INFORME LABORATORIO TC

Juan José Ramirez Monsalve

Departamento de Energía Eléctrica y Automática. Facultad de Minas, Universidad

Nacional de Colombia, Sede Medellín. Cra. 80 N° 65-31. Barrió Robledo.
@unal.edu.co

Abstract: El núcleo del proyecto se centra en la implementación práctica de técnicas de

realimentación de estados en un sistema dinámico específico. Utilizando herramientas de
simulación y experimentación práctica, se demuestra la eficacia de la prealimentación de
estados en comparación con enfoques convencionales de control. Se abordan aspectos
clave como la selección de polos, la estabilidad del sistema y la respuesta a diferentes
condiciones de carga.

Keywords: 5-10 palabras claves (tomarlas de la lista de la IFAC), 130 mm de ancho,

texto justificado a la izquierda.

una buena aproximación al sistema real ante

Obtención de un buen modelo: diferentes entradas.

Resulta que existe un problema con estos parámetros. 1) Se plantea obtener un modelo muy parecido al
El TCLab con el que usted se encuentra real, para que nuestro control sea más preciso en la
trabajando no es el original, sino que es una vida real y se acerque más a los valores que
adaptación realizada por el área de Ing. de Control de necesitamos para nuestro control.
la UNAL. Por este motivo, es posible que algunos de Obtenemos la respuesta natural de la planta a lazo
los parámetros reportados en la Tabla difieran abierto en matlab y observamos que nuestro sistema
de los parámetros de la planta real. Se requiere tiene el siguiente comportamiento
entonces realizar lo siguiente:
1. Verifique el comportamiento natural de la planta (a
lazo abierto) ante algún valor de
entrada que usted elija, y compárelo con el
comportamiento que obtiene al solucionar la
ecuación diferencial. En caso de que lo necesite,
ajuste como máximo el valor de dos
parámetros para obtener un modelo que se ajuste
mejor al comportamiento real de la
planta. (Recuerde que la temperatura ambiente no es
un parámetro que usted como
ingeniero pueda modificar).
2. Comente el efecto que obtuvo al cambiar dichos
parámetros en la respuesta del modelo.
3. Realice pruebas para otros dos valores diferentes
de entrada, y concluya si su modelo es
En color azul vemos nuestro sistema simulado por las dureza se calientan o enfrían. para estas pruebas
ecuaciones diferenciales que modelan nuestra planta, usamos un 3 ciclos de dureza del 30%, 50% y 70%
y en color anaranjado está nuestro sistema real, donde en nuestras gráficas el Q significa porcentaje
obtenido de datos que arrojó nuestra planta de ciclo de dureza, vemos que para un ciclo de
implementada en la vida real mediante un circuito dureza del 30% nuestro sistema tiene un
conectado con el microcontrolador arduino que nos comportamiento más parecido al real y que a medida
proporciona una comunicación con nuestros sensores de que aumentamos nuestro ciclo de dureza varía un
que nos permitirán medir como es la dinámica de poco la exactitud pero sin embargo sigue siendo una
nuestro sistema, en la grafica anterior vemos que buena simulación de nuestra planta por lo que
nuestro sistema real se aleja un poco del simulado es planteamos usar este modelo.
por eso que nos planteamos variar los parametros de
nuestro sistema simulado para que se parezca mas a
nuestro sistema real.
nos planteamos variar los parametros de U = 5; %
Coeficiente general de transferencia de calor
convectivo [W/(m^2*K)] y alpha = 0.012; % Factor
de potencia del calentador (transistor) [W/(% de
dureza)] ya que estos parametros pueden cambiar
dependiendo del material que estemos usando es por
esa razon que nos planteamos hacer su variacion.

Nos dimos cuenta de que al variar el valor del

coeficiente de convección, nuestro modelo simulado
aumentaba su respuesta en estado estacionario y
subía mucho más rápido, al variar el parámetro alpha
también nos aumenta o disminuye la rapidez de
respuesta de nuestro sistema, variando estos dos
parámetros tratamos de que se ajustara a nuestra
respuesta real lo más cerca posible para obtener un
buen modelo.

Hicimos la prueba con otros dos valores de entrada

en este caso estamos variando el duty cicle que es el
que está directamente relacionado con el aumento de
temperatura en nuestro sistema, el cual está
compuesto por transistores que variando el ciclo de
4. Elija un valor de operación para la entrada Linealizamos alrededor de este punto de
(recuerde que esta posee un valor mínimo y un operación.
valor máximo), y halle el respectivo valor de
equilibrio de la salida según el modelo.
5. Linealice el sistema alrededor del punto de
operación seleccionado para obtener:

Δẋ(t) = ALΔx(t) + BLΔu(t),

donde Δx es la desviación de la salida Evaluamos en el punto de operacion y

(temperatura) y Δu es la desviación de la entrada encontramos nuestras matrices lineales que son:
respecto a sus valores de equilibrio.

R/
Para elegir nuestro punto de operacion tenemos donde vemos que solo tienen un valor ya que el
en cuenta los valores minimo y maximos y modelo que estamos implementando solo tiene
tambien que sea un punto de equilibrio estable un estado y es el sensor de temperatura que está
del sistema. en el transistor.
Estabilidad: Dado que el controlador físico es digital, se
Nos Aseguramos de que el punto de operación necesita discretizar adecuadamente el sistema.
elegido sea un punto de equilibrio estable del
sistema. Esto significa que las derivadas 6. Realice la discretización del modelo lineal
respecto al tiempo de todas las variables de para obtener:
estado deben ser cero. Δx(k + 1) = ADΔx(k) + BDΔu(k),
También elegimos el punto de operación de
acuerdo con los requisitos de rendimiento del donde k representa el tiempo discreto en
sistema en la operación normal. muestras.
Igualamos todas las dinámicas a cero y Recuerde que, para obtener este modelo
obtenemos nuestro punto de equilibrio: discreto, debe definir un tiempo de muestreo
adecuado
(sugerencia 0.35 segundos). Justifique dicha
elección.

Discretización del sistema:

donde obtenemos el siguiente punto de Uno de los parámetros más importantes para
operacion: discretizar correctamente un sistema es elegir su
tiempo de muestreo, La elección del tiempo de
muestreo (o paso de discretización) es
fundamental al discretizar un sistema continuo,
ya que puede tener un impacto significativo en
la precisión y estabilidad del modelo discreto Teniendo en cuenta todos estos tiempos
resultante. calculamos nuestro tiempo de muestreo, lo cual
Seguimos el algoritmo visto en clase para el nos dice que es recomendable tener un tiempo
cálculo de un tiempo de muestreo adecuado. de muestreo de 0.35s.

en matlab es muy simple con estos comandos

pero matematicamente esto se puede calcular
por varios metodos de los cuales enumeramos
dos:

Método de Euler:

Debemos de tener en cuenta todos estos tiempos

para plantear un tiempo de muestreo correcto,
nótese que debemos de tener en cuenta la
conversión A/D, D/A , la comunicación, la
acción de control y muchas otras cosas que
tienen un tiempo de ejecución, De no lograrse
esto, es decir, el tiempo de ejecución total supera Método de la Matriz de Transición:
al tiempo de muestreo causando errores en
nuestro sistema discretizado.
El tiempo de muestreo debe ser lo
suficientemente pequeño para capturar las
dinámicas del sistema de manera precisa. En
sistemas con cambios rápidos, seleccionar un
tiempo de muestreo adecuado es fundamental
para representar con precisión el
comportamiento dinámico.
La elección del tiempo de muestreo también Donde vemos claramente que solo necesitamos
puede estar relacionada con los requisitos de el vector de estado, el vector de entrada de
estabilidad y respuesta transitoria del sistema. nuestro sistema y claramente nuestro tiempo de
Un tiempo de muestreo bien seleccionado puede muestreo preseleccionado.
asegurar una respuesta estable y una
representación precisa de los cambios en el duty
cycle.
Diseñe el controlador de ganancias
prealimentada y retroalimentada. Explique el
procedimiento matemático del cálculo de dichas Aqui debemos hallar la inversa de la matriz de
ganancias. controlabilidad para multiplicarla por C barra y
Para calcular las ganancias de prealimentacion la ganancia que obtuvimos anteriormente y
hay muchos metodos pero los mas comunes son hallar la ganancia final de prealimentación.
el metodo de la forma canonica y el metodo de
las ganancias, utilizaremos el metodo de la
forma canonica por sencillez y robustez en el
calculo.

1. Obtener los coeficientes del polinomio

característico del sistema a lazo abierto.
Como en nuestro sistema solo tenemos un
estado elegimos su polinomio característico de
esta manera:

2. Formamos la matriz de controlabilidad de

nuestro sistema de la siguiente manera:

3. Elegir los coeficientes del polinomio

característico deseado y determinar la ganancia
de realimentación en coordenadas de x

Donde alfa barra son los coeficientes del

polinomio deseado y alfa normal son los
coeficientes de la matriz de controlabilidad.

4. Determinar la ganancia de realimentación en

coordenadas originales
Control proporcional, planta de 1 estado: En el sistema simulado real vemos que la planta
Simule dicho controlador en el modelo llega a la referencia que le pusimos que fue de
linealizado y grafique tanto la acción de control 50 grados celsius y tiene un tiempo de
como la salida (tanto en pequeña señal como estabilización aproximado de 600 segundos que
grande). fue lo que le pusimos, también podemos
observar que el sistema le falta un poco para
Simulamos el sistema tanto en gran señal como llegar a la temperatura que debe llegar en estado
en pequeña señal y también su esfuerzo de estacionario, esto puede deberse a que nuestro
control donde obtuvimos los siguientes control apenas es proporcional y este aspecto
resultados. podría mejorar en el control integral.
En cuanto a la acción de control podemos ver en
ambas gráficas que no sobrepasa más del 50%
de su límite máximo, por lo que podemos decir
que la acción de control no está saturada

Compruebe la acción de control realizando un

cambio escalón en la referencia, para
garantizar que el sistema responda a cambios de
la misma.

donde vemos que la planta se estabiliza en 50

grados celsius y en rojo podemos ver su acción
de control.

Aplicamos un cambio escalón en la referencia

para ver si sigue la referencia y efectivamente
podemos ver que la acción de control empieza a
funcionar y lleva el sistema a la nueva referencia
por lo tanto podemos decir que nuestro sistema
responde a cambios en la referencia.
Control integral, planta 1 estado: sobrepaso y esto se debe a que la acción integral
aumenta un polo al sistema comportándose este
Diseñamos nuestro control con dos sobrepicos como un sistema de segundo orden, por lo que
diferentes uno para 5% de sobrepaso y el otro en la simulación también esperamos una
para un 0.001% de sobrepico, en el tiempo de respuesta con sobrepaso pero debería de
estabilización usamos un tiempo de 600s, eliminarse el error de estado estacionario que
pusimos una referencia de 60 °C , con esto tenía el control proporcional, cabe aclarar que
formamos nuestro polinomio característico todo nuestro control esta implementado para un
deseado, de allí sacamos los polos deseados, los Q de operación de 30% de ciclo de dureza.
discretizamos, fabricamos la matriz aumentada
con la discretización que ya habíamos hecho Implementamos este control integral en la vida
anteriormente, calculamos las ganancias de real para ver si nuestro control se comporta
acción integral kp y ki y graficamos tanto la como en la simulación:
acción de control como la respuesta del sistema estos fueron los parámetros que utilizamos para
en lazo cerrado y obtenemos lo siguiente: la implementación en la vida real:

si bien las gráficas se parecen hay que anotar

Aqui vemos que el sistema aunque es que el ambiente provoca perturbaciones que
predominantemente de primer orden tiene un
pueden no encontrarse en las simulaciones, variando vimos que nuestro sistema tenía una
podemos destacar que nuestro control esta respuesta más rápida, solo tuvimos que variar
haciendo su trabajo teniendo un tiempo de estos dos parámetros para obtener un modelo
estabilización aproximado de 600 segundos y un muy parecido al real, luego se cambia el duty
sobrepico máximo de 0.01% que fue lo que cycle o ciclo de dureza en 3 diferentes valores
calculamos para el, ademas que llega a la para ver si con los otros valores también se
referencia que fue de 70 grados, también vemos ajusta nuestro modelo y concluímos que si
que la acción de control al principio comienza al teníamos un buen modelo que representará
maximo y despues comienza a reducir su valor, nuestra planta, a continuación se muestran unas
más sin embargo nunca sobrepasa el 50% de su gráficas de la respuesta al modelo simulado en
límite máximo. verde y al modelo real en rojo para un ciclo de
Para una referencia = 70 dureza de 30%, 50% y 70% respectivamente:

Obtención de un buen modelo para la planta

de 3 estados:
Nos planteamos hacer un buen modelo que se
acerque al real, para esto hallamos la respuesta
natural del sistema simulado por ecuaciones
diferenciales , en verde vemos la respuesta
natural del sistema y en rojo la respuesta real de
nuestra planta, Observamos que la respuesta de
nuestra simulación subía más lento y tenía un
offset menor que nuestro sistema real por lo que
variamos algunos parámetros para que se
ajustará al sistema real, los parámetros que
variamos fueron 2 Teq variando su denominador
vimos que la respuesta incrementada su offset y
 A diferencia del sistema anterior que tenía un
estado vemos que este tiene 3 estados pero su
respuesta natural se parece mucho a la de 1
4. Elija un valor de operación para la entrada estado solo que esta presenta más curvas en su
(recuerde que esta posee un valor mínimo y un gráfica.
valor máximo), y halle el respectivo valor de Verificamos si el sistema lineal es estable
equilibrio de la salida según el modelo. mirando sus autovalores en matlab por lo que
5. Linealice el sistema alrededor del punto de concluimos que el sistema es totalmente estable.
operación seleccionado para obtener:

Δẋ(t) = ALΔx(t) + BLΔu(t),

Primero elegimos un punto de equilibrio para

linealizar nuestro sistema alrededor de este
punto de equilibrio para ello igualamos todas las
dinámicas a cero, para obtener nuestro punto de
Discretización del sistema 3 estados:
equilibrio para posteriormente linealizar. Uno de los parámetros más importantes para
discretizar correctamente un sistema es elegir su
tiempo de muestreo, La elección del tiempo de
muestreo (o paso de discretización) es
fundamental al discretizar un sistema continuo,
ya que puede tener un impacto significativo en
la precisión y estabilidad del modelo discreto
resultante.
Linealizamos alrededor del punto de operación
La elección del tiempo de muestreo también
que calculamos en matlab pero nos fijamos de
puede estar relacionada con los requisitos de
su estabilidad y de que represente bien el
estabilidad y respuesta transitoria del sistema.
sistema.
Un tiempo de muestreo bien seleccionado puede
asegurar una respuesta estable y una Diseñe el controlador de ganancias
representación precisa de los cambios en el duty
cycle. Para calcular las ganancias de prealimentación
hay muchos métodos pero los más comunes son
Teniendo en cuenta todos estos tiempos el método de la forma canónica y el método de
calculamos nuestro tiempo de muestreo, lo cual las ganancias, utilizaremos el método de la
nos dice que es recomendable tener un tiempo forma canónica por sencillez y robustez en el
de muestreo de 0.35s. cálculo.
mediante matlab obtenemos los siguientes Como son 3 estados utilizamos el software
resultados: matlab ya que nos facilita mucho este trabajo,
podemos usar el comando acker o el comando
place, todos dos comandos encuentran una
ganancia prealimentada.

Matlab utiliza el método acker MATLAB que

se basa en el método de colocación de polos
para sistemas de control de espacio de
Manualmente lo haríamos como lo planteamos
estados. Este método permite asignar polos
anteriormente mediante el método de euler o de a un sistema lineal de espacio de estados
la matriz transición pero el software matlab nos colocando la matriz de ganancias de
facilita mucho este cálculo por lo que tomamos prealimentación de manera que los polos del
esta opción. sistema resultante estén en ubicaciones
deseadas.
Para este sistema usamos un sobrepico del
2% y un tiempo de estabilización de 600s
queriendo que nuestro sistema tenga este Podemos ver en la siguiente gráfica que nuestro
sistema tiene una respuesta estable en lazo cerrado
comportamiento, se calcula el polinomio con la ganancia de prealimentación y que además
deseado y se obtienen los polos tiene la respuesta que deseábamos, que es un tiempo
discretizados para nuestra ganancia de de estabilización de 600 segundos, un sobrepaso
máximo de 2% y nos fijamos que llegue a la
realimentación. temperatura de referencia que le dimos que fue de
Así obtenemos nuestras ganancias de 50°C .
prealimentación para posteriormente hacer
Para el esfuerzo de control tenemos que no sobrepasa
nuestro sistema en lazo cerrado controlado el 20% de su límite máximo por lo que no tenemos
por nuestra ganancia de prealimentación que un esfuerzo de control saturado.
será implementada en la entrada para que
nuestro sistema siga la referencia y los
parámetros que deseamos.

Control proporcional, planta de 3

estados:
Simule dicho controlador en el modelo
linealizado y grafique tanto la acción de control
como la salida (tanto en pequeña señal como
grande).
Control integral, planta 3 estados: En la siguiente imagen podemos ver que nuestro
sistema llega a una referencia deseada que pusimos
Para el diseño de nuestro control integral de 50°C anteriormente y que el tiempo de
aumentamos la matriz discreta y además estabilización es adecuado de 600 segundos, también
aumentamos un polo 10 veces alejado para podemos observar que a diferencia de la respuesta
del sistema proporcional este tiene un sobrepaso
que no nos ocasione inestabilidades y antes de estabilizarse, esto puede deberse a la
respuestas no deseadas en nuestro sistema, colocación de los polos y a que como en el control
integral tenemos que aumentar un polo este se
luego discretizamos los polos para que estén
comporta predominantemente como un sistema de 2
entre 0-1. grado.

También podemos ver que la acción de control nunca

sobrepasa el 50% de su límite máximo, comenzando
la respuesta del sistema vemos que la acción de
control pasa del 100% del ciclo de dureza esto con la
intención de que el sistema aumente su temperatura
abruptamente obteniendo una respuesta mas rapida,
pero observamos también que este comportamiento
no se tiene a lo largo de todo el tiempo sino que
Calculamos la constante K con el comando acker
decrece y se estabiliza en un duty cycle más
donde dentro de este vector estarán respectivamente
normalizado cerca del 25% lo que nos indica que
la constante proporcional Kp y la constante de
nuestra acción de control no se satura.
ganancia con respecto al integrador Ki en nuestro
caso las nombramos como K1 y K2 respectivamente.

Habiendo obtenido nuestras constantes de integración

podemos hacer nuestro sistema en lazo cerrado con la
prealimentación integral, es importante destacar que
el control integral responde al acumulado histórico de
errores.
El término "integral" implica que el controlador tiene
en cuenta la integral del error a lo largo del tiempo.
Un controlador I introduce una corrección
proporcional al error acumulado a lo largo del
tiempo, lo que significa que puede eliminar el error
constante a medida que el sistema alcanza el estado
estacionario.
Implementamos nuestro control en la vida real

Implementamos este control integral en la vida

real para ver si nuestro control se comporta
como en la simulación:
estos fueron los parámetros que utilizamos para
la implementación en la vida real: