parámetros de ganancia (Kp), tiempo inte-
gral (Ti) y tiempo derivativo (Td). A los datos del modelo obtenido, ecuación
(2.5), se aplican los métodos de Ziegler-Nichols y Cohen-Coon. En la Tabla 4.1
se muestran los valores de sintonización propuestos para un controlador PI.
Utilizando los parámetros obtenidos por el método de Ziegler-Nichols, la re-
spuesta del sistema con un controlador PI (ante un cambio de consigna SP = 0.6),
se puede observar en la Figura 4.2. De la gráca se denen los siguientes datos:

34
 Tabla 4.1: Resultados de los métodos de sintonización del controlador PID
Método Kp Ti

Ziegler-Nichols 426.1731 230

Cohen-Coon 428.2358 207.1405

Figura 4.2: Respuesta del sistema con el controlador PID

ˆ Sobrepaso máximo Mp = 8.08%.

ˆ Tiempo de elevación tr = 386s.

ˆ Tiempo de asentamiento ts = 743s

Como se puede observar, el tiempo de asentamiento ts es de 743s. Este valor

no corresponde con el tiempo planteado en los requerimientos (capítulo 2.2.2) que
es de 1800s para una ganancia K = 1.0 y de 1391s para una ganancia K = 0.6,
por lo que se debe ajustar las constantes del controlador PI. Se realizaron pruebas
con tres grupos de parámetros (Tabla 4.2) y se observa la respuesta del sistema
en la Figura 4.3.
De la Figura 4.3 se obtienen los parámetros de desempeño del controlador
PI (sobrepaso máximo Mp , tiempo de elevación tr , tiempo de asentamiento ts e
índice ECM ) con los diferentes parámetros de prueba (Tabla 4.3) y se determina

35
 Tabla 4.2: Parámetros nales de sintonía del controlador PID
Controlador Kp Ti [s]
PID1 426.1731 230s
PID2 213.0865 460s
PID3 106.5433 690s

Figura 4.3: Respuesta del sistema con variación de parámetros del PID

36
 Tabla 4.3: Parámetros de desempeño del controlador PI
Controlador Mp [%] ts [s] tr [s] ECM
Ym 0.78 1391 1040
PID1 8.08 743 386 0.1865
PID2 11.30 1199 395.50 0.1936
PID3 15.18 2087.50 409.50 0.2078

Tabla 4.4: Parámetros de desempeño del controlador MRAC

Controlador Mp [%] ECM
MRAC g8 0.145 0.0074
MRAC g7 0.063 0.0071
MRAC g6 0.078 0.0050
MRAC g5 0.079 0.0070
MRAC g4 0.215 0.0078
MRAC g3 0.357 0.0087

que la respuesta que más se aproxima al tiempo requerido es la curva PID2, con
un tiempo de asentamiento de 1199s.

4.2.2 Sintonización del controlador adaptativo MRAC

En el diseño del controlador adaptativo está asegurada la estabilidad y conver-
gencia del controlador para cualquier gamma (γ ) positivo. El rendimiento del
controlador adaptativo depende críticamente de gamma. Si se elige una ganancia
pequeña, la adaptación será lenta y el error transitorio será grande. Por el con-
trario, una ganancia de adaptación demasiado grande dará lugar a parámetros
que hagan que el sistema oscile.
Para la sintonización del controlador adaptativo MRAC, se realizaron algunos
ensayos de prueba-error modicando el valor de ganancia γ. En la gura 4.4 se
muestra el efecto de la ganancia de adaptación γ, en la respuesta del controlador.
De la Figura 4.4 se observa que el controlador MRAC con ganancia γ = 15,
γ = 10 y γ =9 no se estabilizan. El controlador con ganancia γ entre 8 y 3 se
ajusta al modelo de referencia (Figura 4.5).
De la Figura 4.5 se determinan los parámetros de desempeño del controlador
MRAC (sobrepaso máximo Mp e índice del error cuadrático medio ECM ), los
valores correspondientes se muestran en la Tabla 4.4.
Analizando los datos de la Tabla 4.4, se observa que el menor índice ECM se
presenta en el controlador MRAC con ganancia γ = 6, esto indica que con esta
ganancia la respuesta del controlador se ajusta de mejor manera al modelo de

37
Figura 4.4: Respuesta del controlador MRAC a diferentes valores de ganancia
γ

Figura 4.5: Respuesta del controlador MRAC con ganancia γ entre 8 y 3

38
 Figura 4.6: Respuesta del controlador MRAC con γ = 6

referencia planteado y con un pequeño valor de sobrepaso máximo Mp = 0.078 %.

En la Figura 4.6 se muestra la respuesta del controlador MRAC con γ = 6.
La Figura 4.7 muestra la respuesta del sistema ante perturbaciones. Para
simular una perturbación o el cambio en la dinámica de la planta se aumenta
el caudal de salida del sistema, abriendo la válvula VM-6 al 68.75% (6.25% de
incremento).
La Figura 4.8 muestra la convergencia de los parámetros θ1 y θ2 , en estado
estable los valores de θ son: θ1 = 506.47 y θ2 = 435.81; después de la perturbación
los valores de θ convergen a: θ1 = 518.38 y θ2 = 424.68, en un tiempo de 991.5
segundos.

4.2.3 Análisis comparativo

Teniendo en cuenta los parámetros de desempeño del controlador, se han aplicado
entradas tipo escalón al valor de consigna del controlador. Todas las pruebas se
las realiza dentro de un mismo rango de operación, manteniendo un valor de la
consigna en 0.6m.
El sistema a controlar tiene un tiempo de asentamiento ts = 5230s a lazo
abierto y se plantea un controlador que lleve al sistema a tener un tiempo ts =
1800s siguiendo la respuesta al escalón de un sistema de segundo orden (capítulo
2.2.2), teniendo en cuenta esto, cada prueba toma alrededor de 40 minutos en

39
Figura 4.7: Respuesta del sistema con MRAC ante perturbaciones

Figura 4.8: Convergencia de los parámetros θ1 y θ2

40
 Figura 4.9: Vista del visualizador de tendencias del HMI

Tabla 4.5: Comparación de parámetros de desempeño del controlador PID y

MRAC
CONTROLADOR Mp [%] tr [s] ts [s] ECM
Ym 0.78 1040 1391
PID2 11.30 395.5 1199 0.1936
MRAC g6 0.078 1266.5 1510.5 0.0050

ejecutarse.
La Figura 4.9, muestra una de las respuestas del controlador adaptativo MRAC
en el HMI, ante una señal escalón. Los valores del gráco fueron exportados a un
archivo CSV para luego ser importadas a MATLABr para su correspondiente
análisis.
En la Figura 4.9, la traza de color naranja representa la consigna, la traza
de color negro es la variable de proceso, la traza de color verde es el modelo de
referencia y, la traza de color azul es el error entre la variable de proceso y el
modelo de referencia.
La Figura 4.10 muestra las trazas superpuestas de las respuestas de los con-
troladores PID y MRAC, y del modelo de referencia Gm en función de los ajustes
de las secciones 4.2.1 y 4.2.2.
De la Figura 4.10 se han determinado los parámetros de desempeño de los
controladores PID y MRAC, los valores correspondientes se presentan en la Tabla
4.5 y están representados en: sobrepaso máximo Mp , tiempo de elevación tr ,
tiempo de asentamiento ts e índice del error cuadrático medio ECM .
Analizando los datos de la Tabla 4.5 que compara el modelo de referencia Ym,
el controlador PID2 y el controlador MRAC γ=6 se puede determinar que:

ˆ El controlador MRAC tiene un menor sobrepaso máximo (Mp = 0.078% ),

que el controlador PID2 y el modelo de referencia Ym.

41
 Figura 4.10: Respuestas de los controladores PID y adaptativo MRAC

ˆ El tiempo de asentamiento del controlador MRAC es de 1510.5s (un 8.55%

más que el modelo de referencia), en comparación del controlador PID2 que
es de un 13.80% menor al modelo de referencia.

ˆ El tiempo de elevación del controlador MRAC γ=6 es mayor al modelo de

referencia en un 21.78%; mientras que para el controlador PID2 el tiempo
de elevación es más corto, en un 61.97%.

ˆ El índice ECM proporciona una forma de elegir el mejor valor de la ganancia

γ para el controlador MRAC que permita el mejor ajuste entre los datos
reales del sistema y el modelo de referencia. Mientras menor sea el índice,
mejor es el ajuste. De esto se determina que el controlador MRAC γ=6 se
ajusta mejor al modelo de referencia que la respuesta del controlador PID2.

Este comportamiento se debe al modelo de referencia usado en el controlador

MRAC, que especica una respuesta ideal del sistema, ajustando los parámetros
del controlador.
Los resultados de las pruebas comparativas entre los dos controladores han
mostrado una clara superioridad del controlador adaptativo MRAC sobre el PID
clásico en el seguimiento de un modelo de referencia.

42
Capítulo 5

CONCLUSIONES Y
RECOMENDACIONES
5.1 Conclusiones y comentarios
Si se desea controlar ecientemente un proceso, es necesario conocer la respuesta
dinámica del sistema. La identicación del modelo de la planta a través de la res-
puesta al escalón, es un método de fácil implementación, que puede ser ejecutado
durante la operación normal del sistema.

El diseño del MRAC no requiere un conocimiento extenso de la planta a con-

trolar, pero si es necesario escoger como referencia un modelo que cumpla con las
condiciones deseadas para el funcionamiento adecuado del sistema en lazo cerrado.

Para diseñar un controlador MRAC se ha de denir el modelo de referencia, la

ley de control y la ley de adaptación. El modelo de referencia ha de ser tal que el
conjunto controlador - planta pueda reproducir dicho modelo. Por otra parte, la
ley de control puede ser una estructura de control cuya señal sea una función lineal
de los parámetros incluyendo los populares PI, PID, etc. Finalmente, para la ley
de adaptación existen diferentes estrategias como: el método de hiperestabilidad,
la teoría de estabilidad de Lyapunov y el enfoque de sensibilidad o regla del MIT.

La clave en el diseño del controlador MRAC es determinar una ley de control

y una ley de adaptación, que haga que el sistema sea estable y lleve el error a
cero.

Este controlador utiliza la señal de error que resulta de comparar la salida real
yp con la del modelo de referencia ym , para ajustar la ley de adaptación.

La sintonización del controlador MRAC depende críticamente de la ganancia

adaptativa γ. Una pequeña ganancia hace que la adaptación sea lenta y que el
error transitorio sea grande, por el contrario, si la ganancia es demasiado grande
hará que el sistema se torne inestable. Para denir el valor óptimo de la ganan-

43
cia se realizaron varios ensayos de prueba-error y a través del índice del error
cuadrático medio se determinó la mejor respuesta del sistema que se ajuste al
modelo de referencia.

Los resultados muestran un buen desempeño del controlador MRAC para

seguir al modelo de referencia, en comparación al controlador PID clásico. Además,
el diseño del controlador puede ser aplicado a otro tipo de sistemas, dada su ver-
satilidad.

La bondad del algoritmo del controlador adaptativo MRAC se puede apreciar

cuando se realiza una modicación en la dinámica de la planta y los parámetros del
controlador se ajustan en respuesta a los cambios, para mantener el desempeño
óptimo del sistema. Por lo tanto, se puede controlar sistemas con parámetros
constantes o variables.

La aplicación del algoritmo control MRAC en un PLC demuestra que es posible

implementar técnicas de control moderno en entornos industriales sobre hardware
comercial.

Las ecuaciones diferenciales del modelo de referencia Gm (Ecuación 2.28) y

los parámetros θ1 y θ2 (Ecuaciones 2.22 y 2.23), se las implementa en el PLC a
través del método numérico de Runge-Kutta. Esto impide que el algoritmo de
control opere con condiciones iniciales diferente de cero.

La implementación del controlador MRAC en el PLC requirió la necesidad de

limitar los cálculos de los parámetros θ1 , θ2 y de la señal de control u, debido a la
saturación del actuador de la planta. Cuando el actuador se satura provoca que
el sistema tarde mucho tiempo en reaccionar ante una perturbación o cambio de
referencia después de que se ha producido la saturación del actuador, esto se debe
al efecto que tiene la acción integral del error en el cálculo de los parámetros θ1
y θ2 . Para disminuir este efecto, se procedió a congelar el valor del parámetro θ1
cuando la salida de control u sea mayor al 100% y cuando u sea menor a 0% se
congela el valor del parámetro θ2 . Esta acción mejoró el tiempo de asentamiento
del sistema en un 27.48% y disminuyo el error transitorio del proceso en un 34.51%.

5.2 Trabajos futuros

El diseño del controlador no considera el uso de restricciones en el cálculo de la
señal de control, que puedan saturar la salida del actuador. Por lo tanto, futuros
proyectos de investigación pueden abrirse en esta línea.

El controlador MRAC implementado en el PLC utiliza el método numérico

de Runge-Kutta para la resolución de las ecuaciones diferenciales, esto impide
que el algoritmo de control opere con condiciones iniciales diferentes de cero. Por
lo que se plantea para proyectos futuros, la implementación de las ecuaciones
diferenciales en variables de estado.

44
 El presente trabajo implementó un controlador MRAC en tiempo continuo
en un PLC, para futuros trabajos se plantea el desarrollo del controlador MRAC
para tiempo discreto.
En futuras líneas de investigación se recomienda el estudio del controlador
adaptativo en sistemas no-lineales.

45
46
ANEXOS

47
48
ANEXO 1
Código del PLC - Bloque OB33: Cálculo del controlador MRAC, ejecución cíclica
cada 10ms

Algoritmo 5.1 Bloque OB33 - Cálculo del controlador MRAC parte 1

49
Algoritmo 5.2 Bloque OB33 - Cálculo del controlador MRAC parte 2

50
Algoritmo 5.3 Bloque OB33 - Cálculo del controlador MRAC parte 3

51
Algoritmo 5.4 Bloque FB10 - Generación del modelo de referencia Gm parte 1

52
Algoritmo 5.5 Bloque FB10 - Generación del modelo de referencia Gm parte 2

53
Algoritmo 5.6 Bloque FB14 - Cálculo de θ parte 1

54
Algoritmo 5.7 Bloque FB14 - Cálculo de θ parte 2

55
Algoritmo 5.8 Bloque de datos DB100 - Datos del controlador MRAC

56
BIBLIOGRAFIA
Åström, K. J., Wittenmark, B., 2013. Adaptive control. Courier Corporation.

Buitrago, D. G., Mejía, A. E., Suárez, E. G., 2005. Control adaptativo un paso
adelante, por modelo de referencia y planos deslizantes. Scientia et Technica
2 (28).

Chapra, S. C. C., Hano, R. P. R., del Carmen, M., 2003. Métodos numéricos para
ingenieros. No. TA335. Ch37 2003.

Egardt, B., 1979. Stability of adaptive controllers. Lecture notes in control and
information sciences.

Esparza, C. H., Núñez, R. A., 2014. Controlador adaptativo pd por modelo

de referencia para una mesa vibratoria biaxial basada en el mecanismo biela-
manivela. Información tecnológica 25 (2), 189202.

García, L. E., 2009. Sistemas de Control Avanzado, 1st Edition. Politécnico

Colombiano Jaime Isaza Cadavid.

García Jaimes, L. E., Arroyave Giraldo, M., 2012. Controladores avanzados en

plc. Revista politécnica (14), 5766.

Giraldo, D. A. M., Bolaños, R. A., Correa, C. A., 2007. Técnicas de control

adaptativas aplicadas a sistemas multivariables (mimo). Scientia et Technica
1 (35).

Goodwin, G., Sin, K., 1984. Adaptive ltering prediction and control.

Goodwin, G. C., Ramadge, P. J., Caines, P. E., 1981. Discrete time stochastic
adaptive control. SIAM Journal on Control and Optimization 19 (6), 829853.

Guerrero, V., Yuste, R. L., Martínez, M. N., 2009. Comunicaciones industriales.

Marcombo.

Hang, C.-C., Parks, P. C., 1973. Comparative studies of model reference adaptive
control systems. Automatic Control, IEEE Transactions on 18 (5), 419428.

57
Ioannou, P., 2000. Chapter 54. model reference adaptive control. The Control
Handbook, 847858.

Ioannou, P., Datta, A., 1991. Robust adaptive control: Design, analysis and ro-
bustness bounds. In: Foundations of adaptive control. Springer, pp. 71152.

Ioannou, P., Datta, A., et al., 1991. Robust adaptive control: a unied approach.
Proceedings of the IEEE 79 (12), 17361768.

Ioannou, P., Kokotovic, P., 1983. Adaptive systems with reduced models,. volume
47 of Lecture Notes in Control and Information Sciences.

Ioannou, P., Sun, J., 1988. Theory and design of robust direct and indirect
adaptive-control schemes. International Journal of Control 47 (3), 775813.

Ioannou, P. A., Kokotovic, P. V., 1984. Instability analysis and improvement of

robustness of adaptive control. Automatica 20 (5), 583594.

Isermann, R., 1982. Parameter adaptive control algorithms  a tutorial. Automat-

ica 18 (5), 513528.

Isermann, R., Lachmann, K.-H., 1985. Parameter-adaptive control with congu-

ration aids and supervision functions. Automatica 21 (6), 625638.

Javier, P. R., Pelayo, P. S. R., Francisco, M. A., 2006. Implementación de un

controlador adaptativo para un sistema de primer orden con ganancia y polo
variantes, basado en dsp. RIEE&C, 17.

Kanellakopoulos, I., 1992. Adaptive control of nonlinear systems. Ph.D. thesis,

University of Illinois at Urbana-Champaign.

Kanellakopoulos, I., Kokotovic, P. V., Morse, S., et al., 1991. Systematic design
of adaptive controllers for feedback linearizable systems. Automatic Control,
IEEE Transactions on 36 (11), 12411253.

Krstic, M., Kokotovic, P. V., Kanellakopoulos, I., 1995. Nonlinear and adaptive
control design. John Wiley & Sons, Inc.

Kuo, B. C., 1996. Sistemas de control automático. Pearson Educación.

Landau, I., 1974. A survey of model reference adaptive techniques  theory and
applications. Automatica 10 (4), 353379.

López, H., 1989. Análisis e implementación de un sistema de control adaptativo

en tiempo real basado en microcomputador. ETSII de Gijón, Tesis doctoral.

58
Martínez-Bueno, A., 2011. Identicación experimental de sistemas. Universidad
de Alicante.

Morse, A., 1979. Global stability of parameter-adaptive control systems. In: 1979
18th IEEE Conference on Decision and Control including the Symposium on
Adaptive Processes. No. 18. pp. 10411045.

O'Dwyer, A., 2009. Handbook of PI and PID controller tuning rules. Vol. 57.
World Scientic.

Osburn, P., 1961. New developments in the design of model reference adaptive
control systems. Institute of the Aerospace Sciences.

Padilla, P. A., Mumañ, F. C., 2008. Métodos de identicación dinámica.

Parks, P. C., 1966. Liapunov redesign of model reference adaptive control systems.
Automatic Control, IEEE Transactions on 11 (3), 362367.

Picón, M. C., Francisco, L., 2007. Control adaptativo por modelo de referencia de
un sistema de levitación magnética. REVISTA INGENIERÍA UC 14 (2), 713.

Ramírez, J. P., Salguero, J. M. C., Soto, B. A. G., 2005. Control adaptativo

implantado en un micro-plc. Impulso, 48.

Rodríguez, D., Bordons, C., 2005. Apuntes de ingeniería de control, análisis y

control de sistemas en espacio de estado, identicación de sistemas control
adaptativo, control predictivo. Dpto. de Ingeniería de Sistemas y Automática.
UPV.

Rohrs, C. E., Valavani, L., Athans, M., Stein, G., 1982. Robustness of adaptive
control algorithms in the presence of unmodeled dynamics. In: Decision and
Control, 1982 21st IEEE Conference on. IEEE, pp. 311.

Ruíz, V. M. A., 2011. Identicación de procesos sobreamortiguados utilizando

técnicas de lazo abierto. Journal of Tropical Engineering 11 (1-2).

SIEMENS, 2013. Simatic hmi wincc: Comunicación manual de sistema.

Slotine, J.-J. E., Li, W., et al., 1991. Applied nonlinear control. Vol. 199. Prentice-
hall Englewood Clis, NJ.

Solórzano, R. M., 2007. Ie-0502 proyecto eléctrico.

Taylor, L., Adkins, E. J., 1965. Adaptive control and the x-15. In: Princeton
University Conference on Aircraft Flying Qualities, Princeton, NJ.

59
Vargas-Martínez, A., Garza-Castañón, L., 2011. Combining articial intelligence
and advanced techniques in fault-tolerant control. Journal of applied research
and technology 9 (2), 202226.

Whitaker, H. P., Yamron, J., Kezer, A., 1958. Design of model-reference adaptive
control systems for aircraft. Massachusetts Institute of Technology, Instrumen-
tation Laboratory.

60